隐私情境检测方法技术

本发明专利技术公开了一种隐私情境检测方法，包括下述步骤：（1）采集隐私图片并进行处理作为训练数据集；（2）将训练数据集输入工作站，加载隐私情境检测算法模型，判断隐私类别，获得训练数据集的特征数据；（3）将特征数据传送至机器人，机器人接收到数据后开启摄像工具，从摄像工具读取图片进行情境检测；（4）根据类别估计值确定机器人的动作：如果系统检测到了隐私信息，根据所识别的隐私类别，将图片表达成不涉及隐私内容的文本形式进行存储，同时调整摄像头的角度，即可。本发明专利技术具有能在服务机器人检测到隐私情境后，将调转摄像头并将摘要信息保存到文档，主动尊重使用者的隐私的特点。

Privacy context detection method

The invention discloses a privacy situation detection method, which comprises the following steps of: (1) acquisition and processing of privacy images as training data set; (2) the training data set input workstation, privacy model loading situation detection algorithm, determine the privacy category, according to the number of features to obtain training data set; (3) features the data is transmitted to the robot, the robot receives the data on imaging tools, context detection tool to read from the camera image; (4) according to the determined robot action category estimation: if the system detects the privacy information according to the identification of privacy category, the picture expression does not involve privacy content text form for storage. At the same time can adjust the camera angle. The invention has the characteristics of transferring the camera and saving the abstract information to the document, and actively respecting the privacy of the user after the service robot detects the privacy situation.

【技术实现步骤摘要】
隐私情境检测方法
本专利技术属于图像识别领域，具体地说是涉及一种隐私情境检测方法。
技术介绍
随着机器人技术的发展，越来越多的机器人产品问世，如Jibo、Buddy、ASCC机器人、沈阳自动化研究所的4自由度作业型机器人、胶囊机器人等。有研究表明，用于照顾老年人的智能家居系统，因其广泛使用摄像头、语音监听设备而存在隐私泄漏的风险，影响人的心理状态甚至会引起心理障碍，这是此类系统部署推广的最大障碍之一。现有技术中，为了更好的理解老年人就智能家居环境中关于隐私问题的想法，有研究提出了一种基于问卷的框架，重点研究了隐私的定义，但没有涉及如何保护隐私。基于ISO/IEEE11073-20601标准提出的个人隐私保护架构，可以实现个人健康监控设备与数据管理者间的通讯，该系统通过对不同的角色授权不同的权限实现保护隐私数据，重点关注的是医疗信息，且其隐私信息仅局限于所测量的健康历史数据，如怀孕史和艾滋病感染等情况。Arabo等人研究了智能家居智能设备识别隐私的意义与挑战，通过运用隐私区与协议、数据安全模块等构建了智能家居环境中隐私与安全框架，并指出流氓软件是导致挑战的重要方面，遗憾的是只给出了仿真结果。Kozov等人分析智能家居物联网架构下子系统间的安全、隐私与互信风险，重点研究了隐私的控制机制、隐私风险分级的方法等，此研究高度依赖法律支持。Denning等人发现，即使智能服务机器人使用加密和认证方式，也会让网络攻击者有机会控制机器人或提取敏感数据。与此同时，有研究通过分析物理层的表现，发现分布式控制、决策和推理算法会泄漏隐私，为此指出使用物理层可以增强隐私属性，并针对此类系统设计了多种隐私评估指标。上述研究成果主要是从数据访问控制等角度考虑信息的保护，没有研究考虑如何在数据收集时就提供敏感数据的保护方案。
技术实现思路
本专利技术的目的在于克服上述缺点而提供一种能在服务机器人检测到隐私情境后，将调转摄像头并将摘要信息保存到文档的隐私情境检测方法。本专利技术的一种隐私情境检测方法，包括下述步骤：(1)采集隐私图片并进行处理作为训练数据集；(2)将训练数据集输入工作站，加载隐私情境检测算法模型，判断隐私类别，获得训练数据集的特征数据；(3)将特征数据传送至机器人，机器人接收到数据后开启摄像工具，从摄像工具读取图片进行情境检测：包括图片采集、处理，加载隐私检测算法模型判断隐私类别、获得类别评估值；(4)根据类别估计值确定机器人的动作：如果判定结果为非隐私数据，则存储图片数据并继续进行隐私检测；如果系统检测到了隐私信息，根据所识别的隐私类别，将图片表达成不涉及隐私内容的文本形式进行存储，同时调整摄像头的角度，即可。上述的隐私情境检测方法，其中：所述步骤(2)中的基于卷积神经网络的隐私情境检测算法模型，该模型输入输出层共21层，其中包括1个输入层，卷积层和池化层共17层，2个全连接层，1个输出层；并采用1×1×1000的softmax分类函数进行分类。上述的隐私情境检测方法，其中：所述基于卷积神经网络的隐私情境检测算法：输入：图片数据；输出：图片数据的预测类别估计值；1)在第1层将图片数据读入内存形成图片的矩阵向量，并将此向量作为第2层的输入；2)对于第2-17层，在每一层根据卷积操作输出矩阵公式进行卷积操作，然后将卷积操作的结果作为池化操作的输入运用池化操作输出矩阵公式进行池化操作，池化操作的结果是下一层卷积操作的输入；3)将步骤2)中最后一层的池化操作结果作为第1个全连接层的输入，运用进行全连接操作；4)将第一层全连接操作的输出结果作为第二个全连接层的输入，运用全连接层的特征矩阵计算公式进行全连接操作；5)将第二个全连接层的输出转换为特征向量；6)将特征向量作为softmax函数的输入，运用样本的类别估计值的概率计算公式获得预测概率值；7)根据特征损失函数计算公式计算特征损失；8)运用样本的类别估计值的概率计算公式获得类别估计值，并输出此值。本专利技术与现有技术的相比，具有明显的有益效果，由以上方案可知，在收集训练数据集的基础上，工作站使用基于卷积神经网络的隐私情境检测算法模型，以获得训练数据集的特征数据模型。然后，通过shell脚本文件及通信管道，将所获得的特征数据模型传送到服务机器人，服务机器人接收到模型后开启摄像头，并按给定频率从摄像头读取图片进行情境检测。最后，根据检测结果采取相应的措施以达到保护隐私信息的目的，即：若系统检测到了隐私信息，系统调整摄像头的角度，并根据所识别的隐私情境类别，将图片信息表达成不涉及隐私内容的文本形式进行存储。本专利技术实现服务机器人系统在检测到隐私情境后，将调转摄像头并将摘要信息保存到文档,主动尊重使用者的隐私，从而针对服务机器人广泛使用摄像头而引起的隐私信息泄漏风险，尝试从数据源头上减少甚至消灭带有强隐私信息的内容。以下通过具体实施方式，进一步说明本专利技术的有益效果。附图说明图1为本专利技术的工作流程图；图2为本专利技术的服务机器人实现隐私检测的流程图；图3为实施例中的服务机器人平台；图4为实施例中的数据集的样本示例图；图5为实施例中的不同训练步骤下的交叉熵值；图6为实施例中的不同训练步骤下的模型的识别率；图7为实施例中的测试数据集样本示例。具体实施方式以下结合附图及较佳实施例，对依据本专利技术提出的隐私情境检测方法具体实施方式、特征及其功效，详细说明如后。如图1和图2所示，本专利技术的隐私情境检测方法，包括下述步骤：(1)采集隐私图片并进行处理作为训练数据集；(2)将训练数据集输入工作站，加载基于卷积神经网络的隐私情境检测算法模型，判断隐私类别，获得训练数据集的特征数据；(3)将特征数据传送至机器人，机器人接收到数据后开启摄像工具，从摄像工具读取图片进行情境检测：包括图片采集、处理，加载基于卷积神经网络的隐私检测算法模型判断隐私类别、获得类别评估值；(4)根据类别估计值确定机器人的动作：如果判定结果为非隐私数据，则存储图片数据并继续进行隐私检测；如果系统检测到了隐私信息，根据所识别的隐私类别，将图片表达成不涉及隐私内容的文本形式进行存储，同时调整摄像头的角度，即可。基于卷积神经网络的隐私检测算法模型的输入输出层总共21层，其中包括1个输入层，卷积层和池化层共17层，2个全连接层，1个输出层，各个层的结构特征与参数设置如表1所示。采用1×1×1000的softmax分类函数进行分类。算法描述如算法1所示。算法1：基于卷积神经网络的隐私情境检测算法输入：图片数据Xpic输出：图片数据Xpic的预测类别估计值ppic；1)在第1层将图片数据Xpic读入内存形成图片的矩阵向量，并将此向量作为第2层的输入；2)对于第2-17层，在每一层根据下列公式(1)进行卷积操作，然后将卷积操作的结果作为池化操作的输入运用下列公式(2)进行池化操作。池化操作的结果是下一层卷积操作的输入。3)将步骤2)中最后一层的池化操作结果作为第1个全连接层的输入，运用下列公式(3)进行全连接操作；4)将第一层全连接操作的输出结果作为第二个全连接层的输入，运用下列公式(3)进行全连接操作；5)将第二个全连接层的输出转换为特征向量V；6)将特征向量V作为softmax函数的输入，运用下列公式(4)获得预测概率值；7)根据下列公式(5)计算特征损失本文档来自技高网...

【技术保护点】
一种隐私情境检测方法，包括下述步骤：（1）采集隐私图片并进行处理作为训练数据集；（2）将训练数据集输入工作站，加载隐私情境检测算法模型，判断隐私类别，获得训练数据集的特征数据；（3）将特征数据传送至数据处理装置，数据处理装置接收到数据后开启摄像工具，从摄像工具读取图片进行情境检测：包括图片采集、处理，加载隐私检测算法模型判断隐私类别、获得类别评估值；（4）根据类别估计值确定数据处理装置的动作：如果判定结果为非隐私数据，则继续进行隐私检测；如果系统检测到了隐私信息，根据所识别的隐私类别，将图片表达成不涉及隐私内容的形式进行存储，即可。

【技术特征摘要】
1.一种隐私情境检测方法，包括下述步骤：（1）采集隐私图片并进行处理作为训练数据集；（2）将训练数据集输入工作站，加载隐私情境检测算法模型，判断隐私类别，获得训练数据集的特征数据；（3）将特征数据传送至数据处理装置，数据处理装置接收到数据后开启摄像工具，从摄像工具读取图片进行情境检测：包括图片采集、处理，加载隐私检测算法模型判断隐私类别、获得类别评估值；（4）根据类别估计值确定数据处理装置的动作：如果判定结果为非隐私数据，则继续进行隐私检测；如果系统检测到了隐私信息，根据所识别的隐私类别，将图片表达成不涉及隐私内容的形式进行存储，即可。2.如权利要求1所述的隐私情境检测方法，其特征在于：所述步骤（2）中加载的基于卷积神经网络的隐私情境检测算法模型，该模型输入输出层共21层，其中包括1个输入层，卷积层和池化层共17层，2个全连接层，1个输出层；并采用1×1×1000的softmax分类函数进行分类。3.如权利要求2所述的隐私情境检测方法，其特征在于：所述基于卷积神经网络的隐私情境检测算法：输入：图片数据；输出：图片数据的预测类别估计值；1)在第1层将图片数据读入内存形成图片的矩阵向量，...

【专利技术属性】
技术研发人员：杨观赐，杨静，盛卫华，苏志东，
申请(专利权)人：贵州大学，
类型：发明
国别省市：贵州,52