项目运用Python和C语言在服务机器人系统上实现了本文提出的PBR-GAN、IPP-GAN与FPGAN算法有机整合，以此形成了一套服务机器人视觉隐私保护原型系统并将其安装在服务机器人平台上。
-
关于我们
贵州大学现代制造技术教育部重点实验室杨观赐教授所带领的这支研究智能家居移动服务机器人的团队是由一群醉心于学术、勤勉于实践、热爱生活的研究生们组成的优秀团队。
该UI界面中主要由三个部分组成，第一部分是左边部分为信息展示界面，用于展示对隐私度量的结果进行展示，以及左下角能够对隐私度量中的人体语义分割权重进行更改；第二部分是面板中间的图像展示界面，用于展示测试图像的内容以及经过处理后的图像；第三部分是面板的右边部分，该部分包含此系统中的一些功能选择模块：打开图像、隐私度量、隐私处理以及保存图片，此外，在隐私处理中包含了均值滤波、锐化滤波和中值滤波等方法。
听觉隐私信息感知与保护家庭服务机器人原型系统的设计是面向家庭日常监听服务而设计的，通过语音指令控制机器人能够更便携的进行交互。本项目中通过在机器人上配备多种设备，针对用户语音数据的监听处理，在去除隐私的同时理解用户的指令需求并执行相应的动作。主要模块为机器人听觉隐私信息处理模块。
所实现的饮食构成自主感知系统具有两种工作模式。在模式1中使用者直接与服务机器人交谈主动告知其饮食信息，该模式在用户回答服务机器人饮食问题的时候被激活。在模式2中，服务机器人主动监听用户的日常聊天内容，自动获取不同用户的饮食信息，当服务机器人主动监听用户日常对话时该模式被激活。单个用户与机器人的聊天对话语音数据与多人之间的聊天对话语音数据被服务机器人的麦克风阵列系统获取。然后根据所处的不同工作模式对语音数据进行相应的处理。
项目提出了基于GAN的服务机器人脸部视觉隐私保护方法（Face De-identification method based on GAN to Protect Visual Facial Privacy，FPGAN），再基于FPGAN建立了脸部视觉隐私保护辅助系统以确保机器人用户的隐私和安全。此外，为方便测试和统计，我们模拟相机工作机制，并将图像输入到模型中以进行脸部视觉隐私去识别。
首先，项目从集对分析的概念出发，建立人体语义区域的表示方法，基于加权计算方法和集对势，实现隐私的度量与风险评估，完成对人体隐私度量模型的建立。其次，项目组根据深度学习语义分割(semantic segmentation)方法，提出基于融合Criss-Cross 注意力的DeeplabV3人体语义分割算法进一步提高视觉图像中人体语义分割的准确率，完成人体隐私度量模型参数的确定。最后，基于建立的人体隐私度量模型和模型参数的确定方法，提出一种人体视觉隐私计算算法，实现对视觉图像中人体隐私的度量与风险评估，为隐私识别提供了科学依据和理论基础。
项目组围绕用户隐私的识别以及隐私的保护，开发一种基于用户隐私行为认知的服务机器人工作模式。为保证图像数据的可用性，建立隐私信息向非隐私数据转化的近似等价模型，对涉及隐私的敏感信息做去隐私化处理。最终开发出一套服务机器人用户隐私认知与保护系统。项目再此部分的开发内容主要有：提出融合注意力机制的卷积神经网络场景识别算法、基于GRU-CNN的服务机器人识别隐私行为识别算法和基于Inception-v3和LSTM的图像语义特征描述算法。
1
回 顾 全 文
-
团队概况
贵州大学现代制造技术教育部重点实验室杨观赐教授所带领的这支研究智能家居移动服务机器人的团队是由一群醉心于学术、勤勉于实践、热爱生活的研究生们组成的优秀团队。 -
实验室近期活动
-
实验室环境搭建
7 21, 2021 -
组会
12 02, 2020 -
组会
11 25, 2020
-
