虚拟机器视觉系统的加密传输模型训练方法及加解密方法技术方案

本发明专利技术涉及一种虚拟机器视觉系统的加密传输模型训练方法及加解密方法，在获取到虚拟机器视觉系统的样本图像及样本图像的场景信息后，根据样本图像和场景信息建立数据集，并通过机器学习算法训练用于根据数据集进行编码的编码模型；同时，根据机器学习算法训练用于对编码进行解码的解码模型。最后根据编码模型和解码模型建立加密传输模型。基于此，通过机器学习的编码模型构建，降低编码后的编码信息量。在进行编码信息传输后，由对应的解码模型进行解码，通过机器学习的映射特性，保证编码传输的安全性。码传输的安全性。码传输的安全性。

【技术实现步骤摘要】
虚拟机器视觉系统的加密传输模型训练方法及加解密方法


[0001]本专利技术涉及机器视觉与虚拟现实
，特别是涉及一种虚拟机器视觉系统的加密传输模型训练方法及加解密方法。

技术介绍

[0002]虚拟现实是指虚拟和现实相互结合。从理论上来讲，虚拟现实技术（VRVirtual Reality）是一种可以创建和体验虚拟世界的计算机仿真系统，其利用计算机生成一种模拟环境，使用户沉浸到该环境中。虚拟现实技术就是利用现实生活中的数据，通过计算机技术产生的电子信号，将其与各种输出设备结合使其转化为能够让人们感受到的现象，这些现象可以是现实中真切的物体，也可是我们肉眼所看不到的物质，而通过三维模型表现出来。
[0003]视觉系统就是用机器代替人眼来做测量和判断。视觉系统是指通过机器视觉产品（即图像摄取装置，常分COMS和CCD两种）将被摄取目标转换成图像信号，传送给专用的图像处理系统，根据像素分布和亮度、颜色等信息，转变成数字化信号；图像系统对这些信号进行各种运算来抽取目标的特征，进而根据判别的结果来控制现场的设备动作。传统机器视觉系统主要由光学组件、图像采集单元以及计算机单元组成。对应的，虚拟机器视觉系统包括：样品库、样品输入、相机、相机架、镜头、光源等VR组件。
[0004]然而，在虚拟机器视觉系统中，存在图像编码方式信息量过大、传输速度较慢等问题。同时，图像被编码后的信息缺乏加密保护，导致信息被截取风险较高。

技术实现思路

[0005]基于此，有必要针对传统虚拟机器视觉系统进行图像信息传输所存在的缺陷，提供一种虚拟机器视觉系统的加密传输模型训练方法及加解密方法。
[0006]一种虚拟机器视觉系统的加密传输模型训练方法，包括步骤：获取虚拟机器视觉系统的样本图像及样本图像的场景信息；根据样本图像和场景信息建立数据集；通过机器学习算法训练用于根据数据集进行编码的编码模型；其中，编码模型用于输出编码；根据机器学习算法训练用于对编码进行解码的解码模型；根据编码模型和解码模型建立加密传输模型。
[0007]上述的虚拟机器视觉系统的加密传输模型训练方法，在获取到虚拟机器视觉系统的样本图像及样本图像的场景信息后，根据样本图像和场景信息建立数据集，并通过机器学习算法训练用于根据数据集进行编码的编码模型；同时，根据机器学习算法训练用于对编码进行解码的解码模型。最后根据编码模型和解码模型建立加密传输模型。基于此，通过机器学习的编码模型构建，降低编码后的编码信息量。在进行编码信息传输后，由对应的解码模型进行解码，通过机器学习的映射特性，保证编码传输的安全性。
[0008]在其中一个实施例中，在根据样本图像和场景信息建立数据集的过程之前，还包
括步骤：对场景信息进行归一化处理。
[0009]在其中一个实施例中，对场景信息进行归一化处理的过程，如下式：其中，X '表示归一化后的数据，X表示归一化前的数据，min表示场景信息的最小值，max表示场景信息的最大值。
[0010]在其中一个实施例中，在根据样本图像和场景信息建立数据集的过程之前，还包括步骤：为样本图像添加噪声信息。
[0011]在其中一个实施例中，为样本图像添加噪声信息的过程，如下式：其中，（x，y）表示样本图像的像素坐标，σ表示标准差，用于为样本图像的像素点随机生成噪声信息。其中h（x，y）表示（x，y）的像素值，e表示自然数。
[0012]在其中一个实施例中，机器学习算法包括卷积神经网络算法；编码模型为包括卷积层、最大池化层和全连接层的三层卷积神经网络。
[0013]在其中一个实施例中，机器学习算法包括卷积神经网络算法；解码模型为包括卷积层、最大池化层和全连接层的三层卷积神经网络。
[0014]在其中一个实施例中，解码模型的解码过程如下式：其中，z表示编码，其服从正态分布（0，1）。P(x)为图像x的预测数据，P(z)为编码z的预测概率，P(x
│
z)为在编码为z的前提下图像x的预测数据。
[0015]一种虚拟机器视觉系统的加密传输模型训练装置，包括：样本获取模块，用于获取虚拟机器视觉系统的样本图像及样本图像的场景信息；数据建立模块，用于根据样本图像和场景信息建立数据集；第一训练模块，用于通过机器学习算法训练用于根据数据集进行编码的编码模型；其中，编码模型用于输出编码；第二训练模块，用于根据机器学习算法训练用于对编码进行解码的解码模型；模型建立模块，用于根据编码模型和解码模型建立加密传输模型。
[0016]上述的虚拟机器视觉系统的加密传输模型训练装置，在获取到虚拟机器视觉系统的样本图像及样本图像的场景信息后，根据样本图像和场景信息建立数据集，并通过机器学习算法训练用于根据数据集进行编码的编码模型；同时，根据机器学习算法训练用于对编码进行解码的解码模型。最后根据编码模型和解码模型建立加密传输模型。基于此，通过机器学习的编码模型构建，降低编码后的编码信息量。在进行编码信息传输后，由对应的解码模型进行解码，通过机器学习的映射特性，保证编码传输的安全性。
[0017]一种计算机存储介质，其上存储有计算机指令，计算机指令被处理器执行时实现
上述任一实施例的虚拟机器视觉系统的加密传输模型训练方法。
[0018]上述的计算机存储介质，在获取到虚拟机器视觉系统的样本图像及样本图像的场景信息后，根据样本图像和场景信息建立数据集，并通过机器学习算法训练用于根据数据集进行编码的编码模型；同时，根据机器学习算法训练用于对编码进行解码的解码模型。最后根据编码模型和解码模型建立加密传输模型。基于此，通过机器学习的编码模型构建，降低编码后的编码信息量。在进行编码信息传输后，由对应的解码模型进行解码，通过机器学习的映射特性，保证编码传输的安全性。
[0019]一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行程序时实现上述任一实施例的虚拟机器视觉系统的加密传输模型训练方法。
[0020]上述的计算机设备，在获取到虚拟机器视觉系统的样本图像及样本图像的场景信息后，根据样本图像和场景信息建立数据集，并通过机器学习算法训练用于根据数据集进行编码的编码模型；同时，根据机器学习算法训练用于对编码进行解码的解码模型。最后根据编码模型和解码模型建立加密传输模型。基于此，通过机器学习的编码模型构建，降低编码后的编码信息量。在进行编码信息传输后，由对应的解码模型进行解码，通过机器学习的映射特性，保证编码传输的安全性。
[0021]一种虚拟机器视觉系统的加密方法，包括步骤：获取虚拟机器视觉系统的待加密图像；通过编码模型对待加密图像进行编码，获得输出编码。
[0022]上述的虚拟机器视觉系统的加密方法，在获取到虚拟机器视觉系统的待加密图像后，通过编码模型对待加密图像进行编码，获得输出编码。基于此，通过机器学习的编码模型构建，降低编码后的编码信息量。在进行编码信息传输后，由对应的解码模型进行解码，通过机器学习的映射特性，保证编码传输的安全性本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种虚拟机器视觉系统的加密传输模型训练方法，其特征在于，包括步骤：获取虚拟机器视觉系统的样本图像及所述样本图像的场景信息；根据所述样本图像和所述场景信息建立数据集；通过机器学习算法训练用于根据所述数据集进行编码的编码模型；其中，所述编码模型用于输出编码；根据所述机器学习算法训练用于对所述编码进行解码的解码模型；根据所述编码模型和所述解码模型建立加密传输模型。2.根据权利要求1所述的虚拟机器视觉系统的加密传输模型训练方法，其特征在于，在所述根据所述样本图像和所述场景信息建立数据集的过程之前，还包括步骤：对所述场景信息进行归一化处理。3.根据权利要求2所述的虚拟机器视觉系统的加密传输模型训练方法，其特征在于，所述对所述场景信息进行归一化处理的过程，如下式：其中，X '表示归一化后的数据，X表示归一化前的数据，min表示所述场景信息的最小值，max表示所述场景信息的最大值。4.根据权利要求1所述的虚拟机器视觉系统的加密传输模型训练方法，其特征在于，在所述根据所述样本图像和所述场景信息建立数据集的过程之前，还包括步骤：为所述样本图像添加噪声信息。5.根据权利要求4所述的虚拟机器视觉系统的加密传输模型训练方法，其特征在于，所述为所述样本图像添加噪声信息的过程，如下式：其中，（x，y）表示所...

【专利技术属性】
技术研发人员：郑泽胜，苏键聪，李晋芳，李博，
申请(专利权)人：广州易道智慧信息科技有限公司，
类型：发明
国别省市：