• Zakritje identitete na slikah obraza
Novice

Zaščita osebnih podatkov je v današnji digitalni dobi postala ena izmed ključnih skrbi. Z razvojem naprednih sistemov prepoznavanja obrazov in napredkom računalniškega vida je mogoče iz podob obraza razbrati tako identiteto posameznika kot tudi druge občutljive osebne podatke. Rešitev, ki zaščiti zasebnost posameznikov in hkrati ohrani uporabnost vizualnih podatkov, so Blaž Meden in Peter Peer s Fakultete za računlništvo in informatiko UL, Vitomir Štruc s Fakultete za elektrotehniko UL ter sodelavec z Univerze v Kostariki predstavili v raziskovalnem članku »Face deidentification with controllable privacy protection«, objavljenim v reviji Image and Vision Computing.


Raziskovalci so v objavljenem delu predlagali nov, najsodobnejši algoritem za anonimizacijo obrazov s kratico CPP-DeID (angl. Controllable Privacy Protection DeIDentification), ki temelji na procesu slikovne optimizacije za doseganje učinkovite in naravne de-identifikacije na slikah obraza z nadzorovano količino zagotovljenega varstva zasebnosti. To pomeni, da z algoritmom lahko identiteto posameznika na izbrani sliki obraza zakrijejo in jo tako zaščitijo pred avtomatiziranim razpoznavanjem na podlagi modernih sistemov za razpoznavanje obrazov.

 

Predlagan algoritem CPP-DeID pri svojem delu skrbno izvaja optimizacijo vhodne slike obraza z uporabo različnih kontekstualnih kriterijev, pri tem pa uporablja močan generativni model za pridobitev končne deidentificirane podobe obraza.

 

Algoritem CPP-DeID ohranja čim več vizualnih podrobnosti iz vhodne slike obraza, hkrati pa zagotavlja izbrano količino zaščite zasebnosti na deidentificiranih slikah obraza. Na ta način vzdržuje delikatno ravnotežje med podanim nivojem varovanja zasebnosti in ohranjanjem izvornih obraznih karakteristik, ki so lahko potencialno uporabne pri nadaljnji analizi pridobljenih slik, ki ni odvisna od obrazne identitete (npr. pri določanju spola, izraza na obrazu, starosti ter drugih atributov).

 

Predlagana rešitev v okviru predstavljenih rezultatov kaže konkurenčno zmogljivost v primerjavi z najsodobnejšimi pristopi za anonimizacijo obrazov in, kar je najpomembnejše, prikazuje nadzorovano ravnovesje med zaščito zasebnosti in uporabnostjo podatkov na različnih standardnih merah uspešnosti in na raznolikih bazah javno dostopnih obraznih slik.

 

Članek lahko v celoti preberete:

- Image and Vision Computing: Face deidentification with controllable privacy protection (25. april 2023)