Videokomprimierung und Gesichtsdetektion: H.264 vs. H.265 vs. AV1 - Testergebnisse

TL;DR: Je stärker ein Video komprimiert ist, desto höher ist das Risiko, dass die automatische Gesichtsdetektion nicht alle Gesichter erkennt und eine manuelle Nachbearbeitung erforderlich wird. Die Unterschiede zwischen H.264, H.265 und AV1 spielen eine Rolle, entscheidend ist jedoch vor allem die Aggressivität der Komprimierung - nicht allein der Codec. Deshalb sollten Videos auf der bestmöglichen Quelldatei anonymisiert werden, bevor der finale Export erfolgt. Gallio PRO macht Gesichter und Kfz-Kennzeichen in gespeicherten Dateien automatisch unkenntlich; alles Weitere kann im integrierten Editor manuell korrigiert werden - lokal und ohne Speicherung von Logs. Testen Sie am besten dasselbe Video vor und nach der Komprimierung.

Videokomprimierung reduziert die Dateigröße auf Kosten eines Teils der visuellen Informationen - auch jener Details, die ein Algorithmus benötigt, um Gesichtszüge zu erkennen und den Bereich für das Unkenntlichmachen präzise zu bestimmen. Für Marketing, PR, öffentliche Verwaltung, Medien und Compliance bedeutet das eine einfache Abhängigkeit: Wenn eine Datei erst nach aggressiver Komprimierung in die Video-Anonymisierung gelangt, kann die Wirksamkeit von Face Blurring sinken - nicht, weil das Tool fehlerhaft arbeitet, sondern weil dem Bild die Details fehlen, die für eine stabile Detektion notwendig sind.

Warum beeinflussen Codec und Komprimierungsgrad das Face Blurring?

Gesichtsdetektion basiert auf geometrischen Mustern und der Bildtextur. Der Algorithmus benötigt in der Regel ausreichend klare Informationen über Augen, Nasenlinie, Gesichtskontur, den Kontrast der Haut zum Hintergrund sowie die Kontinuität dieser Merkmale zwischen einzelnen Frames. Komprimierung kann genau diese Elemente entfernen oder verfälschen.

In der Praxis entsteht das Problem vor allem an vier Stellen: (1) Bei niedriger Bitrate nehmen Blockartefakte oder eine Glättung feiner Details zu; (2) Codecs, die stärker auf Interframe-Prediction setzen, können bei Bewegung kleine Unterschiede verlieren; (3) Gesichter, die im Bild nur klein erscheinen, werden visuell zu detailarm, um vom Modell mit hoher Sicherheit erkannt zu werden; (4) bei erneuter Komprimierung, etwa nach dem Export aus einem Messenger oder CMS, überlagern sich Artefakte und verschlechtern die Qualität zusätzlich.

Die Schlussfolgerung für den Veröffentlichungsprozess ist klar: Die Anonymisierung visueller Daten sollte auf der bestmöglichen Quelldatei erfolgen, bevor das Video final für Websites, Social Media oder andere Distributionskanäle exportiert wird. In solchen Szenarien wird typischerweise On-Premise-Software zur Anonymisierung visueller Daten in Fotos und Videos eingesetzt. Sie macht ausschließlich Gesichter und Kfz-Kennzeichen automatisch unkenntlich, führt keine Echtzeit-Anonymisierung und keine Anonymisierung von Videostreams durch und speichert keine Detektionslogs, personenbezogenen Daten oder sensiblen Daten.

Umfang der automatischen Detektion und Grenzen des Tools

Die automatische Detektion umfasst ausschließlich Gesichter und Kfz-Kennzeichen. Diese Präzisierung ist wichtig, weil bei der Planung eines Workflows leicht ein zu breiter Automatisierungsumfang angenommen wird. Gallio PRO erkennt keine Firmenlogos, Tattoos, Namensschilder, Dokumente oder Inhalte auf Monitoren automatisch - solche Elemente müssen im integrierten Editor manuell unkenntlich gemacht werden, wenn das Material eine zusätzliche Schwärzung erfordert.

Eine zu starke Komprimierung ist daher doppelt problematisch: Sie erschwert die automatische Gesichtserkennung beziehungsweise Gesichtsdetektion und erhöht zugleich das Risiko, dass ein Operator mehr Bereiche manuell korrigieren muss. Dadurch verlängert sich die Zeit bis zur Veröffentlichung des Materials.

Testmethode: So lassen sich H.264, H.265 und AV1 vergleichen

Es reicht nicht aus, nur die Namen der Codecs gegenüberzustellen. Für die Wirksamkeit der Detektion zählt die Kombination aus fünf Parametern: Auflösung, Bitrate, Bildrate, Größe der Gesichter im Bild und Anzahl erneuter Exporte. Ein sinnvoller Business-Test sollte daher dasselbe Ausgangsmaterial umfassen, das mit drei Codecs und mehreren Qualitätsstufen kodiert und anschließend durch denselben Anonymisierungs-Workflow verarbeitet wird.

Ein besonders nützliches Testmodell sieht so aus: Bereiten Sie Referenzmaterial in 1080p vor, in dem Gesichter in drei Größen vorkommen - groß im Vordergrund, mittelgroß in einigen Metern Entfernung und klein im Hintergrund. Kodieren Sie die Datei in H.264, H.265 und AV1 mit Einstellungen für geringe, mittlere und hohe Komprimierung. Vergleichen Sie anschließend drei Kennzahlen: den Anteil erkannter Gesichter, die Anzahl falscher Auslassungen und die Stabilität des Face Trackings zwischen Frames. Am aussagekräftigsten ist ein solcher Test mit realem Material Ihrer Organisation, indem Sie die Demo herunterladen und dasselbe Video vor und nach der Komprimierung prüfen.

Ergebnisse aus Praxistests: H.264 vs. H.265 vs. AV1

Die folgende Übersicht sollte als kontextabhängiges technisches Ergebnis gelesen werden. Die Detektionsleistung ist keine Eigenschaft eines Codecs isoliert von seinen Einstellungen - sie hängt von der Encoder-Implementierung, dem Szeneninhalt, Bewegung, Beleuchtung und der Qualität der Quelle ab. Dennoch zeigt sich in Praxistests meist ein wiederkehrender Trend.

H.264 schneidet in operativen Umgebungen weiterhin stabil ab, weil der Codec vorhersehbar ist und breit unterstützt wird. Bei moderater Komprimierung bleibt Face Blurring für mittelgroße und große Gesichter meist zuverlässig; ein Leistungsabfall zeigt sich besonders dort, wo ein Gesicht nur einen kleinen Teil des Bildes einnimmt und das Video bereits zuvor mit verlustbehafteten Einstellungen exportiert wurde.

H.265 bietet in der Regel ein besseres Verhältnis von Qualität zu Dateigröße als H.264. Für Systemarchitekten bedeutet das kleinere Videodateien, ohne dass die Nutzbarkeit für die Anonymisierung sofort verloren geht. Gleichzeitig glättet H.265 bei stärkerer Komprimierung häufiger Mikrotexturen der Haut und feine Kontraste um die Augen. Ein Mensch „sieht“ weiterhin ein Gesicht, das Modell kann jedoch weniger sicher sein - insbesondere bei Bewegung und schwacher Beleuchtung.

AV1 ist hinsichtlich Dateigröße und wahrgenommener Bildqualität sehr effizient, muss in Anonymisierungs-Workflows aber sorgfältig bewertet werden. Dass ein Video nach der Veröffentlichung gut aussieht, bedeutet nicht automatisch, dass es die für automatische Gesichtsdetektion relevanten Merkmale bewahrt hat. AV1 kann für die finale Distribution sehr gut geeignet sein, sollte aber nicht immer die erste Wahl als Eingangsformat für Face Blurring sein, wenn das Material bereits stark komprimiert ist.

Wichtigstes Testergebnis: Entscheidend ist die Aggressivität der Komprimierung, nicht nur der Codec

Die stabilste Beobachtung ist einfach: Die Unterschiede zwischen H.264, H.265 und AV1 sind relevant, noch wichtiger ist jedoch, ob das Material lokale Gesichtsdetails bewahrt. Bei leichter Komprimierung können alle drei Codecs Material liefern, das für Video-Anonymisierung gut nutzbar ist. Bei hoher Komprimierung kann jeder von ihnen dazu führen, dass Gesichter übersehen werden - insbesondere kleine, teilweise verdeckte oder schräg aufgenommene Gesichter.

Das wirkt sich unmittelbar auf die Praxis aus: Wenn Sie Videos von Dienstleistern, Drohnen, Überwachungssystemen oder mobilen Apps erhalten, sollten Sie einen Mindeststandard für das Eingangsmaterial definieren. Ist das Material zu stark komprimiert, reicht automatisches Verpixeln oder Verwischen möglicherweise nicht aus; dann wird eine manuelle Schwärzung erforderlich.

Empfohlener sicherer Prozess für die Anonymisierung visueller Daten Schritt für Schritt

1. Wählen Sie die bestmögliche Quelldatei - nicht die Version, die bereits durch einen Messenger oder ein CMS gelaufen ist.
2. Importieren Sie das Material in Gallio PRO - die Software arbeitet mit Dateien, nicht mit Live-Streams und nicht in Echtzeit.
3. Starten Sie automatisches Face Blurring und License Plate Blurring - Gallio PRO macht Gesichter und Kfz-Kennzeichen unkenntlich. Dies sind die einzigen beiden Elemente, die automatisch erkannt werden.
4. Prüfen Sie das Ergebnis Frame für Frame an Stellen, an denen Komprimierung, Bewegung oder kleine Gesichtsgrößen die Detektion beeinträchtigt haben könnten, und nehmen Sie manuelle Korrekturen im integrierten Editor vor - auch bei Elementen, die nicht automatisch erkannt werden.
5. Exportieren Sie die Veröffentlichungsversion erst ganz am Ende - und rendern Sie dieselbe Datei nicht mehrfach zwischen Abteilungen, da jeder weitere Export die Chance auf vollständige Detektion verringert. Gallio PRO speichert keine Detektionslogs und keine personenbezogenen Daten.

Wenn eine Organisation in großem Maßstab arbeitet und eine lokale Bereitstellung, die Integration in bestehende Datei-Workflows oder eine kontrollierte Umgebung benötigt, lohnt es sich, für On-Premise-Szenarien und ein passendes Testverfahren das Team zu kontaktieren.

Compliance-Aspekte bei der Veröffentlichung von Gesichtern und Kennzeichen

In der Praxis verfolgen Organisationen beim Umgang mit Gesichtern und Kfz-Kennzeichen häufig einen vorsichtigen Ansatz - rechtliche Präzision bleibt jedoch entscheidend. Es lässt sich nicht pauschal behaupten, dass das Unkenntlichmachen von Kfz-Kennzeichen in allen westeuropäischen Ländern verpflichtend ist, weder allein auf Grundlage nationaler Vorschriften noch des EU-Rechts. Die Bewertung hängt vom Veröffentlichungskontext, vom Zweck der Verarbeitung und davon ab, ob ein Kennzeichen in der konkreten Situation die Identifizierung einer Person ermöglicht. Auch in Polen gibt es keine einheitliche Linie: Ob Kennzeichen als personenbezogene Daten gelten, hängt von den Umständen des Einzelfalls und von der Möglichkeit ab, die Nummer einer natürlichen Person zuzuordnen.

Bei Gesichtern stützen sich Organisationen meist auf einen weiter gefassten Schutz des Bildnisses und personenbezogener Daten. Es kann jedoch nicht angenommen werden, dass eine Pflicht zur Anonymisierung von Gesichtern immer und unmittelbar aus der DSGVO, dem polnischen Zivilgesetzbuch und dem Urheberrecht folgt. Grundsätzlich erfordert die Veröffentlichung eines Bildnisses eine Rechtsgrundlage oder Einwilligung; die Bewertung hängt von Zweck, Kontext und Art der Nutzung des Materials ab. Das Urheberrecht sieht typische Ausnahmen vom Erfordernis einer Erlaubnis zur Verbreitung des Bildnisses vor, insbesondere wenn es sich um eine allgemein bekannte Person im Zusammenhang mit der Ausübung öffentlicher Funktionen handelt oder wenn das Bildnis lediglich ein Detail eines größeren Ganzen darstellt, etwa einer Versammlung, Landschaft oder öffentlichen Veranstaltung. Der bloße Erhalt einer Vergütung ist keine eigenständige Ausnahme unabhängig von einer Einwilligung - er kann jedoch bedeuten, dass eine Einwilligung zur Verbreitung erteilt wurde.

FAQ - Videokomprimierung und Wirksamkeit der Gesichtsdetektion

Bietet H.265 immer eine bessere Gesichtsdetektion als H.264?

Nicht immer. H.265 erhält bei kleinerer Dateigröße häufig eine bessere Qualität, kann aber bei bestimmten Einstellungen feine Gesichtsmerkmale stärker glätten. Das Ergebnis hängt von Bitrate, Bewegung, Beleuchtung und der Größe der Gesichter im Bild ab.

Ist AV1 ein gutes Eingangsformat für die Video-Anonymisierung?

Das hängt vom Komprimierungsgrad ab. AV1 kann sehr effizient sein, doch eine gute wahrgenommene Qualität für den Betrachter entspricht nicht immer einer ebenso guten Qualität für den Detektionsalgorithmus. Für die Anonymisierung sollte das eigene Ausgangsmaterial getestet werden.

Was tun, wenn automatisches Face Blurring nicht alle Gesichter erkennt?

Dann ist eine manuelle Nachbearbeitung im Editor erforderlich. Zu starke Komprimierung erschwert die automatische Detektion, insbesondere bei kleinen Gesichtern, Gesichtern in Bewegung und Aufnahmen bei schwachem Licht.

Erkennt Gallio PRO automatisch auch Logos, Tattoos und Dokumente?

Nein. Die automatische Detektion umfasst ausschließlich Gesichter und Kfz-Kennzeichen. Logos, Tattoos, Namensschilder, Dokumente und Inhalte auf Monitoren erfordern manuelle Arbeit im Editor.

Arbeitet Gallio PRO in Echtzeit mit Videostreams?

Nein. Gallio PRO führt weder Echtzeit-Anonymisierung noch Anonymisierung von Videostreams durch.

Beeinflusst Komprimierung auch das Unkenntlichmachen von Kfz-Kennzeichen?

Ja. Kfz-Kennzeichen verlieren bei aggressiver Komprimierung an Lesbarkeit. Wenn Zeichen unscharf werden oder in Artefakte zerfallen, kann die automatische Erkennung weniger stabil sein - besonders bei Fahrzeugbewegung und schwachem Kontrast.

Speichert die Software Logs mit Detektionsdaten?

Nein. Gallio PRO sammelt keine Logs, die Detektionen von Gesichtern und Kfz-Kennzeichen enthalten, und keine Logs mit personenbezogenen oder sensiblen Daten.

Weiterführende Materialien

• Video-Anonymisierung mit Gallio PRO
• Kostenlose Demo von Gallio PRO
• Wann das Verwischen von Gesichtern und Kennzeichen ausreichend wirksam ist - technische Parameter und Qualitätskontrolle
• Anonymisierung in großem Maßstab - wie große Foto- und Videobestände effizient und DSGVO-konform verarbeitet werden

Der Text wurde vom Team von Gallio PRO erstellt - Fachleute für Datenschutz und Video Engineering, die Anonymisierungssoftware für Sicherheitsanwendungen, den öffentlichen Sektor und Medien entwickeln. Der Beitrag dient Informationszwecken und stellt keine Rechtsberatung dar.

Definieren Sie einen sicheren Eingangsstandard für Ihre Videos und testen Sie Ihren Anonymisierungs-Workflow mit realem Material.