360-Grad-Videoanonymisierung - Definition
Die 360-Grad-Videoanonymisierung bezeichnet das Auffinden und Unkenntlichmachen identifizierbarer visueller Informationen in immersiven Videos, die eine vollständige oder nahezu vollständige Szene rund um die Kamera erfassen. In der Praxis sind Gesichter und Kfz-Kennzeichen die wichtigsten automatisiert erkannten Ziele. Dabei müssen die geometrischen Verzerrungen berücksichtigt werden, die durch Fisheye-Objektive und 360-Grad-Projektionsformate entstehen.
Anders als herkömmliche zweidimensionale Videos können 360-Grad-Aufnahmen als äquirektangulares Panorama, Cubemap, Dual-Fisheye-Frames oder in einem anderen Projektionsformat gespeichert werden. Ein Gesicht am Rand eines äquirektangularen Frames kann horizontal gestreckt sein. Ein Gesicht im äußeren Bereich eines Fisheye-Objektivs kann gekrümmt, vergrößert, komprimiert oder teilweise durch den Objektivrand verdeckt erscheinen. Diese Effekte können die Genauigkeit der Gesichtsdetektion verringern und dazu führen, dass eine Weichzeichnung oder Verpixelung nicht ausreichend positioniert ist.
Eine wirksame Videoanonymisierung erfordert daher sowohl Objektdetektion als auch eine geometriebewusste Unkenntlichmachung. Das System muss ein Gesicht oder Kfz-Kennzeichen in der Quelldarstellung erkennen, die Detektion über die Frames hinweg korrekt zuordnen und eine Maske anwenden, die das Ziel trotz Bewegungen, Projektionsänderungen und Stitching-Artefakten weiterhin abdeckt.
Warum die Objektivgeometrie die Gesichtsdetektion beeinflusst
Fisheye-Objektive bieten ein extrem weites Sichtfeld. Sie bewahren nicht die geradlinige Geometrie, von der viele Computer-Vision-Modelle ausgehen, die überwiegend mit perspektivischen Fotografien trainiert wurden. Die Beziehung zwischen einem Punkt in einer 3D-Szene und seiner Position im Bild hängt vom Projektionsmodell des Objektivs ab.
Zu den gängigen Fisheye-Projektionsmodellen gehören:
- Äquidistante Projektion: Der Bildradius ist proportional zum Blickwinkel.
- Äquisolide Winkelprojektion: Der Bildradius hängt mit dem Sinus des halben Blickwinkels zusammen.
- Stereografische Projektion: Erhält Winkel lokal, vergrößert jedoch Objekte zum Bildrand hin.
- Orthografische Projektion: Projiziert die sichtbare Hemisphäre auf eine Scheibe.
Bei einer Dual-Fisheye-Aufnahme erfasst jedes Objektiv ungefähr eine Hemisphäre. Anschließend werden die Hemisphären zu einem Panorama zusammengesetzt. Gesichter und Kfz-Kennzeichen nahe der Stitching-Linie können auf beide Objektivbilder verteilt sein oder nach dem Stitching verzerrt erscheinen. Ein Detektor, der mit gewöhnlichen perspektivischen Bildern trainiert wurde, kann diese Ziele übersehen oder eine ungenaue Begrenzungsbox liefern.
Projektionsformate und die Platzierung der Unkenntlichmachung
Die für Speicherung und Verarbeitung verwendete Projektion bestimmt, wie eine Maske für Weichzeichnung oder Verpixelung berechnet werden sollte. Eine rechteckige Maske, die für ein Standardkamerabild geeignet ist, kann für ein äquirektangulares Panorama ungeeignet sein - insbesondere in Polnähe oder an der linken und rechten Naht.
Darstellung | Typisches geometrisches Problem | Aspekt der Unkenntlichmachung
|
|---|---|---|
Äquirektangulares Panorama | Horizontale Streckung nahe dem oberen und unteren Bildrand; Naht bei 0°/360° Länge | Masken müssen über den linken und rechten Bildrand hinweg fortgeführt und in Polregionen vergrößert werden können. |
Cubemap | Objekte können Grenzen zwischen Würfelflächen überschreiten | Die Kontinuität der Maske über benachbarte Würfelflächen hinweg sicherstellen. |
Dual-Fisheye-Quelle | Starke radiale Verzerrung und Überlappung zwischen den Objektiven | Vor oder nach dem Stitching detektieren und anschließend die Abdeckung an Objektiv- und Stitching-Grenzen prüfen. |
Perspektivischer Viewport | Es ist jeweils nur ein Teil der Sphäre sichtbar | Die Verarbeitung nicht auf eine einzige Blickrichtung begrenzen. Die gesamte aufgezeichnete Sphäre analysieren. |
Ein robuster Arbeitsablauf kann jede Detektion auf sphärische Koordinaten abbilden, anstatt den Quellframe als flaches Bild zu behandeln. Für einen äquirektangularen Frame mit der Breite W und der Höhe H lassen sich Pixelkoordinaten näherungsweise wie folgt umrechnen:
Längengrad = 2π(x / W - 0.5)
Breitengrad = π(0.5 - y / H)
Diese Abbildung hilft, die Position eines Ziels beizubehalten, wenn das Videomaterial zwischen äquirektangularen Darstellungen, Cubemaps und Viewport-Darstellungen konvertiert wird.
Detektion, Tracking und Maskenfortschreibung
Die 360-Grad-Videoanonymisierung kombiniert üblicherweise die Gesichtsdetektion oder Kfz-Kennzeichendetektion mit Objekt-Tracking und zeitlicher Maskenfortschreibung. Die Detektion identifiziert mögliche Ziele. Das Tracking schätzt, wo das Ziel in benachbarten Frames erscheint. Anschließend wird die Maske für Weichzeichnung oder Verpixelung aktualisiert, damit das Ziel während seiner gesamten sichtbaren Dauer abgedeckt bleibt.
Zu den wichtigsten technischen Kontrollen gehören:
- Detektionsrate: der Anteil sichtbarer Gesichter oder Kfz-Kennzeichen, die erkannt werden. Eine niedrige Detektionsrate schafft das Risiko nicht anonymisierter Inhalte.
- Präzision: der Anteil der Detektionen, bei denen es sich tatsächlich um Ziele handelt. Eine geringe Präzision kann zu unnötiger Weichzeichnung oder Verpixelung führen.
- Intersection over Union (IoU): die Überlappung zwischen einer vorhergesagten Region und einer Referenzregion. Für Fisheye-Inhalte kann IoU allein unzureichend sein, da eine rechteckige Region verzerrte Hintergrundbereiche einschließen kann.
- Maskenrand: zusätzliche Pixel oder zusätzlicher Winkelabstand um ein erkanntes Ziel. Ein Rand hilft, Fehler bei der Lokalisierung, Bewegungsunschärfe und Tracking-Abweichungen abzudecken.
- Zeitliche Kontinuität: das Ausbleiben nicht abgedeckter Frames, solange ein Ziel sichtbar bleibt.
Die Qualitätssicherung sollte eine manuelle Prüfung schwieriger Bereiche umfassen: Objektivrandbereiche, Stitching-Nähte, Frames bei wenig Licht, schnelle Kamerabewegungen, verdeckte Gesichter, Reflexionen sowie Ziele, die in den Frame eintreten oder ihn verlassen. Die Prüfung sollte anhand der final gerenderten Ausgabe erfolgen, nicht nur anhand der Detektor-Anmerkungen.
Praktischer Ansatz für die Verarbeitung
Ein verbreiteter Ansatz besteht darin, aus der sphärischen Quelle mehrere perspektivische Ansichten zu erstellen. Jede Ansicht weist weniger Verzerrungen auf als das vollständige äquirektangulare Bild und kann von einem auf herkömmliche Bilder trainierten Detektor verarbeitet werden. Detektionen aus überlappenden Ansichten werden anschließend zurück in das ursprüngliche sphärische Koordinatensystem übertragen und zusammengeführt.
Dieser Ansatz erhöht den Rechenaufwand, da dasselbe Ziel in mehreren Viewports erscheinen kann. Zudem ist eine Deduplizierung erforderlich. Vor Beginn der produktiven Verarbeitung sollte das Verarbeitungsteam Viewport-Auflösung, Sichtfeld, Überlappung, Detektionsschwelle, Tracking-Toleranz und Maskenrand festlegen.
Gallio PRO unterstützt die automatisierte Gesichtsdetektion und Kfz-Kennzeichendetektion in aufgezeichneten Bildern und Videos. Gallio PRO führt keine Echtzeit-Anonymisierung und keine Anonymisierung von Videostreams durch. Elemente wie Logos, Tätowierungen, Namensschilder, Dokumente und Bildschirminhalte müssen mit dem integrierten manuellen Editor unkenntlich gemacht werden, wenn sie verdeckt werden sollen.
Herausforderungen und Grenzen der 360-Grad-Videoanonymisierung
Eine geometrische Korrektur verbessert die Bedingungen für die Detektion, garantiert jedoch keine vollständige Anonymisierung. Ein Gesicht kann durch teilweise Sichtbarkeit, ungewöhnliche Kamerawinkel, Reflexionen, Bewegungsunschärfe oder eine Frame-Sequenz, in der das Tracking fehlschlägt, weiterhin identifizierbar bleiben. Ein Kfz-Kennzeichen kann in einer Projektion unleserlich sein, aber nach einer anderen Ausrichtung des Viewers oder einer Bildverbesserung lesbar werden.
Masken für Weichzeichnung oder Verpixelung sollten daher in der Ausgabeauflösung und in den Anzeigeformaten geprüft werden, auf die Empfänger zugreifen können. Bei immersiven Medien umfasst dies das Schwenken über die Szene, die Kontrolle der Nahtbereiche und das Testen mehrerer Viewer-Ausrichtungen.
Standards und Referenzen
Technische Implementierungen sollten die Quellprojektion, Transformationen, Codec-Einstellungen, die Version des Detektionsmodells, Konfidenzschwellen und Prüfergebnisse dokumentieren. Diese Informationen unterstützen Reproduzierbarkeit und Auditierbarkeit, ohne Protokolle aufzubewahren, die Detektionen von Gesichtern oder Kfz-Kennzeichen enthalten.
- ISO/IEC 23090-2:2021, Informationstechnologie - Codierte Darstellung immersiver Medien - Teil 2: Omnidirectional Media Format, Internationale Organisation für Normung, 2021.
- RFC 7946, Das GeoJSON-Format, Internet Engineering Task Force, 2016. Die Konzepte von Längen- und Breitengrad sind bei der Dokumentation sphärischer Zielpositionen hilfreich.
- Anbietertest zur Gesichtsdetektion (FRVT), National Institute of Standards and Technology. Das Programm bietet einen Bewertungskontext für bildbasierte Systeme zur Gesichtsanalyse, obwohl für Fisheye- und Panoramaaufnahmen weiterhin Bereitstellungstests erforderlich sind.