Was ist der Zusammenhang zwischen Videocodec und Qualität der Anonymisierung?

Der Zusammenhang zwischen Videocodec und Qualität der Anonymisierung beschreibt, wie sich die Art der Videokompression auf die Erkennung von Gesichtern und Kfz-Kennzeichen sowie auf die Qualität der anschließenden Unkenntlichmachung dieser Bereiche auswirkt. In der Praxis geht es darum, wie das Kodierungsformat und die Kompressionsparameter die Menge an visuellen Informationen beeinflussen, die den Algorithmen zur Objekt­erkennung und -verfolgung zur Verfügung steht.

Im Kontext der Anonymisierung von Fotos und Videos sind drei Gruppen von Codec-Eigenschaften besonders wichtig: der Grad der verlustbehafteten Kompression, die Struktur der Farbunterabtastung sowie die Organisation der Bilder im Stream. Codecs wie H.264/AVC und H.265/HEVC sind Standards der verlustbehafteten Kompression, die gemeinsam von ITU-T und ISO/IEC entwickelt wurden. Apple ProRes hingegen ist eine Familie von Mezzanine-Codecs, die vor allem in der Postproduktion eingesetzt werden und eine höhere Qualität des Ausgangsmaterials bewahren. H.264 wurde als ITU-T H.264 und ISO/IEC 14496-10 AVC standardisiert, H.265 als ITU-T H.265 und ISO/IEC 23008-2 HEVC. ProRes ist eine herstellerspezifische Spezifikation, die in Schnitt- und Postproduktionsumgebungen breit unterstützt wird.

Für die Video-Anonymisierung gilt dabei eine einfache Regel: Je weniger Kompressionsartefakte, je höher die effektive Auflösung im Bereich eines Gesichts oder Kennzeichens und je stabiler die Qualität zwischen den Bildern, desto höher sind in der Regel die Erkennungsempfindlichkeit und desto geringer das Risiko einer fehlerhaften oder instabilen Unkenntlichmachung. Dieser Zusammenhang ist jedoch nicht linear. Das Detektionsmodell, die Art der Frame-Extraktion, die Beleuchtung, die Bewegung des Objekts und die Bitrate beeinflussen das Ergebnis oft ebenso stark wie die Wahl des Codecs selbst.

Wie beeinflusst der Codec die Erkennung von Gesichtern und Kennzeichen?

Ein Anonymisierungssystem „versteht“ Gesichter oder Kennzeichen nicht semantisch. Zunächst analysiert es Pixel, anschließend lokalisiert ein KI-Modell – meist auf Deep Learning basierend – Objekte anhand von Bildmerkmalen. Wenn die Kompression feine Details entfernt oder Blockartefakte, Ringing oder Bewegungsunschärfen erzeugt, erhält das Modell weniger verlässliche Eingangsdaten.

Die häufigsten Mechanismen, die die Wirksamkeit der Anonymisierung verschlechtern, sind:

• Reduktion hochfrequenter Details – Verlust der Kanten von Augen, Nase, Mund oder Zeichen auf dem Kennzeichen,
• Chroma Subsampling – meist 4:2:0 statt 4:2:2 oder 4:4:4, was die Präzision der Farbinformation an Objektgrenzen reduziert,
• Interframe-Kompression – die Abhängigkeit des Bildes von I-, P- und B-Frames kann ein stabiles Tracking bei abrupten Bewegungen erschweren,
• niedrige Bitrate – Zunahme von Blockartefakten und Banding,
• aggressive Rauschunterdrückung vor der Kodierung – Entfernung von Mikrodaten, die das Erkennungsmodell benötigt.

Bei Gesichtern ist der Verlust lokaler Merkmale oft das Hauptproblem. Bei Kfz-Kennzeichen sind die Kanten des rechteckigen Bereichs, der Kontrast der Zeichen und die Erkennbarkeit der Kontur des Kennzeichens entscheidend. Deshalb kann stark komprimiertes Material für das menschliche Auge noch akzeptabel wirken, für einen Detektor jedoch deutlich schwieriger auszuwerten sein.

H.264, H.265 und ProRes – praktische Unterschiede für die Anonymisierung

Diese drei Lösungen unterscheiden sich nicht nur in der Kompressionseffizienz, sondern auch in ihrer typischen Verwendung. Für Anonymisierungsprozesse ist wichtig, ob das Material aus einem Archiv stammt, ein Export aus einem Rekorder ist oder als Zwischenformat für die Bearbeitung dient.

H.265 liefert in der Regel eine ähnliche visuelle Qualität bei niedrigerer Bitrate als H.264. Das wird durch Standardisierungsdokumente, Vergleichsliteratur des JCT-VC sowie akademische Untersuchungen zur Effizienz von HEVC gegenüber AVC bestätigt. Das bedeutet jedoch nicht automatisch eine höhere Erkennungsleistung. Wurde das Ausgangsmaterial mit zu niedriger Bitrate kodiert, kann der Vorteil des Codecs den Informationsverlust nicht ausgleichen. ProRes bietet meist die beste Ausgangsbasis für die Anonymisierung, weil mehr Details erhalten bleiben und weitere Verarbeitungsschritte besser verkraftet werden.

Wichtige Parameter und Metriken zur Bewertung des Codec-Einflusses

Die bloße Wahl eines Codec-Namens reicht nicht aus. Zwei H.264-Dateien können sich völlig unterschiedlich verhalten, wenn sie unterschiedliche Bitraten, GOP-Strukturen, Profile oder Auflösungen haben. Deshalb sollte die technische Bewertung auf Parametern und Metriken basieren.

In der Praxis sollten mindestens folgende Werte überwacht werden:

• Eingangsauflösung – Anzahl der Pixel, die pro Bild auf ein Gesicht oder Kennzeichen entfallen,
• durchschnittliche und momentane Bitrate – in Mb/s,
• GOP-Struktur – Abstand zwischen I-Frames, Vorhandensein von B-Frames,
• Farbunterabtastung – 4:2:0, 4:2:2, 4:4:4,
• Bittiefe – 8-Bit oder 10-Bit,
• Metriken zur Bildqualität – PSNR, SSIM, VMAF,
• Metriken zur Erkennung – Precision, Recall, F1-Score, IoU für die Detektionsbox,
• Metriken zum Tracking – Anzahl verlorener Tracks und Instabilität der Maske zwischen den Bildern.

Die Formel für Recall lautet:

Recall = TP / (TP + FN)

Dabei steht TP für korrekt erkannte Objekte und FN für übersehene Objekte. Für die Anonymisierung von Videos ist Recall kritisch. Ein übersehenes Gesicht oder Kennzeichen bedeutet das Risiko, dass keine Unkenntlichmachung erfolgt. Auch Precision ist wichtig, doch ein falsch positives Ergebnis ist in der Regel weniger riskant als ein falsch negatives.

Einfluss des Codecs auf die Qualität der finalen Unkenntlichmachung

Die Qualität der Anonymisierung hängt nicht nur von der Erkennung eines Objekts ab. Genauso wichtig ist, ob die Maske das Gesicht oder Kennzeichen präzise abdeckt und über die Zeit stabil bleibt. Die Kompression beeinflusst beide Phasen.

Bei Material mit niedriger Eingangsqualität treten häufiger auf:

• Flackern der Maske zwischen den Bildern,
• ungenaue Abdeckung der Objektkanten,
• kurzzeitiges „Verlieren“ eines Gesichts bei Kopfdrehung oder Kamerabewegung,
• ein zu kleiner Unkenntlichmachungsbereich, wenn der Detektor die Größe der Bounding Box unterschätzt,
• sekundäre Qualitätsminderung nach erneutem Export in einen verlustbehafteten Codec.

Deshalb wird in Produktionsumgebungen häufig empfohlen, die Anonymisierung auf Material mit möglichst hoher Qualität durchzuführen und erst danach in das Zielformat zu exportieren. So lässt sich die Kumulation von Kompressionsverlusten begrenzen. In Systemen wie Gallio PRO ist das besonders relevant bei der Verarbeitung von Aufnahmen aus der Videoüberwachung, von mobilen Kameras und von Beweismaterial, bei denen die Quelle oft bereits stark komprimiert ist.

Herausforderungen und Grenzen in der Praxis der Anonymisierung

Der Codec ist wichtig, aber nicht der einzige Faktor. Selbst ProRes-Material garantiert keine vollständige Wirksamkeit, wenn ein Gesicht zu wenige Pixel umfasst, verdeckt ist oder die Szene überbelichtet wurde. Umgekehrt kann gut aufgenommenes H.264-Material für eine korrekte Anonymisierung ausreichend sein.

In der Praxis sind drei Einschränkungen zu berücksichtigen:

• Die Qualität des Ausgangsmaterials kann nicht allein durch das KI-Modell „zurückgewonnen“ werden,
• eine erneute Kompression nach der Anonymisierung kann die Klarheit der Maskenkanten verschlechtern,
• die automatische Erkennung erfasst nicht alle potenziell sensiblen Elemente, und ein Teil davon kann manuelle Bearbeitung im Editor erfordern.

Diese letzte Unterscheidung ist organisatorisch wichtig. Gallio PRO erkennt Logos, Tätowierungen, Namensschilder, Dokumente oder Inhalte auf Bildschirmen nicht automatisch. Solche Bereiche können manuell unkenntlich gemacht werden, sind aber nicht Teil der in diesem Eintrag beschriebenen automatischen Erkennung.

Normative Verweise und technische Quellen

Die Bewertung des Einflusses eines Videocodecs auf die Anonymisierung sollte auf Primärdokumenten sowie auf der eigenen Validierung mit realem Material basieren. Die folgenden Standards und Quellen bilden einen technischen Referenzrahmen:

• ITU-T Recommendation H.264 – Advanced video coding for generic audiovisual services, gemeinsam mit ISO/IEC 14496-10 AVC,
• ITU-T Recommendation H.265 – High efficiency video coding, gemeinsam mit ISO/IEC 23008-2 HEVC,
• Dokumente des Joint Collaborative Team on Video Coding (JCT-VC) zur Effizienz von HEVC gegenüber AVC,
• Apple-Materialien zu Apple ProRes, einschließlich Profile und in der Postproduktion verwendeter Datenraten,
• wissenschaftliche Literatur zum Einfluss von Kompression auf Computer Vision, Objekterkennung und Gesichtserkennung.

Bei Anwendungen im Bereich Datenschutz wird empfohlen, Tests mit einer repräsentativen Stichprobe des Materials durchzuführen. Dabei sollte die Erkennungsleistung für mindestens zwei Bitratenstufen und zwei Eingangsformate verglichen und das Ergebnis in einer technischen Verfahrensanweisung dokumentiert werden. Dieses Vorgehen entspricht dem Grundsatz der Rechenschaftspflicht besser, als sich ausschließlich auf Herstellerangaben zu Codecs zu stützen.