Anonimización de vídeo de 360 grados: definición
La anonimización de vídeo de 360 grados es el proceso de localizar y ocultar información visual identificable en vídeos inmersivos que capturan una escena completa o casi completa alrededor de la cámara. En la práctica, los principales elementos detectados automáticamente son los rostros y las matrículas. El proceso debe tener en cuenta la distorsión geométrica provocada por las lentes ojo de pez y los formatos de proyección de 360 grados.
A diferencia del vídeo convencional plano, una grabación de 360 grados puede almacenarse como panorama equirectangular, mapa cúbico, fotogramas de doble ojo de pez u otra proyección. Un rostro cerca del borde de un fotograma equirectangular puede aparecer estirado horizontalmente. Un rostro próximo a la zona exterior de una lente ojo de pez puede verse curvado, ampliado, comprimido u oculto parcialmente por el límite de la lente. Estos efectos pueden reducir la precisión de la detección de rostros y provocar que la máscara de difuminado no se coloque correctamente.
Por tanto, una anonimización eficaz requiere tanto la detección de objetos como la ocultación adaptada a la geometría. El sistema debe detectar un rostro o una matrícula en la representación de origen, trasladar correctamente la detección entre fotogramas y aplicar una máscara que siga cubriendo el objetivo pese al movimiento, los cambios de proyección y los artefactos de unión.
Por qué la geometría de la lente afecta a la detección de rostros
Las lentes ojo de pez utilizan un campo de visión ultraamplio. No conservan la geometría de líneas rectas que presuponen muchos modelos de visión artificial entrenados principalmente con fotografías en perspectiva. La relación entre un punto de una escena tridimensional y su posición en la imagen depende del modelo de proyección de la lente.
Los modelos habituales de proyección ojo de pez incluyen los siguientes:
- Proyección equidistante: el radio de la imagen es proporcional al ángulo de visión.
- Proyección equisólida: el radio de la imagen está relacionado con el seno de la mitad del ángulo de visión.
- Proyección estereográfica: conserva los ángulos localmente, pero amplía los objetos hacia el borde de la imagen.
- Proyección ortográfica: proyecta el hemisferio visible sobre un disco.
En una grabación de doble ojo de pez, cada lente captura aproximadamente un hemisferio. Después, los hemisferios se unen para formar un panorama. Los rostros y las matrículas cercanos a la línea de unión pueden quedar divididos entre las imágenes de ambas lentes o aparecer deformados tras la unión. Un detector entrenado con imágenes en perspectiva convencionales puede no detectar estos elementos o devolver un cuadro delimitador impreciso.
Formatos de proyección y colocación de la ocultación
La proyección utilizada para almacenar y procesar el contenido determina cómo debe calcularse una máscara de difuminado. Una máscara rectangular adecuada para el fotograma de una cámara estándar puede no serlo para un panorama equirectangular, especialmente cerca de los polos o de la unión entre los bordes izquierdo y derecho.
Representación | Problema geométrico habitual | Consideración para la ocultación
|
|---|---|---|
Panorama equirectangular | Estiramiento horizontal cerca de la parte superior e inferior de la imagen; unión en las longitudes 0°/360° | Permitir que las máscaras continúen entre los bordes izquierdo y derecho de la imagen y ampliar las máscaras cerca de las regiones polares. |
Mapa cúbico | Los objetos pueden atravesar los límites entre las caras del cubo | Mantener la continuidad de la máscara entre las caras adyacentes del cubo. |
Fuente de doble ojo de pez | Distorsión radial intensa y solapamiento entre lentes | Detectar antes o después de la unión y, a continuación, comprobar la cobertura en los límites de las lentes y de la unión. |
Ventana de visualización en perspectiva | Solo una parte de la esfera es visible en cada momento | No limitar el procesamiento a una única dirección de visualización. Analizar toda la esfera grabada. |
Un flujo de trabajo sólido puede trasladar cada detección a coordenadas esféricas en lugar de tratar el fotograma de origen como una imagen plana. En un fotograma equirectangular con anchura W y altura H, las coordenadas de píxeles pueden convertirse aproximadamente de la siguiente forma:
longitud = 2π(x / W - 0.5)
latitud = π(0.5 - y / H)
Esta conversión ayuda a conservar la ubicación de un objetivo cuando las grabaciones se transforman entre representaciones equirectangulares, mapas cúbicos y ventanas de visualización.
Detección, seguimiento y propagación de máscaras
La anonimización de vídeo de 360 grados normalmente combina la detección de rostros o la detección de matrículas con el seguimiento de objetos y la propagación temporal de máscaras. La detección identifica posibles objetivos. El seguimiento estima dónde aparece el objetivo en los fotogramas adyacentes. Después, la máscara de ocultación se actualiza para mantener la cobertura durante todo el tiempo en que el objetivo permanece visible.
Los principales controles técnicos incluyen:
- Exhaustividad de detección: el porcentaje de rostros o matrículas visibles que se detectan. Una exhaustividad baja genera riesgo de exposición sin ocultar.
- Precisión: el porcentaje de detecciones que corresponden a objetivos reales. Una precisión baja puede provocar un difuminado innecesario.
- Intersección sobre unión (IoU): el solapamiento entre una región predicha y una región de referencia. La IoU por sí sola puede ser insuficiente para contenido de ojo de pez, ya que una región rectangular puede incluir zonas de fondo deformadas.
- Margen de la máscara: píxeles adicionales o distancia angular alrededor de un objetivo detectado. El margen ayuda a cubrir errores de localización del detector, desenfoque de movimiento y desviaciones en el seguimiento.
- Continuidad temporal: la ausencia de fotogramas sin cobertura mientras un objetivo sigue siendo visible.
El control de calidad debe incluir una revisión manual de las zonas difíciles: periferias de las lentes, uniones, fotogramas con poca luz, movimientos rápidos de cámara, rostros ocultos parcialmente, reflejos y objetivos que entran o salen del encuadre. La revisión debe realizarse sobre el resultado final renderizado, no solo sobre las anotaciones del detector.
Enfoque práctico para procesar vídeo de 360 grados
Un enfoque habitual consiste en crear varias vistas en perspectiva a partir de la fuente esférica. Cada vista presenta menos distorsión que la imagen equirectangular completa y puede procesarse mediante un detector entrenado con imágenes convencionales. Después, las detecciones de las vistas solapadas se transforman de nuevo al sistema original de coordenadas esféricas y se combinan.
Este enfoque incrementa el coste computacional porque el mismo objetivo puede aparecer en varias ventanas de visualización. También requiere eliminar duplicados. Antes de iniciar el procesamiento de producción, el equipo responsable debe definir la resolución de las ventanas, el campo de visión, el solapamiento, el umbral de detección, la tolerancia de seguimiento y el margen de la máscara de difuminado.
Gallio PRO admite la detección automática de rostros y matrículas en imágenes y vídeos grabados. No realiza anonimización en tiempo real ni anonimización de flujos de vídeo. Los elementos como logotipos, tatuajes, tarjetas identificativas, documentos y contenido de monitores requieren ocultación manual con el editor integrado cuando sea necesario difuminarlos.
Retos y limitaciones de la anonimización de vídeo de 360 grados
La corrección geométrica mejora las condiciones de detección, pero no garantiza una anonimización completa. Un rostro puede seguir siendo identificable debido a una visibilidad parcial, ángulos de cámara inusuales, reflejos, desenfoque de movimiento o una secuencia de fotogramas en la que falla el seguimiento. Una matrícula puede resultar ilegible en una proyección, pero legible tras cambiar la orientación del visor o mejorar la imagen.
Por tanto, las máscaras de difuminado deben evaluarse con la resolución de salida y en los formatos de visualización a los que puedan acceder los destinatarios. En los medios inmersivos, esto incluye desplazarse por la escena, inspeccionar las zonas de unión y probar varias orientaciones del visor.
Normas y referencias
Las implementaciones técnicas deben documentar la proyección de origen, las transformaciones, la configuración del códec, la versión del modelo de detección, los umbrales de confianza y los resultados de la revisión. Esta información favorece la repetibilidad y la auditabilidad sin conservar registros que contengan detecciones de rostros o matrículas.
- ISO/IEC 23090-2:2021, Tecnología de la información. Representación codificada de medios inmersivos. Parte 2: Formato de medios omnidireccionales, Organización Internacional de Normalización, 2021.
- RFC 7946, El formato GeoJSON, Internet Engineering Task Force, 2016. Sus conceptos de longitud y latitud resultan útiles para documentar ubicaciones esféricas de objetivos.
- Face Recognition Vendor Test (FRVT), Instituto Nacional de Estándares y Tecnología. El programa ofrece un contexto de evaluación para sistemas de análisis de rostros basados en imágenes, aunque siguen siendo necesarias pruebas de implementación para grabaciones panorámicas y de ojo de pez.