Definición de consistencia temporal
La consistencia temporal es la capacidad de un proceso de anonimización de imágenes o vídeo para aplicar una máscara de privacidad estable al mismo objeto en fotogramas consecutivos. Al difuminar rostros y matrículas, el objeto suele representarse mediante un cuadro delimitador con seguimiento, un polígono o una máscara de segmentación a nivel de píxel. La posición, el tamaño, la forma y la cobertura del difuminado deben cambiar de acuerdo con el movimiento del objeto.
Un resultado temporalmente consistente evita que un rostro o una matrícula aparezca difuminado en un fotograma, parcialmente visible en el siguiente y difuminado de nuevo más adelante. Esta variación no deseada se denomina parpadeo de la máscara o parpadeo temporal. Puede exponer información visual identificable durante un breve periodo, incluso cuando el resultado de la anonimización parece adecuado al revisar los fotogramas por separado.
La consistencia temporal es una propiedad técnica de calidad. No equivale a la precisión de la detección de rostros. Un sistema puede detectar rostros correctamente en numerosos fotogramas individuales y, aun así, generar un enmascaramiento inconsistente si no logra vincular a lo largo del tiempo las detecciones que pertenecen al mismo objeto en movimiento.
Por qué la consistencia temporal es importante en la anonimización de vídeo
Un vídeo es una secuencia de imágenes relacionadas. Los objetos se desplazan, cambian de orientación, quedan parcialmente ocultos, salen del encuadre y vuelven a aparecer. Los artefactos de compresión, el desenfoque de movimiento, la poca luz, los reflejos y el movimiento de la cámara también pueden reducir la calidad de la detección. Un enfoque fotograma a fotograma trata cada imagen de forma independiente y, por tanto, puede generar una cobertura de difuminado inestable.
Para proteger la privacidad, un breve intervalo sin enmascarar puede ser relevante. Una persona puede pausar un vídeo, inspeccionar fotogramas individuales o utilizar software para extraerlos. Por ello, la consistencia temporal ayuda a reducir el riesgo de que un rostro o una matrícula resulten visibles durante fallos de detección, cambios de seguimiento o variaciones bruscas en la posición del objeto.
En la práctica, la consistencia temporal exige que el flujo de trabajo de anonimización tenga en cuenta las siguientes condiciones:
- Detección de rostros y matrículas en cada fotograma relevante.
- Asociación de un objeto detectado con el mismo objeto en fotogramas adyacentes.
- Predicción de la posición del objeto cuando falta temporalmente una detección.
- Ampliación estable de la máscara para que la cobertura del difuminado incluya los bordes del objeto.
- Gestión controlada de las oclusiones, los cambios de escena y la reaparición de objetos.
- Revisión del vídeo resultante, sin depender únicamente de los resultados de detección.
Detección, seguimiento y propagación de máscaras
La consistencia temporal suele lograrse combinando la detección de objetos con el seguimiento de múltiples objetos. La detección localiza posibles rostros o matrículas en un fotograma. A continuación, el seguimiento asocia esas detecciones entre fotogramas y asigna un identificador local de trayectoria. Este identificador se utiliza únicamente para mantener la continuidad dentro de la secuencia de vídeo. No requiere detección de rostros ni identificar a una persona.
Un sistema de seguimiento puede estimar la siguiente posición de un objeto a partir de su movimiento anterior. Un enfoque habitual utiliza un estimador de estado, como un filtro de Kalman. La ubicación prevista puede mantener la cobertura de difuminado cuando un detector no localiza un objeto durante un número limitado de fotogramas. No obstante, el sistema debe definir cuándo expira una trayectoria prevista. Mantener una predicción activa durante demasiado tiempo puede difuminar una zona después de que el objeto se haya desplazado.
Componente de procesamiento | Función en la anonimización | Riesgo para la consistencia temporal
|
|---|---|---|
Detección de rostros | Localiza rostros en fotogramas individuales. | Las detecciones omitidas pueden generar fotogramas sin difuminar. |
Detección de matrículas | Localiza las matrículas visibles de vehículos. | El desenfoque de movimiento y los ángulos oblicuos pueden interrumpir la detección. |
Seguimiento de objetos | Vincula detecciones a lo largo del tiempo. | Las asociaciones incorrectas pueden desplazar una máscara a otro objeto. |
Propagación de máscaras | Utiliza información de seguimiento para mantener el enmascaramiento entre detecciones. | Una propagación excesiva puede provocar un difuminado innecesario. |
Codificación de salida | Guarda los fotogramas procesados como vídeo. | La compresión puede afectar al borde visible de una máscara. |
Parámetros y métricas clave de la consistencia temporal
La evaluación debe medir tanto la precisión espacial en un fotograma como la continuidad entre fotogramas. La intersección sobre unión (IoU) se utiliza habitualmente para comparar un cuadro delimitador o una máscara previstos con la referencia real. Para dos regiones, A y B, la IoU se calcula de la siguiente manera:
IoU = área(A ∩ B) / área(A ∪ B)
En la anonimización de vídeo, la IoU por sí sola es insuficiente porque no muestra si una máscara estuvo presente durante todo el tiempo que un objeto permaneció visible. Una evaluación de calidad debe incluir las siguientes medidas.
- Exhaustividad por fotograma: proporción de rostros o matrículas de referencia que reciben una máscara de privacidad en un fotograma.
- Exhaustividad por trayectoria: proporción de trayectorias de objetos que permanecen enmascaradas durante todo su periodo visible.
- Tasa de continuidad de la máscara: proporción de fotogramas consecutivos en los que una trayectoria de objeto activa permanece cubierta.
- Fragmentación de trayectorias: número de segmentos de trayectoria separados asignados a un mismo objeto real.
- Cambios de identidad: errores de seguimiento en los que una trayectoria se asigna incorrectamente de un objeto a otro.
- Tasa de enmascaramiento erróneo: frecuencia con la que se aplica difuminado donde no hay ningún rostro ni matrícula.
El referente de evaluación de seguimiento de múltiples objetos introdujo conceptos de evaluación estandarizados, incluidos los falsos positivos, los falsos negativos, los cambios de identidad y la fragmentación de trayectorias. Estas métricas son útiles porque los fallos de las máscaras de privacidad pueden deberse al rendimiento del seguimiento, no solo al rendimiento de la detección de objetos.
Causas y efectos del parpadeo de la máscara
El parpadeo de la máscara se produce cuando la cobertura del difuminado cambia bruscamente entre fotogramas. Puede manifestarse como un rostro difuminado solo de forma intermitente, una matrícula cuyos bordes son visibles en algunos fotogramas o una máscara que salta entre personas cercanas. El efecto es especialmente visible cuando la cámara se mueve con rapidez o cuando se superponen varios rostros.
Entre las causas habituales se encuentran las detecciones con baja confianza, un detector que se ejecuta solo en determinados fotogramas, coordenadas inestables de los cuadros delimitadores, la asociación incorrecta de objetos cercanos y las transiciones bruscas de escena. La compresión de vídeo también puede hacer que el borde de una máscara parezca inestable, especialmente cuando la zona de difuminado es pequeña o sigue muy de cerca los bordes del objeto.
El suavizado temporal puede reducir el parpadeo visual, pero por sí solo no es un control de privacidad. Si una máscara es demasiado pequeña, el suavizado puede mantener una zona con cobertura insuficiente durante varios fotogramas. Si es demasiado grande, puede ocultar información que no es necesario anonimizar. Un procesamiento eficaz equilibra la continuidad, la cobertura y el enmascaramiento erróneo.
Aplicación práctica en Gallio PRO
Al anonimizar grabaciones, la consistencia temporal debe comprobarse durante el control de calidad. La revisión debe centrarse en la entrada y salida de objetos, los movimientos rápidos, las oclusiones parciales, los paneos de cámara, los zooms y los cambios de escena. Estos son puntos habituales en los que puede interrumpirse la trayectoria de un rostro o una matrícula.
Gallio PRO detecta y difumina automáticamente rostros y matrículas en archivos de imagen y vídeo compatibles. No realiza anonimización en tiempo real ni anonimización de transmisiones de vídeo en directo. Cuando el procesamiento automático no cubre adecuadamente un rostro, una matrícula u otro elemento visual, puede utilizarse el editor integrado para aplicar una máscara manual. Los logotipos de empresas, tatuajes, identificadores con nombre, documentos y contenido de monitores no se detectan automáticamente, pero pueden difuminarse manualmente.
Normas y referencias
La consistencia temporal no está definida por una única norma específica de anonimización. Se evalúa mediante métodos procedentes de la codificación de vídeo, la detección de objetos y la investigación sobre seguimiento de múltiples objetos. Las siguientes fuentes proporcionan fundamentos técnicos relevantes.
- ISO/IEC 23008-2:2020, Tecnología de la información: codificación de alta eficiencia y entrega de medios en entornos heterogéneos. Parte 2: codificación de vídeo de alta eficiencia, Organización Internacional de Normalización (ISO) y Comisión Electrotécnica Internacional (IEC).
- MOTChallenge, un referente para el seguimiento de múltiples objetos que documenta medidas de evaluación y conjuntos de datos de seguimiento.
- Milan et al. (2016), MOT16: un referente para el seguimiento de múltiples objetos, talleres de la Conferencia Europea sobre Visión por Computador.
- Bewley et al. (2016), seguimiento simple en línea y en tiempo real, que describe un enfoque de seguimiento basado en detección mediante estimación de movimiento y asociación.
- Marco de gestión de riesgos de inteligencia artificial del NIST (AI RMF 1.0), Instituto Nacional de Estándares y Tecnología, 2023.