Anonimización de vídeo en la investigación científica: definición
La anonimización de vídeo en la investigación científica es un conjunto de medidas técnicas y organizativas cuyo objetivo es preparar grabaciones y fotografías de investigación de modo que se limite o elimine la posibilidad de identificar a las personas físicas visibles en el material. En la práctica, esto afecta sobre todo a los rostros, las matrículas y otros elementos que revelan la identidad, siempre que aparezcan en la imagen y tengan relevancia identificativa en un contexto de investigación concreto.
En el contexto de los materiales visuales, es importante diferenciar entre anonimización y seudonimización. De acuerdo con el RGPD, la seudonimización sigue considerándose un tratamiento de datos personales, ya que es posible atribuir los datos a una persona concreta mediante información adicional. La anonimización, en cambio, tiene carácter irreversible. En la práctica investigadora, la anonimización completa de las grabaciones puede resultar difícil, porque la identificación puede derivarse no solo del rostro, sino también del contexto de la escena, la voz, la vestimenta, la ubicación, el momento del suceso o los metadatos del archivo. Por ello, muchos conjuntos de datos, incluso después de difuminar rostros y matrículas, deben seguir tratándose como materiales con riesgo de identificación reducido, y no siempre como datos definitivamente anónimos.
La base jurídica para esta evaluación es el Reglamento (UE) 2016/679 del Parlamento Europeo y del Consejo, es decir, el RGPD, aplicable desde el 25 de mayo de 2018, así como las directrices del Comité Europeo de Protección de Datos sobre, entre otras cuestiones, la seudonimización, la minimización de datos y la privacidad desde el diseño. En la investigación científica también intervienen los consentimientos y dictámenes de los comités de ética, las políticas de la institución investigadora, los requisitos de los financiadores y los estándares de archivo y de intercambio de datos de investigación.
El papel de la anonimización de vídeo en la investigación científica
En la investigación científica, las grabaciones de vídeo y las fotografías se utilizan, entre otros ámbitos, en las ciencias sociales, la medicina, la psicología, el transporte, la ergonomía, la educación, el deporte y los estudios del comportamiento. Este tipo de material puede tener un gran valor analítico, pero al mismo tiempo contener datos personales o categorías especiales de datos personales si muestra el estado de salud, una discapacidad, menores de edad o situaciones íntimas.
En este contexto, la anonimización de imágenes y vídeos cumple varios objetivos a la vez:
- aplicar el principio de minimización de datos del artículo 5, apartado 1, letra c) del RGPD,
- reducir el riesgo de vulneración de los derechos y libertades de los participantes en la investigación,
- permitir un intercambio más seguro de los materiales con el equipo investigador, auditores o archivos de datos,
- cumplir las condiciones de la aprobación ética cuando el comité exige la desidentificación del material antes del análisis o la publicación,
- preparar el material para su reutilización con fines de investigación conforme a la política de la institución.
En los estudios basados en imagen, eliminar únicamente los metadatos del archivo no es suficiente. Si en la grabación aparece un rostro, una matrícula o cualquier otro identificador único, el material puede seguir permitiendo la identificación. Por eso son esenciales las técnicas que actúan directamente sobre la capa visual.
Cómo se realiza la anonimización de fotos y grabaciones de investigación
El proceso debe planificarse antes de iniciar la recopilación del material. En la práctica, esto significa describir las fuentes de riesgo de identificación, determinar la base jurídica del tratamiento y definir qué elementos de la imagen se someterán a enmascaramiento automático y cuáles a tratamiento manual.
Un proceso típico incluye las siguientes etapas:
- Inventario del material: fotografías, secuencias de vídeo, formatos de archivo, metadatos, duración de las grabaciones y número de personas.
- Clasificación del riesgo: si el material muestra a menores, pacientes, personas en situaciones sensibles o ubicaciones privadas.
- Detección de objetos identificativos: principalmente rostros y matrículas.
- Enmascaramiento: normalmente mediante difuminado, pixelado u ocultación permanente del área.
- Control de calidad: verificación de que no queden fotogramas con un rostro o una matrícula visibles.
- Archivado: separación entre la versión original y la versión anonimizada, asignación de permisos y plazos de conservación.
En el caso de Gallio PRO, el difuminado automático se aplica a rostros y matrículas. El software no detecta automáticamente logotipos, tatuajes, identificaciones personales, documentos ni contenido mostrado en pantallas. Estos elementos pueden difuminarse manualmente en el editor integrado. Esto resulta especialmente importante en investigaciones de campo, de laboratorio y observacionales, donde la fuente de identificación no siempre es solo la imagen de la persona.
Tecnologías utilizadas para la anonimización de vídeo
Una anonimización de vídeo eficaz requiere una detección correcta de objetos en cada fotograma o en fotogramas representativos. En la práctica se emplean modelos de aprendizaje automático, sobre todo del ámbito del deep learning. Esto es necesario porque los métodos clásicos basados exclusivamente en características de imagen suelen ser menos resistentes a los cambios de iluminación, el ángulo de la cámara, la oclusión parcial del rostro o el movimiento.
Técnicamente, el proceso suele funcionar así:
- un modelo de detección localiza el rostro o la matrícula en la imagen,
- un algoritmo de seguimiento vincula las detecciones entre fotogramas consecutivos,
- un módulo de enmascaramiento aplica un efecto de difuminado u ocultación a toda el área detectada,
- el operador revisa el material y realiza correcciones manuales.
Para construir modelos de detección se utilizan arquitecturas CNN y sus variantes más recientes y, en tareas de detección de objetos, también modelos de una sola etapa y de dos etapas. Sin embargo, lo clave no es qué arquitectura se ha utilizado, sino si el modelo alcanza la sensibilidad y estabilidad adecuadas sobre datos similares a los del estudio. El material procedente de cámaras fijas, teléfonos móviles, cámaras corporales y laboratorios presenta características distintas, por lo que el modelo debe validarse para cada uso específico.
Una limitación práctica importante es que Gallio PRO no realiza anonimización en tiempo real ni anonimización de transmisión de vídeo en directo. Se trata de una solución para procesar materiales ya grabados, lo que en la investigación científica suele ajustarse al flujo real de trabajo y a los procedimientos de archivado.
Parámetros y métricas clave de la anonimización de vídeo
La evaluación de la calidad de la anonimización no debería basarse únicamente en la afirmación de que el material ha sido difuminado. Se necesitan indicadores medibles de detección y control de calidad. En la práctica se utilizan tanto métricas del ámbito de la visión por computador como indicadores operativos relacionados con el tratamiento del conjunto de datos.
Parámetro
Significado
Por qué es importante en investigación
Recall
Porcentaje de rostros o matrículas realmente presentes que el sistema detecta
Un recall bajo implica riesgo de dejar datos personales visibles
Precision
Porcentaje de detecciones correctas entre todas las detecciones
Una precision baja aumenta el número de máscaras erróneas y el tiempo de corrección manual
IoU
Intersection over Union del área detectada
Influye en si la máscara cubre toda la zona del rostro o de la matrícula
Tasa de fallos por 1000 fotogramas
Número de objetos no detectados por cada 1000 fotogramas
Facilita la evaluación del riesgo residual en grabaciones largas
Tiempo de procesamiento
Minutos de material procesados por hora de funcionamiento del sistema
Influye en la planificación de proyectos y en el coste operativo
Porcentaje de correcciones manuales
Proporción de grabaciones que requieren intervención del operador
Muestra la madurez del proceso y la carga real de trabajo
Para evaluar el riesgo puede utilizarse un indicador operativo sencillo:
Riesgo residual = P(no detección) x Impacto de la divulgación x Exposición del material
No se trata de una fórmula normativa, sino de un modelo de trabajo útil en una EIPD y en la evaluación de un proyecto de investigación. Cada componente debe describirse cualitativa o cuantitativamente conforme a la metodología de la institución.
RGPD, aprobaciones éticas y archivado de materiales de investigación
En la investigación científica, la mera anonimización de la imagen no exime de las obligaciones legales en las fases anteriores del ciclo de vida de los datos. Si el material original contiene datos personales, su obtención, almacenamiento y tratamiento deben tener una base jurídica. En la práctica, lo más habitual será una misión realizada en interés público, el consentimiento del participante u otra base prevista por la normativa nacional y por los reglamentos internos de la institución.
Los requisitos más importantes incluyen:
- artículo 5 del RGPD: principios del tratamiento, incluidos licitud, minimización, limitación de la finalidad, integridad y confidencialidad,
- artículo 9 del RGPD: categorías especiales de datos, si la grabación revela, por ejemplo, información sobre la salud,
- artículo 25 del RGPD: privacidad desde el diseño y por defecto,
- artículo 32 del RGPD: medidas de seguridad adecuadas,
- artículo 35 del RGPD: evaluación de impacto relativa a la protección de datos cuando el riesgo es elevado.
En los proyectos científicos también son relevantes los consentimientos y los dictámenes de los comités de ética. La documentación ética debe indicar si el material se archivará, durante cuánto tiempo, quién tendrá acceso a la versión original y si está previsto compartir los datos con investigadores secundarios. Una buena práctica consiste en conservar la versión bruta en un entorno con mayores medidas de seguridad y facilitar para los análisis del equipo y las publicaciones únicamente la versión anonimizada o, como mínimo, una versión con riesgo de identificación reducido.
En materia de archivado, conviene remitirse a los principios FAIR para los datos de investigación, publicados en 2016, con la salvedad de que la accesibilidad y la interoperabilidad no pueden vulnerar la protección de la privacidad. En la práctica, esto implica separar la capa descriptiva de los archivos que contienen imagen y controlar los permisos de acceso a los repositorios.
Retos y limitaciones de la anonimización de materiales visuales
El mayor problema es que la identificación de una persona puede derivarse de una combinación de rasgos. Difuminar el rostro no siempre basta. En un estudio, pueden identificar a alguien una vestimenta poco habitual, un lugar, la voz, una hora conocida del suceso o la compañía de otras personas. Por tanto, decidir si el material es ya anónimo requiere una evaluación contextual.
También son importantes las limitaciones jurídicas e interpretativas. En muchos países europeos, el difuminado de matrículas se considera, por regla general, un estándar de prudencia y responde a prácticas regulatorias nacionales y a un enfoque amplio de la protección de la privacidad. En Polonia, la cuestión de las matrículas es menos clara. Por un lado, la autoridad polaca de protección de datos y parte de la jurisprudencia de la UE apuntan a la necesidad de tratar con cautela los identificadores indirectos. Por otro, en la jurisprudencia del Tribunal Supremo Administrativo polaco aparece la postura de que una matrícula, por sí sola, no siempre constituye un dato personal. En la investigación científica, resulta más seguro adoptar un enfoque prudente y enmascarar las matrículas, especialmente cuando el material va a publicarse.
La imagen de una persona también requiere atención específica. Las obligaciones no derivan únicamente del RGPD, sino también del Código Civil y de la ley sobre derechos de autor y derechos afines. En la práctica existen excepciones relativas a personas públicas, escenas amplias o situaciones en las que se remunera la pose, pero su aplicación exige siempre analizar la finalidad de la investigación y la forma de uso posterior del material.
Ejemplos de uso de la anonimización de vídeo en la investigación científica
La anonimización de fotos y vídeos tiene sentido sobre todo allí donde la imagen es necesaria para analizar un fenómeno, pero la identidad de la persona no es necesaria para el investigador o debería quedar limitada a un grupo reducido de personas autorizadas.
- Estudios del comportamiento de peatones y conductores: enmascaramiento de rostros y matrículas antes del análisis del tráfico.
- Análisis de interacciones en el aula: difuminado de los rostros de los alumnos antes de transferir el material a codificadores externos.
- Investigación médica y de rehabilitación: limitación de la identificación del paciente en grabaciones de ejercicios o consultas.
- Estudios UX y de eye tracking en laboratorio: protección de la identidad del participante manteniendo la información sobre conducta y movimiento.
- Investigación de campo en espacios públicos: publicación de materiales ilustrativos solo después de enmascarar a personas y vehículos.
Referencias normativas y fuentes
Las siguientes normas y documentos constituyen la base para interpretar el concepto y la práctica de la anonimización de materiales visuales en la investigación científica:
- Reglamento (UE) 2016/679 del Parlamento Europeo y del Consejo, de 27 de abril de 2016: RGPD.
- Grupo de Trabajo del Artículo 29, Opinion 05/2014 on Anonymisation Techniques, 10 April 2014.
- Comité Europeo de Protección de Datos: directrices sobre el RGPD, privacidad desde el diseño, consentimiento y directrices sobre el tratamiento de datos con fines de investigación científica, cuando resulten aplicables.
- OECD Recommendation of the Council concerning Access to Research Data from Public Funding, 2021.
- Wilkinson et al., The FAIR Guiding Principles for scientific data management and stewardship, Scientific Data 3, 2016.
- Ley de 4 de febrero de 1994 sobre derechos de autor y derechos afines.
- Código Civil: disposiciones relativas a los derechos de la personalidad, incluida la imagen y la privacidad.
Si la institución aplica políticas locales de gestión de datos de investigación, repositorios y conservación, estas deben considerarse una capa complementaria respecto de la normativa general. En la práctica, a menudo son estas políticas las que concretan los periodos mínimos de archivo, el modelo de acceso y los requisitos documentales para los materiales de vídeo.
Ver también
- Anonimización de datos
- Difuminado de rostros
- Difuminado de matrículas
- Cumplimiento del RGPD