Flujo de trabajo de redacción de vídeo: definición
El flujo de trabajo de redacción de vídeo es un proceso organizado, tanto a nivel técnico como operativo, que sirve para identificar, evaluar, anonimizar, verificar, documentar y archivar material de vídeo o fotografías que contienen datos personales visibles en la imagen. En la práctica, esto afecta sobre todo a rostros y matrículas, y en determinados casos también a otros elementos identificativos que requieren una redacción manual de la imagen. En el contexto de la protección de datos, no se trata de una edición estética, sino de procesar el material de manera que se reduzca el riesgo de identificar a una persona física, manteniendo al mismo tiempo la finalidad del uso posterior de la grabación.
La base jurídica e interpretativa de este proceso está formada principalmente por el Reglamento (UE) 2016/679 - RGPD, en particular el art. 5, apdo. 1, letras c y f, el art. 25 y el art. 32, así como el considerando 26 relativo a la posibilidad de identificación de la persona. En el caso de la imagen personal, también pueden ser relevantes las normas nacionales, incluido el Código Civil y la normativa sobre propiedad intelectual y derechos afines. Por tanto, el workflow de redacción de vídeo debe integrar requisitos legales, principios de seguridad de la información y técnicas de procesamiento de imagen.
En el ámbito de la anonimización de fotos y vídeos, el workflow suele incluir una secuencia que va desde la obtención del material, pasando por el análisis de riesgos y la detección de objetos, hasta la aplicación de máscaras, el control de calidad, la exportación y la retención. Si se utilizan modelos de IA, estos se construyen mediante métodos de aprendizaje automático, normalmente deep learning, y después se emplean para la detección de rostros y matrículas fotograma a fotograma o a partir del seguimiento de objetos en una secuencia.
Fases del flujo de trabajo de redacción de vídeo en una organización
Un workflow correctamente definido debe ser repetible y auditable. Esto significa que la organización debe poder demostrar qué material se ha procesado, con qué finalidad, conforme a qué procedimiento y con qué resultado del control de calidad.
En la práctica, el proceso puede describirse en las siguientes fases:
- Identificación del material - determinación de la fuente de la grabación, el responsable del proceso, la finalidad del tratamiento, las categorías de datos visibles en la imagen y la base jurídica.
- Clasificación del riesgo - evaluación de si el material contiene rostros, matrículas u otros elementos que permitan la identificación. En esta fase también se define el nivel de enmascaramiento requerido.
- Preparación técnica - verificación del formato de entrada, el códec, los fotogramas por segundo, la resolución, la duración del material y la integridad del archivo.
- Detección y redacción - detección automática de rostros y matrículas, y aplicación de una máscara de desenfoque o difuminado. En Gallio PRO, la automatización se limita exclusivamente a rostros y matrículas.
- Redacción manual - difuminado manual de aquellos elementos que el sistema no detecta automáticamente, por ejemplo, un documento, una acreditación, un tatuaje, un logotipo o la imagen mostrada en un monitor.
- Control de calidad - comprobación de la integridad de la anonimización sobre una muestra o sobre la totalidad del material, incluyendo fotogramas complejos, movimiento, oclusiones y baja iluminación.
- Exportación y protección del resultado - guardado de la versión redactada junto con metadatos operativos, sin conservar datos personales innecesarios en los registros.
- Documentación y archivo - registro del alcance de la redacción, del operador, de la versión del procedimiento y del periodo de retención del material original y del resultante.
Tecnologías utilizadas en el flujo de trabajo de redacción de vídeo
La automatización del workflow se basa en el análisis de visión por computador. En el caso de rostros y matrículas, lo más habitual es utilizar modelos de detección entrenados con conjuntos de datos etiquetados. Actualmente, el deep learning es la tecnología más utilizada para construir modelos de IA capaces de detectar objetos en condiciones variables, por ejemplo, ante cambios de perspectiva, escala, ocultación parcial o compresión de imagen.
La pila tecnológica típica incluye:
- detección de objetos en los fotogramas - rostros, matrículas,
- seguimiento entre fotogramas - mantenimiento de la máscara sobre el mismo objeto en fotogramas sucesivos,
- redacción de píxeles - blur, pixelado o cobertura total del área indicada,
- verificación manual - correcciones allí donde la automatización resulta insuficiente.
En entornos con requisitos de seguridad más exigentes, se aplican despliegues on-premise para limitar la transferencia del material fuera de la organización. Este modelo puede reforzar el principio de privacy by design del art. 25 del RGPD y facilitar el control sobre la ubicación de los datos, los permisos y la retención.
Parámetros y métricas clave del flujo de trabajo de redacción de vídeo
La evaluación de la calidad del workflow no debe basarse en declaraciones generales. Se necesitan indicadores medibles sobre la eficacia de la detección, la calidad de la redacción y el rendimiento del procesamiento.
Parámetro
Significado
Aplicación práctica
Recall
Porcentaje de objetos reales detectados por el sistema
Clave para reducir omisiones de rostros y matrículas
Precision
Porcentaje de detecciones correctas entre todas las detecciones
Influye en el número de máscaras falsas
False negative rate
Proporción de objetos no detectados
Se relaciona directamente con el riesgo de vulneración de la privacidad
Tiempo de procesamiento
Minutos de material procesados por hora de trabajo del sistema
Ayuda a planificar recursos y SLA
Coverage review
Porcentaje de material sometido a control de calidad
Determina el nivel de confianza final
En la práctica, puede utilizarse un indicador sencillo del riesgo de omisión:
Riesgo operativo = número de objetos no detectados / número total de objetos en el material
Si la organización procesa material probatorio o destinado a publicación, este indicador debería ser lo más cercano posible a cero, y el workflow debe incluir un control manual obligatorio.
Retos y limitaciones del flujo de trabajo de redacción de vídeo
Incluso un proceso bien diseñado tiene limitaciones técnicas y jurídicas. Los mayores problemas aparecen con material de baja calidad, alta densidad de personas, movimiento de cámara, reflejos, escenas nocturnas y compresión con pérdidas intensa.
También es importante distinguir el alcance de la automatización de la identificación completa de todos los riesgos presentes en la imagen. Gallio PRO solo difumina automáticamente rostros y matrículas. No detecta automáticamente logotipos, tatuajes, placas identificativas con nombres, documentos ni la imagen mostrada en pantallas de monitor. Estos elementos pueden redactarse manualmente en el editor. El software no anonimiza automáticamente siluetas completas y no está diseñado para la anonimización de flujos de vídeo ni para trabajar en tiempo real.
En relación con las matrículas, también existen diferencias interpretativas. En muchos países de Europa, la práctica de enmascararlas deriva del derecho nacional y del enfoque de las autoridades de protección de datos. En Polonia, las posiciones no son totalmente uniformes: la UODO y la jurisprudencia del TJUE apoyan un enfoque cauteloso respecto a la posibilidad de identificación, mientras que en parte de la jurisprudencia del NSA se ha indicado que una matrícula, por sí sola, no siempre constituye un dato personal. En el workflow organizativo suele adoptarse la opción más segura, es decir, la redacción de matrículas antes de la publicación o cesión del material.
Referencias normativas y cumplimiento
El flujo de trabajo de redacción de vídeo debe estar vinculado a un sistema formal de gestión de la seguridad de la información y de protección de datos. No existe una única norma técnica europea que defina exclusivamente la redacción de imagen, por lo que conviene basarse en un conjunto de disposiciones legales y normas horizontales.
- RGPD - Reglamento (UE) 2016/679 - principios de minimización de datos, integridad y confidencialidad, privacy by design y seguridad del tratamiento.
- ISO/IEC 27001:2022 - sistema de gestión de la seguridad de la información, control de acceso, registro de acciones administrativas y gestión de incidentes.
- ISO/IEC 27701:2019 - ampliación de la protección de la privacidad para organizaciones que tratan datos personales.
- ENISA - directrices sobre seguridad de los datos y protección de la privacidad - enfoque basado en el riesgo y en medidas técnicas de protección.
Una buena práctica consiste en mantener documentación del proceso sin registrar logs que contengan datos personales procedentes de la detección. En entornos con mayores requisitos de confidencialidad, esto resulta importante para limitar el tratamiento secundario de datos.