Anonymisation de vidéos à 360 degrés : définition
L’anonymisation de vidéos à 360 degrés consiste à repérer et à masquer les informations visuelles permettant d’identifier des personnes dans une vidéo immersive capturant une scène complète ou quasi complète autour de la caméra. En pratique, les principales cibles de la détection automatique sont les visages et les plaques d’immatriculation. Le processus doit tenir compte des distorsions géométriques introduites par les objectifs fisheye et les formats de projection à 360 degrés.
Contrairement à une vidéo plane classique, un enregistrement à 360 degrés peut être stocké sous la forme d’un panorama équirectangulaire, d’une cubemap, d’images double fisheye ou d’un autre type de projection. Un visage situé près du bord d’une image équirectangulaire peut être étiré horizontalement. Un visage situé vers la périphérie d’un objectif fisheye peut être courbé, agrandi, comprimé ou partiellement masqué par la limite de l’objectif. Ces effets peuvent réduire la précision de la détection de visages et entraîner un positionnement insuffisant du masque de floutage.
Une anonymisation efficace exige donc à la fois la détection des cibles et un masquage tenant compte de la géométrie. Le système doit détecter un visage ou une plaque d’immatriculation dans la représentation source, reporter correctement cette détection d’une image à l’autre et appliquer un masque qui continue de couvrir la cible malgré ses mouvements, les changements de projection et les artefacts d’assemblage.
Pourquoi la géométrie de l’objectif influence la détection de visages
Les objectifs fisheye offrent un champ de vision ultra-large. Ils ne conservent pas la géométrie des lignes droites sur laquelle reposent de nombreux modèles de vision par ordinateur, principalement entraînés à partir de photographies en perspective. La relation entre un point d’une scène en 3D et sa position dans l’image dépend du modèle de projection de l’objectif.
Les modèles de projection fisheye courants incluent les suivants :
- Projection équidistante : le rayon de l’image est proportionnel à l’angle de vue.
- Projection équi-solide : le rayon de l’image est lié au sinus de la moitié de l’angle de vue.
- Projection stéréographique : elle préserve localement les angles, mais agrandit les objets vers le bord de l’image.
- Projection orthographique : elle projette l’hémisphère visible sur un disque.
Dans un enregistrement double fisheye, chaque objectif capture environ un hémisphère. Les hémisphères sont ensuite assemblés pour former un panorama. Les visages et les plaques d’immatriculation situés près de la ligne d’assemblage peuvent être répartis entre les images des deux objectifs ou apparaître déformés après l’assemblage. Un détecteur entraîné sur des images classiques en perspective peut ne pas repérer ces cibles ou produire une boîte englobante imprécise.
Formats de projection et positionnement du masquage
La projection utilisée pour le stockage et le traitement détermine la manière dont un masque de floutage doit être calculé. Un masque rectangulaire adapté à l’image d’une caméra standard peut ne pas convenir à un panorama équirectangulaire, en particulier à proximité des pôles ou de la jointure gauche-droite.
Représentation | Problème géométrique courant | Point d’attention pour le masquage
|
|---|---|---|
Panorama équirectangulaire | Étirement horizontal près du haut et du bas de l’image ; jointure aux longitudes 0°/360° | Permettre aux masques de se prolonger au-delà des bords gauche et droit de l’image et les élargir près des régions polaires. |
Cubemap | Les cibles peuvent traverser les limites entre les faces du cube | Maintenir la continuité du masque entre les faces adjacentes du cube. |
Source double fisheye | Forte distorsion radiale et chevauchement entre les objectifs | Détecter avant ou après l’assemblage, puis vérifier la couverture aux limites des objectifs et des zones d’assemblage. |
Fenêtre de visualisation en perspective | Seule une partie de la sphère est visible à un instant donné | Ne pas limiter le traitement à une seule direction de visualisation. Analyser l’ensemble de la sphère enregistrée. |
Un processus robuste peut associer chaque détection à des coordonnées sphériques plutôt que de traiter l’image source comme une image plane. Pour une image équirectangulaire de largeur W et de hauteur H, les coordonnées en pixels peuvent être converties approximativement comme suit :
longitude = 2π(x / W - 0.5)
latitude = π(0.5 - y / H)
Cette correspondance aide à préserver la position d’une cible lorsque la vidéo est convertie entre des représentations équirectangulaire, cubemap et en fenêtre de visualisation.
Détection, suivi et propagation des masques
L’anonymisation de vidéos à 360 degrés associe généralement la détection de visages ou de plaques d’immatriculation au suivi des cibles et à la propagation temporelle des masques. La détection identifie les cibles potentielles. Le suivi estime où la cible apparaît dans les images adjacentes. Le masque de floutage ou de pixellisation est ensuite mis à jour afin de maintenir la couverture pendant toute la durée de visibilité de la cible.
Les principaux contrôles techniques comprennent :
- Taux de rappel de la détection : pourcentage de visages ou de plaques d’immatriculation visibles qui sont détectés. Un faible taux de rappel crée un risque d’exposition sans masquage.
- Précision : pourcentage de détections correspondant à de véritables cibles. Une faible précision peut entraîner des floutages inutiles.
- Intersection sur union (IoU) : chevauchement entre une région prédite et une région de référence. L’IoU seule peut être insuffisante pour les contenus fisheye, car une région rectangulaire peut inclure des zones d’arrière-plan déformées.
- Marge du masque : pixels supplémentaires ou distance angulaire ajoutés autour d’une cible détectée. Une marge aide à couvrir les erreurs de localisation du détecteur, le flou de mouvement et la dérive du suivi.
- Continuité temporelle : absence d’images non couvertes lorsqu’une cible reste visible.
L’assurance qualité doit inclure un contrôle manuel des zones difficiles : périphéries des objectifs, jointures d’assemblage, images en faible luminosité, mouvements rapides de la caméra, visages occultés, reflets et cibles qui entrent dans le cadre ou en sortent. Ce contrôle doit être effectué sur le rendu final, et non uniquement sur les annotations du détecteur.
Approche pratique du traitement
Une approche courante consiste à créer plusieurs vues en perspective à partir de la source sphérique. Chaque vue présente moins de distorsion que l’image équirectangulaire complète et peut être traitée par un détecteur entraîné sur des images classiques. Les détections provenant de vues qui se chevauchent sont ensuite retransposées dans le système de coordonnées sphériques d’origine et fusionnées.
Cette approche augmente le coût de calcul, car une même cible peut apparaître dans plusieurs fenêtres de visualisation. Elle nécessite également une déduplication. Avant le début du traitement de production, l’équipe doit définir la résolution des fenêtres de visualisation, le champ de vision, le chevauchement, le seuil de détection, la tolérance de suivi et la marge des masques de floutage.
Gallio PRO prend en charge la détection automatique des visages et des plaques d’immatriculation dans les images et vidéos enregistrées. Il ne réalise pas l’anonymisation en temps réel ni l’anonymisation de flux vidéo. Les éléments tels que les logos, les tatouages, les badges nominatifs, les documents et le contenu des moniteurs doivent être masqués manuellement avec l’éditeur manuel intégré lorsqu’ils doivent être occultés.
Défis et limites de l’anonymisation de vidéos à 360 degrés
La correction géométrique améliore les conditions de détection, mais ne garantit pas une anonymisation complète. Un visage peut rester identifiable en raison d’une visibilité partielle, d’angles de caméra inhabituels, de reflets, du flou de mouvement ou d’une séquence d’images dans laquelle le suivi échoue. Une plaque d’immatriculation peut être illisible dans une projection, mais devenir lisible après une autre orientation de visualisation ou une amélioration de l’image.
Les masques de floutage doivent donc être évalués à la résolution de sortie et dans les formats de visualisation auxquels les destinataires ont accès. Pour les médias immersifs, cela implique de parcourir la scène, d’examiner les zones de jointure et de tester plusieurs orientations de visualisation.
Normes et références
Les mises en œuvre techniques doivent documenter la projection source, les transformations, les paramètres du codec, la version du modèle de détection, les seuils de confiance et les résultats des contrôles. Ces informations favorisent la reproductibilité et l’auditabilité sans conserver de journaux contenant des détections de visages ou de plaques d’immatriculation.
- ISO/IEC 23090-2:2021, Technologies de l’information – Représentation codée des médias immersifs – Partie 2 : format de médias omnidirectionnels, Organisation internationale de normalisation, 2021.
- RFC 7946, Le format GeoJSON, Internet Engineering Task Force, 2016. Ses concepts de longitude et de latitude sont utiles pour documenter les positions sphériques des cibles.
- Face Recognition Vendor Test (FRVT), National Institute of Standards and Technology. Ce programme fournit un cadre d’évaluation pour les systèmes d’analyse d’images de visages, bien que des tests en conditions de déploiement restent nécessaires pour les vidéos fisheye et panoramiques.