시각적 프라이버시

Visual privacy

시각적 개인 정보는 시각적 정보의 수집과 보급, 개인 정보에 대한 기대 및 이를 둘러싼 법적 문제 사이의 관계입니다.요즘 디지털 카메라는 어디에나 있습니다.스마트폰에서 태블릿, 노트북, 감시 카메라에 이르기까지 전자 장치에서 발견되는 가장 일반적인 센서 중 하나입니다.그러나 개인 정보 보호 및 신뢰 관계로 인해 컴퓨팅 환경에 원활하게 통합되는 기능이 제한됩니다.특히, 대규모 카메라 네트워크는 그러한 배치의 장점과 단점을 이해하는 것에 대한 관심을 증가시켰습니다.영국에는 [1]400만 대 이상의 CCTV 카메라가 배치된 것으로 추정됩니다.증가하는 보안 문제로 인해, 카메라 네트워크는 미국과 같은 다른 국가에서 계속해서 확산되고 있습니다.이러한 시스템의 영향은 계속 평가되지만, 이와 동시에 이러한 카메라 네트워크의 사용 방법과 최종 사용자에게 전송되는 이미지 및 비디오에 대한 수정 사항을 제어하는 도구가 연구되었습니다.

기술

시각적 개인 정보 보호를 강화하기 위해 다양한 기술이 제안되었습니다.

시각적 데이터의 형태

시각적 개인 정보 보호는 일반적으로 다음과 같은 특정 기술에 적용됩니다.

시스템들

카메라 네트워크에서 수집된 정보를 제공하는 동시에 개인 정보를 보존하기 위해 다양한 형태의 기술이 탐구됩니다.이러한 솔루션의 대부분은 대상 애플리케이션에 의존하며 개인 정보 보호 방식으로 이를 달성하려고 합니다.

  • "Respectful Camera"는 영상에서 관찰된 사람들의 얼굴에 색 점을 덧씌워 자동으로 얼굴을 가리는 솔루션입니다.이 기술은 개인이 착용한 컬러 마커를 추적한 다음 [2]마커의 오프셋으로 얼굴 위치를 유추합니다.
  • Google Streetview는 자동 얼굴 감지 기능을 사용하여 [3]맨하탄 시의 모든 얼굴을 흐리게 합니다.
  • Eptascape는 자동 사용자 추적 기능을 제공하고 개인 정보 보호 [4]감시 기능을 제공하는 제품을 보유하고 있습니다.
  • Cardea는 얼굴 인식 및 컨텍스트 컴퓨팅 [5][6]기술을 사용하여 상황 의존적 개인 정보 선호도에 따라 사진에서 행인의 시각적 개인 정보를 보호하는 상황 인식 시각적 개인 정보 보호 메커니즘입니다.
  • 열 및 깊이[7] 카메라는 사람 감지 및 사람 계산에 사용됩니다.
  • 개인 정보 보호 렌즈 설계는 광학과 알고리즘의 공동 최적화로 구성되어 인간 포즈 추정 및 동작 인식과 같은 비전 작업을 수행합니다.

따라서 시각적 개인 정보 보호는 컴퓨팅 설계 선택,[9] 협업 및 분산 환경에서의 데이터 공유와 관련된 개인 정보 보호 정책 및 데이터 소유권 자체에 영향을 미치는 개인 정보 보호 인식 및 개인 정보 보호 시스템을 포함합니다.때로는 개인 정보 보호와 신뢰가 특히 모든 기술의 채택과 광범위한 수용을 위해 상호 연결됩니다.공정하고 정확한 컴퓨터 비전 모델을 갖는 것은 앞의 두 가지를 보장하는 데 큰 도움이 됩니다.많은 개발자들도 현재 개인 정보 보호의 관점을 설계에 따라 주입하고 있습니다.여기에는 에지 클라이언트 장치에서 사용자에게 중요한 모든 데이터를 처리하고, 데이터 보존성을 저하시키며, 데이터가 의도하지 않은 용도로 사용되지 않도록 하는 것이 포함되지만 이에 국한되지는 않습니다.

레퍼런스

  1. ^ McCahill, M. and Norris, C. 2004, 카메라에서 통제실로: CCTV 요원, CCTV 및 사회 통제에 의한 이미지 조정:비디오 감시의 정치와 실천 - 유럽 및 세계적 관점, 2004
  2. ^ Jeremy Schiff, Marci Meingast, Deirdre K. Mulligan, Shankar Sastry, and Ken Goldberg (2007). "Respectful Cameras: Detecting Visual Markers in Real-Time to Address Privacy Concerns". International Conference on Intelligent Robots and Systems (IROS). San Diego, California. October 2007.{{cite journal}}CS1 유지보수: 다중 이름: 작성자 목록(링크)
  3. ^ "Street View revisits Manhattan".
  4. ^ "Eptascape, Inc. MPEG-7 Video Analytics". www.eptascape.com. Archived from the original on 21 June 2008. Retrieved 13 January 2022.
  5. ^ https://home.cse.ust.hk/ ~jshuaa/sshua/mmsys18_cardea.pdf[베어 URL PDF]
  6. ^ Cardea: 사진 촬영 및 공유를 위한 상황 인식 시각적 개인 정보 보호.자유 슈, 루이 정, 판 후이.네덜란드 암스테르담, 2018년 6월, ACM 멀티미디어 시스템(MMSys 2018)의 의사록에서.
  7. ^ Pittaluga, Francesco; Koppal, Sanjeev J. (June 2015). "Privacy preserving optics for miniature vision sensors". 2015 IEEE Conference on Computer Vision and Pattern Recognition (CVPR). Boston, MA, USA: IEEE. pp. 314–324. CiteSeerX 10.1.1.944.2193. doi:10.1109/CVPR.2015.7298628. ISBN 9781467369640. S2CID 14056410.
  8. ^ Hinojosa, Carlos; Niebles, Juan Carlos; Arguello, Henry (October 2021). "Learning Privacy-preserving Optics for Human Pose Estimation". 2021 IEEE International Conference on Computer Vision (ICCV). Virtual, USA: IEEE/CVF: 2573–2582.
  9. ^ Koelle, Marion; Wolf, Katrin; Boll, Susanne (2018). "Beyond LED Status Lights - Design Requirements of Privacy Notices for Body-worn Cameras". Proceedings of the Twelfth International Conference on Tangible, Embedded, and Embodied Interaction. Tei '18. Stockholm, Sweden: ACM Press. pp. 177–187. doi:10.1145/3173225.3173234. ISBN 9781450355681. S2CID 3954480.

외부 링크