論文の概要: Privacy Aware Person Detection in Surveillance Data
- arxiv url: http://arxiv.org/abs/2110.15171v1
- Date: Thu, 28 Oct 2021 14:49:21 GMT
- ステータス: 処理完了
- システム内更新日: 2021-10-29 14:56:01.728775
- Title: Privacy Aware Person Detection in Surveillance Data
- Title(参考訳): 監視データにおけるプライバシ認識者検出
- Authors: Sander De Coninck, Sam Leroux, Pieter Simoens
- Abstract要約: 群衆管理は、オペレーターまたはオブジェクト検出モデルによる監視ビデオの検査に依存する。
カメラから遠隔インフラに映像を転送すれば、プライバシー侵害となる追加情報を抽出する扉が開くかもしれない。
本稿では,人検出に必要な情報のみを保持するために,映像フレームを変換する軽量なオファスケータを得るために,対人訓練を用いる。
- 参考スコア(独自算出の注目度): 4.727475863373813
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Crowd management relies on inspection of surveillance video either by
operators or by object detection models. These models are large, making it
difficult to deploy them on resource constrained edge hardware. Instead, the
computations are often offloaded to a (third party) cloud platform. While crowd
management may be a legitimate application, transferring video from the camera
to remote infrastructure may open the door for extracting additional
information that are infringements of privacy, like person tracking or face
recognition. In this paper, we use adversarial training to obtain a lightweight
obfuscator that transforms video frames to only retain the necessary
information for person detection. Importantly, the obfuscated data can be
processed by publicly available object detectors without retraining and without
significant loss of accuracy.
- Abstract(参考訳): 群衆管理は、オペレーターまたはオブジェクト検出モデルによる監視ビデオの検査に依存する。
これらのモデルは大規模であり、リソース制約のあるエッジハードウェアにデプロイすることは困難である。
その代わり、計算はしばしば(サードパーティの)クラウドプラットフォームにオフロードされる。
クラウド管理は正当なアプリケーションだが、カメラからリモートインフラストラクチャへのビデオ転送は、個人追跡や顔認識などのプライバシー侵害である追加情報を抽出するためのドアを開く可能性がある。
本稿では,人検出に必要な情報のみを保持するために,映像フレームを変換する軽量なオファスケータを得るために,対人訓練を用いる。
重要なことに、難読化データは、再訓練することなく、精度を損なうことなく、一般に利用可能な物体検出器によって処理することができる。
関連論文リスト
- Privacy Side Channels in Machine Learning Systems [82.85919161427604]
プライバシサイドチャネルは、システムレベルのコンポーネントを利用してプライベート情報を抽出する攻撃である。
機械学習ライフサイクル全体にわたるサイドチャネルの4つのカテゴリを提案する。
我々の結果は、全体的なエンドツーエンドのプライバシー分析の必要性を示しています。
論文 参考訳(メタデータ) (2023-09-11T16:49:05Z) - Audio-Visual Person-of-Interest DeepFake Detection [77.04789677645682]
本研究の目的は、現実世界で遭遇する様々な操作方法やシナリオに対処できるディープフェイク検出器を提案することである。
我々は、対照的な学習パラダイムを活用して、各アイデンティティに対して最も識別しやすい、移動面と音声セグメントの埋め込みを学習する。
本手法は,シングルモダリティ(オーディオのみ,ビデオのみ)とマルチモダリティ(オーディオビデオ)の両方を検出でき,低品質・低画質ビデオに対して堅牢である。
論文 参考訳(メタデータ) (2022-04-06T20:51:40Z) - SPAct: Self-supervised Privacy Preservation for Action Recognition [73.79886509500409]
アクション認識におけるプライバシー漏洩を緩和するための既存のアプローチは、ビデオデータセットのアクションラベルとともに、プライバシラベルを必要とする。
自己教師付き学習(SSL)の最近の進歩は、未ラベルデータの未発見の可能性を解き放ちつつある。
本稿では、プライバシーラベルを必要とせず、自己管理的な方法で、入力ビデオからプライバシー情報を除去する新しいトレーニングフレームワークを提案する。
論文 参考訳(メタデータ) (2022-03-29T02:56:40Z) - Forgery Attack Detection in Surveillance Video Streams Using Wi-Fi
Channel State Information [20.815889839515087]
サイバーセキュリティ違反は 監視ビデオストリームを 偽造攻撃に暴露する
従来のビデオ法医学のアプローチは、比較的長いビデオクリップの空間時間解析を用いてトレースをローカライズすることができる。
監視とWi-Fiインフラの広汎な共存を生かしたSecure-Poseを提案する。
Secure-Poseは98.7%の高い検出精度を達成し、再生および改ざん攻撃中の異常物体を局所化する。
論文 参考訳(メタデータ) (2022-01-24T06:51:03Z) - Statistical Feature-based Personal Information Detection in Mobile
Network Traffic [13.568975395946433]
本稿では、交通における個人情報の発生パターンを統計的に表現するために、個人情報の統計的特徴を設計する。
検出器は機械学習アルゴリズムに基づいてトレーニングされ、同様のパターンで潜在的な個人情報を検出する。
われわれの知る限りでは、統計的特徴に基づいて個人情報を検出するのはこれが初めてだ。
論文 参考訳(メタデータ) (2021-12-23T04:01:16Z) - Finding Facial Forgery Artifacts with Parts-Based Detectors [73.08584805913813]
顔の個々の部分に焦点を絞った一連の偽造検知システムを設計する。
これらの検出器を用いて、FaceForensics++、Celeb-DF、Facebook Deepfake Detection Challengeデータセットの詳細な実験分析を行う。
論文 参考訳(メタデータ) (2021-09-21T16:18:45Z) - Robust Privacy-Preserving Motion Detection and Object Tracking in
Encrypted Streaming Video [39.453548972987015]
本稿では,暗号化された監視ビデオのビットストリームに対して,効率的かつ堅牢なプライバシー保護動作検出と複数物体追跡手法を提案する。
提案手法は, 暗号化・圧縮された領域における既存の作業と比較して, 最高の検出・追跡性能を実現する。
我々の手法は、カメラの動き/ジッタ、動的背景、影など、様々な課題を伴う複雑な監視シナリオで効果的に利用することができる。
論文 参考訳(メタデータ) (2021-08-30T11:58:19Z) - Do Not Deceive Your Employer with a Virtual Background: A Video
Conferencing Manipulation-Detection System [35.82676654231492]
本稿では,ビデオ会議のユーザ背景が本物かどうかを検出するための効率的なツールの実現可能性について検討する。
実験により、クロス共起行列は、異なる種類の攻撃に対して検出器の堅牢性を向上させることが確認された。
論文 参考訳(メタデータ) (2021-06-29T07:31:21Z) - Privacy-Preserving Video Classification with Convolutional Neural
Networks [8.51142156817993]
本稿では,畳み込みニューラルネットワークを用いた単一フレーム方式のビデオ分類のプライバシ保護実装を提案する。
個人の感情認識への応用として提案手法の評価を行った。
論文 参考訳(メタデータ) (2021-02-06T05:05:31Z) - Privacy-sensitive Objects Pixelation for Live Video Streaming [52.83247667841588]
ライブビデオストリーミング中に自動的にパーソナルプライバシフィルタリングを行うための新しいPrivacy-sensitive Objects Pixelation(PsOP)フレームワークを提案する。
psopは、あらゆるプライバシーに敏感なオブジェクトのピクセル化に拡張可能です。
ストリーミング映像データを用いた実験では, ピクセル化精度の向上に加えて, プライバシーに敏感な物体のピクセル化において, PsOP が過剰なピクセル化比を大幅に削減できることが示された。
論文 参考訳(メタデータ) (2021-01-03T11:07:23Z) - TIPRDC: Task-Independent Privacy-Respecting Data Crowdsourcing Framework
for Deep Learning with Anonymized Intermediate Representations [49.20701800683092]
本稿では,匿名化中間表現を用いたタスク非依存型プライバシ参照データクラウドソーシングフレームワークTIPRDCを提案する。
このフレームワークの目的は、中間表現からプライバシー情報を隠蔽できる機能抽出器を学習することであり、データコレクターの生データに埋め込まれた元の情報を最大限に保持し、未知の学習タスクを達成することである。
論文 参考訳(メタデータ) (2020-05-23T06:21:26Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。