利用人类感知与深度卷积神经网络（CNN）评估自动身份掩码（AIM）方法的有效性
计算机视觉与模式识别
2019-11-05 v3
摘要
为应对公共视频录制和监控摄像头的普遍使用，人脸去识别算法得以发展。在此，我们评估了在监控驾驶员主动操作机动车情境下身份掩码的成功率。我们利用人类感知者和最先进的深度卷积神经网络（CNN）研究了八种去识别算法的有效性。我们采用标准人脸识别实验，人类受试者学习高分辨率（影棚风格）图像以记住驾驶员身份。随后测试受试者在低分辨率视频中识别这些身份的能力，视频描绘驾驶员操作机动车。视频或为未掩码格式，或由八种去识别算法之一掩码。相对于未掩码视频，所有掩码算法均大幅降低了识别准确率。在所有情况下，识别均基于严格的决策标准，表明受试者对其决策信心较低。当将高分辨率静态图像中的身份与掩码视频中的身份进行匹配时，CNN表现处于随机水平。接下来，我们考察CNN在同一任务上的表现，但使用未掩码视频及其掩码对应视频。此时，该网络在一部分掩码条件下得分出乎意料地好。我们得出结论，经过仔细测试的去识别方法，单独或组合使用，可作为保护视频中个体隐私的有效工具。我们注意到，没有一种方法对所有刺激物的掩码同样有效，未来工作应考察可能的方法以确定针对每个刺激物的最有效掩码。
引用
@article{arxiv.1902.06967,
title = {Evaluating the Effectiveness of Automated Identity Masking (AIM) Methods with Human Perception and a Deep Convolutional Neural Network (CNN)},
author = {Kimberley D. Orsten-Hooge and Asal Baragchizadeh and Thomas P. Karnowski and David S. Bolme and Regina Ferrell and Parisa R. Jesudasen and Carlos D. Castillo and Alice J. O'Toole},
journal= {arXiv preprint arXiv:1902.06967},
year = {2019}
}
备注
*K.O.H and A.B. contributed equally to this work.10 pages, 4 tables, 7 figures