基于 MEMS-LiDAR 与混合数据的欧盟 GDPR 合规工业环境人识别
计算机视觉与模式识别
2026-02-03 v1
摘要
可靠检测安全关键工业室内空间中的未授权人员至关重要，以避免工厂停产、财产损失和人员伤害。传统基于深度学习的视觉方法提供图像信息，但对光照和可见性条件敏感，且常违反欧盟一般数据保护条例（GDPR）等隐私法规。通常，基于深度学习的检测系统需要训练所需的标注数据。收集和标注此类数据高度耗时，且由于人工处理往往难以保证准确性。因此，本文提出一种基于微电机系统激光雷达（MEMS-LiDAR）的隐私合规方法，该方法仅捕获匿名化的 3D 点云，避免个人识别特征。为补偿实际 LiDAR 数据录制和后处理、标注所需的大量时间，本文采用 CARLA 模拟框架生成合成场景进行数据增强。实验结果表明，混合数据相较于仅使用真实数据训练的模型，平均精度提升了 44 个百分点，同时将手动标注工作量降低了 50%。因此，本文提出的方法为纯真实数据方法提供了一种可扩展且高性价比的替代方案，系统性地展示了合成 LiDAR 数据如何在工业环境中实现高性能人检测与 GDPR 合规性。
关键词
引用
@article{arxiv.2602.01764,
title = {GDPR-Compliant Person Recognition in Industrial Environments Using MEMS-LiDAR and Hybrid Data},
author = {Dennis Basile and Dennis Sprute and Helene Dörksen and Holger Flatt},
journal= {arXiv preprint arXiv:2602.01764},
year = {2026}
}
备注
Accepted at 19th CIRP Conference on Intelligent Computation in Manufacturing Engineering