学习匿名化人脸以用于隐私保护的行为检测

计算机视觉设备通过录制非意愿视频侵犯用户隐私的问题日益受到关注。一方面，我们希望摄像系统能理解视频、识别重要事件并辅助人类日常生活；但另一方面，我们希望确保它们不侵入人们的隐私。本文提出一种用于学习视频人脸匿名化器的新原则性方法。我们采用对抗训练设定，其中两个竞争系统相互对抗：（1）视频匿名化器，修改原始视频以移除隐私敏感信息，同时仍试图最大化空间行为检测性能；（2）判别器，试图从匿名化视频中提取隐私敏感信息。最终得到一个视频匿名化器，它对每个个体的脸进行像素级修改以实现匿名化，且对行为检测性能影响最小。我们通过实验证实了该方法相较于传统手工匿名化方法（包括掩码、模糊和加噪）的优势。代码、演示和更多结果见项目页 https://jason718.github.io/project/privacy/main.html。