基于无关人脸追踪与像素化的视频直播个人隐私保护

迄今为止，以隐私保护为目的的像素化任务仍依赖大量人工且尚待研究。随着视频直播的盛行，在直播过程中建立在线人脸像素化机制已成当务之急。本文提出一种称为视频直播人脸像素化（Face Pixelation in Video Live Streaming, FPVLS）的新方法，以在非受限直播活动中实现自动个人隐私过滤。简单应用多人脸跟踪器会遇到目标漂移、计算效率和过度像素化的问题。因此，为快速准确地像素化无关人员人脸，FPVLS 以两个核心阶段的帧到视频结构组织。在单帧上，FPVLS 利用基于图像的人脸检测与嵌入网络生成人脸向量。在原始轨迹生成阶段，所提出的定位增量亲和传播（Positioned Incremental Affinity Propagation, PIAP）聚类算法利用人脸向量与定位信息快速关联跨帧同一人的人脸。此类逐帧累积的原始轨迹在视频层面上往往间断且不可靠。因此，我们进一步引入轨迹精炼阶段，将提议网络与基于经验似然比（Empirical Likelihood Ratio, ELR）统计量的两样本检验相结合以精炼原始轨迹。在精炼轨迹上施加高斯滤波器以进行最终像素化。在我们收集的视频直播数据集上，FPVLS 取得了令人满意的准确率、实时效率，并包含了过度像素化问题。