基于运动差分量化的隐私保护动作识别

智能计算机视觉系统在我们私人空间中的广泛使用，使人们对这些系统带来的隐私和安全风险有了更高的警觉。一方面，我们希望这些系统通过理解周围环境来协助我们的日常生活；但另一方面，我们希望它们在不捕获任何敏感信息的情况下做到这一点。为此，本文提出了一种简单而鲁棒的隐私保护编码器 BDQ，用于隐私保护人体动作识别任务，其由三个模块组成：模糊（Blur）、差分（Difference）和量化（Quantization）。首先，输入场景送入模糊模块以平滑边缘。随后由差分模块对连续帧之间施加逐像素强度相减，以突出运动特征并抑制明显的高级隐私属性。最后，对运动差分帧应用量化模块以去除低级隐私属性。BDQ 参数通过对抗训练以端到端方式优化，使其学会保留动作识别属性而抑制隐私属性。我们在三个基准数据集上的实验表明，与以往工作相比，所提出的编码器设计能实现 SOTA 的权衡。此外，我们展示了所达成的权衡与基于 DVS 传感器的事件相机相当。代码见：https://github.com/suakaw/BDQ_PrivacyAR。