PrivHAR-Bench：用于基于视频的动作识别的分级隐私基准数据集
计算机视觉与模式识别
2026-04-02 v1 密码学与安全
摘要
现有关于隐私保护人体活动识别（HAR）的研究通常针对二元范式进行评估：清晰视频与单一隐私变换。这限制了跨方法的可比性，并掩盖了隐私强度与识别效用之间的细微关系。我们引入了PrivHAR-Bench，这是一个多层次基准数据集，旨在标准化视频动作识别中隐私-效用权衡的评估。PrivHAR-Bench应用了分级的视觉隐私变换谱：从轻量级空间模糊到密码学块排列，再到针对人类动作表达多样性精选的15个活动类别子集。每条1932条源视频分布在9个递增隐私强度的并行层级中，并包含背景移除变体以分离人体运动特征相对于场景上下文偏差的贡献。我们提供了无损帧序列、逐帧边界框、估计的姿态关键点及关节级置信度分数、标准化的分组训练/测试划分，以及一个计算识别准确率和隐私指标的评估工具包。使用R3D-18的经验验证表明各层级之间存在可测量且可解释的退化曲线，层级内准确率从88.8%（清晰）降至53.5%（加密、背景移除），跨域准确率降至4.8%，确立了PrivHAR-Bench作为在标准化条件下比较隐私保护HAR方法的控制基准。数据集、生成流程和评估代码公开可用。
引用
@article{arxiv.2604.00761,
title = {PrivHAR-Bench: A Graduated Privacy Benchmark Dataset for Video-Based Action Recognition},
author = {Samar Ansari},
journal= {arXiv preprint arXiv:2604.00761},
year = {2026}
}