SecurePose：临床环境录制视频中的自动人脸模糊与人体运动学提取
计算机视觉与模式识别
2025-07-21 v2 人工智能
摘要
运动障碍诊断通常依赖于专家对患者视频的评估，但共享这些视频存在隐私风险。当前的视频去标识化方法（如人脸模糊）往往是手动的、不一致的或不准确的。此外，这些方法可能会损害作为诊断关键组成部分的客观运动学分析。为应对这些挑战，我们开发了 SecurePose，这是一款开源软件，能够同时为临床环境中使用智能手机/平板电脑录制的视频提供可靠的去标识化和自动运动学提取。SecurePose 利用姿态估计（使用 OpenPose）提取全身运动学数据、追踪个体、识别患者，随后在视频中准确模糊人脸。我们在 116 名脑瘫儿童门诊就诊期间录制的步态视频上验证了 SecurePose，评估了其去标识化相对于真实值（手动模糊）的准确性，以及运动学提取中间步骤的可靠性。结果表明，SecurePose 在自动人脸检测方面优于六种现有方法，并达到了与稳健的手动模糊相当的准确性，但耗时显著减少（快 91.08%）。十位经验丰富的研究人员也通过系统可用性量表 (System Usability Scale) 评分确认了 SecurePose 的可用性。这些发现证实 SecurePose 是一种实用且有效的工具，既能保护患者隐私，又能实现在临床环境中准确的运动学提取。
引用
@article{arxiv.2402.14143,
title = {SecurePose: Automated Face Blurring and Human Movement Kinematics Extraction from Videos Recorded in Clinical Settings},
author = {Rishabh Bajpai and Bhooma Aravamuthan},
journal= {arXiv preprint arXiv:2402.14143},
year = {2025}
}