Video-DPRP：一种用于视觉隐私保护视频人体活动识别的差分隐私方法
计算机视觉与模式识别
2025-03-05 v1
摘要
在隐私保护视频人体活动识别（HAR）方面已经做出了大量努力。确保视频 HAR 中隐私保护的两种主要方法是差分隐私（DP）和视觉隐私。在训练期间实施 DP 的技术提供了强大的理论隐私保证，但在视觉隐私评估方面的能力有限。相反，低分辨率变换、数据混淆和对抗网络等方法强调视觉隐私，但缺乏明确的理论隐私保证。在这项工作中，我们关注两个主要目标：（1）利用 DP 特性开发一种用于视频中视觉隐私的无模型方法，以及（2）在 HAR 任务上使用差分隐私和视觉隐私评估来评估我们提出的技术。为了实现目标（1），我们引入了 Video-DPRP：一个用于 HAR 隐私保护视频重建的视频样本级差分隐私随机投影框架。通过使用随机投影、噪声矩阵和从视频奇异值分解导出的右奇异向量，Video-DPRP 使用隐私参数（）重建 DP 视频，同时实现视觉隐私评估。对于目标（2），使用 UCF101 和 HMDB51 数据集，我们将 Video-DPRP 在活动识别上的性能与传统 DP 方法和 SOTA 视觉隐私保护技术进行了比较。此外，我们使用 PA-HMDB 和 VISPR 数据集评估了其在保护面部特征、性别和肤色等隐私相关属性方面的有效性。与通常只解决其中一个方面的 SOTA 方法不同，Video-DPRP 结合了 DP 和视觉隐私两方面的隐私保护。
引用
@article{arxiv.2503.02132,
title = {Video-DPRP: A Differentially Private Approach for Visual Privacy-Preserving Video Human Activity Recognition},
author = {Allassan Tchangmena A Nken and Susan Mckeever and Peter Corcoran and Ihsan Ullah},
journal= {arXiv preprint arXiv:2503.02132},
year = {2025}
}