Infotrend online

Deidentifikacija šarenice, uha i otiska prsta

Šarenica je važan biometrijski identifikator koji zbog jedinstvenosti i male promjenjivosti s vremenom omogućuje pouzdan i neinvazivni postupak identifikacije osoba. Većina sustava za identifikaciju na temelju šarenice - zbog njenih malih dimenzija - zahtijeva suradnju osobe i obično se šarenica snima na maloj udaljenosti (između 15 do 50 cm). Zbog toga na prvi pogled ne postoji potreba za deidentifikaciju šarenice. No, razvijeni su sustavi koji omogućuju akviziciju slike šarenice i identifikaciju na udaljenosti (Iris-at-a-Distance - IAAD) do 30 m  i to bez suradnje osobe (slika 4). U takvim slučajevima zbog zaštite privatnosti treba deidentificirati šarenicu. Jedan od rijetkih sustava za deidentifikaciju područja očiju pa i šarenice temelji se na izobličenju područja lica uporabom kodiranja miješanjem.

Slika 4. Sustav za akviziciju i identifikaciju na temelju šarenice IAAD (De Villar et al., 2010.): a) izgled sustava, b) primjer slike područja šarenice snimljen na udaljenosti od 30 metara.

Uz lice i šarenicu i uho je važan fiziološki biometrijski identifikator koji omogućuje neinvazivnu identifikaciju ili verifikaciju na udaljenosti. Mnogi su istraživači suglasni da je uho, kao biometrijska značajka, pogodno za identifikaciju osoba u videonadzornim sustavima. Autoru ovog članka nije poznato postoji li komercijalni sustav za identifikaciju na temelju uha, iako postoje brojni razvijeni eksperimentalni sustavi za identifikaciju i verifikaciju na temelju dvodimenzionalnih (2D) i trodimenzionalnih (3D) slika uha.

 U bližoj budućnosti, zbog razvoja relativno jeftinih videokamera i teleskopske opreme, može se očekivati razvoj komercijalnih sustava identifikacije na temelju uha u djelomično ili potpuno neupravljivim uvjetima vanjskih scena. To će sigurno inicirati istraživanja i razvoj metoda deidentifikacije uha zbog zaštite privatnosti. Većina sustava za identifikaciju na temelju uha kombinira sliku profila lica i sliku uha tako da se zahtijeva višenačinska deidentifikacija - lica i uha.

Slike otisaka prstiju kao multimedijski dokumenti na prvi pogled ne zaslužuju posebnu pozornost i to zbog dva razloga: a) osoba je kooperativna i u većini slučajeva dragovoljno daje otisak prsta, b) u središtu pozornosti ovog članka je deidentifikacija multimedijskih sadržaja koji se prikupljaju na udaljenosti. No, na temelju rezultata najnovijih istraživanja (Technology Review, 2015.) moguće je detektirati, lokalizirati i snimiti otiske prstiju na udaljenosti od dva metra i to bez znanja i sudjelovanja osobe. Na temelju tako snimljenog otiska moguće je utvrditi identitet osobe.

Takva tehnologija predstavlja prijetnju privatnosti u bližoj budućnosti. Štoviše, otisci prstiju osim identifikacije nose vrlo osjetljive privatne informacije o osobi kao što je spol i etnička pripadnost, ali i informaciju o bolesti kao što je, naprimjer, Parkinsonova i Alzheimerova bolest. Privatnost se štiti različitim tehnikama izobličenja otisaka prstiju uporabom morfoloških  postupaka i postupaka kodiranja miješanjem. Slika otiska prsta može se deidentificirati uporabom naivnih metoda koje se koriste za deidentifikaciju slika lica ili pak zamjenom slike otiska prstiju slikom sintetiziranog otiska. Jedan od zanimljivih pristupa deidentifikaciji otiska prstiju je i deidentificirani otisak koji se dobiva kombiniranjem dvaju otisaka prstiju različitih ili istih osoba. U tom slučaju deidentificirani otisak prsta izgleda poput prirodnog otiska.

Deidentifikacija ponašajnih osobnih identifikatora

Deidentifikacija glasa/govora

Za biometrijske identifikatore kao što su lice, šarenica i uho kažemo da nose vizualni identitet osobe dok glas nosi zvučni identitet.  Ljudski glas je jedinstveni uzorak za svaku osobu, tj. ne postoje dvije osobe čiji glasovi zvuče identično i koristi se za automatsku identifikaciju ili verifikaciju osoba. Osim informacije o identitetu glas sadrži osjetljive privatne podatke kao što su spol, dob, emotivno stanje, zdravstveno stanje i sl.  Tehnologije i servisi, kao što su audio/videonadzor, govorni servisi i sustavi za cijelodnevno praćenje i bilježenje aktivnosti, omogućuju identifikaciju osoba.

Deidentifikacija glasa se temelji na njegovoj transformaciji (voice transformation) koja predstavlja modifikaciju nelingvističkih značajki govornog trakta bez utjecaja na sadržaj i razumljivost govora. Značajke koje se modificiraju su, naprimjer, energija, visina glasa i vremenska skala, odnosno promjena duljine trajanja glasa. Jedan od pristupa deidentifikaciji glasa temelji se pretvorbi glasova različitih govornika u isti sintetizirani ciljni glas (target voice). Jedan od zanimljivih novih pristupa deidentifikaciji glasa koristi unaprijed izračunane govorne transformacije na bazi modela Gaussovih mješavina (GMM - Gaussian Mixture Model) za deidentifikaciju glasa novog govornika.

Na području deidentifikacije glasa u stvarnom vremenu postoje brojni izazovi kao što su deidentifikacija glasa u uvjetima okolišne buke i pozadinskog šuma te istodobni govor više osoba.

Deidentifikacija hoda i gestikulacije

Način hodanja predstavlja ponašajni biometrijski identifikator te može poslužiti za identifikaciju osoba ili za dijagnosticiranje nekih oboljenja. Uz dinamiku i način koračanja hod sadrži informaciju o izgledu osobe (silueta, duljina ruku i nogu) te informaciju o dobi i spolu. Nadzorni sustavi koji su danas neizbježni u svakodnevnom životu, zahvaljujući razvoju tehnika računalnog vida i raspoznavanja uzoraka, omogućuju  raspoznavanje (identifikaciju ili verifikaciju) nekooperativnih osoba na temelju hoda.

Samo se nekoliko istraživačkih studija bavi problemom deidentifikacije hoda. Jedna opisuje deidentifikaciju koja se temelji na detekciji pokreta u videosekvencama i deidentifikaciji područja u kojemu se nalazi osoba uporabom kodiranja miješanjem na bazi diskretne kosinusne transformacije (DCT). Drugi pristup se temelji na zamućenju volumnih dijelova x,y,t (voxel)  koji su definirani kao područja u kojima je detektirana osoba u slijedu slikovnih okvira.

Jedan od glavnih problema u deidentifikaciji hoda u videonadzornim sustavima je kako prikriti značajke hoda, a istodobno očuvati uporabnost i prirodnost deidentificiranog videozapisa.

Gestikulacija se može definirati kao pokreti dijelova tijela (prstiju, šake, ruke, glave ili lica) ili pak cijelog tijela s namjerom ili bez namjere da imaju neko značenje. Poznata je činjenica da se gestikulacija razlikuje od čovjeka do čovjeka te da može biti korištena za raspoznavanje osoba. Razvijeni su prototipovi sustava za raspoznavanje osoba na temelju gestikulacije rukama, ali koliko je autoru ovog članka poznato još ne postoje sustavi za deidentifikaciju gestikulacije rukama.

Deidentifikacija neizrazitih biometrijskih osobnih identifikatora

Neizraziti biometrijski osobni identifikatori, kao što su naprimjer: visina, težina, spol, boja očiju, rasa, silueta, madeži, tetovaže i sl. izravno ne omogućuju identifikaciju osoba, ali dopuštaju razvrstavanje u različite kategorije.

Spomenimo tri glavna načina korištenja neizrazitih biometrijskih osobnih identifikatora:

● identifikacija ili verifikacija uporabom verbalnog opisa neizrazitih biometrijskih identifikatora

● identifikacija ili verifikacija uporabom fuzije biometrijskih i neizrazitih osobnih identifikatora u cilju povećanja točnosti biometrijskog sustava

● pretraživanje velikih biometrijskih baza.

Bez obzira na navedene načine uporabe neizrazitih biometrijskih osobnih identifikatora jasno je da oni sadrže osjetljive informacije o privatnosti te da trebaju biti deidentificirani u multimedijskim dokumentima.

Deidentifikacija siluete tijela

Silueta tijela je važna neizrazita biometrijska značajka koja pomaže u procesu raspoznavanja osobe. Ona se koristi sama ili u kombinaciji s drugim biometrijskim identifikatorima. Nadalje, predstavlja značajku koja omogućuje tzv. reidentifikaciju, odnosno praćenje osoba u nadglednim sustavima s više kamera čija se vidna polja ne prekrivaju. Objavljeno je samo nekoliko radova koji se odnose na deidentifikaciju siluete tijela. Deidentifikacija se temelji na dilataciji i zamućenju siluete, ili na kombinaciji linearne integralne konvolucije (LIC) i eksponencijalnog zamućenja polja slikovnih elemenata koje odgovara mjestu siluete u videu. Slika 5. prikazuje primjer deidentifikacije siluete tijela u videu koji snima aktivnost osobe.

Jedan zanimljiv pristup deidentifikaciji siluete tijela koristi zamjenu osobe s drugom osobom iz zadane galerije slika.

Uvjet uspješne deidentifikacije siluete tijela je dobra segmentacija slike na pozadinu i objekt od interesa, međutim zbog složenosti okoline i nestacionarnosti pozadine, promjena uvjeta osvjetljenja i trešenja kamere, detekcija siluete je daleko od zadovoljive točnosti. Uz sve to javlja se i problem prikrivanja siluete uz uvjet očuvanja prirodnosti deidentificiranog videa.