Low-Latency Video Anonymization for Crowd Anomaly Detection: Privacy Versus Performance
تقترح هذه الورقة LA3D، وهي طريقة تعمية تكيفية خفيفة الوزن تحقق حماية كبيرة للخصوصية في مراقبة الحشود مع الحفاظ على أداء اكتشاف الشذوذ في الفيديو في الوقت الفعلي، متفوقة بذلك على كل من النهج التقليدية والنهج القائمة على التعلم العميق.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
تخيل ساحة مدينة مزدحمة مليئة بآلاف الأشخاص. لضمان سلامة الجميع، تقوم المدينة بتثبيت آلاف كاميرات المراقبة. هذه الكاميرات ذكية؛ فهي تستخدم الذكاء الاصطناعي (AI) لرصد المشاكل، مثل اندلاع عراك أو شخص يركض في حالة ذعر. يُسمى هذا الكشف عن الشذوذ في الفيديو (VAD).
ومع ذلك، هناك مشكلة كبيرة؛ فهذه الكاميرات ترى كل شيء أيضًا. يمكنها التعرف على الوجوه، ومعرفة هويتك، وحتى تخمين جنسك أو ما ترتديه. هذا يبدو وكأنه انتهاك للخصوصية. نحن نريد من الكاميرات أن ترى الحدث (الشذوذ) دون أن ترى الشخص (الهوية).
تتناول هذه الورقة البحثية تحدي طمس الأشخاص بدرجة كافية لحماية خصوصيتهم، ولكن ليس لدرجة تجعل الذكاء الاصطناعي غير قادر على رصد الخطر.
الطريقة القديمة: الطمس "الموحد للجميع"
في السابق، حاول الباحثون إخفاء الأشخاص باستخدام حيل بسيطة مثل التنميش (Pixelation) (تحويل الوجه إلى فسيفساء مربعة) أو التغبيش (Blurring) (جعل الشيء يبدو كبقعة ضبابية على النافذة).
فكر في الأمر كأنك تستخدم إعدادًا واحدًا فقط في برنامج تعديل الصور لكل صورة في ألبوم الصور:
- إذا التقطت صورة للوحة إعلانية ضخمة، فإن التغبيش البسيط سيعمل بشكل جيد.
- إذا التقطت صورة لنملة صغيرة، فإن نفس التغبيش البسيط لن يفعل شيئًا؛ ستظل النملة واضحة تمامًا.
- إذا التقطت صورة لشخص بعيد، فإن التغبيش القوي قد يحوله إلى كتلة رمادية عديمة الفائدة، مما يجعل من المستحيل على ذكاء الأمن الاصطناعي معرفة ما إذا كان الشخص يركض أم واقفًا في مكانه.
استخدمت الطرق القديمة إعدادات ثابتة. لم تكن تهتم بما إذا كان الشخص قريبًا أم بعيدًا. وهذا يعني إما أن الخصوصية لم تكن جيدة بما يكفي (لا يزال الشخص قابلاً للتعرف عليه) أو أن جودة الفيديو قد دُمّرت (لم يعد بإمكان ذكاء الأمن رصد الخطر).
الحل الجديد: الطمس "الذكي والمتكيف"
يقترح مؤلفو هذه الورقة نظامًا جديدًا يسمى LA3D (إخفاء الهوية المتكيف وخفيف الوزن لـ VAD).
تخيل حارس أمن لا يستخدم مجرد مرشح تغبيش ثابت، بل يحمل بدلاً منه عدسة مكبرة ذكية:
- رصد الهدف: أولاً، يقوم النظام بمسح سريع للفيديو ويجد كل شخص (مثل حارس يرصد فردًا معينًا وسط حشد).
- قياس المسافة: يتحقق النظام من مدى حجم هذا الشخص على الشاشة. هل هو عملاق في المقدمة أم نقطة صغيرة في الخلفية؟
- ضبط التغبيش:
- إذا كان الشخص قريبًا وكبيرًا، يطبق النظام تغبيشًا أو تنميشًا أقوى لضمان عدم القدرة على التعرف عليه تمامًا.
- إذا كان الشخص بعيدًا وصغيرًا، فإنه يطبق لمسة أخف. لماذا؟ لأنه إذا غبّشت شخصًا صغيرًا بقوة شديدة، فسيختفي تمامًا، وسيفقد ذكاء الأمن القدرة على رؤية ما إذا كان يتقاتل أو يسقط.
هذا النهج "المتكيف" يشبه الخياط الذي يعدل البدلة. فبدلاً من استخدام بطانية واحدة ضخمة لتغطية الجميع، فإنه يصمم الغطاء ليلائم كل شخص بدقة.
النتائج: الخصوصية مقابل الأداء
اختبر الباحثون هذا النظام على مجموعات بيانات من العالم الحقيقي (مثل فيديوهات الجرائم ولقطات الحشود) وقارنوه بمجموعتين أخريين:
- مجموعة "عدم فعل شيء": الفيديو الخام (بدون خصوصية).
- مجموعة "العمالقة": نماذج التعلم العميق المعقدة والمكلفة التي تحاول إنشاء صور جديدة وزائفة للأشخاص.
إليكم ما وجدوه:
- حماية الخصوصية: كان نظامهم الذكي والمتكيف أفضل بكثير في إخفاء الهويات (الوجوه، الجنس، إلخ) من الطرق "الثابتة" القديمة. كما كان جيدًا بشكل مدهش في منع إعادة التعرف على الأشخاص (التعرف عليهم لاحقًا)، بل وكان أفضل من بعض نماذج الذكاء الاصطناي المعقدة والمكلفة.
- أداء الأمن: والأهم من ذلك، لم يؤدِ النظام إلى إفساد جودة الفيديو اللازمة لرصد الجرائم. في الواقع، بالنسبة لأنواع معينة من التغبيش، عمل ذكاء الأمن الاصطناዊ بشكل أفضل لأن التغبيش أزال الضوضاء المشتتة في الخلفية.
- السرعة والتكلفة: هذا هو الفوز الأكبر. نماذج التعلم العميق المعقدة تشبه محاولة الركض في ماراثون وأنت تحمل حقيبة ظهر ثقيلة؛ فهي بطيئة وتحتاج إلى أجهزة كمبيوتر قوية. أما نظام LA3D الجديد فهو يشبه الركض بحقيبة ظهر خفيفة. إنه سريع، رخيص، وفعال، مما يجعله مثاليًا للعمل مباشرة على كاميرات المراقبة نفسها (أجهزة الحافة/edge devices) دون الحاجة إلى خادم سحابي ضخم.
الخلاصة
تجادل الورقة البحثية بأنك لست بحاجة إلى ذكاء اصطناوي باهظ الثمن وبطيء لحماية الخصوصية في بث الفيديو. من خلال استخدام طريقة ذكية وخفيفة الوزن تعدل ديناميكيًا مقدار التغبيش بناءً على حجم الشخص، يمكنك الحصول على أقصى درجات الخصوصية دون التضحوا بالقدرة على اكتشاف الخطر.
إنه الفرق بين استخدام مطرقة ثقيلة لكسر حبة جوز (مكلفة، فوضوية، ومبالغ فيها) وبين استخدام أداة لكسر الجوز تعدل قبضتها بدقة حسب حجم الحبة (فعالة، دقيقة، وناجحة).
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.