Dissertação
Scalable Reversible Video Anonymization - A Comprehensive Framework for Privacy-Enhanced, Consent-Controlled Video Processing in Scalable Computer Vision Systems EVALUATED
Os recentes avanços nas tecnologias de Visão Computacional integraram-se de forma imperceptível em vários aspetos do quotidiano, desde veículos autónomos ao retalho inteligente e análises de envolvimento de clientes, gerando benefícios económicos e permitindo perceção automatizada. No entanto, estas tecnologias levantam preocupações significativas em termos de privacidade para os indivíduos capturados em fluxos de vídeo automatizados. As soluções atuais frequentemente comprometem a inteligibilidade do vídeo ou a taxa de fotogramas devido às exigências computacionais da anonimização, limitando a sua aplicabilidade em cenários em tempo real. Este trabalho apresenta um novo sistema de multi-processamento que preserva tanto a qualidade do vídeo como a alta taxa de fotogramas, garantindo ao mesmo tempo o anonimato dos utilizadores em serviços de Visão Computacional em tempo real. Além disso, propomos um sistema descentralizado para a desanonimização seletiva por sujeito, assegurando que nenhuma entidade possui controlo total sobre o processo. Esta abordagem promove a confiança entre as partes interessadas, capacitando tanto os sujeitos anonimizados como os operadores do sistema. Desenvolvemos também uma Interface Gráfica de Utilizador intuitiva e uma estrutura de ficheiros otimizada para melhorar a manutenibilidade e acessibilidade do sistema. Através de testes rigorosos, a nossa solução demonstrou forte desempenho em termos de eficiência, escalabilidade e satisfação do utilizador, mantendo elevada inteligibilidade e fornecendo ferramentas acessíveis para uma ampla gama de utilizadores.
novembro 4, 2024, 13:0
Documentos da dissertação ainda não disponíveis publicamente
Orientação
ORIENTADOR
Paulo Jorge Fernandes Carreira
Departamento de Engenharia Informática (DEI)
Professor Associado