概览
人物模糊处理是一项可通过联系 OpenSpace 支持团队来请求启用的功能。该功能旨在保护出现在您的 360° 视频或 360° 照片采集中的人员的私人身份信息。启用后，您的采集内容上传并发布到项目后，其中的人脸将变为像素化模糊。
我们使用机器学习算法进行人物模糊处理，结果的准确性取决于多种因素，详见下文。
与 GDPR 相关的人物模糊处理
OpenSpace 高度重视数据保护和个人隐私，并致力于遵守数据保护法律。本部分介绍 OpenSpace 中的人物模糊处理功能，以及我们与客户合作遵守《通用数据保护条例》（GDPR）的相关信息。GDPR 在整个欧盟范围内建立了一致的数据保护规则。
人物模糊处理和 GDPR 合规详情：
- 共同责任：GDPR 合规原则由数据控制者（客户）和 OpenSpace（数据处理者）共同承担。
- OpenSpace 去标识化或人物模糊处理：为帮助减少个人身份信息（PII）的收集，客户可以联系 OpenSpace 支持团队启用我们的人物模糊处理功能。启用后，该功能会检测所有未来采集中的人脸。当识别出可辨认的人脸时，图像中的人脸及身体其他部分都会被模糊处理。通过这种方式，我们可以使图像中人物的外貌特征对于一般普通观察者而言在统计意义上无法识别。虽然使用能够识别一般人物外貌特征的先进机器学习算法后，该过程非常准确，但它不会识别特定的人脸或个人，且假阴性率并非为零。去标识化的目的是减少攻击面，而不是从系统中消除所有属于适用范围的数据。
- 假阴性的可能性：如果人脸未被模糊处理，通常意味着由于图像中的某些情况（例如变形、像素化、外科口罩或其他面部遮挡物），人脸识别无法识别人脸。这是我们用于检测人员的机器学习算法产生的正常结果。我们会调整模型，以减少假阴性和假阳性，从而为客户提供更优质的服务；但在此过程中，某些外貌特征虽然在统计意义上无法识别，但对于了解相关人员或环境的观察者而言，仍可能以未模糊且可识别的形式出现。
- 假阳性的可能性：如果图像中不存在人脸的部分区域被进行了模糊处理，通常意味着人脸识别错误地将不存在人脸的区域识别为人脸。这是我们用于检测人员的机器学习算法产生的正常结果。同样，我们会调整模型，以减少假阳性和假阴性，从而为客户提供更优质的服务；但在此过程中，所采集图像中的某些对象或图像特征可能会被错误地模糊处理。在这些情况下，我们建议您在采集中向前或向后移动一帧，查看相邻帧（仅相隔半秒）是否没有出现同样的假阳性。在大多数情况下，您的采集中会有一帧不会出现这种情况。
- 客户责任和最佳实践：客户负责获得数据主体的许可。例如，客户可以张贴通知，说明将进行 360° 照片记录，并将采取措施对人脸识别信息进行去标识化。此外，客户可以在采集图像时采取措施，防止或限制收集数据主体的数据，例如在工作时间以外进行采集，因为此时工作地点可能有较少人员。
我们希望这些信息有助于解答您的疑问，并减少您对人物模糊处理功能可能被视为错误的任何担忧。
常见问题
OpenSpace 中是否有不提供人物模糊处理的区域？
现场笔记、激光雷达和无人机采集不提供人物模糊处理。
后续步骤
点击 此处查看 OpenSpace 隐私政策。
点击 此处了解如何管理您组织和站点的功能。
如果您还有其他问题，请通过以下地址联系 OpenSpace 支持团队：support@openspace.ai。
评论
0 条评论
文章评论已关闭。