概述
人脸模糊是一项功能,您可以通过联系 OpenSpace 客服团队来请求启用该功能。该功能旨在保护出现在您的 360 视频或 360 照片拍摄中的人员的隐私身份。当启用时,上传并发布到您的项目后,拍摄中的人脸会变得模糊化。
我们使用机器学习算法进行人脸模糊,结果的准确性取决于各种因素,在下方有详细说明。
人脸模糊与 GDPR 的关系
OpenSpace 非常重视数据保护和个人隐私,我们致力于遵守数据保护法律。本节提供有关 OpenSpace 中的人脸模糊功能以及我们与客户合作遵守《通用数据保护条例》 (GDPR) 的信息。GDPR 在整个欧盟创建了一致的数据保护规则。
人脸模糊与 GDPR 合规的详细信息:
共同责任: GDPR合规原则是一项数据控制者（客户）和 OpenSpace（数据处理者）之间的共同责任。
OpenSpace 去识别化或人脸模糊: 为帮助减少收集个人可识别信息 (PII),客户可以联系 OpenSpace 支持团队开启我们的人脸模糊功能。当启用时,该功能将检测未来所有拍摄中的人脸。识别到可识别的人脸时,人脸和身体的其余部分将在图像中被模糊化。通过这样做,我们使图像中的人物外貌对一般的查看者来说统计上不可识别。尽管此过程使用了能够识别普通人物外貌的先进机器学习算法,非常准确,但它不会识别特定的面孔或个人,并且误判率并非为零。去识别化的目的是减少攻击面,而不是从系统中消除所有范围内的数据。
漏判的可能性:如果面部未被模糊,通常意味着由于图像中的某些情况,如失真,像素化,手术口罩或其他面部遮挡物,面部识别无法识别面孔。这是我们用于检测人物的机器学习算法的正常结果。我们调整了模型以减少漏判和误判,为客户提供更好的服务,但在这样做的过程中,一些尽管统计上不可识别的相貌,仍可能未被模糊并且可能被熟悉该人物或环境的查看者识别。
误判的可能性: 如果图像中的部分区域被模糊,而实际上没有人脸,这通常意味着面部识别错误地将该区域识别为人脸。这是我们用于检测人物的机器学习算法的正常结果。同样,我们调整了模型以减少误判和漏判,为客户提供更好的服务,但在这样做的过程中,一些拍摄的图像中的物体或方面可能会被错误地模糊。在这种情况下,我们建议您在捕获的图像中向前或向后推进一帧,查看相邻帧（仅相隔半秒）是否不显示相同的误判情况。在大多数情况下,捕获的图像中会有一帧不存在此问题。
客户责任和最佳实践: 客户有责任从数据主体处获得许可。例如,客户可以发布通知,告知即将进行 360° 照片记录,并采取措施进行面部去识别化。同时,客户还可以在拍摄时采取措施,防止或限制从数据主体中收集数据,比如选择在非工作时间拍摄,此时现场可能有较少的人。
我们希望这些信息能帮助解答任何疑问,并尽量减少对我们人脸模糊功能可能存在的误解或担忧。
常见问题:
OpenSpace 中是否有不支持人脸模糊的区域？
"巡检记录"和 Lidar 均不提供人脸模糊功能。
相关文章
点击 此处查看 OpenSpace 的隐私政策。
如您有任何其他问题,请通过support@openspace.ai联系OpenSpace支持团队。