Privacidad visual

Recopilación y difusión de información visual y la expectativa de privacidad

La privacidad visual es la relación entre la recopilación y difusión de información visual, la expectativa de privacidad y los problemas legales que las rodean. En la actualidad, las cámaras digitales son omnipresentes. Son uno de los sensores más comunes que se encuentran en los dispositivos electrónicos, que van desde teléfonos inteligentes hasta tabletas, y computadoras portátiles hasta cámaras de vigilancia . Sin embargo, las implicaciones de privacidad y confianza que las rodean limitan su capacidad para integrarse perfectamente en el entorno informático. En particular, las redes de cámaras a gran escala han creado un interés creciente en comprender las ventajas y desventajas de tales implementaciones. Se estima que más de 7 millones de cámaras CCTV están implementadas en el Reino Unido. ^[1] Debido a las crecientes preocupaciones de seguridad, las redes de cámaras han seguido proliferando en otros países como los Estados Unidos. Si bien el impacto de dichos sistemas continúa evaluándose, en paralelo, se han explorado herramientas para controlar cómo se utilizan estas redes de cámaras y modificaciones a las imágenes y videos enviados a los usuarios finales.

Formas de datos visuales

La privacidad visual suele aplicarse a tecnologías específicas, entre las que se incluyen:

• Circuito cerrado de televisión (CCTV)
• Red de sensores visuales (también conocida como redes de cámaras)
• Teléfono con cámara
• Casas inteligentes

Tecnologías que mejoran la privacidad visual

Se están explorando diferentes formas de tecnologías para mejorar o preservar la privacidad al tiempo que se proporciona información recopilada desde redes de cámaras. La mayoría de estas soluciones dependen de la aplicación de destino y tratan de lograrlo de una manera que preserve la privacidad:

• "Respectful Cameras" es una solución que oculta automáticamente los rostros de las personas observadas en un video superponiendo un punto de color sobre el rostro del individuo. Esta tecnología rastrea marcadores de colores que usan las personas y luego infiere la ubicación de un rostro a partir de una distancia con respecto al marcador. ^[2]
• Google Streetview utiliza la detección automática de rostros para difuminar todos los rostros en la ciudad de Manhattan. ^[3]
• Eptascape tiene un producto que proporciona seguimiento automático de personas y brinda vigilancia con privacidad habilitada. ^[4]
• Cardea es un mecanismo de protección de la privacidad visual consciente del contexto que protege la privacidad visual de los espectadores en fotografías según sus preferencias de privacidad dependientes del contexto, utilizando técnicas de reconocimiento facial y computación de contexto . ^[5]
• Las cámaras térmicas y de profundidad ^[6] se utilizan en la detección y el conteo de personas.
• El diseño de lentes que preserva la privacidad ^[7] consiste en la optimización conjunta de la óptica y los algoritmos para realizar tareas de visión como la estimación de la postura humana y el reconocimiento de acciones.

Por lo tanto, la privacidad visual abarca sistemas conscientes de la privacidad y que la preservan y que tienen en cuenta las opciones de diseño computacional, ^[8] las políticas de privacidad con respecto al intercambio de datos en un entorno colaborativo y distributivo y la propiedad de los datos en sí. A veces, la privacidad y la confianza están interrelacionadas, especialmente para la adopción y aceptación a gran escala de cualquier tecnología. Tener un modelo de visión por computadora justo y preciso ayuda mucho a garantizar las dos anteriores. Muchos desarrolladores también están inculcando perspectivas de Privacidad por diseño . Estas incluyen, entre otras, procesar todos los datos confidenciales del usuario en el dispositivo cliente de borde, disminuir la retentividad de los datos y garantizar que los datos no se utilicen para nada para lo que no están destinados.

Véase también

• Vigilancia masiva

Referencias

1. "¿Cuántas cámaras de CCTV hay en Londres? Números de CCTV en el Reino Unido (actualizado en 2022)". Clarion UK . 2022-10-04 . Consultado el 2024-06-18 .
2. Jeremy Schiff; Marci Meingast; Deirdre K. Mulligan; Shankar Sastry; Ken Goldberg (2007). "Cámaras respetuosas: detección de marcadores visuales en tiempo real para abordar cuestiones de privacidad". Conferencia internacional sobre robots y sistemas inteligentes (IROS). San Diego, California. Octubre de 2007 .
3. "Street View vuelve a Manhattan".
4. "Eptascape, Inc. MPEG-7 Video Analytics". www.eptascape.com . Archivado desde el original el 21 de junio de 2008. Consultado el 13 de enero de 2022 .
5. "Cardea: protección de la privacidad visual sensible al contexto para tomar y compartir fotografías" (PDF) . Archivado desde el original (PDF) el 2018-11-08 . Consultado el 2023-12-24 .
6. Pittaluga, Francesco; Koppal, Sanjeev J. (junio de 2015). "Óptica que preserva la privacidad para sensores de visión en miniatura". Conferencia IEEE de 2015 sobre visión artificial y reconocimiento de patrones (CVPR) . Boston, MA, EE. UU.: IEEE. págs. 314–324. CiteSeerX 10.1.1.944.2193 . doi :10.1109/CVPR.2015.7298628. ISBN .  9781467369640.S2CID 14056410  .
7. Hinojosa, Carlos; Niebles, Juan Carlos; Arguello, Henry (octubre de 2021). "Aprendizaje de ópticas que preservan la privacidad para la estimación de la pose humana". 2021 IEEE International Conference on Computer Vision (ICCV) . Virtual, EE. UU.: IEEE/CVF: 2573–2582.
8. Koelle, Marion; Wolf, Katrin; Boll, Susanne (2018). "Más allá de las luces de estado LED: requisitos de diseño de avisos de privacidad para cámaras corporales". Actas de la duodécima conferencia internacional sobre interacción tangible, integrada y corporizada . Tei '18. Estocolmo, Suecia: ACM Press. págs. 177–187. doi :10.1145/3173225.3173234. ISBN . 9781450355681. Número de identificación del sujeto  3954480.

Enlaces externos

• Sin pestañear: nuevas perspectivas sobre la privacidad visual en el siglo XXI