Προστασία της ιδιωτικής ζωής και επιβολή του νόμου μέσω τεχνικών επεξεργασίας εικόνας και βίντεο κατά την επιτήρηση της κυκλοφορίας σε σταυροδρόμια

Transcript

1 Προστασία της ιδιωτικής ζωής και επιβολή του νόμου μέσω τεχνικών επεξεργασίας εικόνας και βίντεο κατά την επιτήρηση της κυκλοφορίας σε σταυροδρόμια Μαϊργιώτης Αντώνιος Τμήμα Μηχανικών Πληροφορικής Τ.Ε ΤΕΙ Θεσσαλίας Λάρισα Βέντζας Δημήτριος Τμήμα Μηχανικών Πληροφορικής Τ.Ε ΤΕΙ Θεσσαλίας Λάρισα Abstract Έίναι γεγονός ότι οι βιντεοκάμερες επιτήρησης χρησιμοποιούνται πλέον συχνά σε δημόσιους χώρους, εσωτερικούς ή εξωτερικούς. Είναι επίσης γεγονός ότι η χρήση αυτή έχει γίνει ανεκτή ή τουλάχιστον αποδεκτή από τους πολίτες, αναδεικνύοντας θέματα που σχετίζονται με ευαίσθητες πληροφορίες τους (π.χ. η πινακίδα κυκλοφορίας, ο αριθμός του αυτοκινήτου, τα πρόσωπα των πεζών). Οι πρόσφατες εξελίξεις στην ευφυή συστήματα παρακολούθησης με τεχνικές επεξεργσίας και βίντεο επέτρεψαν την αυτοματοποιημένη εξαγωγή χρήσιμων πληροφοριών από οπτικά δεδομένα. Συνεπώς έχουμε τη δυνατότητα να κάνουμε χρήση αναλυτικών ενεργειών, συμβάντων ή άλλων εκδηλώσεων που υφίστανται στην οδική κυκλοφορία. Προκειμένου να μετριαστεί η ανησυχία του κοινού σχετικά με την παραβίαση της ιδιωτικής ζωής, είναι σημαντικό να καταστεί προτεραιότητα, η προστασία της ιδιωτικής ζωής στην ανάπτυξη νέων τεχνολογιών επιτήρησης. Σε αυτή την εργασία, για τη διαχείριση των πληροφοριών της ιδιωτικής ζωής σε συστήματα παρακολούθησης, διερευνούμε τεχνικές οπτικής προστασίας της ιδιωτικότητας (visual privacy) μέσω φιλτραρίσματος και μέσω της τεχνολογίας υδατογράφησης (watermarking). Τα κρυφά στοιχεία ενθέτονται στους συντελεστές του μετασχηματισμού συνημιτόνου Transfom (DCT)- μία κοινή επιλογή στα πρότυπα συμπίεσης εικόνας/βίντεο. Επιπλέον, θα επικεντρωθούμε στις αρχές επιβολής του νόμου σε οδικές διασταυρώσεις, αναφερόμενοι σε γεγονότα που αφορούν παραβιάσεις του «κόκκινου», παράνομες στροφές ή περιστατικά όπως «μπλοκάρισμα το παραθύρου". Επομένως, ο ρόλος της κάμερας αφορά κυρίως στη συλλογή στοιχείων και στην ταυτοποίηση του οχήματος. Στο πλαίσιο αυτό, στη παρούσα εργασία θα δείξουμε πώς η οπτική προστασία της ιδιωτικής ζωής μπορεί να προστατεύονται και πώς μπορεί να αναπτυχθεί μια τέτοιου είδους προστασία. Keywords ευφυή συστήματα βασισμένα σε βίντεο, ιδιωτική πληροφορία, συστήματα επιτήρησης, επιβολή νόμου με τη βοήθεια καμερών I. ΕΙΣΑΓΩΓΗ Τα δεδομένα της κίνησης όπως το πλήθος οχημάτων, οι ταχύτητές τους καθώς και η ταξινόμησή τους ως προς το είδος τους, είναι σημαντικά σε εφαρμογές μηχανικής της κίνησης, το σχεδιασμό των μεταφορών και εν τέλει τη δημιουργία Ευφυών Συστημάτων Μεταφορών (ITS-Intelligent Transportation Systems). Τα δεδομένα που παράγονται από τις διάφορες μελέτες που αφορούν τη κίνηση ή γενικά από συστήματα παρακολούθησής της, παρέχουν βοήθεια στις κυβερνήσεις (π.χ. σε ευρωπαϊκό επίπεδο) σε θέματα που αφορούν την εκτίμηση της χρήσης των δρόμων, τη διαχείριση του όγκου της κίνησης, τις χρονικές περιόδους κρίσιμης ροής, το χρονοπογραμματισμό της συντήρησης, της βέλτιστης ροής καθώς και θέματα που αφορούν τις χρονικές περιόδους επιβολής της βέλτιστης κίνησης [1]. Ακόμα πιο εξελιγμένες τεχνικές π.χ. δεδομένα ροής κίνησης σε πραγματικό χρόνο μπορεί επίσης να ενεργοποιήσουν την αποδοτική διαχείριση γεγονότων, όπως ανίχνευση ατυχημάτων, επιβεβαίωση και άμεση απόκριση. Η χρήση των καμερών σε ένα ευρύ φάσμα τομέων εφαρμογής έχει γίνει κοινός τόπος κατά τα τελευταία χρόνια. Συνήθως, συλλαμβάνουν τα οπτικά δεδομένα που μπορεί να προσφέρει ένα ευρύτερο φάσμα χρήσιμων πληροφοριών, όπως το χρώμα του οχήματος, η πινακίδα, ο τύπος του οχήματος, η ταχύτητα, κλπ Αυτές οι κάμερες έχουν αρχίσει πρόσφατα να αντικαθιστούν τους παραδοσιακούς αισθητήρες που διατίθενται για την παρακολούθηση της κυκλοφορίας, την ταχύτητα, το κόκκινο φως, καθώς και άλλες δραστηριότητες όπως επιβολή του νόμου, καθήκοντα προστασίας και ασφάλειας. Μία από τις πιο κοινές χρήσεις αφορούν σε εφαρμογές, στο πλαίσιο της επιβολής του νόμου της κυκλοφορίας, όπως η ανίχνευση και η ταχύτητα του οχήματος. Έτσι, η παρακολούθηση βίντεο χρησιμοποιείται ευρέως σε ευφυή συστήματα μεταφορών για να επιβάλει τους νόμους, τη συλλογή των διοδίων και τη διευθέτηση της ροής της κυκλοφορίας. Οφέλη για την κοινωνία περιλαμβάνουν μειωμένη κατανάλωση καυσίμου και εκπομπών ρύπων, 33

2 μεγαλύτερη ασφάλεια και μείωση της συμφόρησης. κυκλοφοριακής Σε αντίθεση, η ευρεία χρήση των ψηφιακών συστημάτων παρακολούθησης με βίντεο έχει αυξήσει την ανησυχία για την παραβίαση του ιδιωτικού χώρου [2]. Βιντεοκάμερες υπάρχουν παντού, όπου μπορεί να παρακολουθούν χώρους των φυσικών προσώπων και να παραβιάζουν τη προστασία της ιδιωτικής ζωής. Η προστασία της ιδιωτικότητας αποτελεί ένα σημαντικό δικαίωμα των πολιτών και μπορεί να οριστεί ως η ικανότητα να εμποδίζει τα άλλα μέρη από την εκμάθηση της τρέχουσας ταυτότητας του ατόμου από την αναγνώριση των προσωπικών χαρακτηριστικών [3]. Λόγω της επεμβατικής μορφής της επιτήρησης με βίντεο, είναι σημαντικό να διατηρηθεί η λεπτή γραμμή μεταξύ: της ιδιωτικής ζωής εκείνων των οντοτήτων που οι ευαίσθητες πληροφορίες τους παρουσιάζονται στο βίντεο και την προβλεπόμενη ασφάλεια μέσω της παρακολούθησης, για την οποία έχει δημιουργηθεί το σύστημα. Επιπλέον, οι χειριστές/διαχειριστές συστημάτων και οι αρχές επιβολής πρέπει να ικανοποιήσουν μια σειρά ενίοτε αλληλοσυγκρουόμενων στόχων, οι οποίες περιλαμβάνουν την αποτελεσματικότητα, την ασφάλεια και τη δημόσια ασφάλεια, τη προστασία της ιδιωτικής ζωής γενικότερα και των ατόμων ειδικότερα [4]. Έχοντας ως παράδειγμα τις κάμερες κλειστού κυκλώματος, (Closed Circuit TV), οι πολίτες παρατηρούνται εν αγνοία τους σε δημόσια κτίρια, σταθμούς τραίνων, αποθήκες, ασανσέρ, αποδυτήρια και διαδρόμους του σχολείου. Παρατηρήστε ότι το βίντεο έχει καταγραφεί και μπορούν να προβληθούν από τον εκάστοτε χειριστή/φύλακα ή από τα μέλη της επιβολής του νόμου [5]. Για παράδειγμα, στο Λονδίνο, ο μέσος πολίτης καταγράφεται σε κλειστό κύκλωμα τηλεόρασης ή φωτογραφικές μηχανές 300 φορές την ημέρα, ενώ στο Ηνωμένο Βασίλειο υπάρχουν περισσότερα από 4 εκατομμύρια κάμερες CCTV. Πλέον, μιλάμε για έξυπνες κάμερες, οι οποίες είναι συσκευές που μπορούν να εκτελέσουν τα καθήκοντά τους πολύ πέρα από την απλή λήψη φωτογραφιών και την εγγραφή βίντεο [6]. Χάρη στους σκόπιμα ενσωματωμένους έξυπνους αλγόριθμους επεξεργασίας εικόνας και αναγνώρισης προτύπων, οι έξυπνες κάμερες μπορεί να ανιχνεύσουν κίνηση, να μετρήσουν αντικείμενα, να διαβάσουν πινακίδες αριθμού κυκλοφορίας, ακόμη και να αναγνωρίσουν ανθρώπινες συμπεριφορές. Αποτελούν βασικά συστατικά που κατασκευάζουν ενεργά και αυτοματοποιημένα συστήματα ελέγχου για πολλές εφαρμογές, οι οποίες θα διαδραματίσουν σημαντικό ρόλο στην καθημερινή μας ζωή στο εγγύς μέλλον [6]. Αλλά ακόμη και αν η νομοθεσία λειτουργεί σωστά κανείς δεν μπορεί να αποκλείσει περιπτώσεις όπου υπάρχει κατάχρηση των δεδομένων, όπως οι περιπτώσεις ηδονοβλεψίας καθώς και η αυθαίρετη συλλογή δεδομένων σχετικά με τις δραστηριότητες ή τις συμπεριφορές των ατόμων. Ακόμη περισσότερο τέτοιου είδους κατάχρηση εκτείνεται σε υψηλότερα επίπεδα, όπως κατασκοπεία σε κυβερνητικές υπηρεσίες ή δημόσια πρόσωπα. Παρ 'όλα αυτά, όλες αυτές οι διαδικασίες απαιτούν ένα σημαντικό ποσό του χρόνου και της προσπάθειας στα παραδοσιακά συστήματα επιτήρησης, οπότε η ανησυχία της παραβίασης της ιδιωτικής ζωής είναι προφανώς πολύ πιο σοβαρή σε σύγχρονα συστήματα παρακολούθησης βίντεο [7]. Η εστίασή μας, στη συγκεκριμένη εργασία αφορά τη διερεύνηση τεχνολογιών για τη βελτίωση της ιδιωτικής ζωής στον τομέα της επιτήρησης βίντεο μέσα από την απόκρυψη της ιδιωτικότητας των ευαίσθητων περιοχών (πινακίδες αριθμού κυκλοφορίας, τα στοιχεία του οχήματος, κλπ) μέσω του θολώματος ή άλλων παρόμοιων τεχνικών φιλτραρίσματος. Επιπλέον, για τους σκοπούς της επαλήθευσης των στοιχείων που καταγράφονται, προτείνουμε την εφαρμογή των τεχνικών απόκρυψης πληροφορίας. Με αυτόν τον τρόπο, οι υπηρεσίες επιβολής του νόμου μπορούν να χρησιμοποιήσουν τα αρχικά δεδομένα, υποστηρίζοντας περαιτέρω ότι παρέμεινε χωρίς την παραβίαση της ιδιωτικότητας των παρακολουθούμενων αντικειμένων. Για να επιτευχθεί αυτό, προτείνουμε τη χρήση της τεχνολογίας υδατοσήματος. Αυτό ισχύει για τη μονάδα ενός πλαισίου του εγγεγραμμένου βίντεο, είτε με σήμανση ολόκληρου το πλαισίου ή την περιοχή ενδιαφέροντος (ROI), όπως ορίζεται από την ανίχνευση και καταγραφή του αντικειμένου που μας ενδιαφέρει, π.χ. ένα όχημα. II. ΣΧΕΤΙΚΗ ΒΙΒΛΙΟΓΡΑΦΙΑ Προσπαθώντας να δώσουμε έναν ορισμό της προστασίας της ιδιωτικής ζωής με βάση την εικόνα/βίντεο μπορούμε να πούμε ότι «συνίσταται στην πρόληψη ότι η πληροφορία εικόνας/βίντεο που ένα άτομο θέλει να κρατήσει ιδιωτική, γίνεται διαθέσιμη στο δημόσιο τομέα" [8]. Ένας εναλλακτικός ορισμός είναι η προστασία της οπτικής ιδιωτικότητας (visual privacy), αν λάβουμε υπόψη ότι οι πληροφορίες μας είναι οι εικόνες και το βίντεο. Αρκετές τεχνικές για την προστασία της ιδιωτικής ζωής των ατόμων έχουν προταθεί στη βιβλιογραφία. Τα παραδοσιακά συστήματα επιτήρησης βίντεο είναι είτε απλά συστήματα καταγραφής ή ελέγχονται από ανθρώπινους παρατηρητές χωρίς αυτοματοποιημένη τεχνολογική υποστήριξη [7]. Σε σύγκριση με αυτές τις παραδοσιακές λύσεις, οι σύγχρονες ψηφιακές λύσεις είναι λιγότερο ακριβές, ενώ προσφέρουν πολύ καλύτερη ποιότητα. Τα σύγχρονα συστήματα κάνουν χρήση προηγμένων τεχνικών, όπως αντικείμενα ανίχνευσης, -αναγνώρισης, -παρακολούθησης ίχνους, οπότε αξιοποιούνται αλγόριθμοι από τους τομείς της υπολογιστικής όρασης, της επεξεργασίας εικόνας και της αναγνώρισης προτύπων [9]. Οι τροποποιήσεις της εικόνας και του βίντεο (συνήθως ονομάζονται επιμέλεια-redaction) είναι οι πιο κοινές μέθοδοι προστασίας της οπτικής ιδιωτικότητας. Έτσι, στην περίπτωση των οχημάτων, ευαίσθητες περιοχές, είναι είτε ολόκληρη η φιγούρα των οχημάτων, είτε ευαίσθητες πληροφορίες που αφορούν στοιχεία που εμφανίζονται σε αυτό π.χ. μία διαφήμιση (Εικόνα 1). Υπάρχουν διάφορες τεχνικές [8]. Οι ad hoc μέθοδοι παραμόρφωσης/καταστολής είναι η πρώτη του είδους από αυτές τις μεθόδους, όπου η περιοχή ενδιαφέροντος είναι 34

3 τροποποιημένη είτε εξ ολοκλήρου είτε με αφαίρεση ευαίσθητης πληροφορίας από την εικόνα, ή την τροποποίηση των πληροφοριών με τη χρήση κοινών φίλτρων εικόνας όπως θόλωμα ή pixelating. Πιο εξελιγμένες μεθόδοι βασίζονται στο κριτήριο της ανθεκτικότητας της κρυπτογράφησης εφαρμοζόμενη σε εικόνα, πρόσωπο, οπότε χρειάζεται να ακυρωθούν μία σειρά διαδικασιών όπως από-εντοπισμός, ακύρωση των αντικειμένων ή της κρυπτογράφησης [14]. Εικόνα 1. Όχημα με συγκεκριμένη οπτική φιγούρα και διαφήμιση σχεδιασμένη στο πλαϊνό του μέρος Εικόνα 2. Πινακίδα αυτοκινήτου Η απόκρυψη πληροφορίας έχει χρησιμοποιηθεί σε διάφορες εφαρμογές, όπως η προστασία των πνευματικών δικαιωμάτων, προστασία της ταυτότητας, η λήψη δακτυλικών αποτυπωμάτων και η απόκρυψη του σφάλματος. Όσον αφορά τη προστασία της ιδιωτικής ζωής, υπάρχουν μέθοδοι που σε αντίθεση με την περιοχή της τροποποίησης ενδιαφέροντος, ενσωματώνουν κάποιες πληροφορίες μέσα στην τροποποιημένη εκδοχή της εικόνας ή του βίντεο [8], [10]. III. ΠΡΟΣΤΑΣΙΑ ΟΠΤΙΚΗΣ ΙΔΙΩΤΙΚΟΤΗΤΑΣ A. Τεχνικές Προστασίας της Οπτικής Ιδιωτικότητας Πρέπει να σημειώσουμε ότι η ιδιωτικότητα των ανθρώπων πρέπει να προστατεύεται τόσο από εξωτερικούς εισβολείς αλλά και από το προσωπικό του οργανισμού διαχείρισης. Σημειώστε ότι, τα ευφυή συστήματα παρακολούθησης απειλούν το δικαίωμα του ατόμου στην ιδιωτική ζωή, λόγω της αυτόματης παρακολούθησης [11]. Όταν το σύστημα παρακολουθεί την κίνηση π.χ. σε μια διασταύρωση υποτίθεται ότι παρακολουθεί την συμπεριφορά των οχημάτων. Σε αυτή την περίπτωση όμως θα πρέπει να προσπαθήσουν να διατηρήσουν την ανωνυμία των ανθρώπων που οδηγούν το όχημα, με την απόκρυψη της ταυτότητας ή με τη χρήση κάποιου είδους μηχανισμού προστασίας της ιδιωτικότητας. Ως εκ τούτου, όταν οι υπεύθυνοι παρακολούθησης, παρακολουθούν π.χ. ένα βίντεο συνεχούς ροής σε κανονικές συνθήκες, τότε θα πρέπει να υλοποιηθούν είτε τεχνικές απόκρυψης, είτε τεχνικές θόλωσης/παραμόρφωσης των περιοχών που αποκαλύπτουν την ταυτότητα των ατόμων μέσω των εικόνων (π.χ. αριθμός οχήματος, πινακίδα, εικόνα οχήματος, πρόσωπο πεζών κτλ). Ανάλογα με το βαθμό της ανάλυσης, οι παρατηρητές στην αίθουσα ελέγχου μπορεί έχουν κανονική πρόσβαση με λιγότερα προνόμια σε φυσιολογικές συνθήκες (χαμηλή ανάλυση) και υψηλότερα δικαιώματα σε μια κατάσταση έκτακτης ανάγκης ή σε μία κατάσταση επιβολής του νόμου (υψηλή ανάλυση). Όποια και αν είναι η περίπτωση, θα πρέπει να θεσπισθούν κατάλληλοι μηχανισμοί ελέγχου πρόσβασης προκειμένου να ελαχιστοποιηθούν οι πιθανότητες να εκτελούνται παράνομες διαδικασίες από τους παρατηρητές, να μειωθεί η εισβολή της ιδιωτικής ζωής και να κάνουν αυτά τα συστήματα ευρύτερα αποδεκτά. B. Η υδατοσήμανση ως μέθοδος προστασίας Η ψηφιακή υδατοσήμανση είναι μία μεθοδολογία που εστιάζει στη προστασία των πνευματικών δικαιωμάτων. Σύμφωνα με αυτή μπορούμε να ενθέσουμε κρυφή πληροφορία όπου θα μπορούσε να είναι ένα λογότυπο, ένας αριθμός, μία υπογραφή, μία ετικέτα ή κάποιο είδος χρήσιμης πληροφορίας. Η κατάσταση ένθεσης μπορεί να είναι ορατή ή αόρατη, αλλά συνήθως μας ενδιαφέρι να ικανοποιούμε την ιδιότητα του αδιόρατου (invisibility). Επιπλέον, ενδιαφερόμαστε για την αντίληψη της κρυφής πληροφορίας καθώς και για την οπτική παρουσίαση της κρυφής πληροφορίας π.χ. η οπτική υποβάθμιση μίας εικόνας δεν είναι αποδεκτή [12]. Υπάρχουν όμως και επιπλέον ιδιότητες όπως η έννοια της ευρωστίας (robustness) έναντι κακόβουλων ή ακούσιων επιθέσεων καθώς και το μέγεθος των πληροφοριών που μπορεί να εισαχθεί στα δεδομένα μας με αξιόπιστο τρόπο χωρίς να γίνονται αντιληπτά [13]. Εδώ θα πρέπει να σημειώσουμε ότι η μη-ορατή υδατοσήμανση μπορεί να χρησιμοποιηθεί για λόγους προστασίας της ιδιωτικότητας, όπου αντί να εισάγει πληροφορίες για τον κάτοχο, το αρχικό βίντεο ενθέτεται μέσα στην προστατευμένης ιδιωτικότητας έκδοσή του. C. Συστήματα προστασίας της ιδιωτικότητας (Privacy aware systems) Σε ό, τι ακολουθεί, πρόκειται να θέσουμε το πλαίσιο των προδιαγραφών της πολιτικής που αφορά τη προστασία της ιδιωτικότητας και των τεχνικών πτυχών που το σύστημά μας θα πρέπει να ακολουθήσει. Τα δεδομένα μας προέρχονται από δεδομένα οδικής κυκλοφορίας και διασταυρώσεων, όπου βασικά, παρακολουθούμε τα οχήματα και θα πρέπει να διαφυλαχθεί η ιδιωτικότητα της ταυτότητας του οχήματος. Λόγω του δημόσιου χώρου, όλες αυτές οι οντότητες δεν έχουν δώσει απαραίτητα τη συγκατάθεσή τους, οπότε θα πρέπει να αποσαφηνίσουμε πότε χρειάζεται να προστατεύσουμε την ιδιωτικότητα κάθε οχήματος ξεχωριστά. Στην περίπτωση αυτή η προστασία της ιδιωτικότητας έχει να κάνει με την προστασία των ευαίσθητων πληροφοριών, όπως το σχήμα του οχήματος ή της πινακίδας του οχήματος (Εικόνα 1 και Εικόνα 2). Κατά συνέπεια, μπορούμε να μιλήσουμε για την ταυτότητα του ατόμου μέσω της ταυτότητας του οχήματος. Επιπλέον, οι ευαίσθητες πληροφορίες, ορίζουν μια περιοχή ενδιαφέροντος που στην περίπτωσή μας είναι η περιοχή που το σχήμα του οχήματος καθορίζει. Παρατηρούμε επίσης ότι και άλλα οπτικά στοιχεία όπως το χρώμα, ο τύπος του οχήματος, όπως η μάρκα, το μοντέλο, το χρώμα, το λογότυπο, το μέγεθος ή το σχήμα θα μπορούσε εύκολα να χρησιμοποιηθούν για τον εντοπισμό του 35

4 οχήματος και, μέσω αυτού της ταυτότητας του ατόμου. Συνεπώς, αυτές οι οπτικές ενδείξεις πρέπει να εξεταστούν προκειμένου να προστατεύεται η ιδιωτικότητα καθώς επηρεάζουν την επιλογή του ποιές περιοχές ενδιαφέροντος θα πρέπει να προστατεύονται. Η μορφή των δεδομένων μας είναι σε μορφή βίντεο όπου ως γνωστόν μεταφέρουν τεράστιες ποσότητες πληροφοριών, όπου μπορεί να χαρακτηριστούν ως ευαίσθητες. Τα δεδομένα βίντεο έχουν την δυνατότητα να συλλέγουν πλούσιες πληροφορίες όπως το παρκάρισμα οχημάτων, η κυκλοφοριακή συμφόρηση και οι τροχαίες παραβάσεις. Αυτά τα δεδομένα μπορεί να ειδωθούν και διαχειριστούν από ανθρώπουςχειριστές που παρακολουθούν συνεχώς τις οθόνες, που ψάχνουν για συγκεκριμένες δραστηριότητες ή ενέργειες ή μπορεί να παρακολουθούνται μέσω ενός έξυπνου συστήματος παρακολούθησης. Το αρχικό βίντεο θα πρέπει να διατηρείται και θα πρέπει να ανακτάται μόνο υπό τη κατάλληλη εξουσιοδότηση. Κάτι τέτοιο είναι ιδιαίτερα σημαντικό για οποιαδήποτε πολιτική προστασίας της ιδιωτικότητας, από τη στιγμή που όλα τα χρησιμοποιούμενα σχήματα είναι επιλεκτικά με την έννοια ότι το ευαίσθητο περιεχόμενο προορίζεται για συγκεκριμένη ομάδα με συγκεκριμένο σκοπό [10]. Οι μη εξουσιοδοτημένες οντότητες, οι οποίες δεν διαθέτουν π.χ. το μυστικό κλειδί σε μια διαδικασία κρυπτογράφησης, μπορούν να δουν μόνο μια διαστρεβλωμένη εκδοχή του περιεχομένου, όπου τα ευαίσθητα για λόγους ιδιωτικότητας δεδομένα αποκρύπτονται. Από την άλλη πλευρά, οι εξουσιοδοτημένες οντότητες όπως οι αρχές επιβολής του νόμου, μπορεί να αποκωδικοποιήσουν τα δεδομένα και να ανακτήσουν την πραγματική σκηνή [14]. Στην περίπτωσή μας, αν κάποιος θέλει να έχει πρόσβαση στα αρχικά δεδομένα βίντεο, αυτός ή αυτή που έχει την ανάγκη να έχει πρόσβαση στα αρχικά δεδομένα θα πρέπει μαζί με τις αρχές επιβολής του νόμου να μπορεί να την αποκτά. Το επόμενο βήμα αφορά στην επιβεβαίωση ότι αυτά είναι τα αυθεντικά στοιχεία. Αυτό συμβαίνει με την ανίχνευση του υδατογραφήματος που έχει ενσωματωμένο κατά τη διαδικασία της αποθήκευσης δεδομένων. Εν συνεχεία, τα δεδομένα βίντεο μπορούν να χρησιμοποιηθούν π.χ. σε κάποιο δικαστήριο ως αποδεικτικά στοιχεία. Υπάρχουν επίσης και άλλα ερωτήματα που χρειάζονται απαντήσεις. Με βάση το έργο των συγγραφέων [3], προτείνοντας ένα επιθυμητό σύστημα προστασίας της ιδιωτικότητας, θα πρέπει κανείς να είναι σε θέση να απαντήσει στα εξής ερωτήματα. Ποιος και τι θα πρέπει να προστατεύονται; Στην περίπτωσή μας η προστασία αφορά δύο συνιστώσες κατευθύνσεις. Πρώτον, μέσω υδατογράφησης να διατηρήσει την αυθεντικότητα των δεδομένων μας. Στη συνέχεια, χρησιμοποιώντας τη διαδικασία φιλτραρίσματος, να προστατεύσει την ιδιωτικότητα των αντικειμένων ενδιαφέροντος (αυτοκίνητα, οδηγοί κλπ). Προσοχή θα πρέπει να δοθεί για τους περιορισμούς πραγματικού χρόνου. Αυτό σημαίνει ότι ενώ κάποιος εργαζόμενος θα δει αμέσως τη φιλτραρισμένη εκδοχή του αρχικού βίντεο, ταυτόχρονα ή σε δεύτερο χρόνο θα λάβει μέρος η διαδικασία της υδατογράφησης. Πώς θα πρέπει να προστατεύεται η ιδιωτικότητα στο προτεινόμενο σύστημα επιτήρησης; Η ιδιωτικότητα προστατεύεται από την τροποποίηση της περιοχής ενδιαφέροντος. Παρατηρήστε ότι η ανιχνευμένη περιοχή ενδιαφέροντος σχετίζεται με ένα κινούμενο όχημα. Η προστασία παρέχεται δίνοντας την ευκαιρία στους υπεύθυνους παρακολούθησης να μην παρακολουθούν το αρχικό βίντεο, αλλά το βίντεο όπου οι περιοχές ενδιαφέροντος τροποποιούνται με ένα φίλτρο κίνησης (motion filter). Με αυτόν τον τρόπο το δικαίωμα ελέγχου του αρχικού βίντεο ανήκει μόνο στις αρμόδιες αρχές επιβολής του νόμου. Πώς μπορούμε να προστατεύσουμε την ιδιωτικότητα χωρίς να χαθεί η χρησιμότητα (π.χ. αντιληπτική ορατότητα, κλπ); Η αντιληπτική ορατότητα των αντικειμένων δεν μειώνεται. Όλα τα δεδομένα που σχετίζονται με ένα ανιχνευμένο αντικείμενο είναι παρόντα στο αρχικό βίντεο. Επιπλέον, οι υπεύθυνοι παρακολούθησης μπορούν να αναλύσουν την κίνηση, τη συμπεριφορά των οχημάτων και να αντιληφθούμε ένα γεγονός χωρίς να είμαστε σε θέση να δούμε τα χαρακτηριστικά του οχήματος άμεσα. Ακόμη και στην περίπτωση που χρειαζόμαστε όλες τις πληροφορίες που υπάρχουν στο βίντεο, υπάρχουν εγγυήσεις για να εξασφαλίσουν την ασφάλεια των δεδομένων (π.χ. υδατογράφηση), παρέχοντας παράλληλα τη δυνατότητα να αντλήσουμε συμπεράσματα αλλά και να λάβουμε αποφάσεις από το αρχικό βίντεο. IV. ΜΕΘΟΔΟΛΟΓΙΑ, ΣΥΛΛΟΓΗ ΔΕΔΟΜΕΝΩΝ, ΑΠΟΤΕΛΕΣΜΑΤΑ A. Τεχνικές Προστασίας της Οπτικής Ιδιωτικότητας Για να εφαρμοστεί ο αλγόριθμος υδατογράφησης, θα πρέπει να εκτελέσουμε έναν αλγόριθμο αυτόματης ανίχνευσης και παρακολούθησης της κίνησης των κινούμενων αντικειμένων σε ένα βίντεο με τη βοήθεια μιας στατικής κάμερας. Αποτελούν σημαντικά συστατικά της εφαρμογής, δεδομένου ότι μπορούμε να αναγνωρίσουμε τη ροή της κυκλοφορίας ή περίεργες δραστηριότητες οχήματος και να παρέχουμε, π.χ. οδική ασφάλεια. Πριν εφαρμόσουμε τη μεθοδολογία μας, πρέπει να έχουμε πρόσβαση στα δεδομένα της κάμερας ή του βίντεο που θέλουμε να επιτηρήσουμε. Έτσι, μπορούμε να απεικονίσουμε και να αναλύσουμε βίντεο ή ακολουθίες εικόνων που μας ενδιαφέρον και στην περίπτωσή μας, έχοντας ως βάση ένα πλαίσιο (frame), μπορούμε να διερευνήσουμε τα δεδομένα βίντεο και μετά από μία διαδικασία δύο βημάτων να μπορούμε να δούμε τα αποτελέσματα. 1. Ανίχνευση των κινούμενων αντικειμένων σε κάθε καρέ (πλαίσιο): Σε αυτό το βήμα θα καταφύγουμε σε έναν αλγόριθμο απομάκρυνσης του φόντου που βασίζεται στο μοντέλο της μείξης Gaussian κατανομών [15]. 2. Σύνδεση των ανιχνευμένων ιχνών που αντιστοιχούν στο ίδιο αντικείμενο με την πάροδο του χρόνου: Η ένωση ανιχνεύσεων στο ίδιο αντικείμενο βασίζεται αποκλειστικά στην κίνηση. Η κίνηση του κάθε ίχνους υπολογίζεται με ένα Kalman φίλτρο. Θα πρέπει να λαμβάνονται υπόψη θέματα που αφορούν την 36

5 διατήρηση του ίχνους, την ενημέρωσή του καθώς και τη διαγραφή. Το αποτέλεσμα της ανίχνευσης των ιχνών των αντικειμένων που εμφανίζονται βασίζεται σε μια διαδικασία που σχεδιάζει ένα πλαίσιο οριοθέτησης και μία αναγνωριστική ετικέτα για κάθε ίχνος στο καρέ του βίντεο καθώς και των στοιχείων του προσκηνίου (Εικόνα 3). Στη συνέχεια, εμφανίζεται το πλαίσιο και η μάσκα στους αντίστοιχους αναπαραγωγείς βίντεο (video players). Έτσι εξασφαλίζεται ότι ένα μη εξουσιοδοτημένο μέλος του προσωπικού σε μία αίθουσα ελέγχου, θα είναι σε θέση να δεί την κίνηση και τη γενική συμπεριφορά του οχήματος, αλλά δεν θα είναι σε θέση να καταλάβει τι είδους όχημα είναι και ποια είναι τα χαρακτηριστικά του, εφαρμόζοντας ένα φίλτρο θολώματος βάσει κίνησης ή αλλοιώνοντας τα χαρακτηριστικά του. Στην Εικόνα 3 μπορούμε να δούμε σχηματικά αυτή της διαδικασία. Μόλις ένα όχημα εντοπιστεί και εν συνεχεία παρακολουθηθεί το ίχνος του βάσει της περιοχής ενδιαφέροντος, η περιοχή που σημειώνεται στη μάσκα είναι η περιοχή που φιλτράρεται στο αρχικό καρέ. Στη συνέχεια, σε πραγματικό χρόνο, εμφανίζονται ως ανιχνευμένες, θολές όμως, περιοχές. Αλλά, τι γίνεται με τη δυνατότητα της ανάκτησης του αρχικού βίντεο με ασφάλεια; Εδώ θα πρέπει να τονίσουμε ότι υπάρχουν τρεις οθόνες αναπαραγωγής του βίντεο, οι οποίες περιγράφονται οπτικά. Αυτό που ένας υπεύθυνος στην αίθουσα ελέγχου βλέπει είναι η τρίτη οθόνη, η οποία αντιπροσωπεύει όλη την κίνηση, επιτρέπει τον έλεγχο των διαφόρων συμπεριφορών, αλλά κρύβει σημαντικά αντικείμενα παρατήρησης όπως τα οχήματα. [16]. Έτσι, η αδυναμία να προστατεύσουμε πλήρως την ιδιωτική ζωή των ατόμων παραμένει, αποκαλύπτονται όμως οι διαδρομές τους, η κίνηση, το σχήμα, και ακόμη και τα επίπεδα έντασης -ανάλογα με το χρησιμοποιημένο φίλτρο. Εικόνα 3. Σχηματικό διάγραμμα του προτεινόμενου συστήματος για την ανίχνευση και διαχείριση των κινούμενων αντικειμένων καθώς και τη συνεπακόλουθη αναγνώρισηκαι φιλτράρισμα της περιοχής ενδιαφέροντος Όσον αφορά την επιλογή των δεδομένων, επιλέξαμε τα δεδομένα βίντεο βάσει μίας στατικής κάμερας. Γι αυτό το λόγο επιλέξαμε τη βάση δεδομένων βίντεο MIT traffic data set [17]. Επίσης χρησιμοποιήθηκαν δεδομένα βίντεο που προσφέρει το υπολογιστικό περιβάλλον της Matlab [18]. B. Υδατοσήμανση στο πεδίο του Διακριτού Μετασχηματισμού Συνημιτόνου (DCT) Για να εφαρμοστεί ο αλγόριθμος υδατογράφησης, θα πρέπει να εκτελέσουμε έναν αλγόριθμο αυτόματης ανίχνευσης και παρακολούθησης της κίνησης των κινούμενων αντικειμένων σε ένα βίντεο με τη βοήθεια μιας στατικής κάμερας. Η επιβεβαίωση της ύπαρξης ενός υδατοσήματος βασίζεται στις στατιστικές ιδιότητες των DCT συντελεστών και στο πρόβλημα της δυαδικής υπόθεσης. Ο προτεινόμενος έλεγχος είναι τυφλός, που σημαίνει ότι υλοποιείται χωρίς τη χρήση των αρχικών δεδομένων. Στο προτεινόμενο πλαίσιο, μπορούμε εύκολα να χρησιμοποιήσουμε τα αρχικά δεδομένα από τη στιγμή που τα αποθηκεύουμε ξεχωριστά. Οπότε, εάν οι υπεύθυνοι επιβολής του νόμου θέλουν να επιβεβαιώσουν την ύπαρξη του υδατοσήματος μπορούμε να χρησιμοποιήσουμε έναν ανιχνευτή συσχέτισης ή πιο εξελιγμένους ανιχνευτές. Εικόνα 4. Αφαιρετικό διάγραμμα ένθεσης υδατοσήματος και ανίχνευση υδατοσήματος χρησιμοποιώντας block DCT Οι δυνατότητες της υδατοσήμανσης στο προτεινόμενο πλαίσιο αφορούν δύο περιπτώσεις: Α) την υδατοσήμανση όλου του περιεχομένου που περιγράφουν το πλαίσιο ενδιαφέροντος ή Β) τη περιοχή ενδιαφέροντος που ορίζονται από τα ίχνη των αντικειμένων σε κάθε πλαίσιο (όπου έχει αναγνωριστεί ένα αντικείμενο-όχημα) Η γενική ιδέα είναι η ίδια, αλλά στη περίπτωση όπου επιλέγουμε τη δεύτερη περίπτωση, θα πρέπει να συνυπολογίσουμε και ελέγξουμε ποιά είναι τα επιπλέον χαρακτηριστικά που χρειαζόμαστε. Ακόμη όμως και όταν οι μέθοδοι προστασίας της ιδιωτικότητας υφίστανται, η τήρηση και η εφαρμογή τους αποτελεί ακόμη ανοικτό ζήτημα. Στην Εικόνα 6, παρατηρούμε αρκετές λεπτομέρειες που αναδεικνύουν αρκετά από τα προβλήματα που συναντούμε. Οι περιοχές που εντοπίστηκαν αφορούν συνιστώσες της κίνησης (π.χ. οχήματα, πεζοί). Παρά το γεγονός ότι, μπορούμε να παρατηρήσουμε ότι υπάρχουν σταθμευμένα οχήματα, όπως αυτά που περιμένουν να γυρίσουν στο σταυροδρόμι. Τα οχήματα αυτά εκτίθενται για μεγάλο χρονικό διάστημα, χωρίς να μεταφέρουν μαζί τους (ως περιοχή ενδιαφέροντος) το τροποποιητικό φιλτράρισμα. Σημειώνουμε για παράδειγμα, το αντικείμενο με την ετικέτα 14, όπου ένα μέρος του είναι εκτεθειμένο. Επιπλέον, το αυτοκίνητο το οποίο είναι λίγο πιο 37

6 πάνω από την ετικέτα 14 έχει σταματήσει και είναι επίσης για πολύ χρόνο εκτεθειμένο. επιπλέον πρόβλημα είναι ότι η κάμερα είναι σταθερή καθ όλη τη διάρκεια της ημέρας. Συνεπώς οι συνθήκες φωτισμού κάτω από τις οποίες η κάμερα συλλαμβάνει την κίνηση μεταβάλλονται, προκαλώντας έτσι πρόσθετα προβλήματα. (α) (β) (γ) Εικόνα 6. Πλαίσιο με θολωμένες ανιχνευμένες περιοχές ενδιαφέροντος. Σημειώνουμε ότι, η συγκεκριμένη σκηνή εμφανίζει υψηλό βαθμό λεπτομέρειας και ο στόχος της ανίχνευσης πολλών αντικειμένων γίνεται πολυπλοκότερος. Από την άλλη, η υδατοσήμανση βίντεο έχει τα δικά της χαρακτηριστικά. Αυτό που αποδείχθηκε από την έρευνά μας είναι ότι είναι καλύτερο να κάνει κανείς υδατογράφηση μίας περιοχής από ό, τι σε ολόκληρο το καρέ. Τα κέρδη είναι πολλαπλά, δεδομένου ότι μπορεί να εξοικονομήσει χρόνο, ενώ η ανθεκτικότητα ενάντια σε επιθέσεις είναι καλύτερη. Η υιοθέτηση της επεξεργασίας εικόνας και βίντεο τεχνικών θα μπορούσε να είναι πολύ χρήσιμη σε πολλά προβλήματα στο τομέα των μεταφορών, υπακούοντας στη διατήρηση της ιδιωτικότητας των ευαίσθητων πληροφοριών. Στην πράξη, βέβια, η εμπλοκή ενός ανθρώπου αποτελεί βασικό και αναντικατάστατο στοιχείο. Έτσι, ένας άνθρωπος-χειριστής θα μπορούσε να βοηθήσει στη βελτίωση της απόδοσης, στην εφαρμογή της επιβολής του νόμου, με συνέπεια όλοι να κερδίζουναπό μία τέτοια διαδικασία. ΑΝΑΓΝΩΡΙΣΗ (δ) Εικόνα 5. Δύο αναπαραγωγείς βίντεο που εμφανίζουν μία συγκεκριμένη στιγμή (α, β) τρία αυτοκίνητα: το αρχικό βίντεο και η φιλτραρισμένη εκδοχή του βίντεο (γ, δ) αντίστοιχα αποτελέσματα με δύο αυτοκίνητα H παρούσα έρευνα έχει συγχρηματοδοτηθεί από την Ευρωπαϊκή Ένωση (Ευρωπαϊκό Κοινωνικό Ταμείο - ΕΚΤ) και από εθνικούς πόρους μέσω του Επιχειρησιακού Προγράμματος «Εκπαίδευση και Δια Βίου Μάθηση» του Εθνικού Στρατηγικού Πλαισίου Αναφοράς (ΕΣΠΑ) Ερευνητικό Χρηματοδοτούμενο Έργο: ΑΡΧΙΜΗΔΗΣ ΙΙΙ. Επένδυση στην κοινωνία της γνώσης μέσω του Ευρωπαϊκού Κοινωνικού Ταμείου. Το ίδιο συμβαίνει και με τους πεζούς. Επιπλέον, ο υψηλός βαθμός λεπτομέρειες καθιστά δύσκολο να ανιχνευθούν τα αντικείμενα ενδιαφέροντος, π.χ. στο δεξιό μέρος του πλαισίου, όπου τα δέντρα κρύβουν τα οχήματα ή τους περαστικούς. Ένα 38

7 ΑΝΑΦΟΡΕΣ [1] R. P. Loce, E. A. Bernal, W. Wu, R. Bala, Computer vision in roadway transportation systems: a survey, Journal of Electronic Imaging 22(4), Oct Dec, 2013 [2] Korshunov P., Ebrahimi T., (2014), Towards Optimal Distortion-Based Visual Privacy filters, IEEE Int. Conf. Image Processing, pp [3] Yu X., K. Chinomi, T. Koshimizu, N. Nitta, Y. Ito, N. Babagushi, (2008). Privacy protecting visual processing for secure video surveillance, ICIP, pp [4] Fries R. N., Gahrooei a M. R., Chowdhury M., Conway A. J., (2012) Meeting privacy challenges while advancing intelligent transportation systems, Transportation Research Part C [5] Gulzar N, Abbasi B, Wu E, Ozbal A, Yan W (2013). Suveillance Privacy Protection, Intelligent Multimedia Surveillance, pp [6] Cavallaro A (2007). Privacy in Video Surveillance, IEEE Signal Processing Magazine, Vol. 24, No. 2, [7] Rajpoot Q. M., C. D. Jensen. (2014) Security and Privacy in Video Surveillance: Requirements and Chalenges, IFIP AICT 428 pp [8] Padilla-Lopez J. R., Chaaraoui A.A., Florez-Revuelta F., (2015), Visual privacy protection methods: A survey, Expert Systems with Application, 42: [9] Hampapur, A., (2008) Smart Video Surveillance for Proactive Security. IEEE Signal Processing Magazine 25, 136 [10] Paruchuri J. K, S.-C. Cheung. (2009) Michael W Hail Video Data Hiding for Managing Privacy Information in Surveillance Systems, Eurasip Journal on Information Security, [11] Adams, A. A., Ferryman J.M (2013). The future of video analytics for surveillance and its ethical implications, Security Journal, [12] Langelaar G. C., I. Setyawan, and R. L. Lagendijk, (2000) Watermarking digital image and video data: A state-of-the-art overview, IEEE Signal Processing Magazine, vol. 17, no. 5, pp , September [13] Mairgiotis A. K, N. P Galatsanos, Y. Yang. (2008). New additive watermark detectors based on a hierarchical spatially adaptive image model, IEEE Trans. on Information Forensics and Security, 3 (1), [14] Dufaux F., Ebrahimi, T.: Scrambling for Privacy Protection in Video Surveillance Systems. IEEE Transactions on Circuits and Systems for Video Technology 18, (2008) [15] Stauffer C., Grimson, W.E.L. (1999). Adaptive background mixture models for real-time tracking, Computer Vision and Pattern Recognition, [16] Newton E. M., L. Sweeney, and B. Main, Preserving privacy by deidentifying face images, IEEE Transactions on Knowledge and Data Engineering, vol. 17, no. 2, pp , 2005 [17] Wang X., X. Ma and E. Grimson. (2009). Unsupervised Activity Perception in Crowded and Complicated scenes using Hierarchical Bayesian Models, IEEE Trans. On Pattern Analysis and Machine Intell., Vol. 31, pp [18] Mathworks: 39