3DIS bietet die Verpixelung von Fahrzeugen und Personen in 360° Panoramabildaufnahmen aus MobileMapping Befahrungsdaten oder in Bildern aus anderen Quellen an. Wir haben eine effektive Prozesskette entwickelt, um dies kostengünstig auf eigener Hardware und in enger Abstimmung mit dem Auftraggeber durchführen zu können.

Die Ansprüche an eine Verpixelung variieren und das Thema eröffnet schnell Diskussionen. Sprechen Sie uns an, um die für Sie beste Variante beim Vorgehen der Verpixelung und dem Umgang mit Fehlern zu besprechen.

Im Zusammenhang mit Verpixelung wird oft über eine tolerierte Fehlerquote gesprochen. Oft steht die Frage im Raum, ob eine automatische Erkennung in einem Datensatz den Bedingungen des Datenschutzes genügt. Verlangt wird teilweise „Anonymisierung nach aktuellem Stand der Technik“ oder „eine Fehlerquote kleiner als (hier eine beliebige Zahl) Prozent“. Doch der Sachverhalt lässt sich ähnlich schlecht auf eine einzige Wahrheit reduzieren, wie z.B.die Frage nach dem millimetergenauen Verlauf einer Küstenlinie.

Wenn Fehlerquoten angegeben werden, muss eine Vorstellung von Fehlerfreiheit vorhanden sein. Was müsste in einem vorliegenden Datensatz also unkenntlich gemacht worden sein, damit er zu 100% verpixelt ist? Schon bei zunächst eindeutigen Bildern oder unter Laborbedingungen, wie Sie unser Demonstrator zeigt, kann man verschiedener Auffassung sein.

Wie verschwommen muss ein Gesicht abgelichtet sein, damit es gerade nicht mehr identifizierbar ist? Ist ein 50×50 Pixel großes Gesicht aufgenommen aus 50m Entfernung noch zu erkennen? Was ist mit verdeckten Gesichern? Sollten Fahrzeuge mit undeutlichen Kennzeichen vorsichtshalber nochmals verpixelt werden? Dazu hat jeder seine eigene Wahrnehmung und Entscheidungen fallen von Person zu Person anders aus. Die Menge der zu verpixelnden Merkmale, welche der 100% Quote entsprechen, ist somit nicht allgemein zu definieren. Die Festlegung einer Fehlerquoten ist somit schwierig.

Wie können Sie als Kunde also die Qualität unserer Arbeit abschätzen, wenn wir aus oben genannten Gründen keine pauschale Erkennungsquote nennen können?

Treten Sie mit uns in Kontakt. Für einen kleinen repräsentativen Demodatensatz können wir auf Wunsch eine automatische Verpixelung durchführen. Aus dem Ergebnis erkennen sie die Erkennungsquote für diesen Demodatensatz, welche für Sie als Qualitätseinschätzung der späteren Verpixelungen dient. Kontakt

Bei der Verpixelung eines Datensatzes werden die Bilder einer automatischen Bilderkennung unterzogen. Es liegt leider in der Natur der Bilderkennung, dass das Ergebnis Fehler zweierlei Art enthalten kann, welche ein Mensch sofort bemerkt:

Art 1: „False Positives“ (zu viel verpixelt): Der Automat erkennt fälschlicherweise Personen/Fahrzeuge, obwohl dort keine sind. Dies betrifft oft Muster in Bäumen, Blättern, sowie Zäunen. Manchmal werden Häuserfronten, Container oder Garagen als Fahrzeuge erkennt.

Art 2: „False Negatives“ (zu wenig verpixelt): Der Automat „übersieht“ Bildbereiche mit Personen/Fahrzeugen, die zu verpixeln wären.

Zu beachten ist, das während dieses Schritts die Ergebnisqualität stark von den Aufnahmebedingungen abhängt. Bei Schritttempo im Sonnenschein geschossene Fotos lassen sich besser untersuchen als während der Fahrt aufgenommen Bilder im Morgengrauen.

Anschließend werden die erkannten Bildbereiche mit einem Weichzeichner-Effekt ohne scharfe Ränder versehen. Dabei werden erkennbare Bildinformationen dauerhaft gelöscht.

Die Berechnung erfolgt auf geschützten 3DIS-eigenen Servern. Ihre Daten verlassen zu keinem Zeitpunkt unser Unternehmen.

Merkmal: Eine Person oder ein Fahrzeug auf einem Foto (Panoramabild und/oder Einzelaufnahme)

Anonymisieren/verpixeln: Bildbereiche eines Fotos werden geschwärzt, verschwommen oder mit groben Pixelblöcken gefüllt

Erkennbare Person: Mensch, der von einem anderen Menschen auf einem Foto als Mensch erkennbar ist

Vollständig erkennbare Person: Erkennbare Person, die von Kopf bis Fuß vollständig auf einem Foto abgebildet ist

Gesichtsmerkmal: Merkmal eines Gesichts, die Personen voneinander unterscheidet (Kopfform, Frisur, Haarfarbe, Hautfarbe, weitere Merkmale wie Brille, Piercing). Durch Unterschiede von Gesichtsmerkmalen lassen sich  Personen identifizieren

Eindeutig identifizierbare Person: Erkennbare Person, die sich in einer Personengruppe wegen eindeutiger Gesichtsmerkmale identifizieren lässt

Nicht eindeutig identifizierbare Person: Erkennbare Person, die eine gewisse Erkennungsgrenze überschreitet, so dass sie nicht mehr eindeutig identifizierbar ist und womöglich nicht verpixelt werden muss

Im Kontext identifizierbare Person: Person, die aus dem Bildkontext heraus mit einer gewissen Wahrscheinlich für einen Bekannten identifizierbar ist. Beispiel: Weibliche Person in roter Jacke steigt vor Hausnummer 4 aus schwarzem VW Beetle. Das Gesicht der Person ist von der Seite verschwommen fotografiert für sich alleigenommen nicht zu identifizieren

Erkennbares Nummernschild: Nummernschild, das von einem Menschen auf einem Foto als Nummernschild eines Kfz erkennbar ist

Identifizierbares Nummernschild: Nummernschild, auf denen mindestens 3 Zeichen eindeutig lesbar sind

Eindeutig identifizierbares Nummernschild: Nummernschild, auf denen alle Zeichen eindeutig lesbar sind