The widespread deployment of surveillance cameras for facial recognition gives rise to many privacy concerns. This study proposes a privacy-friendly alternative to large scale facial recognition. While there are multiple techniques to preserve privacy, our work is based on the minimization principle which implies minimizing the amount of collected personal data. Instead of running facial recognition software on all video data, we propose to automatically extract a high quality snapshot of each detected person without revealing his or her identity. This snapshot is then encrypted and access is only granted after legal authorization. We introduce a novel unsupervised face image quality assessment method which is used to select the high quality snapshots. For this, we train a variational autoencoder on high quality face images from a publicly available dataset and use the reconstruction probability as a metric to estimate the quality of each face crop. We experimentally confirm that the reconstruction probability can be used as biometric quality predictor. Unlike most previous studies, we do not rely on a manually defined face quality metric as everything is learned from data. Our face quality assessment method outperforms supervised, unsupervised and general image quality assessment methods on the task of improving face verification performance by rejecting low quality images. The effectiveness of the whole system is validated qualitatively on still images and videos.

中文翻译：

---

智能帧选择作为面部识别的一种更加隐私的选择

用于面部识别的监视摄像机的广泛部署引起了许多隐私问题。这项研究提出了一种隐私友好的替代方案，可以代替大规模的面部识别。尽管有多种保护隐私的技术，但我们的工作基于最小化原则，即最小化收集的个人数据量。我们建议不对所有视频数据运行面部识别软件，而是自动提取每个检测到的人的高质量快照，而无需透露其身份。然后，对该快照进行加密，并且只有在获得合法授权后才能授予访问权限。我们介绍了一种新颖的无监督人脸图像质量评估方法，该方法用于选择高质量的快照。为了这，我们使用公开的数据集中的高质量人脸图像训练变分自动编码器，并使用重建概率作为衡量每种人脸作物质量的指标。我们实验确定重建概率可以用作生物特征质量的预测指标。与大多数以前的研究不同，我们从数据中学习到的一切都无需依赖人工定义的面部质量指标。我们的人脸质量评估方法在通过拒绝低质量图像改善人脸验证性能的任务上胜过有监督，无监督和常规的图像质量评估方法。整个系统的有效性在静止图像和视频上进行了定性验证。我们实验确定重建概率可以用作生物特征质量的预测指标。与大多数以前的研究不同，我们从数据中学习到的一切都无需依赖人工定义的面部质量指标。我们的人脸质量评估方法在通过拒绝低质量图像改善人脸验证性能的任务上胜过有监督，无监督和常规的图像质量评估方法。整个系统的有效性在静止图像和视频上进行了定性验证。我们实验确定重建概率可以用作生物特征质量的预测指标。与大多数以前的研究不同，我们从数据中学习到的一切都无需依赖人工定义的面部质量指标。我们的人脸质量评估方法在通过拒绝低质量图像改善人脸验证性能的任务上胜过有监督，无监督和常规的图像质量评估方法。整个系统的有效性在静止图像和视频上进行了定性验证。无监督和通用的图像质量评估方法，旨在通过拒绝低质量的图像来提高人脸验证性能。整个系统的有效性在静止图像和视频上进行了定性验证。无监督和通用的图像质量评估方法，旨在通过拒绝低质量的图像来提高人脸验证性能。整个系统的有效性在静止图像和视频上进行了定性验证。