Ein NGO blurs Gesichter in Videos ohne Kosten.

Datenprivatsphäre ist ein wichtiges Thema, besonders für NGOs, die oft mit empfindlichen Geschichten arbeiten. Ein solches Projekt erforderte, dass Gesichter in einem Video unscharf gemacht wurden, um die Identität der Beteiligten zu schützen. Die Anforderung klang einfach, stellte sich jedoch als komplex heraus. Die NGO suchte zunächst nach professionellen Editoren und Online-Tools, doch viele von ihnen boten entweder zu hohe Preise oder nur eine allgemeine Unscharfheit an, die nicht gezielt auf Gesichter beschränkt war. Andere Tools hatten zudem Limitierungen bei der Anzahl der Exporte pro Monat, was die Arbeit erschwerte. Um mehr Kontrolle zu erlangen, wurde ein einfacher Workaround entwickelt. Ein Video besteht aus einer Reihe von Bildern, die pro Sekunde etwa 24 bis 30 Mal abgespielt werden. Das Prinzip ist ähnlich einem Flipbook oder einem alten handbetriebenen Bildschirm, bei dem schnell hintereinander Bilder gezeigt werden, um den Eindruck von Bewegung zu erzeugen. Mit diesem Wissen wurde ein Python-Skript unter Verwendung von OpenCV und Ikomia erstellt, um das Video in Einzelbilder aufzuteilen, die Gesichter zu unscharfen und anschließend die Bilder wieder in ein Video zusammenzufügen. Der Prozess begann mit der Extraktion aller Frames aus dem Video. Anschließend wurden mit Ikomia Gesichter erkannt und unscharf gemacht. Dabei wurde auch eine manuelle Überprüfung der unscharfen Bilder eingebaut, um sicherzustellen, dass nur die gewünschten Gesichter verpixelt wurden. Die Bilder wurden in zwei Versionen gespeichert: eine unscharfe und eine Originalversion. Danach wurden die unscharfen Bilder in das Video eingefügt, wobei auf die Anzahl der Frames geachtet wurde, um die Audio-Synchronisation nicht zu stören. Zusätzlich wurde der Originalton mit ffmpeg zurückgespielt, um das Video vollständig zu rekonstruieren. Die Methode ist nicht für alle geeignet, insbesondere bei langen Videos oder bei großer Anzahl von Dateien. Allerdings bietet sie eine kostengünstige und flexible Lösung für NGOs, die nicht über große Budgets verfügen. Eine Erweiterung des Prozesses könnte die Integration von face_recognition sein, um nur unbekannte Gesichter zu unscharfen und bekannte zu ignorieren. Dies würde den Prozess automatisieren, aber die manuelle Überprüfung bleibt wichtig, da nicht alle sensiblen Elemente von der KI erkannt werden können. NGOs benötigen oft die Freiheit, selbst zu entscheiden, was unscharf gemacht wird, um ethische und vertrauenswürdige Entscheidungen zu treffen. Die Lösung ist nicht perfekt, aber sie ist schnell und kostengünstig. Sie kann in Google Colab ohne Installation und mit freiem Zugang ausgeführt werden. Das vollständige Skript ist online zugänglich, sodass andere es kopieren, anpassen oder weiterentwickeln können. Industrielle Bewertung: Die Methode zeigt, wie NGOs mit begrenzten Ressourcen kreative Lösungen entwickeln können, um Datenprivatsphäre zu schützen. Die Kombination aus OpenCV und Ikomia ist eine praktische Alternative zu kommerziellen Tools. Die Integration von face_recognition könnte den Prozess weiter optimieren. Solche Projekte sind besonders für Organisationen wichtig, die auf Budgets achten, aber gleichzeitig ethische Standards einhalten müssen. Die Arbeit unterstreicht auch die Notwendigkeit menschlicher Kontrolle, um Sicherheit und Genauigkeit zu gewährleisten.