Jeden Tag werden unzählige Bilder und Videos in öffentlichen Räumen wie Strassen, Parkplätzen und Verkehrsknotenpunkten sowie bei Interviews, Nutzerstudien, UX-Tests, Unterrichtsbewertungen und anderen Szenarien mit Teilnehmern aufgenommen. Dies wirft wichtige Fragen zum Thema Datenschutz und Privatsphäre auf. Unsere Demo veranschaulicht, wie fortschrittliche Technologien des maschinellen Lernens, wie YOLO (das sehr schnell, aber weniger genau ist) und FastRNN (langsamer, aber viel genauer), sensible Daten direkt am Ort der Aufnahme automatisch erkennen und anonymisieren können. Durch die schnelle Identifizierung von Verkehrsteilnehmern (Fussgänger, Radfahrer, Fahrzeuge, Busse usw.) oder menschlichen Gesichtern anonymisiert diese Lösung sofort die erkannten Objekte und Personen oder hebt sie visuell hervor, bevor die Daten das Aufnahmegerät verlassen.

Der Schutz der Privatsphäre ist in der heutigen datengesteuerten Umgebung von entscheidender Bedeutung, um die Identität von Personen zu schützen und die Einhaltung von Datenschutzbestimmungen zu gewährleisten. Diese Lösung zeigt, wie der Schutz der Privatsphäre bereits in der frühesten Phase in eingebettete Systeme oder Edge-Geräte integriert werden kann, sodass nur anonymisierte Erkennungsdaten übertragen oder gespeichert werden. Dadurch werden Datenschutzrisiken erheblich reduziert und Vertrauen aufgebaut.

Entdecken Sie diese Demo und erleben Sie hautnah, wie maschinelles Lernen nicht nur die Objekt- und Gesichtserkennung verbessert, sondern auch den Datenschutz stärkt, indem es die Anonymisierung in den Datenerfassungsprozess selbst integriert.