Felismerhetőek-e az emberek az ortofotó mozaikon?

Az ortofotó-mozaikon 5 mm-nél kisebb terepi felbontásnál nem lehet biometriai, vagy egyéb közvetlen módszerekkel azonosítani egy felfelé tekintő ember arcát, és  a rendszámtáblák sem leolvashatóak. Ez könnyen belátható, hiszen a 0,5 cm felbontású arckép a bűnügyi híradók egyik arckitakarási megoldásával ekvivalens (Bakó és Molnár 2012).

Speciális esetekben, (ruházat színe, felételezett ott tartózkodás, ismert gépjármű jelenléte, stb.) számos tényező egymásra épülése esetén, közvetett módon valószínűsíthető egy személy jelenléte akár kisebb felbontásnál is, de semmi esetre sem bizonyító erejű (Florian et al 2015).

Ahhoz, hogy egy személy biztonságosan azonosítható legyen, merőlegesen a kamerába nézve legalább 200 pixelen kell leképződnie a szemtávolságnak (Hyunju et al. 2011), így egy egészséges felnőtt ember legfeljebb 12 cm-es szempár távolságát alapul véve a fél cm-es terepi felbontású ortofotó nemcsak a biztonságos azonosításához elégtelen, de amennyiben az arc "síkja" tökéletesen merőleges a kameratengellyel, akkor is kicsi a valószínűsége az azonosítás lehetőségének. Számos vizsgálat igazolja, hogy az egy cm tárgysíkbeli felbontás a legmodernebb javító és szűrési algoritmusok ellenére is lehetetlenné teszi az arc automatizált, vagy ismerős személyek által végzett manuális felismerését (Zou és Yuen 2012), és valójában a felismerési határ nagyjából fél cm terepi felbontásnál kezdődik, ahol egy emberi arc már több, mint 32 pixel szélességben képződik le (Xiang et al. 2014).

Amennyiben egy felvétel felbontása lehetővé teszi, hogy azon embereket, illetve gépjárműveket lehessen azonosítani, és a ,munkaterületre olyanok is beléphettek, akik nem fogadták el a fényképezés és publikálás feltételeit, az ő esetükben kitakarással, életlenítéssel, vagy random pixel eljárással kell biztosítani a felismerhetetlenséget.

Hiba volna a 0,5 cm-nél nagyobb felbontású felmérések lehetőségét korlátozni, mivel ma már számos természetvédelmi, gazdasági döntéstámogató és mezőgazdasági, valamint ökológiai felmérés ennél is nagyobb felbontásnál válik eszközölhetővé (Bakó et al 2014).

Bakó G., Molnár Zs. (2012): Arcfelismerő szoftverek és kapcsolódó szenzorok

Bakó G., Tolnai M., Takács Á. (2014): Introduction and Testing of a Monitoring and Colony-Mapping Method for Waterbird Populations That Uses High-Speed and Ultra-Detailed Aerial Remote Sensing, Sensors 2014, 14,

Hillen F., Meynberg O., Höfle B. (2015): Routing in Dense Human Crowds Using Smartphone Movement Data and Optical Aerial Imagery

Hyunju M., Hyun-Cheol C., Unsang P., Seong-Whan L., Anil K., Jaina b. (2011): Face Recognition at a Distance (Face Recognition Techniques) Part 1

Xiang X., Wanquan L., Ling L. (2014): Low Resolution Face Recognition in Surveillance Systems

Zou W.W.W., Yuen, P.C.(2012): Very Low Resolution Face Recognition Problem