現在、人々はあらゆる種類の環境を監視するための視覚技術に大きな関心を持っています。これには、セキュリティ、資源管理、広告など、多くの目的があるかもしれません。しかし、視覚技術の導入は常に社会全体から疑問視されています。なぜなら、この技術が個人のプライバシーを侵害するために使われる可能性があると考えられているからです。この緊張関係はデータマイニングのすべての分野で一般的ですが、2つの理由から、コンピュータビジョンにおいて特に深刻な問題となっています。
1）技術がデフォルトで人々の行動を記録するため、プライバシー侵害の認識が特に強い。
2）現在の視覚ベースの監視方法は通常、物体追跡または物体の輪郭や斑点などの画像要素に基づいており、これはある種の「識別」または
素人の目から見ると、環境監視には多くの問題があり、個人を明示的に追跡することなく解決することができます。これらは、環境の全体的な分析によってタスクを実行するために必要なすべての情報を収集する問題です。例えば、交通流量の監視、公共空間での妨害の検出、高速道路での速度超過の検出、または移動する群衆の規模の推定などです。定義上、これらのタスクは1）「群衆」全体、または2）個人の群衆からの「逸脱」の属性に基づいています。どちらの場合も、タスクを完了するには、群衆の行動パターンを適切にモデル化する必要があります。そうすると、イベントをこれらのパターンの変化として検出することができ、異常な個人の行動を群衆の行動に関する外れ値として検出することができます。これにより、十分な理由がない限り、個人の身元が保護されます。
この研究では、個人追跡に反対し、したがってプライバシーを保護する新しい監視技術の手法を提案します。我々は、歩行者数のカウント問題を用いて、この新しい定式化を説明します。これは、視覚技術がプライバシー侵害的な方法で解決する問題の典型的な例です。すなわち、シーン内の人を検出し、時間とともに追跡し、軌道の数をカウントすることです。これらの方法とは異なり、我々は、歩行者数のカウント目標を達成するために、歩行者検出、物体追跡、または物体ベースの画像要素は実際には必要ないことを示します。たとえ群衆が大規模で不均一で、異なるダイナミクスを持つサブコンポーネントを持っている場合でもです。実際、我々は、プライバシー保護監視の制約の下で考えると、問題は実際にはより簡単になると考えています。我々は、群衆を関心のあるサブ部分に分割する方法を開発し（例えば、異なる方向に移動する群衆）、各コンポーネントの全体的な属性を分析することで人数を推定します。これは非常に堅牢で正確であることが示されています。また、このシステムは、シーン内の人物の視覚的な記録を生成しないハードウェア、すなわち低レベルの機能（例えば、セグメンテーション、エッジ、テクスチャ）を出力する専用カメラを使用して実装することができるため、プライバシーを保護することもできます。