人群监测的一个重要方面是了解我们正在处理多少人。有时候，仅仅在特定时刻和特定地点知道人群的规模就足够了。当跨不同地点计数同样的人或在较长时间内计数时，问题便会出现。在这些情况下，我们需要识别和随后重新识别一个人，这立即引发隐私担忧。直到最近，解决方案一直基于对随身设备的唯一识别，但隐私改进使得传输的信息被随机化，从而使这种技术基本无效。我们建议使用生物特征数据代替。我们引入了一个基于面部识别来计数人员的流程，但决不透露个人身份。为了计数，摄像头最初检测一个面孔，提取其特征，并使用模糊提取器推导出一个标识符。然后，原始的面部图像被删除。标识符被插入同态加密的布隆过滤器中。这允许在加密数据上直接进行不显式集合成员身份测试，使系统能够在不同地点或不同时间进行计数，而不透露任何身份。我们提供了我们方法的初步评估，显示出良好的结果。
Marzani等人（星期三）研究了这个问题。