طمس الأجسام باستخدام Ultralytics YOLO11 🚀

ما هو تشويش الكائن؟

تمويه الأجسام باستخدام Ultralytics YOLO11 يتضمن تطبيق تأثير التعتيم على كائنات محددة مكتشفة في صورة أو فيديو. يمكن تحقيق ذلك باستخدام إمكانات نموذج YOLO11 لتحديد الأجسام داخل مشهد معين ومعالجتها.

شاهد: طمس الأجسام باستخدام Ultralytics YOLO11

مزايا طمس الكائنات

• حماية الخصوصية: يُعدّ تمويه الكائنات أداة فعالة لحماية الخصوصية من خلال إخفاء المعلومات الحساسة أو المعلومات الشخصية في الصور أو مقاطع الفيديو.
• التركيز الانتقائي: YOLO11 يسمح بالتشويش الانتقائي، مما يتيح للمستخدمين استهداف كائنات محددة، مما يضمن التوازن بين الخصوصية والاحتفاظ بالمعلومات المرئية ذات الصلة.
• المعالجة في الوقت الحقيقي: YOLO11 تمكّن كفاءة المعالجة في الوقت الحقيقي من تمويه الكائنات في الوقت الحقيقي، مما يجعلها مناسبة للتطبيقات التي تتطلب تحسينات على الخصوصية أثناء التنقل في البيئات الديناميكية.
• الامتثال التنظيمي: يساعد المؤسسات على الامتثال للوائح حماية البيانات مثل اللائحة العامة لحماية البيانات من خلال إخفاء المعلومات التي يمكن تحديد هويتها في المحتوى المرئي.
• اعتدال المحتوى: مفيد لطمس المحتوى غير المناسب أو الحساس في منصات الوسائط مع الحفاظ على السياق العام.

# Blur the objects
yolo solutions blur show=True

# Pass a source video
yolo solutions blur source="path/to/video.mp4"

# Blur the specific classes
yolo solutions blur classes="[0, 5]"

import cv2

from ultralytics import solutions

cap = cv2.VideoCapture("path/to/video.mp4")
assert cap.isOpened(), "Error reading video file"

# Video writer
w, h, fps = (int(cap.get(x)) for x in (cv2.CAP_PROP_FRAME_WIDTH, cv2.CAP_PROP_FRAME_HEIGHT, cv2.CAP_PROP_FPS))
video_writer = cv2.VideoWriter("object_blurring_output.avi", cv2.VideoWriter_fourcc(*"mp4v"), fps, (w, h))

# Initialize object blurrer object
blurrer = solutions.ObjectBlurrer(
    show=True,  # display the output
    model="yolo11n.pt",  # model for object blurring i.e. yolo11m.pt
    # line_width=2,  # width of bounding box.
    # classes=[0, 2],  # count specific classes i.e, person and car with COCO pretrained model.
    # blur_ratio=0.5,  # adjust percentage of blur intensity, the value in range 0.1 - 1.0
)

# Process video
while cap.isOpened():
    success, im0 = cap.read()

    if not success:
        print("Video frame is empty or processing is complete.")
        break

    results = blurrer(im0)

    # print(results")  # access the output

    video_writer.write(results.plot_im)  # write the processed frame.

cap.release()
video_writer.release()
cv2.destroyAllWindows()  # destroy all opened windows

ObjectBlurrer الحجج

إليك الجدول الذي يحتوي على ObjectBlurrer الحجج

إن ObjectBlurrer يدعم الحل أيضًا مجموعة من track الحجج

علاوة على ذلك، يمكن استخدام وسائط التصور التالية:

التطبيقات الواقعية

حماية الخصوصية في المراقبة

يمكن لكاميرات المراقبة وأنظمة المراقبة الأمنية استخدام YOLO11 لإخفاء الوجوه أو لوحات السيارات أو غيرها من المعلومات التعريفية تلقائياً مع الاستمرار في التقاط الأنشطة المهمة. يساعد ذلك في الحفاظ على الأمن مع احترام حقوق الخصوصية في الأماكن العامة.

إخفاء هوية بيانات الرعاية الصحية

في التصوير الطبي، غالباً ما تظهر معلومات المريض في عمليات المسح أو الصور. يمكن YOLO11 اكتشاف هذه المعلومات وطمسها للامتثال للوائح مثل HIPAA عند مشاركة البيانات الطبية لأغراض بحثية أو تعليمية.

تنقيح المستند

عند مشاركة المستندات التي تحتوي على معلومات حساسة، يمكن لـ YOLO11 اكتشاف عناصر محددة مثل التوقيعات أو أرقام الحسابات أو التفاصيل الشخصية وطمسها تلقائيًا، مما يسهل عملية التنقيح مع الحفاظ على سلامة المستند.

الوسائط وإنشاء المحتوى

يمكن لمنشئي المحتوى استخدام YOLO11 لطمس شعارات العلامة التجارية أو المواد المحمية بحقوق الطبع والنشر أو المحتوى غير اللائق في مقاطع الفيديو والصور، مما يساعد على تجنب المشكلات القانونية مع الحفاظ على جودة المحتوى بشكل عام.

الأسئلة الشائعة

ما هو تمويه الكائن مع Ultralytics YOLO11 ؟

تمويه الأجسام باستخدام Ultralytics YOLO11 يتضمن الكشف عن تأثير التعتيم وتطبيقه تلقائيًا على كائنات محددة في الصور أو مقاطع الفيديو. تعزز هذه التقنية الخصوصية من خلال إخفاء المعلومات الحساسة مع الاحتفاظ بالبيانات المرئية ذات الصلة. YOLO11 إمكانيات المعالجة في الوقت الحقيقي تجعلها مناسبة للتطبيقات التي تتطلب حماية فورية للخصوصية وتعديلات انتقائية للتركيز البؤري.

كيف يمكنني تنفيذ تمويه الأجسام في الوقت الحقيقي باستخدام YOLO11 ؟

لتنفيذ تمويه الأجسام في الوقت الحقيقي باستخدام YOLO11 ، اتبع المثال Python المقدم. يتضمن ذلك استخدام YOLO11 لاكتشاف الأجسام و OpenCV لتطبيق تأثير التعتيم. إليك نسخة مبسطة:

import cv2

from ultralytics import solutions

cap = cv2.VideoCapture("path/to/video.mp4")
assert cap.isOpened(), "Error reading video file"
w, h, fps = (int(cap.get(x)) for x in (cv2.CAP_PROP_FRAME_WIDTH, cv2.CAP_PROP_FRAME_HEIGHT, cv2.CAP_PROP_FPS))

# Video writer
video_writer = cv2.VideoWriter("object_blurring_output.avi", cv2.VideoWriter_fourcc(*"mp4v"), fps, (w, h))

# Init ObjectBlurrer
blurrer = solutions.ObjectBlurrer(
    show=True,  # display the output
    model="yolo11n.pt",  # model="yolo11n-obb.pt" for object blurring using YOLO11 OBB model.
    blur_ratio=0.5,  # set blur percentage i.e 0.7 for 70% blurred detected objects
    # line_width=2,  # width of bounding box.
    # classes=[0, 2],  # count specific classes i.e, person and car with COCO pretrained model.
)

# Process video
while cap.isOpened():
    success, im0 = cap.read()
    if not success:
        print("Video frame is empty or processing is complete.")
        break
    results = blurrer(im0)
    video_writer.write(results.plot_im)

cap.release()
video_writer.release()
cv2.destroyAllWindows()

ما هي فوائد استخدام Ultralytics YOLO11 لطمس الأجسام؟

Ultralytics YOLO11 العديد من المزايا لطمس الأجسام:

• حماية الخصوصية: إخفاء المعلومات الحساسة أو التي يمكن التعرف عليها بشكل فعال.
• تركيز انتقائي: استهداف كائنات محددة للتشويش، مع الحفاظ على المحتوى المرئي الأساسي.
• معالجة في الوقت الحقيقي: تنفيذ تشويش الكائنات بكفاءة في البيئات الديناميكية، ومناسبة لتحسينات الخصوصية الفورية.
• كثافة قابلة للتخصيص: اضبط نسبة التمويه لموازنة احتياجات الخصوصية مع السياق المرئي.
• التعتيم حسب الفئة: التعتيم الانتقائي لأنواع معينة فقط من الكائنات مع ترك الأنواع الأخرى مرئية.

لمزيد من التطبيقات الأكثر تفصيلاً، راجع قسم مزايا تمويه الأجسام.

هل يمكنني استخدام Ultralytics YOLO11 لتمويه الوجوه في الفيديو لأسباب تتعلق بالخصوصية؟

نعم، يمكن تهيئة Ultralytics YOLO11 لاكتشاف الوجوه في مقاطع الفيديو وتمويهها لحماية الخصوصية. من خلال التدريب أو استخدام نموذج مدرب مسبقًا للتعرف على الوجوه على وجه التحديد، يمكن معالجة نتائج الكشف باستخدام OpenCV لتطبيق تأثير التمويه. ارجع إلى دليلنا الخاص باكتشاف الأجسام باستخدام YOLO11 وقم بتعديل الكود لاستهداف اكتشاف الوجوه.

كيف يمكن مقارنة YOLO11 بنماذج أخرى لاكتشاف الأجسام مثل Faster R-CNN لتعتيم الأجسام؟

Ultralytics YOLO11 عادةً ما تتفوق على نماذج مثل Faster R-CNN من حيث السرعة، مما يجعلها أكثر ملاءمة للتطبيقات في الوقت الحقيقي. في حين أن كلا النموذجين يوفران اكتشافًا دقيقًا، إلا أن بنية YOLO11 مُحسّنة للاستدلال السريع، وهو أمر بالغ الأهمية لمهام مثل طمس الأجسام في الوقت الحقيقي. تعرف على المزيد حول الاختلافات التقنية ومقاييس الأداء في وثائقناYOLO11 .

📅 تم إنشاؤها منذ 1 سنة مضت ✏️ تم التحديث منذ 5 أيام

التعليقات