طمس الكائنات باستخدام Ultralytics YOLO26#
ما تمويه الكائنات؟#
يتضمن تمويه الكائنات باستخدام Ultralytics YOLO26 تطبيق تأثير تمويه على كائنات محددة تم اكتشافها في صورة أو فيديو. ويمكن تحقيق ذلك باستخدام إمكانات نموذج YOLO26 لتحديد الكائنات ومعالجتها ضمن مشهد معين.
Watch: How to Train Face Detection Model using Ultralytics Platform & Blur Faces | Ultralytics YOLO26 🚀
مزايا تمويه الكائنات#
- حماية الخصوصية: يُعد تمويه الكائنات أداة فعّالة لحماية الخصوصية من خلال إخفاء المعلومات الحساسة أو معلومات التعريف الشخصية في الصور أو مقاطع الفيديو.
- التركيز الانتقائي: يتيح YOLO26 التمويه الانتقائي، ما يسمح للمستخدمين باستهداف كائنات محددة، ويضمن تحقيق توازن بين الخصوصية والاحتفاظ بالمعلومات المرئية ذات الصلة.
- المعالجة في الوقت الفعلي: تتيح كفاءة YOLO26 تمويه الكائنات في الوقت الفعلي، ما يجعله مناسبًا للتطبيقات التي تتطلب تحسينات فورية للخصوصية في البيئات الديناميكية.
- الامتثال التنظيمي: يساعد المؤسسات على الامتثال للوائح حماية البيانات مثل GDPR من خلال إخفاء هوية المعلومات القابلة للتعرّف في المحتوى المرئي.
- الإشراف على المحتوى: مفيد لتمويه المحتوى غير الملائم أو الحساس في منصات الوسائط مع الحفاظ على السياق العام.
تمويه الكائنات باستخدام YOLO26#
مرّر الفيديو إلى الحل ObjectBlurrer، حيث يكتشف الكائنات في كل إطار ويطبّق تمويهًا متوسطًا (مربّعًا) على كل عملية اكتشاف. تحكّم في شدة التمويه باستخدام blur_ratio (من 0.1 إلى 1.0)، وقيّد التمويه ليشمل classes محددة — مثل الأشخاص والسيارات فقط.
# 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]"وسيطات ObjectBlurrer#
إليك جدولًا بوسيطات ObjectBlurrer:
| الوسيطة | النوع | الافتراضي | الوصف |
|---|---|---|---|
model | str | None | المسار إلى ملف نموذج Ultralytics YOLO. |
blur_ratio | float | 0.5 | يضبط النسبة المئوية لشدة التمويه، مع قيم ضمن النطاق 0.1 - 1.0. |
line_width | int | 2 | سُمك الخط للصناديق والنقاط الرئيسية والأعداد التي يرسمها الحل. |
verbose | bool | True | يمكّن سجل الحل لكل إطار، والذي يتضمن شكل الإدخال وأعداد الفئات وسرعة المعالجة. ويظل استدعاء التتبع نفسه صامتًا دائمًا. |
يدعم الحل ObjectBlurrer أيضًا مجموعة من الوسائط track:
| الوسيطة | النوع | الافتراضي | الوصف |
|---|---|---|---|
tracker | str | 'botsort.yaml' | يحدد خوارزمية التتبع المراد استخدامها. الخيارات المضمنة: botsort.yaml وbytetrack.yaml وocsort.yaml وdeepocsort.yaml وfasttrack.yaml وtracktrack.yaml. |
conf | float | 0.25 | يضبط عتبة الثقة للاكتشافات؛ إذ تتيح القيم الأقل تتبع مزيد من الكائنات، لكنها قد تتضمن إيجابيات كاذبة. |
iou | float | 0.7 | يضبط عتبة التقاطع على الاتحاد (IoU) لتصفية الاكتشافات المتداخلة. |
classes | list | None | يصفّي النتائج حسب فهرس الفئة. على سبيل المثال، لا يتتبع classes=[0, 2, 3] سوى الفئات المحددة. |
device | str | None | يحدد الجهاز المستخدم للاستدلال (مثل cpu أو cuda:0 أو 0). ويتيح للمستخدمين الاختيار بين CPU أو GPU محدد أو أجهزة حوسبة أخرى لتنفيذ النموذج. |
imgsz | int or tuple | 640 | حجم صورة الاستدلال المستهدفة: عدد صحيح لشكل مربع أو زوج (height, width). يتم ضبط الأشكال لتتناسب مع خطوة النموذج. |
max_det | int | 300 | الحد الأقصى لعدد الاكتشافات المحتفظ بها لكل إطار قبل التتبع، مما يحد من الكائنات التي يعالجها الحل في المشاهد المزدحمة. |
quantize | int or str | None | دقة الاستدلال: 16 (FP16) أو 32/غير محدد (FP32) لنموذجي PyTorch وTorchScript؛ بينما تحسب التنسيقات الأخرى بالدقة التي تحددها ملفاتها ومحيط تشغيلها. يحل محل علامة half المهملة. |
علاوة على ذلك، يمكن استخدام وسائط التصور التالية:
| الوسيطة | النوع | الافتراضي | الوصف |
|---|---|---|---|
show | bool | False | إذا كانت قيمة True، يعرض الصور أو مقاطع الفيديو المشروحة في نافذة. ويفيد ذلك في الحصول على ملاحظات مرئية فورية أثناء التطوير أو الاختبار. |
show_conf | bool | True | يعرض درجة الثقة لكل كشف إلى جانب التسمية. ويوفر لمحة عن مدى يقين النموذج بشأن كل كشف. |
show_labels | bool | True | يعرض تسميات كل كشف في المخرجات المرئية. ويوفر فهمًا فوريًا للكائنات المكتشفة. |
التطبيقات الواقعية#
حماية الخصوصية في المراقبة#
يمكن لـكاميرات المراقبة وأنظمة المراقبة استخدام YOLO26 لتمويه الوجوه ولوحات ترخيص المركبات أو غيرها من المعلومات التعريفية تلقائيًا، مع الاستمرار في تسجيل الأنشطة المهمة. ويساعد ذلك على الحفاظ على الأمان مع احترام حقوق الخصوصية في الأماكن العامة.
إخفاء هوية بيانات الرعاية الصحية#
في التصوير الطبي، غالبًا ما تظهر معلومات المرضى في الفحوصات أو الصور. ويمكن لـYOLO26 اكتشاف هذه المعلومات وتمويهها للامتثال للوائح مثل HIPAA عند مشاركة البيانات الطبية لأغراض البحث أو التعليم.
تنقيح المستندات#
عند مشاركة مستندات تحتوي على معلومات حساسة، يمكن لـYOLO26 اكتشاف عناصر محددة مثل التوقيعات أو أرقام الحسابات أو البيانات الشخصية وتمويهها تلقائيًا، ما يسهّل عملية التنقيح مع الحفاظ على سلامة المستند.
الوسائط وإنشاء المحتوى#
يمكن لمنشئي المحتوى استخدام YOLO26 لتمويه شعارات العلامات التجارية أو المواد المحمية بحقوق الطبع والنشر أو المحتوى غير الملائم في مقاطع الفيديو والصور، ما يساعد على تجنّب المشكلات القانونية مع الحفاظ على الجودة العامة للمحتوى.
الأسئلة الشائعة#
يتضمن تمويه الكائنات باستخدام Ultralytics YOLO26 اكتشاف كائنات محددة في الصور أو مقاطع الفيديو وتطبيق تأثير تمويه عليها تلقائيًا. وتُحسّن هذه التقنية الخصوصية من خلال إخفاء المعلومات الحساسة مع الاحتفاظ بالبيانات المرئية ذات الصلة. وتجعل إمكانات المعالجة في الوقت الفعلي التي يتمتع بها YOLO26 مناسبًا للتطبيقات التي تتطلب حماية فورية للخصوصية وتعديلات انتقائية للتركيز.
استخدم مثال Python أعلاه، الذي يشغّل اكتشاف الكائنات باستخدام YOLO26 ويموّه كل عملية اكتشاف في كل إطار. اضبط
blur_ratio(مثل0.5لشدة تمويه تبلغ 50%) للتحكم في التأثير، ومرّرclassesلتمويه أنواع محددة من الكائنات فقط.يوفّر Ultralytics YOLO26 عدة مزايا لتمويه الكائنات:
- حماية الخصوصية: إخفاء المعلومات الحساسة أو القابلة للتعرّف بفعالية.
- التركيز الانتقائي: استهداف كائنات محددة للتمويه مع الحفاظ على المحتوى المرئي الأساسي.
- المعالجة في الوقت الفعلي: تنفيذ تمويه الكائنات بكفاءة في البيئات الديناميكية، بما يجعله مناسبًا لتحسينات الخصوصية الفورية.
- شدة قابلة للتخصيص: ضبط نسبة التمويه لتحقيق توازن بين احتياجات الخصوصية والسياق المرئي.
- تمويه خاص بالفئة: تمويه أنواع معينة من الكائنات فقط بشكل انتقائي مع إبقاء الكائنات الأخرى مرئية.
للاطلاع على تطبيقات أكثر تفصيلًا، راجع قسم مزايا تمويه الكائنات.
نعم، يمكن تهيئة Ultralytics YOLO26 لاكتشاف الوجوه وتمويهها في مقاطع الفيديو لحماية الخصوصية. ومن خلال تدريب نموذج أو استخدام نموذج مُدرَّب مسبقًا للتعرّف على الوجوه تحديدًا، يمكن معالجة نتائج الاكتشاف باستخدام OpenCV لتطبيق تأثير تمويه. راجع دليلنا حول اكتشاف الكائنات باستخدام YOLO26 وعدّل التعليمات البرمجية لاستهداف اكتشاف الوجوه.
يتفوق Ultralytics YOLO26 عادةً على نماذج مثل Faster R-CNN من حيث السرعة، ما يجعله أكثر ملاءمة للتطبيقات في الوقت الفعلي. وعلى الرغم من أن كلا النموذجين يقدمان اكتشافًا دقيقًا، فإن بنية YOLO26 مُحسّنة للاستدلال السريع، وهو أمر بالغ الأهمية لمهام مثل تمويه الكائنات في الوقت الفعلي. تعرّف على المزيد حول الفروقات التقنية ومقاييس الأداء في وثائق YOLO26.