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.

import cv2

from ultralytics import YOLO
from ultralytics.utils.plotting import Annotator, colors

model = YOLO("yolo11n.pt")
names = model.names

cap = cv2.VideoCapture("path/to/video/file.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))

# Blur ratio
blur_ratio = 50

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

while cap.isOpened():
    success, im0 = cap.read()
    if not success:
        print("Video frame is empty or video processing has been successfully completed.")
        break

    results = model.predict(im0, show=False)
    boxes = results[0].boxes.xyxy.cpu().tolist()
    clss = results[0].boxes.cls.cpu().tolist()
    annotator = Annotator(im0, line_width=2, example=names)

    if boxes is not None:
        for box, cls in zip(boxes, clss):
            annotator.box_label(box, color=colors(int(cls), True), label=names[int(cls)])

            obj = im0[int(box[1]) : int(box[3]), int(box[0]) : int(box[2])]
            blur_obj = cv2.blur(obj, (blur_ratio, blur_ratio))

            im0[int(box[1]) : int(box[3]), int(box[0]) : int(box[2])] = blur_obj

    cv2.imshow("ultralytics", im0)
    video_writer.write(im0)
    if cv2.waitKey(1) & 0xFF == ord("q"):
        break

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

الحجج model.predict

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 YOLO

model = YOLO("yolo11n.pt")
cap = cv2.VideoCapture("path/to/video/file.mp4")

while cap.isOpened():
    success, im0 = cap.read()
    if not success:
        break

    results = model.predict(im0, show=False)
    for box in results[0].boxes.xyxy.cpu().tolist():
        obj = im0[int(box[1]) : int(box[3]), int(box[0]) : int(box[2])]
        im0[int(box[1]) : int(box[3]), int(box[0]) : int(box[2])] = cv2.blur(obj, (50, 50))

    cv2.imshow("YOLO11 Blurring", im0)
    if cv2.waitKey(1) & 0xFF == ord("q"):
        break

cap.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.

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 الإنشاء منذ 11 شهرًا ✏️ تم التحديث منذ 2 أشهر

التعليقات