Objektverwischung mit Ultralytics YOLO11 🚀

Was ist Objektunschärfe?

Objektunschärfe mit Ultralytics YOLO11 beinhaltet die Anwendung eines Unschärfeeffekts auf bestimmte erkannte Objekte in einem Bild oder Video. Dies kann mithilfe der Modellfunktionen von YOLO11 erreicht werden, um Objekte in einer bestimmten Szene zu identifizieren und zu manipulieren.

Beobachten: Objektverwischung mit Ultralytics YOLO11

Vorteile der Objektverwischung?

• Schutz der Privatsphäre: Die Unschärfe von Objekten ist ein wirksames Mittel zum Schutz der Privatsphäre, indem sensible oder persönlich identifizierbare Informationen in Bildern oder Videos verborgen werden.
• Selektive Fokussierung: YOLO11 ermöglicht eine selektive Unschärfe, die es dem Nutzer ermöglicht, bestimmte Objekte anzuvisieren und so ein Gleichgewicht zwischen Privatsphäre und der Beibehaltung relevanter visueller Informationen zu gewährleisten.
• Verarbeitung in Echtzeit: YOLO11 Die Effizienz des Systems ermöglicht die Verwischung von Objekten in Echtzeit und eignet sich daher für Anwendungen, die eine sofortige Verbesserung der Privatsphäre in dynamischen Umgebungen erfordern.

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()

Argumente model.predict

FAQ

Was ist Objektunschärfe mit Ultralytics YOLO11 ?

Objektverwischung mit Ultralytics YOLO11 beinhaltet die automatische Erkennung und Anwendung eines Unschärfeeffekts auf bestimmte Objekte in Bildern oder Videos. Diese Technik verbessert die Privatsphäre, indem sie sensible Informationen verbirgt und gleichzeitig relevante visuelle Daten beibehält. YOLO11 Die Echtzeitverarbeitungsfunktionen der Software eignen sich für Anwendungen, die einen sofortigen Schutz der Privatsphäre und selektive Fokusanpassungen erfordern.

Wie kann ich Echtzeit-Objektverwischung mit YOLO11 implementieren?

Um die Echtzeit-Objektunschärfe mit YOLO11 zu implementieren, folgen Sie dem mitgelieferten Beispiel Python . Dabei wird YOLO11 für die Objekterkennung und OpenCV für die Anwendung des Weichzeichnereffekts verwendet. Hier ist eine vereinfachte Version:

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()

Was sind die Vorteile der Verwendung von Ultralytics YOLO11 für die Objektverwischung?

Ultralytics YOLO11 bietet mehrere Vorteile für die Objektverwischung:

• Schutz der Privatsphäre: Effektive Verschleierung sensibler oder identifizierbarer Informationen.
• Selektiver Fokus: Gezielte Unschärfe auf bestimmte Objekte, wobei der wesentliche visuelle Inhalt erhalten bleibt.
• Verarbeitung in Echtzeit: Effizientes Verwischen von Objekten in dynamischen Umgebungen, geeignet für die sofortige Verbesserung der Privatsphäre.

Ausführlichere Informationen zu den Anwendungen finden Sie im Abschnitt Vorteile der Objektverwischung.

Kann ich Ultralytics YOLO11 verwenden, um Gesichter in einem Video aus Gründen der Privatsphäre unkenntlich zu machen?

Ja, Ultralytics YOLO11 kann so konfiguriert werden, dass Gesichter in Videos erkannt und weichgezeichnet werden, um die Privatsphäre zu schützen. Durch das Trainieren oder die Verwendung eines vortrainierten Modells zur spezifischen Erkennung von Gesichtern können die Erkennungsergebnisse mit OpenCV verarbeitet werden, um einen Unschärfeeffekt anzuwenden. Lesen Sie unsere Anleitung zur Objekterkennung mit YOLO11 und ändern Sie den Code für die Gesichtserkennung.

Wie schneidet YOLO11 im Vergleich zu anderen Objekterkennungsmodellen wie Faster R-CNN für Objektunschärfe ab?

Ultralytics YOLO11 übertrifft in der Regel Modelle wie Faster R-CNN in Bezug auf die Geschwindigkeit, wodurch es sich besser für Echtzeitanwendungen eignet. Während beide Modelle eine genaue Erkennung bieten, ist die Architektur von YOLO11 für eine schnelle Inferenz optimiert, was für Aufgaben wie die Verwischung von Objekten in Echtzeit entscheidend ist. Erfahren Sie mehr über die technischen Unterschiede und Leistungskennzahlen in unserer DokumentationYOLO11 .

📅 Erstellt vor 11 Monaten ✏️ Aktualisiert vor 2 Monaten

Kommentare