Floutage d'objets avec Ultralytics YOLO26 🚀
Qu'est-ce que le floutage d'objets ?
Le floutage d'objets avec Ultralytics YOLO26 consiste à appliquer un effet de flou sur des objets détectés spécifiques dans une image ou une vidéo. Cela peut être réalisé en utilisant les capacités du modèle YOLO26 pour identifier et manipuler des objets au sein d'une scène donnée.
Watch: How to Train Face Detection Model using Ultralytics Platform & Blur Faces | Ultralytics YOLO26 🚀
Avantages du floutage d'objets
- Protection de la vie privée : Le floutage d'objets est un outil efficace pour préserver la vie privée en masquant des informations sensibles ou personnellement identifiables dans les images ou vidéos.
- Mise au point sélective : YOLO26 permet un floutage sélectif, autorisant les utilisateurs à cibler des objets spécifiques, assurant ainsi un équilibre entre la protection de la vie privée et la conservation d'informations visuelles pertinentes.
- Traitement en temps réel : L'efficacité de YOLO26 permet le floutage d'objets en temps réel, ce qui le rend adapté aux applications nécessitant des améliorations de confidentialité à la volée dans des environnements dynamiques.
- Conformité réglementaire : Aide les organisations à se conformer aux réglementations sur la protection des données telles que le RGPD en anonymisant les informations identifiables dans le contenu visuel.
- Modération de contenu : Utile pour flouter du contenu inapproprié ou sensible sur les plateformes multimédias tout en préservant le contexte global.
# 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]"Arguments de ObjectBlurrer
Voici un tableau avec les arguments de ObjectBlurrer :
| Argument | Type | Défaut | Description |
|---|---|---|---|
model | str | None | Chemin d'accès vers un fichier de modèle Ultralytics YOLO. |
blur_ratio | float | 0.5 | Ajuste le pourcentage d'intensité du flou, avec des valeurs dans la plage 0.1 - 1.0. |
La solution ObjectBlurrer prend également en charge une gamme d'arguments track :
| Argument | Type | Défaut | Description |
|---|---|---|---|
tracker | str | 'botsort.yaml' | Spécifie l'algorithme de suivi à utiliser, par exemple bytetrack.yaml ou botsort.yaml. |
conf | float | 0.1 | Définit le seuil de confiance pour les détections ; des valeurs plus basses permettent de suivre davantage d'objets mais peuvent inclure des faux positifs. |
iou | float | 0.7 | Définit le seuil Intersection over Union (IoU) pour filtrer les détections qui se chevauchent. |
classes | list | None | Filtre les résultats par index de classe. Par exemple, classes=[0, 2, 3] suit uniquement les classes spécifiées. |
verbose | bool | True | Contrôle l'affichage des résultats de suivi, fournissant une sortie visuelle des objets suivis. |
device | str | None | Spécifie le périphérique pour l'inférence (par exemple, cpu, cuda:0 ou 0). Permet aux utilisateurs de choisir entre le CPU, un GPU spécifique ou d'autres dispositifs de calcul pour l'exécution du modèle. |
De plus, les arguments de visualisation suivants peuvent être utilisés :
| Argument | Type | Défaut | Description |
|---|---|---|---|
show | bool | False | Si True, affiche les images ou vidéos annotées dans une fenêtre. Utile pour un retour visuel immédiat lors du développement ou des tests. |
line_width | int or None | None | Spécifie l'épaisseur de ligne des boîtes englobantes. Si None, l'épaisseur de ligne est automatiquement ajustée en fonction de la taille de l'image. Fournit une personnalisation visuelle pour plus de clarté. |
show_conf | bool | True | Affiche le score de confiance pour chaque détection à côté de l'étiquette. Donne un aperçu de la certitude du modèle pour chaque détection. |
show_labels | bool | True | Affiche les étiquettes pour chaque détection dans la sortie visuelle. Fournit une compréhension immédiate des objets détectés. |
Applications concrètes
Protection de la vie privée dans la surveillance
Les caméras de sécurité et les systèmes de surveillance peuvent utiliser YOLO26 pour flouter automatiquement les visages, les plaques d'immatriculation ou d'autres informations d'identification tout en capturant les activités importantes. Cela permet de maintenir la sécurité tout en respectant le droit à la vie privée dans les espaces publics.
Anonymisation des données de santé
Dans l'imagerie médicale, les informations des patients apparaissent souvent dans les scans ou les photos. YOLO26 peut détecter et flouter ces informations afin de se conformer à des réglementations comme HIPAA lors du partage de données médicales à des fins de recherche ou d'éducation.
Rédaction de documents
Lors du partage de documents contenant des informations sensibles, YOLO26 peut automatiquement détecter et flouter des éléments spécifiques tels que des signatures, des numéros de compte ou des détails personnels, simplifiant ainsi le processus de rédaction tout en maintenant l'intégrité du document.
Médias et création de contenu
Les créateurs de contenu peuvent utiliser YOLO26 pour flouter des logos de marques, du matériel protégé par le droit d'auteur ou du contenu inapproprié dans les vidéos et les images, aidant ainsi à éviter les problèmes juridiques tout en préservant la qualité globale du contenu.
FAQ
Qu'est-ce que le floutage d'objets avec Ultralytics YOLO26 ?
Le floutage d'objets avec Ultralytics YOLO26 implique la détection automatique et l'application d'un effet de flou sur des objets spécifiques dans des images ou des vidéos. Cette technique améliore la confidentialité en dissimulant les informations sensibles tout en conservant les données visuelles pertinentes. Les capacités de traitement en temps réel de YOLO26 le rendent adapté aux applications nécessitant une protection immédiate de la vie privée et des ajustements de mise au point sélectifs.
Comment puis-je implémenter le floutage d'objets en temps réel avec YOLO26 ?
Pour implémenter le floutage d'objets en temps réel avec YOLO26, suis l'exemple Python fourni. Cela implique l'utilisation de YOLO26 pour la détection d'objets et OpenCV pour appliquer l'effet de flou. Voici une version simplifiée :
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="yolo26n.pt", # model="yolo26n-obb.pt" for object blurring using YOLO26 OBB model.
blur_ratio=0.5, # set blur percentage, e.g., 0.7 for 70% blur on detected objects
# line_width=2, # width of bounding box.
# classes=[0, 2], # count specific classes, e.g., person and car with the 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()Quels sont les avantages d'utiliser Ultralytics YOLO26 pour le floutage d'objets ?
Ultralytics YOLO26 offre plusieurs avantages pour le floutage d'objets :
- Protection de la vie privée : Masque efficacement les informations sensibles ou identifiables.
- Mise au point sélective : Cible des objets spécifiques pour le floutage, en conservant le contenu visuel essentiel.
- Traitement en temps réel : Exécute le floutage d'objets efficacement dans des environnements dynamiques, idéal pour des améliorations instantanées de la confidentialité.
- Intensité personnalisable : Ajuste le ratio de flou pour équilibrer les besoins de confidentialité avec le contexte visuel.
- Floutage spécifique par classe : Floute sélectivement uniquement certains types d'objets tout en laissant les autres visibles.
Pour des applications plus détaillées, consulte la section avantages du floutage d'objets.
Puis-je utiliser Ultralytics YOLO26 pour flouter des visages dans une vidéo pour des raisons de confidentialité ?
Oui, Ultralytics YOLO26 peut être configuré pour détecter et flouter les visages dans des vidéos afin de protéger la vie privée. En entraînant ou en utilisant un modèle pré-entraîné pour reconnaître spécifiquement les visages, les résultats de détection peuvent être traités avec OpenCV pour appliquer un effet de flou. Reporte-toi à notre guide sur la détection d'objets avec YOLO26 et modifie le code pour cibler la détection de visages.
Comment YOLO26 se compare-t-il à d'autres modèles de détection d'objets comme Faster R-CNN pour le floutage d'objets ?
Ultralytics YOLO26 surpasse généralement des modèles comme Faster R-CNN en termes de vitesse, ce qui le rend plus adapté aux applications en temps réel. Bien que les deux modèles offrent une détection précise, l'architecture de YOLO26 est optimisée pour une inférence rapide, ce qui est critique pour des tâches comme le floutage d'objets en temps réel. Apprends-en davantage sur les différences techniques et les mesures de performance dans notre documentation YOLO26.