Flouter les objets en utilisant Ultralytics YOLO11 🚀

Qu'est-ce que le flou artistique ?

Le flou d'objet avec Ultralytics YOLO11 consiste à appliquer un effet de flou à des objets spécifiques détectés dans une image ou une vidéo. Pour ce faire, les capacités du modèle YOLO11 permettent d'identifier et de manipuler des objets dans une scène donnée.

Regarder : Floutage d'objets à l'aide de Ultralytics YOLO11

Avantages du flou artistique ?

• Protection de la vie privée: Le flou artistique est un outil efficace pour protéger la vie privée en dissimulant les informations sensibles ou personnellement identifiables dans les images ou les vidéos.
• Mise au point sélective: YOLO11 permet un flou sélectif, permettant aux utilisateurs de cibler des objets spécifiques, assurant un équilibre entre le respect de la vie privée et la conservation d'informations visuelles pertinentes.
• Traitement en temps réel: YOLO11 L'efficacité du système permet de brouiller les objets en temps réel, ce qui le rend adapté aux applications nécessitant des améliorations de la confidentialité à la volée dans des environnements dynamiques.

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()

Arguments model.predict

FAQ

Qu'est-ce que le flou artistique avec Ultralytics YOLO11 ?

Le flou d'objet avec Ultralytics YOLO11 consiste à détecter et à appliquer automatiquement un effet de flou à des objets spécifiques dans des images ou des vidéos. Cette technique renforce la protection de la vie privée en dissimulant les informations sensibles tout en conservant les données visuelles pertinentes. YOLO11 Grâce à ses capacités de traitement en temps réel, le système convient aux applications nécessitant une protection immédiate de la vie privée et des ajustements sélectifs de la mise au point.

Comment puis-je mettre en place un flou d'objet en temps réel en utilisant YOLO11?

Pour mettre en œuvre le flou d'objet en temps réel avec YOLO11, suivez l'exemple fourni par Python . Il s'agit d'utiliser YOLO11 pour la détection d'objets et OpenCV pour l'application de l'effet de flou. Voici une version simplifiée :

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()

Quels sont les avantages de l'utilisation de Ultralytics YOLO11 pour le floutage d'objets ?

Ultralytics YOLO11 offre plusieurs avantages pour le floutage d'objets :

• Protection de la vie privée: Masquer efficacement les informations sensibles ou identifiables.
• Mise au point sélective: Ciblez des objets spécifiques pour les rendre flous, tout en conservant le contenu visuel essentiel.
• Traitement en temps réel: Exécution efficace du floutage d'objets dans des environnements dynamiques, adaptée à l'amélioration instantanée de la protection de la vie privée.

Pour des applications plus détaillées, consultez la section sur les avantages du flou d'objet.

Puis-je utiliser Ultralytics YOLO11 pour brouiller les visages dans une vidéo pour des raisons de confidentialité ?

Oui, Ultralytics YOLO11 peut être configuré pour détecter et rendre flous les visages dans les vidéos afin de protéger la vie privée. En entraînant ou en utilisant un modèle pré-entraîné pour reconnaître spécifiquement les visages, les résultats de la détection peuvent être traités avec OpenCV pour appliquer un effet de flou. Reportez-vous à notre guide sur la détection d'objets avec YOLO11 et modifiez le code pour cibler la détection de visages.

Comment YOLO11 se compare-t-il à d'autres modèles de détection d'objets tels que Faster R-CNN pour les objets flous ?

Ultralytics YOLO11 est généralement plus rapide que des modèles tels que Faster R-CNN, ce qui le rend plus adapté aux applications en temps réel. Bien que les deux modèles offrent une détection précise, l'architecture de YOLO11 est optimisée pour une inférence rapide, ce qui est essentiel pour des tâches telles que le floutage d'objets en temps réel. Pour en savoir plus sur les différences techniques et les mesures de performance, consultez notre documentation surYOLO11 .

📅C réé il y a 11 mois ✏️ Mis à jour il y a 2 mois

Commentaires