Sfocatura degli oggetti con Ultralytics YOLO26
Che cos'è la sfocatura degli oggetti?#
La sfocatura degli oggetti con Ultralytics YOLO26 consiste nell'applicare un effetto di sfocatura a specifici oggetti rilevati in un'immagine o in un video. YOLO26 individua gli oggetti in ogni fotogramma e applica la sfocatura solo alle aree rilevate.
Guarda: Come addestrare un modello di rilevamento dei volti con la piattaforma Ultralytics e sfocare i volti | Ultralytics YOLO26 🚀
Vantaggi della sfocatura degli oggetti#
- Protezione della privacy: la sfocatura degli oggetti è uno strumento efficace per tutelare la privacy, oscurando le informazioni personali identificabili sensibili in immagini o video.
- Messa a fuoco selettiva: YOLO26 consente di applicare la sfocatura in modo selettivo, permettendoti di intervenire su oggetti specifici e bilanciare la tutela della privacy con la conservazione delle informazioni visive rilevanti.
- Elaborazione in tempo reale: l'efficienza di YOLO26 consente di sfocare gli oggetti in tempo reale, rendendolo adatto alle applicazioni che richiedono miglioramenti della privacy al volo in ambienti dinamici.
- Conformità normativa: aiuta le organizzazioni a rispettare le normative sulla protezione dei dati, come il GDPR, rendendo anonime le informazioni identificative nei contenuti visivi.
- Moderazione dei contenuti: utile per sfocare contenuti inappropriati o sensibili sulle piattaforme multimediali, preservando il contesto generale.
Sfocare gli oggetti con YOLO26#
Passa il tuo video alla soluzione ObjectBlurrer: rileva gli oggetti in ogni fotogramma e applica una sfocatura media (a riquadro) a ogni rilevamento. Regola l'intensità con blur_ratio (0.1–1.0) e limita la sfocatura a specifici classes, ad esempio solo persone e automobili.
# 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]"Argomenti di ObjectBlurrer#
Ecco una tabella con gli argomenti di ObjectBlurrer:
| Argomento | Tipo | Predefinito | Descrizione |
|---|---|---|---|
model | str | None | Percorso a un file modello Ultralytics YOLO. |
blur_ratio | float | 0.5 | Regola la percentuale di intensità della sfocatura, con valori nell'intervallo 0.1 - 1.0. |
line_width | int | 2 | Spessore delle linee dei riquadri, dei punti chiave e dei conteggi disegnati dalla soluzione. |
verbose | bool | True | Abilita il log per frame della soluzione, con forma dell'input, conteggi per classe e velocità di elaborazione. La chiamata di tracking è sempre silenziosa. |
La soluzione ObjectBlurrer supporta anche diversi argomenti track:
| Argomento | Tipo | Predefinito | Descrizione |
|---|---|---|---|
tracker | str | 'tracktrack.yaml' | Specifica l'algoritmo di tracciamento da usare. Opzioni integrate: botsort.yaml, bytetrack.yaml, ocsort.yaml, deepocsort.yaml, fasttrack.yaml, tracktrack.yaml. |
conf | float | 0.25 | Imposta la soglia di confidenza per le rilevazioni; valori più bassi consentono di tracciare più oggetti, ma possono includere falsi positivi. |
iou | float | 0.5 | Imposta la soglia di Intersezione sull'unione (IoU) per filtrare le rilevazioni sovrapposte. |
classes | list | None | Filtra i risultati in base all'indice della classe. Ad esempio, classes=[0, 2, 3] traccia solo le classi specificate. |
device | str | None | Specifica il dispositivo per l'inferenza (ad es. cpu, cuda:0 o 0). Consente di scegliere tra CPU, una GPU specifica o altri dispositivi di calcolo per l'esecuzione del modello. |
imgsz | int or tuple | 640 | Dimensione dell'immagine di destinazione per l'inferenza: un intero per un'immagine quadrata o una coppia (height, width). Le forme vengono adattate allo stride del modello. |
max_det | int | 300 | Numero massimo di rilevazioni da mantenere per fotogramma prima del tracciamento, che limita gli oggetti elaborati da una soluzione nelle scene dense. |
quantize | int or str | None | Precisione dell’inferenza: 16 (FP16) oppure 32/unset (FP32) per i modelli PyTorch e TorchScript quando non si usa la CPU; gli altri formati usano la precisione selezionata dal rispettivo artefatto e ambiente di esecuzione. Sostituisce l’argomento deprecato half. |
Inoltre, puoi usare i seguenti argomenti di visualizzazione:
| Argomento | Tipo | Predefinito | Descrizione |
|---|---|---|---|
show | bool | False | Se True, mostra le immagini o i video annotati in una finestra. Utile per ottenere un riscontro visivo immediato durante lo sviluppo o i test. |
show_conf | bool | True | Mostra il punteggio di confidenza di ogni rilevamento accanto all'etichetta. Fornisce indicazioni sul grado di certezza del modello per ciascun rilevamento. |
show_labels | bool | True | Mostra le etichette di ogni rilevamento nell'output visivo. Permette di identificare immediatamente gli oggetti rilevati. |
Applicazioni nel mondo reale#
Tutela della privacy nella videosorveglianza#
Le telecamere di sicurezza e i sistemi di sorveglianza possono usare YOLO26 per sfocare automaticamente volti, targhe o altre informazioni identificative, continuando a riprendere le attività importanti. Questo aiuta a garantire la sicurezza rispettando al contempo il diritto alla privacy negli spazi pubblici.
Anonimizzazione dei dati sanitari#
Nelle immagini mediche, le informazioni sui pazienti sono spesso visibili in scansioni o foto. YOLO26 può rilevare e sfocare queste informazioni per rispettare normative come HIPAA quando i dati medici vengono condivisi a fini di ricerca o didattici.
Oscuramento dei documenti#
Quando condividi documenti contenenti informazioni sensibili, YOLO26 può rilevare e sfocare automaticamente elementi specifici come firme, numeri di conto o dati personali, semplificando il processo di oscuramento e preservando al contempo l'integrità del documento.
Media e creazione di contenuti#
I creatori di contenuti possono usare YOLO26 per sfocare loghi di marchi, materiale protetto da copyright o contenuti inappropriati in video e immagini, contribuendo a evitare problemi legali e a preservare la qualità complessiva dei contenuti.
Domande frequenti#
La sfocatura degli oggetti con Ultralytics YOLO26 consiste nel rilevare automaticamente oggetti specifici in immagini o video e applicarvi un effetto di sfocatura. Questa tecnica aumenta la privacy nascondendo le informazioni sensibili e conservando i dati visivi rilevanti. Le capacità di elaborazione in tempo reale di YOLO26 lo rendono adatto alle applicazioni che richiedono una tutela immediata della privacy e regolazioni selettive della messa a fuoco.
Usa l'esempio Python qui sopra, che esegue il rilevamento degli oggetti con YOLO26 e sfoca ogni rilevamento in ogni fotogramma. Imposta
blur_ratio(ad esempio0.5per un'intensità di sfocatura del 50%) per controllare l'effetto e passaclassesper sfocare solo specifici tipi di oggetti.Ultralytics YOLO26 offre diversi vantaggi per la sfocatura degli oggetti:
- Tutela della privacy: nasconde efficacemente le informazioni sensibili o identificative.
- Messa a fuoco selettiva: consente di sfocare oggetti specifici, preservando i contenuti visivi essenziali.
- Elaborazione in tempo reale: esegue la sfocatura degli oggetti in modo efficiente in ambienti dinamici, risultando adatta a interventi immediati per la tutela della privacy.
- Intensità personalizzabile: regola il rapporto di sfocatura per bilanciare le esigenze di privacy con il contesto visivo.
- Sfocatura specifica per classe: seleziona solo determinati tipi di oggetti da sfocare, lasciando visibili gli altri.
Per applicazioni più dettagliate, consulta la sezione sui vantaggi della sfocatura degli oggetti.
Sì. Addestra o perfeziona un modello di rilevamento YOLO26 per i volti, ad esempio sul dataset WIDER FACE, quindi passa i pesi addestrati a
ObjectBlurrercon l'argomentomodel. Ogni volto rilevato viene quindi sfocato con OpenCV. Per sfocare i volti in un intero dataset senza scrivere codice, usa Sfoca i volti su Ultralytics Platform.Ultralytics YOLO26 è in genere più veloce dei rilevatori a due stadi come Faster R-CNN, risultando quindi più adatto alle applicazioni in tempo reale. Entrambi i modelli offrono un rilevamento accurato, ma l'architettura di YOLO26 è ottimizzata per un'inferenza rapida, fondamentale per attività come la sfocatura degli oggetti in tempo reale.
Commenti
Fai una domanda, condividi i tuoi risultati o aiuta qualcun altro.