Sfumatura degli oggetti con Ultralytics YOLO11 🚀

Che cos'è la sfocatura degli oggetti?

Sfocatura degli oggetti con Ultralytics YOLO11 consiste nell'applicare un effetto di sfocatura a specifici oggetti rilevati in un'immagine o in un video. Ciò può essere ottenuto utilizzando le funzionalità del modello YOLO11 per identificare e manipolare gli oggetti all'interno di una determinata scena.

Guarda: Sfocatura degli oggetti con Ultralytics YOLO11

Vantaggi della sfocatura degli oggetti?

• Protezione della privacy: La sfocatura degli oggetti è uno strumento efficace per salvaguardare la privacy, nascondendo informazioni sensibili o di identificazione personale nelle immagini o nei video.
• Messa a fuoco selettiva: YOLO11 consente una sfocatura selettiva, permettendo agli utenti di mirare a oggetti specifici, garantendo un equilibrio tra privacy e conservazione delle informazioni visive rilevanti.
• Elaborazione in tempo reale: YOLO11 L'efficienza del sistema consente di sfocare gli oggetti in tempo reale, rendendolo adatto alle applicazioni che richiedono miglioramenti della privacy al volo in ambienti dinamici.

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()

Argomenti model.predict

FAQ

Che cos'è la sfocatura degli oggetti con Ultralytics YOLO11 ?

La sfocatura degli oggetti con Ultralytics YOLO11 consiste nel rilevare e applicare automaticamente un effetto di sfocatura a oggetti specifici in immagini o video. Questa tecnica migliora la privacy nascondendo le informazioni sensibili e conservando i dati visivi rilevanti. YOLO11 Le capacità di elaborazione in tempo reale lo rendono adatto alle applicazioni che richiedono una protezione immediata della privacy e la regolazione selettiva della messa a fuoco.

Come posso implementare la sfocatura degli oggetti in tempo reale utilizzando YOLO11?

Per implementare la sfocatura degli oggetti in tempo reale con YOLO11, seguire l'esempio fornito con Python . Questo prevede l'uso di YOLO11 per il rilevamento degli oggetti e di OpenCV per l'applicazione dell'effetto di sfocatura. Ecco una versione semplificata:

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()

Quali sono i vantaggi dell'utilizzo di Ultralytics YOLO11 per la sfocatura degli oggetti?

Ultralytics YOLO11 offre diversi vantaggi per la sfocatura degli oggetti:

• Protezione della privacy: Oscurare efficacemente le informazioni sensibili o identificabili.
• Messa a fuoco selettiva: Mirate a oggetti specifici da sfocare, mantenendo i contenuti visivi essenziali.
• Elaborazione in tempo reale: Esecuzione efficiente della sfocatura degli oggetti in ambienti dinamici, adatta per il miglioramento istantaneo della privacy.

Per applicazioni più dettagliate, consultare la sezione Vantaggi della sfocatura degli oggetti.

Posso utilizzare Ultralytics YOLO11 per sfocare i volti in un video per motivi di privacy?

Sì, Ultralytics YOLO11 può essere configurato per rilevare e sfocare i volti nei video per proteggere la privacy. Addestrando o utilizzando un modello pre-addestrato per riconoscere specificamente i volti, i risultati del rilevamento possono essere elaborati con OpenCV per applicare un effetto di sfocatura. Fare riferimento alla nostra guida sul rilevamento degli oggetti con YOLO11 e modificare il codice per il rilevamento dei volti.

Come si colloca YOLO11 rispetto ad altri modelli di rilevamento degli oggetti, come Faster R-CNN per la sfocatura degli oggetti?

Ultralytics YOLO11 supera in genere modelli come Faster R-CNN in termini di velocità, rendendolo più adatto alle applicazioni in tempo reale. Sebbene entrambi i modelli offrano un rilevamento accurato, l'architettura di YOLO11 è ottimizzata per una rapida inferenza, fondamentale per attività come la sfocatura degli oggetti in tempo reale. Per saperne di più sulle differenze tecniche e sulle metriche delle prestazioni, consultate la documentazione di YOLO11 .

📅C reato 11 mesi fa ✏️ Aggiornato 2 mesi fa

Commenti