Link to this sectionUltralytics YOLO26を使用したオブジェクトブラー 🚀#
Link to this sectionオブジェクトブラーとは？#
Ultralytics YOLO26 を使用したオブジェクトブラーは、画像やビデオ内の特定の検出オブジェクトにぼかし効果を適用する処理です。これは、YOLO26モデルの機能を使用して、シーン内のオブジェクトを識別および操作することで実現できます。
Watch: How to Train Face Detection Model using Ultralytics Platform & Blur Faces | Ultralytics YOLO26 🚀
Link to this sectionオブジェクトブラーの利点#
- プライバシー保護: オブジェクトブラーは、画像やビデオ内の機密情報や個人を特定できる情報を隠すことで、プライバシーを保護する有効なツールです。
- 選択的なフォーカス: YOLO26は選択的なブラー処理を可能にし、ユーザーが特定のオブジェクトをターゲットにできるため、プライバシー保護と関連する視覚情報の保持とのバランスを保つことができます。
- リアルタイム処理: YOLO26の効率性により、オブジェクトブラーをリアルタイムで実行できるため、動的な環境で即時のプライバシー強化が必要なアプリケーションに適しています。
- 規制への準拠: 視覚コンテンツ内の識別可能な情報を匿名化することで、組織がGDPRなどのデータ保護規制に準拠するのを支援します。
- コンテンツモデレーション: メディアプラットフォームにおいて、全体的なコンテキストを維持しながら不適切または機密性の高いコンテンツをぼかすのに役立ちます。
# 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]"Link to this sectionObjectBlurrer 引数#
ObjectBlurrer 引数の一覧表を以下に示します：
| 引数 | タイプ | デフォルト | 説明 |
|---|---|---|---|
model | str | None | Ultralytics YOLOモデルファイルへのパス。 |
blur_ratio | float | 0.5 | ぼかし強度の割合を調整します（範囲 0.1 - 1.0）。 |
ObjectBlurrer ソリューションは、さまざまな track 引数もサポートしています：
| 引数 | タイプ | デフォルト | 説明 |
|---|---|---|---|
tracker | str | 'botsort.yaml' | 使用するトラッキングアルゴリズムを指定します。組み込みのオプションは、botsort.yaml、bytetrack.yaml、ocsort.yaml、deepocsort.yaml、fasttrack.yaml、tracktrack.yamlです。 |
conf | float | 0.1 | 検出の信頼度しきい値を設定します。低い値を設定するとより多くの物体を追跡できますが、誤検知が含まれる可能性があります。 |
iou | float | 0.7 | 重なり合う検出をフィルタリングするためのIntersection over Union（IoU）しきい値を設定します。 |
classes | list | None | クラスインデックスで結果をフィルタリングします。例えば、classes=[0, 2, 3]と設定すると、指定されたクラスのみを追跡します。 |
verbose | bool | True | 追跡結果の表示を制御し、追跡された物体の視覚的な出力を行います。 |
device | str | None | 推論に使用するデバイスを指定します（例：cpu、cuda:0、または 0）。CPU、特定のGPU、その他の演算デバイスをモデル実行用に選択できます。 |
さらに、以下の視覚化引数を使用できます：
| 引数 | タイプ | デフォルト | 説明 |
|---|---|---|---|
show | bool | False | Trueの場合、注釈付きの画像や動画をウィンドウに表示します。開発やテスト中の即時的な視覚フィードバックに役立ちます。 |
line_width | int or None | None | バウンディングボックスの線の太さを指定します。Noneの場合、線の太さは画像サイズに基づいて自動的に調整されます。明瞭さのための視覚的なカスタマイズが可能です。 |
show_conf | bool | True | 各検出の信頼度スコアをラベルと一緒に表示します。各検出に対するモデルの確信度を把握できます。 |
show_labels | bool | True | 視覚的出力において各検出のラベルを表示します。検出されたオブジェクトを即座に理解するのに役立ちます。 |
Link to this section実際のアプリケーション#
Link to this section監視におけるプライバシー保護#
セキュリティカメラ や監視システムは、YOLO26を使用して顔、ナンバープレート、その他の識別情報を自動的にぼかしつつ、重要なアクティビティを記録し続けることができます。これにより、公共の場でのプライバシー権を尊重しながら、セキュリティを維持できます。
Link to this sectionヘルスケアデータの匿名化#
医療画像 では、スキャンや写真に患者情報が含まれることがよくあります。YOLO26はこれらの情報を検出してぼかすことで、研究や教育目的で医療データを共有する際にHIPAAなどの規制を遵守できるようにします。
Link to this section文書の墨消し#
機密情報を含む文書を共有する場合、YOLO26は署名、口座番号、個人情報などの特定の要素を自動的に検出してぼかすことができ、文書の整合性を維持しながら墨消しプロセスを効率化します。
Link to this sectionメディアおよびコンテンツ制作#
コンテンツ作成者はYOLO26を使用して、ビデオや画像内のブランドロゴ、著作権で保護された素材、不適切なコンテンツをぼかすことで、全体的な品質を維持しながら法的な問題を回避できます。
Link to this sectionよくある質問 (FAQ)#
Link to this sectionUltralytics YOLO26によるオブジェクトブラーとは？#
Ultralytics YOLO26 を使用したオブジェクトブラーは、画像やビデオ内の特定のオブジェクトを自動的に検出し、ぼかし効果を適用する処理です。この技術は、関連する視覚データを保持しながら機密情報を隠すことでプライバシーを向上させます。YOLO26のリアルタイム処理能力は、迅速なプライバシー保護や選択的なフォーカス調整が必要なアプリケーションに適しています。
Link to this sectionYOLO26を使用してリアルタイムのオブジェクトブラーを実装するにはどうすればよいですか？#
YOLO26でリアルタイムのオブジェクトブラーを実装するには、提供されているPythonの例に従ってください。これには、オブジェクト検出 にYOLO26を使用し、ぼかし効果の適用にOpenCVを使用することが含まれます。以下に簡略化したバージョンを示します：
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()Link to this sectionオブジェクトブラーにUltralytics YOLO26を使用する利点は何ですか？#
Ultralytics YOLO26には、オブジェクトブラーに関して次のような利点があります：
- プライバシー保護: 機密情報や識別可能な情報を効果的に隠します。
- 選択的なフォーカス: 特定のオブジェクトをターゲットにしてぼかし、重要な視覚コンテンツを維持します。
- リアルタイム処理: 動的な環境で効率的にオブジェクトブラーを実行し、即時のプライバシー強化に適しています。
- カスタマイズ可能な強度: ブラーの比率を調整して、プライバシーのニーズと視覚的コンテキストのバランスを取ります。
- クラスごとのブラー: 特定のタイプのオブジェクトのみをターゲットにしてぼかし、それ以外は表示したままにします。
より詳細なアプリケーションについては、オブジェクトブラーの利点のセクション をご確認ください。
Link to this sectionプライバシー上の理由で、Ultralytics YOLO26を使用してビデオ内の顔をぼかすことはできますか？#
はい。Ultralytics YOLO26を構成して、プライバシー保護のためにビデオ内の顔を検出し、ぼかすことができます。顔を特別に認識するように学習済みモデルを使用またはトレーニングすることで、検出結果を OpenCV で処理してぼかし効果を適用できます。YOLO26によるオブジェクト検出 に関するガイドを参照し、コードを変更して顔検出をターゲットにしてください。
Link to this sectionオブジェクトブラーにおいて、YOLO26とFaster R-CNNのような他のオブジェクト検出モデルとの比較はどうですか？#
Ultralytics YOLO26は通常、速度の面でFaster R-CNNのようなモデルを上回っており、リアルタイムアプリケーションにより適しています。両方のモデルとも正確な検出を提供しますが、YOLO26のアーキテクチャは高速な推論のために最適化されており、これはリアルタイムのオブジェクトブラーのようなタスクにとって不可欠です。技術的な違いとパフォーマンスメトリクスについては、YOLO26のドキュメント をご覧ください。