Ultralytics YOLO11 🚀을 사용한 오브젝트 블러링

오브젝트 블러란 무엇인가요?

객체 흐리게 처리 Ultralytics YOLO11 는 이미지 또는 동영상에서 감지된 특정 개체에 블러 효과를 적용하는 기능입니다. 이는 YOLO11 모델 기능을 사용하여 주어진 장면 내에서 개체를 식별하고 조작할 수 있습니다.

Watch: 오브젝트 블러를 사용하여 Ultralytics YOLO11

오브젝트 블러의 장점

• 개인정보 보호: 물체 흐림 효과는 이미지나 동영상에서 민감한 정보나 개인 식별 정보를 숨겨 개인 정보를 보호하는 데 효과적인 도구입니다.
• 선택적 초점: YOLO11 을 사용하면 선택적으로 흐리게 처리하여 사용자가 특정 개체를 대상으로 지정할 수 있으므로 개인정보 보호와 관련 시각 정보 유지 간의 균형을 유지할 수 있습니다.
• 실시간 처리: YOLO11 의 효율성은 실시간으로 물체를 흐리게 처리할 수 있어 동적 환경에서 즉각적인 개인 정보 보호 강화가 필요한 애플리케이션에 적합합니다.
• 규정 준수: 시각적 콘텐츠에서 식별 가능한 정보를 익명화하여 조직이 GDPR과 같은 데이터 보호 규정을 준수할 수 있도록 지원합니다.
• 콘텐츠 조정: 미디어 플랫폼에서 부적절하거나 민감한 콘텐츠를 흐리게 처리하는 동시에 전체적인 문맥을 유지하는 데 유용합니다.

# 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]"

import cv2

from ultralytics import solutions

cap = cv2.VideoCapture("path/to/video.mp4")
assert cap.isOpened(), "Error reading video file"

# Video writer
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 = cv2.VideoWriter("object_blurring_output.avi", cv2.VideoWriter_fourcc(*"mp4v"), fps, (w, h))

# Initialize object blurrer object
blurrer = solutions.ObjectBlurrer(
    show=True,  # display the output
    model="yolo11n.pt",  # model for object blurring i.e. yolo11m.pt
    # line_width=2,  # width of bounding box.
    # classes=[0, 2],  # count specific classes i.e, person and car with COCO pretrained model.
    # blur_ratio=0.5,  # adjust percentage of blur intensity, the value in range 0.1 - 1.0
)

# 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)

    # print(results")  # access the output

    video_writer.write(results.plot_im)  # write the processed frame.

cap.release()
video_writer.release()
cv2.destroyAllWindows()  # destroy all opened windows

ObjectBlurrer 인수

다음은 표입니다. ObjectBlurrer 인수를 사용합니다:

그리고 ObjectBlurrer 솔루션은 또한 다양한 track 인수를 사용합니다:

또한 다음과 같은 시각화 인수를 사용할 수 있습니다:

실제 애플리케이션

보안 감시에서의 개인 정보 보호

보안 카메라와 감시 시스템은 YOLO11 사용하여 얼굴, 번호판 또는 기타 식별 정보를 자동으로 흐리게 처리하면서 중요한 활동을 캡처할 수 있습니다. 이를 통해 공공장소의 프라이버시 권리를 존중하면서 보안을 유지할 수 있습니다.

의료 데이터 익명화

의료 영상에서는 스캔이나 사진에 환자 정보가 표시되는 경우가 많습니다. YOLO11 연구 또는 교육 목적으로 의료 데이터를 공유할 때 이러한 정보를 감지하고 흐리게 처리하여 HIPAA와 같은 규정을 준수할 수 있습니다.

문서 삭제

민감한 정보가 포함된 문서를 공유할 때 YOLO11 서명, 계좌 번호 또는 개인 정보와 같은 특정 요소를 자동으로 감지하고 흐리게 처리하여 문서 무결성을 유지하면서 수정 프로세스를 간소화할 수 있습니다.

미디어 및 콘텐츠 제작

콘텐츠 제작자는 YOLO11 사용하여 동영상과 이미지에서 브랜드 로고, 저작권이 있는 자료 또는 부적절한 콘텐츠를 흐리게 처리하여 전반적인 콘텐츠 품질을 유지하면서 법적 문제를 방지할 수 있습니다.

자주 묻는 질문

물체 흐림이란 무엇인가요 Ultralytics YOLO11 ?

물체 흐림 효과 Ultralytics YOLO11 는 이미지나 동영상에서 특정 물체를 자동으로 감지하여 흐리게 처리하는 효과를 적용합니다. 이 기술은 관련 시각 데이터는 유지하면서 민감한 정보를 숨겨 개인정보 보호를 강화합니다. YOLO11 실시간 처리 기능으로 즉각적인 개인정보 보호 및 선택적 초점 조정이 필요한 애플리케이션에 적합합니다.

YOLO11 을 사용하여 실시간 오브젝트 블러를 구현하려면 어떻게 해야 하나요?

YOLO11 로 실시간 객체 흐림 효과를 구현하려면 제공된 Python 예제를 따르세요. 여기에는 물체 감지에는 YOLO11 를 사용하고 흐림 효과 적용에는 OpenCV를 사용합니다. 다음은 단순화된 버전입니다:

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="yolo11n.pt",  # model="yolo11n-obb.pt" for object blurring using YOLO11 OBB model.
    blur_ratio=0.5,  # set blur percentage i.e 0.7 for 70% blurred detected objects
    # line_width=2,  # width of bounding box.
    # classes=[0, 2],  # count specific classes i.e, person and car with 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()

물체 흐림에 Ultralytics YOLO11 을 사용하면 어떤 이점이 있나요?

Ultralytics YOLO11 는 오브젝트 흐림 효과에 몇 가지 이점을 제공합니다:

• 개인정보 보호: 민감하거나 식별 가능한 정보를 효과적으로 가릴 수 있습니다.
• 선택적 초점: 특정 개체를 대상으로 흐리게 처리하여 필수 시각적 콘텐츠를 유지합니다.
• 실시간 처리: 동적 환경에서 오브젝트 블러링을 효율적으로 실행하여 즉각적인 프라이버시 향상에 적합합니다.
• 사용자 지정 가능한 강도: 흐림 비율을 조정하여 프라이버시 요구와 시각적 컨텍스트의 균형을 맞출 수 있습니다.
• 클래스별 블러링: 특정 유형의 오브젝트만 선택적으로 흐리게 처리하고 다른 오브젝트는 표시합니다.

자세한 적용 사례는 물체 흐림 효과의 장점 섹션에서 확인하세요.

개인정보 보호를 위해 동영상에서 얼굴을 흐리게 처리하는 데 Ultralytics YOLO11 사용할 수 있나요?

예, Ultralytics YOLO11 은 동영상에서 얼굴을 감지하고 흐리게 처리하여 개인정보를 보호하도록 설정할 수 있습니다. 얼굴을 구체적으로 인식하도록 미리 훈련하거나 훈련된 모델을 사용하여 감지 결과를 OpenCV로 처리하여 블러 효과를 적용할 수 있습니다. 물체 감지에 대한 가이드( YOLO11 )를 참조하여 얼굴 감지 대상에 맞게 코드를 수정하세요.

YOLO11 은 물체 흐림 효과를 위한 Faster R-CNN과 같은 다른 물체 감지 모델과 어떻게 비교되나요?

Ultralytics YOLO11 은 일반적으로 속도 측면에서 Faster R-CNN과 같은 모델보다 성능이 뛰어나므로 실시간 애플리케이션에 더 적합합니다. 두 모델 모두 정확한 감지 기능을 제공하지만, YOLO11 의 아키텍처는 실시간 물체 흐림과 같은 작업에 중요한 빠른 추론에 최적화되어 있습니다. 기술적 차이점 및 성능 지표에 대한 자세한 내용은 YOLO11 설명서를 참조하세요.

📅1 년 전 생성됨 ✏️ 업데이트됨 5 일 전

댓글