Ultralytics YOLO26을 사용한 객체 블러링 🚀

객체 블러링이란 무엇입니까?

Ultralytics YOLO26을 사용한 객체 블러링은 이미지 또는 비디오에서 특정 detect된 객체에 블러 효과를 적용하는 것을 포함합니다. 이는 주어진 장면 내에서 객체를 식별하고 조작하는 YOLO26 모델 기능을 사용하여 달성할 수 있습니다.

참고: Ultralytics YOLO26을 사용한 객체 블러링

객체 블러링의 장점

• 개인 정보 보호: 객체 흐림 효과는 이미지나 비디오에서 민감하거나 개인 식별 정보를 숨겨 개인 정보를 보호하는 효과적인 도구입니다.
• 선택적 초점: YOLO26은 선택적 블러링을 허용하여 사용자가 특정 객체를 대상으로 할 수 있도록 하며, 개인 정보 보호와 관련 시각 정보 유지 사이의 균형을 보장합니다.
• 실시간 처리: YOLO26의 효율성은 실시간 객체 블러링을 가능하게 하여 동적 환경에서 즉각적인 개인 정보 보호 강화가 필요한 애플리케이션에 적합합니다.
• 규정 준수: 시각적 콘텐츠에서 식별 가능한 정보를 익명화하여 조직이 GDPR과 같은 데이터 보호 규정을 준수하도록 지원합니다.
• 콘텐츠 조정: 미디어 플랫폼에서 부적절하거나 민감한 콘텐츠를 흐리게 처리하면서 전체 컨텍스트를 보존하는 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
blurrer = solutions.ObjectBlurrer(
    show=True,  # display the output
    model="yolo26n.pt",  # model for object blurring, e.g., yolo26m.pt
    # line_width=2,  # width of bounding box.
    # classes=[0, 2],  # blur specific classes, e.g., person and car with the COCO pretrained model.
    # blur_ratio=0.5,  # adjust percentage of blur intensity, 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 테이블에 ObjectBlurrer 인수입니다.

에 지정되어 있습니다. ObjectBlurrer 솔루션은 또한 다양한 기능을 지원합니다. track 인수입니다.

또한 다음과 같은 시각화 인수를 사용할 수 있습니다:

실제 응용 분야

감시 환경에서의 개인 정보 보호

보안 카메라 및 감시 시스템은 YOLO26을 사용하여 중요한 활동을 계속 캡처하면서 얼굴, 차량 번호판 또는 기타 식별 정보를 자동으로 블러 처리할 수 있습니다. 이는 공공장소에서 개인 정보 보호 권리를 존중하면서 보안을 유지하는 데 도움이 됩니다.

헬스케어 데이터 익명화

의료 영상에서 환자 정보는 스캔 또는 사진에 자주 나타납니다. YOLO26은 연구 또는 교육 목적으로 의료 데이터를 공유할 때 HIPAA와 같은 규정을 준수하기 위해 이 정보를 detect하고 블러 처리할 수 있습니다.

문서 수정

민감한 정보가 포함된 문서를 공유할 때, YOLO26은 서명, 계좌 번호 또는 개인 정보와 같은 특정 요소를 자동으로 detect하고 블러 처리하여 문서 무결성을 유지하면서 수정 프로세스를 간소화할 수 있습니다.

미디어 및 콘텐츠 제작

콘텐츠 제작자는 YOLO26을 사용하여 비디오 및 이미지에서 브랜드 로고, 저작권이 있는 자료 또는 부적절한 콘텐츠를 블러 처리하여 전반적인 콘텐츠 품질을 유지하면서 법적 문제를 피할 수 있습니다.

FAQ

Ultralytics YOLO26을 사용한 객체 블러링이란 무엇입니까?

Ultralytics YOLO26을 사용한 객체 블러링은 이미지 또는 비디오에서 특정 객체를 자동으로 detect하고 블러 효과를 적용하는 것을 포함합니다. 이 기술은 민감한 정보를 숨기면서 관련 시각 데이터를 유지하여 개인 정보 보호를 강화합니다. YOLO26의 실시간 처리 기능은 즉각적인 개인 정보 보호 및 선택적 초점 조정이 필요한 애플리케이션에 적합하게 만듭니다.

YOLO26을 사용하여 실시간 객체 블러링을 구현하려면 어떻게 해야 합니까?

YOLO26으로 실시간 객체 블러링을 구현하려면 제공된 python 예제를 따르십시오. 이는 객체 detect를 위해 YOLO26을 사용하고 블러 효과 적용을 위해 OpenCV를 사용하는 것을 포함합니다. 다음은 간소화된 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="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()

객체 블러링에 Ultralytics YOLO26을 사용하면 어떤 이점이 있습니까?

Ultralytics YOLO26은 객체 블러링에 여러 가지 이점을 제공합니다:

• 개인 정보 보호: 민감하거나 식별 가능한 정보를 효과적으로 가립니다.
• 선택적 초점: 필수 시각적 콘텐츠를 유지하면서 특정 객체를 대상으로 흐리게 처리합니다.
• 실시간 처리: 동적 환경에서 객체 블러링을 효율적으로 실행하여 즉각적인 개인 정보 보호 개선에 적합합니다.
• 맞춤형 강도: 개인 정보 보호 필요성과 시각적 맥락의 균형을 맞추기 위해 흐림 비율을 조정합니다.
• 클래스별 블러링: 특정 유형의 객체만 선택적으로 흐리게 처리하고 다른 객체는 보이도록 합니다.

더 자세한 애플리케이션은 객체 블러링 섹션의 장점을 확인하십시오.

개인 정보 보호를 위해 Ultralytics YOLO26을 사용하여 비디오에서 얼굴을 블러 처리할 수 있습니까?

네, Ultralytics YOLO26은 개인 정보 보호를 위해 비디오에서 얼굴을 detect하고 블러 처리하도록 구성할 수 있습니다. 얼굴을 특정하게 인식하도록 모델을 훈련시키거나 사전 훈련된 모델을 사용함으로써, detect 결과는 OpenCV로 처리되어 블러 효과를 적용할 수 있습니다. YOLO26을 사용한 객체 detect 가이드를 참조하여 얼굴 detect를 목표로 코드를 수정하십시오.

객체 블러링에서 YOLO26은 Faster R-CNN과 같은 다른 객체 detect 모델과 어떻게 비교됩니까?

Ultralytics YOLO26은 일반적으로 Faster R-CNN과 같은 모델보다 속도 면에서 우수하여 실시간 애플리케이션에 더 적합합니다. 두 모델 모두 정확한 detect를 제공하지만, YOLO26의 아키텍처는 실시간 객체 블러링과 같은 작업에 필수적인 빠른 추론에 최적화되어 있습니다. YOLO26 문서에서 기술적 차이점과 성능 지표에 대해 자세히 알아보십시오.

5; 2 년 전에 생성됨 ✏️ 13 전에 업데이트됨

댓글