Link to this sectionUltralytics YOLO26을 이용한 객체 블러 처리 🚀#
Link to this section객체 블러 처리란 무엇입니까?#
Ultralytics YOLO26을 이용한 객체 블러 처리는 이미지나 영상 내에서 감지된 특정 객체에 블러 효과를 적용하는 것을 의미합니다. 이는 YOLO26 모델의 기능을 활용하여 주어진 장면 내의 객체를 식별하고 조작함으로써 수행할 수 있습니다.
Watch: How to Train Face Detection Model using Ultralytics Platform & Blur Faces | Ultralytics YOLO26 🚀
Link to this section객체 블러 처리의 장점#
- 개인정보 보호: 객체 블러 처리는 이미지나 영상 내 민감한 정보나 개인 식별 정보를 가림으로써 개인정보를 보호하는 효과적인 도구입니다.
- 선택적 초점: YOLO26은 선택적 블러 처리를 지원하여 사용자가 특정 객체를 대상으로 지정할 수 있게 해주며, 개인정보 보호와 관련 시각 정보 유지 사이의 균형을 유지할 수 있도록 합니다.
- 실시간 처리: YOLO26의 효율성 덕분에 실시간 객체 블러 처리가 가능하며, 역동적인 환경에서 즉각적인 개인정보 보호 강화가 필요한 애플리케이션에 적합합니다.
- 규정 준수: 시각적 콘텐츠 내 식별 가능한 정보를 익명화함으로써 조직이 GDPR과 같은 데이터 보호 규정을 준수하도록 돕습니다.
- 콘텐츠 조정: 미디어 플랫폼에서 전체적인 맥락을 유지하면서 부적절하거나 민감한 콘텐츠를 블러 처리하는 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]"Link to this sectionObjectBlurrer 인수#
다음은 ObjectBlurrer 인수에 대한 표입니다:
| 인수 | 유형 | 기본값 | 설명 |
|---|---|---|---|
model | str | None | Ultralytics YOLO 모델 파일 경로입니다. |
blur_ratio | float | 0.5 | 블러 강도의 백분율을 조정하며, 0.1 - 1.0 범위 내의 값을 가집니다. |
ObjectBlurrer 솔루션은 다양한 track 인수도 지원합니다:
| 인수 | 유형 | 기본값 | 설명 |
|---|---|---|---|
tracker | str | 'botsort.yaml' | 사용할 추적 알고리즘을 지정합니다. 기본 옵션은 다음과 같습니다: botsort.yaml, bytetrack.yaml, ocsort.yaml, deepocsort.yaml, fasttrack.yaml, tracktrack.yaml. |
conf | float | 0.1 | 탐지에 대한 신뢰도 임계값을 설정합니다. 값이 낮을수록 더 많은 객체가 추적되지만 잘못된 긍정 탐지(false positives)가 포함될 수 있습니다. |
iou | float | 0.7 | 겹치는 탐지를 필터링하기 위한 Intersection over Union (IoU) 임계값을 설정합니다. |
classes | list | None | 클래스 인덱스로 결과를 필터링합니다. 예를 들어, classes=[0, 2, 3]은 지정된 클래스만 추적합니다. |
verbose | bool | True | 추적 결과 표시를 제어하여 추적된 객체의 시각적 출력을 제공합니다. |
device | str | None | 추론을 위한 장치(예: cpu, cuda:0 또는 0)를 지정합니다. 사용자가 모델 실행을 위해 CPU, 특정 GPU 또는 기타 컴퓨팅 장치를 선택할 수 있도록 합니다. |
또한, 다음의 시각화 인수를 사용할 수 있습니다:
| 인수 | 유형 | 기본값 | 설명 |
|---|---|---|---|
show | bool | False | True일 경우, 주석이 달린 이미지나 비디오를 창에 표시합니다. 개발 또는 테스트 중 즉각적인 시각적 피드백을 확인하는 데 유용합니다. |
line_width | int or None | None | 바운딩 박스의 선 굵기를 지정합니다. None일 경우, 선 굵기가 이미지 크기에 따라 자동으로 조정됩니다. 명확성을 위해 시각적 커스터마이징을 제공합니다. |
show_conf | bool | True | 각 탐지에 대한 신뢰도 점수를 레이블과 함께 표시합니다. 각 탐지에 대한 모델의 확신도를 파악할 수 있습니다. |
show_labels | bool | True | 시각적 출력에서 각 탐지에 대한 레이블을 표시합니다. 탐지된 객체를 즉시 이해할 수 있도록 합니다. |
Link to this section실제 활용 사례#
Link to this section감시 환경에서의 개인정보 보호#
보안 카메라 및 감시 시스템은 YOLO26을 사용하여 얼굴, 번호판 또는 기타 식별 정보를 자동으로 블러 처리하면서도 중요한 활동을 포착할 수 있습니다. 이는 공공장소에서 개인정보 보호 권리를 존중하면서 보안을 유지하는 데 도움을 줍니다.
Link to this section의료 데이터 익명화#
의료 영상에서 환자 정보는 스캔본이나 사진에 자주 나타납니다. YOLO26은 연구나 교육 목적으로 의료 데이터를 공유할 때 HIPAA와 같은 규정을 준수하기 위해 이러한 정보를 감지하고 블러 처리할 수 있습니다.
Link to this section문서 비공개 처리(Redaction)#
민감한 정보가 포함된 문서를 공유할 때, YOLO26은 서명, 계좌 번호 또는 개인 정보와 같은 특정 요소를 자동으로 감지하고 블러 처리하여 문서 무결성을 유지하면서 비공개 처리 과정을 간소화할 수 있습니다.
Link to this section미디어 및 콘텐츠 제작#
콘텐츠 제작자는 YOLO26을 사용하여 영상이나 이미지 내 브랜드 로고, 저작권이 있는 자료 또는 부적절한 콘텐츠를 블러 처리함으로써 전반적인 콘텐츠 품질을 보존하면서 법적 문제를 방지할 수 있습니다.
Link to this sectionFAQ#
Link to this sectionUltralytics YOLO26을 이용한 객체 블러 처리란 무엇입니까?#
Ultralytics YOLO26을 이용한 객체 블러 처리는 이미지나 영상 내 특정 객체를 자동으로 감지하고 블러 효과를 적용하는 과정을 포함합니다. 이 기술은 관련 시각 데이터를 유지하면서 민감한 정보를 가려 개인정보를 강화합니다. YOLO26의 실시간 처리 능력은 즉각적인 개인정보 보호와 선택적 초점 조정이 필요한 애플리케이션에 적합합니다.
Link to this sectionYOLO26을 사용하여 실시간 객체 블러 처리를 구현하려면 어떻게 해야 합니까?#
YOLO26으로 실시간 객체 블러 처리를 구현하려면 제공된 Python 예제를 따르십시오. 이는 객체 탐지를 위해 YOLO26을 사용하고 블러 효과 적용을 위해 OpenCV를 사용하는 것을 포함합니다. 간략한 버전은 다음과 같습니다:
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 sectionUltralytics YOLO26을 객체 블러 처리에 사용할 때의 장점은 무엇입니까?#
Ultralytics YOLO26은 객체 블러 처리에 대해 다음과 같은 여러 장점을 제공합니다:
- 개인정보 보호: 민감하거나 식별 가능한 정보를 효과적으로 가립니다.
- 선택적 초점: 블러 처리할 특정 객체를 지정하여 필수 시각 콘텐츠를 유지합니다.
- 실시간 처리: 역동적인 환경에서 객체 블러 처리를 효율적으로 실행하여 즉각적인 개인정보 보호 강화에 적합합니다.
- 사용자 정의 가능한 강도: 블러 비율을 조정하여 개인정보 보호 요구 사항과 시각적 맥락 사이의 균형을 맞출 수 있습니다.
- 클래스별 블러 처리: 특정 유형의 객체만 선택적으로 블러 처리하고 다른 객체는 보이게 유지할 수 있습니다.
더 자세한 적용 사례는 객체 블러 처리의 장점 섹션을 확인하십시오.
Link to this section개인정보 보호를 위해 Ultralytics YOLO26을 사용하여 영상 내 얼굴을 블러 처리할 수 있습니까?#
네, Ultralytics YOLO26은 영상 내 얼굴을 감지하고 블러 처리하여 개인정보를 보호하도록 설정할 수 있습니다. 얼굴을 구체적으로 인식하도록 사전 학습된 모델을 사용하거나 직접 학습시키면, 감지 결과를 OpenCV로 처리하여 블러 효과를 적용할 수 있습니다. YOLO26을 이용한 객체 탐지 가이드를 참조하여 얼굴 탐지를 대상으로 코드를 수정하십시오.
Link to this section객체 블러 처리에 있어 YOLO26은 Faster R-CNN과 같은 다른 객체 탐지 모델과 어떻게 비교됩니까?#
Ultralytics YOLO26은 속도 면에서 Faster R-CNN과 같은 모델보다 일반적으로 우수하며, 실시간 애플리케이션에 더 적합합니다. 두 모델 모두 정확한 탐지를 제공하지만, YOLO26의 아키텍처는 실시간 객체 블러 처리와 같은 작업에 결정적인 빠른 추론을 위해 최적화되어 있습니다. 기술적 차이와 성능 지표에 대한 더 자세한 내용은 YOLO26 문서에서 확인하십시오.