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 장점은?

• 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.

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()

인수 model.predict

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 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()

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.

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.

11개월 전 생성됨 ✏️ 2개월 전 업데이트됨

댓글