Desfoque de objetos com Ultralytics YOLO26#
O que é o desfoque de objetos?#
O desfoque de objetos com Ultralytics YOLO26 consiste em aplicar um efeito de desfoque a objetos específicos detetados numa imagem ou vídeo. Isto pode ser feito usando as capacidades do modelo YOLO26 para identificar e manipular objetos numa determinada cena.
Assista: Como treinar um modelo de detecção de rostos usando a plataforma Ultralytics e desfocar rostos | Ultralytics YOLO26 🚀
Vantagens do desfoque de objetos#
- Proteção da privacidade: o desfoque de objetos é uma ferramenta eficaz para proteger a privacidade, ocultando informações sensíveis ou pessoalmente identificáveis em imagens ou vídeos.
- Foco seletivo: o YOLO26 permite aplicar desfoque seletivamente a objetos específicos, garantindo um equilíbrio entre a privacidade e a preservação de informações visuais relevantes.
- Processamento em tempo real: a eficiência do YOLO26 permite desfocar objetos em tempo real, sendo adequado para aplicações que exigem melhorias de privacidade imediatas em ambientes dinâmicos.
- Conformidade regulamentar: ajuda as organizações a cumprir regulamentos de proteção de dados, como o GDPR, através da anonimização de informações identificáveis em conteúdos visuais.
- Moderação de conteúdo: útil para desfocar conteúdo impróprio ou sensível em plataformas de comunicação social, preservando o contexto geral.
Desfoca objetos com YOLO26#
Passa o teu vídeo para a solução ObjectBlurrer, que deteta objetos em cada fotograma e aplica um desfoque médio (em caixa) a cada deteção. Controla a intensidade com blur_ratio (0.1–1.0) e limita o desfoque a classes específicos — por exemplo, apenas pessoas e carros.
# 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]"Argumentos de ObjectBlurrer#
Aqui está uma tabela com os argumentos de ObjectBlurrer:
| Argumento | Tipo | Padrão | Descrição |
|---|---|---|---|
model | str | None | Caminho para um arquivo de modelo Ultralytics YOLO. |
blur_ratio | float | 0.5 | Ajusta a percentagem da intensidade do desfoque, com valores no intervalo 0.1 - 1.0. |
line_width | int | 2 | Espessura das linhas das caixas, dos pontos-chave e das contagens desenhados pela solução. |
verbose | bool | True | Ativa o registro por quadro da solução, com o formato da entrada, as contagens por classe e a velocidade de processamento. A chamada de rastreamento em si é sempre silenciosa. |
A solução ObjectBlurrer também suporta vários argumentos track:
| Argumento | Tipo | Padrão | Descrição |
|---|---|---|---|
tracker | str | 'tracktrack.yaml' | Especifica o algoritmo de rastreamento a utilizar. Opções integradas: botsort.yaml, bytetrack.yaml, ocsort.yaml, deepocsort.yaml, fasttrack.yaml, tracktrack.yaml. |
conf | float | 0.25 | Define o limiar de confiança das deteções; valores mais baixos permitem rastrear mais objetos, mas podem incluir falsos positivos. |
iou | float | 0.7 | Define o limiar de interseção sobre união (IoU) para filtrar deteções sobrepostas. |
classes | list | None | Filtra os resultados pelo índice da classe. Por exemplo, classes=[0, 2, 3] rastreia apenas as classes especificadas. |
device | str | None | Especifica o dispositivo para a inferência (por exemplo, cpu, cuda:0 ou 0). Permite escolher entre CPU, uma GPU específica ou outros dispositivos de computação para executar o modelo. |
imgsz | int or tuple | 640 | Tamanho da imagem de destino para a inferência: um número inteiro para uma imagem quadrada ou um par (height, width). As dimensões são ajustadas ao stride do modelo. |
max_det | int | 300 | Número máximo de deteções mantidas por fotograma antes do rastreamento, limitando os objetos que uma solução processa em cenas densas. |
quantize | int or str | None | Precisão de inferência: 16 (FP16) ou 32/unset (FP32) para modelos PyTorch e TorchScript fora da CPU; os outros formatos usam a precisão selecionada pelo artefato e pelo ambiente de execução. Substitui o argumento obsoleto half. |
Além disso, podem ser usados os seguintes argumentos de visualização:
| Argumento | Tipo | Padrão | Descrição |
|---|---|---|---|
show | bool | False | Se True, exibe as imagens ou os vídeos anotados em uma janela. Útil para obter feedback visual imediato durante o desenvolvimento ou os testes. |
show_conf | bool | True | Exibe a pontuação de confiança de cada detecção junto ao rótulo. Mostra o grau de certeza do modelo em cada detecção. |
show_labels | bool | True | Exibe os rótulos de cada detecção na saída visual. Permite identificar imediatamente os objetos detectados. |
Aplicações no mundo real#
Proteção da privacidade na vigilância#
As câmaras de segurança e os sistemas de vigilância podem usar YOLO26 para desfocar automaticamente rostos, matrículas ou outras informações identificativas, continuando a captar atividades importantes. Isto ajuda a manter a segurança e a respeitar os direitos de privacidade em espaços públicos.
Anonimização de dados de saúde#
Em imagiologia médica, as informações dos pacientes aparecem muitas vezes em exames ou fotografias. O YOLO26 pode detetar e desfocar essas informações para cumprir regulamentos como o HIPAA ao partilhar dados médicos para investigação ou fins educativos.
Ocultação de informações em documentos#
Ao partilhares documentos com informações sensíveis, o YOLO26 pode detetar e desfocar automaticamente elementos específicos, como assinaturas, números de conta ou dados pessoais, simplificando o processo de ocultação sem comprometer a integridade do documento.
Criação de conteúdos e multimédia#
Os criadores de conteúdos podem usar YOLO26 para desfocar logótipos de marcas, material protegido por direitos de autor ou conteúdo impróprio em vídeos e imagens, ajudando a evitar problemas legais e preservando a qualidade geral do conteúdo.
Perguntas frequentes#
O desfoque de objetos com Ultralytics YOLO26 consiste em detetar automaticamente objetos específicos em imagens ou vídeos e aplicar-lhes um efeito de desfoque. Esta técnica reforça a privacidade ao ocultar informações sensíveis e preservar os dados visuais relevantes. As capacidades de processamento em tempo real do YOLO26 tornam-no adequado para aplicações que exigem proteção imediata da privacidade e ajustes de foco seletivo.
Usa o exemplo de Python acima, que executa a deteção de objetos com YOLO26 e desfoca cada deteção em todos os fotogramas. Define
blur_ratio(por exemplo,0.5para uma intensidade de desfoque de 50%) para controlar o efeito e passaclassespara desfocar apenas tipos específicos de objetos.Ultralytics YOLO26 oferece várias vantagens para desfocar objetos:
- Proteção da privacidade: oculta eficazmente informações sensíveis ou identificáveis.
- Foco seletivo: permite selecionar objetos específicos para desfocar, preservando o conteúdo visual essencial.
- Processamento em tempo real: executa o desfoque de objetos com eficiência em ambientes dinâmicos, sendo adequado para reforçar a privacidade de imediato.
- Intensidade personalizável: ajusta a intensidade do desfoque para equilibrar as necessidades de privacidade e o contexto visual.
- Desfoque por classe: desfoca seletivamente apenas determinados tipos de objetos, mantendo os restantes visíveis.
Para conheceres aplicações mais detalhadas, consulta a secção sobre as vantagens do desfoque de objetos.
Sim, podes configurar Ultralytics YOLO26 para detetar e desfocar rostos em vídeos, protegendo a privacidade. Ao treinar ou usar um modelo pré-treinado especificamente para reconhecer rostos, os resultados da deteção podem ser processados com OpenCV para aplicar um efeito de desfoque. Consulta o nosso guia sobre deteção de objetos com YOLO26 e modifica o código para detetar rostos.
Ultralytics YOLO26 costuma superar modelos como Faster R-CNN em velocidade, o que o torna mais adequado para aplicações em tempo real. Embora ambos os modelos ofereçam deteção precisa, a arquitetura do YOLO26 está otimizada para inferência rápida, essencial em tarefas como o desfoque de objetos em tempo real. Sabe mais sobre as diferenças técnicas e as métricas de desempenho na nossa documentação do YOLO26.