Desfoque de Objetos Usando Ultralytics YOLO26#
O que é o desfoque de objetos?#
O desfoque de objetos com o Ultralytics YOLO26 envolve aplicar um efeito de desfoque a objetos específicos detetados numa imagem ou vídeo. Isto pode ser conseguido utilizando as capacidades do modelo YOLO26 para identificar e manipular objetos numa determinada cena.
Watch: How to Train Face Detection Model using Ultralytics Platform & Blur Faces | 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 de identificação pessoal em imagens ou vídeos.
- Foco seletivo: O YOLO26 permite aplicar desfoque seletivo, possibilitando direcioná-lo a objetos específicos e garantindo um equilíbrio entre a privacidade e a preservação de informações visuais relevantes.
- Processamento em tempo real: A eficiência do YOLO26 permite aplicar desfoque de objetos em tempo real, tornando-o adequado para aplicações que requerem 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 conteúdo visual.
- Moderação de conteúdo: Útil para desfocar conteúdo impróprio ou sensível em plataformas de comunicação social, preservando o contexto geral.
Desfocar objetos com o YOLO26#
Passa o teu vídeo para a solução ObjectBlurrer, que deteta objetos em cada fotograma e aplica um desfoque de média (caixa) a cada deteção. Controla a intensidade com blur_ratio (0.1–1.0) e restringe 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#
Eis uma tabela com os argumentos de ObjectBlurrer:
| Argumento | Tipo | Predefinição | Descrição |
|---|---|---|---|
model | str | None | Caminho para um ficheiro de modelo YOLO da Ultralytics. |
blur_ratio | float | 0.5 | Ajusta a percentagem de intensidade da desfocagem, 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 registo por fotograma da solução, incluindo a forma da entrada, as contagens por classe e a velocidade de processamento. A chamada de rastreamento permanece sempre silenciosa. |
A solução ObjectBlurrer também é compatível com vários argumentos track:
| Argumento | Tipo | Predefinição | Descrição |
|---|---|---|---|
tracker | str | 'botsort.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 para as deteções; valores mais baixos permitem rastrear mais objetos, mas podem incluir falsos positivos. |
iou | float | 0.7 | Define o limiar de Interseção sobre a 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 selecionar entre CPU, uma GPU específica ou outros dispositivos de computação para executar o modelo. |
imgsz | int or tuple | 640 | Tamanho da imagem de inferência alvo: um inteiro para um quadrado ou um par (height, width). As formas são ajustadas para o passo do modelo. |
max_det | int | 300 | Número máximo de detecções mantidas por quadro 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/não definido (FP32) para modelos PyTorch e TorchScript; outros formatos computam na precisão que o artefato e o tempo de execução selecionam. Substitui a flag obsoleta half. |
Além disso, podem ser utilizados os seguintes argumentos de visualização:
| Argumento | Tipo | Predefinição | Descrição |
|---|---|---|---|
show | bool | False | Se True, apresenta as imagens ou vídeos anotados numa janela. É útil para obter feedback visual imediato durante o desenvolvimento ou os testes. |
show_conf | bool | True | Apresenta a pontuação de confiança de cada deteção junto à etiqueta. Permite compreender o grau de certeza do modelo em cada deteção. |
show_labels | bool | True | Apresenta etiquetas para cada deteção no resultado visual. Permite compreender imediatamente os objetos detetados. |
Aplicações no mundo real#
Proteção da privacidade na vigilância#
Câmaras de segurança e sistemas de vigilância podem utilizar o YOLO26 para desfocar automaticamente rostos, matrículas ou outras informações identificadoras, continuando a captar atividades importantes. Isto ajuda a manter a segurança e, ao mesmo tempo, a respeitar os direitos de privacidade em espaços públicos.
Anonimização de dados de saúde#
Em imagiologia médica, as informações dos pacientes aparecem frequentemente em exames ou fotografias. O YOLO26 pode detetar e desfocar estas informações para cumprir regulamentos como o HIPAA ao partilhar dados médicos para fins de investigação ou educativos.
Redação de documentos#
Ao partilhar documentos que contêm informações sensíveis, o YOLO26 pode detetar e desfocar automaticamente elementos específicos, como assinaturas, números de contas ou dados pessoais, simplificando o processo de redação e mantendo a integridade do documento.
Meios de comunicação e criação de conteúdo#
Os criadores de conteúdo podem utilizar o 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 o Ultralytics YOLO26 envolve detetar automaticamente e aplicar um efeito de desfoque a objetos específicos em imagens ou vídeos. Esta técnica melhora a privacidade ao ocultar informações sensíveis e, ao mesmo tempo, preservar dados visuais relevantes. As capacidades de processamento em tempo real do YOLO26 tornam-no adequado para aplicações que requerem proteção imediata da privacidade e ajustes de foco seletivo.
Utiliza o exemplo de Python acima, que executa a deteção de objetos com o 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.O Ultralytics YOLO26 oferece várias vantagens para o desfoque de objetos:
- Proteção da privacidade: Oculta eficazmente informações sensíveis ou identificáveis.
- Foco seletivo: Permite direcionar o desfoque a objetos específicos, mantendo o conteúdo visual essencial.
- Processamento em tempo real: Executa o desfoque de objetos de forma eficiente em ambientes dinâmicos, sendo adequado para melhorias imediatas da privacidade.
- Intensidade personalizável: Ajusta a proporção do desfoque para equilibrar as necessidades de privacidade com o contexto visual.
- Desfoque específico por classe: Desfoca seletivamente apenas determinados tipos de objetos, mantendo os restantes visíveis.
Para obter informações mais detalhadas sobre as aplicações, consulta a secção sobre as vantagens do desfoque de objetos.
Sim, o Ultralytics YOLO26 pode ser configurado para detetar e desfocar rostos em vídeos, protegendo a privacidade. Ao treinar ou utilizar um modelo pré-treinado para reconhecer especificamente rostos, os resultados da deteção podem ser processados com o OpenCV para aplicar um efeito de desfoque. Consulta o nosso guia sobre deteção de objetos com o YOLO26 e modifica o código para direcionar a deteção de rostos.
O Ultralytics YOLO26 normalmente supera modelos como o Faster R-CNN em termos de velocidade, tornando-o mais adequado para aplicações em tempo real. Embora ambos os modelos ofereçam uma deteção precisa, a arquitetura do YOLO26 está otimizada para uma inferência rápida, o que é essencial para tarefas como o desfoque de objetos em tempo real. Obtém mais informações sobre as diferenças técnicas e as métricas de desempenho na nossa documentação do YOLO26.