Link to this sectionРазмытие объектов с помощью Ultralytics YOLO26 🚀#
Link to this sectionЧто такое размытие объектов?#
Размытие объектов с помощью Ultralytics YOLO26 подразумевает применение эффекта размытия к конкретным обнаруженным объектам на изображении или видео. Это можно реализовать, используя возможности модели YOLO26 для идентификации и обработки объектов в заданной сцене.
Watch: How to Train Face Detection Model using Ultralytics Platform & Blur Faces | Ultralytics YOLO26 🚀
Link to this sectionПреимущества размытия объектов#
- Защита конфиденциальности: Размытие объектов — это эффективный инструмент обеспечения приватности путем скрытия чувствительной или личной информации на изображениях или видео.
- Выборочная фокусировка: YOLO26 позволяет применять выборочное размытие, давая возможность фокусироваться на конкретных объектах, что обеспечивает баланс между конфиденциальностью и сохранением важной визуальной информации.
- Обработка в реальном времени: Эффективность YOLO26 позволяет выполнять размытие объектов в реальном времени, что делает модель подходящей для приложений, требующих оперативного повышения уровня приватности в динамических условиях.
- Соблюдение нормативных требований: Помогает организациям соблюдать правила защиты данных, такие как GDPR, путем анонимизации идентифицируемой информации в визуальном контенте.
- Модерация контента: Полезно для размытия неуместного или чувствительного контента на медиаплатформах с сохранением общего контекста.
# 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 sectionАргументы ObjectBlurrer#
Ниже приведена таблица с аргументами ObjectBlurrer:
| Аргумент | Тип | По умолчанию | Описание |
|---|---|---|---|
model | str | None | Путь к файлу модели Ultralytics YOLO. |
blur_ratio | float | 0.5 | Регулирует процент интенсивности размытия со значениями в диапазоне 0.1 - 1.0. |
Решение ObjectBlurrer также поддерживает ряд аргументов track:
| Аргумент | Тип | По умолчанию | Описание |
|---|---|---|---|
tracker | str | 'botsort.yaml' | Указывает алгоритм отслеживания, который нужно использовать. Встроенные опции: botsort.yaml, bytetrack.yaml, ocsort.yaml, deepocsort.yaml, fasttrack.yaml, tracktrack.yaml. |
conf | float | 0.1 | Устанавливает порог уверенности для обнаружений; более низкие значения позволяют отслеживать больше объектов, но могут включать ложные срабатывания. |
iou | float | 0.7 | Устанавливает порог Intersection over Union (IoU) для фильтрации перекрывающихся обнаружений. |
classes | list | None | Фильтрует результаты по индексу класса. Например, classes=[0, 2, 3] отслеживает только указанные классы. |
verbose | bool | True | Контролирует отображение результатов отслеживания, предоставляя визуальный вывод отслеживаемых объектов. |
device | str | None | Указывает устройство для вывода (например, cpu, cuda:0 или 0). Позволяет выбирать между CPU, конкретным GPU или другими вычислительными устройствами для выполнения модели. |
Кроме того, можно использовать следующие аргументы визуализации:
| Аргумент | Тип | По умолчанию | Описание |
|---|---|---|---|
show | bool | False | Если True, отображает аннотированные изображения или видео в окне. Полезно для немедленной визуальной обратной связи во время разработки или тестирования. |
line_width | int or None | None | Указывает ширину линии ограничивающих рамок. Если None, ширина линии автоматически подстраивается под размер изображения. Обеспечивает визуальную настройку для ясности. |
show_conf | bool | True | Отображает показатель уверенности для каждого обнаружения рядом с меткой. Дает представление об уверенности модели в каждом обнаружении. |
show_labels | bool | True | Отображает метки для каждого обнаружения в визуальном выводе. Обеспечивает быстрое понимание того, какие объекты были обнаружены. |
Link to this sectionПрименение в реальных условиях#
Link to this sectionЗащита конфиденциальности в системах видеонаблюдения#
Камеры видеонаблюдения и системы наблюдения могут использовать YOLO26 для автоматического размытия лиц, номерных знаков или другой идентифицирующей информации, сохраняя при этом фиксацию важных событий. Это помогает поддерживать безопасность, соблюдая права на частную жизнь в общественных местах.
Link to this sectionАнонимизация медицинских данных#
В медицинской визуализации информация о пациентах часто встречается на снимках или фотографиях. YOLO26 может обнаруживать и размывать эту информацию для соответствия таким правилам, как HIPAA, при обмене медицинскими данными в исследовательских или образовательных целях.
Link to this sectionРедактирование документов#
При передаче документов, содержащих конфиденциальную информацию, YOLO26 может автоматически обнаруживать и размывать специфические элементы, такие как подписи, номера счетов или личные данные, оптимизируя процесс редактирования и сохраняя целостность документа.
Link to this sectionСоздание медиа и контента#
Создатели контента могут использовать YOLO26 для размытия логотипов брендов, материалов, защищенных авторским правом, или неуместного контента на видео и изображениях, что помогает избежать юридических проблем, сохраняя при этом общее качество контента.
Link to this sectionFAQ#
Link to this sectionЧто такое размытие объектов с помощью Ultralytics YOLO26?#
Размытие объектов с помощью Ultralytics YOLO26 подразумевает автоматическое обнаружение и применение эффекта размытия к конкретным объектам на изображениях или видео. Эта техника повышает уровень конфиденциальности путем скрытия чувствительной информации при сохранении важных визуальных данных. Возможности обработки в реальном времени, которые предоставляет YOLO26, делают модель подходящей для приложений, требующих немедленной защиты приватности и выборочной настройки фокуса.
Link to this sectionКак реализовать размытие объектов в реальном времени с помощью YOLO26?#
Чтобы реализовать размытие объектов в реальном времени с помощью YOLO26, следуй приведенному примеру на Python. Это включает использование YOLO26 для обнаружения объектов и OpenCV для применения эффекта размытия. Вот упрощенная версия:
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 sectionКаковы преимущества использования Ultralytics YOLO26 для размытия объектов?#
Ultralytics YOLO26 предлагает ряд преимуществ для размытия объектов:
- Защита конфиденциальности: Эффективное скрытие чувствительной или идентифицируемой информации.
- Выборочная фокусировка: Выбор конкретных объектов для размытия с сохранением важного визуального контента.
- Обработка в реальном времени: Эффективное выполнение размытия объектов в динамических условиях, что подходит для мгновенного повышения приватности.
- Настраиваемая интенсивность: Регулировка степени размытия для баланса между требованиями конфиденциальности и визуальным контекстом.
- Размытие по классам: Выборочное размытие только определенных типов объектов при сохранении видимости остальных.
Для получения более детальной информации о применении ознакомься с разделом о преимуществах размытия объектов.
Link to this sectionМогу ли я использовать Ultralytics YOLO26 для размытия лиц на видео в целях конфиденциальности?#
Да, Ultralytics YOLO26 можно настроить для обнаружения и размытия лиц на видео в целях защиты конфиденциальности. Обучив или используя уже обученную модель для распознавания лиц, результаты обнаружения можно обработать с помощью OpenCV для применения эффекта размытия. Обратись к нашему руководству по обнаружению объектов с помощью YOLO26 и измени код для настройки на обнаружение лиц.
Link to this sectionКак YOLO26 соотносится с другими моделями обнаружения объектов, такими как Faster R-CNN, в вопросах размытия объектов?#
Ultralytics YOLO26 обычно превосходит модели типа Faster R-CNN по скорости, что делает ее более подходящей для задач в реальном времени. Хотя обе модели обеспечивают точное обнаружение, архитектура YOLO26 оптимизирована для быстрого вывода, что критически важно для таких задач, как размытие объектов в реальном времени. Узнай больше о технических различиях и метриках производительности в нашей документации по YOLO26.