Размытие объектов с помощью Ultralytics YOLO26#
Что такое размытие объектов?#
Размытие объектов с помощью Ultralytics YOLO26 — это применение эффекта размытия к определенным объектам, обнаруженным на изображении или видео. Для этого возможности модели YOLO26 используются для распознавания объектов и изменения их вида в заданной сцене.
Смотри: Как обучить модель для обнаружения лиц с помощью платформы Ultralytics и размывать лица | Ultralytics YOLO26 🚀
Преимущества размытия объектов#
- Защита конфиденциальности: Размытие объектов эффективно защищает конфиденциальность, скрывая чувствительную информацию или персональные данные на изображениях и видео.
- Выборочный фокус: YOLO26 позволяет размывать выбранные объекты, помогая соблюдать баланс между конфиденциальностью и сохранением важной визуальной информации.
- Обработка в реальном времени: Благодаря высокой эффективности YOLO26 размывает объекты в реальном времени, поэтому подходит для динамичных сред, где требуется мгновенно усилить защиту конфиденциальности.
- Соответствие нормативным требованиям: Помогает организациям соблюдать правила защиты данных, например GDPR, анонимизируя идентифицирующую информацию в визуальном контенте.
- Модерация контента: Позволяет размывать неподобающий контент или чувствительную информацию на медиаплатформах, сохраняя общий контекст.
Размытие объектов с помощью YOLO26#
Передай видео решению ObjectBlurrer: оно обнаружит объекты в каждом кадре и применит к каждому обнаруженному объекту усредняющее размытие (внутри рамки). Регулируй степень размытия с помощью blur_ratio (0.1–1.0) и ограничь размытие определенными classes — например, только людьми и автомобилями.
# 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]"Аргументы ObjectBlurrer#
Вот таблица с аргументами ObjectBlurrer:
| Аргумент | Тип | По умолчанию | Описание |
|---|---|---|---|
model | str | None | Путь к файлу модели Ultralytics YOLO. |
blur_ratio | float | 0.5 | Настраивает процент интенсивности размытия в диапазоне 0.1 - 1.0. |
line_width | int | 2 | Толщина линий рамок, ключевых точек и счётчиков, которые рисует решение. |
verbose | bool | True | Включает журнал решения для каждого кадра с указанием формы входных данных, количества объектов по классам и скорости обработки. Сам вызов отслеживания всегда выполняется без вывода сообщений. |
Решение ObjectBlurrer также поддерживает набор аргументов track:
| Аргумент | Тип | По умолчанию | Описание |
|---|---|---|---|
tracker | str | 'tracktrack.yaml' | Задаёт алгоритм отслеживания. Встроенные варианты: botsort.yaml, bytetrack.yaml, ocsort.yaml, deepocsort.yaml, fasttrack.yaml, tracktrack.yaml. |
conf | float | 0.25 | Задаёт порог уверенности для обнаружений: при более низких значениях можно отслеживать больше объектов, но возрастает вероятность ложноположительных срабатываний. |
iou | float | 0.7 | Задаёт порог пересечения над объединением (IoU) для фильтрации перекрывающихся обнаружений. |
classes | list | None | Фильтрует результаты по индексу класса. Например, classes=[0, 2, 3] отслеживает только указанные классы. |
device | str | None | Задаёт устройство для инференса (например, cpu, cuda:0 или 0). Позволяет выбрать CPU, определённый GPU или другое вычислительное устройство для выполнения модели. |
imgsz | int or tuple | 640 | Целевой размер изображения для инференса: целое число для квадратного изображения или пара (height, width). Размеры корректируются с учётом шага модели. |
max_det | int | 300 | Максимальное количество обнаружений, сохраняемых в каждом кадре перед отслеживанием; ограничивает число объектов, обрабатываемых решением в насыщенных сценах. |
quantize | int or str | None | Точность инференса: 16 (FP16) или 32/unset (FP32) для моделей PyTorch и TorchScript не на CPU; для других форматов точность определяется артефактом модели и средой выполнения. Заменяет устаревший аргумент half. |
Кроме того, можно использовать следующие аргументы визуализации:
| Аргумент | Тип | По умолчанию | Описание |
|---|---|---|---|
show | bool | False | Если True, показывает аннотированные изображения или видео в окне. Полезно для мгновенной визуальной проверки во время разработки или тестирования. |
show_conf | bool | True | Показывает оценку уверенности каждой детекции рядом с меткой. Позволяет оценить уверенность модели в каждой детекции. |
show_labels | bool | True | Показывает метки каждой детекции на визуализации. Помогает сразу понять, какие объекты обнаружены. |
Применение в реальных условиях#
Защита конфиденциальности при видеонаблюдении#
Камеры видеонаблюдения и системы наблюдения могут использовать YOLO26 для автоматического размытия лиц, номерных знаков и другой идентифицирующей информации, продолжая фиксировать важные события. Это помогает обеспечивать безопасность и соблюдать право на конфиденциальность в общественных местах.
Анонимизация медицинских данных#
При медицинской визуализации данные пациентов часто попадают на снимки или фотографии. YOLO26 может обнаруживать и размывать эти данные, помогая соблюдать такие нормативные требования, как HIPAA, при передаче медицинских данных для исследований или обучения.
Редактирование документов#
При передаче документов с конфиденциальной информацией YOLO26 может автоматически обнаруживать и размывать отдельные элементы, например подписи, номера счетов или личные данные. Это упрощает редактирование и помогает сохранить целостность документа.
Создание медиа и контента#
Создатели контента могут использовать YOLO26 для размытия логотипов брендов, материалов, защищенных авторским правом, или неподобающего контента в видео и изображениях. Это помогает избежать юридических проблем без ущерба для общего качества контента.
Часто задаваемые вопросы#
Размытие объектов с помощью Ultralytics YOLO26 предполагает автоматическое обнаружение выбранных объектов на изображениях или видео и применение к ним эффекта размытия. Эта технология повышает уровень конфиденциальности, скрывая чувствительную информацию и сохраняя важные визуальные данные. Благодаря обработке в реальном времени YOLO26 подходит для задач, требующих немедленной защиты конфиденциальности и выборочной настройки фокуса.
Используй пример на Python выше: он выполняет обнаружение объектов с помощью YOLO26 и размывает каждый обнаруженный объект в каждом кадре. Задай
blur_ratio(например,0.5для размытия интенсивностью 50%), чтобы настроить эффект, и передайclasses, чтобы размывать только выбранные типы объектов.Ultralytics YOLO26 дает несколько преимуществ при размытии объектов:
- Защита конфиденциальности: Эффективно скрывай чувствительную информацию или данные, позволяющие идентифицировать человека.
- Выборочный фокус: Выбирай объекты для размытия, сохраняя важное визуальное содержимое.
- Обработка в реальном времени: Эффективно размывай объекты в динамичных средах, обеспечивая мгновенное повышение уровня конфиденциальности.
- Настраиваемая интенсивность: Регулируй степень размытия, чтобы сбалансировать требования к конфиденциальности и сохранение визуального контекста.
- Размытие отдельных классов: Размывай только выбранные типы объектов, оставляя остальные видимыми.
Подробнее о применении читай в разделе Преимущества размытия объектов.
Да, Ultralytics YOLO26 можно настроить для обнаружения и размытия лиц на видео, чтобы защитить конфиденциальность. Если обучить модель или использовать предварительно обученную модель для распознавания лиц, результаты обнаружения можно обработать с помощью OpenCV, применив эффект размытия. Ознакомься с нашим руководством по обнаружению объектов с помощью YOLO26 и измени код, чтобы он обнаруживал лица.
Ultralytics YOLO26 обычно превосходит такие модели, как Faster R-CNN, по скорости, поэтому лучше подходит для приложений реального времени. Обе модели обеспечивают точное обнаружение, но архитектура YOLO26 оптимизирована для быстрого инференса, что особенно важно для таких задач, как размытие объектов в реальном времени. Подробнее о технических различиях и метриках производительности читай в нашей документации YOLO26.