Размытие объектов с помощью Ultralytics YOLO11 🚀

Что такое размытие объекта?

Размытие объектов с помощью Ultralytics YOLO11 предполагает применение эффекта размытия к определенным обнаруженным объектам на изображении или видео. Этого можно добиться, используя возможности модели YOLO11 для идентификации и манипулирования объектами в данной сцене.

Смотреть: Размытие объектов с помощью Ultralytics YOLO11

Преимущества размытия объектов?

• Защита конфиденциальности: Размытие объектов - это эффективный инструмент для защиты конфиденциальности, позволяющий скрыть конфиденциальную или личную информацию на изображениях или видео.
• Выборочная фокусировка: YOLO11 позволяет выборочно размывать изображение, позволяя пользователям выбирать конкретные объекты, обеспечивая баланс между конфиденциальностью и сохранением необходимой визуальной информации.
• Обработка в реальном времени: YOLO11 Эффективность позволяет размывать объекты в режиме реального времени, что делает его подходящим для приложений, требующих повышения конфиденциальности на лету в динамичных средах.

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()

Аргументы model.predict

ЧАСТО ЗАДАВАЕМЫЕ ВОПРОСЫ

Что такое размытие объекта с помощью Ultralytics YOLO11 ?

Размытие объектов с помощью Ultralytics YOLO11 предполагает автоматическое обнаружение и применение эффекта размытия к определенным объектам на изображениях или видео. Эта техника повышает уровень конфиденциальности, скрывая конфиденциальную информацию и сохраняя при этом важные визуальные данные. YOLO11 Возможности обработки в реальном времени позволяют использовать ее в приложениях, требующих немедленной защиты конфиденциальности и выборочной настройки фокуса.

Как реализовать размытие объектов в реальном времени с помощью YOLO11?

Чтобы реализовать размытие объектов в реальном времени с помощью YOLO11, следуйте приведенному примеру Python . Для этого нужно использовать YOLO11 для обнаружения объектов и OpenCV для применения эффекта размытия. Вот упрощенная версия:

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()

Каковы преимущества использования Ultralytics YOLO11 для размытия объектов?

Ultralytics YOLO11 имеет ряд преимуществ для размытия объектов:

• Защита конфиденциальности: Эффективное сокрытие конфиденциальной или идентифицируемой информации.
• Выборочная фокусировка: Размытие определенных объектов, сохраняя при этом основное визуальное содержание.
• Обработка в реальном времени: Эффективное размытие объектов в динамичных средах, подходящее для мгновенного повышения конфиденциальности.

Более подробную информацию о применении вы найдете в разделе "Преимущества размытия объектов".

Можно ли использовать Ultralytics YOLO11 для размытия лиц на видео в целях конфиденциальности?

Да, Ultralytics YOLO11 можно настроить на обнаружение и размытие лиц в видеороликах для защиты конфиденциальности. Обучив или использовав предварительно натренированную модель для распознавания лиц, результаты обнаружения можно обработать с помощью OpenCV, чтобы применить эффект размытия. Обратитесь к нашему руководству по обнаружению объектов с помощью YOLO11 и измените код для обнаружения лиц.

Как YOLO11 сравнивается с другими моделями обнаружения объектов, такими как Faster R-CNN для размытия объектов?

Ultralytics YOLO11 обычно превосходит по скорости такие модели, как Faster R-CNN, что делает ее более подходящей для приложений реального времени. Хотя обе модели обеспечивают точное обнаружение, архитектура YOLO11 оптимизирована для быстрого вывода, что очень важно для таких задач, как размытие объектов в реальном времени. Подробнее о технических различиях и показателях производительности читайте в нашей документацииYOLO11 .

📅 Создано 11 месяцев назад ✏️ Обновлено 2 месяца назад

Комментарии