Làm mờ đối tượng bằng cách sử dụng Ultralytics YOLO11 🚀

Object Blurring là gì?

Làm mờ đối tượng bằng Ultralytics YOLO11 liên quan đến việc áp dụng hiệu ứng làm mờ cho các đối tượng cụ thể được phát hiện trong hình ảnh hoặc video. Điều này có thể đạt được bằng cách sử dụng các khả năng của mô hình YOLO11 để xác định và thao tác các đối tượng trong một cảnh nhất định.

Xem: Làm mờ đối tượng bằng cách sử dụng Ultralytics YOLO11

Ưu điểm của Object Blurring?

• Bảo vệ quyền riêng tư: Làm mờ đối tượng là một công cụ hiệu quả để bảo vệ quyền riêng tư bằng cách che giấu thông tin nhạy cảm hoặc nhận dạng cá nhân trong hình ảnh hoặc video.
• Lấy nét có chọn lọc : YOLO11 cho phép làm mờ có chọn lọc, giúp người dùng nhắm mục tiêu vào các đối tượng cụ thể, đảm bảo cân bằng giữa quyền riêng tư và giữ lại thông tin hình ảnh có liên quan.
• Xử lý thời gian thực : Hiệu quả của YOLO11 cho phép làm mờ vật thể theo thời gian thực, phù hợp với các ứng dụng yêu cầu tăng cường quyền riêng tư tức thời trong môi trường năng động.

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()

Lập luận model.predict

FAQ

Làm mờ vật thể là gì? Ultralytics YOLO11 là gì?

Làm mờ đối tượng bằng Ultralytics YOLO11 liên quan đến việc tự động phát hiện và áp dụng hiệu ứng làm mờ cho các đối tượng cụ thể trong hình ảnh hoặc video. Kỹ thuật này tăng cường quyền riêng tư bằng cách che giấu thông tin nhạy cảm trong khi vẫn giữ lại dữ liệu hình ảnh có liên quan. Khả năng xử lý thời gian thực của YOLO11 làm cho nó phù hợp với các ứng dụng yêu cầu bảo vệ quyền riêng tư ngay lập tức và điều chỉnh tiêu điểm chọn lọc.

Làm thế nào tôi có thể triển khai tính năng làm mờ đối tượng theo thời gian thực bằng YOLO11?

Để thực hiện làm mờ đối tượng theo thời gian thực với YOLO11, hãy làm theo hướng dẫn được cung cấp Python Ví dụ. Điều này liên quan đến việc sử dụng YOLO11 để phát hiện đối tượng và OpenCV để áp dụng hiệu ứng làm mờ. Sau đây là phiên bản đơn giản hóa:

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()

Lợi ích của việc sử dụng là gì? Ultralytics YOLO11 để làm mờ vật thể?

Ultralytics YOLO11 cung cấp một số lợi thế cho việc làm mờ vật thể:

• Bảo vệ quyền riêng tư: Che khuất hiệu quả thông tin nhạy cảm hoặc có thể nhận dạng.
• Tập trung chọn lọc: Nhắm mục tiêu các đối tượng cụ thể để làm mờ, duy trì nội dung hình ảnh thiết yếu.
• Xử lý thời gian thực: Thực hiện làm mờ đối tượng hiệu quả trong môi trường động, phù hợp để cải tiến quyền riêng tư tức thì.

Để biết các ứng dụng chi tiết hơn, hãy kiểm tra các ưu điểm của phần làm mờ đối tượng.

Tôi có thể sử dụng Ultralytics YOLO11 sẽ làm mờ khuôn mặt trong video vì lý do riêng tư?

Đúng, Ultralytics YOLO11 có thể được cấu hình để phát hiện và làm mờ khuôn mặt trong video để bảo vệ quyền riêng tư. Bằng cách đào tạo hoặc sử dụng mô hình được đào tạo trước để nhận dạng khuôn mặt cụ thể, kết quả phát hiện có thể được xử lý bằng OpenCV để áp dụng hiệu ứng làm mờ. Tham khảo hướng dẫn của chúng tôi về phát hiện đối tượng bằng YOLO11 và sửa đổi mã để nhắm mục tiêu phát hiện khuôn mặt.

YOLO11 so sánh như thế nào với các mô hình phát hiện vật thể khác như Faster R-CNN trong việc làm mờ vật thể?

Ultralytics YOLO11 thường vượt trội hơn các mô hình như Faster R-CNN về mặt tốc độ, khiến nó phù hợp hơn với các ứng dụng thời gian thực. Mặc dù cả hai mô hình đều cung cấp khả năng phát hiện chính xác, nhưng kiến trúc của YOLO11 được tối ưu hóa để suy luận nhanh, điều này rất quan trọng đối với các tác vụ như làm mờ đối tượng theo thời gian thực. Tìm hiểu thêm về các khác biệt kỹ thuật và số liệu hiệu suất trong tài liệu YOLO11 của chúng tôi.

📅 Được tạo cách đây 10 tháng ✏️ Đã cập nhật cách đây 1 tháng

Ý kiến