Bắt đầu

Làm mờ đối tượng bằng Ultralytics YOLO26

Làm mờ đối tượng là gì?#

Làm mờ đối tượng bằng Ultralytics YOLO26 là áp dụng hiệu ứng làm mờ lên các đối tượng được phát hiện cụ thể trong ảnh hoặc video. YOLO26 định vị đối tượng trong từng khung hình và chỉ làm mờ những vùng đã phát hiện.



Xem: Cách huấn luyện model phát hiện khuôn mặt bằng Ultralytics Platform và làm mờ khuôn mặt | Ultralytics YOLO26 🚀

Ưu điểm của việc làm mờ đối tượng#

  • 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 nhận dạng cá nhân nhạy cảm trong ảnh hoặc video.
  • Lấy nét có chọn lọc: YOLO26 cho phép làm mờ có chọn lọc, giúp người dùng nhắm đến các đối tượng cụ thể, cân bằng giữa việc bảo vệ quyền riêng tư và giữ lại thông tin hình ảnh liên quan.
  • Xử lý theo thời gian thực: Hiệu suất của YOLO26 cho phép làm mờ đối tượng theo thời gian thực, phù hợp với các ứng dụng cần tăng cường quyền riêng tư ngay lập tức trong môi trường biến động.
  • Tuân thủ quy định: Hỗ trợ các tổ chức tuân thủ quy định về bảo vệ dữ liệu như GDPR bằng cách ẩn danh thông tin nhận dạng trong nội dung hình ảnh.
  • Kiểm duyệt nội dung: Hữu ích để làm mờ nội dung không phù hợp hoặc nhạy cảm trên các nền tảng truyền thông mà vẫn giữ nguyên ngữ cảnh tổng thể.

Làm mờ đối tượng bằng YOLO26#

Đưa video vào giải pháp ObjectBlurrer; giải pháp sẽ phát hiện đối tượng trong từng khung hình và áp dụng hiệu ứng làm mờ trung bình (hình hộp) cho mỗi đối tượng được phát hiện. Điều chỉnh mức độ bằng blur_ratio (0.1–1.0) và giới hạn làm mờ cho các classes cụ thể — ví dụ: chỉ người và ô tô.

Làm mờ đối tượng bằng Ultralytics YOLO
# 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]"

Các đối số của ObjectBlurrer#

Dưới đây là bảng các đối số của ObjectBlurrer:

Đối sốKiểuMặc địnhMô tả
modelstrNoneĐường dẫn đến tệp model Ultralytics YOLO.
blur_ratiofloat0.5Điều chỉnh tỷ lệ cường độ làm mờ, với giá trị trong phạm vi 0.1 - 1.0.
line_widthint2Độ dày đường viền của box, keypoint và số đếm mà giải pháp vẽ.
verboseboolTrueBật nhật ký theo từng frame của giải pháp, gồm shape đầu vào, số lượng class và tốc độ xử lý. Bản thân lệnh gọi tracking luôn không ghi nhật ký.

Giải pháp ObjectBlurrer cũng hỗ trợ nhiều đối số track:

Đối sốKiểuMặc địnhMô tả
trackerstr'tracktrack.yaml'Chỉ định thuật toán theo dõi cần sử dụng. Các tùy chọn tích hợp sẵn: botsort.yaml, bytetrack.yaml, ocsort.yaml, deepocsort.yaml, fasttrack.yaml, tracktrack.yaml.
conffloat0.25Đặt ngưỡng confidence cho các đối tượng được phát hiện; giá trị thấp hơn cho phép theo dõi nhiều đối tượng hơn nhưng có thể bao gồm cả kết quả dương tính giả.
ioufloat0.5Đặt ngưỡng Intersection over Union (IoU) để lọc các đối tượng phát hiện bị chồng lấn.
classeslistNoneLọc kết quả theo chỉ mục class. Ví dụ: classes=[0, 2, 3] chỉ theo dõi các class được chỉ định.
devicestrNoneChỉ định thiết bị dùng để suy luận (ví dụ: cpu, cuda:0 hoặc 0). Cho phép người dùng chọn CPU, một GPU cụ thể hoặc thiết bị tính toán khác để chạy model.
imgszint or tuple640Kích thước ảnh suy luận mục tiêu: số nguyên cho ảnh vuông hoặc cặp (height, width). Kích thước sẽ được điều chỉnh theo stride của model.
max_detint300Số lượng đối tượng phát hiện tối đa được giữ lại trong mỗi khung hình trước khi theo dõi, giới hạn số đối tượng mà một giải pháp xử lý trong các cảnh dày đặc.
quantizeint or strNoneĐộ chính xác suy luận: 16 (FP16) hoặc 32/unset (FP32) cho model PyTorch và TorchScript khi chạy ngoài CPU; các định dạng khác sử dụng độ chính xác do artifact và runtime của chúng lựa chọn. Thay thế đối số half đã lỗi thời.

Ngoài ra, có thể sử dụng các đối số trực quan hóa sau:

Đối sốKiểuMặc địnhMô tả
showboolFalseNếu True, hiển thị ảnh hoặc video đã được chú thích trong một cửa sổ. Hữu ích để nhận phản hồi trực quan ngay lập tức trong quá trình phát triển hoặc kiểm thử.
show_confboolTrueHiển thị điểm confidence bên cạnh nhãn của mỗi detection. Cho biết mức độ chắc chắn của model đối với từng detection.
show_labelsboolTrueHiển thị nhãn cho mỗi detection trong đầu ra trực quan. Giúp nhận biết ngay các đối tượng được phát hiện.

Ứng dụng thực tế#

Bảo vệ quyền riêng tư trong giám sát#

Camera an ninh và hệ thống giám sát có thể sử dụng YOLO26 để tự động làm mờ khuôn mặt, biển số xe hoặc thông tin nhận dạng khác mà vẫn ghi lại các hoạt động quan trọng. Điều này giúp duy trì an ninh đồng thời tôn trọng quyền riêng tư tại nơi công cộng.

Ẩn danh dữ liệu y tế#

Trong chẩn đoán hình ảnh, thông tin bệnh nhân thường xuất hiện trong ảnh quét hoặc ảnh chụp. YOLO26 có thể phát hiện và làm mờ thông tin này để tuân thủ các quy định như HIPAA khi chia sẻ dữ liệu y tế cho mục đích nghiên cứu hoặc giáo dục.

Che thông tin trong tài liệu#

Khi chia sẻ tài liệu chứa thông tin nhạy cảm, YOLO26 có thể tự động phát hiện và làm mờ các thành phần cụ thể như chữ ký, số tài khoản hoặc thông tin cá nhân, giúp đơn giản hóa quy trình biên tập thông tin nhạy cảm mà vẫn bảo toàn tính toàn vẹn của tài liệu.

Truyền thông và sáng tạo nội dung#

Nhà sáng tạo nội dung có thể sử dụng YOLO26 để làm mờ logo thương hiệu, tài liệu có bản quyền hoặc nội dung không phù hợp trong video và hình ảnh, giúp tránh các vấn đề pháp lý mà vẫn giữ được chất lượng tổng thể của nội dung.

Câu hỏi thường gặp#

  • Làm mờ đối tượng bằng Ultralytics YOLO26 là tự động phát hiện và áp dụng hiệu ứng làm mờ lên 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 liên quan. Khả năng xử lý theo thời gian thực của YOLO26 phù hợp với các ứng dụng cần bảo vệ quyền riêng tư ngay lập tức và điều chỉnh vùng lấy nét có chọn lọc.

  • Sử dụng ví dụ Python ở trên, trong đó YOLO26 thực hiện phát hiện đối tượng và làm mờ từng đối tượng được phát hiện trong mỗi khung hình. Đặt blur_ratio (ví dụ: 0.5 để có cường độ làm mờ 50%) nhằm điều khiển hiệu ứng, đồng thời truyền classes để chỉ làm mờ các loại đối tượng cụ thể.

  • Ultralytics YOLO26 mang lại một số ưu điểm khi làm mờ đối tượng:

    • Bảo vệ quyền riêng tư: Che khuất hiệu quả thông tin nhạy cảm hoặc có thể nhận dạng.
    • Lấy nét có chọn lọc: Nhắm đến các đối tượng cụ thể để làm mờ, đồng thời giữ lại nội dung hình ảnh thiết yếu.
    • Xử lý theo thời gian thực: Làm mờ đối tượng hiệu quả trong môi trường biến động, phù hợp để tăng cường quyền riêng tư tức thời.
    • Tùy chỉnh cường độ: Điều chỉnh tỷ lệ làm mờ để cân bằng nhu cầu bảo vệ quyền riêng tư với ngữ cảnh hình ảnh.
    • Làm mờ theo lớp: Chỉ làm mờ một số loại đối tượng nhất định trong khi vẫn để các đối tượng khác hiển thị.

    Để biết thêm chi tiết về các ứng dụng, hãy xem phần ưu điểm của việc làm mờ đối tượng.

  • Có. Hãy huấn luyện hoặc tinh chỉnh một model phát hiện khuôn mặt YOLO26, chẳng hạn bằng dataset WIDER FACE, sau đó truyền trọng số đã huấn luyện vào ObjectBlurrer cùng đối số model. Mỗi khuôn mặt được phát hiện sẽ được làm mờ bằng OpenCV. Để làm mờ khuôn mặt trên toàn bộ dataset mà không cần viết mã, hãy dùng Làm mờ khuôn mặt trên Ultralytics Platform.

  • Ultralytics YOLO26 thường nhanh hơn các detector hai giai đoạn như Faster R-CNN, nhờ đó phù hợp hơn với các ứng dụng thời gian thực. Cả hai model đều phát hiện chính xác, nhưng kiến trúc của YOLO26 được tối ưu để suy luận nhanh, yếu tố then chốt đối với các tác vụ như làm mờ đối tượng theo thời gian thực.

Bình luận

Đặt câu hỏi, chia sẻ kết quả hoặc giúp đỡ người khác.