使用 Ultralytics YOLO26 进行对象模糊处理 🚀

什么是对象模糊处理？

使用 Ultralytics YOLO26 进行对象模糊处理，涉及对图像或视频中特定的检测对象应用模糊效果。你可以利用 YOLO26 模型的能力来识别并处理给定场景中的对象。

Watch: How to Train Face Detection Model using Ultralytics Platform & Blur Faces | Ultralytics YOLO26 🚀

对象模糊处理的优势

隐私保护：对象模糊处理是一种有效的隐私保护工具，可以通过隐藏图像或视频中的敏感信息或个人身份信息来保护隐私。
选择性聚焦：YOLO26 允许进行选择性模糊，使用户能够针对特定对象进行操作，从而在保护隐私与保留相关视觉信息之间取得平衡。
实时处理：YOLO26 的高效性能支持实时对象模糊处理，使其非常适合需要在动态环境中进行即时隐私增强的应用场景。
法规合规：通过对视觉内容中的可识别信息进行匿名化处理，帮助组织遵守 GDPR 等数据保护法规。
内容审核：适用于模糊处理媒体平台上的不当或敏感内容，同时保留整体背景。

使用 Ultralytics YOLO 进行对象模糊处理

# 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]"

`ObjectBlurrer` 参数

以下是 ObjectBlurrer 参数的表格：

参数	类型	默认值	描述
`model`	`str`	`None`	Ultralytics YOLO 模型文件的路径。
`blur_ratio`	`float`	`0.5`	调节模糊强度百分比，取值范围为 `0.1 - 1.0`。

ObjectBlurrer 解决方案还支持一系列 track 参数：

参数	类型	默认值	描述
`tracker`	`str`	`'botsort.yaml'`	指定使用的跟踪算法，例如 `bytetrack.yaml` 或 `botsort.yaml`。
`conf`	`float`	`0.1`	设置检测的置信度阈值；较低的值允许跟踪更多对象，但可能会包含误报。
`iou`	`float`	`0.7`	设置过滤重叠检测的 Intersection over Union (IoU) 阈值。
`classes`	`list`	`None`	按类别索引过滤结果。例如，`classes=[0, 2, 3]` 将仅跟踪指定的类别。
`verbose`	`bool`	`True`	控制跟踪结果的显示，提供跟踪对象的视觉输出。
`device`	`str`	`None`	指定推理设备（例如 `cpu`、`cuda:0` 或 `0`）。允许用户选择 CPU、特定的 GPU 或其他计算设备来执行模型。

此外，还可以使用以下可视化参数：

参数	类型	默认值	描述
`show`	`bool`	`False`	如果设为 `True`，则在一个窗口中显示标注后的图像或视频。这对于开发或测试期间的即时视觉反馈非常有用。
`line_width`	`int or None`	`None`	指定边界框的线宽。如果为 `None`，线宽将根据图像大小自动调整。提供视觉自定义以提高清晰度。
`show_conf`	`bool`	`True`	在标签旁边显示每个检测结果的置信度分数。让你可以洞察模型对每个检测的确定性。
`show_labels`	`bool`	`True`	在可视化输出中显示每个检测结果的标签。提供对检测对象的即时了解。

现实世界应用

监控中的隐私保护

安防摄像头和监控系统可以使用 YOLO26 自动模糊面部、车牌或其他识别信息，同时仍能捕获重要活动。这有助于在尊重公共空间隐私权的同时维持安全性。

医疗数据匿名化

在医学影像中，患者信息经常出现在扫描件或照片中。YOLO26 可以检测并模糊这些信息，以便在为研究或教育目的共享医疗数据时符合 HIPAA 等法规。

文档脱敏

在共享包含敏感信息的文档时，YOLO26 可以自动检测并模糊特定元素，如签名、账号或个人详细信息，在保持文档完整性的同时简化脱敏流程。

媒体与内容创作

内容创作者可以使用 YOLO26 模糊视频和图像中的品牌 Logo、版权材料或不当内容，在保持整体内容质量的同时避免法律问题。

常见问题 (FAQ)

什么是使用 Ultralytics YOLO26 进行对象模糊处理？

使用 Ultralytics YOLO26 进行对象模糊处理，涉及自动检测并对图像或视频中的特定对象应用模糊效果。这项技术通过隐藏敏感信息同时保留相关视觉数据来增强隐私。YOLO26 的实时处理能力使其适用于需要即时隐私保护和选择性焦点调整的应用。

我该如何使用 YOLO26 实现实时对象模糊处理？

要使用 YOLO26 实现实时对象模糊处理，请遵循提供的 Python 示例。这涉及使用 YOLO26 进行对象检测，并使用 OpenCV 来应用模糊效果。这是一个简化版本：

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()