Link to this section使用 Ultralytics YOLO26 进行对象模糊处理 🚀#

Link to this section什么是对象模糊处理？#

使用 Ultralytics YOLO26 进行对象模糊处理，是指对图像或视频中的特定检测对象应用模糊效果。这可以利用 YOLO26 模型的能力来识别并操作特定场景中的对象。

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

Link to this section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，通过遮盖图像或视频中的敏感信息或个人身份信息来实现。
选择性聚焦：YOLO26 允许进行选择性模糊，使用户能够锁定特定对象，从而在隐私保护和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，适用于需要在动态环境中进行即时隐私增强的应用场景。
法规遵从：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：适用于模糊媒体平台中的不当或敏感内容，同时保留整体上下文。

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]"

Link to this section`ObjectBlurrer` 参数#

下表列出了 ObjectBlurrer 的参数：

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`	调整模糊强度的百分比，数值范围在 `0.1 - 1.0` 之间。

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'`	指定要使用的追踪算法。内置选项包括：`botsort.yaml`、`bytetrack.yaml`、`ocsort.yaml`、`deepocsort.yaml`、`fasttrack.yaml`、`tracktrack.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的对象，但也可能包含误报。
`iou`	`float`	`0.7`	设置用于过滤重叠检测的交并比 (IoU) 阈值。
`classes`	`list`	`None`	按类别索引过滤结果。例如，`classes=[0, 2, 3]` 仅跟踪指定的类别。
`verbose`	`bool`	`True`	控制跟踪结果的显示，提供被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`）。允许用户在 CPU、特定的 GPU 或其他计算设备之间进行选择以执行模型。

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`	如果为 `True`，则在窗口中显示标注后的图像或视频。这对于开发或测试过程中的即时视觉反馈非常有用。
`line_width`	`int or None`	`None`	指定边界框的线条宽度。如果为 `None`，则线条宽度会根据图像尺寸自动调整。提供用于清晰度的视觉自定义功能。
`show_conf`	`bool`	`True`	在标签旁显示每次检测的置信度得分。让你深入了解模型对每次检测的确定性。
`show_labels`	`bool`	`True`	在视觉输出中显示每次检测的标签。提供对检测到对象的即时理解。

Link to this section实际应用场景#

Link to this section监控中的隐私保护#

安防摄像头和监控系统可以使用 YOLO26 自动模糊人脸、车牌或其他识别信息，同时仍能捕捉到重要的活动。这有助于在尊重公共场所隐私权的同时维护安全。

Link to this section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遵守 HIPAA 等法规。

Link to this section文档修订#

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

Link to this section媒体和内容创作#

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

Link to this section常见问题解答#

Link to this section什么是 Ultralytics YOLO26 对象模糊处理？#

使用 Ultralytics YOLO26 进行对象模糊处理，是指自动检测图像或视频中的特定对象并应用模糊效果。这种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非常适合需要即时隐私保护和选择性聚焦调整的应用场景。

Link to this section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，请参考提供的 Python 示例。这涉及使用 YOLO26 进行对象检测，并使用 OpenCV 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()