تمويه الكائنات باستخدام Ultralytics YOLO11 🚀

ما هو تمويه الأجسام؟

يتضمن تمويه الكائنات باستخدام Ultralytics YOLO11 تطبيق تأثير التمويه على كائنات محددة يتم الكشف عنها في صورة أو مقطع فيديو. يمكن تحقيق ذلك باستخدام قدرات نموذج YOLO11 لتحديد ومعالجة الكائنات داخل مشهد معين.

شاهد: تمويه الكائنات باستخدام Ultralytics YOLO11

مزايا تمويه الكائنات

• حماية الخصوصية: يعتبر تمويه الكائنات أداة فعالة لحماية الخصوصية عن طريق إخفاء المعلومات الحساسة أو التي تحدد الهوية الشخصية في الصور أو مقاطع الفيديو.
• التركيز الانتقائي: يسمح YOLO11 بالتمويه الانتقائي، مما يتيح للمستخدمين استهداف كائنات معينة، مما يضمن التوازن بين الخصوصية والاحتفاظ بالمعلومات المرئية ذات الصلة.
• المعالجة في الوقت الفعلي: تمكن كفاءة YOLO11 من تمويه الكائنات في الوقت الفعلي، مما يجعله مناسبًا للتطبيقات التي تتطلب تحسينات الخصوصية الفورية في البيئات الديناميكية.
• الامتثال التنظيمي: يساعد المؤسسات على الامتثال لأنظمة حماية البيانات مثل GDPR عن طريق إخفاء هوية المعلومات التعريفية في المحتوى المرئي.
• الإشراف على المحتوى: مفيد لتعتيم المحتوى غير اللائق أو الحساس في المنصات الإعلامية مع الحفاظ على السياق العام.

# 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]"

import cv2

from ultralytics import solutions

cap = cv2.VideoCapture("path/to/video.mp4")
assert cap.isOpened(), "Error reading video file"

# Video writer
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 = cv2.VideoWriter("object_blurring_output.avi", cv2.VideoWriter_fourcc(*"mp4v"), fps, (w, h))

# Initialize object blurrer object
blurrer = solutions.ObjectBlurrer(
    show=True,  # display the output
    model="yolo11n.pt",  # model for object blurring i.e. yolo11m.pt
    # line_width=2,  # width of bounding box.
    # classes=[0, 2],  # count specific classes i.e, person and car with COCO pretrained model.
    # blur_ratio=0.5,  # adjust percentage of blur intensity, the value in range 0.1 - 1.0
)

# 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)

    # print(results")  # access the output

    video_writer.write(results.plot_im)  # write the processed frame.

cap.release()
video_writer.release()
cv2.destroyAllWindows()  # destroy all opened windows

ObjectBlurrer الوسائط

إليك جدول مع ObjectBlurrer arguments:

في ObjectBlurrer يدعم الحل أيضًا مجموعة من track arguments:

علاوة على ذلك، يمكن استخدام وسائط التصور التالية:

تطبيقات عملية في أرض الواقع

حماية الخصوصية في المراقبة

يمكن لكاميرات المراقبة وأنظمة المراقبة استخدام YOLO11 لتغبيش الوجوه أو لوحات الترخيص أو غيرها من المعلومات التعريفية تلقائيًا مع الاستمرار في التقاط النشاط المهم. يساعد هذا في الحفاظ على الأمن مع احترام حقوق الخصوصية في الأماكن العامة.

إخفاء هوية بيانات الرعاية الصحية

في التصوير الطبي، غالبًا ما تظهر معلومات المريض في عمليات المسح أو الصور. يمكن لـ YOLO11 اكتشاف هذه المعلومات وتمويهها للامتثال للوائح مثل HIPAA عند مشاركة البيانات الطبية لأغراض البحث أو التعليم.

تنقيح المستندات

عند مشاركة المستندات التي تحتوي على معلومات حساسة، يمكن لـ YOLO11 اكتشاف العناصر المحددة تلقائيًا وتمويهها مثل التوقيعات أو أرقام الحسابات أو التفاصيل الشخصية، مما يبسط عملية التنقيح مع الحفاظ على سلامة المستند.

وسائل الإعلام وإنشاء المحتوى

يمكن لمنشئي المحتوى استخدام YOLO11 لتمويه شعارات العلامات التجارية أو المواد المحمية بحقوق الطبع والنشر أو المحتوى غير اللائق في مقاطع الفيديو والصور، مما يساعد على تجنب المشكلات القانونية مع الحفاظ على الجودة الشاملة للمحتوى.

الأسئلة الشائعة

ما هو تمويه الكائنات باستخدام Ultralytics YOLO11؟

يتضمن تمويه الكائنات باستخدام Ultralytics YOLO11 الاكتشاف التلقائي وتطبيق تأثير التمويه على كائنات معينة في الصور أو مقاطع الفيديو. تعمل هذه التقنية على تحسين الخصوصية عن طريق إخفاء المعلومات الحساسة مع الاحتفاظ بالبيانات المرئية ذات الصلة. إن إمكانات المعالجة في الوقت الفعلي لـ YOLO11 تجعلها مناسبة للتطبيقات التي تتطلب حماية فورية للخصوصية وتعديلات انتقائية للتركيز.

كيف يمكنني تطبيق تمويه الكائنات في الوقت الفعلي باستخدام YOLO11؟

لتنفيذ تمويه الكائنات في الوقت الفعلي باستخدام YOLO11، اتبع مثال python المقدم. يتضمن ذلك استخدام YOLO11 لـ اكتشاف الكائنات و OpenCV لتطبيق تأثير التمويه. إليك نسخة مبسطة:

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="yolo11n.pt",  # model="yolo11n-obb.pt" for object blurring using YOLO11 OBB model.
    blur_ratio=0.5,  # set blur percentage i.e 0.7 for 70% blurred detected objects
    # line_width=2,  # width of bounding box.
    # classes=[0, 2],  # count specific classes i.e, person and car with 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()

ما هي فوائد استخدام Ultralytics YOLO11 لتمويه الكائنات؟

يوفر Ultralytics YOLO11 العديد من المزايا لتمويه الكائنات:

• حماية الخصوصية: إخفاء المعلومات الحساسة أو التي يمكن التعرف عليها بشكل فعال.
• تركيز انتقائي: استهداف عناصر معينة للتغبيش، مع الحفاظ على المحتوى المرئي الأساسي.
• معالجة في الوقت الفعلي: تنفيذ تغبيش العناصر بكفاءة في البيئات الديناميكية، وهو مناسب لتحسين الخصوصية الفورية.
• كثافة قابلة للتخصيص: اضبط نسبة التمويه لتحقيق التوازن بين احتياجات الخصوصية والسياق المرئي.
• التمويه الخاص بالفئة: قم بتمويه أنواع معينة فقط من الكائنات بشكل انتقائي مع ترك الأنواع الأخرى مرئية.

لمزيد من التطبيقات التفصيلية، تحقق من مزايا قسم تغبيش العناصر.

هل يمكنني استخدام Ultralytics YOLO11 لتمويه الوجوه في مقطع فيديو لأسباب تتعلق بالخصوصية؟

نعم، يمكن تهيئة Ultralytics YOLO11 لاكتشاف الوجوه وتغبيشها في مقاطع الفيديو لحماية الخصوصية. من خلال تدريب نموذج مُدرَّب مسبقًا أو استخدام نموذج لاكتشاف الوجوه تحديدًا، يمكن معالجة نتائج الاكتشاف باستخدام OpenCV لتطبيق تأثير التغبيش. راجع دليلنا حول اكتشاف العناصر باستخدام YOLO11 وقم بتعديل التعليمات البرمجية لاستهداف اكتشاف الوجه.

كيف تتم مقارنة YOLO11 بنماذج الكشف عن الكائنات الأخرى مثل Faster R-CNN لتمويه الكائنات؟

يتفوق Ultralytics YOLO11 عادةً على نماذج مثل Faster R-CNN من حيث السرعة، مما يجعله أكثر ملاءمة للتطبيقات في الوقت الفعلي. في حين أن كلا النموذجين يوفران اكتشافًا دقيقًا، إلا أن بنية YOLO11 مُحسَّنة للاستدلال السريع، وهو أمر بالغ الأهمية لمهام مثل تغبيش العناصر في الوقت الفعلي. تعرف على المزيد حول الاختلافات التقنية ومقاييس الأداء في وثائق YOLO11 الخاصة بنا.

📅 تم الإنشاء منذ سنة واحدة ✏️ تم التحديث منذ شهرين

تعليقات