deface: Una herramienta automatizada de código abierto para la desidentificación facial.
desfigurar Se trata de una herramienta de línea de comandos de código abierto basada en redes neuronales profundas, diseñada específicamente para la anonimización facial en vídeos y fotos. Puede identificar automáticamente todas las regiones faciales de una imagen y superponer rápidamente filtros de desidentificación sin necesidad de que los usuarios anoten manualmente fotograma a fotograma, lo que mejora considerablemente la eficiencia del procesamiento de la privacidad.
Esta herramienta es compatible con sistemas Windows, macOS y Linux, y requiere un entorno Python para su ejecución. Gracias a su interfaz de línea de comandos, resulta ideal para desarrolladores, equipos de cumplimiento de seguridad y creadores de contenido que necesitan gestionar grandes volúmenes de material.
Funciones principales y características técnicas
Desensibilización automatizada de alta eficiencia
Deface logra un proceso totalmente automatizado desde la detección hasta la oclusión:
- Reconocimiento totalmente automático: Localiza automáticamente los rostros en cada fotograma sin necesidad de selección manual.
- Adaptación dinámica: Puede gestionar escenas con varias personas, fondos complejos e imágenes dinámicas de rápido movimiento.
- Aplicación unificada: Con un solo clic, el filtro seleccionado se puede aplicar a todas las áreas faciales detectadas.
Esquemas de anonimización flexibles
Para adaptarse a diferentes niveles de privacidad y necesidades visuales, los usuarios pueden elegir entre una variedad de modos de enmascaramiento:
- Difuminar: El desenfoque gaussiano proporciona un efecto visual natural y es la opción preferida para la mayoría de los escenarios de desensibilización.
- Borde negro sólido: La superposición directa de bloques de color rectangulares proporciona la oclusión más completa y un fuerte impacto visual.
- Mosaico: Pixela los rostros y permite personalizar el tamaño de los bloques del mosaico mediante parámetros.
- Imagen personalizada (img): Sustituye las caras por imágenes específicas; esto se puede utilizar para enmascarar marcas o para divertirse de forma creativa.
- Optimización del alcance: Permite configurar la relación de escala de la máscara para garantizar una cobertura completa y evitar la fuga de información en los bordes.
Detección y optimización precisas
Los usuarios pueden ajustar Umbral de detecciónPara equilibrar la precisión del reconocimiento:
- Aumentar el umbral: Reduzca los falsos positivos y evite identificar erróneamente objetos con rostros no humanos como rostros.
- Reduzca el umbral: Capacidades de captura mejoradas para identificar eficazmente rostros de perfil, parcialmente ocultos o con bordes borrosos.
- Visualización del nivel de confianza: Habilite la función de visualización de puntuación para marcar la probabilidad de detección en la pantalla de salida, lo que facilita a los usuarios el ajuste preciso de los parámetros.
Rendimiento y aceleración de hardware
Para hacer frente a las exigencias computacionales de las grabaciones de alta resolución, como 4K o 1080p, deface ofrece varias técnicas de optimización:
- Procesamiento de submuestreo: aprobar
--escala Ancho x AltoLos parámetros reducen la resolución durante la detección, lo que mejora significativamente la velocidad de inferencia sin afectar la calidad del resultado final. - aceleración por GPU: Admite el backend de ONNX Runtime. Si cuenta con una GPU Nvidia compatible con CUDA, las tareas computacionales se pueden migrar a la tarjeta gráfica, lo que reduce significativamente el tiempo de procesamiento por lotes.
Guía de instalación
Requisitos ambientales
- Sistema operativo: Windows / macOS / Linux
- Entorno operativo: Python 3.6 y versiones posteriores
- sugerencia: Para evitar conflictos de dependencias, se recomienda instalarlo en un entorno virtual de Python.
Pasos de instalación
- Instalación estándar: Utilice pip para instalar la versión estable.
python3 -m pip install desfigurar - Instalación de la última versión: Si quieres probar las últimas funciones de desarrollo en GitHub, puedes instalar directamente la versión del código fuente.
python3 -m pip install 'git+https://github.com/ORB-HD/desfigurar'
Operación de arranque rápido
Escenario 1: Procesamiento de vídeos/imágenes locales
Simplemente ejecute deface y especifique la ruta del archivo para generar rápidamente un archivo anonimizado:
Desfigurar myvideos/vid1.mp4Resultado de la ejecución: El sistema se generará en el mismo directorio. misvideos/vid1_anonymized.mp4El efecto predeterminado es el desenfoque gaussiano, que elimina el audio original.
Escenario 2: Filtrado de imágenes en tiempo real mediante cámara
Introduzca el siguiente comando para activar el modo de vista previa en directo, que anonimiza las imágenes capturadas por la cámara en tiempo real:
desfigurar la cámara(Si hay varias cámaras, se pueden especificar mediante el índice del dispositivo, como por ejemplo...)
Guía de referencia rápida para parámetros comunes
Al combinar parámetros, se puede lograr un control más preciso:
- Ruta de salida personalizada:
-o [nombre de archivo]desfigurar input.mp4 -o output.mp4 - Cambiar a borde negro que oculte:
--cajas --reemplazar con sólidodesfigurar city.jpg --boxes --reemplazar con sólido -o city_solid.jpg - Establezca el tamaño del mosaico:
--reemplazar con mosaico --tamaño del mosaico [valor numérico]desfigurar city.jpg --reemplazar con mosaico --tamaño_mosaico 20 -o city_mosaic.jpg - Ajustar la sensibilidad de reconocimiento:
--umbral [valor numérico]desfigurar input.mp4 --thresh 0.3 -o tuned.mp4 - Conservar el vídeo y el audio originales:
--mantener-audiodeface input.mp4 --mantener-audio -o audio_kept.mp4
Para ver la lista completa de parámetros, ejecute:desfigurar -h
Escenarios aplicables
- Ámbito académico y de investigación: Anonimización de la privacidad de las entrevistas con usuarios y las grabaciones de pantalla de las pruebas de usabilidad.
- Creación de contenido: En los vídeos de enseñanza o VLOG, los rostros de los transeúntes aparecen uniformemente borrosos.
- Comunicado de cumplimiento: Procesamiento conforme a la normativa de grabaciones de vigilancia y material de Street View urbano.
- Preprocesamiento del conjunto de datos: Protección de la privacidad de los datos de entrenamiento de aprendizaje automático antes del etiquetado.
Dirección de código abierto
Deface tiene licencia de aplicación de código abierto, y los desarrolladores pueden ver el código fuente o enviar sugerencias de mejora a través de GitHub.
