deface：开源自动化人脸脱敏工具
deface 是一款基于深度神经网络的开源命令行工具，专门用于实现视频和照片的“人脸匿名化”。它能够自动识别画面中的所有面部区域，并快速叠加脱敏滤镜，无需用户手动逐帧标注，极大地提升了隐私处理的效率。
该工具兼容 Windows、macOS 和 Linux 系统，依赖 Python 环境运行。由于其命令行操作特性，它非常适合开发者、安全合规团队以及需要处理大量素材的内容创作者使用。
核心功能与技术特点
高效的自动化脱敏
deface 实现了从检测到遮盖的全自动化流程：
- 全自动识别： 自动定位每一帧画面中的人脸，无需手动框选。
- 动态适应： 能够处理多人场景、复杂背景以及快速移动的动态画面。
- 统一应用： 一键将选定滤镜覆盖至所有检测到的面部区域。
灵活的匿名化方案
针对不同的隐私等级和视觉需求，用户可以选择多种遮盖模式：
- 模糊（blur）： 采用高斯模糊，视觉效果自然，是大多数脱敏场景的首选。
- 实心黑框（solid）： 直接叠加矩形色块，遮挡效果最彻底，视觉冲击力强。
- 马赛克（mosaic）： 将人脸像素化，并支持通过参数自定义马赛克块的大小。
- 自定义图片（img）： 使用指定的图片替换人脸，可用于品牌化遮挡或趣味创作。
- 范围优化： 支持设置蒙版缩放比例，确保遮盖范围完整，防止边缘信息泄露。
精准的检测调优
用户可以通过调整 检测阈值（Threshold）来平衡识别精度：
- 提高阈值： 减少误检，避免将非人脸物体误认为面部。
- 降低阈值： 增强捕捉能力，有效识别侧脸、遮挡或边缘模糊的人脸。
- 置信度显示： 开启得分显示功能，在输出画面上标注检测概率，方便用户精准调参。
性能与硬件加速
为了应对 4K 或 1080p 等高分辨率素材带来的计算压力，deface 提供了多项优化手段：
- 下采样处理： 通过
--scale WxH参数降低检测时的分辨率，在不影响最终输出质量的前提下，大幅提升推理速度。 - GPU 加速： 支持 ONNX Runtime 后端。若配备支持 CUDA 的 Nvidia GPU，可将计算任务迁移至显卡，显著缩短批量处理时间。
安装指南
环境要求
- 操作系统： Windows / macOS / Linux
- 运行环境： Python 3.6 及以上版本
- 建议： 为避免依赖冲突，推荐在 Python 虚拟环境中安装。
安装步骤
- 标准安装： 使用 pip 安装稳定版本。
python3 -m pip install deface - 前沿版本安装： 若需尝试 GitHub 上的最新开发特性，可直接安装源码版本。
python3 -m pip install 'git+https://github.com/ORB-HD/deface'
快速上手操作
场景 1：处理本地视频 / 图片
直接运行 deface 并指定文件路径，即可快速生成脱敏文件：
deface myvideos/vid1.mp4执行结果： 系统将在同目录下生成 myvideos/vid1_anonymized.mp4。默认效果为高斯模糊，且会移除原始音频。
场景 2：摄像头实时打码
输入以下命令可开启实时预览模式，将摄像头捕捉到的画面实时匿名化：
deface cam（若有多个摄像头，可通过指定设备索引如 <video1> 进行切换。）
常用参数速查
通过组合参数，可以实现更精细的控制：
- 自定义输出路径：
-o [文件名]deface input.mp4 -o output.mp4 - 切换为黑框遮挡：
--boxes --replacewith soliddeface city.jpg --boxes --replacewith solid -o city_solid.jpg - 设置马赛克尺寸：
--replacewith mosaic --mosaicsize [数值]deface city.jpg --replacewith mosaic --mosaicsize 20 -o city_mosaic.jpg - 调整识别灵敏度：
--thresh [数值]deface input.mp4 --thresh 0.3 -o tuned.mp4 - 保留原视频音频：
--keep-audiodeface input.mp4 --keep-audio -o audio_kept.mp4
需查看完整参数列表，请执行：deface -h
适用场景
- 学术与调研： 用户访谈、可用性测试录屏的隐私脱敏。
- 内容创作： 教学或 VLOG 视频中路人脸部的统一打码。
- 合规发布： 监控画面、城市街景素材的合规化处理。
- 数据集预处理： 机器学习训练数据在标注前的隐私保护。
开源地址
deface 采用开源协议，开发者可通过 GitHub 查阅源码或提交改进建议：
正文完
