Che dấu nhận dạng cá nhân trong hình ảnh, video và phát trực tiếp

Mar 22 2022
Hướng dẫn ngắn về cách làm mờ khuôn mặt hiệu quả
Kỹ thuật che dấu nhận dạng cá nhân đã được áp dụng trong cả Thị giác máy tính và Xử lý ngôn ngữ tự nhiên. Ở đây, trong Computer Vision, che khuôn mặt hoặc khử nhận dạng cá nhân thường được triển khai trong hình ảnh, video và luồng trực tiếp, khi thông tin khác trên các phương tiện này được ưu tiên hơn so với danh tính của các cá nhân liên quan.
Hình ảnh của Bruno Yamazaky trên Unsplash

Kỹ thuật che dấu nhận dạng cá nhân đã được áp dụng trong cả Thị giác máy tính và Xử lý ngôn ngữ tự nhiên. Ở đây, trong Computer Vision, che khuôn mặt hoặc khử nhận dạng cá nhân thường được triển khai trong hình ảnh, video và luồng trực tiếp, khi thông tin khác trên các phương tiện này được ưu tiên hơn so với danh tính của các cá nhân liên quan.

Ví dụ: nếu một người được phỏng vấn không muốn được xác định trong một cuộc phỏng vấn tin tức, lựa chọn của họ có thể được tôn trọng bằng cách làm mờ khuôn mặt của họ trong suốt phiên video. Trong các ứng dụng khác, chẳng hạn như nắm bắt một số thông tin phi cá nhân trong thẻ nhận dạng của các bên bên ngoài, một tập lệnh cũng có thể được viết để tự động che giấu các khuôn mặt trong mỗi thẻ theo cách lặp đi lặp lại.

Trong hướng dẫn này, chúng ta sẽ xem những điều này có thể được thực hiện như thế nào trong Python.

1. Giới thiệu - Các bước đắp mặt nạ

Bước đầu tiên để xây dựng một mô hình che mặt là chọn mô hình nhận diện khuôn mặt. Các mô hình nhận diện khuôn mặt phải có khả năng chọn ra nhiều khuôn mặt trong khung hình ảnh hoặc video, với tốc độ suy luận hợp lý và độ chính xác gần 100%, để có thể dễ dàng triển khai. Chủ đề về nhận diện khuôn mặt đã được trình bày đầy đủ trong hướng dẫn trước đây của tôi ở đây, nơi bạn có thể khám phá các mô hình nhận diện khuôn mặt khác nhau, với những ưu và nhược điểm của chúng:

Nhận diện khuôn mặt thời gian thực với tính năng dò tìm khuôn mặt kép (DSFD)

Sau khi chọn mô hình nhận diện khuôn mặt phù hợp, hãy làm theo các bước sau:

  1. Trích xuất mỗi khuôn mặt dưới dạng một hộp khu vực quan tâm (ROI), dựa trên tọa độ được trích xuất bởi mô hình nhận diện khuôn mặt.
  2. Gaussian làm mờ toàn bộ ROI trên khuôn mặt. Tại thời điểm này, chúng ta có thể giải quyết cho một mặt nạ dưỡng da đơn giản. Nhưng một hộp mờ có thể không hữu ích về mặt thẩm mỹ cho việc trình bày phương tiện truyền thông.
  3. Tạo mặt nạ: Tạo một hộp màu đen có kích thước tương tự như ROI và ghi một hình elip màu trắng lấp đầy cạnh của hộp.
  4. Sau khi áp dụng mặt nạ cho cả ROI và ROI được làm mờ theo Gaussian, sau đó chúng tôi đạt được một hình elip mờ trên ROI ban đầu.
  5. Thay thế ROI trong hình ảnh hoặc khung video bằng ROI đã thay đổi.

Cuối cùng, hãy sử dụng để chứng minh các mã và kết quả cuối cùng.

2. Demo: Đắp mặt nạ trong video và phát trực tiếp

Mặt nạ trực tiếp được áp dụng với mô hình nhận diện khuôn mặt DNN.

3. Demo: Mặt nạ trong hình ảnh

Hình ảnh Mặt nạ của thẻ nhận dạng với nhận diện khuôn mặt DSFD. Thông tin văn bản nhạy cảm khác được che đi theo cách thủ công. Hình ảnh của Tác giả.

4. Lời kết

Tôi hy vọng bạn cũng thích hướng dẫn ngắn này nhiều như tôi, và hy vọng các kỹ thuật được giới thiệu sẽ hữu ích và thú vị để bạn khám phá trong tương lai gần. Các mã, cùng với tệp request.txt (chứa các gói Python cần thiết) có sẵn trong GitHub của tôi . Vui lòng cho tôi biết suy nghĩ của bạn trong phần bình luận và cách chúng tôi có thể cải thiện hơn nữa thuật toán tạo mặt nạ trên khuôn mặt!

Vì tôi sẽ sản xuất các bài báo thường xuyên, tôi cũng hy vọng bạn sẽ theo dõi tôi trong hành trình tìm hiểu khoa học dữ liệu của tôi. Nếu bạn thích, hãy xem một trong các bài viết ở đây hướng dẫn bạn cách học khoa học dữ liệu hoặc bất kỳ môn học nào khác một cách hiệu quả:

Cho đến khi chúng ta gặp lại nhau, hãy học tập vui vẻ. Chúc mừng! _ / \ _

Cảm ơn vì đã đọc! Nếu bạn thích nội dung này, hãy xem các bài viết khác của tôi trên Phương tiện và theo dõi tôi trên LinkedIn .

Hỗ trợ tôi! - Nếu bạn chưa đăng ký Phương tiện và thích nội dung của tôi, hãy cân nhắc ủng hộ tôi và đăng ký qua liên kết giới thiệu của tôi tại đây .

© Copyright 2021 - 2023 | vngogo.com | All Rights Reserved