“能去码也能打码！OpenCV实时检测视频流人脸并马赛克之，视频后期福音”

本篇文章2275字，读完约6分钟

大数据文摘产品

作者:牛婉杨

现在常用的马赛克实际上来源于建筑上的图案装饰，现在马赛克经常用于解决图像和视频模糊。 随着技术的进步，编码和编码成为常见的技术研究方向，引起了技术和道德的“战争”。

那你为什么要镶嵌？ 实际上在于隐私保护。 例如，因为在情报中出现嫌疑犯的画面时，没有被定罪时需要维持嫌疑犯的肖像权。

现在很多打马赛克的商家都需要我们手动打，比如在图像/视频制作软件中添加马赛克。 那么这样的事业会交给ai吗？ 如果ai能自动实时解决图像/视频，肯定会给人类减轻巨大的工作量。

答案很好！ adrian rosebrock博士在博客上分享了通过opencv实现“面部自动镶嵌”的教程。 这个项目是受他博客网友启发的。 事实上，这个项目有很大的现实意义。

那么，ai是如何实现自动实时编码的呢？ 在这里，首先需要介绍什么是脸部模糊。

什么是脸上模糊？

adrian rosebrock博士在博客上详细分享了技术实现方法，从脸部检测器、脸部模糊的简单步骤介绍，到脸部分别用opencv进行高斯模糊和像素化模糊的详细操作。

adrian rosebrock博士的详细教程:

pyimagesearch// 04/06/blur-and-anonymize-faces-with-opencv-and-python/ 。

简单来说，要实现脸部模糊，可以分为以下四个步骤:

步骤1 :面部检测

在该步骤中，只要能在图像或视频中生成面部的边界框坐标，就可以采用任何面部检测器。

有几个可以参考的面部检测工具:

haar cascades

hog + linear svm

deep learning-basedfacedetectors

认识到脸后，就可以进入下一步了。

步骤2 :图像/视频的roi提取

面部检测器提供作为图像中面部坐标( x，y )的边界框。

这些坐标一般为: 。

脸部边界框的开始坐标x 。

脸断裂坐标x 。

脸部位置的开始坐标y

脸断裂坐标y 。

然后，如下图所示，可以使用这些新闻提取面部roi (兴趣区域):

现在开始面部模糊。

第三步:脸模糊

说到标记，有两种常见的模糊方法:高斯模糊和像素化模糊。 高斯模糊的效果是“温柔”，但模糊很可能面临不完全的问题，像素化模糊相当简单粗暴，是我们最常见的镶嵌格式。

高斯模糊下的脸图像

两种模糊方法都实现了脸部自动模糊的项目，练习时可以根据自己的喜好进行选择。

进行脸部模糊后，最后一步是将模糊的脸部恢复为原始图像。

步骤4 :将模糊照片合并到原始图像中

使用来自面部检测的原始( x，y )坐标(在步骤2中描述)，可以获得模糊/匿名化的面部并存储在原始图像中(使用opencv和python时，在此步骤中使用numpy数组切片)。

至此，脸部模糊的部分完成了。

如何在实时视频中实现基于ai的面部自动模糊？

文摘菌在这里简单地展示了如何使用opencv识别面部，并将面部模糊应用于实时视频流。

首先从adrian rosebrock博士的这篇博文中获取源代码，然后打开opencv面部检测器，使用以下命令启动blur_face_video.py: 。

$ python blur _ face _ video.py-- face face _ detector-- methodsimple [ info ] loadingfacedetectormodel ... [ info ] station

高斯模糊实时视频流

可以用method pixelated像素化的面部模糊:

$ python blur _ face _ video.py-face face _ detector--选择method pixelated [ info ] loadingfacedetectormodel ... [ info ]。

像素化模糊实时视频流

以上应用的面部模糊的做法是假设可以在输入视频流的各帧中检测面部。

那么，如果检测器中途检测不到脸会怎么样呢？ 明显泄露的框架不能打代码，会破坏脸模糊的目的。

这种情况下，我们应该怎么办？

一般来说，在脸部运动比较慢的情况下，有最后取已知的脸部位置，然后模糊该区域的简单方法。

另一种高级方法是采用专用的对象跟踪装置，在无法识别面部检测器的情况下，对象跟踪装置可以补充面部的位置来提供。 这是为了在脸部的多个立场上建立追踪，但更完整。

微软提出了通过视频ai实现面部模糊的方法

去年，微软研究院提出了基于ai算法的视频面部模糊处理方案。 这个算法会自动解决视频，但要镶嵌图像，客户需要点击想打代码的人。

这个算法可以从源视频中提取人物并返回给客户，客户可以自由选择给谁编代码。

要打代码，首先需要找到所有面部的出现位置，连接同一个体所有框架中的面部。 为此，需要面部检测、跟踪和识别三种算法。

下图更详细地显示了该面部模糊系统具体是如何工作的:

微软研究院说，从时间多、噪音多的方面来看，azure的cpu服务器可以实时解决720p的视频，同时可以用两倍的时间解决1080p的HD视频。

技术总是在进步，3年前可以通过视频ai模糊脸部，3年后可以利用ai通过实时视频流自动编码，相信技术可以越来越多。

虽然现在ai实时编码技术还不成熟，但总有一天技术会“承担”越来越多的社会责任，保护越来越多的人。

本文以wechatpublicplatform :大数据摘要开头。 复印件是作者个人的观点，不代表搜狐网的角度。 投资者据此，风险请自己承担。

来源：搜狐微门户