我们现在经常用到的马赛克其实起源于建筑上的图案装饰,如今马赛克常用于图像或视频的模糊处理。随着技术的进步,打码与去码变成了一种常见的技术研究方向,同时也掀起了一场技术与道德的“战争”。
那么为什么要打马赛克?其实是出于一种隐私保护,例如新闻上出现犯罪嫌疑人的画面时是需要打码的,因为尚未定罪时需要维护嫌疑人的肖像权。
现如今,大部分打马赛克的工作都需要我们手动来打,比如在图像/视频制作软件里添加马赛克。那么这种工作能不能交给AI呢?如果AI可以自动对图像/视频进行实时处理人脸识别用视频可以识别吗,0,11,-1,人脸识别可以识别视频吗(人脸识别可以用照片或视频吗…,https://www.bkqs.com.cn/content/r3j8l8zxn.html,无疑会帮人类减轻很大的工作量。
答案是可以! 博士在博客中分享了通过实现“人脸自动马赛克”这一教程,而这个项目是受到了他的一位博客读者的启发。事实上,这个项目有很大的现实意义。
那么,AI究竟是如何做到自动实时打码的?说到这里,首先需要介绍一下什么是人脸模糊。
什么是人脸模糊?
博士在博客中详细的分享了技术实现方法,从介绍人脸检测器,人脸模糊的简单步骤,到分别用对人脸进行高斯模糊和像素化模糊的详细操作。
博士的详细教程:
简单来说,实现人脸模糊可以分为以下4步:
第一步:人脸检测
在这一步可以使用任何的人脸检测器,只要它能在图像或视频中生成人脸的边界框坐标就行。
有一些常见的人脸检测工具可以供你参考:
一旦识别到人脸,就可以进入到第二步了。
第二步:图像/视频的ROI提取
脸探测器会给出一个边界框,也就是图像中人脸的坐标(x, y)。
娜娜项目网每日更新创业和副业项目
网址:nanaxm.cn 点击前往娜娜项目网
站 长 微 信: nanadh666
这些坐标通常表示:
然后就可以用这些信息来提取人脸ROI(感兴趣区域),如下图所示:
接下来就开始进行人脸模糊啦。
第三步:人脸模糊
说到打码这件事人脸识别用视频可以识别吗,0,11,-1,人脸识别可以识别视频吗(人脸识别可以用照片或视频吗…,https://www.bkqs.com.cn/content/r3j8l8zxn.html,有两种常用的模糊方式,一个是高斯模糊,一个是像素化模糊。高斯模糊的效果比较“温柔”,但很可能面临着模糊不彻底的问题,而像素化模糊就相当简单粗暴,是我们最常见的马赛克样式。
高斯模糊下的面部图像
这两个模糊方式都可以实现人脸自动模糊这个项目,练习时可以凭你的个人喜好选择。
在进行人脸模糊之后,最后一步就是将模糊后的人脸放回原始图像中。
第四步:将模糊后的照片整合到原始图像中
使用来自人脸检测的原始(x, y)坐标(步骤二中提到的),我们可以得到模糊/匿名化的人脸,然后将其存储到原始图像中(如果使用和,则此步骤使用NumPy数组切片)。
至此,人脸模糊的部分就完成了。
如何在实时视频中通过AI实现人脸自动模糊?
文摘菌在这里简单展示一下如何使用识别人脸,然后再将人脸模糊应用到实时视频流中。
首先需要从 博士的这篇博文中获取源代码,然后打开人脸检测器,使用以下命令启动.py:
$ python blur_face_video.py --face face_detector --method simple
[INFO] loading face detector model...
[INFO] starting video stream...
高斯模糊实时视频流
以可以通过 来进行像素化的人脸模糊:
$ python blur_face_video.py --face face_detector --method pixelated
[INFO] loading face detector model...
[INFO] starting video stream...
像素化模糊实时视频流
以上应用的人脸模糊方法,是假设输入视频流的每一帧中都可以检测到人脸。
那么,如果检测器中途未能检测到人脸会怎样?显然,在漏掉的帧中无法进行打码,也就破坏了人脸模糊的目的。
在这种情况下我们该怎么做呢?
通常,在人脸移动的比较慢的情况下,有一个简单的方法是取最后一个已知的面部位置,然后模糊该区域。
还有一种高级的方法是使用专门的对象跟踪器,如果人脸检测器没有识别到,则对象追踪器可以补充提供面部位置,这个方法会复杂很多,因为要在人脸的多个角度建立跟踪,但是这个方法也更加完善。
微软曾提出一种可在视频中通过AI实现人脸模糊的方法
早在2017年,微软研究院就提出了一套基于AI算法的视频人脸模糊解决方案。虽然该算法能够对视频进行自动处理,但是需要用户点击想要打码的人才能打上马赛克。
这套算法能够将源视频中的人物提取出来,并返回给用户,然后用户可以自由选择给谁打码。
要想打码,首先需要找出所有人脸的出现位置,并把同一个人所有帧中的人脸连接起来。为此,需要有三个算法:人脸检测、跟踪、识别。
下图更为详细的展示了关于这套人脸模糊系统具体是如何工作的:
在时间复杂度方面,微软研究院称该系统在Azure的CPU服务器上能够实时处理720p的视频,并且能够以2倍时长处理1080p的高清视频。
技术始终在进步,3年前就可以做到在视频中通过AI进行人脸模糊,3年后已经可以利用AI在实时视频流中自动打码了,我们相信,科技还能做到更多。
尽管,目前AI实时打码这一技术还尚未成熟,但总有一天技术能够“承担”起更多的社会责任,保护更多的人。
相关报道:
娜娜项目网每日更新创业和副业项目
网址:nanaxm.cn 点击前往娜娜项目网
站 长 微 信: nanadh666