

在本教程中,您将学习如何使用OpenCV和Python模糊和匿名化人脸。
今天的博文灵感来自我上周收到的一封来自PyImageSearch读者李伟的电子邮件:
嗨,阿德里安,我在为我的大学做一个研究项目。
我负责创建数据集,但我的教授要求我通过检测人脸,然后模糊它们来“匿名”每个图像,以确保隐私得到保护(显然这是我所在机构在公开分发数据集之前的要求)。
你有人脸匿名的教程吗?如何使用OpenCV模糊人脸?
谢谢,
李伟
李提出了一个很好的问题——我们经常在项目中使用人脸检测,通常是作为人脸识别流程的第一步。
但如果我们想做与人脸识别相反的事情呢?如果我们想通过模糊人脸来匿名,从而使他人无法识别人脸的身份,那该怎么办?
人脸模糊和匿名化的实际应用包括:
公共/私人领域的隐私和身份保护
在线保护儿童(即上传照片中未成年人的模糊面孔)
新闻摄影和新闻报道(例如,模糊未授权人物的面貌)
数据集的收集和分发(例如,在数据集中匿名化个人)
……还有更多!
要学习如何使用OpenCV和Python模糊和匿名化人脸,请继续阅读!
用OpenCV和Python模糊和匿名化人脸
在本教程的第一部分中,我们将简要讨论什么是面部模糊,以及如何使用OpenCV在图像和视频流中匿名化面部。
在这里,我们将讨论用OpenCV和Python模糊人脸的四步方法。
然后,我们将回顾我们的项目结构,并使用OpenCV实现两种面部模糊方法:
使用高斯模糊对图像和视频流中的人脸进行匿名化
将“像素模糊”效果应用于图像和视频中的匿名人脸
考虑到我们的两个实现,我们将创建Python脚本来将这些面部模糊方法应用于图像和视频。
然后我们将回顾我们的面部模糊和匿名化方法的结果。
什么是人脸模糊,如何将其用于人脸匿名?

图1:在本教程中,我们将学习如何使用OpenCV和Python模糊面部,类似于本例中的面部
人脸模糊是一种用于图像和视频中人脸匿名化的计算机视觉方法。
一个脸部模糊和匿名化的例子可以在上面的图1中看到-注意脸部是如何模糊的,而且人的身份是不可分辨的。
我们使用面部模糊来帮助保护图像中人的身份。
4个步骤来执行人脸模糊和匿名化

图2:OpenCV和Python的面部模糊可以分为四个步骤。
应用OpenCV和计算机视觉进行人脸模糊有四个步骤。
步骤1是执行面部检测。

图3:使用OpenCV和Python进行人脸模糊的第一步是检测图像/视频(图像源)中的所有人脸。
这里可以使用任何人脸检测器,只要它可以在图像或视频流中生成人脸的边界坐标。
您可能使用的有代表性的面部探测器包括
Haar cascades
HOG+线性支持向量机
基于深度学习的人脸检测器。
有关如何检测图像中的人脸的详细信息,请参阅脸检测指南(https://www.pyimagesearch.com/2018/02/26/face-detection-with-opencv-and-deep-learning/)。
一旦检测到人脸,步骤2是提取感兴趣区域(ROI):

图4:使用Python和OpenCV模糊人脸的第二步是提取感兴趣的人脸区域(ROI)。
然后,您可以使用这些信息提取面部ROI本身,如上面的图4所示。
得到了人脸的ROI,步骤3是实际模糊/匿名化人脸:

图5:使用OpenCV进行人脸模糊的第三步是应用模糊算法。在本教程中,我们将学习两种模糊算法-高斯模糊和像素化。
通常,你会应用高斯模糊来匿名化人脸。如果你发现最终结果更美观,你也可以对脸部进行像素化。
到底你如何“模糊”图像取决于你-重要的是,脸是匿名的。
在人脸模糊和匿名的情况下,步骤4是将模糊的人脸存储回原始图像中:

图6:使用Python和OpenCV进行面部模糊的第四步也是最后一步是用模糊的面部ROI替换原始的面部ROI。
使用人脸检测的原始(x,y)-坐标(即步骤2),我们可以获取模糊/匿名的人脸,然后将其存储回原始图像中(如果您使用OpenCV和Python,则此步骤使用NumPy数组切片)。
原始图像中的人脸已被模糊和匿名化-此时人脸匿名化通道已完成。
在本教程的其余部分中,让我们看看如何使用OpenCV实现人脸模糊和匿名化。
如何安装OpenCV进行面部模糊处理
要学习我的面部模糊教程,您需要在您的系统上安装OpenCV。我建议使用我的教程之一安装OpenCV 4:
pip install opencv-最简单、最快的方法(https://www.pyimagesearch.com/2018/09/19/pip-install-opencv/)
如何在Ubuntu上安装OpenCV 4(https://www.pyimagesearch.com/2018/08/15/how-to-install-opencv-4-on-ubuntu/)
在macOS上安装OpenCV 4(https://www.pyimagesearch.com/2018/08/17/install-opencv-4-on-macos/)
我推荐99%的读者使用pip安装方法——这也是我通常为快速项目(如面部模糊)安装OpenCV的方式。
如果您认为可能需要完全安装OpenCV来使用特有算法,则应根据您的操作系统考虑第二个或第三个方案。这两个指南都需要从源代码编译,这也需要相当长的时间,但可以(1)为您提供完整的OpenCV安装和(2)允许您为操作系统和系统架构优化OpenCV。
一旦安装了OpenCV,就可以继续学习本教程的其余部分。
注意:我在PyImageSearch不建议使用Windows操作系统。请参阅我的常见问题页面。
项目结构
继续使用本教程的“下载”部分下载源代码、示例图像和预训练的人脸检测模型。之后,让我们检查一下内容:

人脸模糊的第一步是执行人脸检测,以定位图像/帧中的人脸。我们将使用基于深度学习的Caffe模型,如face_detector/目录所示。
我们的两个Python脚本blur_face.py和blur_face_video.py首先检测人脸,然后在图像和视频流中执行人脸模糊。我们将阐释这两个脚本,以便您可以根据自己的项目调整它们。
首先,我们将回顾face_blurring.py文件中的面部模糊函数。
用高斯模糊和OpenCV模糊人脸

图7:使用OpenCV和Python进行高斯人脸模糊处理。
我们将实现两个辅助函数来帮助我们进行面部模糊和匿名:
anonymize_face_simple:在人脸ROI上执行简单的高斯模糊(如上图7所示)
anonymize_face_pixelate:创建像素化的模糊效果(我们将在下一节中介绍)
让我们来看看anonymize_face_simple的实现----在pyimagesearch模块中打开face_blurring.py文件,并插入以下代码:

我们的面部模糊实用程序需要导入NumPy和OpenCV,如第2行和第3行所示。
从第5行开始,我们定义了anonymize_face_simple函数,该函数接受输入的人脸图像image和模糊核心范围factor。
第8-18行导出模糊内核的宽度和高度,作为输入图像尺寸的函数:
核心的大小越大,输出面就越模糊
核心越小,输出面越不模糊
因此,增加该因子将增加应用于面的模糊量。
当应用模糊时,我们的内核尺寸必须是奇数整数,这样核心就可以放在输入图像的中心(x,y)(关于内核为什么必须是奇数整数的更多信息,请参阅我的OpenCV卷积教程)。
一旦我们得到核维数kW和kH,第22行将高斯模糊核应用于人脸图像,并将模糊的人脸返回给调用函数。
在下一节中,我们将介绍另一种匿名方法:像素化模糊。
使用OpenCV创建像素化的面部模糊

图8:使用OpenCV和Python在图像上创建像素化模糊效果。
我们将要实现的是人脸模糊和匿名化的第二种方法,它创建了一个像素化的模糊效果-这种方法的示例如图8所示。
请注意我们是如何对图像进行像素化处理并使人的身份变得不可分辨的。
这种像素化的面部模糊通常是大多数人听到“面部模糊”时所想到的——这与你在晚间新闻上看到的面部模糊是同一种类型的,主要是因为它比高斯模糊更“美观”(实际上是有点“不协调”)。




图9:左:我的照片。右:我的脸被OpenCV和Python用高斯方法弄模糊了。
有可能吗?
你肯定觉得可以!
然后我们将加载面部探测器并初始化视频流:

然后,我们将继续循环流中的帧并执行步骤1-人脸检测:





处理漏检和“检测闪烁”
在视频流中检测人脸
为每个人像创建对象跟踪器
使用目标跟踪器和面部探测器关联面部位置
如果面部检测器错过了检测,那么返回跟踪器以提供面部的位置
这种方法比简单的“最后一个已知位置”的计算更复杂,但它也更加健壮。
人脸模糊和匿名化是一个四步过程:
步骤1:使用人脸检测器(即Haar cascades、HOG+线性支持向量机、基于深度学习的人脸检测器)检测图像中是否存在人脸
步骤2:使用边界(x,y)坐标从输入图像中提取面部ROI
步骤3:模糊图像中的人脸,通常使用高斯模糊或像素模糊,从而匿名化人脸并保护图像中人的身份
步骤4:将模糊/匿名的人脸存储在原始图像中
https://www.pyimagesearch.com/2020/04/06/blur-and-anonymize-faces-with-opencv-and-python/
英文原文:https://www.pyimagesearch.com/2020/04/06/blur-and-anonymize-faces-with-opencv-and-python/
译者:QL


