#茅山科幻#视频后期福音！，AI能实时检测视频流中人脸并打马赛克大数据文摘出品作者：牛婉杨我们现在经

文章图片
大数据文摘出品
作者：牛婉杨
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，无疑会帮人类减轻很大的工作量。
答案是可以！AdrianRosebrock博士在博客中分享了通过OpenCV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？
AdrianRosebrock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OpenCV对人脸进行高斯模糊和像素化模糊的详细操作。
AdrianRosebrock博士的详细教程：
https://www.pyimagesearch.com/2020/04/06/blur-and-anonymize-faces-with-opencv-and-python/
简单来说，实现人脸模糊可以分为以下4步：

文章图片
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。

文章图片
有一些常见的人脸检测工具可以供你参考：
HaarcascadesHOG+LinearSVMDeeplearning-basedfacedetectors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) 。
这些坐标通常表示:
人脸边界框的起始坐标x面部截止的坐标x人脸位置的起始坐标y面部截止的坐标y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：

文章图片
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，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。

文章图片
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

文章图片
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OpenCV和Python ，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？
【#茅山科幻#视频后期福音！，AI能实时检测视频流中人脸并打马赛克】文摘菌在这里简单展示一下如何使用OpenCV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AdrianRosebrock博士的这篇博文中获取源代码，然后打开OpenCV人脸检测器，使用以下命令启动blur_face_video.py：