雲栖号資訊：【 點選檢視更多行業資訊】
在這裡您可以找到不同行業的第一手的上雲資訊，還在等什麼，快來！
我們現在經常用到的馬賽克其實起源于建築上的圖案裝飾，如今馬賽克常用于圖像或視訊的模糊處理。随着技術的進步，打碼與去碼變成了一種常見的技術研究方向，同時也掀起了一場技術與道德的“戰争”。
那麼為什麼要打馬賽克？其實是處于一種隐私保護，例如新聞上出現犯罪嫌疑人的畫面時是需要打碼的，因為尚未定罪時需要維護嫌疑人的肖像權。
現如今，大部分打馬賽克的工作都需要我們手動來打，比如在圖像/視訊制作軟體裡添加馬賽克。那麼這種工作能不能交給AI呢？如果AI可以自動對圖像/視訊進行實時處理，無疑會幫人類減輕很大的工作量。
答案是可以！Adrian Rosebrock博士在部落格中分享了通過OpenCV實作“人臉自動馬賽克”這一教程，而這個項目是受到了他的一位部落格讀者的啟發。事實上，這個項目有很大的現實意義。
那麼，AI究竟是如何做到自動實時打碼的？說到這裡，首先需要介紹一下什麼是人臉模糊。
什麼是人臉模糊？
Adrian Rosebrock博士在部落格中詳細的分享了技術實作方法，從介紹人臉檢測器，人臉模糊的簡單步驟，到分别用OpenCV對人臉進行高斯模糊和像素化模糊的詳細操作。
Adrian Rosebrock博士的詳細教程：
https://www.pyimagesearch.com/2020/04/06/blur-and-anonymize-faces-with-opencv-and-python/簡單來說，實作人臉模糊可以分為以下4步：
第一步：人臉檢測
在這一步可以使用任何的人臉檢測器，隻要它能在圖像或視訊中生成人臉的邊界框坐标就行。
有一些常見的人臉檢測工具可以供你參考：
- Haar cascades
- HOG + Linear SVM
- Deep learning-based face detectors
一旦識别到人臉，就可以進入到第二步了。
第二步：圖像/視訊的ROI提取
臉探測器會給出一個邊界框，也就是圖像中人臉的坐标(x, y)。
這些坐标通常表示:
- 人臉邊界框的起始坐标x
- 面部截止的坐标x
- 人臉位置的起始坐标y
- 面部截止的坐标y
然後就可以用這些資訊來提取人臉ROI（感興趣區域），如下圖所示：
接下來就開始進行人臉模糊啦。
第三步：人臉模糊
說到打碼這件事，有兩種常用的模糊方式，一個是高斯模糊，一個是像素化模糊。高斯模糊的效果比較“溫柔”，但很可能面臨着模糊不徹底的問題，而像素化模糊就相當簡單粗暴，是我們最常見的馬賽克樣式。
高斯模糊下的面部圖像
這兩個模糊方式都可以實作人臉自動模糊這個項目，練習時可以憑你的個人喜好選擇。
在進行人臉模糊之後，最後一步就是将模糊後的人臉放回原始圖像中。
第四步：将模糊後的照片整合到原始圖像中
使用來自人臉檢測的原始(x, y)坐标(步驟二中提到的)，我們可以得到模糊/匿名化的人臉，然後将其存儲到原始圖像中(如果使用OpenCV和Python，則此步驟使用NumPy數組切片)。
至此，人臉模糊的部分就完成了。
如何在實時視訊中通過AI實作人臉自動模糊？
文摘菌在這裡簡單展示一下如何使用OpenCV識别人臉，然後再将人臉模糊應用到實時視訊流中。
首先需要從Adrian Rosebrock博士的這篇博文中擷取源代碼，然後打開OpenCV人臉檢測器，使用以下指令啟動blur_face_video.py：
$ python blur_face_video.py --face face_detector --method simple
[INFO] loading face detector model...
[INFO] starting video stream... 高斯模糊實時視訊流
以可以通過method pixelated來進行像素化的人臉模糊：
$ python blur_face_video.py --face face_detector --method pixelated
[INFO] loading face detector model...
[INFO] starting video stream... 像素化模糊實時視訊流
以上應用的人臉模糊方法，是假設輸入視訊流的每一幀中都可以檢測到人臉。
那麼，如果檢測器中途未能檢測到人臉會怎樣？顯然，在漏掉的幀中無法進行打碼，也就破壞了人臉模糊的目的。
在這種情況下我們該怎麼做呢?
通常，在人臉移動的比較慢的情況下，有一個簡單的方法是取最後一個已知的面部位置，然後模糊該區域。
還有一種進階的方法是使用專門的對象跟蹤器，如果人臉檢測器沒有識别到，則對象追蹤器可以補充提供面部位置，這個方法會複雜很多，因為要在人臉的多個角度建立跟蹤，但是這個方法也更加完善。
微軟曾提出一種可在視訊中通過AI實作人臉模糊的方法
早在2017年，微軟研究院就提出了一套基于AI算法的視訊人臉模糊解決方案。雖然該算法能夠對視訊進行自動處理，但是需要使用者點選想要打碼的人才能打上馬賽克。
這套算法能夠将源視訊中的人物提取出來，并傳回給使用者，然後使用者可以自由選擇給誰打碼。
要想打碼，首先需要找出所有人臉的出現位置，并把同一個人所有幀中的人臉連接配接起來。為此，需要有三個算法：人臉檢測、跟蹤、識别。
下圖更為詳細的展示了關于這套人臉模糊系統具體是如何工作的：
在時間複雜度方面，微軟研究院稱該系統在Azure的CPU伺服器上能夠實時處理720p的視訊，并且能夠以2倍時長處理1080p的高清視訊。
技術始終在進步，3年前就可以做到在視訊中通過AI進行人臉模糊，3年後已經可以利用AI在實時視訊流中自動打碼了，我們相信，科技還能做到更多。
盡管，目前AI實時打碼這一技術還尚未成熟，但總有一天技術能夠“承擔”起更多的社會責任，保護更多的人。
相關報道：
https://www.zhihu.com/question/21672713【雲栖号線上課堂】每天都有産品技術專家分享！
課程位址：
https://yqh.aliyun.com/live立即加入社群，與專家面對面，及時了解課程最新動态！
【雲栖号線上課堂 社群】
https://c.tb.cn/F3.Z8gvnK
原文釋出時間：2020-04-17
本文作者：文摘菌
本文來自：“
大資料文摘”，了解相關資訊可以關注“
”