PrivateFrame — Guía de instalación y uso
Empieza con la aplicación de escritorio, automatiza un flujo de vídeo o integra el procesamiento en Python.
Qué vas a construir
Detecta y sigue los rostros de tus vídeos y aplica desenfoque o mosaico en tu propio dispositivo. Selecciona a todos o utiliza fotos de referencia para elegir quién queda visible.
El despliegue comercial con modelos preentrenados de InsightFace requiere una licencia comercial de modelos independiente.
Mira PrivateFrame en acción.
Observa el seguimiento y la ocultación de rostros en distintas escenas, con desenfoque gaussiano y mosaico.
Resultado real de PrivateFrame. Revisa el vídeo procesado antes de compartirlo.
Abrir el vídeoMúsica: Tears in Rain de Scott Buckley · CC BY 4.0. Fragmento editado y mezclado.
Antes de empezar
- Se requiere Python 3.10+ y una copia actualizada del código de InsightFace que incluya python-package/insightface/app/privateframe/. Ejecute los comandos de instalación desde la raíz de ese repositorio. Esta guía usa el código actualizado; una copia antigua o un paquete publicado puede no incluir PrivateFrame.
- Un vídeo local y una carpeta de salida. Sustituya las rutas /data/... de los ejemplos por rutas de su dispositivo. Use una carpeta de salida distinta para cada ejemplo para conservar los resultados por separado.
- El procesamiento se ejecuta localmente tras instalar las dependencias y los modelos. Los vídeos y las fotos de referencia no se suben para procesarlos. Los modelos que falten pueden descargarse durante el primer uso.
1. Guía de instalación y uso
Se requiere Python 3.10+ y una copia actualizada del código de InsightFace que incluya python-package/insightface/app/privateframe/. Ejecute los comandos de instalación desde la raíz de ese repositorio. Esta guía usa el código actualizado; una copia antigua o un paquete publicado puede no incluir PrivateFrame.
Requiere Python 3.10 o posterior. Sigue la guía para instalar desde el repositorio actualizado. Puede ser necesario descargar modelos en la primera ejecución. Los modelos preentrenados incluidos son solo para evaluación en investigación no comercial. Obtén una licencia de modelos antes del despliegue comercial.
python -m pip install "./python-package[gui]"python -m pip install "./python-package[privateframe]"
insightface-privateframe --help2. Aplicación de escritorio
Abre el flujo de PrivateFrame en InsightFace Evaluation Studio. Elige el vídeo, los ajustes y la carpeta de salida.
- Abre PrivateFrame en la aplicación de escritorio de InsightFace o proporciona un vídeo a la CLI o a la API de Python.
- Elige un modo de selección, añade fotos de referencia si es necesario y selecciona desenfoque o mosaico.
- Exporta un nuevo vídeo y un JSON de análisis reutilizable. Revisa el resultado antes de compartirlo.
insightface-gui3. Línea de comandos — Elige a quién desenfocar
Procesa un vídeo con un solo comando o separa el análisis del renderizado para revisar y repetir las exportaciones.
Para los modos con fotos, coloque imágenes JPG, JPEG, PNG o WebP claras de una sola persona directamente en una carpeta de referencia. Cada foto aporta solo el rostro detectado más grande. Ambos modos necesitan al menos un rostro de referencia válido. Con la política predeterminada, los rostros sin coincidencia o inciertos permanecen visibles en blur_only y se difuminan en exempt.
- Desenfocar todos los rostros: Oculta todos los rostros detectados. No requiere fotos de referencia ni identificación de personas.
- Desenfocar a personas seleccionadas: Desenfoca a las personas que coincidan con tus fotos de referencia y deja visibles a las demás.
- Mantener visibles a personas seleccionadas: Mantén visibles a las personas coincidentes y desenfoca los rostros sin coincidencia o con identificación incierta.
insightface-privateframe process \
--input /data/video.mp4 --output-dir /data/allinsightface-privateframe process \
--input /data/video.mp4 --output-dir /data/selected \
--recognition.mode blur_only \
--recognition.reference_dir /data/reference_photosinsightface-privateframe process \
--input /data/video.mp4 --output-dir /data/exempt \
--recognition.mode exempt \
--recognition.reference_dir /data/reference_photos4. Analiza una vez y vuelve a renderizar
Reutiliza el JSON de análisis para cambiar los ajustes de renderizado o editar los recuadros faciales sin repetir la detección y el reconocimiento.
Sí. Conserva el vídeo original y el JSON de análisis para volver a renderizar con otros ajustes de desenfoque, mosaico o codificación. También puedes editar los recuadros faciales en el JSON. Los cambios en la detección o en la identificación de personas requieren un nuevo análisis.
insightface-privateframe analyze \
--input /data/video.mp4 --output-dir /data/reviewinsightface-privateframe render \
--input /data/video.mp4 \
--result /data/review/video_privateframe.json \
--redacted /data/review/video_mosaic.mp4 \
--render.redaction.method mosaic5. API de Python
Integra el análisis y el renderizado en tu aplicación con funciones de notificación de progreso y cancelación.
from insightface.app.privateframe import (
analyze_streaming_pipeline,
default_output_paths,
render_streaming_artifacts,
)
from insightface.app.privateframe.base_config import DEFAULT_CONFIG_PATH
paths = default_output_paths("/data/video.mp4", "/data/python_output")
analysis = analyze_streaming_pipeline(
config_path=DEFAULT_CONFIG_PATH,
input_path=paths.source,
workdir=paths.workdir,
result_path=paths.result_json,
)
rendered = render_streaming_artifacts(
input_path=paths.source,
result_path=paths.result_json,
redacted_path=paths.result_video,
config_overrides={"render.redaction.method": "mosaic"},
)6. Procesa, revisa y comparte
Exporta un nuevo vídeo y un JSON de análisis reutilizable. Revisa el resultado antes de compartirlo.
La comparación con fotos puede no identificar a una persona. Revisa los resultados selectivos antes de compartirlos; en el modo de personas seleccionadas, una persona objetivo sin coincidencia puede quedar visible.
No. La detección, el seguimiento y la comparación pueden omitir rostros o cometer errores. Revisa el vídeo exportado, especialmente las apariciones breves, los cambios de escena y las oclusiones. La ocultación facial no esconde voces, nombres, ropa ni otros elementos que permitan identificar a alguien.
7. ¿Puedo usar PrivateFrame comercialmente?
El código de InsightFace tiene licencia MIT. Los modelos preentrenados que proporciona el proyecto están destinados a investigación no comercial; el uso comercial requiere la autorización correspondiente para los modelos. Contáctanos para hablar de tu despliegue.
Incorpora la privacidad facial a tus flujos de vídeo.
El despliegue comercial con modelos preentrenados de InsightFace requiere una licencia de modelos independiente. El código se distribuye bajo la licencia MIT; las licencias del código y de los modelos se aplican por separado.
Solicitar licencia comercial