PrivateFrame — Guia de instalação e uso
Comece pelo aplicativo de desktop, automatize um fluxo de vídeo ou integre o processamento ao Python.
O que você vai construir
Detecte e acompanhe rostos nos seus vídeos e aplique desfoque ou mosaico no seu próprio dispositivo. Selecione todos ou use fotos de referência para escolher quem fica visível.
A implantação comercial com modelos pré-treinados do InsightFace exige uma licença comercial de modelos separada.
Veja o PrivateFrame em ação.
Veja o rastreamento e a ocultação de rostos em diferentes cenas, com desfoque gaussiano e mosaico.
Resultado real do PrivateFrame. Revise o vídeo processado antes de compartilhar.
Abrir o vídeoMúsica: Tears in Rain, de Scott Buckley · CC BY 4.0. Trecho editado e mixado.
Antes de começar
- É necessário Python 3.10+ e uma cópia atualizada do código InsightFace que contenha python-package/insightface/app/privateframe/. Execute os comandos de instalação na raiz desse repositório. Este guia usa o código atualizado; uma cópia antiga ou um pacote publicado pode ainda não incluir PrivateFrame.
- Um vídeo local e uma pasta de saída. Substitua os caminhos /data/... dos exemplos por caminhos no seu dispositivo. Use uma pasta de saída diferente para cada exemplo para manter os resultados separados.
- O processamento é executado localmente após a instalação das dependências e dos modelos. Vídeos e fotos de referência não são enviados para processamento. Modelos ausentes podem ser baixados no primeiro uso.
1. Guia de instalação e uso
É necessário Python 3.10+ e uma cópia atualizada do código InsightFace que contenha python-package/insightface/app/privateframe/. Execute os comandos de instalação na raiz desse repositório. Este guia usa o código atualizado; uma cópia antiga ou um pacote publicado pode ainda não incluir PrivateFrame.
Requer Python 3.10 ou superior. Siga o guia para instalar a partir do repositório atualizado. Pode ser necessário baixar modelos na primeira execução. Os modelos pré-treinados fornecidos destinam-se apenas à avaliação em pesquisas não comerciais. Obtenha uma licença de modelos antes da implantação comercial.
python -m pip install "./python-package[gui]"python -m pip install "./python-package[privateframe]"
insightface-privateframe --help2. Aplicativo de desktop
Abra o fluxo PrivateFrame no InsightFace Evaluation Studio. Escolha o vídeo, as configurações e a pasta de saída.
- Abra o PrivateFrame no aplicativo de desktop do InsightFace ou forneça um vídeo à CLI ou à API Python.
- Escolha um modo de seleção, adicione fotos de referência se necessário e selecione desfoque ou mosaico.
- Exporte um novo vídeo e um JSON de análise reutilizável. Revise o resultado antes de compartilhar.
insightface-gui3. Linha de comando — Escolha quem desfocar
Processe um vídeo com um comando ou separe a análise da renderização para revisar e repetir as exportações.
Para os modos com fotos, coloque imagens JPG, JPEG, PNG ou WebP nítidas de uma só pessoa diretamente numa pasta de referência. Cada foto fornece apenas o maior rosto detetado. Ambos os modos precisam de pelo menos um rosto de referência utilizável. Por predefinição, rostos sem correspondência ou incertos permanecem visíveis em blur_only e são desfocados em exempt.
- Desfocar todos os rostos: Oculte todos os rostos detectados. Não exige fotos de referência nem identificação de pessoas.
- Desfocar pessoas selecionadas: Desfoque as pessoas que correspondem às suas fotos de referência e mantenha as demais visíveis.
- Manter pessoas selecionadas visíveis: Mantenha visíveis as pessoas correspondentes e desfoque rostos sem correspondência ou com identificação incerta.
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. Analise uma vez, renderize novamente
Reutilize o JSON de análise para alterar as configurações de renderização ou editar as caixas dos rostos sem repetir a detecção e o reconhecimento.
Sim. Guarde o vídeo original e o JSON de análise para renderizar novamente com outras configurações de desfoque, mosaico ou codificação. Você também pode editar as caixas dos rostos no JSON. Alterações na detecção ou na identificação de pessoas exigem uma nova análise.
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 Python
Integre a análise e a renderização ao seu aplicativo com funções de retorno para progresso e cancelamento.
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. Processe, revise e compartilhe
Exporte um novo vídeo e um JSON de análise reutilizável. Revise o resultado antes de compartilhar.
A comparação com fotos pode deixar de identificar uma pessoa. Revise os resultados seletivos antes de compartilhar; no modo de pessoas selecionadas, uma pessoa-alvo sem correspondência pode continuar visível.
Não. A detecção, o rastreamento e a comparação podem deixar passar rostos ou cometer erros. Revise o vídeo exportado, principalmente aparições breves, cortes de cena e oclusões. A ocultação facial não esconde vozes, nomes, roupas ou outros elementos que permitam identificar alguém.
7. Posso usar o PrivateFrame comercialmente?
O código do InsightFace tem licença MIT. Os modelos pré-treinados fornecidos pelo projeto são destinados à pesquisa não comercial; o uso comercial exige a autorização adequada para os modelos. Entre em contato para discutirmos sua implantação.
Leve a privacidade facial para o seu fluxo de vídeo.
A implantação comercial com modelos pré-treinados do InsightFace exige uma licença de modelos separada. O código usa a licença MIT; as licenças do código e dos modelos se aplicam separadamente.
Solicitar licença comercial