视频去码的软件（去除视频里面的水印的方法）

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！Adrian Rosebrock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？

Adrian Rosebrock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。

Adrian Rosebrock博士的详细教程：

简单来说，实现人脸模糊可以分为以下4步：

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。

有一些常见的人脸检测工具可以供你参考：

• Haar cascades
• HOG + Linear SVM
• Deep learning-based face detectors

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：

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。

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？

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Adrian Rosebrock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：

$ python blur_face_video.py --face face_detector --method simple[INFO] loading face detector model...[INFO] starting video stream...

要想打码，首先需要找出所有人脸的出现位置，并把同一个人所有帧中的人脸连接起来。为此，需要有三个算法：人脸检测、跟踪、识别。

下图更为详细的展示了关于这套人脸模糊系统具体是如何工作的：

在时间复杂度方面，微软研究院称该系统在Azure的CPU服务器上能够实时处理720p的视频，并且能够以2倍时长处理1080p的高清视频。

技术始终在进步，3年前就可以做到在视频中通过AI进行人脸模糊，3年后已经可以利用AI在实时视频流中自动打码了，我们相信，科技还能做到更多。

尽管，目前AI实时打码这一技术还尚未成熟，但总有一天技术能够“承担”起更多的社会责任，保护更多的人。