最近录制数据时，为了保护隐私，我做了一个小工具：video-privacy-blur
在采集街景、测试视频时，经常会拍到人脸和车牌，这些信息在分享或存储前必须做匿名化处理。手动后期太耗时，于是我基于 Ultralytics YOLO + OpenCV 做了一个一键批处理的工具。
只需要一条命令，就能完成车牌 / 人脸检测并自动马赛克或模糊处理，支持 CPU / GPU / Apple MPS，既能处理视频文件，也能直接用摄像头输入。
https://github.com/MengWoods/video-privacy-blur
✨ 功能特点
- 检测模型：基于 YOLOv8，高精度检测人脸和车牌
- 设备支持：CPU / GPU / MPS 自动选择
- 可选目标：可独立开关人脸或车牌处理
- 匿名化方式：高斯模糊 / 像素化（马赛克）
- 易用性：文件或摄像头都能直接处理
- 零配置：车牌检测权重直接下载即可使用，无需手动标注
📦 快速开始
python3 -m venv .venv && source .venv/bin/activate
pip install -r requirements.txt
pip install -e .
🚀 使用示例
# 同时模糊人脸和车牌（高斯模糊）
privacy-blur --plate-weights models/license_plate_detector.pt \--face-detector yolo \--face-yolo-weights models/yolov8n-face.pt \--input input.mp4 --output out.mp4 --device auto --show# 仅处理车牌
privacy-blur --input dashcam.mp4 --no-blur-faces# 仅处理人脸，像素化，使用 GPU
privacy-blur --input street.mp4 --no-blur-plates --method pixelate --device cuda
🔧 常用参数
--input输入视频路径或摄像头序号--output输出视频路径（默认out_blurred.mp4）--device运行设备：auto/cpu/cuda/mps--method匿名方式：gaussian（模糊） /pixelate（马赛克）--blur-strength模糊强度（数值越低越模糊）--pixelate-blocks马赛克块数（数值越低越粗）
💡 开发初衷
我在进行自动驾驶和感知系统测试时，需要录制道路视频。但数据中经常包含大量无关人员和车辆的隐私信息，如果后期一个个手动遮挡，不仅耗时还容易遗漏。
另外这个车牌识别模型还是有一些不足的地方，未来有可能我重新训练个模型来提升准确率。
