视频人脸模糊--AI 数据湖服务-火山引擎

文档中心

立即注册

AI 数据湖服务

视频处理

视频人脸模糊

算子介绍

描述

视频人脸模糊处理算子

主要功能

自动检测视频帧中的人脸并进行模糊处理
支持多种模糊类型（均值、盒式、高斯）
支持本地路径、远程 URL/TOS 路径以及二进制/BASE64 视频输入
统一输出模糊后的视频路径（即使未检测到人脸也会重新编码输出）
cpu 和 gpu 环境均可运行

适用场景

隐私保护：对视频中的人脸信息进行脱敏处理，防止个人隐私泄露
数据发布前的隐私清洗：在发布视频数据前，对其中包含的人脸进行模糊处理，保护用户隐私
训练/评测数据集中的人脸模糊预处理：在训练/评测模型时，对数据集中的视频帧进行人脸模糊处理，提高模型泛化能力

注意事项

人脸检测基于 InsightFace 模型，对光照、姿态变化较敏感
输入视频需为 PyAV/FFmpeg 可解码的常见格式（如 mp4、mov、avi 等）
单条样本处理失败时，该条结果返回空字符串，不影响批次内其他样本

Daft 调用

算子参数

输入

输入列名	说明
video_paths	视频文件路径列，支持本地、TOS、HTTP 等多种路径格式。与 video_binaries 二选一。
video_binaries	视频二进制数据或 BASE64 字符串列。与 video_paths 二选一。
video_formats	视频格式字符串列（如 "mp4"、"mov"）。当输入为 video_binaries 时，必须提供此列以指定视频格式。
output_basenames	输出文件基础名称列（不含扩展名），用于自定义输出文件的名称。

输出

输出为字符串列，每个元素为模糊处理后的视频文件路径。

参数

如参数没有默认值，则为必填参数

参数名称	类型	默认值	描述
output_dir	str	""	将模糊处理后的视频保存到该目录中，目前支持上传到 TOS 或本地目录，格式："tos://bucket/path/" 或 "/local/path/"。
model_path	str	"/opt/las/models"	人脸检测模型的基础目录路径，用于 InsightFace 模型加载。
model_name	str	"insightface"	InsightFace 模型的子目录名称，最终模型路径为 model_path/model_name。
blur_type	str	"gaussian"	模糊方式。可选值："mean" (均值模糊), "box" (盒式模糊), "gaussian" (高斯模糊)。
radius	float	10.0	模糊半径，仅对盒式模糊和高斯模糊生效。要求 radius >= 0，建议根据效果在 5-20 之间调整。
det_thresh	float	0.5	人脸检测置信度阈值。用于隐私保护时，建议调低至 0.3-0.4 以避免漏检；用于精细修图时，建议调高至 0.6-0.7 以确保只处理正脸。
det_size	tuple[int, int]	(640, 640)	人脸检测的输入尺寸 (width, height)。对于普通网络视频，默认值 (640, 640) 性价比高；对于监控录像等场景，建议调大至 (1280, 1280) 或更高，以检测远距离的小人脸。

调用示例

下面的代码展示了如何使用 daft 运行算子对视频中的人脸进行模糊化处理。

from __future__ import annotations

import os

import daft
from daft import col
from daft.las.functions.udf import las_udf
from daft.las.functions.video import VideoFaceBlur

if __name__ == "__main__":
    # 更改完的视频会保存到指定的TOS路径下，因此，需要设置好环境变量以保证有权限写入TOS，包括：ACCESS_KEY,SECRET_KEY,TOS_ENDPOINT,TOS_REGION,TOS_TEST_DIR
    TOS_DIR = os.getenv("TOS_DIR", "tos_bucket")
    output_dir = f"tos://{TOS_DIR}/video/video_face_blur"

    if os.getenv("DAFT_RUNNER", "native") == "ray":
        import logging

        import ray

        def configure_logging():
            logging.basicConfig(
                level=logging.INFO,
                format="%(asctime)s - %(name)s - %(levelname)s - %(message)s",
                datefmt="%Y-%m-%d %H:%M:%S.%s".format(),
            )
            logging.getLogger("tracing.span").setLevel(logging.WARNING)
            logging.getLogger("daft_io.stats").setLevel(logging.WARNING)
            logging.getLogger("DaftStatisticsManager").setLevel(logging.WARNING)
            logging.getLogger("DaftFlotillaScheduler").setLevel(logging.WARNING)
            logging.getLogger("DaftFlotillaDispatcher").setLevel(logging.WARNING)

        ray.init(dashboard_host="0.0.0.0", runtime_env={"worker_process_setup_hook": configure_logging})
        daft.context.set_runner_ray()

    daft.set_execution_config(actor_udf_ready_timeout=600)
    daft.set_execution_config(min_cpu_per_task=0)

    tos_dir_url = os.getenv("TOS_DIR_URL", "las-cn-beijing-public-online.tos-cn-beijing.volces.com")
    samples = {"video_path": [f"https://{tos_dir_url}/public/shared_video_dataset/singer.mp4"]}
    ds = daft.from_pydict(samples)

    model_path = os.getenv("MODEL_PATH", "/opt/las/models")
    constructor_kwargs = {
        "output_dir": output_dir,
        "model_path": model_path,
        "blur_type": "gaussian",
        "radius": 20.0,
    }

    ds = ds.with_column(
        "results",
        las_udf(
            VideoFaceBlur,
            construct_args=constructor_kwargs,
            num_gpus=1,
            batch_size=1,
            concurrency=1,
        )(col("video_path")),
    )

    ds.show()

    # ╭────────────────────────────────┬────────────────────────────────╮
    # │ video_path                     ┆ results                        │
    # │ ---                            ┆ ---                            │
    # │ String                         ┆ String                         │
    # ╞════════════════════════════════╪════════════════════════════════╡
    # │ https://las-cn-beijing-public… ┆ tos://las-ai-qa-online/qa/tes… │
    # ╰────────────────────────────────┴────────────────────────────────╯

最近更新时间：2026.01.15 18:06:19

这个页面对您有帮助吗？

有用

无用

AI 数据湖服务

描述 #

主要功能 #

适用场景 #

注意事项 #

算子参数 #

输入 #

输出 #

参数 #

调用示例 #

描述

主要功能

适用场景

注意事项

算子参数

输入

输出

参数

调用示例