Python | Day 14：基于深度学习的人脸打码自动化方案（视频）（★★★）

FishC

下面是对人脸打码自动化方案的优化解答，包含进度条添加和漏打问题解决方案：

### 问题1：添加视频处理进度条
使用 `tqdm` 库实时显示处理进度，修改 `mosaic_faces` 函数：

1. import cv2
   
2. from mtcnn import MTCNN
   
3. from tqdm import tqdm  # 新增进度条库
   
4. 
   
5. def mosaic_area(img, x, y, w, h, block_size=10):
   
6.     """修正版：正确替换原图像区域"""
   
7.     # 调整越界坐标
   
8.     y1, y2 = max(0, y), min(img.shape[0], y + h)
   
9.     x1, x2 = max(0, x), min(img.shape[1], x + w)
   
10.    
    
11.     # 截取有效区域
    
12.     roi = img[y1:y2, x1:x2]
    
13.     if roi.size == 0:  # 空区域跳过
    
14.         return
    
15.    
    
16.     # 马赛克处理
    
17.     small = cv2.resize(roi, (8, 8), interpolation=cv2.INTER_LINEAR)
    
18.     mosaic = cv2.resize(small, (x2 - x1, y2 - y1), interpolation=cv2.INTER_NEAREST)
    
19.     img[y1:y2, x1:x2] = mosaic  # 关键：替换原图区域
    
20. 
    
21. def mosaic_faces(input_path, output_path, block_size=10, conf_threshold=0.8):
    
22.     detector = MTCNN()
    
23.     cap = cv2.VideoCapture(input_path)
    
24.    
    
25.     # 获取视频信息
    
26.     total_frames = int(cap.get(cv2.CAP_PROP_FRAME_COUNT))  # 总帧数
    
27.     fps = int(cap.get(cv2.CAP_PROP_FPS))
    
28.     width = int(cap.get(cv2.CAP_PROP_FRAME_WIDTH))
    
29.     height = int(cap.get(cv2.CAP_PROP_FRAME_HEIGHT))
    
30.    
    
31.     # 初始化进度条
    
32.     pbar = tqdm(total=total_frames, desc="Processing Video")
    
33.    
    
34.     # 创建输出视频
    
35.     fourcc = cv2.VideoWriter_fourcc(*'mp4v')
    
36.     out = cv2.VideoWriter(output_path, fourcc, fps, (width, height))
    
37. 
    
38.     while True:
    
39.         ret, frame = cap.read()
    
40.         if not ret:
    
41.             break
    
42.             
    
43.         # 人脸检测与打码
    
44.         results = detector.detect_faces(frame)
    
45.         for res in results:
    
46.             if res['confidence'] < conf_threshold:  # 置信度过滤
    
47.                 continue
    
48.             x, y, w, h = res['box']
    
49.             mosaic_area(frame, x, y, w, h, block_size)
    
50.         
    
51.         out.write(frame)
    
52.         pbar.update(1)  # 更新进度
    
53.    
    
54.     cap.release()
    
55.     out.release()
    
56.     pbar.close()  # 关闭进度条

复制代码

### 问题2：解决马赛克"漏打"问题
通过以下两种方法提升检测准确率：
1. **调整置信度阈值**  
   - 降低 `conf_threshold` 值（默认0.8）检测更多人脸
   - 示例：`mosaic_faces(..., conf_threshold=0.6)`

2. **多尺度检测增强**  
   初始化检测器时启用多尺度检测：
  

1. detector = MTCNN(steps_threshold=[0.5, 0.6, 0.7])  # 降低P/R/O网络阈值

复制代码

### 使用说明
1. 安装依赖库：
   pip install opencv-python tensorflow mtcnn tqdm

2. 执行主程序：
  

1. if __name__ == "__main__":
   
2.        mosaic_faces("input.mp4", "output.mp4",
   
3.                    block_size=15,    # 马赛克块大小
   
4.                    conf_threshold=0.7)  # 人脸检测置信度

复制代码

> 注意事项：
> 1. 进度条长度 = 视频总帧数
> 2. 降低 `conf_threshold` 可能增加误检
> 3. 复杂场景建议结合 min_face_size 参数调整：
>    detector = MTCNN(min_face_size=40)

以上回复来自 FishC AI 小助理，如未能正确解答您的问题，请继续追问。