deface 是什么

deface 是一款专注于“人脸匿名化”的开源命令行工具，可自动识别视频或照片中的所有人脸，并在对应区域叠加匿名化效果。工具通过深度神经网络检测每一帧画面中的人脸位置，再对检测区域应用模糊、马赛克或黑框等滤镜，生成脱敏后的视频或图片文件。

工具支持常见桌面操作系统（Linux、Windows、macOS），依赖 Python 环境运行，更适合习惯命令行的开发者、内容创作者、安全与合规团队使用。默认配置下会移除原始音轨，也可以通过参数控制是否保留音频内容。

核心功能亮点

自动检测人脸，一键完成打码

• 自动检测视频/照片中的人脸区域，无需手动逐帧框选
• 每一帧单独处理，适用于动态画面、多人场景与复杂背景
• 对检测到的人脸区域统一应用匿名化滤镜，快速完成脱敏

多种匿名化方式可选

针对不同隐私与审美需求，deface 提供多种人脸处理方式：

• 模糊处理（blur）：高斯模糊，适合大多数隐私脱敏场景
• 黑框遮挡（solid）：在人脸上叠加实心矩形，效果醒目直接
• 马赛克（mosaic）：以网格像素方式处理人脸区域，可通过参数控制块大小
• 自定义图片覆盖（img）：使用自定义图片替换人脸区域，适合制作趣味效果或品牌化遮挡
• 支持设置蒙版缩放比例，保证覆盖范围足够完整，减少边缘泄露风险

可调检测阈值，平衡误检与漏检

人脸检测的阈值可以通过命令行参数灵活调整：

• 阈值升高，误检更少，更少“把非人脸当成人脸”
• 阈值降低，更不容易漏掉边缘、侧脸、遮挡等复杂场景中的人脸
• 支持启用“得分显示”，在输出内容上叠加检测置信度，便于测试与调参

通过在真实业务素材上多次试验，可以为自己的数据类型找到合适的阈值配置。

高分辨率媒体的性能优化

在面对 1080p、4K 等高分辨率素材时，如果直接在原始分辨率上进行检测，推理速度可能明显下降。

deface 提供输入下采样选项：

• 使用 --scale WxH 指定用于检测的下采样分辨率
• 检测在缩小后的画面上完成，最终输出仍保持原始分辨率
• 在保证识别效果的前提下，显著提升处理速度，减轻硬件压力

只需确保缩放比例与原视频的宽高比一致，即可避免因拉伸导致识别精度下降。

硬件加速支持

为了进一步提升处理速度，deface 支持结合 ONNX Runtime 等后端进行硬件加速：

• 使用支持 CUDA 的 Nvidia GPU，可通过相应依赖包，将人脸检测网络自动迁移到 GPU 推理
• 在部分 Windows 或 CPU 场景下，可结合其他执行后端获得一定程度的加速
• 高帧率、高分辨率、多文件批量处理任务中，硬件加速可以有效缩短整体处理时间

安装方式与环境要求

环境准备

• 操作系统：Linux、Windows 或 macOS
• Python 版本：3.6 及以上
• 建议使用虚拟环境隔离依赖，便于管理与升级

通过 pip 安装

在已激活的虚拟环境中，运行：

python3 -m pip install deface

如果希望直接使用 GitHub 最新（未正式发布）的代码版本，可以执行：

python3 -m pip install 'git+https://github.com/ORB-HD/deface'

快速上手：一条命令完成视频匿名化

本地视频一键打码

假设原始视频路径为 myvideos/vid1.mp4，执行：

deface myvideos/vid1.mp4

工具会在同目录下生成一个新文件：

myvideos/vid1_anonymized.mp4

默认会对检测到的人脸进行模糊处理，并移除音频轨道。

摄像头实时匿名化演示

如果设备连接了摄像头，可以直接对实时画面进行人脸匿名化预览：

deface cam

等价于对默认摄像头设备执行预览模式，可在隐私敏感场景中用作“实时打码监看”。当存在多路摄像头时，可以尝试不同的设备索引（如 <video1>、<video2> 等）。

常用命令行参数示例

下方为部分常见参数，方便根据需求调整：

• 指定输出文件名：

  deface input.mp4 -o output_anonymized.mp4
  

• 使用黑框遮挡而非模糊：

  deface examples/city.jpg --boxes --replacewith solid -o examples/city_anonymized_boxes.jpg
  

• 使用马赛克，并设置马赛克块宽度：

  deface examples/city.jpg --replacewith mosaic --mosaicsize 20 -o examples/city_anonymized_mosaic.jpg
  

• 调整数值阈值，减少误检或漏检：

  deface input.mp4 --thresh 0.3 -o input_tuned.mp4
  

• 保留原始音频：

  deface input.mp4 --keep-audio -o input_with_audio_anonymized.mp4
  

更多参数与组合方式可以通过帮助命令查看：

deface -h

典型使用场景

• 用户访谈、可用性测试录屏等需要“对外分享但隐藏人脸”的研究视频
• 教学视频、演示视频中出现路人或敏感人员，需要统一打码的素材
• 城市街景、商场监控画面剪辑，为合规发布进行脱敏处理
• 产品宣传片、活动回顾视频中需要隐藏未授权出镜者的脸部信息
• 数据标注、机器学习训练数据准备过程中的隐私保护环节

借助命令行与脚本能力，可以轻松将 deface 集成到现有媒体处理流水线或自动化工具中。

欢迎开发者、研究者与内容团队在遵守相关法律法规和平台政策的前提下，将此工具用于隐私保护与数据合规场景。

开源项目地址

deface 完全开源，可自由查阅源码与贡献改进：

GitHub 项目地址：https://github.com/ORB-HD/deface