做视频脱敏工具，我们如何在本地处理人脸和车牌检测

给含人脸、车牌的视频做隐私脱敏，最基础的问题不是算法——而是数据该去哪里算。

云端方案看似省事：传上去、返回遮罩、拉回来。但原始视频本身可能涉及人员身份或敏感场景，上传即意味着不可控的留存期。对合规要求高的团队来说，这已经不是技术选型问题，而是红线问题。

所以我们的选择从一开始就是本地运行。模型内置随包分发，不需要联网加载；推理全程在本机 CPU 或 GPU 上完成。

架构设计上，把耗时操作放进后台线程是必须的。界面主线程不能因为检测在跑就卡住——所有耗时操作用跨线程信号槽回传结果，工作线程不碰界面组件。

追踪比检测更难。人脸检测用的是 YOLO11 模型加 BoT-SORT 跟踪器，但 ultralytics 版本稍有不匹配就会缺少必要的参数导致整个追踪链崩溃，所以必须锁死版本号。车牌用微调过的 YOLO 检测框再过滤一遍置信度和重叠。

二维码的检测回退链也值得提：先试分割网络出多边形轮廓；不行回退到 OpenCV 内置模块；还不行走传统库。关键是三个 opencv 变体共用同一个 cv2 目录，容易互相覆盖，安装完必须强制重装 contrib 版本。

macOS 端用 Apple Vision 框架做号码 OCR——它比通用 OCR 引擎对小字更敏感。非 macOS 平台则切到 EasyOCR，后者在 CPU 上能用。同一套正则表达式向下兼容处理。

去水印修复做了两个方案：LaMa 逐帧修，速度快但缺少时序信息；ProPainter 用光流做跨帧推理，效果更好但在时序段过长时视野受限，需要切分窗口来保证每个帧的输入条件不变。

最后说一个容易忽略的点：音频轨道。源视频通道数不对的时候滤镜链会挂掉，直接输出无声成片。解决方法是加一层布局推断——按声道数推默认布局，优先做无损拷贝而非重编码。

本文来自抹影的开发笔记。