🔒 Image & Video De-identification System

이미지 및 영상 내 번호판과 얼굴 정보를 자동으로 비식별화하는 딥러닝 기반 시스템입니다.

주요 기능

• DeepLabV3 기반 번호판 Segmentation
• YOLOv5 기반 얼굴 검출 및 블러 처리
• 이미지 및 영상 파일의 자동 비식별화 파이프라인
• CLI 기반 다중 입력, 디렉토리 처리 기능

기술 스택

• Python 3.11.5
• PyTorch, OpenCV, torchvision
• DeepLabV3 (License Plate), YOLOv5-crowdhuman (Head Detection)
• CUDA 11.8+, cuDNN 8.7+

핵심 알고리즘

License Plate Detection & Blur

• 모델: DeepLabV3
• 처리: Bounding Box 검출 후 cv2.blur(ksize=(50,50))

Head Detection & Blur

• 모델: YOLOv5-crowdhuman
• 처리: Bounding Box 검출 후 cv2.blur(ksize=(100,100))

개발자 역할

• 차량 번호판 / 사람 얼굴 디텍션 모델 선정 및 실험 주도

  • DeeplabV3, YOLOv5-crowdhuman 등 다양한 딥러닝 모델 비교 후 최종 선정
  • 모델 성능 평가 (Precision, Recall, mAP 등) 및 하이퍼파라미터 튜닝 진행

• 디텍션 결과 기반 Blur 처리 파이프라인 구현

  • 디텍션된 Bounding Box 좌표를 기반으로 OpenCV blur 함수 적용
  • 번호판 및 머리 영역의 자동 추출 및 비식별화 처리 전체 로직 구현 주도

• 전체 파이프라인 통합 개발 참여

  • 이미지 및 영상 입력 → 디텍션 → Blur → 결과 저장의 전체 흐름 구현에 폭넓게 기여
  • CLI 기반 실행 스크립트 옵션 정리 및 예외 처리 로직 구현

성능 평가

DeeplabV3 (License Plate Detection)

• 평가 데이터: 블랙박스 영상에서 추출한 200개 샘플
• 총 타겟: 688개

Metric	Value
Precision	0.890
Recall	0.875

YOLOv5-crowdhuman (Head Detection)

• 평가 데이터: Crowdhuman Validation Set (4,291 images)
• 총 타겟: 약 200,000개

Class	Precision	Recall	mAP@0.5
Person	0.866	0.712	0.803
Head	0.882	0.656	0.713

결과 예시

프로젝트 구조

.
├── data/                # 입력 이미지/영상
├── license/             # 번호판 blur 처리 결과
├── output/              # 최종 결과 (번호판 + 머리 blur)
├── pytorch_licenseplate_segmentation/ # 번호판 모델
├── yolov5_crowdhuman/   # 머리 검출 모델
├── blur.py              # 메인 실행 파일
└── requirements.txt     # 의존 패키지 목록

설치 및 실행

1. Conda 환경 설정

conda create -n blur_env python=3.11.5
conda activate blur_env
pip install -r requirements.txt

2. 기본 실행

python blur.py

3. 추가 옵션

옵션	설명
--initial_source	입력 파일 경로 지정
--project	결과 저장 폴더 지정
--name	결과물 폴더 이름 지정 (exp 기본값)
--exist-ok	결과 폴더가 존재해도 덮어쓰기 허용
--person	사람 전체 비식별화 옵션 활성화

예시

python blur.py --initial_source ./custom_input --project ./results --name result_v2 --exist-ok

산학협력 성과

• NC& 기업과의 산학협력 과제 수행
  • 실제 블랙박스 데이터 기반 검증 및 피드백 반영
  • 기업 요구사항에 맞춘 비식별화 성능 개선
  • 시스템 최적화 및 사용자 입력 기반 처리 기능 구현

참고 문헌

• YOLOv5 Crowdhuman: https://github.com/deepakcrk/yolov5-crowdhuman
• License Plate Segmentation: https://github.com/dbpprt/pytorch-licenseplate-segmentation

---

• 📄 캡스톤 디자인 판넬 PDF 보기