全尺寸超仿真机器人最近的公开演示引发大量关注。这类视频的拍摄场地往往在真实办公区、展厅或街道，画面里不可避免地出现路人面部、背景车牌、展示屏幕上的二维码和证件号码，以及字幕中可能出现的内部联系方式。
做隐私处理时，技术上首先要明确的是：哪些区域需要遮挡，以及如何维持遮挡框的稳定性。
自动识别阶段通常采用多模型策略。人脸检测可用 YOLO11 的检测模型配合 BoT-SORT 追踪器，逐帧锁定面部位置并生成椭圆遮罩；车牌用微调过的 YOLO 检测框，过滤低置信度和重叠框；二维码检测推荐 qrdet（基于 YOLOv8-segmentation），能输出倾斜和多边形轮廓，失败时回退 WeChatQRCode、cv2 或 pyzbar。证件号码和电话号码在 macOS 上用系统级 Apple Vision API 做多遍识别（原图→CLAHE 增强加锐化放大→反色），Windows 则用 EasyOCR，通过正则分三级匹配中国身份证和美国 SSN 等格式。
追踪稳定性是实际开发中的重点问题。采样帧率设为 12fps 时，如果目标离开画面后追踪器继续外推，可能出现遮罩漂移；遇到场景硬切时，需要用灰度直方图、HSV 或帧差信号判断转场并重置状态。检测到目标但置信度不达标时，建议用卡尔曼滤波做短时轨迹预测，而不是直接丢弃------这能处理人物被短暂遮挡的情况。
画面修复和二次利用涉及两个层面：一是去水印时用 LaMa（TorchScript）逐帧做 content-aware 修复，只裁出遮罩外接框区域送模型；二是时序修复用 ProPainter 配合光流补全和特征传播。长段处理时可以分块计算，利用算法本身的视野范围做窗口切分。
工程实现上要注意：所有耗时操作放后台线程，跨线程结果用 Signal/Slot 回调主线程；视频修复建议放在 multiprocessing 子进程隔离 GPU 内存与 Qt 事件循环；.moying 项目文件本质是 UTF-8 JSON，遮罩是同分辨率单通道 uint8 灰度图（0 不处理、255 处理），PNG 压缩后 Base64 内联。模型需要内置随包分发，不要运行时联网下载。
导出时音频容易出问题------如果源文件声道数复杂，ffmpeg 滤镜链可能拼出非法的 channel_layout，导致无声成片。正确做法是按声道数推导默认布局（如 6 声道→5.1），优先用 -c:a copy 无损传递，失败必须通知用户。
对于开发或运营这类视频发布流程的团队，我的建议是：在内容产出管线里把脱敏环节前置到素材整理阶段，而不是发布前补救。先批量跑一遍自动识别，列出所有敏感区域清单，逐帧人工复核后导出最终成片。
本文来自抹影的开发笔记。