deface：开源人脸打码工具，视频照片批量马赛克教程

发视频之前给路人打码，手动逐帧框脸是最费时间的环节。deface 能把这件事简化成一条命令：它是开源免费的工具，你给它一段视频或一张照片，它用神经网络自动找出画面里所有人脸，加上模糊、马赛克或黑框之后输出。这篇教程从安装讲到常用参数，照着做就能跑通。

deface 是什么

deface 本身是个 Python 项目，通过命令行运行，Linux、Windows、macOS 都能装。它的原理不复杂：先逐帧检测出人脸的位置，再对这些区域加上你选定的遮挡效果，最后输出一个处理好的新文件，原始文件保持不动。它也能直接读取摄像头的实时画面，边拍边打码做预览。

有两点需要提前知道。一是默认设置会把音轨删掉，想保留声音得加参数，后面会讲。二是它没有图形界面，全程都在敲命令，习惯了剪辑软件的人可能要适应一下。不过也正因为它是纯命令行工具，批量处理和接入脚本流水线反而更方便，这是在剪辑软件里手动加贴纸遮脸做不到的。

图：官方示例原图，处理前所有人脸清晰可见

图：默认模糊（blur）效果，一条命令的产出

四种遮挡方式

默认方式是高斯模糊（blur），大多数打码需求用它就够了。如果想让观众一眼看出”这里做过处理”，可以换成黑框（solid），直接在人脸上盖一块实心矩形，监控素材、合规审查类的画面经常这么处理。马赛克（mosaic）是把人脸区域变成像素格子，格子大小可以用参数调，选不选主要看你想要的画面效果。还有一种是图片覆盖（img），用你指定的一张图片把人脸替换掉，适合做趣味视频或者带品牌元素的遮挡。

图：黑框（solid）遮挡

图：马赛克（mosaic），块大小可调

不管用哪种方式，都可以调整蒙版的缩放比例，把遮挡范围放大一圈，避免发际线、下巴这些边缘部位露出来。

检测准不准，靠阈值

阈值是最值得花时间调的参数。阈值调高，误检会变少，程序不容易把海报、雕塑错当成人脸糊掉；阈值调低，漏检会变少，侧脸、远处的小脸、被口罩帽子挡住一半的脸更容易被识别出来。deface 还可以在输出画面上显示每个检测框的置信度分数，你可以打开这个选项，拿自己的真实素材跑几段，看看分数分布再决定阈值，比凭感觉乱调省事得多。

如果嫌处理速度慢，有两个办法。第一个是下采样：1080p、4K 的素材直接在原始尺寸上做检测会明显变慢，用 –scale WxH 参数可以让检测在缩小后的画面上进行，最终输出仍然保持原分辨率。注意缩放尺寸要和原片的宽高比一致，比例变了会影响识别精度。第二个是硬件加速：机器上有支持 CUDA 的 Nvidia 显卡的话，装上对应的依赖包，人脸检测网络会自动转到 GPU 上运行；Windows 或者纯 CPU 的环境，也可以通过 ONNX Runtime 更换执行后端，获得一定的加速。偶尔处理一两条视频不用折腾这些，需要成批处理素材时再配置。

安装

环境要求不高：Linux、Windows、macOS 都行，Python 要 3.6 以上。建议先建一个虚拟环境再安装，把依赖隔离开，以后升级和卸载都省心：

python3 -m pip install deface

如果想用 GitHub 上最新的开发版代码，就换这条：

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

跑第一条命令

假设视频在 myvideos/vid1.mp4，直接执行：

deface myvideos/vid1.mp4

跑完之后，同一个目录下会多出一个文件：

myvideos/vid1_anonymized.mp4

这时整段视频里的人脸都打上了模糊，音轨被删掉，原文件没有变化。能看到这个 _anonymized 文件，说明环境已经装好了。

如果机器接了摄像头，还可以试试这条命令：

deface cam

它会对摄像头的实时画面直接打码预览，在隐私敏感的场合可以当成实时监看工具用。接了多路摄像头的话，换不同的设备索引（video1、video2）挨个试就行。

常用参数

指定输出文件名，不用默认的 _anonymized 后缀：

deface input.mp4 -o output_anonymized.mp4

改用黑框遮挡：

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

改用马赛克，块宽度设为 20：

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

把检测阈值降到 0.3，减少漏检：

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

保留原始音轨。处理口播、访谈类素材时，建议养成每次都带上这个参数的习惯，忘了加就得整段重跑：

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

其余参数可以查帮助命令：

deface -h

哪些活适合交给它

最典型的场景是用户访谈和可用性测试的录屏：视频要对外分享，又不能暴露受访者的脸，先用 deface 处理一遍再发出去。教学视频里误入镜的路人、需要合规发布的街拍和商场监控素材、宣传片里没拿到授权的出镜者，处理思路都是一样的。做机器学习的人可以直接把它写进数据清洗脚本，训练集脱敏这一环就自动化了。

打完码的素材可以接着导入 ComeCut 来剪或剪映做后续剪辑，打码和剪辑各管一段，整条流程很顺。

免费，但有几件事要知道

价格方面没什么可说的：它是开源项目，完全免费，也没有用量限制。真正要考虑的是使用门槛和习惯：不熟悉命令行的人需要适应一阵；忘了加 –keep-audio，输出的视频就没有声音；没有 GPU 的机器处理高清素材偏慢，要靠 –scale 参数补救。另外，检测再准也可能有漏网的人脸，对合规要求高的素材，出片后最好再人工快速检查一遍。