> ## Documentation Index
> Fetch the complete documentation index at: https://0x38a.mintlify.site/llms.txt
> Use this file to discover all available pages before exploring further.

# Road Image De-identification

> 도로 이미지와 영상에서 번호판과 얼굴 정보를 자동으로 비식별화하는 Computer Vision 프로젝트.

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

<Frame>
  <img src="https://mintcdn.com/0x38a/g-1hLDU267VcSxbl/images/deid/day2.png?fit=max&auto=format&n=g-1hLDU267VcSxbl&q=85&s=965f511eacf3b40e4a84832ddd1c1e81" alt="Road image de-identification result" width="642" height="361" data-path="images/deid/day2.png" />
</Frame>

## Overview

| Field      | Value                                                              |
| ---------- | ------------------------------------------------------------------ |
| Period     | 2023.06 - 2023.12                                                  |
| Domain     | Computer Vision                                                    |
| Repository | [De-identification](https://github.com/choihjin/De-identification) |
| Result     | 주간/야간 도로 이미지에서 번호판 및 얼굴 비식별화 성능 검증                                 |

## My role

* 번호판/얼굴 검출 모델 선정 및 성능 실험
* 검출 결과 기반 OpenCV blur 처리 파이프라인 구현
* 이미지/영상 입력을 처리하는 CLI 실행 흐름 통합

## Pipeline

<Frame>
  <img src="https://mintcdn.com/0x38a/g-1hLDU267VcSxbl/images/deid/workflow.png?fit=max&auto=format&n=g-1hLDU267VcSxbl&q=85&s=fee12d26a0492eaf52cb2b2be74748c0" alt="Road image de-identification workflow" width="921" height="111" data-path="images/deid/workflow.png" />
</Frame>

1. 입력 이미지 또는 영상을 로드합니다.
2. DeepLabV3로 번호판 영역을 검출합니다.
3. YOLOv5-crowdhuman으로 얼굴 영역을 검출합니다.
4. 검출 좌표에 OpenCV blur를 적용합니다.
5. 비식별화 결과를 저장합니다.

## Core stack

| Area                   | Stack                   |
| ---------------------- | ----------------------- |
| Language and framework | Python, PyTorch, OpenCV |
| Models                 | DeepLabV3, YOLOv5       |
| Hardware               | CUDA                    |

## Metrics

| Metric                  | Value |
| ----------------------- | ----- |
| DeepLabV3 Precision     | 0.890 |
| DeepLabV3 Recall        | 0.875 |
| YOLOv5 Person Precision | 0.866 |
| YOLOv5 Person Recall    | 0.712 |
| YOLOv5 Head Precision   | 0.882 |
| YOLOv5 Head Recall      | 0.656 |

## Results

<Columns cols={3}>
  <Card title="Day" img="https://mintcdn.com/0x38a/g-1hLDU267VcSxbl/images/deid/day.png?fit=max&auto=format&n=g-1hLDU267VcSxbl&q=85&s=aac58f6e499aead96649adcbef2c3e53" width="641" height="359" data-path="images/deid/day.png">
    주간 도로 이미지 비식별화 결과입니다.
  </Card>

  <Card title="Day 2" img="https://mintcdn.com/0x38a/g-1hLDU267VcSxbl/images/deid/day2.png?fit=max&auto=format&n=g-1hLDU267VcSxbl&q=85&s=965f511eacf3b40e4a84832ddd1c1e81" width="642" height="361" data-path="images/deid/day2.png">
    다른 주간 환경에서의 비식별화 결과입니다.
  </Card>

  <Card title="Night" img="https://mintcdn.com/0x38a/g-1hLDU267VcSxbl/images/deid/night.png?fit=max&auto=format&n=g-1hLDU267VcSxbl&q=85&s=3304419c62286719b572b382be0ca41d" width="1380" height="776" data-path="images/deid/night.png">
    야간 이미지에서도 검출과 blur 처리를 검증했습니다.
  </Card>
</Columns>

## Collaboration

NC&와 산학협력으로 실제 블랙박스 데이터 기반 검증과 요구사항 반영을 수행했습니다.