Desfocar Rostos

Desfocar Rostos Grátis - Anonimização Automática com IA

Nossa ferramenta de Desfocar Rostos usa IA avançada para detectar e desfocar ou pixelizar rostos automaticamente em fotos, protegendo a privacidade e garantindo conformidade com a LGPD. Alimentado por face-api.js, todo o processamento acontece localmente no seu navegador - suas fotos nunca saem do seu dispositivo.

A ferramenta detecta todos os rostos em uma imagem usando modelos de aprendizado profundo, depois aplica sua escolha de desfoque gaussiano ou efeitos de pixelização para anonimizá-los. Perfeito para redes sociais, fotos públicas, conformidade LGPD, proteção de testemunhas e conteúdo focado em privacidade.

Minha foto ou vídeo sai do dispositivo quando anonimizo rostos?

Não. O Desfocar Rostos faz detecção e desfoque inteiramente dentro do seu navegador. A imagem ou o quadro de vídeo é decodificado em um Canvas em memória, um detector de rosto (MediaPipe FaceDetector, BlazeFace ou YOLOv8-face via Transformers.js) encontra as caixas localmente, e o kernel de desfoque é aplicado pela API de filtro 2D do Canvas ou por um fragment shader WebGL. Nenhum pixel é enviado, nenhum metadado é registrado. Isso é crítico para conformidade com a LGPD/GDPR, proteção de fontes jornalísticas, redação de provas judiciais e qualquer fluxo em que enviar a imagem original a uma API na nuvem seria justamente a violação de privacidade que você quer evitar.

Qual detector de rosto a ferramenta usa por baixo dos panos?

O detector padrão é o Google MediaPipe FaceDetector (variante BlazeFace short-range para selfies, long-range para multidões), escolhido porque tem ~1 MB depois de quantizado, roda a mais de 100 fps em CPU de celular e tem recall quase perfeito em rostos frontais. Para rostos inclinados, ocluídos ou de perfil, a ferramenta pode mudar para YOLOv8n-face (~12 MB) carregado via Transformers.js, que troca velocidade por recall substancialmente maior em fotos reais de multidões. Ambos rodam no navegador via WebAssembly com SIMD em CPU ou WebGPU em GPUs suportadas. O detector emite caixas (x, y, w, h) que depois são expandidas por um fator de padding configurável antes do desfoque.

O desfoque realmente impede que sistemas de reconhecimento facial identifiquem a pessoa?

Desfoque Gaussiano com raio grande o suficiente (tipicamente 30+ pixels em 720p) derrota modelos modernos como ArcFace e FaceNet, que precisam de landmarks reconhecíveis de olhos/nariz/boca em pelo menos cerca de 80x80 pixels. Porém, desfoque fraco ou mosaico em baixa resolução ainda pode vazar identidade para redes especializadas de desfoque-reverso treinadas adversarialmente. Para anonimização crítica (denúncias, protestos), prefira barras pretas ou pixelização com blocos de 32+ pixels em vez de desfoque leve, e verifique rodando um detector novamente para confirmar que o resultado não tem rosto detectável. A ferramenta expõe raio de desfoque e tamanho de bloco como controles para calibrar conforme seu modelo de ameaça.

Pode processar vídeo quadro a quadro para anonimizar um clipe inteiro?

Sim. A ferramenta decodifica o vídeo usando WebCodecs API ou um HTMLVideoElement, processa cada quadro pelo pipeline detector + desfoque, e recodifica o resultado com MediaRecorder API ou WebCodecs VideoEncoder. Num notebook recente com WebGPU, vídeo 1080p 30fps pode ser processado a 2-4x o tempo real conforme o número de rostos por quadro. Para vídeos longos, é usado um rastreador de suavização temporal (atribuição húngara entre detecções consecutivas) para manter regiões desfocadas estáveis entre quadros e evitar a tremulação ao re-detectar cada quadro independentemente. A saída é um arquivo WebM ou MP4 baixável produzido inteiramente do lado do cliente.

E se o detector pular um rosto — dá para adicionar caixas manualmente?

Sim — detectores geralmente alcançam 95-99% de recall em fotos padrão mas podem perder ângulos extremos, oclusão forte (máscara + óculos escuros) ou rostos abaixo de 24 pixels. A ferramenta permite que você desenhe retângulos adicionais no canvas para forçar o desfoque de regiões que o detector ignorou. Você também pode baixar o limite de confiança (padrão 0,5) até 0,2 para pegar mais rostos de baixa confiança, ao custo de mais falsos positivos em padrões parecidos com rosto (mostradores de relógio, personagens). Para processamento em lote, faça primeiro uma passagem de alto recall e revise visualmente antes de exportar.

Como o MediaPipe FaceDetector difere de um modelo de rosto baseado em YOLO?

MediaPipe FaceDetector é construído sobre o BlazeFace, um detector single-shot com cabeça de regressão sem âncoras projetado pelo Google especificamente para câmeras de selfie móveis e AR. É extraordinariamente rápido (menos de 5ms por quadro em GPU de celular) e minúsculo (~1 MB), mas otimizado para rostos eretos e frontais a distâncias típicas de selfie. YOLOv8-face é um detector de objetos genérico adaptado a rostos, com recall bem melhor em perfis, ângulos, multidões ou baixa resolução. O trade-off é modelo 10x maior e inferência 5-10x mais lenta. Para anonimizar multidões de protesto, filmagens de vigilância ou fotografia de rua, YOLO é mais minucioso; para filtros de selfie e videochamadas, MediaPipe vence.

Posso usar WebGPU para acelerar o desfoque em imagens 4K grandes?

Sim — desfoque Gaussiano e pixelização são embaraçosamente paralelos e se beneficiam enormemente do GPU. No WebGPU via compute shader, uma imagem 4K pode ser desfocada em menos de 10 ms contra 100-300 ms no filtro 2D do canvas em CPU, mesmo com kernel Gaussiano de 51 pixels. A ferramenta usa fragment shaders WebGL2 como caminho principal de GPU por causa do suporte mais amplo, e compute shaders WebGPU quando disponíveis para implementações de kernel separável que minimizam leituras de textura. Para processamento abaixo de 1 segundo de fotos em alta resolução, o desfoque por GPU é o caminho certo; o CPU ainda é aceitável abaixo de 1080p.

A ferramenta também desfoca placas de carro, nomes ou outras informações pessoais (PII)?

Por padrão, o detector mira somente rostos humanos. Para anonimizar placas você precisaria de um detector específico (ex.: YOLOv8 treinado no CCPD ou OpenALPR) e para anonimizar texto ou nomes visíveis no quadro, uma passagem de OCR como Tesseract.js com seleção manual de região. Alguns pipelines rodam os três detectores (rosto, placa, texto OCR) e unem as caixas. A ferramenta foca em rostos por enquanto porque é a necessidade mais comum, mas o recurso de desenho manual de retângulo permite desfocar qualquer região retangular — placas, crachás, conteúdo de tela — sem precisar de um detector especializado.