上个月帮一个车友群做了一期探店合集。素材里拍到一辆特斯拉正脸，牌清清楚楚。剪完发出去第三天，车主私信问我这车能不能认出来。我说连胎纹都能分辨。他说赶紧删掉，群里已经有人在问是哪了。
其实这种事跟拍路人露脸是一样的底层逻辑——隐私处理的基本原则是：只要画面主体或能直接锁定身份的目标出现在镜头里，就有脱敏义务。车牌比人脸更容易被快速搜图比对，不遮就是硬伤。
那具体怎么做？核心思路就一条：选定目标区域后启用追踪，让算法跟着走。
拿行车记录仪的素材来说。把视频拖进编辑软件的时间轴，找到最清晰的那一帧——通常是距离近、角度正、没有强光干扰的画面。用选框工具把整个牌照框勾出来。然后在图层属性里开启「动态追踪」或「遮罩跟踪」。算法会根据画面纹理和边缘自动计算下一帧的目标位置，逐帧跟随。
但这步不是设完就完了。实际操作中至少有三个节点需要手动检查：
第一是角度变化阶段。当车辆经过镜头正前方、从斜侧变为正对再消失的过程中，车牌在画面里的透视会剧烈变形。追踪框有时会滑到相邻的车身部件上，这时必须手动拉一下四角。
第二是光线突变。进出隧道时曝光跳帧会导致对比度断层，追踪器会短暂失跟，回去用矩形或涂抹工具补两帧就行。
第三是误识别。画面里同时出现其他车辆的牌照、广告条幅上的数字甚至车牌框架的反光边缘时，可能会多画出几个目标框。不需要的直接删掉多余图层。
比如抹影这种内置多模型目标的本地应用，导入视频选定人脸或车牌等目标自动标注出来，时间轴上直接微调确认导出就行。代价是AI识别偶尔会漏掉小画面里的目标或者遮挡边缘不够严丝合缝，精细场合还是得手动补几个框。当然在线打码网站也有类似的追踪功能，区别在于文件上传的速度限制和对视频分辨率的支持程度有所不同。
写到最后想强调一个容易被忽略的判断标准：你处理这段视频的用途是什么？如果用于公开传播——无论是短视频平台还是企业宣传渠道——脱敏是底线要求；如果是个人归档、不公开发布，法律风险基本为零。别把内部素材和对外素材混用剪辑顺序，这是实务里最常见的翻车点。
热门跟贴