上个月帮一个做企业内训的朋友整理素材。时间截止前半小时他给我发来一段3分17秒的员工合影，说：''这里面能认出的脸有七八张，后面玻璃反光里还有两张证件照的边缘露出来了，你们法务那边肯定过不了。''
那段视频本身不复杂，但敏感点多——人脸需要追踪打码，背后展板上的员工信息表也要遮住，再加上一角露出的公司工牌编号。遇到这种多目标叠在一起的情况，逐帧手动拉蒙版的工作量会指数级上升：人脸要跟着走，固定背景的证件区域又要单独画框且不动位置。处理一个视频从十几分钟能拖到两三个小时。
后来我用的是另一条思路——把不同类型的内容拆成独立的图层分别交给AI追踪，再在时间轴上叠加确认。具体步骤是这样：
第一步，导入后同时加载多类识别目标。 抹影这类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。它支持在一个视频里同时开启人脸、车牌、证件号码等识别任务——每个目标的检测框会出现在自己的图层轨道上，互不干扰。
第二步，先跑完自动追踪，再到时间轴上看每一层。 导入素材后选择要识别的类型，软件会在时间线上自动标出检测到的区域。关键帧位置可以放大时间轴逐帧检查：人脸的追踪框有没有跟丢、车牌遮挡范围是否正好覆盖完整区域、有没有把不该遮的东西也罩进去了。
第三步，用手动工具补自动识别漏掉的部分。 AI不是万能的，光线暗、角度偏或者有遮挡的目标会漏检。对这类情况直接在时间轴上切换对应图层，用矩形框或手绘涂抹工具手动追加即可。这一步是整个过程中唯一需要人盯的环节，但工作量远小于从头开始逐帧做。
第四步，预览全层叠加的效果再导出。 多目标同时打码最关键的一步是看不同图层叠加后有没有冲突——比如人脸的追踪框和证件遮挡框在某个画面里是不是重合得太多或者出现了不该出现的缝隙。本地预览看到什么效果，导出就是什么结果。确认所有层的边缘都处理干净了，直接导出成片。
总结一句：多目标隐私处理的核心是把''识别-分层标注-逐层复核-叠加检查''做成固定流程，而不是每次重新想怎么做。把每一步的时间成本拆开看，比纯手工省下的工时通常在一小时以上，特别是处理那些敏感点分散在不同画面区域的情况。
热门跟贴