Face Blur Service

AI 기반 얼굴 블러 서비스 - 영상에서 본인 얼굴을 제외한 나머지 얼굴을 자동으로 블러 처리합니다.

Sample

주요 기능

• 자동 얼굴 탐지: YOLOv8 기반 실시간 얼굴 탐지
• 얼굴 인식: ArcFace 기반 얼굴 임베딩으로 동일 인물 클러스터링
• 선택적 블러: 본인 사진을 업로드하면 자동으로 제외
• 다양한 블러 옵션: Gaussian, Mosaic, Blackout
• 프라이버시 보호: 24시간 후 자동 삭제, 서버에 임베딩 미저장

기술 스택

Backend

• FastAPI (Python 3.11+)
• PyTorch + Ultralytics (YOLOv8)
• InsightFace (ArcFace)
• OpenCV

Frontend

• React 18 + TypeScript
• Vite
• Tailwind CSS
• Zustand (상태 관리)

빠른 시작

Docker로 실행

# 프로젝트 클론
git clone <repository-url>
cd blur_ai

# Docker Compose로 실행
docker-compose up -d

# 접속
# Frontend: http://localhost:3000
# Backend API: http://localhost:8000

로컬 개발 환경

Backend

cd backend

# 가상환경 생성
python -m venv venv
source venv/bin/activate  # Windows: venv\Scripts\activate

# 의존성 설치
pip install -r requirements.txt

# 서버 실행
uvicorn app.main:app --reload --host 0.0.0.0 --port 8000

Frontend

cd frontend

# 의존성 설치
npm install

# 개발 서버 실행
npm run dev

사용 방법

1. 영상 업로드: MP4/MOV 파일을 드래그앤드롭 (최대 500MB, 10분)
2. 본인 사진 업로드: 1-5장의 본인 사진 업로드
3. 분석 대기: AI가 영상을 분석하고 얼굴을 탐지
4. 얼굴 선택: 블러 처리할 얼굴 선택 (본인은 자동 제외)
5. 블러 처리: 블러 스타일/강도 설정 후 처리
6. 다운로드: 완료된 영상 다운로드

API 문서

서버 실행 후 http://localhost:8000/docs에서 Swagger UI로 API 문서 확인

주요 엔드포인트

• POST /api/v1/upload/video - 영상 업로드
• POST /api/v1/upload/reference - 참조 이미지 업로드
• POST /api/v1/analyze - 영상 분석 시작
• GET /api/v1/analyze/{id}/result - 분석 결과 조회
• POST /api/v1/process/blur - 블러 처리 시작
• GET /api/v1/process/{id}/download - 처리된 영상 다운로드

프로젝트 구조

blur_ai/
├── backend/
│   ├── app/
│   │   ├── api/routes/     # API 엔드포인트
│   │   ├── core/           # 보안, 설정
│   │   ├── models/         # Pydantic 스키마
│   │   └── services/       # AI 서비스 로직
│   ├── requirements.txt
│   └── Dockerfile
├── frontend/
│   ├── src/
│   │   ├── components/     # React 컴포넌트
│   │   ├── hooks/          # Custom hooks
│   │   ├── services/       # API 클라이언트
│   │   └── types/          # TypeScript 타입
│   ├── package.json
│   └── Dockerfile
├── models/                 # AI 모델 파일
├── docker-compose.yml
├── PRD.md
└── TRD.md

환경 변수

Backend .env:

DEBUG=false
UPLOAD_DIR=uploads
MODEL_DIR=models
OUTPUT_DIR=outputs
MAX_VIDEO_SIZE_MB=500
RETENTION_HOURS=24

라이선스

MIT License