FaceAnonymizer

Система автоматичної анонімізації облич із використанням глибинного навчання.

Про проєкт

FaceAnonymizer — це Web API для:

• виявлення облич на зображеннях;
• анонімізації облич (розмиття, пікселізація, заливка кольором);
• пакетної обробки наборів зображень;
• оцінювання якості анонімізації та формування звітів (CSV/PDF).

Архітектура рішення

Проєкт побудовано за шаровим підходом:

• FaceAnonymizer.Api — HTTP API, Swagger UI, валідація запитів, робота з файлами/результатами;
• FaceAnonymizer.Application — прикладна логіка детекції, анонімізації та batch-процесингу;
• FaceAnonymizer.Core — доменні моделі та абстракції;
• FaceAnonymizer.Infrastructure — реалізації детекторів, анонімізаторів, ONNX/OpenCV, генерація звітів.

Основні можливості

• Підтримка детекторів облич: Haar Cascade та YuNet (ONNX).
• Підтримка anti-spoof класифікації (MiniFASNetV2.onnx).
• Методи анонімізації:
  • GaussianBlur
  • Pixelation
  • SolidColor
• Batch-режим із формуванням артефактів та звітів.

Технології

• .NET 10 (ASP.NET Core Web API)
• OpenCvSharp
• ONNX Runtime
• QuestPDF
• ScottPlot
• Docker / Docker Compose

Структура даних і ресурсів

• Моделі детекції: FaceAnonymizer.Api/assets/
• Модель anti-spoof: FaceAnonymizer.Api/Models/MiniFASNetV2.onnx
• Вхід/вихід batch-обробки: FaceAnonymizer.Api/storage/

Запуск локально

Передумови

• Встановлений .NET SDK 10
• Встановлений Docker (опційно, для контейнерного запуску)

Команди

dotnet restore
dotnet build
dotnet run --project FaceAnonymizer.Api/FaceAnonymizer.Api.csproj

Після запуску Swagger доступний за адресою:

• http://localhost:5296/swagger (типовий порт локального запуску може відрізнятись)

Запуск через Docker Compose

docker compose up --build

Сервіс буде доступний за адресою:

• http://localhost:8080/swagger

Якщо виникає помилка з Docker socket

Якщо бачите помилку на кшталт: failed to connect to the docker API ... /Users/<user>/.docker/run/docker.sock

Перевірте:

1. Docker Desktop запущений.
2. Контекст Docker коректний:

   docker context ls
   docker context use default

3. Демон відповідає:

   docker info

Основні API endpoints

Базовий маршрут: api/faces

• GET /api/faces/health — перевірка стану сервісу
• GET /api/faces/capabilities — доступні детектори/методи
• POST /api/faces/detect — детекція облич
• POST /api/faces/anonymize — анонімізація зображення
• POST /api/faces/batch/upload — завантаження набору файлів
• POST /api/faces/batch — запуск пакетної обробки
• GET /api/faces/batch/report.csv?runId=... — CSV-звіт
• GET /api/faces/batch/report.pdf?runId=... — PDF-звіт

Наукова та практична цінність

У межах бакалаврської роботи проєкт демонструє практичне застосування методів комп'ютерного зору та глибинного навчання для захисту приватності у фото- та відеоданих.

Можливі напрями розвитку

• Додавання нових моделей детекції/сегментації облич
• Підтримка потокового відео (real-time)
• Деплой у хмарну інфраструктуру
• Розширення метрик оцінки якості анонімізації

Автор

Студент Вінницького Національного Технічного Університету Іщенко Олексій Русланович, бакалаврської кваліфікаційної роботи на тему: «СИСТЕМА АВТОМАТИЧНОЇ АНОНІМІЗАЦІЇ ОБЛИЧ ІЗ ВИКОРИСТАННЯМ ГЛИБИННОГО НАВЧАННЯ»