title: SDK de masquage PII .NET — flouter visages et plaques description: Masquez les données personnelles dans la vidéo en local avec PIIRedactionBlock : floutez visages, plaques et texte à l'écran. RGPD/CCPA/BIPA, sans cloud. sidebar_label: Masquage des données personnelles tags: - .NET - AI - ONNX - PII Redaction - Video Anonymization - Face Blur - License Plate Redaction - GDPR - Privacy - VideoCaptureCoreX - MediaPlayerCoreX primary_api_classes: - PIIRedactionBlock - PIIRedactionSettings - PIIFaceRedactionSettings - PIIPlateRedactionSettings - PIITextRedactionSettings - PIIRedactionStyle - PIIRegionsRedactedEventArgs - PIIRegion

Masquage des données personnelles — flouter les visages, les plaques et le texte à l'écran¶

PIIRedactionBlock masque automatiquement les données personnelles identifiables dans un flux vidéo : il détecte les visages (YuNet), les plaques d'immatriculation (FastALPR) et le texte à l'écran (PaddleOCR), puis floute, pixellise ou remplit chaque région sur place — avant que l'image n'atteigne un moteur de rendu, un encodeur ou un fichier. Chaque modèle s'exécute localement via ONNX Runtime, si bien qu'il n'y a aucun appel d'API cloud, aucune facturation à l'image et aucune vidéo ne quitte jamais l'appareil. Le bloc se contente de supprimer les données personnelles — il n'identifie jamais une personne et ne restitue jamais les caractères d'une plaque, et le contenu reconnu n'est jamais exporté : les visages et les plaques sont localisés par simple détection, tandis que le texte à l'écran passe par un OCR en interne uniquement pour confirmer (et éventuellement filtrer) ce qui doit être masqué. Chacune des trois catégories peut être activée indépendamment, et le style de masquage, l'intensité du flou et les catégories activées peuvent tous être modifiés pendant que le pipeline est en cours d'exécution.

graph LR;
    Source-->PIIRedactionBlock;
    PIIRedactionBlock-->VideoRendererBlock;
    PIIRedactionBlock-. OnRegionsRedacted .->App[Votre application];

Utilisation¶

Le bloc se place au milieu d'un pipeline Media Blocks : il reçoit la vidéo d'une source, la masque, puis transmet les images nettoyées au bloc suivant — un moteur de rendu, un encodeur ou un sink de fichier. L'exemple complet ci-dessous lit un fichier, floute les trois catégories de données personnelles, prévisualise le résultat et signale ce qui a été couvert sur chaque image.

using System;
using VisioForge.Core.MediaBlocks;
using VisioForge.Core.MediaBlocks.AI;
using VisioForge.Core.MediaBlocks.Sources;
using VisioForge.Core.MediaBlocks.VideoRendering;
using VisioForge.Core.Types.X.AI;
using VisioForge.Core.Types.X.Sources;

// 1. Créez le pipeline et une source. Un fichier est utilisé ici ; une webcam (SystemVideoSourceBlock) ou une
//    caméra IP (RTSPSourceBlock) se branche exactement de la même manière — seul le bloc source change.
var pipeline = new MediaBlocksPipeline();

var sourceSettings = await UniversalSourceSettings.CreateAsync(
    "input.mp4", renderVideo: true, renderAudio: false);
var source = new UniversalSourceBlock(sourceSettings);

// 2. Configurez les catégories de données personnelles à masquer et la façon de les occulter.
var settings = new PIIRedactionSettings
{
    Style = PIIRedactionStyle.GaussianBlur,   // GaussianBlur (par défaut), Pixelate ou SolidFill
    BlurRadius = 20f,                         // intensité du flou pour GaussianBlur
};

// Visages — détecteur YuNet (détection uniquement, aucune reconnaissance d'identité).
settings.Faces.ModelPath = "face_detection_yunet_2023mar.onnx";

// Plaques d'immatriculation — détecteur FastALPR YOLOv9-T (détection uniquement, les caractères de la plaque ne sont jamais lus).
settings.LicensePlates.ModelPath = "yolo-v9-t-640-license-plates-end2end.onnx";

// Texte à l'écran — PaddleOCR PP-OCR (détection + reconnaissance). Nécessite trois fichiers.
settings.Text.DetectionModelPath = "ch_PP-OCRv5_mobile_det.onnx";
settings.Text.RecognitionModelPath = "latin_PP-OCRv5_rec_mobile_infer.onnx";
settings.Text.CharacterDictionaryPath = "ppocrv5_latin_dict.txt";

// Désactivez toute catégorie dont vous n'avez pas besoin — une catégorie désactivée n'a besoin d'aucun modèle :
// settings.Text.Enabled = false;

var redaction = new PIIRedactionBlock(settings);

// 3. Facultatif : signalez ce qui a été couvert. L'événement se déclenche sur un thread de détection en arrière-plan ;
//    rebasculez donc vers le thread d'interface avant de toucher à l'interface. Seuls la catégorie et le cadre sont signalés — jamais le contenu reconnu.
redaction.OnRegionsRedacted += (sender, e) =>
{
    int faces = 0, plates = 0, text = 0;
    foreach (var region in e.Regions)
    {
        switch (region.Category)
        {
            case PIICategory.Face: faces++; break;
            case PIICategory.LicensePlate: plates++; break;
            case PIICategory.Text: text++; break;
        }
    }

    Console.WriteLine($"[{e.Timestamp:hh\\:mm\\:ss}] redacted {faces} face(s), {plates} plate(s), {text} text region(s)");
};

// 4. Reliez source -> masquage -> moteur de rendu et démarrez. VideoView1 est votre contrôle VideoView (WPF/WinForms/etc.).
var videoRenderer = new VideoRendererBlock(pipeline, VideoView1);
pipeline.Connect(source.Output, redaction.Input);
pipeline.Connect(redaction.Output, videoRenderer.Input);

await pipeline.StartAsync();

// 5. Une fois les sessions ONNX actives, vérifiez quel backend matériel a été engagé.
Console.WriteLine($"PII redaction running on: {redaction.ActiveProvider}");

// ... plus tard, à l'arrêt :
// await pipeline.StopAsync();
// await pipeline.DisposeAsync();

Points clés sur le comportement du bloc :

• Le masquage s'exécute toujours, même sans abonné à OnRegionsRedacted — couvrir les pixels constitue la sortie du bloc, si bien que l'événement sert uniquement au rapport/à la télémétrie.
• Au moins une catégorie doit être activée avec un chemin de modèle valide, sinon Build échoue et le pipeline ne démarre pas. N'activez que les catégories dont vous avez besoin ; une catégorie désactivée ne charge aucun modèle et ne coûte rien.
• Chaque PIIRegion de l'événement ne transporte que sa Category (Face, LicensePlate ou Text), le BoundingBox élargi exprimé en pixels de l'image source et le Score de détection (0..1) — jamais le contenu reconnu.
• La détection s'exécute sur un thread d'arrière-plan, et non sur le thread de diffusion, si bien que la vidéo en direct ne se bloque jamais ; chaque image est masquée avec les régions les plus récentes pendant que le détecteur rattrape son retard (voir Confidentialité et conformité pour les conséquences en matière de latence en direct).
• Pour masquer directement vers un fichier au lieu de prévisualiser, remplacez VideoRendererBlock par un encodeur + sink (par exemple un MP4OutputBlock) ; le câblage source → masquage → sink est identique.

Catégories de masquage et modèles¶

Le SDK ne fournit pas les poids des modèles dans le paquet NuGet — voir Obtenir les modèles.

Le masquage du texte nécessite trois fichiers (modèle de détection, modèle de reconnaissance et dictionnaire de caractères) dès que la catégorie est activée. La reconnaissance est indispensable car un détecteur de texte seul se déclenche sur les textures et les contours, si bien qu'une détection sans reconnaissance masquerait la majeure partie d'une scène réelle ; la reconnaissance confirme quelles boîtes sont réellement du texte. Un ClassificationModelPath facultatif corrige le texte pivoté de 180°.

Styles de masquage¶

PIIRedactionSettings.Style sélectionne la façon dont chaque région détectée est occultée :

Style, BlurRadius, PixelateBlockSize et FillColor peuvent tous être modifiés pendant l'exécution du pipeline.

Paramètres clés¶

PIIRedactionSettings :

Chaque catégorie expose ses propres réglages de détecteur.

Visages (PIIFaceRedactionSettings) :

Plaques d'immatriculation (PIIPlateRedactionSettings) :

Text (PIITextRedactionSettings) : Enabled (true), DetectionModelPath, RecognitionModelPath, CharacterDictionaryPath, ClassificationModelPath facultatif, TextFilterRegex (voir ci-dessous), MaxSideLength (1024), BoxThreshold (0.3), BoxScoreThreshold (0.5), UnclipRatio (1.6).

Le bloc expose également des diagnostics en lecture seule une fois construit : ActiveProvider (le fournisseur d'exécution réellement engagé), LastInferenceTimeMs (durée réelle du cycle de détection le plus récent) et DroppedFrameCount (images arrivées pendant que le détecteur était occupé — toujours masquées, simplement pas redétectées).

Masquer uniquement certains textes¶

Par défaut, chaque région de texte reconnue est masquée. Définissez Text.TextFilterRegex pour ne masquer que les régions dont le texte reconnu correspond à un motif — par exemple, floutez les adresses e-mail et les numéros de téléphone tout en laissant visibles la signalétique et les sous-titres :

settings.Text.TextFilterRegex =
    @"(\b[\w.%+-]+@[\w.-]+\.[A-Za-z]{2,}\b)|(\+?\d[\d\s().-]{7,}\d)";

La reconnaissance s'exécute quand même dans tous les cas (c'est elle qui filtre les détections non textuelles) ; l'expression régulière ne fait que restreindre les régions reconnues qui sont couvertes.

Obtenir les modèles¶

Le SDK ne fournit pas les poids des modèles. Fournissez vos propres fichiers .onnx, ou réutilisez ceux que les démos téléchargent au premier lancement depuis la version d'exemples vers %UserProfile%/VisioForge/models :

Ils sont téléchargés depuis la version onnx-models-v1 du dépôt d'exemples. Pour connaître le fournisseur que ONNX Runtime a réellement sélectionné, consultez redaction.ActiveProvider après le démarrage du pipeline.

Utilisation avec VideoCaptureCoreX et MediaPlayerCoreX¶

PIIRedactionBlock est un bloc de traitement vidéo, il se branche donc directement dans les moteurs de capture et de lecture — aucun MediaBlocksPipeline manuel n'est nécessaire. Ajoutez-le avant de démarrer :

var redaction = new PIIRedactionBlock(settings);
redaction.OnRegionsRedacted += Redaction_OnRegionsRedacted;

core.Video_Processing_AddBlock(redaction);       // VideoCaptureCoreX — avant StartAsync
// player.Video_Processing_AddBlock(redaction);  // MediaPlayerCoreX — avant OpenAsync/PlayAsync

await core.StartAsync();

Avec VideoCaptureCoreX, cela anonymise le flux d'une webcam, d'une caméra IP ou d'une carte d'acquisition au moment où il est prévisualisé, enregistré ou diffusé. Consultez Utiliser les blocs IA avec VideoCaptureCoreX et MediaPlayerCoreX pour l'API commune des blocs de traitement, l'ordre d'insertion et les règles de cycle de vie.

Confidentialité et conformité¶

Comme chaque détecteur s'exécute localement via ONNX Runtime, les images vidéo et audio ne quittent jamais l'appareil, ce qui simplifie les examens de conformité RGPD / CCPA / BIPA pour les applications de caméra. Le masquage est destructif — les pixels de chaque région sont écrasés dans l'image, il n'existe donc aucune correspondance réversible permettant de récupérer l'original. L'événement OnRegionsRedacted ne transporte que des catégories et des cadres ; le contenu reconnu d'une région (un numéro de plaque, une chaîne de texte) n'est intentionnellement jamais inclus.

Une réserve importante concerne les pipelines en direct : la détection s'exécute sur un thread d'arrière-plan pour maintenir le flux fluide, si bien que les images qui arrivent avant la fin du premier cycle de détection passent sans être masquées, et si la résolution de la source change en cours de flux (par exemple en HLS/RTSP adaptatif), une zone nouvellement exposée peut brièvement fuiter jusqu'au cycle de détection suivant. Pour une anonymisation sans aucune fuite, traitez le fichier hors ligne à vitesse réduite plutôt qu'en direct, de sorte que chaque image soit détectée avant d'être écrite.

Cas d'usage¶

• Séquences de dashcam / bodycam — floutez les visages des passants et les plaques avant de publier ou de partager un clip d'incident.
• Exports de vidéosurveillance (CCTV) — anonymisez la vidéo enregistrée avant de la remettre à un tiers.
• Visioconférence et partage d'écran — pixellisez le texte à l'écran (documents, badges) dans un flux partagé.
• Divulgation FOIA / judiciaire / d'assurance — masquez les identités dans les vidéos diffusées pour respecter les règles de confidentialité.
• Contenu généré par les utilisateurs — occultez automatiquement les visages et les plaques dans les vidéos téléversées.
• Cartographie et analyse au niveau de la rue — anonymisez les visages et les plaques dans les séquences de conduite capturées.

Dépannage¶

Foire aux questions¶

PIIRedactionBlock identifie-t-il les personnes ou lit-il les plaques d'immatriculation ?¶

Non. Le bloc n'exécute jamais de reconnaissance faciale et ne restitue jamais les caractères d'une plaque d'immatriculation — les visages et les plaques sont localisés par simple détection. Le texte à l'écran est reconnu en interne uniquement pour décider de ce qui doit être masqué (et pour appliquer TextFilterRegex), et ce texte reconnu n'est jamais émis : l'événement OnRegionsRedacted ne transporte que des catégories et des cadres.

Est-ce conforme au RGPD / CCPA / BIPA ?¶

L'inférence s'exécute entièrement sur l'appareil, si bien que les images ne quittent jamais la machine — c'est la partie la plus délicate des examens de confidentialité liés aux caméras et aux microphones. Pour une sortie garantie sans aucune fuite, traitez les fichiers hors ligne à vitesse réduite afin que chaque image soit détectée avant d'être écrite ; sur les flux en direct, les premières images précédant le premier cycle de détection peuvent passer sans être masquées. La conformité dépend également de votre gestion globale des données — examinez les réglementations applicables à votre juridiction.

De quels modèles ai-je besoin, et où les obtenir ?¶

Les visages nécessitent un modèle YuNet ; les plaques d'immatriculation nécessitent un modèle FastALPR ; le texte à l'écran nécessite un modèle de détection PaddleOCR, un modèle de reconnaissance et un dictionnaire de caractères. Les poids ne sont pas fournis dans le paquet NuGet — voir Obtenir les modèles.

Puis-je masquer uniquement les adresses e-mail et les numéros de téléphone, pas tout le texte ?¶

Oui. Définissez Text.TextFilterRegex sur un motif ; seules les régions dont le texte reconnu correspond sont masquées, et tout le reste du texte à l'écran demeure visible.

Puis-je activer ou désactiver une catégorie pendant la lecture de la vidéo ?¶

Vous pouvez désactiver (puis réactiver) une catégorie à chaud si elle était activée lors de la construction du bloc — le détecteur d'une catégorie n'est créé que lorsque cette catégorie est activée au moment de la construction. Pour ajouter une catégorie qui était désactivée au démarrage, reconstruisez le bloc. Le style, le rayon du flou et la couleur de remplissage sont tous ajustables en direct.

Puis-je exécuter le masquage sur le GPU ?¶

Oui. Définissez Provider sur CUDA, DirectML ou CoreML (ou laissez-le sur Auto), avec DeviceId pour l'index du GPU. Si le fournisseur demandé est indisponible, ONNX Runtime bascule sur le CPU ; consultez ActiveProvider pour confirmer ce qui a été engagé.

Le masquage est-il réversible ?¶

Non. Le masquage écrase les pixels de chaque région directement dans l'image, si bien que le contenu original ne peut pas être récupéré à partir de la sortie.

Démos¶

• Démo de masquage des données personnelles — démo de pipeline Media Blocks en WPF (source webcam, fichier ou RTSP).
• Player PII Redaction X — masquage MediaPlayerCoreX en lecture de fichier (WPF).
• Capture PII Redaction X — masquage VideoCaptureCoreX sur une caméra en direct (WPF).