DE / EN
Automatisches DSGVO-Tool

Automatisches Verpixeln von Gesichtern und Kennzeichen in Videos

DSGVO-Pixeler erkennt sensible Bildbereiche, verpixelt sie automatisch und sorgt für konsistente Ausgaben. Ideal für YouTube, Screenshots, Datensätze oder Support-Dokumente.

Projekt auf GitHub Command-Builder Beispiele ansehen
Kostenlos verfügbar: Verpixelt primär Gesichter und Kennzeichen mit zuverlässiger Erkennung.
Schnell Batch-Verarbeitung ohne manuellen Aufwand.
Präzise Gezielte Verpixelung sensibler Bereiche.
Nachvollziehbar Klare Outputs für Audit und Review.

Warum DSGVO-Pixeler?

Für Bildmaterial gelten klare Datenschutzanforderungen. DSGVO-Pixeler beschleunigt deinen Prozess und hilft dabei, sensible Informationen zuverlässig zu anonymisieren – mit einem modernen Workflow, der sich leicht in bestehende Pipelines integrieren lässt.

Pro-Tipp: Nutze es für Reports, interne Demos oder Trainingsdaten.

Vorteile, die sofort wirken

DSGVO-orientiert

Hilft beim datenschutzkonformen Arbeiten durch automatische Erkennung und Verpixelung.

Flexibel erweiterbar

Ideal als CLI-Tool oder als Baustein in einer automatisierten Pipeline.

Saubere Dokumentation

Saubere und nachvollziehbare Outputs für Freigaben und Reviews.

Beispiele: Bilder und Videos

Beispielbild 1: Verpixelte Bereiche
Klick zum Vergrößern
Beispielbild 2: Automatische Anonymisierung
Klick zum Vergrößern
Beispielvideo: YouTube Demo 1
Beispielvideo: YouTube Demo 2

Möglichkeiten & Features

Erkennung

Kennzeichen und Gesichter sind standardmäßig aktiv und lassen sich gezielt ein- oder ausschalten.

Mosaik statt Blur

Echte Pixelmosaike mit eigener Stärke für Kennzeichen und Gesichter.

Tiling & Tracking

Bessere Erkennung kleiner Details durch Tiling, optional mit Tracking gegen Flackern.

No-Pixel-Zonen

Definiere Bereiche, die niemals verpixelt werden sollen – ideal für UI-Elemente.

Snapshots

Automatische JPEG-Snapshots in definierbaren Intervallen.

Presets

Speichere Einstellungen als Preset und lade sie für neue Projekte.

Alle Funktionen im Überblick

  • Kennzeichen- und Gesichtserkennung (YOLOv8)
  • Mosaik-Verpixelung mit separater Stärke
  • Sicherheitsrand per --pad
  • Tiling für kleine Objekte (--tiling)
  • Tracking gegen Flackern (--no_track)
  • No-Pixel-Zonen mit Debug-Overlay
  • Snapshots in Intervallen + feste Größe
  • Performance-Tuning über work_w und imgsz
  • ffmpeg-Encode inkl. Audio-Steuerung
  • Bitrate-Handling (auto oder fix)
  • Presets speichern & laden
  • Logging mit Fortschritt, ETA und FPS

Workflow in drei Schritten

1. Bilder wählen

Definiere die Quelle oder lade ein Bild-Set, das geprüft werden soll.

2. Analyse & Verpixelung

DSGVO-Pixeler erkennt sensible Bereiche und verpixelt sie automatisch.

3. Export & Sharing

Erhalte sofort nutzbare Ergebnisse für Reports, Support oder Training.

Anleitung (Kurzform)

Setup

Python 3.10+, ffmpeg und ein Kennzeichenmodell in models/plates/ bereitstellen.

Installation

Virtuelle Umgebung anlegen, aktivieren und die requirements.txt installieren.

Start

Einfach ausführen: python dsgvo-pixeler.py --input input.mp4 --output output.mp4 --weights models/plates/best.pt

Ergebnis

Das Output-Video landet im Zielordner, optional mit Debug-Overlays und Snapshots.

Voraussetzungen & Installation

Voraussetzungen

  • Python 3.10+
  • ffmpeg (z. B. via Homebrew)
  • Kennzeichenmodell als .pt in models/plates/
  • Optional: Gesichtsmodelle in models/faces/

Installation (kurz)

  • python3 -m venv .venv
  • source .venv/bin/activate
  • pip install -U pip
  • pip install -r requirements.txt

FAQ

Werden mehrere Modelle parallel verarbeitet?

Nein, sie laufen nacheinander – das ist stabiler und oft schneller.

Warum ist Tracking bei Tiling deaktiviert?

Über Kacheln sind Objekt-IDs nicht konsistent, daher wird Tracking automatisch abgeschaltet.

Was ist der Standardwert für Tiling?

Standard ist --tiling 2 (2x2 Raster) für bessere Erkennung kleiner Kennzeichen.

Welche Modelle werden standardmäßig verwendet?

Alle .pt-Dateien in models/plates/ und models/faces/ werden automatisch genutzt.

Wie entferne ich die Audiospur?

Nutze --no_audio, dann wird das Output-Video ohne Audio erzeugt.

Wie bekomme ich kleinere oder größere Pixel?

Stelle --blocks_plates und --blocks_faces ein (größerer Wert = grobere Pixel).

Warum dauert Tiling deutlich länger?

Beim Tiling läuft YOLO auf jeder Kachel – das erhöht die Rechenzeit, verbessert aber kleine Objekte.

Mehr Beispiele aus der Praxis

Minimaler Lauf (Defaults)

python dsgvo-pixeler.py --input source.mp4

H264 kompatibel + feste Bitrate

python dsgvo-pixeler.py \\
  --input input.mp4 \\
  --output output_h264.mp4 \\
  --weights /path/to/plate_model.pt \\
  --codec h264 \\
  --bitrate 50M

Nur Kennzeichen

python dsgvo-pixeler.py --input input.mp4 \\
  --weights models/plates/best.pt --no_faces

Nur Gesichter

python dsgvo-pixeler.py --input input.mp4 \\
  --faces_weights models/faces/face1.pt --no_plates

Tiling + Debug-Overlays

python dsgvo-pixeler.py --input source.mp4 \\
  --tiling 2 --debug_pixel --debug_no_pixel

Snapshots alle 5 Minuten

python dsgvo-pixeler.py --input input.mp4 \\
  --snapshot_every 5 --snapshot_size 1920x1080

Preset speichern & laden

python dsgvo-pixeler.py --input source.mp4 --save_preset json\npython dsgvo-pixeler.py --input another.mp4 --load_preset source_preset

Bereit für sichere Bilddaten?

Teste den DSGVO-Pixeler, integriere ihn in deinen Workflow und bleib DSGVO-konform.

Jetzt auf GitHub ansehen