视频发出去才发现人脸车牌没打码？处理方案来了

年前接了个活给朋友的物流公司剪段宣传视频，画面里厂区门口停了七八辆车，背景走来走去的工人也不少。素材从行车记录仪切过来的，光线又偏暗。剪辑完一看，十几块车牌正对着镜头，几个工人的侧脸也基本能认出来。这要是发到短视频平台，评论区肯定有人扒这些私人信息。

重拍不可能——车队不凑时间，客户也不等。只能靠后期工具补漏。处理这种素材，核心分歧只有两点：视频要不要传到外部服务器、AI能不能把目标找全。

先说第一条。涉及人脸、车牌甚至证件号的内容，读者最关心的是隐私边界。在线打码网站需要你把视频上传，等于原始画面离开本地；桌面应用则在本机跑模型，视频文件不进任何云端。隐私风险差很多，尤其客户或内部素材用在线工具更不稳妥。

再说第二条。AI识别不是百分之百，光线暗、角度偏、目标距离远的时候都会漏检。所以我习惯的做法是设完自动检测后逐帧扫一遍时间轴，重点看远端车牌和遮挡物后方的人脸。漏掉的地方顺手补手动框就行。

具体操作方面，桌面类的处理流程基本一致：先导入视频，选要遮盖的目标类型比如人脸或者车牌，模型自动在时间轴上出图层；然后在预览窗口确认关键帧，手动调整偏移范围；最后直接导出。我用的抹影把这类流程固化得比较顺手，它内置了多种检测模型，选目标后自动标注位置，后续就是微调加输出的动作。

代价同样存在。识别偶尔会漏掉小画面里距离远的目标，遮挡边缘也做不到严丝合缝，导出的成片是烘焙后的结果，遮挡不可逆所以要留好原始素材。AI做完了大头，精细场合的手动复核还是省不掉。

适用场景大致可以这么划：短视频发前脱敏、企业培训视频合规检查、监控和行车记录仪的证据处理都比较合适；对精度要求极端的法务存档建议用传统逐帧遮罩法。