Using Neural Networks from the YOLO Family to Detect and Conceal Sensitive Information in a Video Stream

This article examines the use of neural networks from the YOLO family to detect and mask sensitive information in a video stream. It provides a rationale for the importance of protecting personal and confidential data when used in the medical field. Human faces, documents, and digital device screens are identified as the target objects for detection. A frame-by-frame processing algorithm is proposed, which includes preliminary image preprocessing, object detection, aggregation of regions of interest, and their subsequent masking. Neural network models from the YOLO family are used for object detection. The results of training and fine-tuning the corresponding models are presented. The architecture of the software system is described, and the results of its operation are demonstrated.

1. Гюльбяков Н.Р. Цифровизация в здравоохранении: актуальный обзор литературы / Н.Р. Гюльбяков, Н.В. Алексеева, Х.Н. Гюльбякова // Международный научно-исследовательский журнал. – 2024. – № 11 (149). – URL: https://research-journal.org/archive/11-149-2024-november/10.60797/IRJ.2024.149.90 (дата обращения: 28.05.2026).

2. О персональных данных: Федеральный закон от 27.07.2006 № 152-ФЗ (ред. от 24.06.2025): [принят Государственной Думой 8 июля 2006 года: одобрен Советом Федерации 14 июля 2006 года] // КонсультантПлюс. – URL: https://www.consultant.ru/document/cons_doc_LAW_61801/ (дата обращения: 28.05.2026).

3. Lei Geral de Proteção de Dados Pessoais (LGPD) // Gov.br [Электронный ресурс]. – URL: https://www.gov.br/planalto/pt-br/vice-presidencia/acesso-a-informacao/lgpd (дата обращения: 28.05.2026).

4. О безопасности данных: Закон КНР: [принят 29-м заседанием Постоянного комитета Всекитайского собрания народных представителей 13-го созыва 10 июня 2021 г.: вступил в силу 1 сентября 2021 г.] // Всекитайское собрание народных представителей Китайской Народной Республики. – URL: http://en.npc.gov.cn.cdurl.cn/2021-06/10/c_689311.htm (дата обращения: 20.06.2026).

5. О защите персональной информации: Закон КНР: [принят 30-м заседанием Постоянного комитета Всекитайского собрания народных представителей 13-го созыва 20 августа 2021 г.: вступил в силу 1 ноября 2021 г.] // Государственный реестр КНР. – URL: https://www.jsmm.gov.cn/u/cms/www/202110/1317253417oi.pdf (дата обращения: 20.06.2026).

6. Viola P.A. Robust Real-Time Face Detection / P.A. Viola, M.J. Jones // International Journal of Computer Vision. – 2004. – Vol. 57, No. 2. – P. 137–154.

7. Dalal N. Histograms of Oriented Gradients for Human Detection / N. Dalal, B. Triggs // 2005 IEEE Computer Society Conference on Computer Vision and Pattern Recognition (CVPR'05), San Diego, USA. – IEEE, 2005. – Vol. 1. – P. 886–893.

8. Faster R-CNN: towards real-time object detection with region proposal networks / Sh. Ren, K. He, R. Girshick, J. Sun // IEEE Transactions on Pattern Analysis and Machine Intelligence. – Vol. 39, Iss. 6. – P. 1137–1149.

9. You Only Look Once: Unified, Real-Time Object Detection / J. Redmon, S. Divvala, R. Girshick, A. Farhadi // Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR). – IEEE, 2016. – P. 779–788.

10. YOLOv8-Face: Pre-trained YOLOv8-Face models // GitHub [Электронный ресурс]. – URL: https://github.com/lindevs/yolov8-face (дата обращения: 28.05.2026).

11. Face Detection Dataset, version 1 // Roboflow Universe [Электронный ресурс]. – URL: https://universe.roboflow.com/uniform-fhonp/face-detection-quvrj/dataset/1 (дата обращения: 28.05.2026).

12. Ultralytics YOLO26 // Ultralytics Docs [Электронный ресурс]. – URL: https://docs.ultralytics.com/models/yolo26/#performance-metrics (дата обращения: 28.05.2026).

13. Document segmentation v2 // Roboflow Universe [Электронный ресурс]. – URL: https://universe.roboflow.com/lung-x8el1/document-segmentation-v2-gt86h/dataset/2 (дата обращения: 28.05.2026).