Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra.

Suivez des objets dans des images vidéo à l'aide du suivi d'objets d'images vidéo

Vous pouvez utiliser le type de tâche de suivi d'objets dans les trames vidéo pour que les employés suivent le mouvement des objets dans une séquence de trames vidéo (images extraites d'une vidéo) en utilisant les outils d'annotation de cadres de délimitation, de polylignes, de polygones ou de points clés. L'outil que vous choisissez définit le type de tâche de la trame vidéo que vous créez. Par exemple, vous pouvez utiliser un type de tâche de suivi d'objets dans les trames vidéo par cadre de délimitation pour demander aux employés de suivre le mouvement d'objets, tels que des voitures, des vélos et des piétons, en dessinant des zones autour d'eux.

Vous fournissez une liste de catégories, et chaque annotation qu'un employé ajoute à une trame vidéo est identifiée comme une instance de cette catégorie à l'aide d'un ID d'instance. Par exemple, si vous fournissez l'étiquette catégorie voiture, la première voiture qu'un employé annote aura l'ID d'instance voiture:1. La deuxième voiture annotée par l'employé aura l'ID d'instance voiture:2. Pour suivre le mouvement d'un objet, l'employé ajoute des annotations associées à la même instance ID autour de l'objet dans toutes les trames.

Vous pouvez créer une tâche d'étiquetage d'objets pour le suivi des images vidéo à l'aide de la console Amazon SageMaker Ground Truth, du SageMaker API, et d'une langue spécifique AWS SDKs. Pour en savoir plus, veuillez consulter Créer une tâche d'étiquetage de détection d'objets dans une trame vidéo et sélectionnez votre méthode préférée. Veuillez consulter Types de tâches pour en savoir plus sur les outils d'annotations que vous pouvez choisir lorsque vous créez une tâche d'étiquetage.

Ground Truth fournit une interface utilisateur employé et des outils pour effectuer vos tâches d'étiquetage : Prévisualisation de l'interface utilisateur employé.

Vous pouvez créer une tâche pour ajuster les annotations créées dans une tâche d'étiquetage de détection d'objet vidéo à l'aide du type de tâche d'ajustement de détection d'objet vidéo. Pour en savoir plus, consultez Créer une tâche d'étiquetage de détection d'objet de trame vidéo, d'ajustement ou de vérification.

Prévisualisation de l'interface utilisateur employé

Ground Truth fournit aux employés une interface utilisateur Web (UI) pour effectuer vos tâches d'annotation de suivi d'objet de trame vidéo. Vous pouvez prévisualiser l'interface utilisateur de travail et interagir avec cette dernière lorsque vous créez une tâche d'étiquetage dans la console. Si vous êtes un nouvel utilisateur, nous vous recommandons de créer une tâche d'étiquetage via la console en utilisant un petit jeu de données source afin de prévisualiser l'interface utilisateur employé et de vous assurer que vos trames vidéo, vos étiquettes et vos attributs d'étiquette apparaissent comme prévu.

L'interface utilisateur met à la disposition des employés les outils d'aide à l'étiquetage suivants pour mener à bien vos tâches de suivi des objets :

La vidéo suivante montre comment un employé peut utiliser l'interface utilisateur employé avec l'outil Zone de délimitation pour effectuer vos tâches de suivi d'objet.

Créer une tâche d'étiquetage de suivi d'objets dans une trame vidéo

Vous pouvez créer une tâche d'étiquetage d'objets pour le suivi des images vidéo à l'aide de la SageMaker console ou de l'CreateLabelingJobAPIopération.

Cette section suppose que vous avez consulté Référence de travail sur l'étiquetage des images vidéo et avez choisi le type de données source et la connexion du jeu de données source que vous utilisez.

Création d'une tâche d'étiquetage (Console)

Vous pouvez suivre les instructions ci-dessous Création d'une tâche d'étiquetage (Console) pour savoir comment créer une tâche de suivi d'objets d'images vidéo dans la SageMaker console. À l'étape 10, choisissez Vidéo - Suivi d'objet dans la liste déroulante Catégorie de tâches. Sélectionnez le type de tâche souhaité en sélectionnant l'une des fiches dans Task selection (Sélection des tâches).

Créer un job d'étiquetage (API)

Vous créez une tâche d'étiquetage pour le suivi des objets à l'aide de SageMaker API cette opérationCreateLabelingJob. Cela API définit cette opération pour tous AWS SDKs. Pour consulter la liste des langues spécifiques prises SDKs en charge pour cette opération, consultez la section Voir aussi de. CreateLabelingJob

Création d'une tâche d'étiquetage (API) fournit une présentation de l'opération CreateLabelingJob. Suivez ces instructions et procédez comme suit pour configurer votre demande :

Voici un exemple de demande AWS Python SDK (Boto3) pour créer une tâche d'étiquetage dans la région USA Est (Virginie du Nord).

response = client.create_labeling_job(
    LabelingJobName='example-video-ot-labeling-job,
    LabelAttributeName='label',
    InputConfig={
        'DataSource': {
            'S3DataSource': {
                'ManifestS3Uri': 's3://amzn-s3-demo-bucket/path/video-frame-sequence-input-manifest.json'
            }
        },
        'DataAttributes': {
            'ContentClassifiers': [
                'FreeOfPersonallyIdentifiableInformation'|'FreeOfAdultContent',
            ]
        }
    },
    OutputConfig={
        'S3OutputPath': 's3://amzn-s3-demo-bucket/prefix/file-to-store-output-data',
        'KmsKeyId': 'string'
    },
    RoleArn='arn:aws:iam::*:role/*,
    LabelCategoryConfigS3Uri='s3://bucket/prefix/label-categories.json',
    StoppingConditions={
        'MaxHumanLabeledObjectCount': 123,
        'MaxPercentageOfInputDatasetLabeled': 123
    },
    HumanTaskConfig={
        'WorkteamArn': 'arn:aws:sagemaker:us-east-1:*:workteam/private-crowd/*',
        'UiConfig': {
            'HumanTaskUiArn: 'arn:aws:sagemaker:us-east-1:394669845002:human-task-ui/VideoObjectTracking'
        },
        'PreHumanTaskLambdaArn': 'arn:aws:lambda:us-east-1:432418664414:function:PRE-VideoObjectTracking',
        'TaskKeywords': [
            'Video Frame Object Tracking,
        ],
        'TaskTitle': 'Video frame object tracking task',
        'TaskDescription': Tracking the location of objects and people across video frames',
        'NumberOfHumanWorkersPerDataObject': 123,
        'TaskTimeLimitInSeconds': 123,
        'TaskAvailabilityLifetimeInSeconds': 123,
        'MaxConcurrentTaskCount': 123,
        'AnnotationConsolidationConfig': {
            'AnnotationConsolidationLambdaArn': 'arn:aws:lambda:us-east-1:432418664414:function:ACS-VideoObjectTracking'
        },
    Tags=[
        {
            'Key': 'string',
            'Value': 'string'
        },
    ]
)

Créer une tâche d'étiquetage de suivi d'objet ou de vérification de trame vidéo

Vous pouvez créer une tâche d'étiquetage d'ajustement et de vérification à l'aide de la console Ground Truth ou CreateLabelingJobAPI. Pour en savoir plus sur les tâches d'étiquetage d'ajustement et de vérification, et pour apprendre à en créer une, veuillez consulter Vérification et ajustement de l'étiquette.

Format des données en sortie

Lorsque vous créez une tâche d'étiquetage de suivi d'objets dans les trames vidéo, les tâches sont envoyées aux employés. Lorsque ces employés terminent leurs tâches, les étiquettes sont écrites dans l'emplacement de sortie Amazon S3 que vous avez spécifié lorsque vous avez créé la tâche d'étiquetage. Pour en savoir plus sur le format des données de sortie du suivi d'objet de trame vidéo, veuillez consulter Sortie de suivi d'objets par image vidéo. Si vous êtes un nouvel utilisateur de Ground Truth, veuillez consulter Étiquetage des données de sortie des tâches pour en savoir plus sur le format des données de sortie de Ground Truth.