Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.

Memanggil operasi Amazon Rekognition Video

Amazon Rekognition Video adalah video asinkron yang dapat Anda gunakan untuk menganalisis video API yang disimpan di bucket Amazon Simple Storage Service (Amazon S3). Anda memulai analisis video dengan memanggil Start operasi Video Rekognition Amazon, seperti. StartPersonTracking Amazon Rekognition Video menerbitkan hasil permintaan analisis ke topik Amazon Simple Notification Service (Amazon). SNS Anda dapat menggunakan antrean Amazon Simple Queue Service (AmazonSQS) atau AWS Lambda fungsi untuk mendapatkan status penyelesaian permintaan analisis video dari topik AmazonSNS. Terakhir, Anda mendapatkan hasil permintaan analisis video dengan memanggil operasi Get Rekognition Amazon, seperti. GetPersonTracking

Informasi pada bagian ini menggunakan operasi pendeteksi label untuk menunjukkan bagaimana Amazon Rekognition Video mendeteksi label (objek, peristiwa, konsep, dan aktivitas) dalam video yang disimpan dalam bucket Amazon S3. Pendekatan yang sama berfungsi untuk operasi Video Rekognition Amazon lainnya—misalnya, dan. StartFaceDetectionStartPersonTracking Contoh Menganalisis video yang disimpan dalam bucket Amazon S3 dengan Java atau Python () SDK menunjukkan cara menganalisis video dengan menggunakan SQS antrian Amazon untuk mendapatkan status penyelesaian dari SNS topik Amazon. Amazon SQS juga digunakan sebagai dasar untuk contoh Amazon Rekognition Video lainnya, seperti Lintasan orang. Sebagai AWS CLI contoh, lihatMenganalisis video dengan AWS Command Line Interface.

Memulai analisis video

Anda memulai permintaan deteksi label Amazon Rekognition Video dengan menelepon. StartLabelDetection Berikut ini adalah contoh JSON permintaan yang dilewatiStartLabelDetection.

{
    "Video": {
        "S3Object": {
            "Bucket": "bucket",
            "Name": "video.mp4"
        }
    },
    "ClientRequestToken": "LabelDetectionToken",
    "MinConfidence": 50,
    "NotificationChannel": {
        "SNSTopicArn": "arn:aws:sns:us-east-1:nnnnnnnnnn:topic",
        "RoleArn": "arn:aws:iam::nnnnnnnnnn:role/roleopic"
    },
    "JobTag": "DetectingLabels"
}

Parameter input Video menyediakan nama file video dan bucket Amazon S3 untuk mengambilnya. NotificationChannelberisi Nama Sumber Daya Amazon (ARN) dari SNS topik Amazon yang diberitahukan oleh Video Rekognition Amazon saat permintaan analisis video selesai. SNSTopik Amazon harus berada di AWS wilayah yang sama dengan titik akhir Video Rekognition Amazon yang Anda panggil. NotificationChanneljuga berisi peran ARN untuk yang memungkinkan Amazon Rekognition Video untuk mempublikasikan ke topik Amazon. SNS Anda memberikan izin penerbitan Amazon Rekognition ke topik SNS Amazon Anda dengan IAM membuat peran layanan. Untuk informasi selengkapnya, lihat Mengonfigurasi Amazon Rekognition Video.

Anda juga dapat menentukan parameter input opsionalJobTag, yang memungkinkan Anda mengidentifikasi pekerjaan dalam status penyelesaian yang dipublikasikan ke SNS topik Amazon.

Untuk mencegah duplikasi pekerjaan analisis yang tidak disengaja, Anda dapat memberikan token idempotensi , ClientRequestToken. Jika Anda memberikan nilai untuk ClientRequestToken, operasi Start mengembalikan JobId yang sama untuk beberapa panggilan yang identik ke operasi awal, seperti StartLabelDetection. Token ClientRequestToken memiliki masa pakai 7 hari. Setelah 7 hari, Anda bisa menggunakannya kembali. Jika Anda menggunakan kembali token selama masa token aktif, hal berikut akan terjadi:

Respons terhadap operasi StartLabelDetection adalah pengidentifikasi tugas (JobId). Gunakan JobId untuk melacak permintaan dan mendapatkan hasil analisis setelah Amazon Rekognition Video mempublikasikan status penyelesaian ke topik Amazon. SNS Sebagai contoh:

{"JobId":"270c1cc5e1d0ea2fbc59d97cb69a72a5495da75851976b14a1784ca90fc180e3"}

Jika Anda memulai terlalu banyak pekerjaan secara bersamaan, panggilan untuk StartLabelDetection menaikkan LimitExceededException (kode HTTP status: 400) hingga jumlah pekerjaan yang berjalan secara bersamaan berada di bawah batas layanan Amazon Rekognition.

Jika Anda menemukan bahwa LimitExceededException pengecualian dimunculkan dengan ledakan aktivitas, pertimbangkan untuk menggunakan SQS antrian Amazon untuk mengelola permintaan yang masuk. Hubungi AWS dukungan jika Anda menemukan bahwa jumlah rata-rata permintaan bersamaan tidak dapat dikelola oleh SQS antrian Amazon dan Anda masih menerima LimitExceededException pengecualian.

Mendapatkan status penyelesaian permintaan analisis Amazon Rekognition Video

Amazon Rekognition Video mengirimkan pemberitahuan penyelesaian analisis ke topik Amazon yang terdaftar. SNS Pemberitahuan mencakup pengenal pekerjaan dan status penyelesaian operasi dalam JSON string. Permintaan analisis video yang berhasil memiliki status SUCCEEDED. Contohnya, hasil berikut menunjukkan berhasilnya pengolahan tugas pendeteksi label.

{
    "JobId": "270c1cc5e1d0ea2fbc59d97cb69a72a5495da75851976b14a1nnnnnnnnnnnn",
    "Status": "SUCCEEDED",
    "API": "StartLabelDetection",
    "JobTag": "DetectingLabels",
    "Timestamp": 1510865364756,
    "Video": {
        "S3ObjectName": "video.mp4",
        "S3Bucket": "bucket"
    }
}

Untuk informasi selengkapnya, lihat Referensi: Notifikasi hasil analisis video.

Untuk mendapatkan informasi status yang dipublikasikan ke SNS topik Amazon oleh Amazon Rekognition Video, gunakan salah satu opsi berikut:

Mendapatkan hasil analisis Amazon Rekognition Video

Untuk mendapatkan hasil permintaan analisis video, pertama-tama pastikan bahwa status penyelesaian yang diambil dari SNS topik Amazon adalahSUCCEEDED. Kemudian panggil GetLabelDetection, yang memberikan nilai JobId yang dikembalikan dari StartLabelDetection. Permintaan JSON ini mirip dengan contoh berikut:

{
    "JobId": "270c1cc5e1d0ea2fbc59d97cb69a72a5495da75851976b14a1784ca90fc180e3",
    "MaxResults": 10,
    "SortBy": "TIMESTAMP"
}

JobId adalah pengidentifikasi untuk operasi analisis video. Mengingat analisis video dapat menghasilkan data dalam jumlah besar, gunakan MaxResults untuk menentukan hasil jumlah maksimum agar dapat kembali dalam satu operasi Get. Nilai default untuk MaxResults adalah 1000. Jika Anda menentukan nilai yang lebih besar dari 1000, maksimum hasil dikembalikan adalah 1000. Jika operasi tidak mengembalikan seluruh set hasil, token pemberian nomor halaman untuk halaman berikutnya dikembalikan dalam respons operasi. Jika Anda memiliki token pemberian nomor halaman dari permintaan Get sebelumnya, gunakan token tersebut dengan NextToken untuk mendapatkan halaman hasil berikutnya.

Respons GetLabelDetection operasi JSON mirip dengan yang berikut:

{
    "Labels": [
        {
            "Timestamp": 0,
            "Label": {
                "Instances": [],
                "Confidence": 60.51791763305664,
                "Parents": [],
                "Name": "Electronics"
            }
        },
        {
            "Timestamp": 0,
            "Label": {
                "Instances": [],
                "Confidence": 99.53411102294922,
                "Parents": [],
                "Name": "Human"
            }
        },
        {
            "Timestamp": 0,
            "Label": {
                "Instances": [
                    {
                        "BoundingBox": {
                            "Width": 0.11109819263219833,
                            "Top": 0.08098889887332916,
                            "Left": 0.8881205320358276,
                            "Height": 0.9073750972747803
                        },
                        "Confidence": 99.5831298828125
                    },
                    {
                        "BoundingBox": {
                            "Width": 0.1268676072359085,
                            "Top": 0.14018426835536957,
                            "Left": 0.0003282368124928324,
                            "Height": 0.7993982434272766
                        },
                        "Confidence": 99.46029663085938
                    }
                ],
                "Confidence": 99.53411102294922,
                "Parents": [],
                "Name": "Person"
            }
        },
        .
        .   
        .

        {
            "Timestamp": 166,
            "Label": {
                "Instances": [],
                "Confidence": 73.6471176147461,
                "Parents": [
                    {
                        "Name": "Clothing"
                    }
                ],
                "Name": "Sleeve"
            }
        }
        
    ],
    "LabelModelVersion": "2.0",
    "JobStatus": "SUCCEEDED",
    "VideoMetadata": {
        "Format": "QuickTime / MOV",
        "FrameRate": 23.976024627685547,
        "Codec": "h264",
        "DurationMillis": 5005,
        "FrameHeight": 674,
        "FrameWidth": 1280
    }
}

GetContentModerationOperasi GetLabelDetection dan memungkinkan Anda untuk mengurutkan hasil analisis berdasarkan stempel waktu atau dengan nama label. Anda juga dapat mengumpulkan hasil berdasarkan segmen video atau stempel waktu.

Anda dapat mengurutkan hasil berdasarkan waktu deteksi (milidetik dari awal video) atau menurut abjad sesuai entitas yang terdeteksi (objek, wajah, selebriti, label moderasi, atau orang). Untuk mengurutkan berdasarkan waktu, tetapkan nilai dari SortBy input parameter ke TIMESTAMP. Jika SortBy tidak ditentukan, perilaku default menjadi pengurutan berdasarkan waktu. Contoh sebelumnya diurutkan berdasarkan waktu. Untuk mengurutkan berdasarkan entitas, gunakan parameter input SortBy dengan nilai yang sesuai untuk operasi yang Anda jalankan. Misalnya, untuk mengurutkan berdasarkan label yang terdeteksi dalam panggilan ke GetLabelDetection, gunakan nilai NAME.

Untuk menggabungkan hasil dengan stempel waktu, atur nilai parameter ke. AggregateBy TIMESTAMPS Untuk agregat menurut segmen video, tetapkan nilai AggregateBy keSEGMENTS. SEGMENTSmode agregasi akan menggabungkan label dari waktu ke waktu, sementara TIMESTAMPS memberikan stempel waktu label terdeteksi pada, menggunakan 2 FPS sampling dan per frame output (Catatan: Laju pengambilan sampel saat ini dapat berubah, asumsi tidak boleh dibuat tentang laju pengambilan sampel saat ini). Jika tidak ada nilai yang ditentukan, metode agregasi default adalahTIMESTAMPS.