Memanggil operasi Amazon Rekognition Video

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

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

Amazon Rekognition Video adalah API secara tidak sinkron yang dapat Anda gunakan untuk menganalisis video yang disimpan di bucket Amazon Simple Storage Service (Amazon S3). Anda memulai analisis video dengan memanggil operasi Amazon Rekognition Video Start, 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 (Amazon SQS) atau AWS Lambda fungsi untuk mendapatkan status penyelesaian permintaan analisis video dari topik Amazon SNS. Akhirnya, Anda mendapatkan hasil permintaan analisis video dengan memanggil operasi Amazon Rekognition Get, 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 bekerja untuk operasi Amazon Rekognition Video yang lain-misalnya, StartFaceDetection dan StartPersonTracking. Contoh Menganalisis video yang disimpan di bucket Amazon S3 dengan Java atau Python (SDK) menunjukkan cara menganalisis video dengan menggunakan antrean Amazon SQS untuk mendapatkan status penyelesaian dari topik Amazon SNS. 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 pendeteksi label Amazon Rekognition Video dengan menelepon StartLabelDetection. Berikut ini adalah contoh permintaan JSON yang diberikan oleh StartLabelDetection.

{
    "Video": {
        "S3Object": {
            "Bucket": "amzn-s3-demo-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 mengambil dari kode video tersebut. NotificationChannel terdiri Amazon Resource Name (ARN) dari topik Amazon SNS yang memberitahukan Amazon Rekognition Video saat permintaan analisis video selesai. Topik Amazon SNS harus berada di wilayah AWS yang sama dengan titik akhir Amazon Rekognition Video yang Anda panggil. NotificationChannel juga berisi ARN untuk peran yang memungkinkan Amazon Rekognition Video untuk mempublikasikan topik Amazon SNS. Anda memberikan izin penerbitan kepada Amazon Rekognition untuk topik Amazon SNS Anda dengan menciptakan peran layanan IAM. Untuk informasi selengkapnya, lihat Mengonfigurasi Amazon Rekognition Video.

Anda juga dapat menentukan parameter input opsional, JobTag, yang mengizinkan Anda untuk mengidentifikasi tugas yang memiliki status penyelesaian yang diterbitkan untuk topik Amazon SNS.

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 telah menerbitkan status penyelesaian ke topik Amazon SNS. Sebagai contoh:

{"JobId":"270c1cc5e1d0ea2fbc59d97cb69a72a5495da75851976b14a1784ca90fc180e3"}

Jika Anda memulai terlalu banyak tugas secara bersamaan, hubungi StartLabelDetection untuk meningkatkan LimitExceededException (Kode status HTTP: 400) hingga jumlah tugas yang berjalan bersamaan di bawah batas layanan Amazon Rekognition.

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

Mendapatkan status penyelesaian permintaan analisis Amazon Rekognition Video

Amazon Rekognition Video mengirimkan pemberitahuan penyelesaian analisis untuk topik Amazon SNS yang terdaftar. Pemberitahuan tersebut mencakup pengindentifikasi tugas dan status penyelesaian operasi dalam string JSON. 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": "amzn-s3-demo-bucket"
    }
}

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

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

Mendapatkan hasil analisis Amazon Rekognition Video

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

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

JobId adalah pengenal 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 JSON dari operasi GetLabelDetection serupa dengan hal 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: Tingkat 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.