本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。
Amazon Rekognition Video 是一種非同步 API，可以用來分析存放在 Amazon Simple Storage Service (Amazon S3) 儲存貯體中的影片。呼叫如 StartPersonTracking 的 Amazon Rekognition Video Start 操作來開始影片分析。Amazon Rekognition Video 會將分析請求的結果發佈至 Amazon Simple Notification Service (Amazon SNS) 主題。您可以使用 Amazon Simple Queue Service (Amazon SQS) 佇列或 AWS Lambda 函數，從 Amazon SNS 主題取得影片分析請求的完成狀態。最後，您可以透過呼叫 Amazon Rekognition Get 操作 (如 GetPersonTracking) 來取得影片分析請求結果。
下節中的資訊使用標籤偵測操作來顯示 Amazon Rekognition Video 在儲存於 Amazon S3 儲存貯體中的影片內偵測標籤 (物件、活動、概念與活動) 的方法。相同的方法適用於其他 Amazon Rekognition Video 操作 (例如，StartFaceDetection和StartPersonTracking)。範例 使用 Java 或 Python (SDK) 分析儲存於 Amazon S3 儲存貯體中的影片 說明如何使用 Amazon SQS 佇列自 Amazon SNS 主題取得完成狀態分析以分析影片。同時也用做為其它 Amazon Rekognition Video 範例的基礎，例如 人物路徑。如需 AWS CLI 範例，請參閱 使用 分析影片 AWS Command Line Interface。
開始影片分析
您可以透過呼叫 StartLabelDetection 來啟動 Amazon Rekognition Video 標籤偵測請求。以下是由 StartLabelDetection 傳遞的 JSON 請求範例。
{
"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"
}輸入參數 Video 提供影片檔案名稱以及擷取檔案的 Amazon S3 儲存貯體。NotificationChannel 包含在影片分析請求完成時由 Amazon Rekognition Video 所通知的 Amazon SNS 主題 Amazon Resource Name (ARN)。Amazon SNS 主題必須與您呼叫的 Amazon Rekognition Video 端點位於同一個 AWS 區域。NotificationChannel 也包含允許 Amazon Rekognition Video 發佈到 Amazon SNS 主題的角色 ARN。透過 IAM 服務角色的建立，您給予 Amazon Rekognition 發佈至 Amazon SNS 主題的許可。如需詳細資訊，請參閱 設定 Amazon Rekognition Video。
您也可以指定選用的輸入參數，JobTag，可讓您找出顯示完成狀態且已發佈至 Amazon SNS 主題的任務。
為避免分析任務發生意外的重複，您可以選擇性地提供等冪符記 ClientRequestToken。如果您提供用於 ClientRequestToken 的值，Start 操作將傳回相同的 JobId 以用於對開始操作執行多個相同的呼叫，例如 StartLabelDetection。ClientRequestToken 符記有 7 天的存留期。在 7 天後，您可以再次使用它。如果您在符記的存留期內重新使用符記，會發生下列情況：
-
如果您使用相同的
Start操作與相同的輸入參數來重新使用字符，將傳回相同的JobId。不會再次執行任務，而 Amazon Rekognition Video 也不會傳送完成狀態到已註冊的 Amazon SNS 主題。 -
如果您以相同的
Start操作搭配些微變更的參數來重新使用符記，您會得到一個IdempotentParameterMismatchException(HTTP 狀態碼：400) 例外狀況。 -
由於您會從 Amazon Rekognition 取得無法預測的結果，因此您不應使用具有不同
Start操作的字符。
對於 StartLabelDetection 操作的回應為任務識別碼 (JobId)。使用 JobId 來追蹤請求並在 Amazon Rekognition Video 發佈完成狀態到 Amazon SNS 主題後取得分析結果。例如：
{"JobId":"270c1cc5e1d0ea2fbc59d97cb69a72a5495da75851976b14a1784ca90fc180e3"}如果您同時開始太多任務，呼叫 StartLabelDetection 將引發 LimitExceededException (HTTP 狀態碼：400)，直到數量同時執行任務的數量低於 Amazon Rekognition 服務限制。
如果您發現 LimitExceededException 例外狀況發生且產生活動激增，請考慮使用 Amazon SQS 佇列來管理傳入的請求。如果您發現 Amazon SQS 佇列無法管理並行請求的平均數量，但仍收到LimitExceededException例外狀況，請聯絡 AWS 支援。
取得 Amazon Rekognition Video 分析請求的完成狀態
Amazon Rekognition Video 將傳送分析完成通知到已註冊的 Amazon SNS 主題。通知包含任務識別碼和並以 JSON 字串顯示操作的完成狀態。成功的影片分析請求將包含 SUCCEEDED 狀態。例如，以下結果顯示偵測標籤任務已成功處理。
{
"JobId": "270c1cc5e1d0ea2fbc59d97cb69a72a5495da75851976b14a1nnnnnnnnnnnn",
"Status": "SUCCEEDED",
"API": "StartLabelDetection",
"JobTag": "DetectingLabels",
"Timestamp": 1510865364756,
"Video": {
"S3ObjectName": "video.mp4",
"S3Bucket": "amzn-s3-demo-bucket"
}
}如需詳細資訊，請參閱 參考：影片分析結果通知。
若要取得 Amazon Rekognition Video 發佈至 Amazon SNS 主題的狀態資訊，請使用以下其中一個選項：
-
AWS Lambda：您可以註冊 AWS Lambda 函數，以寫入 Amazon SNS 主題。當 Amazon Rekognition 通知 Amazon SNS 主題請求已完成時，將呼叫此功能。如果您需要伺服器端程式碼來處理影片分析請求的結果，請使用 Lambda 函數。例如，您可能想要使用伺服器端程式碼來標註影片，或在傳回資訊到客戶端應用程式前針對影片內容建立報告。我們也建議使用伺服器端處理大型影片，因為 Amazon Rekognition API 可能會傳回大量資料。
-
Amazon Simple Queue Service：您可以訂閱 Amazon SQS 佇列到 Amazon SNS 主題。接著請輪詢 Amazon SQS 佇列以擷取由 Amazon Rekognition 在影片分析請求完成時發佈的完成狀態。如需詳細資訊，請參閱 使用 Java 或 Python (SDK) 分析儲存於 Amazon S3 儲存貯體中的影片。如果您只想從客戶端應用程式呼叫 Amazon Rekognition Video 操作，請使用 Amazon SQS 佇列。
重要
我們不建議您透過重複呼叫 Amazon Rekognition Video Get 操作來取得請求完成狀態。這是因為如果執行太多請求，Amazon Rekognition Video 將對 Get 操作進行節制。如果您同時處理多個影片，監控一個 SQS 佇列的完成通知將會比輪詢 Amazon Rekognition Video 以獲得個別影片的狀態更容易且有效率。
取得 Amazon Rekognition Video 分析結果
若要取得影片分析請求結果，首先請確認自 Amazon SNS 主題擷取的完成狀態為 SUCCEEDED。然後呼叫 GetLabelDetection，將傳遞自 StartLabelDetection 傳回的 JobId 值。請求 JSON 格式類似於以下範例：
{
"JobId": "270c1cc5e1d0ea2fbc59d97cb69a72a5495da75851976b14a1784ca90fc180e3",
"MaxResults": 10,
"SortBy": "TIMESTAMP"
}JobId 為用於影片分析操作的識別碼。由於影片分析可以產生大量資料，請使用 MaxResults 來指定最大數量的結果，以在單次取得操作中傳回結果。MaxResults 的預設值為 1000。如果您指定的值大於 1000，最多只能傳回 1000 個結果。如果操作不會傳回整組結果，將在操作回應中傳回下一頁的分頁符記。如果您自前一個取得請求中獲得一個分頁符記，請搭配 NextToken 一起使用以取得下一頁結果。
注意
Amazon Rekognition 會保留影片分析操作的結果 7 天。在此時間後您將無法擷取分析結果。
GetLabelDetection 操作回應 JSON 格式類似於以下範例：
{
"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
}
}
GetLabelDetection 和 GetContentModeration 操作可讓您依時間戳記或標籤名稱來排序分析結果。您也可以依影片區段或時間戳記彙總結果。
您可以透過偵測時間 (依據影片開始的毫秒計算) 來排序結果，或依照偵測的實體 (物件、臉部、名人、內容管制標籤或人物) 字母排序。若要依時間排序，將 SortBy 輸入參數值設為 TIMESTAMP。如果未指定 SortBy，預設行為是依據時間排序。前述範例是依時間排序。若要依據實體排序，使用 SortBy 輸入參數搭配適合您要執行的操作值。例如，在對 GetLabelDetection 的呼叫中依偵測的標籤排序時，需使用值 NAME。
若要依時間戳記彙總結果，請將 AggregateBy 參數值設定為 TIMESTAMPS。若要依視訊區段彙總，請將 AggregateBy 的值設定為 SEGMENTS。SEGMENTS 彙總模式將隨著時間的推移彙總標籤，同時使用 2 FPS 採樣和每幀輸出為標籤 TIMESTAMPS 提供偵測到的時間戳 (注意：此當前採樣率可能會發生變化，不應對當前採樣率進行假設)。如未指定任何值，預設為 TIMESTAMPS。
