人物路徑

焦點模式

人物路徑 - Amazon Rekognition

注意

支援終止通知：AWS 將於 2025 年 10 月 31 日停止支援 Amazon Rekognition People Pathing。2025 年 10 月 31 日之後，您將無法再使用 Rekognition 人員路徑功能。如需詳細資訊，請造訪此部落格文章。

Amazon Rekognition Video 能建立人物在影片中的路徑資訊，例如：

偵測到路徑時，該人物出現在影片影格中的位置。
偵測到的臉部特徵點，例如左眼的位置。

已儲存影片中的 Amazon Rekognition Video 人物路徑是一種非同步操作。要啟動人們在影片的路徑呼叫 StartPersonTracking. Amazon Rekognition Video 向 Amazon Simple Notification Service 主題發佈影片的完成狀態。如果影片分析成功，您可以呼叫 GetPersonTracking 以取得影片分析的結果。如需呼叫 Amazon Rekognition Video API 操作的詳細資訊，請參閱呼叫 Amazon Rekognition Video 操作。

下列程序說明如何在儲存於 Amazon S3 儲存貯體的影片中追蹤人物路徑。此範例會展開使用 Java 或 Python (SDK) 分析儲存於 Amazon S3 儲存貯體中的影片中的程式碼，這會使用 Amazon Simple Queue Service 佇列來取得影片分析要求的完成狀態。

若要偵測存放在 Amazon S3 儲存貯體 (SDK) 之影片中的人物

執行使用 Java 或 Python (SDK) 分析儲存於 Amazon S3 儲存貯體中的影片。

將下列程式碼新增至您在步驟 1 中建立的類別 VideoDetect。

Java


       //Copyright 2018 Amazon.com, Inc. or its affiliates. All Rights Reserved.
       //PDX-License-Identifier: MIT-0 (For details, see https://github.com/awsdocs/amazon-rekognition-developer-guide/blob/master/LICENSE-SAMPLECODE.)

        //Persons========================================================================
        private static void StartPersonDetection(String bucket, String video) throws Exception{
            
            
            NotificationChannel channel= new NotificationChannel()
                    .withSNSTopicArn(snsTopicArn)
                    .withRoleArn(roleArn);
            
         StartPersonTrackingRequest req = new StartPersonTrackingRequest()
                 .withVideo(new Video()
                         .withS3Object(new S3Object()
                             .withBucket(bucket)
                             .withName(video)))
                 .withNotificationChannel(channel);
                                
             
            
         StartPersonTrackingResult startPersonDetectionResult = rek.startPersonTracking(req);
         startJobId=startPersonDetectionResult.getJobId();
            
        } 
        
        private static void GetPersonDetectionResults() throws Exception{
            int maxResults=10;
            String paginationToken=null;
            GetPersonTrackingResult personTrackingResult=null;
            
            do{
                if (personTrackingResult !=null){
                    paginationToken = personTrackingResult.getNextToken();
                }
                
                personTrackingResult = rek.getPersonTracking(new GetPersonTrackingRequest()
                     .withJobId(startJobId)
                     .withNextToken(paginationToken)
                     .withSortBy(PersonTrackingSortBy.TIMESTAMP)
                     .withMaxResults(maxResults));
          
                VideoMetadata videoMetaData=personTrackingResult.getVideoMetadata();
                    
                System.out.println("Format: " + videoMetaData.getFormat());
                System.out.println("Codec: " + videoMetaData.getCodec());
                System.out.println("Duration: " + videoMetaData.getDurationMillis());
                System.out.println("FrameRate: " + videoMetaData.getFrameRate());
                    
                    
                //Show persons, confidence and detection times
                List<PersonDetection> detectedPersons= personTrackingResult.getPersons();
             
                for (PersonDetection detectedPerson: detectedPersons) { 
                    
                   long seconds=detectedPerson.getTimestamp()/1000;
                   System.out.print("Sec: " + Long.toString(seconds) + " ");
                   System.out.println("Person Identifier: "  + detectedPerson.getPerson().getIndex());
                      System.out.println();             
                }
            }  while (personTrackingResult !=null && personTrackingResult.getNextToken() != null);
            
        }

在函數 main 中，將下行:


        StartLabelDetection(amzn-s3-demo-bucket, video);

        if (GetSQSMessageSuccess()==true)
        	GetLabelDetectionResults();

取代為：


        StartPersonDetection(amzn-s3-demo-bucket, video);

        if (GetSQSMessageSuccess()==true)
        	GetPersonDetectionResults();

Java V2

此程式碼取自 AWS 文件開發套件範例 GitHub 儲存庫。請參閱此處的完整範例。


import software.amazon.awssdk.regions.Region;
import software.amazon.awssdk.services.rekognition.RekognitionClient;
import software.amazon.awssdk.services.rekognition.model.S3Object;
import software.amazon.awssdk.services.rekognition.model.NotificationChannel;
import software.amazon.awssdk.services.rekognition.model.StartPersonTrackingRequest;
import software.amazon.awssdk.services.rekognition.model.Video;
import software.amazon.awssdk.services.rekognition.model.StartPersonTrackingResponse;
import software.amazon.awssdk.services.rekognition.model.RekognitionException;
import software.amazon.awssdk.services.rekognition.model.GetPersonTrackingResponse;
import software.amazon.awssdk.services.rekognition.model.GetPersonTrackingRequest;
import software.amazon.awssdk.services.rekognition.model.VideoMetadata;
import software.amazon.awssdk.services.rekognition.model.PersonDetection;
import java.util.List;

/**
 * Before running this Java V2 code example, set up your development
 * environment, including your credentials.
 *
 * For more information, see the following documentation topic:
 *
 * https://docs.aws.amazon.com/sdk-for-java/latest/developer-guide/get-started.html
 */
public class VideoPersonDetection {
    private static String startJobId = "";

    public static void main(String[] args) {

        final String usage = """

                Usage:    <bucket> <video> <topicArn> <roleArn>

                Where:
                   bucket - The name of the bucket in which the video is located (for example, (for example, myBucket).\s
                   video - The name of video (for example, people.mp4).\s
                   topicArn - The ARN of the Amazon Simple Notification Service (Amazon SNS) topic.\s
                   roleArn - The ARN of the AWS Identity and Access Management (IAM) role to use.\s
                """;

        if (args.length != 4) {
            System.out.println(usage);
            System.exit(1);
        }

        String bucket = args[0];
        String video = args[1];
        String topicArn = args[2];
        String roleArn = args[3];
        Region region = Region.US_EAST_1;
        RekognitionClient rekClient = RekognitionClient.builder()
                .region(region)
                .build();

        NotificationChannel channel = NotificationChannel.builder()
                .snsTopicArn(topicArn)
                .roleArn(roleArn)
                .build();

        startPersonLabels(rekClient, channel, bucket, video);
        getPersonDetectionResults(rekClient);
        System.out.println("This example is done!");
        rekClient.close();
    }

    public static void startPersonLabels(RekognitionClient rekClient,
            NotificationChannel channel,
            String bucket,
            String video) {
        try {
            S3Object s3Obj = S3Object.builder()
                    .bucket(bucket)
                    .name(video)
                    .build();

            Video vidOb = Video.builder()
                    .s3Object(s3Obj)
                    .build();

            StartPersonTrackingRequest personTrackingRequest = StartPersonTrackingRequest.builder()
                    .jobTag("DetectingLabels")
                    .video(vidOb)
                    .notificationChannel(channel)
                    .build();

            StartPersonTrackingResponse labelDetectionResponse = rekClient.startPersonTracking(personTrackingRequest);
            startJobId = labelDetectionResponse.jobId();

        } catch (RekognitionException e) {
            System.out.println(e.getMessage());
            System.exit(1);
        }
    }

    public static void getPersonDetectionResults(RekognitionClient rekClient) {
        try {
            String paginationToken = null;
            GetPersonTrackingResponse personTrackingResult = null;
            boolean finished = false;
            String status;
            int yy = 0;

            do {
                if (personTrackingResult != null)
                    paginationToken = personTrackingResult.nextToken();

                GetPersonTrackingRequest recognitionRequest = GetPersonTrackingRequest.builder()
                        .jobId(startJobId)
                        .nextToken(paginationToken)
                        .maxResults(10)
                        .build();

                // Wait until the job succeeds
                while (!finished) {

                    personTrackingResult = rekClient.getPersonTracking(recognitionRequest);
                    status = personTrackingResult.jobStatusAsString();

                    if (status.compareTo("SUCCEEDED") == 0)
                        finished = true;
                    else {
                        System.out.println(yy + " status is: " + status);
                        Thread.sleep(1000);
                    }
                    yy++;
                }

                finished = false;

                // Proceed when the job is done - otherwise VideoMetadata is null.
                VideoMetadata videoMetaData = personTrackingResult.videoMetadata();

                System.out.println("Format: " + videoMetaData.format());
                System.out.println("Codec: " + videoMetaData.codec());
                System.out.println("Duration: " + videoMetaData.durationMillis());
                System.out.println("FrameRate: " + videoMetaData.frameRate());
                System.out.println("Job");

                List<PersonDetection> detectedPersons = personTrackingResult.persons();
                for (PersonDetection detectedPerson : detectedPersons) {
                    long seconds = detectedPerson.timestamp() / 1000;
                    System.out.print("Sec: " + seconds + " ");
                    System.out.println("Person Identifier: " + detectedPerson.person().index());
                    System.out.println();
                }

            } while (personTrackingResult != null && personTrackingResult.nextToken() != null);

        } catch (RekognitionException | InterruptedException e) {
            System.out.println(e.getMessage());
            System.exit(1);
        }
    }
}

Python


#Copyright 2018 Amazon.com, Inc. or its affiliates. All Rights Reserved.
#PDX-License-Identifier: MIT-0 (For details, see https://github.com/awsdocs/amazon-rekognition-developer-guide/blob/master/LICENSE-SAMPLECODE.)

    # ============== People pathing ===============  
    def StartPersonPathing(self):
        response=self.rek.start_person_tracking(Video={'S3Object': {'Bucket': self.bucket, 'Name': self.video}},
            NotificationChannel={'RoleArn': self.roleArn, 'SNSTopicArn': self.snsTopicArn})

        self.startJobId=response['JobId']
        print('Start Job Id: ' + self.startJobId)
    
    def GetPersonPathingResults(self):
        maxResults = 10
        paginationToken = ''
        finished = False

        while finished == False:
            response = self.rek.get_person_tracking(JobId=self.startJobId,
                                            MaxResults=maxResults,
                                            NextToken=paginationToken)

            print('Codec: ' + response['VideoMetadata']['Codec'])
            print('Duration: ' + str(response['VideoMetadata']['DurationMillis']))
            print('Format: ' + response['VideoMetadata']['Format'])
            print('Frame rate: ' + str(response['VideoMetadata']['FrameRate']))
            print()

            for personDetection in response['Persons']:
                print('Index: ' + str(personDetection['Person']['Index']))
                print('Timestamp: ' + str(personDetection['Timestamp']))
                print()

            if 'NextToken' in response:
                paginationToken = response['NextToken']
            else:
                finished = True

在函數 main 中，將下行:


    analyzer.StartLabelDetection()
    if analyzer.GetSQSMessageSuccess()==True:
        analyzer.GetLabelDetectionResults()

取代為：


    analyzer.StartPersonPathing()
    if analyzer.GetSQSMessageSuccess()==True:
        analyzer.GetPersonPathingResults()

CLI

執行下列 AWS CLI 命令來啟動影片中的人員路徑。


aws rekognition start-person-tracking --video "{"S3Object":{"Bucket":"amzn-s3-demo-bucket","Name":"video-name"}}" \ 
--notification-channel "{"SNSTopicArn":"topic-ARN","RoleArn":"role-ARN"}" \
--region region-name --profile profile-name

更新下列的值：

將 amzn-s3-demo-bucket 與 video-name 變更為您在步驟 2 中指定的 Amazon S3 儲存貯體與文檔名稱。
將 region-name 變更為您正在使用的 AWS 區域。
將建立 Rekognition 工作階段的行中 profile-name 值取代為您開發人員設定檔的名稱。
將 topic-ARN 變更為您在設定 Amazon Rekognition Video 步驟 3 建立的 Amazon SNS 主題 ARN。
將 role-ARN 變更為您在步驟 7 建立的設定 Amazon Rekognition Video IAM 服務角色的 ARN。

如果您在 Windows 裝置上存取 CLI，請使用雙引號而非單引號，並以反斜線 (即\) 替代內部雙引號，以解決您可能遇到的任何剖析器錯誤。如需範例，請參閱下列內容：


aws rekognition start-person-tracking --video "{\"S3Object\":{\"Bucket\":\"amzn-s3-demo-bucket\",\"Name\":\"video-name\"}}" 
--notification-channel "{\"SNSTopicArn\":\"topic-ARN\",\"RoleArn\":\"role-ARN\"}" \
--region region-name --profile profile-name

執行正在進行的程式碼範例之後，複製傳回的程式碼 jobID，並將其提供給下列 GetPersonTracking 命令，以 job-id-number 取代您之前收到的 jobID 結果：



aws rekognition get-person-tracking --job-id job-id-number

anchor anchor anchor anchor


       //Copyright 2018 Amazon.com, Inc. or its affiliates. All Rights Reserved.
       //PDX-License-Identifier: MIT-0 (For details, see https://github.com/awsdocs/amazon-rekognition-developer-guide/blob/master/LICENSE-SAMPLECODE.)

        //Persons========================================================================
        private static void StartPersonDetection(String bucket, String video) throws Exception{
            
            
            NotificationChannel channel= new NotificationChannel()
                    .withSNSTopicArn(snsTopicArn)
                    .withRoleArn(roleArn);
            
         StartPersonTrackingRequest req = new StartPersonTrackingRequest()
                 .withVideo(new Video()
                         .withS3Object(new S3Object()
                             .withBucket(bucket)
                             .withName(video)))
                 .withNotificationChannel(channel);
                                
             
            
         StartPersonTrackingResult startPersonDetectionResult = rek.startPersonTracking(req);
         startJobId=startPersonDetectionResult.getJobId();
            
        } 
        
        private static void GetPersonDetectionResults() throws Exception{
            int maxResults=10;
            String paginationToken=null;
            GetPersonTrackingResult personTrackingResult=null;
            
            do{
                if (personTrackingResult !=null){
                    paginationToken = personTrackingResult.getNextToken();
                }
                
                personTrackingResult = rek.getPersonTracking(new GetPersonTrackingRequest()
                     .withJobId(startJobId)
                     .withNextToken(paginationToken)
                     .withSortBy(PersonTrackingSortBy.TIMESTAMP)
                     .withMaxResults(maxResults));
          
                VideoMetadata videoMetaData=personTrackingResult.getVideoMetadata();
                    
                System.out.println("Format: " + videoMetaData.getFormat());
                System.out.println("Codec: " + videoMetaData.getCodec());
                System.out.println("Duration: " + videoMetaData.getDurationMillis());
                System.out.println("FrameRate: " + videoMetaData.getFrameRate());
                    
                    
                //Show persons, confidence and detection times
                List<PersonDetection> detectedPersons= personTrackingResult.getPersons();
             
                for (PersonDetection detectedPerson: detectedPersons) { 
                    
                   long seconds=detectedPerson.getTimestamp()/1000;
                   System.out.print("Sec: " + Long.toString(seconds) + " ");
                   System.out.println("Person Identifier: "  + detectedPerson.getPerson().getIndex());
                      System.out.println();             
                }
            }  while (personTrackingResult !=null && personTrackingResult.getNextToken() != null);
            
        }

在函數 main 中，將下行:


        StartLabelDetection(amzn-s3-demo-bucket, video);

        if (GetSQSMessageSuccess()==true)
        	GetLabelDetectionResults();

取代為：


        StartPersonDetection(amzn-s3-demo-bucket, video);

        if (GetSQSMessageSuccess()==true)
        	GetPersonDetectionResults();

注意

如果您已執行使用 Java 或 Python (SDK) 分析儲存於 Amazon S3 儲存貯體中的影片以外的影片範例，要取代的程式碼可能會不同。

執行程式碼。將顯示追蹤到的人物之專有識別碼，同時以秒為單位顯示人物路徑被追蹤到的時間。

GetPersonTracking 操作回應

GetPersonTracking 傳回 Persons 物件的 PersonDetection 陣列，其中包含影片中追蹤到的人物詳細資訊，以及追蹤到其路徑的時間。

您可以使用 SortBy 輸入參數對 Persons 排序。追蹤到影片中的人物路徑時，指定 TIMESTAMP 對元素排序。指定 INDEX 來排序影片中追蹤到的人物。在每個人物的結果組合中，依據追蹤路徑精確度的可信度遞減排序元素。在預設情況下，將根據 Persons 的排序傳回 TIMESTAMP。以下是來自 GetPersonDetection 的 JSON 回應範例。結果會依據人物路徑從影片開始後在影片中被追蹤到的時間排序，以毫秒為單位。在回應中，請注意下列事項：

人物資訊：PersonDetection 陣列元素包含有關偵測到的人物之資訊。例如，該人物被偵測到的時間 (Timestamp)、該人物被偵測到時所在的影片影格位置 (BoundingBox)、以及 Amazon Rekognition Video 對於正確偵測該人物的可信度 (Confidence)。

不會在每次追蹤到人物路徑的時間戳記時傳回臉部特徵。此外在部分情況下，被追蹤到的人物身體可能無法顯示，因此只會傳回他們的臉部位置。
分頁資訊：範例顯示人物偵測資訊的一頁。您可以在 GetPersonTracking 的 MaxResults 輸入參數中指定要傳回的人物元素數目。如果結果數目超過 MaxResults，GetPersonTracking 會傳回用來取得下一頁結果的字符 (NextToken)。如需詳細資訊，請參閱取得 Amazon Rekognition Video 分析結果。
索引：在影片中識別人物的專有識別碼。
影片資訊 - 回應包含 VideoMetadata 所傳回之每頁資訊中影片格式 (GetPersonDetection) 的相關資訊。


{
    "JobStatus": "SUCCEEDED",
    "NextToken": "AcDymG0fSSoaI6+BBYpka5wVlqttysSPP8VvWcujMDluj1QpFo/vf+mrMoqBGk8eUEiFlllR6g==",
    "Persons": [
        {
            "Person": {
                "BoundingBox": {
                    "Height": 0.8787037134170532,
                    "Left": 0.00572916679084301,
                    "Top": 0.12129629403352737,
                    "Width": 0.21666666865348816
                },
                "Face": {
                    "BoundingBox": {
                        "Height": 0.20000000298023224,
                        "Left": 0.029999999329447746,
                        "Top": 0.2199999988079071,
                        "Width": 0.11249999701976776
                    },
                    "Confidence": 99.85971069335938,
                    "Landmarks": [
                        {
                            "Type": "eyeLeft",
                            "X": 0.06842322647571564,
                            "Y": 0.3010137975215912
                        },
                        {
                            "Type": "eyeRight",
                            "X": 0.10543643683195114,
                            "Y": 0.29697132110595703
                        },
                        {
                            "Type": "nose",
                            "X": 0.09569807350635529,
                            "Y": 0.33701086044311523
                        },
                        {
                            "Type": "mouthLeft",
                            "X": 0.0732642263174057,
                            "Y": 0.3757539987564087
                        },
                        {
                            "Type": "mouthRight",
                            "X": 0.10589495301246643,
                            "Y": 0.3722417950630188
                        }
                    ],
                    "Pose": {
                        "Pitch": -0.5589138865470886,
                        "Roll": -5.1093974113464355,
                        "Yaw": 18.69594955444336
                    },
                    "Quality": {
                        "Brightness": 43.052337646484375,
                        "Sharpness": 99.68138885498047
                    }
                },
                "Index": 0
            },
            "Timestamp": 0
        },
        {
            "Person": {
                "BoundingBox": {
                    "Height": 0.9074074029922485,
                    "Left": 0.24791666865348816,
                    "Top": 0.09259258955717087,
                    "Width": 0.375
                },
                "Face": {
                    "BoundingBox": {
                        "Height": 0.23000000417232513,
                        "Left": 0.42500001192092896,
                        "Top": 0.16333332657814026,
                        "Width": 0.12937499582767487
                    },
                    "Confidence": 99.97504425048828,
                    "Landmarks": [
                        {
                            "Type": "eyeLeft",
                            "X": 0.46415066719055176,
                            "Y": 0.2572723925113678
                        },
                        {
                            "Type": "eyeRight",
                            "X": 0.5068183541297913,
                            "Y": 0.23705792427062988
                        },
                        {
                            "Type": "nose",
                            "X": 0.49765899777412415,
                            "Y": 0.28383663296699524
                        },
                        {
                            "Type": "mouthLeft",
                            "X": 0.487221896648407,
                            "Y": 0.3452930748462677
                        },
                        {
                            "Type": "mouthRight",
                            "X": 0.5142884850502014,
                            "Y": 0.33167609572410583
                        }
                    ],
                    "Pose": {
                        "Pitch": 15.966927528381348,
                        "Roll": -15.547388076782227,
                        "Yaw": 11.34195613861084
                    },
                    "Quality": {
                        "Brightness": 44.80223083496094,
                        "Sharpness": 99.95819854736328
                    }
                },
                "Index": 1
            },
            "Timestamp": 0
        }.....

    ],
    "VideoMetadata": {
        "Codec": "h264",
        "DurationMillis": 67301,
        "FileExtension": "mp4",
        "Format": "QuickTime / MOV",
        "FrameHeight": 1080,
        "FrameRate": 29.970029830932617,
        "FrameWidth": 1920
    }
}

您的瀏覽器已停用或無法使用 Javascript。

您必須啟用 Javascript，才能使用 AWS 文件。請參閱您的瀏覽器說明頁以取得說明。

文件慣用形式

串流影片故障診斷

偵測個人防護裝備

在本頁面

選取您的 Cookie 偏好設定

自訂 Cookie 偏好設定

必要

效能

功能

廣告

無法儲存 Cookie 偏好設定

人物路徑

注意

若要偵測存放在 Amazon S3 儲存貯體 (SDK) 之影片中的人物

注意

GetPersonTracking 操作回應

在本頁面

此頁面是否有幫助？

下一個主題：

上一個主題：

需要協助？