Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.
Nicht-speicherbasierte und speicherbasierte API-Operationen
Amazon Rekognition bietet zwei Arten von API-Operationen. Dies sind nicht speicherbasierte Operationen, bei denen keine Informationen von Amazon Rekognition gespeichert werden, und Speicheroperationen, bei denen bestimmte Gesichtsinformationen von Amazon Rekognition gespeichert werden.
Nicht speicherbasierte Operationen
Amazon Rekognition bietet die folgenden nicht speicherbasierten API-Operationen für Bilder:
Amazon Rekognition bietet die folgenden nicht speicherbasierten API-Operationen für Videos:
Diese werden als nicht speicherbasierte API-Operationen bezeichnet, da beim Aufrufen der Operation keine erkannten Informationen zum Eingabebild in Amazon Rekognition verbleiben. Wie bei allen anderen Amazon-Rekognition-API-Operationen bleiben bei nicht speicherbasierten API-Operationen keine Eingabebild-Bytes erhalten.
Die folgenden Beispielszenarien zeigen, in welchen Fällen die Integration von nicht speicherbasierten API-Operationen in Ihrer Anwendung zum Einsatz kommen kann. Diese Szenarien gehen davon aus, dass Sie eine lokale Bilddatenbank haben.
Beispiel 1: Eine Anwendung, die Bilder in Ihrer örtlichen Bilddatenbank aufspürt, die bestimmte Labels enthalten
Zunächst erkennen Sie mithilfe der Amazon-Rekognition-DetectLabels-Operation Labels (Objekte und Konzepte) in jedem der Bilder in Ihrem Repository und erstellen einen clientseitigen Index, wie im Folgenden gezeigt:
Label ImageID tree image-1 flower image-1 mountain image-1 tulip image-2 flower image-2 apple image-3
Anschließend kann Ihre Anwendung diesen Index durchsuchen und in Ihrer örtlichen Bilddatenbank Bilder mit einem bestimmten Label suchen. Zum Beispiel können so alle Bilder angezeigt werden, die einen Baum enthalten.
Jedem Label, das Amazon Rekognition erkennt, wird ein Zuverlässigkeitswert zugeordnet. Er zeigt an, mit wie hoher Sicherheit das Eingabebild das Label enthält. Je nach Anforderungen an Ihre Anwendung in Bezug auf die Zuverlässigkeit der Erkennung können Sie diesen Zuverlässigkeitswert nutzen, um auf Wunsch die Labels clientseitig zusätzlich zu filtern. Falls Sie beispielsweise extrem präzise Labels benötigen, können Sie nur die Labels mit einem hohen Zuverlässigkeitswert (95% oder höher) filtern und wählen. Falls Ihre Anwendung keinen hohen Zuverlässigkeitswert erfordert, können Sie stattdessen auch die Labels mit einem niedrigeren Zuverlässigkeitswert (rund um 50 %) filtern.
Beispiel 2: Eine Anwendung für die Anzeige von optimierten Bildern von Gesichtern
Zuerst können Sie mithilfe der Amazon-Rekognition-DetectFaces-Operation auf jedem Bild in Ihrer örtlichen Bilddatenbank Gesichter erkennen und einen clientseitigen Index zusammenstellen. Die Operation liefert für jedes Gesicht Metadaten. Diese umfassen unter anderem einen Begrenzungsrahmen, wichtige Gesichtsmerkmale (zum Beispiel die Positionen des Mundes oder der Ohren) und Gesichtsattribute (zum Beispiel das Geschlecht). Wie im Folgenden angezeigt können Sie diese Metadaten in einem clientseitigen örtlichen Index speichern:
ImageID FaceID FaceMetaData image-1 face-1 <boundingbox>, etc. image-1 face-2 <boundingbox>, etc. image-1 face-3 <boundingbox>, etc. ...
In diesem Index ist der Primärschlüssel eine Kombination der ImageID und der FaceID.
Anschließend können Sie die Informationen im Index nutzen, um die Bilder zu optimieren, sobald die Anwendung diese in Ihrer örtlichen Bilddatenbank aufgerufen hat. Sie können beispielsweise dem Gesicht einen Begrenzungsrahmen hinzufügen oder Gesichtsmerkmale betonen.
Speicherbasierte API-Operationen
Amazon Rekognition Image unterstützt die -IndexFacesOperation, mit der Sie Gesichter in einem Bild erkennen und Informationen über Gesichtsmerkmale beibehalten können, die in einer Amazon Rekognition-Sammlung erkannt wurden. Dies ist ein Beispiel für eine speicherbasierte API-Operation, da der Dienst Informationen auf dem Server beibehält.
Amazon Rekognition Image bietet die folgenden Speicher-API-Operationen:
Amazon Rekognition Video bietet die folgenden Speicher-API-Operationen:
Zur Speicherung von Gesichtsinformationen müssen Sie zuerst eine Gesichtersammlung in einer der AWS-Regionen in Ihrem Konto erstellen. Diese Gesichtersammlung wird näher spezifiziert, sobald Sie die IndexFaces-Operation aufrufen. Nach der Erstellung einer Gesichtersammlung und der Speicherung der Gesichtsmerkmalinformationen für alle Gesichter können Sie die Sammlung nach Übereinstimmungen durchsuchen. Beispielsweise können Sie das größte Gesicht in einem Bild erkennen und nach übereinstimmenden Gesichtern in einer Sammlung suchen, indem Sie searchFacesByImage. aufrufen.
Gesichtsinformationen, die in Sammlungen durch IndexFaces gespeichert sind, sind für Amazon-Rekognition-Video-Operationen zugänglich. So können Sie beispielsweise ein Video nach Personen durchsuchen, deren Gesichter mit jenen einer bestehenden Sammlung übereinstimmen, indem Sie StartFaceSearch aufrufen.
Weitere Informationen zum Erstellen und Verwalten von Sammlungen finden Sie unter Gesichtssuche in einer Sammlung.
Anmerkung
Sammlungen speichern Gesichtsvektoren, bei denen es sich um mathematische Darstellungen von Gesichtern handelt. Sammlungen speichern keine Bilder von Gesichtern.
Beispiel 1: Eine Anwendung, die den Zugang zu einem Gebäude authentifiziert
Sie beginnen mit dem Erstellen einer Gesichtersammlung, um gespeicherte Zugangsausweisbilder mithilfe der Operation IndexFaces zu speichern. Diese extrahiert Gesichter und speichert sie als durchsuchbare Bildvektoren. Sobald dann ein Mitarbeiter das Gebäude betritt, wird ein Foto seines Gesichts gemacht und an die SearchFacesByImage-Operation übermittelt. Wenn bei der Gesichtsübereinstimmung ein ausreichend hoher Ähnlichkeitswert erzielt wird (beispielsweise 99 %), können Sie den Mitarbeiter autorisierten.
