什么是 Amazon Rekognition? - Amazon Rekognition

本文属于机器翻译版本。若本译文内容与英语原文存在差异,则一律以英文原文为准。

什么是 Amazon Rekognition?

Amazon Rekognition 是一项基于云的图像和视频分析服务,可以轻松地向应用程序添加高级计算机视觉功能。该服务由久经考验的深度学习技术提供支持,无需任何机器学习专业知识即可使用。Amazon Rekognition 包含一个 easy-to-use 简单的 API,可以快速分析存储在 Amazon S3 中的任何图像或视频文件。

您可以使用 Rekognition 的 API 添加检测对象、文本、不安全内容、分析图像/视频以及将人脸与应用程序进行比较的功能。借助 Amazon Rekognition 的人脸识别 API,您可以在各种使用案例中检测、分析和比较不同人脸,例如用户验证、编录、人员计数和公共安全等领域。

该服务基于亚马逊计算机视觉科学家开发的同样久经考验、高度可扩展的深度学习技术,该技术每天可以分析数十亿张图像和视频。Rekognition 经常从新数据中学习,并且我们经常为该服务添加新的标签和功能。

有关更多信息,请参阅 Amazon Rekognition 常见问题

关键能力

图像分析:

  • 物体、场景和概念检测-检测和分类图像中的对象、场景、概念和名人。

  • 文本检测-检测和识别各种语言图像中的印刷和手写文本。

  • 不安全内容-检测和过滤露骨的、不恰当的和暴力的内容和图片。检测精细的不安全内容标签。

  • 名人认可度-识别照片中成千上万的不同类别的名人,例如政治家、运动员、演员和音乐家。

  • 面部分析-检测、分析和比较人脸以及面部属性,例如性别、年龄和情绪。用例可能包括用户验证、编目、人数统计和公共安全。

  • 自定义标签-构建自定义分类器以检测特定于您的用例的对象,例如徽标、产品、字符。

  • 图像属性-分析图像属性,例如质量、颜色、清晰度、对比度。

视频分析:

  • 物体、场景和概念检测-检测和分类视频中的对象、场景、概念和名人。

  • 文本检测-检测和识别视频中各种语言的印刷和手写文本。

  • 人物路径-跟踪已识别的人在视频帧中移动。

  • 面部分析-检测、分析和比较直播或存储视频中的人脸。

  • 名人认可度-在存储的视频中识别成千上万的不同类别的名人,例如政治家、运动员、演员和音乐家。

  • 不安全内容检测-检测视频中的露骨内容、不当内容和暴力内容。

  • 视频分割-自动识别视频的有用片段,例如黑框和片尾字幕。

  • 面部活跃度-在人脸验证期间检测是否有真实用户在场。

用例

可搜索媒体库-Rekognition 可检测图像和视频中的标签、物体、概念和场景。您可以根据此视觉内容分析使这些标签可供搜索。对于构建可搜索的图像和视频库很有用。

基于人脸的用户身份验证-通过将图像中的人脸与参考人脸图像进行比较来确认用户身份。对于应用程序中的身份验证很有用。

人脸活体检测 ——Rekognition Face Liveness是一项完全托管的机器学习(ML)功能,旨在帮助开发人员在基于人脸的身份验证期间阻止欺诈。该功能可帮助您验证用户是否真实出现在摄像头前,并且不是仿冒用户人脸的不法分子。使用 Rekognition Face Liveness 可以帮助您检测出现在摄像头前的仿冒攻击,例如打印的照片、数码照片/视频或 3D 面具。它还有助于检测绕过摄像头的仿冒攻击,例如直接注入视频采集子系统的预先录制或深度伪造的视频。

面部搜索-使用 Rekognition,您可以搜索图像、存储的视频和流媒体视频,寻找与存储在名为人脸集合的容器中的面孔相匹配的人脸。人脸集合是您拥有和管理的人脸的索引。根据人脸搜索人物时,您需要对面孔进行索引,然后搜索面孔。

不安全内容检测-检测和过滤图像和视频中的露骨内容、不当内容和暴力内容。根据业务需求使用标签进行精细筛选。内容审核 API 还会返回所有检测到的标签(对象和概念)的分层列表以及置信度分数。这些对象/标签指示不安全内容的具体类别,允许精细筛选和管理大量用户生成的内容 (UGC)。您可以使用适配器自定义内容审核 API 的输出,从而提高图像的性能,例如您作为训练数据提供的图像。

检测个人防护设备-检测图像中的个人防护设备,以监控各行业的安全合规性。您可以通过检测不当的设备来自动标记不安全状况,并接收有关这些状况的警报,从而提高合规性和培训水平。

名人识别-识别图片和视频中不同类别的名人,例如政治家、运动员、演员和音乐家。您无需提供姓名即可识别名人外表。

文本检测-检测和提取图像中的文本,用于视觉搜索或提取元数据。这适用于不同的字体和样式。检测方向,以处理标牌和横幅上的文字。

自定义标签-识别特定于业务用例的自定义对象、概念和场景,例如徽标检测。您可以训练自定义分类器来处理利基或专有对象,与一般分类器相比,这样可以提高关键对象的准确性。有关更多信息,请参阅《Amazon Rekognition Custom Labels 开发人员指南》中的什么是 Amazon Rekognition Custom Labels?

优势

将强大的图像和视频分析功能集成到您的应用程序中-无需专业知识即可为应用程序添加准确的图像和视频分析。Amazon Rekognition API 无需任何机器学习知识即可通过深度学习进行分析。您可以将计算机视觉快速构建到 Web、移动和设备应用程序中。

基于深度学习的图像和视频分析-使用深度学习分析图像和视频,以实现高精度。亚马逊 Rekognition” 可以检测标签、物体、场景、面孔、名人。筛选结果以包含/排除特定标签。

可扩展的图像分析-分析数百万张图像以整理海量视觉数据集。可扩展以应对不断增长的图像库和流量。您无需对容量进行规划,只需为实际使用的容量付费。

根据属性分析和筛选图像-按属性(例如质量、颜色和视觉内容)分析和筛选图像,并检测图像的清晰度、亮度和对比度。

与其他 AWS 服务集成 ——亚马逊 Rekognition 开箱即用地与 S3 和 Lambda 集成。您可以从 Lambda 调用 Amazon Rekognition 的 API,无需移动数据即可在 Amazon S3 中处理图像。Rekognition 使用 IAM 具有内置的可扩展性和安全性。 AWS

低成本-P ay-as-you-go 定价,没有最低限额或承诺。免费套餐可供开始使用。通过分层定价,随着使用量的增加,节省更多。与内部解决方案相比,具有成本效益。

简单定制-使用适配器为您的用例自定义精度。提供样本图像以训练适配器。改进了给定域的物体和标签检测。无需机器学习专业知识即可轻松定制分析。

有关更多信息,请参阅 Amazon Rekognition 常见问题

Amazon Rekognition 和 HIPAA 资格

这是一项符合 HIPAA 要求的服务。有关 AWS《1996 年美国健康保险流通与责任法案》(HIPAA) 以及使用 AWS 服务处理、存储和传输受保护的健康信息 (PHI) 的更多信息,请参阅 HIPAA 概述。

您是 Amazon Rekognition 的新用户吗?

如果您是 Amazon Rekognition 的新用户,建议您按顺序阅读以下内容:

  1. Amazon Rekognition 的工作原理— 本节介绍各种亚马逊 Rekognition 组件,你可以使用这些组件来创建体验。 end-to-end

  2. Amazon Rekognition 入门 – 在本节中,您将设置账户,安装反映您所选语言的软件开发工具包,并测试 Amazon Rekognition API。有关 Amazon Rekognition 支持的编程语言列表,请参阅将 Rekognition 与 AWS SDK 配合使用

  3. 使用图像 – 本节提供了有关将 Amazon Rekognition 与存储在 Amazon S3 存储桶中的图像以及从本地文件系统加载的图像结合使用的信息。

  4. 使用存储的视频分析 – 本节提供了有关将 Amazon Rekognition 与存储在 Amazon S3 存储桶中的视频结合使用的信息。

  5. 使用流视频事件 – 本节提供了有关将 Amazon Rekognition 与流视频结合使用的信息。