Amazon Rekognition による「顔からの同一人物判定」をブラウザから試す #AWS

はじめに

AWS は様々な AI サービスを提供しています

そして、それらのサービスはブラウザから簡単に試せるようになっています

サービス	機能	お試し記事	Elixir 実装例
Transcribe	音声の文字起こし（音声認識）	参照	参照
Polly	文書の読み上げ（音声合成）	参照	参照
Lex	チャットボット	参照	Coming Soon...
Translate	翻訳	参照	参照
Rekognition	画像認識顔認識	参照参照	参照
Textract	画像からの表データ読込	参照	参照
Bedrock	生成AIによるチャット、画像生成	参照	参照

本記事では AWS の AI 画像処理サービス Amazon Rekognition の顔検出、顔識別をブラウザから試してみます

なお、物体検出、テキスト検出機能については以下の記事にまとめています

Amazon Rekognition とは

Amazon Rekognition　は AI モデルによって画像から物体や人物の顔を検出し、それが何であるか識別するサービスです

Amazon Rekognition の使い途（ユースケース）

Amazon Rekognition は画像に何が写っているかだけでなく、それがどこにあるのかを返してくれます

Amazon Rekognition は以下のような用途に使用可能です

監視カメラ映像からの不審人物検出
ドライブレコーダー映像からの車両検出
写真からのテキスト抽出
動画から特定人物が写った箇所だけを抽出

Amazon Rekognition の料金

AWS の料金は基本的に従量課金制です

また、リージョン（サービス提供するサーバーが存在する地域）によって料金が異なります

Amazon Rekognition を東京リージョンで使う場合、静止画からの顔登録なら $0.0013 / 枚　、顔ベクトルの保存は $0.000013 / 顔数 の料金になります

150 ¥/$ の場合、 ¥0.195 / 枚 = ¥１９５ / 千枚 、 ¥0.00195 / 顔数 となります

例えば 1 万枚の写真に写る顔 3 万個を登録した場合、 ¥1,950 + ¥58.5 = ¥2008.5 請求されます

ただし、 AWS のサービスの多くには無料利用枠が存在します

無料利用枠
AWS の無料利用枠の一環として、Amazon Rekognition Image を無料で開始していただけます。無料利用枠は 12 か月ご利用になれます。
画像分析: 無料利用枠期間中は、グループ 1 およびグループ 2 の API で、それぞれ 1 か月に 5,000 枚の画像を無料で分析することができます。 Image Properties は無料利用枠ではありません。
顔メタデータのストレージ:無料利用枠の期間中は、1 か月あたり 1,000 個の顔ベクトルオブジェクトと 1,000 個のユーザーベクトルオブジェクトを無料で保存できます。

グループ 1 は顔識別等に使う API で、グループ 2 がそれ以外です

無料利用期間中の場合、顔登録なら 5,000 枚、顔ベクトルの保存なら 1,000 個まで無料利用可能なため、本記事で実行する程度の処理であれば無料範囲内に収まります

アカウント作成

Amazon Rekognition を使うためには、 AWS のアカウント作成が必要です

以下の公式手順に従って、アカウントを作成してください

クレジットカードと電話番号が必要になります

予めご用意ください

ブラウザからの顔識別実行

Amazon Rekognition への移動

AWS のマネジメントコンソールにログインすると、以下のような画面が表示されます

この画面から最近使ったサービスなどにアクセスできるようになっています

上メニューにある検索ボックスに rek と入力してみましょう

サービスの候補として Amazon Rekognition が表示されます

Amazon Rekognition をクリックして、サービスページに移動しましょう

以下のような画面が表示されます

顔の分析

左メニューから「デモ」の「顔の分析」をクリックします

左側の画像に対して右側に検出した顔、顔の属性情報が表示されます

looks like a face = 顔らしい 99.9 %
appears to be female = 女性のようだ 99.9 %
age range 26 - 34 years old = 年齢は 26 歳から 34 歳の範囲
smiling = 微笑んでいる 62.5 %
appears to be happy = 幸せそうだ 92.1 %
wearing glasses　= メガネをかけている 100 %
wearing sunglasses = サングラスをかけている 100 %
eyes are open = 目は開いている 98.7 %
mouth is open = 口は開いている 94.8 %
does not have a mustache = 口髭はない 99.9 %
does not have a beard = 顎髭はない 89.5 %
face is occluded = 顔が隠れている 99.9 %

左側の画像を見ると、四角形で顔の位置が特定されているとともに、両目、鼻の先端、口の両端に点があり、各位置が検出されていることがわかります

右下「レスポンス」をクリックすると、以下のようなテキストが表示されます

{
    "FaceDetails": [
        {
            "BoundingBox": {
                "Width": 0.20728477835655212,
                "Height": 0.4028930068016052,
                "Left": 0.1565658152103424,
                "Top": 0.1370398998260498
            },
            "AgeRange": {
                "Low": 26,
                "High": 34
            },
            "Smile": {
                "Value": true,
                "Confidence": 62.520973205566406
            },
            "Eyeglasses": {
                "Value": true,
                "Confidence": 100
            },
            "Sunglasses": {
                "Value": true,
                "Confidence": 100
            },
            "Gender": {
                "Value": "Female",
                "Confidence": 99.9395751953125
            },
            ...
            "MouthOpen": {
                "Value": true,
                "Confidence": 94.88209533691406
            },
            "Emotions": [
                {
                    "Type": "HAPPY",
                    "Confidence": 92.1875
                },
                {
                    "Type": "CALM",
                    "Confidence": 0.7694244384765625
                },
                {
                    "Type": "CONFUSED",
                    "Confidence": 0.0025272369384765625
                },
                {
                    "Type": "SURPRISED",
                    "Confidence": 0.0012367963790893555
                },
                {
                    "Type": "DISGUSTED",
                    "Confidence": 0.00011920928955078125
                },
                {
                    "Type": "ANGRY",
                    "Confidence": 0.00005364418029785156
                },
                {
                    "Type": "FEAR",
                    "Confidence": 0
                },
                {
                    "Type": "SAD",
                    "Confidence": 0
                }
            ],
            "Landmarks": [
                {
                    "Type": "eyeLeft",
                    "X": 0.23198966681957245,
                    "Y": 0.28643640875816345
                },
                ...
                {
                    "Type": "upperJawlineRight",
                    "X": 0.34859994053840637,
                    "Y": 0.28515905141830444
                }
            ],
            "Pose": {
                "Roll": -0.9150252342224121,
                "Yaw": 17.985286712646484,
                "Pitch": 8.063772201538086
            },
            "Quality": {
                "Brightness": 70.32808685302734,
                "Sharpness": 97.45164489746094
            },
            "Confidence": 99.99929809570312,
            "FaceOccluded": {
                "Value": true,
                "Confidence": 99.9787368774414
            },
            "EyeDirection": {
                "Yaw": 27.70252227783203,
                "Pitch": -10.813572883605957,
                "Confidence": 0
            }
        }
    ]
}

画面上に表示されている各種情報が JSON という形式で表示されています

プログラムから Rekognition を使う場合、この JSON を読み込んで使うことになります

画面に出ていない情報として、 Pose や EyeDirection があり、これによって顔の向きと視線の向きが分かります
また、 Quality には Brightness = 明るさ、　Sharpness = 輪郭の鮮明さが取得されており、顔がどれくらいちゃんと写っているかを判定することが可能です

「アップロードまたはドラッグアンドドロップ」のところから、自前の画像をアップロードしてみましょう