はじめに
前回、Amazon Rekognition Custom Labelsでカスタムモデルをトレーニングするによって、
ナンバープレートを検知することができるカスタムモデルを構築できました。
このカスタムモデルのAPIを利用することで、画像ファイル内のオブジェクトを検知できます。
今回の説明の範囲は以下です。
今回は、Amazon S3に動画ファイル(.mov)がアップロードされたことをトリガーに
AWS Lambdaを実行し、その中で、動画ファイルを静止画に分解します。
分解した静止画一枚一枚に対して、顔検出、ナンバープレート検出を行います。
検出した顔・ナンバープレートの領域にモザイク処理を施します。
モザイク処理を施したすべての静止画から動画ファイル(.mp4)に再構成します。
1. Amazon S3 Put をトリガーに AWS Lambda を実行します
私は、開発エディタとして、PyCharmを使っているのですが、
AWS Toolkit for PyCharmプラグインを追加すると、
AWS CloudFormationを使って、リソースをプロビジョニングできるので便利です。
Amazon S3 バケット
AWS LambdaをトリガーするAmazon S3は以下のように定義します。
SOURCE_BUCKET_NAMEに実際のバケット名を定義します。
これにより、ファイルのsuffixとして.movを持つファイルが
S3バケットに保存されると、Lambda関数TriggerDetectがトリガーされます。
S3 Bucket templateファイル
Resources:
SrcS3Bucket:
Type: AWS::S3::Bucket
DependsOn: TriggerDetectPermission
Properties:
BucketName: SOURCE_BUCKET_NAME
NotificationConfiguration:
LambdaConfigurations:
- Event: s3:ObjectCreated:*
Filter:
S3Key:
Rules:
- Name: suffix
Value: mov
Function: !GetAtt
- TriggerDetect
- Arn
AWS Lambda 関数
Lambda関数TriggerDetectと関数で利用するリソースを定義します。
特にメモリサイズをMemorySize: 3008(MB)としているのは、
Lambda内で静止画をメモリに展開して画像処理をする必要があるので、
最大値(3008MB)にしています。
さらに、時間がかかる処理が多いため、時間をTimeout: 900(sec)と最大値にしています。
また、処理時間を短縮するために並列処理をしており、
その並列数分だけReservedConcurrentExecutions: 4を設定しています。
AWS Lambda templateファイル
Resources:
TriggerDetect:
Type: AWS::Serverless::Function
Properties:
CodeUri: faces_and_license_plates_detect/
FunctionName: trigger_detect
Handler: app.lambda_handler
MemorySize: 3008
ReservedConcurrentExecutions: 4
Role: !GetAtt TriggerDetectRole.Arn
Runtime: python3.7
Timeout: 900
Environment:
Variables:
PROJECT_VERSION_ARN: "AMAZON_RESOURCE_NAME_OF_AMAZON_REKOGNITION_CUSTOM_LABELS_THAT_YOU_BUILT"
OUTPUT_BUCKET: "OUTPUT_BUCKET_NAME"
MAX_WORKERS: 4
FACE_MIN_CONFIDENCE: 10
LICENSE_PLATE_MIN_CONFIDENCE: 75
TriggerDetectPermission:
Type: AWS::Lambda::Permission
Properties:
Action: lambda:InvokeFunction
FunctionName: !GetAtt
- TriggerDetect
- Arn
Principal: s3.amazonaws.com
SourceArn: !Join
- ""
- - "arn:aws:s3:::"
- "SOURCE_BUCKET_NAME"
template.yaml
template.yaml全体を以下に載せておきます。
template.yaml全体
AWSTemplateFormatVersion: '2010-09-09'
Transform: AWS::Serverless-2016-10-31
Description: "Test Face Detection and License Plate Detection"
Resources:
TriggerDetectRole:
Type: AWS::IAM::Role
Properties:
RoleName: trigger_detect_role
AssumeRolePolicyDocument:
Version: "2012-10-17"
Statement:
- Effect: Allow
Action: sts:AssumeRole
Principal:
Service:
- lambda.amazonaws.com
ManagedPolicyArns:
- arn:aws:iam::aws:policy/AmazonS3FullAccess
- arn:aws:iam::aws:policy/AmazonRekognitionFullAccess
- arn:aws:iam::aws:policy/CloudWatchLogsFullAccess
TriggerDetect:
Type: AWS::Serverless::Function
Properties:
CodeUri: faces_and_license_plates_detect/
FunctionName: trigger_detect
Handler: app.lambda_handler
MemorySize: 3008
ReservedConcurrentExecutions: 4
Role: !GetAtt TriggerDetectRole.Arn
Runtime: python3.7
Timeout: 900
Environment:
Variables:
PROJECT_VERSION_ARN: "AMAZON_RESOURCE_NAME_OF_AMAZON_REKOGNITION_CUSTOM_LABELS_THAT_YOU_BUILT"
OUTPUT_BUCKET: "OUTPUT_BUCKET_NAME"
MAX_WORKERS: 4
FACE_MIN_CONFIDENCE: 10
LICENSE_PLATE_MIN_CONFIDENCE: 75
TriggerDetectPermission:
Type: AWS::Lambda::Permission
Properties:
Action: lambda:InvokeFunction
FunctionName: !GetAtt
- TriggerDetect
- Arn
Principal: s3.amazonaws.com
SourceArn: !Join
- ""
- - "arn:aws:s3:::"
- "SOURCE_BUCKET_NAME"
SrcS3Bucket:
Type: AWS::S3::Bucket
DependsOn: TriggerDetectPermission
Properties:
BucketName: SOURCE_BUCKET_NAME
NotificationConfiguration:
LambdaConfigurations:
- Event: s3:ObjectCreated:*
Filter:
S3Key:
Rules:
- Name: suffix
Value: mov
Function: !GetAtt
- TriggerDetect
- Arn
DstS3Bucket:
Type: AWS::S3::Bucket
DependsOn: TriggerDetectPermission
Properties:
BucketName: OUTPUT_BUCKET_NAME
2. 動画ファイルを静止画に分解します
まずは、Lambda関数の入りの部分で、
Amazon S3に置いた動画ファイル(.mov)をAWS Lambdaにダウンロードします。
movie_path = u'/tmp/' + os.path.basename(input_key)
s3_client.download_file(Bucket=input_bucket, Key=input_key,
Filename=movie_path)
Amazon S3からダウンロードする - Python スクリプト
logger = logging.getLogger()
logger.setLevel(logging.INFO)
s3 = boto3.resource('s3')
s3_client = boto3.client('s3')
def lambda_handler(event, context):
convert_video_to_images(event)
return {
'message': 'finish'
}
def convert_video_to_images(event):
try:
input_bucket = event['Records'][0]['s3']['bucket']['name']
input_key = unquote_plus(event['Records'][0]['s3']['object']['key'],
encoding='utf-8')
logger.debug(f"input: {input_bucket}/{input_key}")
# Download the movie file which was uploaded on a triggered s3 bucket
movie_path = u'/tmp/' + os.path.basename(input_key)
s3_client.download_file(Bucket=input_bucket, Key=input_key,
Filename=movie_path)
input_filename, input_ext = os.path.splitext(input_key)
logger.debug(f"movie: {movie_path}")
multi_upload_images_and_analyze(movie_path, input_filename)
return
except Exception as e:
logger.error(e)
logger.error('convert_video_to_images error')
raise e
次にダウンロードした動画ファイル(.mov)を読み込みます。
後で必要となる高さ、幅、フレームレートを取得しておきます。
cap = cv2.VideoCapture(movie_path)
height = int(cap.get(cv2.CAP_PROP_FRAME_HEIGHT))
width = int(cap.get(cv2.CAP_PROP_FRAME_WIDTH))
fps = int(cap.get(cv2.CAP_PROP_FPS))
ret, frame = cap.read()で動画ファイルから静止画フレームを読み取り、
オブジェクト検知をするupload_images_and_analyze()に渡しています。
処理時間を短縮するために、ThreadPoolExecutor()を使い並列処理をしています。
with ThreadPoolExecutor(max_workers=max_workers) as executor:
while cap.isOpened():
for _ in range(max_workers):
ret, frame = cap.read()
executor.submit(upload_images_and_analyze,
input_filename, png_num,
frame, height, width, False)
動画ファイルを静止画に分解する - Python スクリプト
def multi_upload_images_and_analyze(movie_path, input_filename):
try:
cap = cv2.VideoCapture(movie_path)
if not cap.isOpened():
return
height = int(cap.get(cv2.CAP_PROP_FRAME_HEIGHT))
width = int(cap.get(cv2.CAP_PROP_FRAME_WIDTH))
fps = int(cap.get(cv2.CAP_PROP_FPS))
output_mp4 = f"{input_filename}.mp4"
output_path = f"/tmp/{output_mp4}"
fourcc = cv2.VideoWriter_fourcc(*'mp4v')
mp4 = cv2.VideoWriter(output_path, fourcc, fps, (width, height))
logger.info(f"start detecting all objects:{movie_path}")
with ThreadPoolExecutor(max_workers=max_workers) as executor:
finish = False
png_num = 0
while cap.isOpened():
futures = []
for _ in range(max_workers):
ret, frame = cap.read()
if not ret or frame is None:
finish = True
break
future = executor.submit(upload_images_and_analyze,
input_filename, png_num,
frame, height, width, False)
futures.append(future)
png_num += 1
write_frames(mp4, futures)
if finish:
break
logger.info(f"finished detecting all objects:{movie_path}")
mp4.release()
mosaic_key = f"{input_filename}/mosaic/{output_mp4}"
s3.Bucket(output_bucket).upload_file(Filename=output_path,
Key=mosaic_key)
logger.info(f"uploaded mosaic movie:{output_bucket}/{mosaic_key}")
cap.release()
os.remove(movie_path)
except Exception as e:
logger.error(e)
logger.error('multi_upload_images_and_analyze error')
raise e
3. 静止画に含まれるオブジェクトを検知します
最初にupload_images_and_analyze()は、静止画フレームをファイルに保存します。
保存した静止画ファイルをAmazon S3にアップロードし、
オブジェクト検知をする準備をします。
なぜなら、Amazon Rekognition で検知する対象の画像ファイルは
Amazon S3に置く必要があるためです。
def upload_images_and_analyze(name, frame_id, frame, height, width,
each_frame_upload=False):
try:
tmp_png = f"/tmp/{frame_id:0=6}.png"
cv2.imwrite(tmp_png, frame)
image_file = f"{name}/images/{frame_id:0=6}.png"
s3.Bucket(output_bucket).upload_file(Filename=tmp_png,
Key=image_file)
os.remove(tmp_png)
Amazon S3に静止画ファイルを置いたら、オブジェクト検知のための関数を呼び出します。
- 顔検知(detect_faces_and_mosaic)
- ナンバープレート検知(detect_plates_and_mosaic)
# detect faces and mosaic
frame = detect_faces_and_mosaic(output_bucket, image_file, frame,
height, width)
# detect license plates and mosaic
frame = detect_plates_and_mosaic(output_bucket, image_file, frame,
height, width)
return [frame_id, frame]
オブジェクト検知をする - Pythonスクリプト
def upload_images_and_analyze(name, frame_id, frame, height, width,
each_frame_upload=False):
try:
tmp_png = f"/tmp/{frame_id:0=6}.png"
cv2.imwrite(tmp_png, frame)
image_file = f"{name}/images/{frame_id:0=6}.png"
logger.info(f"start uploading orignal:{output_bucket}/{image_file}")
s3.Bucket(output_bucket).upload_file(Filename=tmp_png,
Key=image_file)
logger.info(f"finished uploading orignal:{output_bucket}/{image_file}")
os.remove(tmp_png)
# detect faces and mosaic
frame = detect_faces_and_mosaic(output_bucket, image_file, frame,
height, width)
# detect license plates and mosaic
frame = detect_plates_and_mosaic(output_bucket, image_file, frame,
height, width)
# upload
if each_frame_upload:
# write image to tmp directory
mosaic_png = f"/tmp/mosaic_{frame_id:0=6}.png"
cv2.imwrite(mosaic_png, frame)
mosaic_file = f"{name}/mosaic/{frame_id:0=6}.png"
logger.debug(f"upload mosaic:{output_bucket}/{mosaic_file}")
s3.Bucket(output_bucket).upload_file(Filename=mosaic_png,
Key=mosaic_file)
os.remove(mosaic_png)
logger.info(f"finished detecting objects:{output_bucket}/{image_file}")
return [frame_id, frame]
except Exception as e:
logger.error(e)
logger.error('upload_images_and_analyze error')
raise e
4. 顔検知をする
顔検知には、Amazon Rekognition ImageのDetectFacesを使います。
Amazon S3に置いた画像ファイルに対して顔検知を実施することができます。
MY_BUCKET,PATH_TO_MY_IMAGEは、
オブジェクト検知をしたい画像ファイルの置き場所に合わせて適切な値を使用してください。
aws rekognition detect-faces \
--image '{"S3Object":{"Bucket":"MY_BUCKET","Name":"PATH_TO_MY_IMAGE"}}' \
--attributes "DEFAULT" \
--region REGION
以下の左のオリジナル画像に対して、推論を実行してみます。
すると、以下のような json データを取得できます。
{
"FaceDetails": [
{
"BoundingBox": {
"Width": 0.25266027450561523,
"Height": 0.22566114366054535,
"Left": 0.36638733744621277,
"Top": 0.23561207950115204
},
# ... 省略 ...
"Confidence": 99.99996185302734
}
]
}
顔検知した領域を枠で囲ってみると良い感じに顔検知できてそうです。
これと同じことをAWS Lambdaで実装します。
def detect_faces_and_mosaic(bucket_name, png_key, frame, height, width):
try:
return_faces = rekog.detect_faces(
Image={'S3Object': {'Bucket': bucket_name, 'Name': png_key}},
Attributes=['DEFAULT'])
for face_detail in return_faces['FaceDetails']:
confidence = face_detail['Confidence']
if confidence < face_min_confidence:
continue
bbox = face_detail['BoundingBox']
bbox_height, bbox_width, bbox_top, bbox_left = \
bbox_correction(height, width,
math.ceil(height * bbox['Height']),
math.ceil(width * bbox['Width']),
math.floor(height * bbox['Top']),
math.floor(width * bbox['Left']))
frame = mosaic_area(frame,
bbox_height, bbox_width, bbox_top, bbox_left)
ここでbbox_correction()はバウンディングボックスの調整を行います。
後で説明するナンバープレートのときにも同じことが言えますが、
バウンディングボックスが画像サイズから外れる場合があるため、
バウンディングボックスが画像内におさまるように調整する必要があります。
バウンディングボックス補正 - Python スクリプト
def bbox_correction(height, width, bbox_h, bbox_w, bbox_t, bbox_l):
if bbox_h <= 0:
logger.info(f"correct bbox_height:{bbox_h} -> 1")
bbox_h = 1
if bbox_h > height:
logger.info(f"correct bbox_height:{bbox_h} -> height:{height}")
bbox_h = height
if bbox_w <= 0:
logger.info(f"correct bbox_width:{bbox_w} -> 1")
bbox_w = 1
if bbox_w > width:
logger.info(f"correct bbox_width:{bbox_w} -> width:{width}")
bbox_w = width
if bbox_t < 0:
logger.info(f"correct bbox_top:{bbox_t} -> 0")
bbox_t = 0
if bbox_t >= height:
logger.info(f"correct bbox_top:{bbox_t} -> top:{height} - 1")
bbox_t = height - 1
if bbox_l < 0:
logger.info(f"correct bbox_left:{bbox_l} -> 0")
bbox_l = 0
if bbox_l >= width:
logger.info(f"correct bbox_left:{bbox_l} -> top:{width} - 1")
bbox_l = width - 1
return bbox_h, bbox_w, bbox_t, bbox_l
最後にmosaic_area()を呼び出して、検知した領域にモザイク処理をかけます。
顔検知 - Python スクリプト
def detect_faces_and_mosaic(bucket_name, png_key, frame, height, width):
try:
return_faces = rekog.detect_faces(
Image={'S3Object': {'Bucket': bucket_name, 'Name': png_key}},
Attributes=['DEFAULT'])
logger.debug(f"detect_faces(bucket:{bucket_name},name:{png_key})")
if return_faces is None or 'FaceDetails' not in return_faces:
logger.debug(f"not return_faces or FaceDetails")
return frame
for face_detail in return_faces['FaceDetails']:
if 'Confidence' not in face_detail or \
'BoundingBox' not in face_detail:
logger.debug(f"not Confidence or BoundingBox")
continue
confidence = face_detail['Confidence']
if confidence < face_min_confidence:
continue
bbox = face_detail['BoundingBox']
bbox_height, bbox_width, bbox_top, bbox_left = \
bbox_correction(height, width,
math.ceil(height * bbox['Height']),
math.ceil(width * bbox['Width']),
math.floor(height * bbox['Top']),
math.floor(width * bbox['Left']))
logger.debug(f"detect_faces(bucket:{bucket_name}, name:{png_key}), "
f"height:{bbox_height}, width:{bbox_width}, "
f"top:{bbox_top}, left:{bbox_left}")
frame = mosaic_area(frame,
bbox_height, bbox_width, bbox_top, bbox_left)
return frame
except Exception as e:
logger.error(e)
logger.error('detect_faces_and_mosaic error')
return frame
5. ナンバープレート検知をする
ナンバープレート検知は、
Amazon Rekognition Custom Labelsでカスタムモデルをトレーニングするでやったのと同じことを
Python API(DetectCustomLabels)で実現します。
Amazon S3に置いた画像ファイルに対して顔検知を実施することができます。
MY_BUCKET,PATH_TO_MY_IMAGEは、
オブジェクト検知をしたい画像ファイルの置き場所に合わせて適切な値を使用してください。
ナンバープレート検知した結果(json)が、顔検知の結果と多少異なるより他は、
顔検知の処理とほぼ同じです。
検知した結果の中で、ナンバープレートのクラス("vehicle_registration_plate")だけを
抽出しています。
ナンバープレート検知 - Python スクリプト
def detect_plates_and_mosaic(bucket_name, png_key, frame, height, width):
try:
result = rekog.detect_custom_labels(
Image={'S3Object': {'Bucket': bucket_name, 'Name': png_key}},
MinConfidence=plate_min_confidence,
ProjectVersionArn=project_version_arn)
if result is None or "CustomLabels" not in result:
logger.debug(f"CustomLabels don't exist in {png_key}:{result}")
return frame
custom_labels = result['CustomLabels']
target_label_names = ["vehicle_registration_plate"]
plate_labels = [plate for plate in custom_labels
if plate["Name"] in target_label_names]
for plate_label in plate_labels:
if "Geometry" not in plate_label:
continue
bbox = plate_label['Geometry']['BoundingBox']
bbox_height, bbox_width, bbox_top, bbox_left = \
bbox_correction(height, width,
math.ceil(height * bbox['Height']),
math.ceil(width * bbox['Width']),
math.floor(height * bbox['Top']),
math.floor(width * bbox['Left']))
logger.debug(f"detect_custom_labels(bucket:{bucket_name}, "
f"name:{png_key}), "
f"height:{bbox_height}, width:{bbox_width}, "
f"top:{bbox_top}, left:{bbox_left}")
frame = mosaic_area(frame,
bbox_height, bbox_width, bbox_top, bbox_left)
return frame
except Exception as e:
logger.error(e)
logger.error('detect_plates_and_mosaic error')
return frame
6. モザイク処理をかける
モザイク処理は、以下の方の記事を参考にさせていただきました。
Python, OpenCVで画像にモザイク処理（全面、一部、顔など）
モザイクは、画像を一旦縮小してから拡大して元のサイズに戻すことで実現しています。
モザイク処理 - Python スクリプト
def mosaic_area(img, height, width, top, left, ratio=0.1):
try:
dst = img.copy()
dst[top:top+height, left:left+width] = \
mosaic(dst[top:top+height, left:left+width], ratio)
del img
gc.collect()
return dst
except Exception as e:
logger.error(e)
logger.error('mosaic area error')
raise e
def mosaic(img, ratio=0.1):
try:
small = cv2.resize(img, None, fx=ratio, fy=ratio)
return cv2.resize(small, img.shape[:2][::-1],
interpolation=cv2.INTER_NEAREST)
except Exception as e:
logger.error(e)
logger.error('mosaic error')
raise e
7. 静止画から動画を構成する
動画から抽出した静止画フレームに対して、個人情報領域にモザイク処理(upload_images_and_analyze)を施した後、
cv2.VideoWriter()で作成した動画ファイルに、その静止画フレームを書き込んでいきます(write_frames())。
すべての静止画フレームを書き込んだ後にmp4.release()で終了処理をしておきます。
動画ファイルが完成したら、出力用のAmazon S3バケットにアップロードします。
def multi_upload_images_and_analyze(movie_path, input_filename):
try:
cap = cv2.VideoCapture(movie_path)
output_mp4 = f"{input_filename}.mp4"
output_path = f"/tmp/{output_mp4}"
fourcc = cv2.VideoWriter_fourcc(*'mp4v')
mp4 = cv2.VideoWriter(output_path, fourcc, fps, (width, height))
with ThreadPoolExecutor(max_workers=max_workers) as executor:
while cap.isOpened():
futures = []
for _ in range(max_workers):
ret, frame = cap.read()
future = executor.submit(upload_images_and_analyze,
input_filename, png_num,
frame, height, width, False)
futures.append(future)
write_frames(mp4, futures)
mp4.release()
mosaic_key = f"{input_filename}/mosaic/{output_mp4}"
s3.Bucket(output_bucket).upload_file(Filename=output_path,
Key=mosaic_key)
cap.release()
os.remove(movie_path)
def write_frames(mp4, futures):
concurrent.futures.wait(futures, timeout=None)
frames_list = [future.result() for
future in concurrent.futures.as_completed(futures)]
frames_list.sort()
[mp4.write(frame[1]) for frame in frames_list]
del frames_list
gc.collect()
以上により、ソースS3バケットに動画ファイル(.mov)を置いて、しばらく待つと、
宛先S3バケットに顔・ナンバープレートにモザイク処理が施された動画ファイル(*.mp4)が
保存されます。
学んだこと.1: バウンディングボックスについて
理由はよくわからないのですが、検知したオブジェクトのバウンディングボックスの値は
画像領域から外れて、Leftの位置がマイナス値になるものがありました。
おそらくマイナス値だけでなく、画像の幅、高さを超えるものもあるのではないかと思いますので、
検知したバウンディングボックス値には補正が必須だと思います。
学んだこと.2: 使用メモリ量について
今回の処理では、当初、設定メモリ量を最大の3008(MB)にしていましたが、
不要なメモリを都度削除してGarbage Collector(gc.collect())を動作させると、
最大メモリ量を512(MB)に抑えることができました。
画像イメージを大量にメモリ上に展開する必要がある場合は、
最大メモリ使用量に配慮する必要があります。
学んだこと.3: 並列処理数について
今回並列処理を4としたのは、DetectCustomLabelsに一度に多くのリクエストを送ると
LimitExceededExceptionエラーが返ってくるためです(5以上にすると時々エラーになる)。
Limits in Amazon Rekognition Custom LabelsやAmazon Rekognition endpoints and quotasによると、
Create caseを使うと制限を変更できるみたいなのですが、変更対象のAPIとしてDetectCustomLabelsを
選択できないため、今はまだ制限をへ変更できないみたいです。
学んだこと.4: 元の動画ファイルとLambdaでの処理時間について
顔・ナンバープレート検知する元の動画ファイルとしては、
1080p@30fps の動画ファイルで録画時間が7-8(sec)くらいが、
AWS Lambdaの動作リミットである900(sec)にギリギリ収まると思います。
私は安全目に5(sec)程度の動画ファイル(1080p@30fps)でテストしましたが、400-480(sec)くらいでした。
もちろん解像度によっても処理時間は異なると思いますし、
フレームレートを落とせばその分だけ処理時間は確実に短くなるはずです。
また、検知するクラス数なども処理時間に影響すると思います。
学んだこと.5: モザイク処理後の動画ファイルについて
あと、注意点としては、元の映像をH.264でエンコードしていた場合でも、
AWS Lambdaで静止画フレームから動画ファイルを構成するときに、
H.264でエンコードしていないため、モザイク処理後の動画ファイル(.mp4)が
かなり大きくなります。
例えば、iPhoneXで撮影したH.264エンコードされた5(sec), 2.2MBの動画ファイル(.mov)は、
本モザイク処理をして、静止画から動画ファイル(.mp4)を作成すると12MBになりました。
AWS LambdaではなくH.264エンコードが利用できる環境で処理するのが良いように思います。
学んだこと.6: 料金について
推論のためにモデルを動作させるのに必要な料金は US$4.00/hour です。
また、5(sec)の動画ファイルにモザイク処理を施すのに必要な時間は大体7-8(min)です。
とすると、1時間の動画ファイルにモザイク処理を施すのに必要な時間は約108時間です。
つまり、1時間の動画ファイルにモザイク処理を施すのに必要な料金は、US$432 == 45,000~50,000円 ほどです。
非現実的な料金ですね。ですので、動画の中のオブジェクト検知をする場合は、
Amazon Rekognition Custom Labels以外の方法を考えた方が良さそうです。
まとめ
以上で、Amazon Rekognition で動画中の顔・ナンバープレートにモザイクをかけることができました。
学んだことでも書きましたが、やってみると動画のオブジェクト検知には、
AWS Lambda, Amazon Rekognition Custom Labelsはあまり適していないと感じました。
AWSのAIサービスは、とても使いやすくて簡単にやりたいことが実現できると思います。
ただし、少し凝ったことがしたいと思ったときには、MLサービスなどを検討する必要があるのかも。
例えば、GPU付きのAmazon EC2でH.264エンコード、推論処理をして、
Amazon SageMakerでモデルのトレーニングをするということが考えられます。
奥が深いですね。楽しくなってきました。
以上です。ありがとうございました。
最後に実装したLambda関数を載せておきます。
AWS Lambda Function - Python スクリプト
import os
import gc
import math
import concurrent.futures
from concurrent.futures import ThreadPoolExecutor
import cv2
import boto3
import logging
from urllib.parse import unquote_plus
logger = logging.getLogger()
logger.setLevel(logging.INFO)
s3 = boto3.resource('s3')
s3_client = boto3.client('s3')
rekog = boto3.client('rekognition')
output_bucket = os.environ['OUTPUT_BUCKET']
project_version_arn = os.environ['PROJECT_VERSION_ARN']
max_workers = int(os.environ['MAX_WORKERS'])
face_min_confidence = int(os.environ['FACE_MIN_CONFIDENCE'])
plate_min_confidence = int(os.environ['LICENSE_PLATE_MIN_CONFIDENCE'])
def lambda_handler(event, context):
logger.debug("Log group name:", context.log_group_name)
logger.debug("Request ID:", context.aws_request_id)
logger.debug("Mem. limits(MB):", context.memory_limit_in_mb)
logger.info(f"MAX_WORKERS: {max_workers}")
logger.info(f"FACE_MIN_CONFIDENCE: {face_min_confidence}")
logger.info(f"LICENSE_PLATE_MIN_CONFIDENCE: {plate_min_confidence}")
convert_video_to_images(event)
return {
'message': 'finish rekognition'
}
def convert_video_to_images(event):
try:
input_bucket = event['Records'][0]['s3']['bucket']['name']
input_key = unquote_plus(event['Records'][0]['s3']['object']['key'],
encoding='utf-8')
logger.debug(f"input: {input_bucket}/{input_key}")
# Download the movie file which was uploaded on a triggered s3 bucket
movie_path = u'/tmp/' + os.path.basename(input_key)
s3_client.download_file(Bucket=input_bucket, Key=input_key,
Filename=movie_path)
input_filename, input_ext = os.path.splitext(input_key)
logger.debug(f"movie: {movie_path}")
multi_upload_images_and_analyze(movie_path, input_filename)
return
except Exception as e:
logger.error(e)
logger.error('convert_video_to_images error')
raise e
def write_frames(mp4, futures):
concurrent.futures.wait(futures, timeout=None)
frames_list = [future.result() for
future in concurrent.futures.as_completed(futures)]
frames_list.sort()
[mp4.write(frame[1]) for frame in frames_list]
del frames_list
gc.collect()
def multi_upload_images_and_analyze(movie_path, input_filename):
try:
cap = cv2.VideoCapture(movie_path)
if not cap.isOpened():
return
height = int(cap.get(cv2.CAP_PROP_FRAME_HEIGHT))
width = int(cap.get(cv2.CAP_PROP_FRAME_WIDTH))
fps = int(cap.get(cv2.CAP_PROP_FPS))
output_mp4 = f"{input_filename}.mp4"
output_path = f"/tmp/{output_mp4}"
fourcc = cv2.VideoWriter_fourcc(*'mp4v')
mp4 = cv2.VideoWriter(output_path, fourcc, fps, (width, height))
logger.info(f"start detecting all objects:{movie_path}")
with ThreadPoolExecutor(max_workers=max_workers) as executor:
finish = False
png_num = 0
while cap.isOpened():
futures = []
for _ in range(max_workers):
ret, frame = cap.read()
if not ret or frame is None:
finish = True
break
future = executor.submit(upload_images_and_analyze,
input_filename, png_num,
frame, height, width, False)
futures.append(future)
png_num += 1
write_frames(mp4, futures)
if finish:
break
logger.info(f"finished detecting all objects:{movie_path}")
mp4.release()
mosaic_key = f"{input_filename}/mosaic/{output_mp4}"
s3.Bucket(output_bucket).upload_file(Filename=output_path,
Key=mosaic_key)
logger.info(f"uploaded mosaic movie:{output_bucket}/{mosaic_key}")
cap.release()
os.remove(movie_path)
except Exception as e:
logger.error(e)
logger.error('multi_upload_images_and_analyze error')
raise e
def upload_images_and_analyze(name, frame_id, frame, height, width,
each_frame_upload=False):
try:
tmp_png = f"/tmp/{frame_id:0=6}.png"
cv2.imwrite(tmp_png, frame)
image_file = f"{name}/images/{frame_id:0=6}.png"
logger.info(f"start uploading orignal:{output_bucket}/{image_file}")
s3.Bucket(output_bucket).upload_file(Filename=tmp_png,
Key=image_file)
logger.info(f"finished uploading orignal:{output_bucket}/{image_file}")
os.remove(tmp_png)
# detect faces and mosaic
frame = detect_faces_and_mosaic(output_bucket, image_file, frame,
height, width)
# detect license plates and mosaic
frame = detect_plates_and_mosaic(output_bucket, image_file, frame,
height, width)
# upload
if each_frame_upload:
# write image to tmp directory
mosaic_png = f"/tmp/mosaic_{frame_id:0=6}.png"
cv2.imwrite(mosaic_png, frame)
mosaic_file = f"{name}/mosaic/{frame_id:0=6}.png"
logger.debug(f"upload mosaic:{output_bucket}/{mosaic_file}")
s3.Bucket(output_bucket).upload_file(Filename=mosaic_png,
Key=mosaic_file)
os.remove(mosaic_png)
logger.info(f"finished detecting objects:{output_bucket}/{image_file}")
return [frame_id, frame]
except Exception as e:
logger.error(e)
logger.error('upload_images_and_analyze error')
raise e
def detect_faces_and_mosaic(bucket_name, png_key, frame, height, width):
try:
return_faces = rekog.detect_faces(
Image={'S3Object': {'Bucket': bucket_name, 'Name': png_key}},
Attributes=['DEFAULT'])
logger.debug(f"detect_faces(bucket:{bucket_name},name:{png_key})")
if return_faces is None or 'FaceDetails' not in return_faces:
logger.debug(f"not return_faces or FaceDetails")
return frame
for face_detail in return_faces['FaceDetails']:
if 'Confidence' not in face_detail or \
'BoundingBox' not in face_detail:
logger.debug(f"not Confidence or BoundingBox")
continue
confidence = face_detail['Confidence']
if confidence < face_min_confidence:
continue
bbox = face_detail['BoundingBox']
bbox_height, bbox_width, bbox_top, bbox_left = \
bbox_correction(height, width,
math.ceil(height * bbox['Height']),
math.ceil(width * bbox['Width']),
math.floor(height * bbox['Top']),
math.floor(width * bbox['Left']))
logger.debug(f"detect_faces(bucket:{bucket_name}, name:{png_key}), "
f"height:{bbox_height}, width:{bbox_width}, "
f"top:{bbox_top}, left:{bbox_left}")
frame = mosaic_area(frame,
bbox_height, bbox_width, bbox_top, bbox_left)
return frame
except Exception as e:
logger.error(e)
logger.error('detect_faces_and_mosaic error')
return frame
def detect_plates_and_mosaic(bucket_name, png_key, frame, height, width):
try:
result = rekog.detect_custom_labels(
Image={'S3Object': {'Bucket': bucket_name, 'Name': png_key}},
MinConfidence=plate_min_confidence,
ProjectVersionArn=project_version_arn)
if result is None or "CustomLabels" not in result:
logger.debug(f"CustomLabels don't exist in {png_key}:{result}")
return frame
custom_labels = result['CustomLabels']
target_label_names = ["vehicle_registration_plate"]
plate_labels = [plate for plate in custom_labels
if plate["Name"] in target_label_names]
for plate_label in plate_labels:
if "Geometry" not in plate_label:
continue
bbox = plate_label['Geometry']['BoundingBox']
bbox_height, bbox_width, bbox_top, bbox_left = \
bbox_correction(height, width,
math.ceil(height * bbox['Height']),
math.ceil(width * bbox['Width']),
math.floor(height * bbox['Top']),
math.floor(width * bbox['Left']))
logger.debug(f"detect_custom_labels(bucket:{bucket_name}, "
f"name:{png_key}), "
f"height:{bbox_height}, width:{bbox_width}, "
f"top:{bbox_top}, left:{bbox_left}")
frame = mosaic_area(frame,
bbox_height, bbox_width, bbox_top, bbox_left)
return frame
except Exception as e:
logger.error(e)
logger.error('detect_plates_and_mosaic error')
return frame
def mosaic_area(img, height, width, top, left, ratio=0.1):
try:
dst = img.copy()
dst[top:top+height, left:left+width] = \
mosaic(dst[top:top+height, left:left+width], ratio)
del img
gc.collect()
return dst
except Exception as e:
logger.error(e)
logger.error('mosaic area error')
raise e
def mosaic(img, ratio=0.1):
try:
small = cv2.resize(img, None, fx=ratio, fy=ratio)
return cv2.resize(small, img.shape[:2][::-1],
interpolation=cv2.INTER_NEAREST)
except Exception as e:
logger.error(e)
logger.error('mosaic error')
raise e
def bbox_correction(height, width, bbox_h, bbox_w, bbox_t, bbox_l):
if bbox_h <= 0:
logger.info(f"correct bbox_height:{bbox_h} -> 1")
bbox_h = 1
if bbox_h > height:
logger.info(f"correct bbox_height:{bbox_h} -> height:{height}")
bbox_h = height
if bbox_w <= 0:
logger.info(f"correct bbox_width:{bbox_w} -> 1")
bbox_w = 1
if bbox_w > width:
logger.info(f"correct bbox_width:{bbox_w} -> width:{width}")
bbox_w = width
if bbox_t < 0:
logger.info(f"correct bbox_top:{bbox_t} -> 0")
bbox_t = 0
if bbox_t >= height:
logger.info(f"correct bbox_top:{bbox_t} -> top:{height} - 1")
bbox_t = height - 1
if bbox_l < 0:
logger.info(f"correct bbox_left:{bbox_l} -> 0")
bbox_l = 0
if bbox_l >= width:
logger.info(f"correct bbox_left:{bbox_l} -> top:{width} - 1")
bbox_l = width - 1
return bbox_h, bbox_w, bbox_t, bbox_l