是否可以使用 Google 的 Vision API 或 Amazon 的 Rekognition 来获取对象的数量？
Posted
技术标签:
【中文标题】是否可以使用 Google 的 Vision API 或 Amazon 的 Rekognition 来获取对象的数量？【英文标题】：Is it possible to get the count of objects using Google's Vision API or Amazon's Rekognition? 【发布时间】：2018-11-21 17:38:48 【问题描述】：我一直在探索使用 AWS Rekognition 和 Google 的 Vision 来获取图像/视频中的对象数量，但一直未能找到出路。尽管在Google's Vision 站点，他们确实有一个“从图像中洞察”部分，显然该数量似乎已被捕获。
附件是来自该 URL 的快照。
有人可以建议是否可以使用 Google 的 Vision 或任何其他 API 来帮助获取图像中的对象数量。谢谢
编辑：
例如 - 对于下面显示的图像，返回的计数应为 10 辆汽车。正如 Torry Yang 在他的回答中所建议的那样，标签 Annotations 计数可以给出所需的数字，但似乎并非如此，因为标签注释的计数是 18。返回的对象有点像这样。
"labelAnnotations": [
"mid": "/m/0k4j",
"description": "car",
"score": 0.98658943,
"topicality": 0.98658943
,
"mid": "/m/012f08",
"description": "motor vehicle",
"score": 0.9631113,
"topicality": 0.9631113
,
"mid": "/m/07yv9",
"description": "vehicle",
"score": 0.9223521,
"topicality": 0.9223521
,
"mid": "/m/01w71f",
"description": "personal luxury car",
"score": 0.8976857,
"topicality": 0.8976857
,
"mid": "/m/068mqj",
"description": "automotive design",
"score": 0.8736646,
"topicality": 0.8736646
,
"mid": "/m/012mq4",
"description": "sports car",
"score": 0.8418799,
"topicality": 0.8418799
,
"mid": "/m/01lcwm",
"description": "luxury vehicle",
"score": 0.7761523,
"topicality": 0.7761523
,
"mid": "/m/06j11d",
"description": "performance car",
"score": 0.76816446,
"topicality": 0.76816446
,
"mid": "/m/03vnt4",
"description": "mid size car",
"score": 0.75732976,
"topicality": 0.75732976
,
"mid": "/m/03vntj",
"description": "full size car",
"score": 0.6855145,
"topicality": 0.6855145
,
"mid": "/m/0h8ls87",
"description": "automotive exterior",
"score": 0.66056395,
"topicality": 0.66056395
,
"mid": "/m/014f__",
"description": "supercar",
"score": 0.592226,
"topicality": 0.592226
,
"mid": "/m/02swz_",
"description": "compact car",
"score": 0.5807265,
"topicality": 0.5807265
,
"mid": "/m/0h6dlrc",
"description": "bmw",
"score": 0.5801241,
"topicality": 0.5801241
,
"mid": "/m/01h80k",
"description": "muscle car",
"score": 0.55745816,
"topicality": 0.55745816
,
"mid": "/m/021mp2",
"description": "sedan",
"score": 0.5522745,
"topicality": 0.5522745
,
"mid": "/m/0369ss",
"description": "city car",
"score": 0.52938646,
"topicality": 0.52938646
,
"mid": "/m/01d1dj",
"description": "coupé",
"score": 0.50642073,
"topicality": 0.50642073
]
【问题讨论】：
这样=one here 【参考方案1】：在 Google Cloud Vision 上，您应该可以进行计数。例如，如果你想用 Python 计算人脸的数量，你可以这样做：
def detect_faces(path):
"""Detects faces in an image."""
client = vision.ImageAnnotatorClient()
with io.open(path, 'rb') as image_file:
content = image_file.read()
image = vision.types.Image(content=content)
response = client.face_detection(image=image)
faces = response.face_annotations
print(len(faces))
注意最后一行。在每种受支持的语言中，您都应该能够计算结果。
这里是每个标签的计数方法。
def detect_labels(path):
"""Detects labels in the file."""
client = vision.ImageAnnotatorClient()
with io.open(path, 'rb') as image_file:
content = image_file.read()
image = vision.types.Image(content=content)
response = client.label_detection(image=image)
labels = response.label_annotations
count =
for label in labels:
if label in count:
count[label] += 1
else:
count[label] = 1
在第二个示例中，count 将是每个标签的字典以及它在图像中出现的次数。
【讨论】：
我的错，可能我不是很清楚。我假设我们只能获得面孔的数量，但无法计算花朵、瓶子、鸟类等物品的数量。请建议是否有办法实现这一点。 API 没有该功能，但您可以遍历结果并为每个标签创建计数 只有在图像中存在人脸的情况下才有可能。在检测汽车数量、鸟类数量等情况下，据我了解，这是行不通的。 感谢您的投入，Torry。我已经编辑了这个问题以便更好地理解。请看一看。【参考方案2】：Google vision 和 AWS Rekognition 都不支持照片中的对象计数。
https://forums.aws.amazon.com/thread.jspa?threadID=254814
但是，您可以在 Vision 和 Rekognition 中计算图像中的人脸数量。
在 AWS Rekognition 中，您会收到 DetectFaces API 作为 json 的响应：
HTTP/1.1 200 OK
Content-Type: application/x-amz-json-1.1
Date: Wed, 04 Jan 2017 23:37:03 GMT
x-amzn-RequestId: b1827570-d2d6-11e6-a51e-73b99a9bb0b9
Content-Length: 1355
Connection: keep-alive
"FaceDetails":[
"BoundingBox":
"Height":0.18000000715255737,
"Left":0.5555555820465088,
"Top":0.33666667342185974,
"Width":0.23999999463558197
,
"Confidence":100.0,
"Landmarks":[
"Type":"eyeLeft",
"X":0.6394737362861633,
"Y":0.40819624066352844
,
"Type":"eyeRight",
"X":0.7266660928726196,
"Y":0.41039225459098816
,
"Type":"nose",
"X":0.6912462115287781,
"Y":0.44240960478782654
,
"Type":"mouthLeft",
"X":0.6306198239326477,
"Y":0.46700039505958557
,
"Type":"mouthRight",
"X":0.7215608954429626,
"Y":0.47114261984825134
],
"Pose":
"Pitch":4.050806522369385,
"Roll":0.9950747489929199,
"Yaw":13.693790435791016
,
"Quality":
"Brightness":37.60169982910156,
"Sharpness":80.0
,
"BoundingBox":
"Height":0.16555555164813995,
"Left":0.3096296191215515,
"Top":0.7066666483879089,
"Width":0.22074073553085327
,
"Confidence":99.99998474121094,
"Landmarks":[
"Type":"eyeLeft",
"X":0.3767718970775604,
"Y":0.7863991856575012
,
"Type":"eyeRight",
"X":0.4517287313938141,
"Y":0.7715709209442139
,
"Type":"nose",
"X":0.42001065611839294,
"Y":0.8192070126533508
,
"Type":"mouthLeft",
"X":0.3915625810623169,
"Y":0.8374140858650208
,
"Type":"mouthRight",
"X":0.46825936436653137,
"Y":0.823401689529419
],
"Pose":
"Pitch":-16.320178985595703,
"Roll":-15.097439765930176,
"Yaw":-5.771541118621826
,
"Quality":
"Brightness":31.440860748291016,
"Sharpness":60.000003814697266
],
"OrientationCorrection":"ROTATE_0"
然后您可以使用此响应来计算边界框的数量，这些边界框最终将对应于图像中的人脸数量。
此外，如果您想计算照片中的对象，您可以在 AWS SageMaker 上设置自定义机器学习模型来执行此操作。例如：https://github.com/cosmincatalin/object-counting-with-mxnet-and-sagemaker
【讨论】：
以上是关于是否可以使用 Google 的 Vision API 或 Amazon 的 Rekognition 来获取对象的数量？的主要内容，如果未能解决你的问题，请参考以下文章
Google Vision API 中的 Euler X 支持
是否需要图像预处理（Google Mobile Vision Text Recognition API）？
使用 Google Cloud Vision 的 OCR PDF 文件？