'AWS/Rekognition'에 해당되는 글 4건

# 사진 속 인물의 얼굴을 분석.

# 중복된 내용에 대해서는 생략한다.

1. detect_faces()

  1) 파라미터 값.

    - Image : 이미지 파일.

    - Attributes : ["ALL", "Default"]

      > ALL : 모든 속성 값이 리턴.

      > Default : BoundingBox, Confidence , Pose , Quality, Landmarks 만 리턴.

  2) 리턴값

    - FaceDetails : 얼굴 값을 담은 리스트.

    - BoundingBox : 얼굴 위치 및 크기 값.

    - AgeRange : 추정나이. (Low ~ High)

    - Smile / Eyeglasses / Sunglasses / Gender / Beard / Mustache / EyesOpen / MouthOpen

    - Emotion : HAPPY, SAD, ANGRY 등.

    - LandMarks : 얼굴의 경계표. (x, y) 좌표값.

    - Pose : 얼굴의 각도. Roll / Yaw / Pitch 값.

    - Quality :

      > Brightness : 밝기.

      > Sharpness : 선명도.

[참고 사이트]

https://boto3.amazonaws.com/v1/documentation/api/latest/reference/services/rekognition.html#Rekognition.Client.detect_faces

# 우선 사이트의 참고 소스를 보자.

  - client : boto 클래스를 활용하여 rekognition 과 관련된 값을 담아준다.

  - bucket : S3에 생성한 버켓의 이름을 입력하면 된다. (분석할 사진이 있는 버켓)

  - photo : 해당 버켓에 존재하는 파일명을 입력.

  - detect_labels({Image},{MaxLabels},{MinConfidence}) 를 호출하여 분석에 대한 결과값을 return 받는다.

    > 함수에 넣을 수 있는 파라미터 값.

      - Image : 이미지 파일.

      - MaxLabels : return Label의 최대 갯수. 컨피던스(신뢰도) 기준으로 x건이 추출 된다.

      - MinConfidence : 신뢰도가 x값 이상인 것에 대해서만 추출한다. (Default : 55% 이상)

    > 리턴된 값은 아래와 같다.

- Labels : Label(피사체)의 집합.

- Name : 객체의 이름.

- Confidence : 신뢰도.

- Instances :

  > Bounding-Box : 객체의 위치 및 크기 값.

- Parents : 부모 Label

- OrientationCorrection : 항상 Null 값. 이미지 변환과 관련된 내                                   용으로 보임.

- LabelModelVersion : 해당 함수의 버전.

  - 원하는 값은 객체, 배열 규칙에 따라 추출하면 된다.

[참고 사이트]

https://boto3.amazonaws.com/v1/documentation/api/latest/reference/services/rekognition.html#Rekognition.Client.detect_labels

# Rekognition 서비스를 사용하기 위해서는 기본적으로 세팅되어야 하는 부분에 대해 알아보자

  1. IAM 세팅

    1) IAM 이란 특정 기능별로 권한을 가진 사용자를 생성하는 것을 의미한다. 여기서는 Rekognition과 관련된 권한을

       부여한 계정을 생성해 준다.

    2) 기존에 있는 권한에 추가해주거나 새로 생성해준다.

      - AmazonRekognitionFullAccess 권한을 부여하고 테스트를 진행한다.

    # 추가로 Rekognition을 활용하며 각 기능별로 추가로 필요한 권한들에 대해 생성해 준다.

      ex) AmazonS3ReadOnlyAccess / AmazonSQSFullAccess 등.

  2. AWS SDK 설치

    1) AWS SDK 란 프로그래밍 언어로 AWS 기능을 사용할 수 있도록 해주는 패키지(?) 라고 보면된다.

    2) 이 게시글에서는 파이썬으로 하는 방법을 기술한다.

      - boto3 설치 : # pip install boto3

      - 셋팅파일 :

# cd ~ ./aws

# accesskeys.csv

# config

# credentials

    3) 위와 같이 세팅이 완료되면 aws 명령어를 통해 rekognition을 사용할 수 있다.

[참고문서]

https://docs.aws.amazon.com/ko_kr/rekognition/latest/dg/get-started-exercise.html

# AWS Rekognition 은 AWS에서 제공하는 이미지, 동영상 분석 API 로 보면 된다. 주요기능은 다음과 같다.

  1. 이미지 분석

    1) 객체 및 장면 감지

      - 이미지에 있는 피사체, 개념, 장면에 대해 분석하여 데이터 값을 전달함. 

이와 같이 JSON 형식으로 값을 반환한다.  

각 데이터의 의미는 아래와 같다.

Name : 사물의 명칭.

Confidence : 신뢰도. (ex. 해당 사물이 스케이트보드일 확률)

Instances : 사물의 사진속에서 위치 값 및 크기.

Parent : 해상 사물이 속해있는 그룹.

    2) 얼굴 분석

      - 이미지 속에 사람의 얼굴에 대한 분석. (감정, 악세서리, 표정, 성별, 나이 등)

많은 데이터를 전달 받으며, 추가적인 데이터는 데모 페이지에서 확인해보면 된다.

각각의 항목에 대해 신뢰도를 같이 제공하여, 사용할 수 있는 데이터여부를 판단할 수 있다.

    3) 유명인사 인식

      - AWS에 내장 되어있는 유명인사의 얼굴을 검출할 수 있다.

      - 유명인사의 경우 "Urls" 키 값에 해당 인물을 찾아볼 수 있는 사이트도 함께 제공됨을 볼 수 있다.

    4) 이미지 내 텍스트 분석

      - 이미지에는 짤렸지만, "Polygon" 키 값에 각 문자별 위치값도 표출된다.

  2. 동영상 분석

      - JSON 파일은 데이터가 너무 많아 생략한다.

      - 추출 값으로는 [인물별 출연되는 동영상 위치값], [행동], [얼굴분석], [사물분석], [유명인사] 등이 있다.

  # 추가적으로 사진과 동영상 모두 노골적이거나 선정적인 이미지 등 성인콘텐츠를 감지할 수 있다.

   3. 얼굴 비교

     1) 사진 vs 사진

       - 사진 속 얼굴을 분석한 후 다른 사진에서 해당 인물과의 유사도를 추출할 수 있다.

      - 해당 분석은 눈, 코, 입 등의 위치과 간격, 크기를 기준으로 분석하는 것으로 보인다. 화질과 각도에 따라 유사도가          차이가 있을 수 있음을 유의하여야 한다.

    2) 사진 vs 동영상

      - 이 방법은 직접 사진과 동영상을 비교한다는 느낌보다는 저장된 얼굴 분석값과 동영상을 비교한다고 볼 수 있다. 

    #  Collection 이란?

      - 얼굴을 저장해 두는 공간이라고 생각하면 쉽다. 얼굴분석(FaceDetecting) 으로 얻어진 결과값을 저장하는 공간으

        로 최대 약 20만개(차이가 있을 수 있음)를 담을 수 있으며, 여기에 담겨진 얼굴 값과 사진, 동영상과의 유사도 분

        석이 가능하다.

# 이런 기능을 활용하여 다양한 분석 프로그램을 만들 수 있을 것으로 보인다. 더 자세한 내용을 확인하고 싶으면 AWS    홈페이지에서 확인이 가능하다.

[참고 사이트]

https://ap-northeast-2.console.aws.amazon.com/rekognition/home?region=ap-northeast-2#/

https://docs.aws.amazon.com/ko_kr/rekognition/latest/dg/what-is.html

# 각 기능에 대한 활용법 또한 위 사이트에 자세히 나와있으며, 다음 글 부터 작성해 나가기로 한다.