Videobeolvasási műveletek vektorizálással (4.0-s verzió – előzetes verzió)

Cikk
02/15/2024

Az Azure AI Video Retrieveal API-k az Azure AI Vision részét képezik, és lehetővé teszik a fejlesztők számára, hogy indexet hozzanak létre, dokumentumokat (videókat és képeket) adjanak hozzá, és természetes nyelven keressenek. A fejlesztők az egyes indexek metaadat-sémáit definiálhatják, és a metaadatokat betölthetik a szolgáltatásba, hogy segítsenek a lekérésben. A fejlesztők azt is megadhatják, hogy milyen funkciókat nyerjenek ki az indexből (látás, beszéd), és szűrjék a keresést a funkciók alapján.

Előfeltételek

Azure-előfizetés – Hozzon létre egyet ingyenesen.
Miután megkapta az Azure-előfizetését, hozzon létre egy Vision-erőforrást a portálon. Ehhez az előzetes verzióhoz az alábbi régiókban kell létrehoznia az erőforrást : Kelet-Ausztrália, Észak-Svájc, Közép-Svédország vagy AZ USA keleti régiója.
Azure Storage-erőforrás – Létrehozás

Bemeneti követelmények

Támogatott formátumok

Fájlformátum	Leírás
`asf`	ASF (Speciális/ Aktív streamelési formátum)
`avi`	AVI (Audio Video Interleaved)
`flv`	FLV (Flash Videó)
`matroskamm`, `webm`	Matroska / WebM
`mov`,`mp4`,`m4a`,`3gp`,`3g2`,`mj2`	QuickTime /MOV

Támogatott videokodekek

Kodek	Formátum
`h264`	H.264 / AVC / MPEG-4 AVC / MPEG-4 part 10
`h265`	H.265/HEVC
`libvpx-vp9`	libvpx VP9 (codec vp9)
`mpeg4`	MPEG-4 2. rész

Támogatott hangkódok

Kodek	Formátum
`aac`	AAC (speciális hangkódolás)
`mp3`	MP3 (MPEG audio layer 3)
`pcm`	PCM (tömörítetlen)
`vorbis`	Vorbis
`wmav2`	Windows Media Audio 2

Videobeolvasási API-k meghívása

Ha a Video Retrieveal API-kat egy tipikus mintában szeretné használni, hajtsa végre a következő lépéseket:

Index létrehozása a PUT használatával – Index létrehozása.
Videodokumentumok hozzáadása az indexhez a PUT – CreateIngestion használatával.
Várja meg, amíg a betöltés befejeződik, és ellenőrizze a GET – ListIngestions parancsot.
Keressen rá egy kulcsszóra vagy kifejezésre a POST – SearchByText használatával.

Videobeolvasási API-k használata metaadatokon alapuló kereséshez

A Video Retrieveal API-k lehetővé teszik a felhasználók számára, hogy metaadatokat adjanak hozzá a videófájlokhoz. A metaadatok olyan videofájlokhoz kapcsolódó további információk, mint például a "Kamera azonosító", az "Időbélyeg" vagy a "Hely", amelyek adott videók rendszerezésére, szűrésére és keresésére használhatók. Ez a példa bemutatja, hogyan hozhat létre indexet, adhat hozzá videofájlokat a társított metaadatokkal, és hogyan végezhet keresést különböző funkciókkal.

1. lépés: Index létrehozása

Először létre kell hoznia egy indexet a videofájlok és a metaadatok tárolásához és rendszerezéséhez. Az alábbi példa bemutatja, hogyan hozhat létre egy "my-video-index" nevű indexet az Index létrehozása API használatával.

curl.exe -v -X PUT "https://<YOUR_ENDPOINT_URL>/computervision/retrieval/indexes/my-video-index?api-version=2023-05-01-preview" -H "Ocp-Apim-Subscription-Key: <YOUR_SUBSCRIPTION_KEY>" -H "Content-Type: application/json" --data-ascii "
{
  'metadataSchema': {
    'fields': [
      {
        'name': 'cameraId',
        'searchable': false,
        'filterable': true,
        'type': 'string'
      },
      {
        'name': 'timestamp',
        'searchable': false,
        'filterable': true,
        'type': 'datetime'
      }
    ]
  },
  'features': [
    {
      'name': 'vision',
      'domain': 'surveillance'
    },
    {
      'name': 'speech'
    }
  ]
}"

Válasz:

HTTP/1.1 201 Created
Content-Length: 530
Content-Type: application/json; charset=utf-8
request-id: cb036529-d1cf-4b44-a1ef-0a4e9fc62885
api-supported-versions: 2023-01-15-preview,2023-05-01-preview
x-envoy-upstream-service-time: 202
Date: Thu, 06 Jul 2023 18:05:05 GMT
Connection: close

{
  "name": "my-video-index",
  "metadataSchema": {
    "language": "en",
    "fields": [
      {
        "name": "cameraid",
        "searchable": false,
        "filterable": true,
        "type": "string"
      },
      {
        "name": "timestamp",
        "searchable": false,
        "filterable": true,
        "type": "datetime"
      }
    ]
  },
  "userData": {},
  "features": [
    {
      "name": "vision",
      "modelVersion": "2023-05-31",
      "domain": "surveillance"
    },
    {
      "name": "speech",
      "modelVersion": "2023-06-30",
      "domain": "generic"
    }
  ],
  "eTag": "\"7966244a79384cca9880d67a4daa9eb1\"",
  "createdDateTime": "2023-07-06T18:05:06.7582534Z",
  "lastModifiedDateTime": "2023-07-06T18:05:06.7582534Z"
}

2. lépés: Videofájlok hozzáadása az indexhez

Ezután hozzáadhat videofájlokat az indexhez a hozzájuk tartozó metaadatokkal. Az alábbi példa bemutatja, hogyan adhat hozzá két videofájlt az indexhez SAS URL-címek használatával a Create Ingestion API-val.

curl.exe -v -X PUT "https://<YOUR_ENDPOINT_URL>/computervision/retrieval/indexes/my-video-index/ingestions/my-ingestion?api-version=2023-05-01-preview" -H "Ocp-Apim-Subscription-Key: <YOUR_SUBSCRIPTION_KEY>" -H "Content-Type: application/json" --data-ascii "
{
  'videos': [
    {
      'mode': 'add',
      'documentId': '02a504c9cd28296a8b74394ed7488045',
      'documentUrl': 'https://example.blob.core.windows.net/videos/02a504c9cd28296a8b74394ed7488045.mp4?sas_token_here',
      'metadata': {
        'cameraId': 'camera1',
        'timestamp': '2023-06-30 17:40:33'
      }
    },
    {
      'mode': 'add',
      'documentId': '043ad56daad86cdaa6e493aa11ebdab3',
      'documentUrl': '[https://example.blob.core.windows.net/videos/043ad56daad86cdaa6e493aa11ebdab3.mp4?sas_token_here',
      'metadata': {
        'cameraId': 'camera2'
      }
    }
  ]
}"

Válasz:

HTTP/1.1 202 Accepted
Content-Length: 152
Content-Type: application/json; charset=utf-8
request-id: ee5e48df-13f8-4a87-a337-026947144321
operation-location: http://api.example.com.trafficmanager.net/retrieval/indexes/my-test-index/ingestions/my-ingestion
api-supported-versions: 2023-01-15-preview,2023-05-01-preview
x-envoy-upstream-service-time: 709
Date: Thu, 06 Jul 2023 18:15:34 GMT
Connection: close

{
  "name": "my-ingestion",
  "state": "Running",
  "createdDateTime": "2023-07-06T18:15:33.8105687Z",
  "lastModifiedDateTime": "2023-07-06T18:15:34.3418564Z"
}

3. lépés: Várakozás a betöltés befejezésére

Miután hozzáadta a videofájlokat az indexhez, megkezdődik a betöltési folyamat. A fájlok méretétől és számától függően eltarthat egy ideig. Annak érdekében, hogy a betöltés befejeződött a keresések végrehajtása előtt, a Get Ingestion API használatával ellenőrizheti az állapotot. Várja meg, amíg a hívás visszatér "state" = "Completed" , mielőtt továbblép a következő lépésre.

curl.exe -v -X GET "https://<YOUR_ENDPOINT_URL>/computervision/retrieval/indexes/my-video-index/ingestions?api-version=2023-05-01-preview&$top=20" -H "ocp-apim-subscription-key: <YOUR_SUBSCRIPTION_KEY>"

Válasz:

HTTP/1.1 200 OK
Content-Length: 164
Content-Type: application/json; charset=utf-8
request-id: 4907feaf-88f1-4009-a1a5-ad366f04ee31
api-supported-versions: 2023-01-15-preview,2023-05-01-preview
x-envoy-upstream-service-time: 12
Date: Thu, 06 Jul 2023 18:17:47 GMT
Connection: close

{
  "value": [
    {
      "name": "my-ingestion",
      "state": "Completed",
      "createdDateTime": "2023-07-06T18:15:33.8105687Z",
      "lastModifiedDateTime": "2023-07-06T18:15:34.3418564Z"
    }
  ]
}

4. lépés: Keresések végrehajtása metaadatokkal

Miután hozzáadta a videofájlokat az indexhez, metaadatok használatával kereshet adott videókat. Ez a példa kétféle keresést mutat be: az egyik a "látás" funkciót használja, a másikat pedig a "beszéd" funkciót.

Keresés a "vision" funkcióval

Ha a "vision" funkcióval szeretne keresést végezni, használja a Keresés szöveg alapján API-t a vision szűrővel, megadva a lekérdezés szövegét és minden más kívánt szűrőt.

curl.exe -v -X POST "https://<YOUR_ENDPOINT_URL>/computervision/retrieval/indexes/my-video-index:queryByText?api-version=2023-05-01-preview" -H "Ocp-Apim-Subscription-Key: <YOUR_SUBSCRIPTION_KEY>" -H "Content-Type: application/json" --data-ascii "
{
  'queryText': 'a man with black hoodie',
  'filters': {
    'stringFilters': [
      {
        'fieldName': 'cameraId',
        'values': [
          'camera1'
        ]
      }
    ],
    'featureFilters': ['vision']
  }
}"

Válasz:

HTTP/1.1 200 OK
Content-Length: 3289
Content-Type: application/json; charset=utf-8
request-id: 4c2477df-d89d-4a98-b433-611083324a3f
api-supported-versions: 2023-05-01-preview
x-envoy-upstream-service-time: 233
Date: Thu, 06 Jul 2023 18:42:08 GMT
Connection: close

{
  "value": [
    {
      "documentId": "02a504c9cd28296a8b74394ed7488045",
      "documentKind": "VideoFrame",
      "start": "00:01:58",
      "end": "00:02:09",
      "best": "00:02:03",
      "relevance": 0.23974405229091644
    },
    {
      "documentId": "02a504c9cd28296a8b74394ed7488045",
      "documentKind": "VideoFrame",
      "start": "00:02:27",
      "end": "00:02:29",
      "best": "00:02:27",
      "relevance": 0.23762696981430054
    },
    {
      "documentId": "02a504c9cd28296a8b74394ed7488045",
      "documentKind": "VideoFrame",
      "start": "00:00:26",
      "end": "00:00:27",
      "best": "00:00:26",
      "relevance": 0.23250913619995117
    },
  ]
}

Keresés a "beszéd" funkcióval

Ha a "speech" funkcióval szeretne keresést végezni, használja a Keresés szöveg alapján API-t a speech szűrővel, és adja meg a lekérdezés szövegét és minden más kívánt szűrőt.

curl.exe -v -X POST "https://<YOUR_ENDPOINT_URL>com/computervision/retrieval/indexes/my-video-index:queryByText?api-version=2023-05-01-preview" -H "Ocp-Apim-Subscription-Key: <YOUR_SUBSCRIPTION_KEY>" -H "Content-Type: application/json" --data-ascii "
{
  'queryText': 'leave the area',
  'dedup': false,
  'filters': {
    'stringFilters': [
      {
        'fieldName': 'cameraId',
        'values': [
          'camera1'
        ]
      }
    ],
    'featureFilters': ['speech']
  }
}"

Válasz:

HTTP/1.1 200 OK
Content-Length: 49001
Content-Type: application/json; charset=utf-8
request-id: b54577bb-1f46-44d8-9a91-c9326df3ac23
api-supported-versions: 2023-05-01-preview
x-envoy-upstream-service-time: 148
Date: Thu, 06 Jul 2023 18:43:07 GMT
Connection: close

{
  "value": [
    {
      "documentId": "02a504c9cd28296a8b74394ed7488045",
      "documentKind": "SpeechTextSegment",
      "start": "00:07:07.8400000",
      "end": "00:07:08.4400000",
      "best": "00:07:07.8400000",
      "relevance": 0.8597901463508606
    },
    {
      "documentId": "02a504c9cd28296a8b74394ed7488045",
      "documentKind": "SpeechTextSegment",
      "start": "00:07:02.0400000",
      "end": "00:07:03.0400000",
      "best": "00:07:02.0400000",
      "relevance": 0.8506758213043213
    },
    {
      "documentId": "02a504c9cd28296a8b74394ed7488045",
      "documentKind": "SpeechTextSegment",
      "start": "00:07:10.4400000",
      "end": "00:07:11.5200000",
      "best": "00:07:10.4400000",
      "relevance": 0.8474636673927307
    }
  ]
}

Következő lépések

Multimodális beágyazási fogalmak

Megosztás a következőn keresztül:

Videobeolvasási műveletek vektorizálással (4.0-s verzió – előzetes verzió)

Előfeltételek

Bemeneti követelmények

Támogatott formátumok

Támogatott videokodekek

Támogatott hangkódok

Videobeolvasási API-k meghívása

Videobeolvasási API-k használata metaadatokon alapuló kereséshez

1. lépés: Index létrehozása

2. lépés: Videofájlok hozzáadása az indexhez

3. lépés: Várakozás a betöltés befejezésére

4. lépés: Keresések végrehajtása metaadatokkal

Keresés a "vision" funkcióval

Keresés a "beszéd" funkcióval

Következő lépések

Visszajelzés

Visszajelzés

További források