使用 Amazon Rekognition 实现图像与视频分析 - 从标签检测到自定义模型
使用预训练 API 实现标签检测、人脸分析和文字检测，通过 Custom Labels 构建领域特定的图像识别模型。
Rekognition 主要功能
Rekognition 是将预训练的深度学习模型以 API 形式提供的图像与视频分析服务。主要功能包括标签检测（物体与场景的分类）、人脸检测与分析（年龄范围、情绪、面部朝向）、文字检测（图像内的文字识别）、内容审核（不当内容的检测）、人脸比对（2 张人脸的相似度判定）。全部功能都可通过 API 调用使用，无需进行 ML 模型训练或基础设施管理。费用按处理的图像与视频量按量计费，每月 5,000 张以内的图像分析包含在免费套餐中。
标签检测与文字检测的实现
DetectLabels API 以 S3 存储桶或 Base64 编码字节序列的形式接收图像，返回检测到的标签（例如 Car、Tree、Person）和置信度分数（0-100%）。可通过 MinConfidence 参数设置置信度阈值，控制误检。由于还会返回边界框坐标，可以确定物体位于图像中的什么位置。DetectText API 检测图像中的印刷文字和手写文字，并提取为字符串。每 1 张图像最多可检测 100 个文字元素，并返回各文字的位置信息和置信度分数。可应对制造产线上的产品标签读取、停车场的车牌识别、文档数字化等广泛的 OCR 用例。
Custom Labels 自定义模型构建
Custom Labels 是用于处理 Rekognition 预训练模型无法应对的自定义分类与检测任务的功能。例如，可用于制造产线的不良品检测、零售店的商品货架分析、农业中的作物病害检测等需要领域特定图像识别的场景。构建模型所需的训练数据从数十张左右即可开始。将图像上传到 S3，在 Rekognition 控制台或 SageMaker Ground Truth 中进行标注，然后开始训练。训练完成后启动推理端点，即可通过 API 运行自定义模型的推理。推理端点按小时计费，因此在不使用的时段将其停止以控制成本。
Rekognition 定价
Rekognition 的费用按处理的图像张数按量计费。标签检测在每月前 100 万张的区间内每 1,000 张约 1.00 美元，人脸检测每 1,000 张约 1.00 美元，文字检测每 1,000 张约 1.00 美元（截至 2026 年 8 月）。每月 5,000 张以内的图像分析包含在免费套餐中。Custom Labels 的主要成本是推理端点的按小时计费（每小时约 4.00 美元），在不使用的时段将其停止以控制成本。训练每小时约 1.00 美元。
人脸分析与人脸比对
Rekognition 提供有关图像中人脸的丰富分析。除检测人脸外，还可以推断年龄段、表情、视线等属性。判定 2 张图像中的人脸是否为同一人的人脸比对，可应用于身份确认和核对。预先创建人脸集合，就可以搜索新图像中是否包含已登记的人物。不过，处理人脸数据需要高度的伦理和法律考量，以取得当事人的同意并确认适用的法规为前提。技术功能的丰富与对隐私的责任，必须始终放在一起考虑。
内容审核与安全检测
图像分析也有助于确保安全。使用检测不当图像的审核功能，可以从投稿的图像中自动找出暴力、露骨的内容，用于公开前的检查。检测结果附带类别和置信度，因此可以设定阈值，把自动处理和人工确认分开。此外，还有从作业现场的图像中检测安全帽、手套等防护用品佩戴情况的功能，可应用于安全管理。仅靠人工确认大量图像并不现实，因此这类自动检测支撑着运营的效率与安全。
Custom Labels 自定义模型
想要识别预训练 API 无法检测的业务特有对象时，可以用 Custom Labels 构建自己的模型。对于自家的产品和零件、特定的标志和场景等通用模型不认识的对象，可以通过少量的训练数据让模型识别。准备优质的训练数据，并通过评估确认精度、不断改进，这一点很重要。通用 API 够用就用通用 API，确实需要独有的识别时再选择 Custom Labels，这样的判断是合理的。其优点是无需深厚的机器学习知识，就能实现专业领域的图像识别。
管道设计与隐私
将图像分析嵌入事件驱动的管道中会很有效。可以将以图像上传到 S3 为契机、用 Lambda 执行分析并保存和通知结果的流程自动化。即使处理大量图像，无服务器的架构也能扩展。另一方面，拍到人脸或个人的图像属于敏感数据，处理时需要格外谨慎。明示收集目的，取得同意，规定保留期限，不再需要时予以删除。控制对分析结果和图像的访问，防止用于目的以外的用途。需要兼顾技术的运用与被拍摄者权利保护的设计。
总结
Rekognition 是无需 ML 专业知识即可实现图像与视频分析的服务。预训练 API 覆盖通用用例，Custom Labels 可应对领域特定需求。结合 S3 和 Lambda 的事件驱动架构，可构建以图像上传为触发器的自动分析管道。
参考资料（AWS 官方）
本页的第一手信息来源是 AWS 官方网站及官方文档。最新的规格与价格请以下列官方页面为准。
如本页内容与官方文档不一致，请以官方文档为准。