Comment détecter des étiquettes (objets) dans des vidéos à l'aide de Python

Détection d'étiquettes est une tâche clé de l'analyse de vidéos et d'images qui consiste à identifier et à classer les éléments de chaque image, tels que des objets, des personnes, des animaux ou des points de repère.

Cela facilite le balisage du contenu, l'indexation et l'optimisation de la recherche. Dans ce didacticiel, nous allons vous montrer comment implémenter la détection d'étiquettes à l'aide de Python et de l'API Eden AI.

En quelques lignes de code, vous pouvez exécuter la détection des étiquettes et extraire des informations pertinentes à partir du contenu visuel.

‍

Qu'est-ce que Détection d'étiquettes/d'objets?

La détection d'étiquettes identifie et catégorise automatiquement les objets, les personnes et les scènes dans des vidéos ou des images. Il attribue des étiquettes telles que animaux, bâtiments, ou repères aux éléments visuels, ce qui facilite la recherche, l'organisation et l'analyse du contenu.

‍

Comment détecter les étiquettes dans les vidéos

‍

Accédez à l'API Eden AI

1. Inscrivez-vous : Visitez Eden AI et créez un compte gratuitement pour commencer. Une fois inscrit, accédez à la section API pour trouver votre clé API personnelle qui vous donne accès à un large éventail de services d'IA, y compris la détection d'étiquettes.

2. Accédez à Technologies vidéo — Connectez-vous et rendez-vous dans la section Technologies vidéo.

3. Sélectionnez la détection des étiquettes— À partir de là, sélectionnez Détection d'étiquettes option.

‍

Modèles de test en direct sur Eden AI

Eden AI vous permet d'expérimenter différents modèles d'IA avant l'intégration, ce qui facilite la comparaison et le choix du fournisseur qui correspond le mieux à vos besoins.

‍

Implémentation de la détection d'étiquettes en Python

‍

Étape 1 : Installation du module Python Requests

Avant de commencer, assurez-vous que le module de requêtes est installé. Ce module permet à votre script Python d'envoyer des requêtes HTTP à des API comme Eden AI.

pip install requests

Ce module est requis pour envoyer des requêtes HTTP à l'API Eden AI.

‍

Explication du code

L'API de détection d'étiquettes d'Eden AI est asynchrone, ce qui signifie qu'elle fonctionne en deux étapes :

1. Requête POST — Lancement de la tâche : Cela lance le processus de détection des étiquettes en envoyant l'URL et le ou les fournisseurs de la vidéo à Eden AI.
   
2. Requête GET — Récupération des résultats : une fois la tâche traitée, vous pouvez récupérer les résultats de détection à l'aide d'un public_id unique reçu lors de la première demande.
   
   

Ce système en deux phases est essentiel pour le traitement de fichiers multimédia volumineux, dont l'analyse peut prendre du temps. Au lieu d'attendre que le processus se termine en une seule demande, le modèle asynchrone vous permet de démarrer la tâche et de la vérifier ultérieurement.

‍

Lancement de la tâche de détection d'étiquettes

Cette partie du code envoie une demande à Eden AI pour démarrer la tâche de détection des étiquettes.

import requests

# Replace with your actual API Key
headers = {"Authorization": "Bearer {API_KEY}"}

# Replace with the actual URL of your video
json_payload = {
    "providers": "google", 
    "file_url": "🔗 URL of your video"
}

# The URL for launching the shot change detection job
url = "https://api.edenai.run/v2/video/shot_change_detection_async"

# Send the POST request to initiate the job
response = requests.post(url, json=json_payload, headers=headers)

# Get the response and display it
result = response.json()
print(result)

Explication :

• en-têtes : contient votre clé API pour vous authentifier auprès d'Eden AI.
  
• url : point de terminaison pour lancer la tâche de détection des étiquettes.
  
• json_payload :
  
  • fournisseurs : fournisseurs d'IA que vous souhaitez utiliser (par exemple, Google, Amazon).
    
  • file_url : URL publique de votre vidéo.
    
• réponse : Cette requête POST envoie la tâche à Eden AI.
  
• résultat : inclut des métadonnées telles que le public_id, dont vous aurez besoin pour récupérer les résultats ultérieurement.

‍

Obtenir les résultats de l'emploi

Une fois votre tâche soumise et traitée, récupérez les résultats à l'aide du public_id.

import requests

headers = {"Authorization": "Bearer {API_TOKEN}"}

url = "https://api.edenai.run/v2/video/label_detection_async"
json_payload = {
    "providers": "google,amazon",
    "file_url": "🔗 URL of your video"
}

response = requests.post(url, json=json_payload, headers=headers)
result = response.json()
print(result)

Explication :

• {public_id} : remplacez-le par l'identifiant de la première réponse.
  
• Cet appel renvoie les résultats réels de détection d'étiquettes provenant des fournisseurs d'IA sélectionnés.

‍

Interprétation des résultats

Voici un exemple de ce à quoi pourrait ressembler la réponse :

{
  "google": {
    "status": "success",
    "label_annotations": [
      {"description": "Car", "confidence": 0.95, "start_time": "00:01", "end_time": "00:03"},
      {"description": "Tree", "confidence": 0.88, "start_time": "00:02", "end_time": "00:04"}
    ]
  },
  "amazon": {
    "status": "success",
    "labels": [
      {"label": "Vehicle", "confidence": 0.92, "timestamp": "00:01"},
      {"label": "Nature", "confidence": 0.90, "timestamp": "00:03"}
    ]
  }
}

Explication des champs de sortie :

• description/étiquette : nom de l'objet détecté.
  
• confiance : niveau de précision (0 à 1) de la prédiction.
  
• start_time/end_time/timestamp : indique quand l'étiquette apparaît dans la vidéo.

‍

Gestion des tâches de détection d'étiquettes

Pour une meilleure gestion de vos tâches de détection d'étiquettes, Eden AI propose des étapes facultatives supplémentaires :

Détection d'étiquettes - Répertorier les tâches

Demande GET :
https://api.edenai.run/v2/video/label_detection_async/
Cette étape vous permet de récupérer la liste de toutes les tâches lancées pour la détection des étiquettes. À l'aide de l'identifiant unique de chaque tâche, vous pouvez vérifier son statut et ses résultats. Vous pouvez consulter la documentation complète ici.

Détection d'étiquettes - Supprimer des tâches

Supprimer la demande :
https://api.edenai.run/v2/video/label_detection_async/
Ce terminal vous permet de supprimer des tâches, ce qui vous permet de gérer et de nettoyer facilement les tâches terminées ou inutiles. Vous pouvez consulter la documentation complète ici.

En tirant parti de ces étapes facultatives, vous pouvez gérer et suivre plus efficacement vos tâches de détection d'étiquettes.

‍

Pourquoi Eden AI est le meilleur outil pour la détection des étiquettes

Eden AI propose une solution robuste de détection d'étiquettes présentant plusieurs avantages.

‍

Plusieurs options de fournisseurs

Eden AI vous permet de comparer et d'utiliser plusieurs fournisseurs à la fois, tels que Google et Amazon.

Facilité d'intégration

Eden AI simplifie l'intégration de la détection d'étiquettes dans vos applications grâce à des exemples de code Python clairs et simples.

Sécurité et confiance

‍La plateforme Eden AI donne la priorité à la sécurité et à la confidentialité des données, garantissant ainsi une gestion sécurisée des données relatives à vos images.

‍

Conclusion

La détection des étiquettes ajoute une puissante intelligence visuelle à vos applications, et Eden AI vous facilite la tâche.

Avec seulement quelques lignes de Python et un processus simple en deux étapes, vous pouvez analyser le contenu vidéo à l'aide des meilleurs fournisseurs d'IA tels que Google et Amazon.

L'API unifiée, le traitement asynchrone et la flexibilité multifournisseurs d'Eden AI en font une solution idéale pour une analyse vidéo évolutive et performante, que vous travailliez sur des applications multimédia, des systèmes de sécurité ou des outils de modération de contenu.