使用命令行跟踪视频对象
本快速入门将引导您完成以下过程：
- 将一组视频复制到 Cloud Storage 中。
- 创建列有视频及其标签的 CSV 文件。
- 使用 AutoML Video 对象跟踪创建数据集，以训练和使用模型。
准备工作
设置项目
- 登录您的 Google Cloud 账号。如果您是 Google Cloud 新手，请创建一个账号来评估我们的产品在实际场景中的表现。新客户还可获享 $300 赠金，用于运行、测试和部署工作负载。
- 安装 Google Cloud CLI。
-
如需初始化 gcloud CLI，请运行以下命令：
gcloud init
-
-
创建 Google Cloud 项目：
gcloud projects create PROJECT_ID
将
PROJECT_ID替换为您要创建的 Google Cloud 项目的名称。 -
选择您创建的 Google Cloud 项目：
gcloud config set project PROJECT_ID
将
PROJECT_ID替换为您的 Google Cloud 项目 名称。
-
-
Enable the AutoML and Cloud Storage APIs:
gcloud services enable storage-component.googleapis.com
automl.googleapis.com storage-api.googleapis.com - 安装 Google Cloud CLI。
-
如需初始化 gcloud CLI，请运行以下命令：
gcloud init
-
-
创建 Google Cloud 项目：
gcloud projects create PROJECT_ID
将
PROJECT_ID替换为您要创建的 Google Cloud 项目的名称。 -
选择您创建的 Google Cloud 项目：
gcloud config set project PROJECT_ID
将
PROJECT_ID替换为您的 Google Cloud 项目 名称。
-
-
Enable the AutoML and Cloud Storage APIs:
gcloud services enable storage-component.googleapis.com
automl.googleapis.com storage-api.googleapis.com - 将
PROJECT_ID环境变量设置为项目 ID。export PROJECT_ID=PROJECT_ID
AutoML API 调用和资源名称中包含您的项目 ID。PROJECT_ID环境变量提供了一种指定此 ID 的便捷方式。
创建数据集并导入训练数据
创建数据集
确定数据集的名称，并使用以下 curl 或 PowerShell 命令创建采用该名称的新数据集。
REST
下面显示了如何发送 POST 请求。该示例使用 Google Cloud CLI 创建访问令牌。如需了解如何安装 gcloud CLI，请参阅 AutoML Video Intelligence 对象跟踪快速入门。在使用任何请求数据之前，请先进行以下替换：
- dataset-name：目标数据集的名称。
例如my_dataset_01。 - 注意：
- project-number：您的项目编号
- location-id：在其中添加注解的 Cloud 区域。支持的云区域为：
us-east1、us-west1、europe-west1、asia-east1。如果未指定区域，系统将根据视频文件位置确定区域。
HTTP 方法和网址：
POST https://automl.googleapis.com/v1beta1/projects/project-number/locations/location-id/datasets
请求 JSON 正文：
{
"displayName": "dataset-name",
"videoObjectTrackingDatasetMetadata": { }
}
如需发送请求，请选择以下方式之一：
curl
将请求正文保存在名为 request.json 的文件中，然后执行以下命令：
curl -X POST \
-H "Authorization: Bearer $(gcloud auth print-access-token)" \
-H "x-goog-user-project: project-number" \
-H "Content-Type: application/json; charset=utf-8" \
-d @request.json \
"https://automl.googleapis.com/v1beta1/projects/project-number/locations/location-id/datasets"
PowerShell
将请求正文保存在名为 request.json 的文件中，然后执行以下命令：
$cred = gcloud auth print-access-token
$headers = @{ "Authorization" = "Bearer $cred"; "x-goog-user-project" = "project-number" }
Invoke-WebRequest `
-Method POST `
-Headers $headers `
-ContentType: "application/json; charset=utf-8" `
-InFile request.json `
-Uri "https://automl.googleapis.com/v1beta1/projects/project-number/locations/location-id/datasets" | Select-Object -Expand Content
VOT12345....
导入训练数据
REST
要导入训练数据时，请使用importData 方法。此方法要求您提供两个参数：
- 包含训练路径的 CSV 路径，
- 测试数据 CSV 文件。注意：这些文件位于 Cloud Storage 上的“automl-video-demo-data”存储桶中。
在使用任何请求数据之前，请先进行以下替换：
- dataset-id：您的数据集的 ID。此 ID 是数据集名称的最后一个元素。例如：
- 数据集名称：
projects/project-number/locations/location-id/datasets/3104518874390609379 - 数据集 ID：
3104518874390609379
- 数据集名称：
- bucket-name：替换为您在其中存储模型训练文件列表 CSV 文件的 Cloud Storage 存储桶的名称。
- csv-file-name：替换为模型训练文件列表 CSV 文件的名称。
- 注意：
- project-number：您的项目编号
- location-id：在其中添加注解的 Cloud 区域。支持的云区域为：
us-east1、us-west1、europe-west1、asia-east1。如果未指定区域，系统将根据视频文件位置确定区域。
HTTP 方法和网址：
POST https://automl.googleapis.com/v1beta1/projects/project-number/locations/location-id/datasets/dataset-id:importData
请求 JSON 正文：
{
"inputConfig": {
"gcsSource": {
"inputUris": ["gs://bucket-name/csv-file-name.csv"]
}
}
}
如需发送请求，请选择以下方式之一：
curl
将请求正文保存在名为 request.json 的文件中，然后执行以下命令：
curl -X POST \
-H "Authorization: Bearer $(gcloud auth print-access-token)" \
-H "x-goog-user-project: project-number" \
-H "Content-Type: application/json; charset=utf-8" \
-d @request.json \
"https://automl.googleapis.com/v1beta1/projects/project-number/locations/location-id/datasets/dataset-id:importData"
PowerShell
将请求正文保存在名为 request.json 的文件中，然后执行以下命令：
$cred = gcloud auth print-access-token
$headers = @{ "Authorization" = "Bearer $cred"; "x-goog-user-project" = "project-number" }
Invoke-WebRequest `
-Method POST `
-Headers $headers `
-ContentType: "application/json; charset=utf-8" `
-InFile request.json `
-Uri "https://automl.googleapis.com/v1beta1/projects/project-number/locations/location-id/datasets/dataset-id:importData" | Select-Object -Expand Content
VOT7506374678919774208 的响应。
获取导入操作的状态
您可以使用以下 curl 或 PowerShell 命令查询数据导入操作的状态。
REST
在使用任何请求数据之前，请先进行以下替换：
- operation-id：是为请求创建的长时间运行的操作的 ID，并在启动操作时在响应中提供，例如
VOT12345.... - 注意：
- project-number：您的项目编号
- location-id：在其中添加注解的 Cloud 区域。支持的云区域为：
us-east1、us-west1、europe-west1、asia-east1。如果未指定区域，系统将根据视频文件位置确定区域。
HTTP 方法和网址：
GET https://automl.googleapis.com/v1beta1/projects/project-number/locations/location-id/operations/operation-id
如需发送请求，请选择以下方式之一：
curl
执行以下命令：
curl -X GET \
-H "Authorization: Bearer $(gcloud auth print-access-token)" \
-H "x-goog-user-project: project-number" \
"https://automl.googleapis.com/v1beta1/projects/project-number/locations/location-id/operations/operation-id"
PowerShell
执行以下命令：
$cred = gcloud auth print-access-token
$headers = @{ "Authorization" = "Bearer $cred"; "x-goog-user-project" = "project-number" }
Invoke-WebRequest `
-Method GET `
-Headers $headers `
-Uri "https://automl.googleapis.com/v1beta1/projects/project-number/locations/location-id/operations/operation-id" | Select-Object -Expand Content
done: true，但不会列出任何错误，如上例所示。- operation-name：AutoML Video Intelligence 对象跟踪 API 返回的操作名称。操作名称采用
projects/project-number/locations/location-id/operations/operation-id格式
列出所有数据集
使用以下 curl 或 PowerShell 命令获取数据集列表以及导入数据集的示例视频数量。
REST
在使用任何请求数据之前，请先进行以下替换：
- project-number：您项目的编号
- location-id：在其中添加注解的 Cloud 区域。支持的云区域为：
us-east1、us-west1、europe-west1、asia-east1。如果未指定区域，系统将根据视频文件位置确定区域。
HTTP 方法和网址：
GET https://automl.googleapis.com/v1beta1/projects/project-number/locations/location-id/datasets
如需发送请求，请选择以下方式之一：
curl
执行以下命令：
curl -X GET \
-H "Authorization: Bearer $(gcloud auth print-access-token)" \
-H "x-goog-user-project: project-number" \
"https://automl.googleapis.com/v1beta1/projects/project-number/locations/location-id/datasets "
PowerShell
执行以下命令：
$cred = gcloud auth print-access-token
$headers = @{ "Authorization" = "Bearer $cred"; "x-goog-user-project" = "project-number" }
Invoke-WebRequest `
-Method GET `
-Headers $headers `
-Uri "https://automl.googleapis.com/v1beta1/projects/project-number/locations/location-id/datasets " | Select-Object -Expand Content
VOT3940649673949184000 是为请求创建的长时间运行的操作的操作 ID，并会在您启动操作时在响应中提供。
训练模型
启动模型训练操作
创建数据集并将训练数据导入数据集后，您可以训练自定义模型。 使用以下 curl 或 PowerShell 命令训练模型。
REST
在使用任何请求数据之前，请先进行以下替换：
- dataset-id：目标数据集的名称。例如：
my_dataset_01显示名。 - model-name：替换为您为模型选择的名称。
- 注意：
- project-number：您的项目编号
- location-id：在其中添加注解的 Cloud 区域。支持的云区域为：
us-east1、us-west1、europe-west1、asia-east1。如果未指定区域，系统将根据视频文件位置确定区域。
HTTP 方法和网址：
POST https://automl.googleapis.com/v1beta1/projects/project-number/locations/location-id/models
请求 JSON 正文：
{
"datasetId": "dataset-id",
"displayName": "model-name",
"videoObjectTrackingModelMetadata": {},
}
如需发送请求，请选择以下方式之一：
curl
将请求正文保存在名为 request.json 的文件中，然后执行以下命令：
curl -X POST \
-H "Authorization: Bearer $(gcloud auth print-access-token)" \
-H "x-goog-user-project: project-number" \
-H "Content-Type: application/json; charset=utf-8" \
-d @request.json \
"https://automl.googleapis.com/v1beta1/projects/project-number/locations/location-id/models"
PowerShell
将请求正文保存在名为 request.json 的文件中，然后执行以下命令：
$cred = gcloud auth print-access-token
$headers = @{ "Authorization" = "Bearer $cred"; "x-goog-user-project" = "project-number" }
Invoke-WebRequest `
-Method POST `
-Headers $headers `
-ContentType: "application/json; charset=utf-8" `
-InFile request.json `
-Uri "https://automl.googleapis.com/v1beta1/projects/project-number/locations/location-id/models" | Select-Object -Expand Content
VOT1741767155885539328 的响应。
获取模型训练操作的状态
您可以使用以下 curl 或 PowerShell 命令查询模型训练操作的状态。
REST
在使用任何请求数据之前，请先进行以下替换：
- operation-name：AutoML Video Intelligence 对象跟踪 API 返回的操作名称。操作名称采用
projects/project-number/locations/location-id/operations/operation-id格式 - 注意：
- project-number：您的项目编号
- location-id：在其中添加注解的 Cloud 区域。支持的云区域为：
us-east1、us-west1、europe-west1、asia-east1。如果未指定区域，系统将根据视频文件位置确定区域。
HTTP 方法和网址：
GET https://automl.googleapis.com/v1beta1/operation-name
如需发送请求，请选择以下方式之一：
curl
执行以下命令：
curl -X GET \
-H "Authorization: Bearer $(gcloud auth print-access-token)" \
-H "x-goog-user-project: project-number" \
"https://automl.googleapis.com/v1beta1/operation-name"
PowerShell
执行以下命令：
$cred = gcloud auth print-access-token
$headers = @{ "Authorization" = "Bearer $cred"; "x-goog-user-project" = "project-number" }
Invoke-WebRequest `
-Method GET `
-Headers $headers `
-Uri "https://automl.googleapis.com/v1beta1/operation-name" | Select-Object -Expand Content
done: true，并且未列出任何错误。
验证模型可用性
模型训练操作成功完成后，您可以使用以下命令列出项目的模型，从而验证模型是否可用。
REST
在使用任何请求数据之前，请先进行以下替换：
- project-number：您项目的编号
- location-id：在其中添加注解的 Cloud 区域。支持的云区域为：
us-east1、us-west1、europe-west1、asia-east1。如果未指定区域，系统将根据视频文件位置确定区域。
HTTP 方法和网址：
GET https://automl.googleapis.com/v1beta1/projects/project-number/locations/location-id/models
如需发送您的请求，请展开以下选项之一：
您应该收到类似以下内容的 JSON 响应：
进行预测
您可以使用 batchPredict 方法为视频请求注释（预测）。batchPredict 方法需要两个输入：
- 存储在 Cloud Storage 存储桶中的 CSV 文件，其中包含要添加注释的视频的路径，
- 要添加注释的视频片段的开始时间和结束时间。
在本快速入门中，请使用 traffic_video_batch_predict.csv CSV 文件。
REST
在使用任何请求数据之前，请先进行以下替换：
- model-id：将替换为模型的标识符
- input-uri：包含要添加注释的文件的 Cloud Storage 存储桶（包括文件名）。必须以
gs://开头。
例如："inputUris": ["gs://automl-video-demo-data/traffic_videos/traffic_video_batch_predict.csv"],。 - output-bucket：替换为包含预测结果的 Google Cloud Storage 存储桶。
- object-id：替换为对象名称，该名称用于标识在 Cloud Storage 存储桶中的哪个位置存储预测请求输出结果。注意：您必须拥有 Cloud Storage 存储桶的写入权限。
- 注意：
- project-number：您的项目编号
- location-id：在其中添加注解的 Cloud 区域。支持的云区域为：
us-east1、us-west1、europe-west1、asia-east1。如果未指定区域，系统将根据视频文件位置确定区域。
HTTP 方法和网址：
POST https://automl.googleapis.com/v1beta1/projects/project-number/locations/location-id/models/model-id:batchPredict
请求 JSON 正文：
{
"inputConfig": {
"gcsSource": {
"inputUris": ["input-uri"]
}
},
"outputConfig": {
"gcsDestination": {
"outputUriPrefix": "gs://output-bucket/object-id"
}
}
"params": {
"score_threshold": "0.0"
}
}
如需发送您的请求，请展开以下选项之一：
您应该收到类似以下内容的 JSON 响应：
获取预测操作的状态
您可以使用以下 curl 或 PowerShell 命令查询批量预测操作的状态。
REST
在使用任何请求数据之前，请先进行以下替换：
- project-number：您项目的编号
- location-id：在其中添加注解的 Cloud 区域。支持的云区域为：
us-east1、us-west1、europe-west1、asia-east1。如果未指定区域，系统将根据视频文件位置确定区域。 - operation-id：是为请求创建的长时间运行的操作的 ID，并在启动操作时在响应中提供，例如
VOT12345....
HTTP 方法和网址：
GET https://automl.googleapis.com/v1beta1/projects/project-number/locations/location-id/operations/operation-id
如需发送请求，请选择以下方式之一：
curl
执行以下命令：
curl -X GET \
-H "Authorization: Bearer $(gcloud auth print-access-token)" \
-H "x-goog-user-project: project-number" \
"https://automl.googleapis.com/v1beta1/projects/project-number/locations/location-id/operations/operation-id"
PowerShell
执行以下命令：
$cred = gcloud auth print-access-token
$headers = @{ "Authorization" = "Bearer $cred"; "x-goog-user-project" = "project-number" }
Invoke-WebRequest `
-Method GET `
-Headers $headers `
-Uri "https://automl.googleapis.com/v1beta1/projects/project-number/locations/location-id/operations/operation-id" | Select-Object -Expand Content
projects/project-number/locations/location-id/operations/operation-id 格式
批量预测任务完成后，预测输出结果将存储在您在命令中指定的 Cloud Storage 存储桶中。每个视频片段都有一个 JSON 文件。JSON 文件的格式类似于 my-video-01.avi.json，其中文件扩展名 .json 附加到原始文件名。
{
"inputUris": ["automl-video-demo-data/sample_video.avi"],
"object_annotations": [ {
"annotation_spec": {
"display_name": "Cat",
"description": "Cat"
},
"confidence": 0.43253016
"frames": [ {
"frame": {
"time_offset": {
"seconds": 4,
"nanos": 960000000
},
"normalized_bounding_box": {
"x_min": 0.1,
"y_min": 0.1,
"x_max": 0.8,
"y_max": 0.8
}
}
}, {
"frame": {
"time_offset": {
"seconds": 5,
"nanos": 960000000
},
"normalized_bounding_box": {
"x_min": 0.2,
"y_min": 0.2,
"x_max": 0.9,
"y_max": 0.9
}
}
} ],
"segment": {
"start_time_offset": {
"seconds": 4,
"nanos": 960000000
},
"end_time_offset": {
"seconds": 5,
"nanos": 960000000
}
}
} ],
"error": {
"details": [ ]
}
}
清理
如果您不再需要自定义模型和相关数据集，可以将其删除。
删除模型
您可以使用以下 curl 或 PowerShell 命令删除模型。
REST
在使用任何请求数据之前，请先进行以下替换：
- project-number：您项目的编号
- location-id：在其中添加注解的 Cloud 区域。支持的云区域为：
us-east1、us-west1、europe-west1、asia-east1。如果未指定区域，系统将根据视频文件位置确定区域。 - model-id：将替换为模型的标识符。
HTTP 方法和网址：
DELETE https://automl.googleapis.com/v1beta1/projects/project-number/locations/location-id/models/model-id
如需发送您的请求，请展开以下选项之一：
您应该会收到一个成功的状态代码 (2xx) 和一个空响应。
删除数据集
您可以使用以下 curl 或 PowerShell 命令删除数据集。
REST
在使用任何请求数据之前，请先进行以下替换：
- project-number：您项目的编号
- location-id：在其中添加注解的 Cloud 区域。支持的云区域为：
us-east1、us-west1、europe-west1、asia-east1。如果未指定区域，系统将根据视频文件位置确定区域。 - datase-id：将替换为数据集 ID 的标识符。
HTTP 方法和网址：
DELETE https://automl.googleapis.com/v1beta1/projects/project-number/locations/location-id/datasets/dataset-id
如需发送您的请求，请展开以下选项之一：
您应该会收到一个成功的状态代码 (2xx) 和一个空响应。