Modell „Gesicht unkenntlich machen“ mit dem Python SDK verwenden

In dieser Anleitung erfahren Sie, wie Sie mit dem Python SDK Gesichter in Videos unkenntlich machen. Im Beispiel werden Videodateien aus einem Cloud Storage-Bucket unkenntlich gemacht und unkenntlich gemachte Videoausgaben generiert. Diese Ausgabevideos werden im selben Cloud Storage-Bucket wie die Quellvideos gespeichert.

Ziele

In dieser Anleitung wird Folgendes beschrieben:

• Cloud Storage-Bucket erstellen
• Lokale Videodatei in den Bucket hochladen
• Anfrage mit dem Python SDK senden
• Unkenntlich gemachte Ausgabevideos ansehen

Kosten

In diesem Dokument verwenden Sie die folgenden kostenpflichtigen Komponenten von Google Cloud:

• Vertex AI Vision (Models - Person / face blur)
• Cloud Storage

Mit dem Preisrechner können Sie eine Kostenschätzung für Ihre voraussichtliche Nutzung vornehmen. Verwenden Sie den Preisrechner.

Neuen Google Cloud Nutzern vonsteht möglicherweise eine kostenlose Testversion zur Verfügung.

Nach Abschluss der in diesem Dokument beschriebenen Aufgaben können Sie weitere Kosten vermeiden, indem Sie die erstellten Ressourcen löschen. Weitere Informationen finden Sie unter Bereinigen.

Hinweis

Melden Sie sich in Ihrem Google Cloud Konto an. Wenn Sie noch nicht mit Google Cloudvertraut sind, erstellen Sie ein Konto, um die Leistungsfähigkeit unserer Produkte in der Praxis sehen und bewerten zu können. Neukunden erhalten außerdem ein Guthaben von 300 $, um Arbeitslasten auszuführen, zu testen und bereitzustellen.
Installieren Sie die Google Cloud CLI.
Wenn Sie einen externen Identitätsanbieter (IdP) verwenden, müssen Sie sich zuerst mit Ihrer föderierten Identität in der gcloud CLI anmelden.
Führen Sie den folgenden Befehl aus, um die gcloud CLI zu initialisieren:
gcloud init
Erstellen oder wählen Sie ein Google Cloud Projekt aus.
Erforderliche Rollen zum Auswählen oder Erstellen eines Projekts
• Projekt auswählen: Für die Auswahl eines Projekts ist keine bestimmte IAM-Rolle erforderlich. Sie können ein beliebiges Projekt auswählen, für das Ihnen eine Rolle zugewiesen wurde.
• Projekt erstellen: Zum Erstellen eines Projekts benötigen Sie die Rolle „Projektersteller“ (roles/resourcemanager.projectCreator), die die resourcemanager.projects.create Berechtigung enthält. Rollen zuweisen.
Hinweis: Wenn Sie die Ressourcen, die Sie in diesem Verfahren erstellen, nicht behalten möchten, erstellen Sie ein Projekt, anstatt ein vorhandenes Projekt auszuwählen. Wenn Sie fertig sind, können Sie das Projekt löschen und dadurch alle mit ihm verknüpften Ressourcen entfernen.
• Projekt erstellen: Google Cloud

  gcloud projects create PROJECT_ID

  Ersetzen Sie PROJECT_ID durch einen Namen für das Google Cloud Projekt, das Sie erstellen.

• Wählen Sie das Google Cloud Projekt aus, das Sie erstellt haben:

  gcloud config set project PROJECT_ID

  Ersetzen Sie PROJECT_ID durch Ihren Google Cloud Projektnamen.
Prüfen Sie, ob die Abrechnung für Ihr Google Cloud Projekt aktiviert ist.
Aktivieren Sie die Vertex AI Vision API und die Cloud Storage API:
Erforderliche Rollen zum Aktivieren von APIs
Zum Aktivieren von APIs benötigen Sie die IAM-Rolle „Service Usage-Administrator“ (roles/serviceusage.serviceUsageAdmin) mit der serviceusage.services.enable Berechtigung. Rollen zuweisen.
gcloud services enable visionai.googleapis.com storage.googleapis.com
Wenn Sie eine lokale Shell verwenden, erstellen Sie lokale Anmeldedaten zur Authentifizierung für Ihr Nutzerkonto:
gcloud auth application-default login
Wenn Sie Cloud Shell verwenden, ist dies nicht erforderlich.
Wenn ein Authentifizierungsfehler zurückgegeben wird und Sie einen externen Identitätsanbieter (IdP) verwenden, prüfen Sie, ob Sie sich mit Ihrer föderierten Identität in der gcloud CLI angemeldet haben.
Weisen Sie Ihrem Nutzerkonto Rollen zu. Führen Sie den folgenden Befehl für jede der folgenden IAM-Rollen einmal aus: roles/visionai.editor, roles/storage.objectAdmin
gcloud projects add-iam-policy-binding PROJECT_ID --member="user:USER_IDENTIFIER" --role=ROLE
Ersetzen Sie Folgendes:
• PROJECT_ID: Ihre Projekt-ID.
• USER_IDENTIFIER: Die Kennung für Ihr Nutzerkonto. Beispiel: [e-mail].
• ROLE: Die IAM-Rolle, die Sie Ihrem Nutzerkonto zuweisen.

Installieren Sie die Google Cloud CLI.

Wenn Sie einen externen Identitätsanbieter (IdP) verwenden, müssen Sie sich zuerst mit Ihrer föderierten Identität in der gcloud CLI anmelden.

Führen Sie den folgenden Befehl aus, um die gcloud CLI zu initialisieren:

gcloud init

Erstellen oder wählen Sie ein Google Cloud Projekt aus.

Erforderliche Rollen zum Auswählen oder Erstellen eines Projekts

• Projekt auswählen: Für die Auswahl eines Projekts ist keine bestimmte IAM-Rolle erforderlich. Sie können ein beliebiges Projekt auswählen, für das Ihnen eine Rolle zugewiesen wurde.
• Projekt erstellen: Zum Erstellen eines Projekts benötigen Sie die Rolle „Projektersteller“ (roles/resourcemanager.projectCreator), die die resourcemanager.projects.create Berechtigung enthält. Rollen zuweisen.

Hinweis: Wenn Sie die Ressourcen, die Sie in diesem Verfahren erstellen, nicht behalten möchten, erstellen Sie ein Projekt, anstatt ein vorhandenes Projekt auszuwählen. Wenn Sie fertig sind, können Sie das Projekt löschen und dadurch alle mit ihm verknüpften Ressourcen entfernen.

• Projekt erstellen: Google Cloud

  gcloud projects create PROJECT_ID

  Ersetzen Sie PROJECT_ID durch einen Namen für das Google Cloud Projekt, das Sie erstellen.

• Wählen Sie das Google Cloud Projekt aus, das Sie erstellt haben:

  gcloud config set project PROJECT_ID

  Ersetzen Sie PROJECT_ID durch Ihren Google Cloud Projektnamen.

Prüfen Sie, ob die Abrechnung für Ihr Google Cloud Projekt aktiviert ist.

Aktivieren Sie die Vertex AI Vision API und die Cloud Storage API:

Erforderliche Rollen zum Aktivieren von APIs

Zum Aktivieren von APIs benötigen Sie die IAM-Rolle „Service Usage-Administrator“ (roles/serviceusage.serviceUsageAdmin) mit der serviceusage.services.enable Berechtigung. Rollen zuweisen.

gcloud services enable visionai.googleapis.com storage.googleapis.com

Wenn Sie eine lokale Shell verwenden, erstellen Sie lokale Anmeldedaten zur Authentifizierung für Ihr Nutzerkonto:

gcloud auth application-default login

Wenn Sie Cloud Shell verwenden, ist dies nicht erforderlich.

Wenn ein Authentifizierungsfehler zurückgegeben wird und Sie einen externen Identitätsanbieter (IdP) verwenden, prüfen Sie, ob Sie sich mit Ihrer föderierten Identität in der gcloud CLI angemeldet haben.

Weisen Sie Ihrem Nutzerkonto Rollen zu. Führen Sie den folgenden Befehl für jede der folgenden IAM-Rollen einmal aus: roles/visionai.editor, roles/storage.objectAdmin

gcloud projects add-iam-policy-binding PROJECT_ID --member="user:USER_IDENTIFIER" --role=ROLE

Ersetzen Sie Folgendes:

• PROJECT_ID: Ihre Projekt-ID.
• USER_IDENTIFIER: Die Kennung für Ihr Nutzerkonto. Beispiel: [e-mail].
• ROLE: Die IAM-Rolle, die Sie Ihrem Nutzerkonto zuweisen.
1. Rufen Sie den Quellcode des Vertex AI Vision SDK ab:

   git clone https://github.com/google/visionai.git

   Die Python-Beispiele befinden sich im visionai/python/example/ Verzeichnis.

2. Rufen Sie das Python SDK ab:

   wget https://github.com/google/visionai/releases/download/v0.0.5/visionai-0.0.5-py3-none-any.whl

Eingabedateien zu Cloud Storage hinzufügen

Bevor Sie eine Anfrage mit dem Python SDK senden können, erstellen Sie einen Cloud Storage-Bucket und laden Sie ein lokales Video als Eingabe hoch.

1. Erstellen Sie einen Cloud Storage-Bucket:

   gcloud storage buckets create gs://BUCKET_NAME
   

2. Laden Sie eine lokale Videodatei in den neuen Bucket hoch:

   gcloud storage cp LOCAL_FILE gs://BUCKET_NAME
   

Abhängigkeiten installieren und Anfrage senden

Nachdem Sie Ihren Cloud Storage-Bucket für Eingabe- und Ausgabevideos erstellt und ein lokales Video hinzugefügt haben, installieren Sie die erforderlichen Abhängigkeiten und senden Sie Ihre Anfrage.

1. Optional. Richten Sie Ihre virtuelle Umgebung ein:

   1. Wenn virtualenv nicht installiert ist, installieren Sie es:

      sudo apt-get install python3-venv
      

   2. Erstellen Sie eine neue virtuelle Umgebung:

      python3 -m venv vaivenv
      

   3. Aktivieren Sie Ihre virtuelle Umgebung:

      source vaivenv/bin/activate
      

2. Installieren Sie die Abhängigkeiten:

   pip3 install visionai-0.0.5-py3-none-any.whl
   pip3 install google-cloud-storage
   

3. Senden Sie Ihre Anfrage mit dem Python SDK.

   Ersetzen Sie die folgenden Variablen:

   • PROJECT_ID: Ihre Google Cloud Projekt-ID.
   • LOCATION_ID: Ihre Standort-ID. Beispiel: us-central1. Weitere Informationen. Unterstützte Regionen.
   • BUCKET_NAME: Der von Ihnen erstellte Cloud Storage-Bucket.

   python3 visionai/python/example/blur_gcs_video.py \
   --project_id=PROJECT_ID –cluster_id=application-cluster-0 \
   –location_id=LOCATION_ID –bucket_name=BUCKET_NAME
   

   Die Ausgabe sollte in etwa so aussehen:

    Listing mp4 files...
    test1.mp4
    test2.mp4
    Creating deid processes...
    process vnluvxgl is created
    process rvrdoucx is created
    Waiting for processes to finish...
    process vnluvxgl state is COMPLETED
    process rvrdoucx state is COMPLETED
    All processes have finished, please check the GCS bucket!
    ```
   

Ausgabe prüfen

Nachdem Ihr Video verarbeitet wurde, können Sie die Ausgabe in Ihrem Cloud Storage-Bucket prüfen. Die generierten unkenntlich gemachten Videodateien befinden sich im selben Cloud Storage-Bucket wie das Quellvideo.

1. Listen Sie alle Objekte in Ihrem Bucket mit dem gcloud storage ls Befehl auf:

   gcloud storage ls gs://bucket
   

   Die Quelldateien und Ausgabedateien sollten in etwa so aussehen:

   test1.mp4
   test2.mp4
   test1_deid_output.mp4
   test2_deid_output.mp4
   

2. Optional. Laden Sie die Ausgabedateien mit dem gcloud storage cp Befehl lokal herunter und sehen Sie sich die unkenntlich gemachten Videos an:

   gcloud storage cp gs://BUCKET_NAME/FILE_NAME .
   

Bereinigen

Damit Ihrem Google Cloud-Konto die in dieser Anleitung verwendeten Ressourcen nicht in Rechnung gestellt werden, löschen Sie entweder das Projekt, das die Ressourcen enthält, oder Sie behalten das Projekt und löschen die einzelnen Ressourcen.

Nächste Schritte

• Weitere Informationen zum Modell zur Unkenntlichmachung von Personen
• Referenzarchitekturen, Diagramme und Best Practices zu Google Cloud kennenlernen. Weitere Informationen zu Cloud Architecture Center