Utiliser le modèle de floutage des visages avec le SDK Python

Ce tutoriel vous explique comment utiliser le SDK Python pour flouter les visages dans une vidéo. L'exemple floute des fichiers vidéo provenant d'un bucket Cloud Storage et génère des sorties vidéo floutées. Ces vidéos de sortie sont stockées dans le même bucket Cloud Storage que les vidéos sources.

Objectifs

Ce tutoriel vous explique comment effectuer les tâches suivantes :

• créer un bucket Cloud Storage ;
• Importez un fichier vidéo local dans le bucket.
• Envoyez une requête à l'aide du SDK Python.
• Affichez les vidéos de sortie floutées.

Coûts

Dans ce document, vous utilisez les composants facturables suivants de Google Cloud :

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

Pour obtenir une estimation des coûts en fonction de votre utilisation prévue, utilisez le simulateur de coût.

Les nouveaux utilisateurs de Google Cloud peuvent bénéficier d'un essai sans frais.

Une fois que vous avez terminé les tâches décrites dans ce document, supprimez les ressources que vous avez créées pour éviter que des frais vous soient facturés. Pour en savoir plus, consultez la section Effectuer un nettoyage.

Avant de commencer

Connectez-vous à votre compte Google Cloud . Si vous débutez sur Google Cloud, créez un compte pour évaluer les performances de nos produits en conditions réelles. Les nouveaux clients bénéficient également de 300 $de crédits sans frais pour exécuter, tester et déployer des charges de travail.
Installez la Google Cloud CLI.
Si vous utilisez un fournisseur d'identité (IdP) externe, vous devez d'abord vous connecter à la gcloud CLI avec votre identité fédérée.
Pour initialiser la gcloud CLI, exécutez la commande suivante :
gcloud init
Créez ou sélectionnez un projet Google Cloud .
Rôles requis pour sélectionner ou créer un projet
• Sélectionnez un projet : la sélection d'un projet ne nécessite pas de rôle IAM spécifique. Vous pouvez sélectionner n'importe quel projet pour lequel un rôle vous a été attribué.
• Créer un projet : pour créer un projet, vous devez disposer du rôle Créateur de projet (roles/resourcemanager.projectCreator), qui contient l'autorisation resourcemanager.projects.create. Découvrez comment attribuer des rôles.
Remarque : Si vous ne comptez pas conserver les ressources créées dans cette procédure, créez un projet au lieu de sélectionner un projet existant. Après avoir suivi ces étapes, vous pouvez supprimer le projet. Cela entraîne la suppression de toutes les ressources qui lui sont associées.
• Créez un projet Google Cloud  :

  gcloud projects create PROJECT_ID

  Remplacez PROJECT_ID par le nom du projet Google Cloud que vous créez.

• Sélectionnez le projet Google Cloud que vous avez créé :

  gcloud config set project PROJECT_ID

  Remplacez PROJECT_ID par le nom de votre projet Google Cloud .
Vérifiez que la facturation est activée pour votre projet Google Cloud .
Activez les API Vertex AI Vision et Cloud Storage :
Rôles requis pour activer les API
Pour activer les API, vous avez besoin du rôle IAM Administrateur Service Usage (roles/serviceusage.serviceUsageAdmin), qui contient l'autorisation serviceusage.services.enable. Découvrez comment attribuer des rôles.
gcloud services enable visionai.googleapis.com storage.googleapis.com
Si vous utilisez un shell local, créez des identifiants d'authentification locaux pour votre compte utilisateur :
gcloud auth application-default login
Vous n'avez pas besoin de le faire si vous utilisez Cloud Shell.
Si une erreur d'authentification est renvoyée et que vous utilisez un fournisseur d'identité (IdP) externe, vérifiez que vous vous êtes connecté à la gcloud CLI avec votre identité fédérée.
Attribuez des rôles à votre compte utilisateur. Exécutez la commande suivante une fois pour chacun des rôles IAM suivants : roles/visionai.editor, roles/storage.objectAdmin
gcloud projects add-iam-policy-binding PROJECT_ID --member="user:USER_IDENTIFIER" --role=ROLE
Remplacez les éléments suivants :
• PROJECT_ID : ID de votre projet
• USER_IDENTIFIER : identifiant de votre compte d'utilisateur. Par exemple, [e-mail].
• ROLE : rôle IAM que vous accordez à votre compte utilisateur.

Installez la Google Cloud CLI.

Si vous utilisez un fournisseur d'identité (IdP) externe, vous devez d'abord vous connecter à la gcloud CLI avec votre identité fédérée.

Pour initialiser la gcloud CLI, exécutez la commande suivante :

gcloud init

Créez ou sélectionnez un projet Google Cloud .

Rôles requis pour sélectionner ou créer un projet

• Sélectionnez un projet : la sélection d'un projet ne nécessite pas de rôle IAM spécifique. Vous pouvez sélectionner n'importe quel projet pour lequel un rôle vous a été attribué.
• Créer un projet : pour créer un projet, vous devez disposer du rôle Créateur de projet (roles/resourcemanager.projectCreator), qui contient l'autorisation resourcemanager.projects.create. Découvrez comment attribuer des rôles.

Remarque : Si vous ne comptez pas conserver les ressources créées dans cette procédure, créez un projet au lieu de sélectionner un projet existant. Après avoir suivi ces étapes, vous pouvez supprimer le projet. Cela entraîne la suppression de toutes les ressources qui lui sont associées.

• Créez un projet Google Cloud  :

  gcloud projects create PROJECT_ID

  Remplacez PROJECT_ID par le nom du projet Google Cloud que vous créez.

• Sélectionnez le projet Google Cloud que vous avez créé :

  gcloud config set project PROJECT_ID

  Remplacez PROJECT_ID par le nom de votre projet Google Cloud .

Vérifiez que la facturation est activée pour votre projet Google Cloud .

Activez les API Vertex AI Vision et Cloud Storage :

Rôles requis pour activer les API

Pour activer les API, vous avez besoin du rôle IAM Administrateur Service Usage (roles/serviceusage.serviceUsageAdmin), qui contient l'autorisation serviceusage.services.enable. Découvrez comment attribuer des rôles.

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

Si vous utilisez un shell local, créez des identifiants d'authentification locaux pour votre compte utilisateur :

gcloud auth application-default login

Vous n'avez pas besoin de le faire si vous utilisez Cloud Shell.

Si une erreur d'authentification est renvoyée et que vous utilisez un fournisseur d'identité (IdP) externe, vérifiez que vous vous êtes connecté à la gcloud CLI avec votre identité fédérée.

Attribuez des rôles à votre compte utilisateur. Exécutez la commande suivante une fois pour chacun des rôles IAM suivants : roles/visionai.editor, roles/storage.objectAdmin

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

Remplacez les éléments suivants :

• PROJECT_ID : ID de votre projet
• USER_IDENTIFIER : identifiant de votre compte d'utilisateur. Par exemple, [e-mail].
• ROLE : rôle IAM que vous accordez à votre compte utilisateur.
1. Obtenez le code source du SDK Vertex AI Vision :

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

   Les exemples Python se trouvent dans le répertoire visionai/python/example/.

2. Obtenez le SDK Python :

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

Ajouter des fichiers d'entrée à Cloud Storage

Avant de pouvoir envoyer une requête à l'aide du SDK Python, créez un bucket Cloud Storage et importez une vidéo locale à utiliser comme entrée.

1. Créez un bucket Cloud Storage :

   gcloud storage buckets create gs://BUCKET_NAME
   

2. Importez un fichier vidéo local dans le nouveau bucket :

   gcloud storage cp LOCAL_FILE gs://BUCKET_NAME
   

Installer les dépendances et envoyer la requête

Après avoir créé votre bucket Cloud Storage pour les vidéos d'entrée et de sortie, et ajouté une vidéo locale, installez les dépendances nécessaires et envoyez votre requête.

1. Facultatif. Configurez votre environnement virtuel :

   1. Si ce n'est pas déjà fait, installez virtualenv :

      sudo apt-get install python3-venv
      

   2. Créez un environnement virtuel :

      python3 -m venv vaivenv
      

   3. Activez votre environnement virtuel :

      source vaivenv/bin/activate
      

2. Installez les dépendances :

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

3. Envoyez votre demande avec le SDK Python.

   Effectuez les substitutions de variables suivantes :

   • PROJECT_ID : ID de votre projet Google Cloud .
   • LOCATION_ID : ID de votre emplacement. Exemple :us-central1 En savoir plus Régions acceptées.
   • BUCKET_NAME : bucket Cloud Storage que vous avez créé.

   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
   

   La sortie obtenue doit ressembler à ceci :

    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!
    ```
   

Examiner le résultat

Une fois le traitement de votre vidéo terminé, vous pouvez examiner le résultat dans votre bucket Cloud Storage. Les fichiers vidéo floutés générés se trouveront dans le même bucket Cloud Storage que la vidéo source.

1. Listez tous les objets de votre bucket avec la commande gcloud storage ls :

   gcloud storage ls gs://bucket
   

   Les fichiers sources et les fichiers de sortie doivent être semblables à ce qui suit :

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

2. Facultatif. Téléchargez les fichiers de sortie en local à l'aide de la commande gcloud storage cp et affichez les vidéos floutées :

   gcloud storage cp gs://BUCKET_NAME/FILE_NAME .
   

Effectuer un nettoyage

Pour éviter que les ressources utilisées lors de ce tutoriel soient facturées sur votre compte Google Cloud, supprimez le projet contenant les ressources, ou conservez le projet et supprimez les ressources individuelles.

Étapes suivantes

• En savoir plus sur le modèle de floutage des personnes
• Découvrez des architectures de référence, des schémas et des bonnes pratiques concernant Google Cloud. Consultez notre Cloud Architecture Center.