ウェアハウス ストレージを使用して顔のぼかしアプリを作成する

注: このチュートリアルを完了するには、人間の顔を含む動画データにアクセスする必要があります。ライブ インターネット プロトコル（IP）カメラからのリアルタイム ストリーミング プロトコル（RTSP）動画データ、またはローカル動画ファイルが必要です。

Vertex AI Vision は、動画 データの取り込み、分析、保存に使用できる AI を活用したプラットフォームです。Vertex AI Vision を使用すると、AI アプリケーションを構築してデプロイできます。Vertex AI Vision の他のプロダクト コンポーネントとの統合を活用して、エンドツーエンドの Vertex AI Vision ソリューションを構築できます。

Vertex AI Vision プラットフォームを使用してソリューションの実装を開始するには、次の Vertex AI Vision のコンセプトとコンポーネントを確認してください。

• ストリーム: ソリューションの動画ストリーミング レイヤを表します。ストリーム ソースは、ライブ動画（IP カメラなど）または動画ファイル（MP4 ファイルなど）にできます。

• アプリケーション: ストリームと AI プロセッサ間の接続を有効にして、動画に対して ML オペレーションを実行します。たとえば、カメラ ストリームを、カメラの前を通過する人数をカウントする AI モデルに接続できます。

• メディア ウェアハウス: ストリームによって取り込まれた動画をGoogle Cloud ストレージに保存します。この宛先にデータを保存すると、取り込まれたストリームのデータで使用される AI プロセッサから分析出力とメタデータをクエリできます。

目標

このチュートリアルでは、次の方法を説明します。

• データ入力ストリーム リソースを作成します。
• このストリーム リソースへの動画データのストリーミングを開始します。
• 空のアプリケーションを作成します。
• アプリケーションにノードを追加して、データのストリーミング、データの変更、データの保存を行います。
• アプリをデプロイして使用できるようにします。
• Google Cloud コンソールで処理済みデータの出力を表示します。

このチュートリアルを開始する前に、Vertex AI Vision アプリにデータを送信するためのストリーミング動画リソースが必要です。このリソースは、ローカル動画または RTSP フィードのいずれかになります。この動画データには、サンプルアプリでぼかし処理できる人間の顔が含まれている必要があります。

費用

このドキュメントでは、課金対象である次の Google Cloudコンポーネントを使用します。

• Vertex AI Vision (Streams - Data ingested, Streams - Data consumed, Models - Person / face blur, Warehouse - Video storage)

料金計算ツールを使うと、予想使用量に基づいて費用の見積もりを生成できます。

新規の Google Cloud ユーザーは無料トライアルをご利用いただける場合があります。

このドキュメントに記載されているタスクの完了後、作成したリソースを削除すると、それ以上の請求は発生しません。詳細については、クリーンアップをご覧ください。

始める前に

1. ストリーミング動画ソースの場所（ローカル（./sample_video.mp4 など）またはライブ RTSP フィードの IP アドレス（rtsp://192.168.1.180:540 など））を取得します。この情報は、ストリーム リソースの作成後にストリームへのデータの取り込みを開始するために必要です。
Google Cloud アカウントにログインします。 Google Cloudを初めて使用する場合は、 アカウントを作成して、実際のシナリオでの Google プロダクトのパフォーマンスを評価してください。新規のお客様には、ワークロードの実行、テスト、デプロイができる無料クレジット $300 分を差し上げます。

In the Google Cloud console, on the project selector page, select or create a Google Cloud project.

Roles required to select or create a project

• Select a project: Selecting a project doesn't require a specific IAM role—you can select any project that you've been granted a role on.
• Create a project: To create a project, you need the Project Creator role (roles/resourcemanager.projectCreator), which contains the resourcemanager.projects.create permission. Learn how to grant roles.

Note: If you don't plan to keep the resources that you create in this procedure, create a project instead of selecting an existing project. After you finish these steps, you can delete the project, removing all resources associated with the project.

Go to project selector

Verify that billing is enabled for your Google Cloud project.

Enable the Vision AI API.

Roles required to enable APIs

To enable APIs, you need the Service Usage Admin IAM role (roles/serviceusage.serviceUsageAdmin), which contains the serviceusage.services.enable permission. Learn how to grant roles.

Enable the API

Create a service account:

1. Ensure that you have the Create Service Accounts IAM role (roles/iam.serviceAccountCreator) and the Project IAM Admin role (roles/resourcemanager.projectIamAdmin). Learn how to grant roles.

2. In the Google Cloud console, go to the Create service account page.

   Go to Create service account
3. Select your project.

4. In the Service account name field, enter a name. The Google Cloud console fills in the Service account ID field based on this name.

   In the Service account description field, enter a description. For example, Service account for quickstart.

5. Click Create and continue.

6. Grant the Vision AI > Vision AI Editor role to the service account.

   To grant the role, find the Select a role list, then select Vision AI > Vision AI Editor.

   Note: The Role field affects which resources the service account can access in your project. You can revoke these roles or grant additional roles later.
7. Click Continue.

8. Click Done to finish creating the service account.

   Do not close your browser window. You will use it in the next step.

Create a service account key:

1. In the Google Cloud console, click the email address for the service account that you created.
2. Click Keys.
3. Click Add key, and then click Create new key.
4. Click Create. A JSON key file is downloaded to your computer.
5. Click Close.

Set the environment variable GOOGLE_APPLICATION_CREDENTIALS to the path of the JSON file that contains your credentials. This variable applies only to your current shell session, so if you open a new session, set the variable again.

Example: Linux or macOS

export GOOGLE_APPLICATION_CREDENTIALS="KEY_PATH"

Replace KEY_PATH with the path of the JSON file that contains your credentials.

For example:

export GOOGLE_APPLICATION_CREDENTIALS="/home/user/Downloads/service-account-file.json"

Example: Windows

For PowerShell:

$env:GOOGLE_APPLICATION_CREDENTIALS="KEY_PATH"

Replace KEY_PATH with the path of the JSON file that contains your credentials.

For example:

$env:GOOGLE_APPLICATION_CREDENTIALS="C:\Users\username\Downloads\service-account-file.json"

For command prompt:

set GOOGLE_APPLICATION_CREDENTIALS=KEY_PATH

Replace KEY_PATH with the path of the JSON file that contains your credentials.

Google Cloud CLI をインストールします。

外部 ID プロバイダ（IdP）を使用している場合は、まず連携 ID を使用して gcloud CLI にログインする必要があります。

gcloud CLI を初期化するには、次のコマンドを実行します。

gcloud init

In the Google Cloud console, on the project selector page, select or create a Google Cloud project.

Roles required to select or create a project

• Select a project: Selecting a project doesn't require a specific IAM role—you can select any project that you've been granted a role on.
• Create a project: To create a project, you need the Project Creator role (roles/resourcemanager.projectCreator), which contains the resourcemanager.projects.create permission. Learn how to grant roles.

Note: If you don't plan to keep the resources that you create in this procedure, create a project instead of selecting an existing project. After you finish these steps, you can delete the project, removing all resources associated with the project.

Go to project selector

Verify that billing is enabled for your Google Cloud project.

Enable the Vision AI API.

Roles required to enable APIs

To enable APIs, you need the Service Usage Admin IAM role (roles/serviceusage.serviceUsageAdmin), which contains the serviceusage.services.enable permission. Learn how to grant roles.

Enable the API

Create a service account:

1. Ensure that you have the Create Service Accounts IAM role (roles/iam.serviceAccountCreator) and the Project IAM Admin role (roles/resourcemanager.projectIamAdmin). Learn how to grant roles.

2. In the Google Cloud console, go to the Create service account page.

   Go to Create service account
3. Select your project.

4. In the Service account name field, enter a name. The Google Cloud console fills in the Service account ID field based on this name.

   In the Service account description field, enter a description. For example, Service account for quickstart.

5. Click Create and continue.

6. Grant the Vision AI > Vision AI Editor role to the service account.

   To grant the role, find the Select a role list, then select Vision AI > Vision AI Editor.

   Note: The Role field affects which resources the service account can access in your project. You can revoke these roles or grant additional roles later.
7. Click Continue.

8. Click Done to finish creating the service account.

   Do not close your browser window. You will use it in the next step.

Create a service account key:

1. In the Google Cloud console, click the email address for the service account that you created.
2. Click Keys.
3. Click Add key, and then click Create new key.
4. Click Create. A JSON key file is downloaded to your computer.
5. Click Close.

Set the environment variable GOOGLE_APPLICATION_CREDENTIALS to the path of the JSON file that contains your credentials. This variable applies only to your current shell session, so if you open a new session, set the variable again.

Example: Linux or macOS

export GOOGLE_APPLICATION_CREDENTIALS="KEY_PATH"

Replace KEY_PATH with the path of the JSON file that contains your credentials.

For example:

export GOOGLE_APPLICATION_CREDENTIALS="/home/user/Downloads/service-account-file.json"

Example: Windows

For PowerShell:

$env:GOOGLE_APPLICATION_CREDENTIALS="KEY_PATH"

Replace KEY_PATH with the path of the JSON file that contains your credentials.

For example:

$env:GOOGLE_APPLICATION_CREDENTIALS="C:\Users\username\Downloads\service-account-file.json"

For command prompt:

set GOOGLE_APPLICATION_CREDENTIALS=KEY_PATH

Replace KEY_PATH with the path of the JSON file that contains your credentials.

Google Cloud CLI をインストールします。

外部 ID プロバイダ（IdP）を使用している場合は、まず連携 ID を使用して gcloud CLI にログインする必要があります。

gcloud CLI を初期化するには、次のコマンドを実行します。

gcloud init

2. vaictl ツールをインストールしてデータをストリームに取り込む（OS: Debian GNU/Linux、CPU アーキテクチャ: x86_64）:
   注: Vertex AI Vision SDK とそのすべての依存関係がすでにプリインストールされている Docker イメージを取得することもできます。Vertex AI Vision SDK を使用して Docker イメージを取得する方法については、プロジェクトと開発環境を設定するをご覧ください。
   1. 必要なパッケージをダウンロードします。

      wget https://github.com/google/visionai/releases/download/v0.0.5/visionai_0.0-5_amd64.deb

   2. パッケージをダウンロードしたら、ファイルをダウンロードしたディレクトリで次のコマンドを実行します。

      sudo apt install ./visionai_0.0-5_amd64.deb

   3. インストールを確認します。

      vaictl --help

ストリームの作成

ストリーミング動画分析アプリを作成するには、まずストリーム リソースを作成して登録する必要があります。ユーザーから動画データを受信するリソースとして、Vertex AI Vision を使用して構築するシナリオではストリームが必要です。

コンソール

Google Cloud コンソールで新しいストリームを作成する手順は次のとおりです。

1. Vertex AI Vision ダッシュボードの [ストリーム] タブを開きます。

   [ストリーム] タブに移動

2. [登録] をクリックします。

3. ストリーム名として input-stream を入力し、ストリームを作成するリージョンを選択します。

4. [登録] をクリックして、1 つ以上のストリームを作成します。

   

動画をストリームに取り込む

ストリーム リソースを作成したら、vaictl コマンドライン ツールを使用して動画データをストリームに送信できます。

注: Docker コンテナ オプションを使用して vaictl ツールをインストールした場合は、次の手順に進む前に、コンテナを実行してログインする必要があります。

IP カメラ

ライブ IP カメラを使用してテストする場合は、カメラの IP アドレスを取得する必要があります。この情報は、他の変数置換とともにリクエストで指定する必要があります。

• PROJECT_ID: 実際の Google Cloud プロジェクト ID。
• LOCATION_ID: ロケーション ID。例: us-central1。詳細については、クラウドのロケーションをご覧ください。
• RTSP_ADDRESS: リアルタイム ストリーミング プロトコル（RTSP）フィードのアドレス。例: rtsp://192.168.1.180:540。

このコマンドは、RTSP フィードをストリームに送信します。このコマンドは、RTSP フィードに直接アクセスできるネットワークで実行する必要があります。

vaictl -p PROJECT_ID \
       -l LOCATION_ID \
       -c application-cluster-0 \
       --service-endpoint visionai.googleapis.com \
send rtsp to streams input-stream --rtsp-uri RTSP_ADDRESS
      

コマンドが正常に実行されると、次の出力が表示されます。

[...]
Waiting for long running operation projects/your-project/locations/us-central1/operations/operation-1651364156981-5dde82db7e4a9-dfb17ca5-1051eb20 ⠙
I20220430 21:16:28.024988 211449 gstvaisink.cc:417] cluster-id=application-cluster-0
I20220430 21:16:28.025032 211449 gstvaisink.cc:418] cluster-endpoint=c8khq35ftg78mn61ef50.us-central1.visionai.goog
I20220430 21:16:28.025040 211449 gstvaisink.cc:419] event-id=ev-1651364114183255223
I20220430 21:16:28.025048 211449 gstvaisink.cc:420] stream-id=input-stream
I20220430 21:16:28.025053 211449 gstvaisink.cc:421] series-id=ev-1651364114183255223--input-stream
I20220430 21:16:28.025060 211449 gstvaisink.cc:422] Sending data

ローカル動画ファイル

ライブ動画フィードではなく、ストリームに動画ファイルデータを送信することもできます。このオプションは、IP カメラにアクセスできない場合に便利です。

このオプションの唯一の違いは、vaictl コマンド パラメータです。IP カメラの情報を渡す代わりに、ローカル動画ファイルのパスを渡します。次の変数を置き換えます。

• PROJECT_ID: 実際の Google Cloud プロジェクト ID。
• LOCATION_ID: ロケーション ID。例: us-central1。詳細
• LOCAL_FILE.EXT: ローカル動画ファイルのファイル名。例: my-video.mp4
• --loop フラグ: 省略可。ストリーミングをシミュレートするためにファイルデータをループします。

このコマンドは、動画ファイルをストリームにストリーミングします。--loop フラグを使用すると、コマンドを停止するまで動画がストリームにループされます。

vaictl -p PROJECT_ID \
       -l LOCATION_ID \
       -c application-cluster-0 \
       --service-endpoint visionai.googleapis.com \
send video-file to streams 'input-stream' --file-path LOCAL_FILE.EXT --loop

vaictl 取り込みオペレーションの開始から動画がダッシュボードに表示されるまで、約 100 秒かかることがあります。

ストリームの取り込みが完了すると、input-stream ストリームを選択して、Vertex AI Vision ダッシュボードの [ストリーム] タブで動画フィードを確認できます。

[ストリーム] タブに移動

Google Cloud コンソールでストリームに取り込まれる動画のライブビュー。動画クレジット: Pexels の Tima Miroshnichenko（ピクセル化を追加）。

顔のぼかしアプリを作成する

ストリームを作成してストリームにデータを取り込んだら、データを処理する Vertex AI Vision アプリを作成します。アプリは、次のものを接続する自動化されたパイプラインと考えることができます。

• データの取り込み: 動画フィードがストリームに取り込まれます。
• データ分析: 取り込み後に AI モデルを追加できます。取り込まれた動画情報に対して、任意のコンピュータ ビジョン オペレーションを実行できます。
• データ ストレージ: 2 つのバージョンの動画フィード（元のストリームと AI モデルで処理されたストリーム）をメディア ウェアハウスに保存できます。

Google Cloud コンソールでは、アプリはグラフとして表されます。また、Vertex AI Vision では、アプリグラフに少なくとも 2 つのノード（動画ソースノード（ストリーム）と、少なくとも 1 つのノード（処理モデルまたは出力先））が必要です。

空のアプリケーションを作成する

アプリグラフにデータを入力する前に、まず空のアプリを作成する必要があります。

コンソール

Google Cloud コンソールでアプリを作成します。

1. Vertex AI Vision ダッシュボードの [アプリケーション] タブを開きます。

   [アプリケーション] タブに移動

2. [作成] ボタンをクリックします。

3. アプリ名として「person-blur-app」と入力し、地域を選択します。

4. [作成] をクリックします。

   

アプリ コンポーネント ノードを追加する

空のアプリケーションを作成したら、次の 3 つのノードをアプリグラフに追加できます。

1. 取り込みノード: データをすでに取り込んでいるストリーム リソース。
2. 処理ノード: 取り込まれたデータに対して動作する人物ぼかしモデル。
3. ストレージ ノード: 処理済みの動画を保存し、メタデータ ストアとしても機能するメディア ウェアハウス。このウェアハウスでは、取り込まれた動画データに関する分析情報を生成できるほか、AI モデルによってデータについて推論された情報も保存できます。

コンソール

コンソールでアプリにコンポーネント ノードを追加します。

1. Vertex AI Vision ダッシュボードの [アプリケーション] タブを開きます。

   [アプリケーション] タブに移動

2. person-blur-app 行で、グラフを表示を選択します。これにより、処理パイプラインのグラフ ビジュアリゼーションが表示されます。

データの取り込みノードを追加する

1. 入力ストリーム ノードを追加するには、サイドメニューの [コネクタ] セクションで [ストリーム] オプションを選択します。

2. [ストリーム] メニューの [ソース] セクションで、[ストリームを追加] を選択します。

3. [ストリームを追加] メニューで、 [既存のストリームから選択] を選択し、ストリーム リソースのリストから person-blur-app を選択します。

   

4. ストリームをアプリグラフに追加するには、[ストリームを追加] をクリックします。

データ処理ノードを追加する

1. 人物ぼかしモデルノードを追加するには、サイドメニューの [一般的なプロセッサ] セクションで [人物ぼかし] オプションを選択します。

2. 表示された [人物のぼかし] オプション メニューで、完全なオクルージョンをオンのままにして、顔のみをぼかすオプションを有効にします。

   

データ ストレージ ノードを追加する

1. 出力先（ストレージ）ノードを追加するには、サイドメニューの [コネクタ] セクションで [Vertex AI Vision の Media Warehouse] オプションを選択します。

2. [Vertex AI Vision のメディア ウェアハウス] メニューで、[ウェアハウスを接続] をクリックします。

3. [ウェアハウスを接続] メニューで、[新しいウェアハウスを作成] を選択します。ウェアハウスに person-blur-app という名前を付け、TTL の期間を 14 日のままにします。

4. ウェアハウスを追加するには、[作成] をクリックします。

   

アプリケーションのデプロイ

必要なコンポーネントをすべて使用してエンドツーエンドのアプリを構築したら、アプリを使用するための最後の手順として、アプリをデプロイします。

コンソール

1. Vertex AI Vision ダッシュボードの [アプリケーション] タブを開きます。

   [アプリケーション] タブに移動

2. リスト内の person-blur-app アプリの横にある [グラフを表示] を選択します。

3. アプリケーション グラフ ビルダー ページで、[デプロイ] ボタンをクリックします。

4. 次の確認ダイアログで、[デプロイ] を選択します。

   デプロイ オペレーションが完了するまでに数分かかることがあります。デプロイが完了すると、ノードの横に緑色のチェックマークが表示されます。

   

処理された出力データを表示する

コンソール

1. Vertex AI Vision ダッシュボードの [ウェアハウス] タブを開きます。

   [ウェアハウス] タブに移動

2. リストで person-blur-output-storage ウェアハウスを見つけて、アセットを表示をクリックします。

   

クリーンアップ

このチュートリアルで使用したリソースについて、Google Cloud アカウントに課金されないようにするには、リソースを含むプロジェクトを削除するか、プロジェクトを維持して個々のリソースを削除します。

プロジェクトを削除する

注意: プロジェクトを削除すると、次のような影響があります。

• プロジェクト内のすべてのものが削除されます。既存のプロジェクトを使用してこのドキュメントのタスクを行った場合、そのプロジェクトを削除すると、プロジェクト内で行った他の作業もすべて削除されます。
• カスタム プロジェクト ID が失われます。このプロジェクトを作成したときに、将来使用するカスタム プロジェクト ID を作成した可能性があります。そのプロジェクト ID を使用した URL（例: appspot.com）を保持するには、プロジェクト全体ではなく、プロジェクト内の選択したリソースだけを削除します。

複数のアーキテクチャ、チュートリアル、クイックスタートを実施する予定がある場合は、プロジェクトを再利用すると、プロジェクトの割り当て上限を超えないようにすることができます。

1. Google Cloud コンソールで [リソースの管理] ページに移動します。

   [リソースの管理] に移動

2. プロジェクト リストで、削除するプロジェクトを選択し、[削除] をクリックします。
3. ダイアログでプロジェクト ID を入力し、[シャットダウン] をクリックしてプロジェクトを削除します。

リソースを個別に削除する

ウェアハウスを削除する

1. Google Cloud コンソールで、[ウェアハウス] ページに移動します。

   [ウェアハウス] タブに移動

2. person-blur-output-storage ウェアハウスを見つけます。
3. ウェアハウスを削除するには、 [アクション] をクリックし、[ウェアハウスを削除] をクリックしてから、指示に沿って操作します。

ストリームを削除する

1. Google Cloud コンソールで、[ストリーム] ページに移動します。

   [ストリーム] タブに移動

2. input-stream ストリームの を見つけます。
3. ストリームを削除するには、 [アクション] をクリックし、[ストリームを削除] をクリックしてから、指示に沿って操作します。

アプリを削除する

1. Google Cloud コンソールで、[アプリケーション] ページに移動します。

   [アプリケーション] タブに移動

   注: アプリを削除する前に、アプリのデプロイを解除する必要があります。
2. person-blur-app アプリ。
3. アプリを削除するには、 [アクション]、[アプリケーションを削除] の順にクリックし、指示に沿って操作します。

次のステップ

• 詳しくは、責任ある AI への取り組みをご覧ください。
• アプリに追加できる他のコンポーネントについては、アプリの構築をご覧ください。
• アプリの出力をデータ接続に接続するで、その他の出力ストレージと処理オプションについて学習する。
• コンソールで Warehouse データを検索する方法を確認する。
• Google Cloud に関するリファレンス アーキテクチャ、図、ベスト プラクティスを確認する。Cloud アーキテクチャ センターをご覧ください。