本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。
# 检测文本
Amazon Rekognition 可以检测图像和视频中的文本。然后，它会将检测到的文本转换为机器可读的文本。您可以使用图像中的机器可读文本检测来实施一些解决方案，例如：
+ 可视化搜索。例如，检索和显示包含相同文本的图像。
+ 内容见解。例如，提供对文本中出现的主题的见解，该文本是在提取的视频帧中识别的。您的应用程序可以搜索识别的文本中的相关内容，例如新闻、体育赛事比分、运动员号码和字幕。
+ 导航。例如，为视障人士开发可识别餐厅、商店或路标中的名称的支持语音的移动应用程序。
+ 公共安全和交通运输支持。例如，从路况摄像头图像中检测车牌号码。
+ 过滤。例如，从图像中过滤掉个人身份信息 (PII)。
对于视频中的文本检测，您可以实施一些解决方案，例如：
+ 在视频中搜索包含特定文本关键字的剪辑，例如，新闻节目中图片上的来宾姓名。
+ 通过检测意外文本、亵渎性词汇或垃圾邮件，审核内容是否符合组织标准。
+ 查找视频时间线上的所有文本叠加以进行进一步处理，例如替换文本为另一种语言的文本以实现内容国际化。
+ 查找文本位置，以便其他图形能够相应地对齐。
要检测 JPEG 或 PNG 格式图像中的文本，请使用[DetectText](https://docs.aws.amazon.com/rekognition/latest/APIReference/API_DetectText.html)操作。要异步检测视频中的文本，请使用[StartTextDetection](https://docs.aws.amazon.com/rekognition/latest/APIReference/API_StartTextDetection.html)和[GetTextDetection](https://docs.aws.amazon.com/rekognition/latest/APIReference/API_GetTextDetection.html)操作。图像和视频文本检测操作支持大多数字体，包括高度风格化的字体。在检测文本后，Amazon Rekognition 将创建检测到的单词和文本行的表示形式，显示它们之间的关系，并告知您文本在图像或视频帧中的位置。
`DetectText` 和 `GetTextDetection` 操作可以检测单词和行。*单词* 是一个或多个不用空格分隔的字母字符。`DetectText` 可以在一张图片中检测多达 100 个单词。`GetTextDetection` 每帧视频还可以检测多达 100 个单词。
单词是一个或多个字母字符，不用空格分隔。Amazon Rekognition 旨在检测英语、阿拉伯语、俄语、德语、法语、意大利语、葡萄牙语和西班牙语的单词。
*行* 是一个由等间距单词组成的字符串。一行不一定是一个完整的句子（句号不表示一行的结尾）。例如，Amazon Rekognition 将一个驾照号码检测为一行。当后面没有对齐的文本或单词之间有较大的间距（相对于单词的长度）时，一行便结束了。根据单词之间的间距，Amazon Rekognition 可能在向同一方向对齐的文本中检测到多个行。如果一个句子跨多个行，则操作将返回多个行。
请考虑以下图像。
![\[咖啡杯带有笑脸和文本“It's Monday but keep smiling”，带有边界框和提取的文本。\]](http://docs.aws.amazon.com/zh_cn/rekognition/latest/dg/images/text.png)
蓝色框表示有关 `DetectText` 操作返回的检测到的文本和该文本的位置的信息。在此示例中，Amazon Rekognition 将“IT's”、“MONDAY”、“but”、“keep”和“Smiling”作为单词检测。Amazon Rekognition 将“IT's”、“MONDAY”、“but keep”和“Smiling”检测为一行。文本必须在横轴的 \$1/- 90 度方向以内才能被检测到。
有关示例，请参阅[检测图像中的文本](text-detecting-text-procedure.md)。
**Topics**
+ [检测图像中的文本](text-detecting-text-procedure.md)
+ [检测存储视频中的文本](text-detecting-video-procedure.md)
# 检测图像中的文本
您可以提供输入图像作为图像字节数组（base64 编码的图像字节）或 Amazon S3 对象。在此过程中，您将 JPEG 或 PNG 图像上传到您的 S3 存储桶并指定文件名称。
**检测图像中的文本 (API)**
1. 如果您尚未完成，请完成以下先决条件。
1. 使用 `AmazonRekognitionFullAccess` 和 `AmazonS3ReadOnlyAccess` 权限创建或更新用户。有关更多信息，请参阅 [步骤 1：设置 AWS 账户并创建用户](setting-up.md#setting-up-iam)。
1. 安装并配置 AWS Command Line Interface 和 AWS SDKs。有关更多信息，请参阅 [第 2 步：设置 AWS CLI 和 AWS SDKs](setup-awscli-sdk.md)。
1. 将包含文本的图像上传到您的 S3 存储桶。
有关说明，请参阅**《Amazon Simple Storage Service 用户指南》中的[将对象上传到 Amazon S3](https://docs.aws.amazon.com/AmazonS3/latest/userguide/UploadingObjectsintoAmazonS3.html)。
1. 使用以下示例调用 `DetectText` 操作。
------
#### [ Java ]
以下示例代码显示在图像中检测到的行和单词。
将`amzn-s3-demo-bucket`和`photo`的值替换为您在步骤 2 中使用的 S3 存储桶和图像的名称。
```
//Copyright 2018 Amazon.com, Inc. or its affiliates. All Rights Reserved.
//PDX-License-Identifier: MIT-0 (For details, see https://github.com/awsdocs/amazon-rekognition-developer-guide/blob/master/LICENSE-SAMPLECODE.)
package aws.example.rekognition.image;
import com.amazonaws.services.rekognition.AmazonRekognition;
import com.amazonaws.services.rekognition.AmazonRekognitionClientBuilder;
import com.amazonaws.services.rekognition.model.AmazonRekognitionException;
import com.amazonaws.services.rekognition.model.Image;
import com.amazonaws.services.rekognition.model.S3Object;
import com.amazonaws.services.rekognition.model.DetectTextRequest;
import com.amazonaws.services.rekognition.model.DetectTextResult;
import com.amazonaws.services.rekognition.model.TextDetection;
import java.util.List;
public class DetectText {
public static void main(String[] args) throws Exception {
String photo = "inputtext.jpg";
String bucket = "bucket";
AmazonRekognition rekognitionClient = AmazonRekognitionClientBuilder.defaultClient();
DetectTextRequest request = new DetectTextRequest()
.withImage(new Image()
.withS3Object(new S3Object()
.withName(photo)
.withBucket(bucket)));
try {
DetectTextResult result = rekognitionClient.detectText(request);
List textDetections = result.getTextDetections();
System.out.println("Detected lines and words for " + photo);
for (TextDetection text: textDetections) {
System.out.println("Detected: " + text.getDetectedText());
System.out.println("Confidence: " + text.getConfidence().toString());
System.out.println("Id : " + text.getId());
System.out.println("Parent Id: " + text.getParentId());
System.out.println("Type: " + text.getType());
System.out.println();
}
} catch(AmazonRekognitionException e) {
e.printStackTrace();
}
}
}
```
------
#### [ Java V2 ]
此代码取自 AWS 文档 SDK 示例 GitHub 存储库。请在[此处](https://github.com/awsdocs/aws-doc-sdk-examples/blob/master/javav2/example_code/rekognition/src/main/java/com/example/rekognition/DetectText.java)查看完整示例。
```
/**
* To run this code example, ensure that you perform the Prerequisites as stated in the Amazon Rekognition Guide:
* https://docs.aws.amazon.com/rekognition/latest/dg/video-analyzing-with-sqs.html
*
* Also, ensure that set up your development environment, including your credentials.
*
* For information, see this documentation topic:
*
* https://docs.aws.amazon.com/sdk-for-java/latest/developer-guide/get-started.html
*/
//snippet-start:[rekognition.java2.detect_text.import]
import software.amazon.awssdk.auth.credentials.ProfileCredentialsProvider;
import software.amazon.awssdk.core.SdkBytes;
import software.amazon.awssdk.regions.Region;
import software.amazon.awssdk.services.rekognition.RekognitionClient;
import software.amazon.awssdk.services.rekognition.model.DetectTextRequest;
import software.amazon.awssdk.services.rekognition.model.Image;
import software.amazon.awssdk.services.rekognition.model.DetectTextResponse;
import software.amazon.awssdk.services.rekognition.model.TextDetection;
import software.amazon.awssdk.services.rekognition.model.RekognitionException;
import java.io.FileInputStream;
import java.io.FileNotFoundException;
import java.io.InputStream;
import java.util.List;
//snippet-end:[rekognition.java2.detect_text.import]
/**
* Before running this Java V2 code example, set up your development environment, including your credentials.
*
* For more information, see the following documentation topic:
*
* https://docs.aws.amazon.com/sdk-for-java/latest/developer-guide/get-started.html
*/
public class DetectTextImage {
public static void main(String[] args) {
final String usage = "\n" +
"Usage: " +
" \n\n" +
"Where:\n" +
" sourceImage - The path to the image that contains text (for example, C:\\AWS\\pic1.png). \n\n";
if (args.length != 1) {
System.out.println(usage);
System.exit(1);
}
String sourceImage = args[0] ;
Region region = Region.US_WEST_2;
RekognitionClient rekClient = RekognitionClient.builder()
.region(region)
.credentialsProvider(ProfileCredentialsProvider.create("default"))
.build();
detectTextLabels(rekClient, sourceImage );
rekClient.close();
}
// snippet-start:[rekognition.java2.detect_text.main]
public static void detectTextLabels(RekognitionClient rekClient, String sourceImage) {
try {
InputStream sourceStream = new FileInputStream(sourceImage);
SdkBytes sourceBytes = SdkBytes.fromInputStream(sourceStream);
Image souImage = Image.builder()
.bytes(sourceBytes)
.build();
DetectTextRequest textRequest = DetectTextRequest.builder()
.image(souImage)
.build();
DetectTextResponse textResponse = rekClient.detectText(textRequest);
List textCollection = textResponse.textDetections();
System.out.println("Detected lines and words");
for (TextDetection text: textCollection) {
System.out.println("Detected: " + text.detectedText());
System.out.println("Confidence: " + text.confidence().toString());
System.out.println("Id : " + text.id());
System.out.println("Parent Id: " + text.parentId());
System.out.println("Type: " + text.type());
System.out.println();
}
} catch (RekognitionException | FileNotFoundException e) {
System.out.println(e.getMessage());
System.exit(1);
}
}
// snippet-end:[rekognition.java2.detect_text.main]
```
------
#### [ AWS CLI ]
此 AWS CLI 命令显示 `detect-text` CLI 操作的 JSON 输出。
将`amzn-s3-demo-bucket`和`Name`的值替换为您在步骤 2 中使用的 S3 存储桶和图像的名称。
将`profile_name`的值替换为您的开发人员资料的名称。
```
aws rekognition detect-text --image "{"S3Object":{"Bucket":"amzn-s3-demo-bucket","Name":"image-name"}}" --profile default
```
如果您在 Windows 设备上访问 CLI，请使用双引号代替单引号，并用反斜杠（即 \$1）对内部双引号进行转义，以解决可能遇到的任何解析器错误。例如，请参阅以下内容：
```
aws rekognition detect-text --image "{\"S3Object\":{\"Bucket\":\"amzn-s3-demo-bucket\",\"Name\":\"image-name\"}}" --profile default
```
------
#### [ Python ]
以下示例代码显示在图像中检测到的行和单词。
将`amzn-s3-demo-bucket`和`photo`的值替换为您在步骤 2 中使用的 S3 存储桶和图像的名称。将创建 Rekognition 会话的行中的`profile_name`值替换为您的开发人员资料的名称。
```
# Copyright 2018 Amazon.com, Inc. or its affiliates. All Rights Reserved.
# PDX-License-Identifier: MIT-0 (For details, see https://github.com/awsdocs/amazon-rekognition-developer-guide/blob/master/LICENSE-SAMPLECODE.)
import boto3
def detect_text(photo, bucket):
session = boto3.Session(profile_name='default')
client = session.client('rekognition')
response = client.detect_text(Image={'S3Object': {'Bucket': bucket, 'Name': photo}})
textDetections = response['TextDetections']
print('Detected text\n----------')
for text in textDetections:
print('Detected text:' + text['DetectedText'])
print('Confidence: ' + "{:.2f}".format(text['Confidence']) + "%")
print('Id: {}'.format(text['Id']))
if 'ParentId' in text:
print('Parent Id: {}'.format(text['ParentId']))
print('Type:' + text['Type'])
print()
return len(textDetections)
def main():
bucket = 'amzn-s3-demo-bucket'
photo = 'photo-name'
text_count = detect_text(photo, bucket)
print("Text detected: " + str(text_count))
if __name__ == "__main__":
main()
```
------
#### [ .NET ]
以下示例代码显示在图像中检测到的行和单词。
将`amzn-s3-demo-bucket`和`photo`的值替换为您在步骤 2 中使用的 S3 存储桶和图像的名称。
```
//Copyright 2018 Amazon.com, Inc. or its affiliates. All Rights Reserved.
//PDX-License-Identifier: MIT-0 (For details, see https://github.com/awsdocs/amazon-rekognition-developer-guide/blob/master/LICENSE-SAMPLECODE.)
using System;
using Amazon.Rekognition;
using Amazon.Rekognition.Model;
public class DetectText
{
public static void Example()
{
String photo = "input.jpg";
String bucket = "amzn-s3-demo-bucket";
AmazonRekognitionClient rekognitionClient = new AmazonRekognitionClient();
DetectTextRequest detectTextRequest = new DetectTextRequest()
{
Image = new Image()
{
S3Object = new S3Object()
{
Name = photo,
Bucket = bucket
}
}
};
try
{
DetectTextResponse detectTextResponse = rekognitionClient.DetectText(detectTextRequest);
Console.WriteLine("Detected lines and words for " + photo);
foreach (TextDetection text in detectTextResponse.TextDetections)
{
Console.WriteLine("Detected: " + text.DetectedText);
Console.WriteLine("Confidence: " + text.Confidence);
Console.WriteLine("Id : " + text.Id);
Console.WriteLine("Parent Id: " + text.ParentId);
Console.WriteLine("Type: " + text.Type);
}
}
catch (Exception e)
{
Console.WriteLine(e.Message);
}
}
}
```
------
#### [ Node.JS ]
以下示例代码显示在图像中检测到的行和单词。
将`amzn-s3-demo-bucket`和`photo`的值替换为您在步骤 2 中使用的 S3 存储桶和图像的名称。将`region`的值替换为在您的 .aws 凭证中找到的区域。将创建 Rekognition 会话的行中的`profile_name`值替换为您的开发人员资料的名称。
```
var AWS = require('aws-sdk');
const bucket = 'bucket' // the bucketname without s3://
const photo = 'photo' // the name of file
const config = new AWS.Config({
accessKeyId: process.env.AWS_ACCESS_KEY_ID,
secretAccessKey: process.env.AWS_SECRET_ACCESS_KEY,
})
AWS.config.update({region:'region'});
const client = new AWS.Rekognition();
const params = {
Image: {
S3Object: {
Bucket: bucket,
Name: photo
},
},
}
client.detectText(params, function(err, response) {
if (err) {
console.log(err, err.stack); // handle error if an error occurred
} else {
console.log(`Detected Text for: ${photo}`)
console.log(response)
response.TextDetections.forEach(label => {
console.log(`Detected Text: ${label.DetectedText}`),
console.log(`Type: ${label.Type}`),
console.log(`ID: ${label.Id}`),
console.log(`Parent ID: ${label.ParentId}`),
console.log(`Confidence: ${label.Confidence}`),
console.log(`Polygon: `)
console.log(label.Geometry.Polygon)
}
)
}
});
```
------
## DetectText 操作请求
在 `DetectText` 操作中，您可将输入图像作为 base64 编码的字节数组提供，也可将其作为 Amazon S3 存储桶中存储的图像提供。以下示例 JSON 请求显示从 Amazon S3 存储桶加载的图像。
```
{
"Image": {
"S3Object": {
"Bucket": "amzn-s3-demo-bucket",
"Name": "inputtext.jpg"
}
}
}
```
### 筛选条件
通过按文本区域、大小和置信度评分进行筛选，您可以更加灵活地控制文本检测输出。通过使用感兴趣的区域，您可以轻松地将文本检测限制到与您相关的区域，例如，在从机器的图像中读取零件编号时，档案照片的右上角或相对于参考点的固定位置。单词边界框大小筛选器可用于避免噪点或不相关的小背景文本。通过单词置信度筛选器，您可以移除因模糊或脏污导致的不可靠的结果。
有关筛选值的信息，请参阅 `[DetectTextFilters](https://docs.aws.amazon.com/rekognition/latest/APIReference/API_DetectTextFilters.html)`。
您可以使用以下筛选器：
+ **MinConfidence**— 设置字词检测的置信度。从结果中排除检测置信度低于此级别的单词。值应介于 0 和 100 之间。
+ **MinBoundingBoxWidth**— 设置单词边界框的最小宽度。将从结果中排除其边界框小于此值的单词。该值是相对于图像帧宽度的。
+ **MinBoundingBoxHeight**— 设置单词边框的最小高度。将从结果中排除其边界框高度小于此值的单词。该值是相对于图像帧高度的。
+ **RegionsOfInterest**— 将检测范围限制在图像帧的特定区域。这些值是相对于帧的尺寸的。对于仅部分位于区域内的文本，响应是不确定的。
## DetectText 操作响应
该`DetectText`操作分析图像并返回一个数组 TextDetections，其中每个元素 (`[TextDetection](https://docs.aws.amazon.com/rekognition/latest/APIReference/API_TextDetection.html)`) 表示图像中检测到的行或字。对于每个元素，`DetectText` 将返回以下信息：
+ 检测到的文本 (`DetectedText`)
+ 单词与行之间的关系（`Id` 和 `ParentId`）
+ 图像上的文本的位置 (`Geometry`)
+ Amazon Rekognition 对检测到的文本和边界框的准确性的置信度（`Confidence`）
+ 检测到的文本的类型 (`Type`)
### 检测到的文本
每个 `TextDetection` 元素均包含在 `DetectedText` 字段中识别的文本（单词或行）。单词是一个或多个字母字符，不用空格分隔。在一个图像中，`DetectText` 最多可以检测 100 个单词。返回的文本可能包含使单词无法被识别的字符。例如，用 *C@t* 替换 *Cat*。要确定某个 `TextDetection` 元素是表示一行文本还是一个单词，请使用 `Type` 字段。
每个 `TextDetection` 元素均包含一个百分比值，表示 Amazon Rekognition 对检测到的文本和文本周围的边界框的准确性的置信度。
### 单词与行的关系
每个 `TextDetection` 元素都有一个标识符字段 `Id`。`Id` 显示单词在行中的位置。如果元素是单词，父标识符字段 `ParentId` 将标识检测到单词的行。行的 `ParentId` 为 null。例如，示例图中的行“but keep”具有以下 `Id` 和 `ParentId` 值：
| 文本 | ID | 父级 ID |
| --- | --- | --- |
| but keep | 3 | |
| but | 8 | 3 |
| keep | 9 | 3 |
### 文本在图像上的位置
要确定识别的文本在图像上的位置，请使用 `DetectText` 返回的边界框 ([Geometry](https://docs.aws.amazon.com/rekognition/latest/APIReference/API_Geometry.html)) 信息。`Geometry` 对象包含两种类型的边界框信息，分别适用于检测到的行和单词：
+ [BoundingBox](https://docs.aws.amazon.com/rekognition/latest/APIReference/API_BoundingBox.html) 对象中轴对齐的粗糙矩形轮廓线
+ [点](https://docs.aws.amazon.com/rekognition/latest/APIReference/API_Point.html)数组中由多个 X 坐标和 Y 坐标组成的更精细的多边形
边界框和多边形坐标将显示文本在源图像上的位置。坐标值是占图像总体尺寸的比率。有关更多信息，请参阅 [BoundingBox](https://docs.aws.amazon.com/rekognition/latest/APIReference/API_BoundingBox.html)。
来自 `DetectText` 操作的以下 JSON 响应显示了下图中检测到的单词和行。
![\[笑脸咖啡杯旁边的文本写着“It's Monday but keep Smiling”，以砖块为背景，带有文本边界框。\]](http://docs.aws.amazon.com/zh_cn/rekognition/latest/dg/images/text.png)
```
{
'TextDetections': [{'Confidence': 99.35693359375,
'DetectedText': "IT'S",
'Geometry': {'BoundingBox': {'Height': 0.09988046437501907,
'Left': 0.6684935688972473,
'Top': 0.18226495385169983,
'Width': 0.1461552083492279},
'Polygon': [{'X': 0.6684935688972473,
'Y': 0.1838926374912262},
{'X': 0.8141663074493408,
'Y': 0.18226495385169983},
{'X': 0.8146487474441528,
'Y': 0.28051772713661194},
{'X': 0.6689760088920593,
'Y': 0.2821454107761383}]},
'Id': 0,
'Type': 'LINE'},
{'Confidence': 99.6207275390625,
'DetectedText': 'MONDAY',
'Geometry': {'BoundingBox': {'Height': 0.11442459374666214,
'Left': 0.5566731691360474,
'Top': 0.3525116443634033,
'Width': 0.39574965834617615},
'Polygon': [{'X': 0.5566731691360474,
'Y': 0.353712260723114},
{'X': 0.9522717595100403,
'Y': 0.3525116443634033},
{'X': 0.9524227976799011,
'Y': 0.4657355844974518},
{'X': 0.5568241477012634,
'Y': 0.46693623065948486}]},
'Id': 1,
'Type': 'LINE'},
{'Confidence': 99.6160888671875,
'DetectedText': 'but keep',
'Geometry': {'BoundingBox': {'Height': 0.08314694464206696,
'Left': 0.6398131847381592,
'Top': 0.5267938375473022,
'Width': 0.2021435648202896},
'Polygon': [{'X': 0.640289306640625,
'Y': 0.5267938375473022},
{'X': 0.8419567942619324,
'Y': 0.5295097827911377},
{'X': 0.8414806723594666,
'Y': 0.609940767288208},
{'X': 0.6398131847381592,
'Y': 0.6072247624397278}]},
'Id': 2,
'Type': 'LINE'},
{'Confidence': 88.95134735107422,
'DetectedText': 'Smiling',
'Geometry': {'BoundingBox': {'Height': 0.4326171875,
'Left': 0.46289217472076416,
'Top': 0.5634765625,
'Width': 0.5371078252792358},
'Polygon': [{'X': 0.46289217472076416,
'Y': 0.5634765625},
{'X': 1.0, 'Y': 0.5634765625},
{'X': 1.0, 'Y': 0.99609375},
{'X': 0.46289217472076416,
'Y': 0.99609375}]},
'Id': 3,
'Type': 'LINE'},
{'Confidence': 99.35693359375,
'DetectedText': "IT'S",
'Geometry': {'BoundingBox': {'Height': 0.09988046437501907,
'Left': 0.6684935688972473,
'Top': 0.18226495385169983,
'Width': 0.1461552083492279},
'Polygon': [{'X': 0.6684935688972473,
'Y': 0.1838926374912262},
{'X': 0.8141663074493408,
'Y': 0.18226495385169983},
{'X': 0.8146487474441528,
'Y': 0.28051772713661194},
{'X': 0.6689760088920593,
'Y': 0.2821454107761383}]},
'Id': 4,
'ParentId': 0,
'Type': 'WORD'},
{'Confidence': 99.6207275390625,
'DetectedText': 'MONDAY',
'Geometry': {'BoundingBox': {'Height': 0.11442466825246811,
'Left': 0.5566731691360474,
'Top': 0.35251158475875854,
'Width': 0.39574965834617615},
'Polygon': [{'X': 0.5566731691360474,
'Y': 0.3537122905254364},
{'X': 0.9522718787193298,
'Y': 0.35251158475875854},
{'X': 0.9524227976799011,
'Y': 0.4657355546951294},
{'X': 0.5568241477012634,
'Y': 0.46693626046180725}]},
'Id': 5,
'ParentId': 1,
'Type': 'WORD'},
{'Confidence': 99.96778869628906,
'DetectedText': 'but',
'Geometry': {'BoundingBox': {'Height': 0.0625,
'Left': 0.6402802467346191,
'Top': 0.5283203125,
'Width': 0.08027780801057816},
'Polygon': [{'X': 0.6402802467346191,
'Y': 0.5283203125},
{'X': 0.7205580472946167,
'Y': 0.5283203125},
{'X': 0.7205580472946167,
'Y': 0.5908203125},
{'X': 0.6402802467346191,
'Y': 0.5908203125}]},
'Id': 6,
'ParentId': 2,
'Type': 'WORD'},
{'Confidence': 99.26438903808594,
'DetectedText': 'keep',
'Geometry': {'BoundingBox': {'Height': 0.0818721204996109,
'Left': 0.7344760298728943,
'Top': 0.5280686020851135,
'Width': 0.10748066753149033},
'Polygon': [{'X': 0.7349520921707153,
'Y': 0.5280686020851135},
{'X': 0.8419566750526428,
'Y': 0.5295097827911377},
{'X': 0.8414806127548218,
'Y': 0.6099407076835632},
{'X': 0.7344760298728943,
'Y': 0.6084995269775391}]},
'Id': 7,
'ParentId': 2,
'Type': 'WORD'},
{'Confidence': 88.95134735107422,
'DetectedText': 'Smiling',
'Geometry': {'BoundingBox': {'Height': 0.4326171875,
'Left': 0.46289217472076416,
'Top': 0.5634765625,
'Width': 0.5371078252792358},
'Polygon': [{'X': 0.46289217472076416,
'Y': 0.5634765625},
{'X': 1.0, 'Y': 0.5634765625},
{'X': 1.0, 'Y': 0.99609375},
{'X': 0.46289217472076416,
'Y': 0.99609375}]},
'Id': 8,
'ParentId': 3,
'Type': 'WORD'}],
'TextModelVersion': '3.0'}
```
# 检测存储视频中的文本
存储视频中的 Amazon Rekognition Video 文本检测是一个异步操作。要开始检测文本，请致电[StartTextDetection](https://docs.aws.amazon.com/rekognition/latest/APIReference/API_StartTextDetection.html)。Amazon Rekognition Video 会将视频分析的完成状态发布到 Amazon SNS 主题。如果视频分析成功，请调用 [GetTextDetection](https://docs.aws.amazon.com/rekognition/latest/APIReference/API_GetTextDetection.html) 来获取分析结果。有关启动视频分析和获取结果的详细信息，请参阅[调用 Amazon Rekognition Video 操作](api-video.md)。
此过程扩展了[使用 Java 或 Python 分析存储在 Amazon S3 存储桶中的视频 (SDK)](video-analyzing-with-sqs.md)中的代码。它使用 Amazon SQS 队列获取视频分析请求的完成状态。
**检测存储在 Amazon S3 存储桶内的视频中的文本 (SDK)**
1. 按照[使用 Java 或 Python 分析存储在 Amazon S3 存储桶中的视频 (SDK)](video-analyzing-with-sqs.md)中的步骤操作。
1. 将以下代码添加到步骤 1 中的 `VideoDetect` 类。
------
#### [ Java ]
```
//Copyright 2018 Amazon.com, Inc. or its affiliates. All Rights Reserved.
//PDX-License-Identifier: MIT-0 (For details, see https://github.com/awsdocs/amazon-rekognition-developer-guide/blob/master/LICENSE-SAMPLECODE.)
private static void StartTextDetection(String bucket, String video) throws Exception{
NotificationChannel channel= new NotificationChannel()
.withSNSTopicArn(snsTopicArn)
.withRoleArn(roleArn);
StartTextDetectionRequest req = new StartTextDetectionRequest()
.withVideo(new Video()
.withS3Object(new S3Object()
.withBucket(bucket)
.withName(video)))
.withNotificationChannel(channel);
StartTextDetectionResult startTextDetectionResult = rek.startTextDetection(req);
startJobId=startTextDetectionResult.getJobId();
}
private static void GetTextDetectionResults() throws Exception{
int maxResults=10;
String paginationToken=null;
GetTextDetectionResult textDetectionResult=null;
do{
if (textDetectionResult !=null){
paginationToken = textDetectionResult.getNextToken();
}
textDetectionResult = rek.getTextDetection(new GetTextDetectionRequest()
.withJobId(startJobId)
.withNextToken(paginationToken)
.withMaxResults(maxResults));
VideoMetadata videoMetaData=textDetectionResult.getVideoMetadata();
System.out.println("Format: " + videoMetaData.getFormat());
System.out.println("Codec: " + videoMetaData.getCodec());
System.out.println("Duration: " + videoMetaData.getDurationMillis());
System.out.println("FrameRate: " + videoMetaData.getFrameRate());
//Show text, confidence values
List textDetections = textDetectionResult.getTextDetections();
for (TextDetectionResult text: textDetections) {
long seconds=text.getTimestamp()/1000;
System.out.println("Sec: " + Long.toString(seconds) + " ");
TextDetection detectedText=text.getTextDetection();
System.out.println("Text Detected: " + detectedText.getDetectedText());
System.out.println("Confidence: " + detectedText.getConfidence().toString());
System.out.println("Id : " + detectedText.getId());
System.out.println("Parent Id: " + detectedText.getParentId());
System.out.println("Bounding Box" + detectedText.getGeometry().getBoundingBox().toString());
System.out.println("Type: " + detectedText.getType());
System.out.println();
}
} while (textDetectionResult !=null && textDetectionResult.getNextToken() != null);
}
```
在函数 `main` 中，将以下行:
```
StartLabelDetection(amzn-s3-demo-bucket, video);
if (GetSQSMessageSuccess()==true)
GetLabelDetectionResults();
```
替换为:
```
StartTextDetection(amzn-s3-demo-bucket, video);
if (GetSQSMessageSuccess()==true)
GetTextDetectionResults();
```
------
#### [ Java V2 ]
此代码取自 AWS 文档 SDK 示例 GitHub 存储库。请在[此处](https://github.com/awsdocs/aws-doc-sdk-examples/blob/master/javav2/example_code/rekognition/src/main/java/com/example/rekognition/VideoDetectText.java)查看完整示例。
```
//snippet-start:[rekognition.java2.recognize_video_text.import]
import software.amazon.awssdk.auth.credentials.ProfileCredentialsProvider;
import software.amazon.awssdk.regions.Region;
import software.amazon.awssdk.services.rekognition.RekognitionClient;
import software.amazon.awssdk.services.rekognition.model.S3Object;
import software.amazon.awssdk.services.rekognition.model.NotificationChannel;
import software.amazon.awssdk.services.rekognition.model.Video;
import software.amazon.awssdk.services.rekognition.model.StartTextDetectionRequest;
import software.amazon.awssdk.services.rekognition.model.StartTextDetectionResponse;
import software.amazon.awssdk.services.rekognition.model.RekognitionException;
import software.amazon.awssdk.services.rekognition.model.GetTextDetectionResponse;
import software.amazon.awssdk.services.rekognition.model.GetTextDetectionRequest;
import software.amazon.awssdk.services.rekognition.model.VideoMetadata;
import software.amazon.awssdk.services.rekognition.model.TextDetectionResult;
import java.util.List;
//snippet-end:[rekognition.java2.recognize_video_text.import]
/**
* Before running this Java V2 code example, set up your development environment, including your credentials.
*
* For more information, see the following documentation topic:
*
* https://docs.aws.amazon.com/sdk-for-java/latest/developer-guide/get-started.html
*/
public class DetectTextVideo {
private static String startJobId ="";
public static void main(String[] args) {
final String usage = "\n" +
"Usage: " +
"