Vertex AI Vision 流量監控應用程式

1. 目標

總覽

本程式碼研究室著重於建立端對端 Vertex AI Vision 應用程式，以監控即時交通影像。我們會使用預先訓練的「入住率分析」專用模型內建功能，擷取下列資訊：

計算在特定線上穿越道路的車輛和人數。
計算道路上任何固定區域的車輛/人數。
偵測道路任何部分的壅塞情況。

課程內容

如何設定 VM 來擷取影片以供串流
如何在 Vertex AI Vision 中建立應用程式
入住率分析提供的不同功能及使用方式
如何部署應用程式
瞭解如何搜尋儲存在 Vertex AI Vision 媒體倉儲中的影片。
如何將輸出內容連結至 BigQuery、編寫 SQL 查詢，從模型的 JSON 輸出內容擷取洞察資料，並即時在 Looker Studio 中以視覺化方式呈現結果。

2. 事前準備

在 Google Cloud 控制台的專案選擇器頁面中，選取或建立 Google Cloud 專案。注意：如果您不打算保留在這項程序中建立的資源，請建立新專案，而不要選取現有專案。完成這些步驟後，您就可以刪除專案，並移除與該專案相關聯的所有資源。前往專案選取器
確認 Cloud 專案已啟用計費功能。瞭解如何檢查專案是否已啟用計費功能。
啟用 Compute Engine 和 Vision AI API。啟用 API

建立服務帳戶：

前往 Google Cloud 控制台中的「Create service account」(建立服務帳戶) 頁面。前往「建立服務帳戶」
選取專案。
在「Service account name」(服務帳戶名稱) 欄位中輸入名稱。Google Cloud 控制台會根據這個名稱填入「Service account ID」(服務帳戶 ID) 欄位。在「Service account description」(服務帳戶說明) 欄位中輸入說明。例如：快速入門導覽課程的服務帳戶。
按一下 [建立並繼續]。
如要提供專案存取權，請將下列角色授予服務帳戶：Vision AI > Vision AI 編輯者、Compute Engine > Compute 執行個體管理員 (Beta 版)、Storage > Storage 物件檢視者 †。在「Select a role」(選取角色) 清單中，選取角色。如要新增其他角色，請按一下「新增其他角色」，然後新增其他角色。注意：「Role」(角色) 欄位會影響服務帳戶在專案中可存取的資源。日後可以撤銷這些角色或授予其他角色。在正式環境中，請勿授予「擁有者」、「編輯者」或「檢視者」角色。而是根據需求，授予預先定義角色或自訂角色。
按一下「繼續」。
按一下「Done」(完成)，即完成建立服務帳戶。請勿關閉瀏覽器視窗，後續步驟會用到。

建立服務帳戶金鑰：

在 Google Cloud 控制台中，點按您建立的服務帳戶電子郵件地址。
點按「Keys」(金鑰)。
依序點按「Add key」(新增金鑰) 和「Create new key」(建立新的金鑰)。
按一下「建立」，系統會將 JSON 金鑰檔案下載至您的電腦。
點選「關閉」。
安裝並初始化 Google Cloud CLI。

† 如果要從 Cloud Storage bucket 複製範例影片檔，才需要這個角色。

3. 設定 VM 來串流影片

在 Occupancy Analytics 中建立應用程式之前，您必須先註冊串流，供應用程式日後使用。

在本教學課程中，您將建立代管影片的 Compute Engine VM 執行個體，並從該 VM 傳送串流影片資料。

建立 Linux VM

從 Compute Engine VM 執行個體傳送影片的第一步是建立 VM 執行個體。

前往控制台的「VM instances」(VM 執行個體) 頁面。前往 VM 執行個體
選取您的專案並點選 [繼續]。
點選「建立執行個體」。
指定 VM 的「Name」(名稱)。詳情請參閱「資源命名慣例」。
選用：變更這個 VM 的「Zone」(區域)。Compute Engine 會隨機排列每個地區內的區域清單，以鼓勵跨多個區域使用。
接受其餘預設選項。如要進一步瞭解這些選項，請參閱「建立及啟動 VM」。
如要建立並啟動 VM，請按一下 [Create] (建立)。

設定 VM 環境

VM 啟動後，您可以使用控制台，從瀏覽器透過 SSH 連線至 VM。接著，您可以下載 vaictl 指令列工具，將影片擷取到串流中。

與 VM 建立 SSH 連線

前往控制台的「VM instances」(VM 執行個體) 頁面。前往 VM 執行個體
在您建立的執行個體行中，按一下「連線」區段的「SSH」。系統會在新的瀏覽器視窗中開啟 SSH 連線。

下載 vaictl 指令列工具

在直接透過瀏覽器進行 SSH 連線視窗中，使用下列指令下載 Vertex AI Vision (vaictl) 指令列工具：

wget https://github.com/google/visionai/releases/download/v0.0.4/visionai_0.0-4_amd64.deb

執行下列指令來安裝指令列工具：

sudo apt install ./visionai_0.0-4_amd64.deb

執行下列指令即可測試安裝作業：

vaictl --help

4. 擷取影片檔案以進行串流

設定 VM 環境後，您可以複製範例影片檔案，然後使用 vaictl 將影片資料串流至入住率分析應用程式。

首先，請在 Cloud 控制台中啟用 Vision AI API

註冊新的串流

按一下 Vertex AI Vision 左側面板中的「串流」分頁標籤。
按一下「註冊」
在「串流名稱」中輸入「traffic-stream」
在區域中輸入「us-central1」
按一下「註冊」

系統需要幾分鐘才能完成註冊。

將範例影片複製到 VM

在 VM 的「直接透過瀏覽器進行 SSH 連線」視窗中，使用下列 gsutil cp 指令複製範例影片。請替換下列變數：

來源：要使用的影片檔案位置。你可以使用自己的影片檔案來源 (例如 gs://BUCKET_NAME/FILENAME.mp4)，也可以使用範例影片 (gs://cloud-samples-data/vertex-ai-vision/street_vehicles_people.mp4)(含人物和車輛的影片，來源)

export SOURCE=gs://cloud-samples-data/vertex-ai-vision/street_vehicles_people.mp4
gsutil cp $SOURCE .

從 VM 串流影片，並將資料擷取到串流中

如要將這個本機影片檔案傳送至應用程式輸入串流，請使用下列指令。您必須進行下列變數替換：

PROJECT_ID：您的 Google Cloud 專案 ID。
LOCATION_ID：您的位置 ID。例如 us-central1。詳情請參閱「Cloud 據點」一文。
LOCAL_FILE：本機影片檔案的檔案名稱。例如 street_vehicles_people.mp4。
-loop 旗標：選用。循環處理檔案資料，模擬串流。

export PROJECT_ID=<Your Google Cloud project ID>
export LOCATION_ID=us-central1
export LOCAL_FILE=street_vehicles_people.mp4

這項指令會將影片檔案串流至串流。如果使用 –loop 旗標，影片會循環播放到串流中，直到你停止指令為止。我們會以背景工作形式執行這項指令，即使 VM 中斷連線，串流也會繼續。

( 在開頭加上 nohup，結尾加上「&」，即可將其設為背景工作)

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

開始 vaictl 擷取作業後，影片可能需要約 100 秒才會顯示在資訊主頁。

串流擷取功能上線後，選取流量串流，即可在 Vertex AI Vision 資訊主頁的「串流」分頁中查看影片動態消息。

前往「串流」分頁

UI 中串流的即時影像 在 Google Cloud 控制台中，即時查看影片擷取至串流的狀態。影片來源： Elizabeth Mavor (已加入像素化效果)，取自 Pixabay。

5. 建立應用程式

首先，請建立處理資料的應用程式。應用程式可視為自動化管道，可連結下列項目：

資料擷取：影片動態饋給會擷取至串流。
資料分析：擷取資料後，即可加入 AI(電腦視覺) 模型。
資料儲存：影片動態饋給的兩個版本 (原始串流和 AI 模型處理的串流) 可以儲存在媒體倉儲中。

在 Google Cloud 控制台中，應用程式會以圖表表示。

建立空白的應用程式

您必須先建立空白應用程式，才能填入應用程式圖表。

在 Google Cloud 控制台中建立應用程式。

前往 Google Cloud 控制台。
開啟 Vertex AI Vision 資訊主頁的「應用程式」分頁。

前往「應用程式」分頁

按一下「建立」按鈕。
輸入 traffic-app 做為應用程式名稱，然後選擇區域。
按一下「Create」(建立)。

新增應用程式元件節點

建立空白應用程式後，即可將三個節點新增至應用程式圖表：

擷取節點：串流資源，用於擷取您建立的 Compute Engine VM 執行個體傳送的資料。
處理節點：根據擷取資料運作的入住率分析模型。
儲存節點：媒體倉儲，用於儲存處理過的影片，並做為中繼資料儲存空間。中繼資料儲存空間包括擷取的影片資料分析資訊，以及 AI 模型推斷的資訊。

在管理中心將元件節點新增至應用程式。

開啟 Vertex AI Vision 資訊主頁的「應用程式」分頁。前往「應用程式」分頁
在流量應用程式行中，選取「查看圖表」。系統會將您導向處理管道的圖表視覺化畫面。

新增資料擷取節點

如要新增輸入串流節點，請在側邊選單的「Connectors」(連接器) 區段中選取「Streams」(串流) 選項。
在隨即開啟的「串流」選單中，選取「來源」部分的「新增串流」。
在「新增串流」選單中，選擇「註冊新串流」，並將 traffic-stream 新增為串流名稱。
如要將串流新增至應用程式圖表，請按一下「新增串流」。

新增資料處理節點

如要新增入住人數計數模型節點，請在側邊選單的「Specialized models」(專業模型) 區段中，選取「occupancy analytics」(入住人數分析) 選項。
保留預設選取的「人物」和「車輛」。
在「線條交叉」中新增線條。使用多點線條工具繪製線條，偵測車輛或人員進出。
繪製活動區，計算該區域內的人數/車輛數。
如果繪製了活動區，請新增停留時間設定，偵測擁擠情況。

(目前系統不支援同時啟用活動區和越線偵測。一次只能使用一項功能)。

新增資料儲存節點

如要新增輸出目的地 (儲存空間) 節點，請在側邊選單的「Connectors」(連接器) 區段中選取「Vertex AI Vision's Media Warehouse」(Vertex AI Vision 的媒體倉儲) 選項。
在「Vertex AI Vision 的媒體倉儲」選單中，按一下「連結倉儲」。
在「Connect Warehouse」(連結倉儲) 選單中，選取「Create new warehouse」(新建倉儲)。將倉儲命名為 traffic-warehouse，並將 TTL 持續時間保留 14 天。
按一下「Create」(建立) 按鈕來新增倉儲。

6. 將輸出內容連結至 BigQuery 資料表

將 BigQuery 連接器新增至 Vertex AI Vision 應用程式後，所有已連結應用程式的模型輸出內容都會擷取至目標資料表。

您可以自行建立 BigQuery 資料表，並在應用程式中新增 BigQuery 連接器時指定該資料表，也可以讓 Vertex AI Vision 應用程式平台自動建立資料表。

自動建立表格

如果讓 Vertex AI Vision 應用程式平台自動建立資料表，您可以在新增 BigQuery 連接器節點時指定這個選項。

如要使用自動建立資料表功能，必須符合下列資料集和資料表條件：

資料集：系統會自動建立名為「visionai_dataset」的資料集。
資料表：系統會自動建立資料表名稱，格式為 visionai_dataset.APPLICATION_ID。
錯誤處理：
如果同一個資料集下已有同名資料表，系統就不會自動建立資料表。

開啟 Vertex AI Vision 資訊主頁的「應用程式」分頁。前往「應用程式」分頁
從清單中選取應用程式名稱旁的「查看應用程式」。
在應用程式建構工具頁面中，從「連接器」部分選取「BigQuery」。
將「BigQuery 路徑」欄位留空。
在「儲存中繼資料來源：」中，只選取「車輛乘載人數分析」，並取消勾選串流。

最終的應用程式圖表應如下所示：

7. 部署應用程式以供使用

使用所有必要元件建構端對端應用程式後，最後一個步驟就是部署應用程式。

開啟 Vertex AI Vision 資訊主頁的「應用程式」分頁。前往「應用程式」分頁
在清單中，選取流量應用程式旁的「查看圖表」。
在應用程式圖表建構工具頁面中，按一下「部署」按鈕。
在隨即顯示的確認對話方塊中，選取「Deploy」。部署作業可能需要幾分鐘才能完成。部署作業完成後，節點旁會顯示綠色勾號。

8. 在儲存倉儲中搜尋影片內容

將影片資料擷取至處理應用程式後，即可查看分析結果，並根據入住率分析資訊搜尋資料。

開啟 Vertex AI Vision 資訊主頁的「倉庫」分頁。前往「倉庫」分頁
在清單中找出流量倉庫，然後點選「查看資產」。
在「人數」或「車輛數」部分，將「最小值」設為 1，並將「最大值」設為 5。
如要篩選儲存在 Vertex AI Vision Media Warehouse 中的已處理影片資料，請按一下「搜尋」。

Google Cloud 控制台會顯示符合搜尋條件的儲存影片資料。影片出處： Elizabeth Mavor (Pixabay 套用搜尋條件)。

9. 在 BigQuery 資料表中分析輸出內容

前往 BigQuery

選取資料集：visionai_dataset

選取資料表：APPLICATION_ID (在本例中為 traffic-app)

按一下表格名稱右側的三個點，然後按一下「查詢」

撰寫下列查詢

查詢 1：查詢每分鐘跨越各條線的車輛數

abc.sql

—- Get list of active marked lines for each timeframe
WITH line_array AS (
  SELECT
  t.ingestion_time AS ingestion_time,
  JSON_QUERY_ARRAY(t.annotation.stats["crossingLineCounts"]) AS lines
  FROM
  `PROJ_ID.visionai_dataset.APP_ID` AS t
),
—- Flatten active lines to get individual entities details
flattened AS (
  SELECT
  line_array.ingestion_time,
  JSON_VALUE(line.annotation.id) as line_id,
  JSON_QUERY_ARRAY(line["positiveDirectionCounts"]) AS entities
  FROM line_array, unnest(line_array.lines) as line
 )
—- Generate aggregate vehicle count per zone w.r.t time 
SELECT
  STRING(TIMESTAMP_TRUNC(ingestion_time, MINUTE) ) AS time, line_id,
  SUM(INT64(entity["count"])) as vehicle_count
FROM
  flattened, UNNEST(flattened.entities) AS entity
WHERE JSON_VALUE(entity['entity']['labelString']) = 'Vehicle'
GROUP BY time, line_id

查詢 2：查詢每個區域每分鐘的車輛數量

—- Get list of active zones for each timeframe
WITH zone_array AS (
     SELECT
     t.ingestion_time AS ingestion_time,
     JSON_QUERY_ARRAY(t.annotation.stats["activeZoneCounts"]) AS zones
     FROM
     `PROJ_ID.visionai_dataset.APP_ID` AS t
),
—- Flatten active zones to get individual entities details
flattened AS (
   SELECT zone_array.ingestion_time, JSON_VALUE(zone.annotation.id) as zone_id,
         JSON_QUERY_ARRAY(zone["counts"]) AS entities
   FROM zone_array, unnest(zone_array.zones) as zone
 )
—- Generate aggregate vehicle count per zone w.r.t time 
SELECT 
STRING(TIMESTAMP_TRUNC(ingestion_time, MINUTE) ) AS time, 
zone_id,
SUM(INT64(entity["count"])) as vehicle_count
FROM flattened, UNNEST(flattened.entities) AS entity
WHERE JSON_VALUE(entity['entity']['labelString']) = 'Vehicle'
GROUP BY time, zone_id