BPK-12 : Google Vision APIで画像認識してみる

  • Googleは様々なプログラムを安価で提供してくれていますが、今年はさらにRaspberry Pi向けツールに力を入れてくれるらしいです。GoogleがRaspberry Pi用のAIツール/ライブラリの提供を充実　ここではGoogle Cloud Vision APIを使って画像認識するロボットを作ってみます。
  • Vision APIを使う方法はREST方式とCloud SDKを使う方法がありますが、ここではより簡単に始められるREST方式を説明します。

事前の準備

Google Developers Consoleでの設定

  • googleのアカウントを持っていないひとは作ってください。Google アカウントの作成
  • Google Developers Consoleにログインしてください。
  • ここでプロジェクトを作成し、課金を有効化し、「Cloud Vision API」を有効化し、APIキーを生成します。
  • 日本語でとても分かりやすく説明しているページがありますので、こちらを参考に進めると良いのではないかと思います。syncer.jp : Cloud Vision APIの使い方まとめ
  • ここで作成したAPIキーはこのあと使うのでコピーしておいてください。
  • 登録開始から６０日間は３万円まで無料で使えます。

gitレポジトリの更新

  • gitで公開しているbezelieのライブラリですが、ときどき更新してますので、以前クローンしたかたも改めて更新（git pull）してください。
$ cd
$ cd bezelie/pi
$ sudo git pull

APIキーの埋め込み

  • 先ほど取得したAPIキーをサンプルプログラムに書き込みます。
  • サンプルプログラムをテキストエディターで開いてください。
$ sudo nano sampleVision1.py
  • １６行目あたりにある「API_KEY = ” 」のクォーテーションの間にAPIキーをペーストしてください。
  • エディターを保存終了してください。

サンプルプログラムの実行

  • ディスプレイは必須ではありませんが、カメラの視界に対象物をしっかり入れるためには、あったほうがよいです。
$ python sampleVision1.py
  • 「これなあに？」「これなんだ？」「これは何？」などと話しかけると、ロボットが「どれどれ」と言うので、カメラの前に対象物を掲げてください。
  • 最大３つの解答候補が英語で発声および画面に文字表示されます。
  • Ctrl+Cで終了させることができます。

応用

  • 公式ドキュメント（日本語）
  • このサンプルでは画像に映っている物のカテゴリー名を表示する「LABEL_DETECTION」という機能を使っていますが、４２行目あたりでコメントアウトしてある「TEXT_DETECTION」「LOGO_DETECTION」も、ほぼおなじプログラムで使うことができます。「TEXT_DETECTION」は文字認識（OCR）、「LOGO_DETECTION」はロゴ認識です。
  • このサンプルでは認識結果を３つ言わせていますが、１つでいいやという場合は７２行目あたりにある「for i in range(3):」の数字を１にしてください。