人脸检测模型返回空dict (谷歌云视频智能)

Question

我对Google视频智能API的人脸检测模型有问题。

我正在使用Python 3.6.5和google-cloud-videointelligence==1.15.0。

偶尔，我会从人脸检测模型中得到一个错误的反应。我通过使用google.protobuf.json_format.MessageToDict()将其转换为字典来解析API中的响应。我预计会出现以下两种行为之一：

答:如果视频中有人脸，我希望结果在键'FaceDetectionAnnotations'下面，并采用字典字典的形式；外部字典的键是“段号”(一个整数)，内部字典看起来如下所示：

{'coordinates': {'left': 0.3432,
   'top': 0.075,
   'right': 0.6667,
   'bottom': 0.7435},
  'labels': {'confidence': 1.0,
   'attributes': [{'name': 'glasses', 'confidence': 0.041921083},
    {'name': 'headwear', 'confidence': 0.10601594},
    {'name': 'eyes_visible', 'confidence': 0.9976739},
    {'name': 'mouth_open', 'confidence': 0.005100015},
    {'name': 'looking_at_camera', 'confidence': 0.9647807},
    {'name': 'smiling', 'confidence': 0.017670842}]}}

如果视频中没有脸，我希望结果中没有这样的'FaceDetectionAnnotations'键。

然而，我偶尔会看到第三种响应，结果中存在'FaceDetectionAnnotations'键(这意味着人脸检测模型实际上检测了人脸)，但是每个内部字典都是完全空的。每个段仍然有一个内部字典，但是它们不包含任何通常的信息，例如分段的开始和结束时间，或者任何坐标或置信值。

我只看到这个问题的视频，他们有脸在他们。

我可以确认这个问题存在于Google的原始响应中(在用MessageToDict()函数解析之前)，我不知道是什么原因造成的。下面是一个显示这个问题的示例视频的链接。

cz/view?usp=共享

如果有人以前见过这样的东西，或者知道如何解决这个问题，我会非常感激的。

Answer 1

目前，关于您所关心的问题，这里还有一个悬而未决的问题。在那里，工程团队正在调查它，您可以跟踪它的进展，通过上面链接的线程。