DoiT Launches PerfectScale™ for Commitments, Bringing Autonomous Rate Optimization to Every Cloud
Cloud Intelligence™Cloud Intelligence™

Cloud Intelligence™

Amazon Rekognition: análise de imagem e vídeo com IA na prática

By Karim AmarsiMay 19, 202311 min read

Esta página também está disponível em English, Deutsch, Español, Français, Italiano e 日本語.

Quer incorporar análise de multimídia nas suas aplicações? O Amazon Rekognition é a solução ideal. Esse serviço de análise de imagem e vídeo baseado em deep learning detecta, analisa e compara rostos com precisão, identifica objetos, lê textos impressos e muito mais. Como roda na AWS, é altamente escalável e processa milhões de imagens ou vídeos em tempo real.

Como funciona o Amazon Rekognition?

Apoiado em deep learning, o Amazon Rekognition analisa imagens e vídeos usando redes neurais convolucionais (CNNs), que detectam e reconhecem características nos dados visuais. Você pode usar o serviço por meio de:

Entre os principais recursos do Rekognition estão:

  1. Detecção de objetos e cenas: reconhece milhares de objetos e cenas, dos itens do dia a dia (carro, cachorro, árvore) a categorias mais amplas, como praia, paisagem urbana ou floresta.
  2. Análise facial: detecta, analisa e compara rostos, identificando atributos como faixa etária, gênero e emoções.
  3. Reconhecimento facial: pesquisa e compara rostos em uma coleção, encontrando possíveis correspondências ou verificando a identidade do usuário.
  4. Pathing: rastreia o movimento de pessoas em um vídeo para identificar possíveis riscos de segurança ou analisar o comportamento dos clientes.
  5. Detecção de rótulos (labels): permite analisar imagens e identificar automaticamente objetos, cenas e conceitos. Por exemplo, uma foto de pessoas em uma praia tropical pode gerar rótulos como palmeira (objeto), praia (cena), correndo (ação) e ao ar livre (conceito).
  6. Propriedades da imagem: detecta cores dominantes e mede brilho, nitidez e contraste.
  7. Segmentação de vídeo: o Rekognition analisa arquivos de vídeo e os divide em cenas ou tomadas significativas. O recurso é especialmente útil para indexação de vídeos, gestão de conteúdo e publicidade direcionada, ajudando a entender e organizar melhor o material.
  8. Detecção de texto: o Rekognition consegue detectar e extrair texto de imagens e vídeos. Isso permite identificar informações escritas em conteúdos visuais, algo útil em aplicações como análise de documentos, leitura de placas de veículos e experiências de realidade aumentada.
  9. Detecção de emoções: a plataforma reconhece e analisa emoções demonstradas pelas pessoas em imagens e vídeos, como alegria, tristeza, raiva ou surpresa. É um recurso valioso para experiência do cliente, publicidade e entretenimento, pois permite avaliar reações da audiência ou personalizar conteúdos para provocar respostas emocionais específicas.
  10. Moderação de conteúdo: o Rekognition ajuda a identificar e filtrar automaticamente conteúdos visuais potencialmente inseguros ou inadequados, detectando material explícito ou sugestivo. É um recurso útil para empresas e organizações que precisam manter um ambiente seguro para os usuários, como redes sociais, sites de e-commerce ou instituições de ensino.
  11. Reconhecimento de celebridades: o Rekognition identifica milhares de personalidades famosas em áreas como entretenimento, esportes e política. É útil para análise de mídia, recomendação de conteúdo e publicidade.

Exemplo de análise facial extraído do dashboard do Amazon Rekognition no console da AWS

Tutorial: primeiros passos com o Amazon Rekognition

Este tutorial apresenta o conceito de detecção de rótulos do Amazon Rekognition e mostra como usar o AWS Management Console e o AWS SDK para Python (Boto3).

Configurar o ambiente do AWS CLI

  1. Faça login no console da sua conta AWS, se ainda não tiver feito: https://console.aws.amazon.com
  2. Instale o AWS Command Line Interface (CLI) seguindo estas instruções: https://docs.aws.amazon.com/cli/latest/userguide/getting-started-install.html
  3. Configure o AWS CLI com a sua access key, secret access key, região padrão e formato de saída:
$ aws configure
AWS Access Key ID [****]:
AWS Secret Access Key [****]:
Default region name [us-east-1]:
Default output format [json]:

Crie um bucket no Amazon S3 para armazenar a imagem

  1. Faça login no AWS Management Console e abra o console do Amazon S3: https://s3.console.aws.amazon.com/s3/
  2. Clique em "Create bucket" e siga as instruções para criar um novo bucket onde a imagem ficará armazenada.
  3. Faça o upload de uma imagem para o bucket S3 recém-criado.

Configurar permissões

Para criar uma role do IAM com as permissões necessárias para acessar o bucket S3 e usar o Amazon Rekognition, é preciso criar um documento de política em JSON. Veja a seguir um exemplo de política que concede as permissões necessárias:

{
    "Version": "2012-10-17",
    "Statement": [\
        {\
            "Effect": "Allow",\
            "Action": [\
                "rekognition:DetectLabels"\
            ],\
            "Resource": "*"\
        },\
        {\
            "Effect": "Allow",\
            "Action": [\
                "s3:GetObject",\
                "s3:ListBucket"\
            ],\
            "Resource": [\
                "arn:aws:s3:::your-bucket-name",\
                "arn:aws:s3:::your-bucket-name/*"\
            ]\
        },\
        {\
            "Effect": "Allow",\
            "Action": [\
                "logs:CreateLogGroup",\
                "logs:CreateLogStream",\
                "logs:PutLogEvents"\
            ],\
            "Resource": "arn:aws:logs:*:*:*"\
        }\
    ]
}

Observação: substitua "your-bucket-name" pelo nome real do seu bucket S3.

A política acima permite que a role do IAM:

  1. Use a operação DetectLabels no Amazon Rekognition.
  2. Liste o conteúdo e leia objetos do bucket S3 indicado.
  3. Crie e escreva no CloudWatch Logs, o que ajuda em logging e monitoramento.

Os passos para criar a política do IAM usando o editor JSON no console da AWS estão disponíveis neste guia.

Usando o Amazon Rekognition em Python com o Boto3

  1. Instale a biblioteca boto3:
$ pip install boto3

2. Crie um novo arquivo Python e importe as bibliotecas necessárias:

import boto3

rekognition_client = boto3.client('rekognition')

3. Escreva uma função para detectar objetos e cenas em uma imagem:

def detect_objects_and_scenes(bucket, key):
    response = rekognition_client.detect_labels(
        Image={
            'S3Object': {
                'Bucket': bucket,
                'Name': key
            }
        },
        MaxLabels=10,
        MinConfidence=80
    )

    for label in response['Labels']:
        print(f"Label: {label['Name']}, Confidence: {label['Confidence']}")

detect_objects_and_scenes('your-bucket-name', 'your-image-key')

4. Execute o script Python.

A saída mostra os objetos e cenas detectados na imagem, junto com os respectivos scores de confiança. Em essência, o score de confiança é um número entre 0 e 100 que indica a probabilidade de uma previsão estar correta. Por exemplo, se a análise de uma imagem retornar score 95 para o rótulo "Smiling" e 20 para "Wearing Glasses", é bem provável que a pessoa na foto esteja sorrindo, mas não esteja usando óculos. Em aplicações sensíveis a erros, vale definir um limite mínimo de confiança maior que o padrão para descartar falsos positivos e melhorar a experiência do usuário.

Esse é só o começo do que o Amazon Rekognition oferece, com recursos como reconhecimento facial, detecção de texto, moderação de conteúdo inseguro e muito mais. Para se aprofundar, acesse a documentação oficial Getting Started with Amazon Rekognition.

Casos de uso reais do Amazon Rekognition

Marketing e publicidade: empresas podem usar o Rekognition para analisar preferências dos clientes e veicular anúncios direcionados. O Rekognition identifica objetos, atividades e cenas populares em imagens e vídeos compartilhados nas redes sociais, ajudando profissionais de marketing a entender melhor os interesses e as preferências dos consumidores. Essas informações alimentam campanhas personalizadas que conversam de verdade com o público.

Gestão de redes sociais: para quem cuida de redes sociais, o Rekognition é uma ferramenta valiosa na moderação de conteúdo gerado pelos usuários, garantindo o alinhamento com as diretrizes da comunidade e da marca. O recurso de moderação identifica automaticamente conteúdos explícitos ou sugestivos, evitando a publicação. Além disso, é possível analisar o engajamento ao detectar expressões faciais em resposta ao conteúdo, permitindo entender como o público enxerga a marca.

Finanças e bancos: instituições financeiras podem aprimorar a experiência do cliente e prevenir fraudes com o Rekognition. Ao integrar reconhecimento facial aos apps de mobile banking, os bancos verificam a identidade dos usuários sem o incômodo de senhas ou perguntas de segurança. Já a detecção de texto extrai informações importantes de documentos como solicitações de empréstimo e RGs, agilizando a entrada de dados e reduzindo erros humanos.

Varejo e e-commerce: varejistas podem usar o Rekognition para analisar o comportamento dos consumidores e otimizar o layout das lojas. Ao monitorar a circulação dos clientes na loja, o Rekognition identifica áreas e produtos populares, dando aos varejistas insights valiosos para decidir sobre exposição de produtos e desenho do espaço. Plataformas de e-commerce também aproveitam a detecção de objetos e cenas para categorizar e marcar imagens de produtos automaticamente, facilitando a busca pelo que o cliente quer.

Segurança e vigilância: o Rekognition fortalece sistemas de segurança ao detectar e analisar rostos em tempo real. O reconhecimento facial pode identificar pessoas de interesse, verificar a identidade de funcionários em pontos de acesso ou monitorar multidões em busca de comportamentos suspeitos. Além disso, o pathing rastreia a movimentação das pessoas em um vídeo, permitindo que a equipe de segurança detecte possíveis ameaças e reaja rápido. Como exemplo, o atentado terrorista da Maratona de Boston, em 2013, deflagrou uma das maiores e mais intensas caçadas humanas da história dos EUA. As autoridades levaram três dias para identificar os responsáveis, o que deu tempo para os culpados fugirem logo após o ataque. Se a tecnologia do Amazon Rekognition estivesse disponível e em uso na época, teria processado e analisado rapidamente as enormes quantidades de imagens de vigilância capturadas em diversas fontes durante a maratona. Ao detectar, reconhecer e rastrear os culpados em tempo real, o Rekognition poderia ter agilizado a identificação, permitindo que as autoridades os prendessem com muito mais rapidez.

Benefícios e questões éticas do Amazon Rekognition

Benefícios

  1. Facilidade de uso: foi pensado para ser amigável, facilitando para os Engineers integrar análise de imagem e vídeo às aplicações.
  2. Escalabilidade: por rodar na AWS, dá conta de projetos de grande porte, processando milhões de imagens ou vídeos em tempo real.
  3. Precisão: usa algoritmos avançados de deep learning para entregar resultados precisos e confiáveis.
  4. Análise em tempo real: processa imagens e vídeos em tempo real, permitindo que as empresas reajam rápido a eventos ou extraiam insights dos dados conforme eles são gerados.
  5. Personalização: permite treinar modelos customizados para reconhecer objetos, cenas ou atividades específicas, relevantes para um setor ou caso de uso em particular.
  6. Atualizações automáticas de recursos: à medida que a AWS evolui o Rekognition, novos recursos e melhorias chegam automaticamente aos usuários, garantindo acesso às capacidades mais recentes sem esforço extra.
  7. Documentação e suporte robustos: a AWS oferece documentação completa, exemplos de código e tutoriais sobre o Rekognition, o que acelera o aprendizado e a implementação. Há ainda diversas opções de suporte — fóruns, webinars e suporte técnico — para ajudar os usuários a superar qualquer desafio na plataforma.

Questões éticas

  1. Privacidade: o uso de reconhecimento facial levanta preocupações de privacidade, já que pode viabilizar vigilância ou rastreamento de indivíduos sem o devido consentimento. Empresas e organizações que usam o Rekognition devem garantir conformidade com as regulamentações e diretrizes de privacidade aplicáveis.
  2. Viés: algoritmos de IA, inclusive os usados pelo Rekognition, podem apresentar viés nas previsões a partir dos dados de treinamento. Isso pode levar a tratamento injusto de determinados grupos demográficos ou indivíduos. É essencial que Engineers e organizações estejam atentos a possíveis vieses nos dados de treinamento e monitorem continuamente as previsões do serviço para mitigar problemas.
  3. Transparência: garantir transparência no uso de tecnologias de IA, como o Rekognition, é fundamental. As organizações precisam ser abertas sobre o uso do serviço e comunicar a lógica por trás das decisões baseadas na análise da plataforma. Essa transparência ajuda a construir confiança entre os stakeholders, incluindo clientes, colaboradores e órgãos reguladores.

Preços do Amazon Rekognition

O Rekognition adota o modelo pay-as-you-go, com custos separados para análise de imagem e de vídeo. O serviço oferece um free tier com um número limitado de imagens e minutos de vídeo por mês, permitindo que os usuários experimentem sem custos. Acima do free tier, a cobrança é baseada na quantidade de imagens ou minutos de vídeo analisados, no número de rostos armazenados em uma coleção e no número de detecções de texto realizadas.

Para um detalhamento completo, acesse a página de Amazon Rekognition Pricing e a AWS Pricing Calculator, uma ferramenta de planejamento online para criar estimativas.

Conclusão

O Amazon Rekognition está na vanguarda da análise de imagem e vídeo com IA, oferecendo uma série de benefícios aos clientes da AWS. Ao tirar proveito de algoritmos de deep learning, o Rekognition entrega capacidades de ponta capazes de revolucionar diversos setores e aplicações. De marketing a segurança, e muito além, o serviço entrega aos clientes da AWS insights e automação sem comparação, otimizando operações e aprimorando a tomada de decisões.

Considerando com cuidado as implicações éticas do uso do Rekognition e seguindo as boas práticas, as organizações podem desbloquear todo o potencial dessa plataforma avançada e, ao mesmo tempo, respeitar direitos individuais e promover a equidade. Conforme a tecnologia de IA evolui, o Amazon Rekognition segue como um recurso valiosíssimo para empresas que querem sair na frente e aproveitar os benefícios da análise de imagem e vídeo com IA.

Com especialização em AWS, atuo principalmente como Cloud Architect, com foco em modernização de infraestrutura.

[Resolvendo o problema "Your current user or role does not have access to Kubernetes objects" na AWS…\ \

18/06/2023

[Construindo arquitetura na AWS com MCP Servers e Strands Agents\ \

22/09/2025

[JA3 e JA4 Fingerprints no AWS WAF e além\ \

10/04/2025

[Transformando sua startup em uma história de sucesso com AWS e DoiT\ \

05/05/2023

[Stanford acabou de matar o Prompt Engineering com 8 palavras (e eu não consigo acreditar que funcionou)\ \

19/10/2025

[A clap icon25K\ \

[10 habilidades indispensáveis para o Claude (e qualquer agente de programação) em 2026\ \

9 de março

[A clap icon1K\ \

[Parei de usar o ChatGPT por 30 dias. O que aconteceu com o meu cérebro foi assustador.\ \

28/12/2025

[A clap icon12.1K\ \

[Acordei às 4h30 todos os dias por 30 dias — e eis o que ninguém te conta\ \

7 de março

[A clap icon5K\ \

[Por que milhares de pessoas estão comprando Mac Minis para escapar de vez dos problemas com assinaturas de IA das Big Techs |…\ \

15 de fevereiro

[A clap icon5.8K\ \

[Como neurocientista, abandonei estes 5 hábitos matinais que destroem o seu cérebro\