使用AWS Rekognition进行图像或视频分析后，可以从输出中提取有用的信息。以下是处理AWS Rekognition输出的示例代码：

1. 使用Python和Boto3库来调用AWS Rekognition服务。

import boto3

# 创建Rekognition客户端
rekognition = boto3.client('rekognition')

# 调用AWS Rekognition进行图像分析
response = rekognition.detect_labels(
    Image={
        'S3Object': {
            'Bucket': 'your-bucket-name',
            'Name': 'your-image.jpg'
        }
    }
)

# 提取标签信息
labels = response['Labels']
for label in labels:
    print(label['Name'], label['Confidence'])

2. 通过解析JSON响应来获取AWS Rekognition的输出。

import json

# 调用AWS Rekognition进行图像分析
response = rekognition.detect_labels(
    Image={
        'S3Object': {
            'Bucket': 'your-bucket-name',
            'Name': 'your-image.jpg'
        }
    }
)

# 解析JSON响应
output = json.loads(response)

# 提取标签信息
labels = output['Labels']
for label in labels:
    print(label['Name'], label['Confidence'])

3. 使用其他AWS服务（如SNS或DynamoDB）来处理AWS Rekognition的输出。

import boto3

# 创建Rekognition客户端
rekognition = boto3.client('rekognition')

# 调用AWS Rekognition进行图像分析
response = rekognition.detect_labels(
    Image={
        'S3Object': {
            'Bucket': 'your-bucket-name',
            'Name': 'your-image.jpg'
        }
    }
)

# 将结果发送到SNS主题
sns = boto3.client('sns')
sns.publish(
    TopicArn='your-sns-topic-arn',
    Message=json.dumps(response)
)

# 将结果存储到DynamoDB表中
dynamodb = boto3.client('dynamodb')
dynamodb.put_item(
    TableName='your-dynamodb-table',
    Item={
        'ImageId': {'S': 'your-image-id'},
        'Labels': {'S': json.dumps(response)}
    }
)

这些示例代码演示了如何使用Python和Boto3库来调用AWS Rekognition服务，并处理其输出。你可以根据自己的需求来进一步处理和利用AWS Rekognition的输出数据。