Customer Counter

Inspiration

Je recherchais quelque chose de pratique et de peu coûteux pour les clients, tout en leur offrant un excellent rapport qualité-prix. L'inspiration est venue en allant dans un restaurant récemment, où tous les employés étaient dans l'arrière-salle. J'ai attendu un moment et j'ai commencé à penser à l'argent qu'ils perdraient si d’autres clients que moi recevaient un tel accueil.

Ce qu’elle fait

Cette application comprend une caméra qui est installée dans une devanture. Les clients entrent et un moniteur dans la pièce du fond avertit les employés que des clients attendent. Avec l'application Customer Counter, les employés savent à tout moment combien de clients attendent. Et en cas de forte affluence, des employés supplémentaires peuvent rejoindre le comptoir. L’application dispose également de capacités de production de statistiques. Cette application sera fournie avec un identifiant de site Web qui permettra d’obtenir des statistiques telles que le nombre de clients par heure en moyenne, les jours avec les files d’attente les plus longues, etc. Ces statistiques permettront aux gérants de mieux évaluer le nombre d'employés nécessaires en fonction des jours ou des heures.

Créée par : Jason Condello

Comment je l’ai construite

DeepLens exécute Lambda sur Greengrass. Le modèle de reconnaissance faciale traite les images qui arrivent et détermine la probabilité qu'un visage soit présent dans le champ de vision. Le modèle transmet une notification SNS. Une règle IoT déclenchée par le SNS place une entrée dans la file d'attente SQS. Une application client construite sous la forme d’une application .NET WinForm s’exécute sur l’appareil du client. Elle affiche le nombre de clients à l’instant. Elle enregistre également toutes les données dans une base de données MS SQL exécutée sur RDS. Un site Web .NET, exécuté sur une instance EC2, transmet les statistiques au client.

Les défis

J'aurais préféré que les entrées dans la base de données aillent directement d'une fonction Lamda au RDS. Cependant, au départ, j'avais choisi MS SQL au lieu de MySQL, puis j’ai découvert que demander à Lamda de se connecter via un adaptateur constituait un véritable défi. J'ai décidé que ce serait au client de consigner les données car cela est beaucoup plus simple ; je pouvais dès lors me concentrer davantage sur les autres aspects du projet. Et plusieurs autres difficultés liées à la caméra m’ont également donné quelques maux de tête.

Les réalisations dont je suis fier.

J’ai appris énormément. Quand je suis allé à re:Invent, j'étais un quasi-débutant avec AWS. Je l'utilisais pour l'hébergement de sites Web et de bases de données, sans avoir vraiment eu recours à ses autres services intéressants. Maintenant, j’ai une bonne maîtrise des nombreux outils offerts par AWS.

Ce que j’ai appris

J’ai beaucoup appris au sujet d’AWS, et du deep learning. Mon application ne montre pas tout le travail que j’ai accompli avec les modèles de deep learning, mais j'ai réellement passé de nombreuses heures à développer mes connaissances en la matière. Je n’avais jamais entendu parler de la plupart de ces choses auparavant, alors au début c’était plutôt ardu.

Quelle est la prochaine étape pour Customer Counter ?

Améliorations supplémentaires Une meilleure utilisation des modèles. Dans les magasins, partout !

Construit avec

Lambda
Greengrass
Amazon Web Services
DeepLens
rds
ec2
MS-SQL
.net

Essayez

Le référentiel de ce projet est privé.