Détecter et localiser l'intrusion d'un inconnu
Inspiration
La notification de mouvement issue de caméras de sécurité classiques, de type Samsung, est ennuyeuse. Je ne souhaite recevoir aucune notification lorsque mon animal de compagnie ou mes enfants se déplacent dans la maison. Je ne souhaite recevoir une notification d'alarme que lorsqu'un inconnu se rend chez moi, et découvrir immédiatement son visage sans avoir à visionner l'enregistrement vidéo.
Dans certains scénarios, la notification d'intrusion d'un inconnu en temps réel n'est pas suffisante. Par exemple, les agents de sécurité ont besoin de l'emplacement exact de l'inconnu pour pouvoir prendre des mesures immédiates. Par conséquent, la notification doit contenir des informations relatives à l'emplacement de celui-ci.
Fonctionnement
Dans ce projet, nous envoyons une notification en temps réel par SMS/e-mail qui divulgue l'emplacement et la photo de l'inconnu via le service de localisation Cisco CMX WiFi et Deeplens.
Créé par : Gracia Wang et Lucy Huang
Élaboration
Vous trouverez ci-dessous le flux de travail que nous avons utilisé pour créer le système :
- Créez une fonction lambda permettant de détecter un objet, envoyer la photo d'un visage ainsi qu'une adresse MAC Deeplens à S3
- Déployez le modèle de détection de visage et la fonction lambda ci-dessus sur Deeplens
- Créez une fonction lambda permettant d'appeler l'API Rekognition afin de comparer le visage détecté avec les visages de la collection nommée « Famille » et de vérifier s'il s'agit ou non d'un visage connu dans la collection. Si le visage d'un inconnu est détecté, publiez un message dans la rubrique SNS, qui déclenche ainsi une notification par e-mail. Configurez le déclenchement de cette fonction lambda par le biais d'un nouvel événement de chargement d'image S3
- Configurez une rubrique SNS pour la notification par e-mail
- Pour obtenir des informations relatives à l'emplacement d'un inconnu, nous avons importé une carte de test et une hiérarchie d'emplacement dans un compte CMX, et placé des AP sur la carte dans le service cloud CMX (https://location-test.cmxdemo.com/tm). Entre-temps, nous optimisons la fonction lambda en 3, pour lire l'adresse MAC à partir d'un fichier S3 et appeler l'API client CMX avec l'adresse MAC comme paramètre de requête pour obtenir l'emplacement de l'appareil Deeplens.
Défis
Le système d'exploitation de l'appareil DeepLens n'est pas stable. Le logiciel a été mis à jour automatiquement et il a introduit une régression au sein de l'appareil. Synchronisé avec l'équipe de support AWS DeepLens. Eddie et l'équipe ont aidé à résoudre le problème du jour au lendemain. Je peux enfin tester le projet sur l'appareil. Appréciez l'assistance en ligne professionnelle fournie par l'équipe AWS !
Réalisations dont nous sommes fiers
C'est incroyable que nous ayons pu réaliser un projet de deep learning en quelques semaines ! Malgré une connaissance limitée du deep learning, nous sommes parvenus à l'utiliser pour résoudre ce problème concret très rapidement. De plus, nous avons été inspirés par DeepLens et beaucoup d'idées intéressantes nous sont venues en tête lorsque nous avons débuté notre brainstorming.
Même ma fille de 11 ans a manifesté de l'intérêt pour DeepLens. Elle a eu par exemple l'idée d'utiliser DeepLens pour détecter la chute d'une personne âgée ou la présence d'un individu au sol se trouvant dans le coma (nous prévoyons de concrétiser cette idée dans le prochain projet de création). Je suis tellement fier qu'elle ait présenté DeepLens et son idée à son cours de sciences du collège. Cela a suscité l'attention de ses camarades collégiens, qui ont posé bon nombre de questions à son sujet.
Leçons apprises
DeepLens et l'écosystème IA d'AWS sont très puissants pour concevoir des solutions visant à améliorer la qualité de vie des êtres humains. Amazon est sur le point de mener le secteur vers une évolution de l'IA. Nous sommes inspirés et à la fois ravis de pouvoir expérimenter un produit aussi fabuleux.
Prochaines étapes
Le cas d'utilisation que nous avons résolu dans ce projet peut être généralisé comme suit : un système intelligent qui permet de détecter l'événement, capturer l'image de l'événement, d'envoyer une notification en temps réel avec emplacement précis pour une réponse immédiate.
Nous souhaiterions par la suite concevoir un système qui permettrait de venir en aide aux personnes âgées vivant seules. Nous souhaiterions utiliser Sagemaker pour former un modèle de deep learning qui permettrait de détecter la chute d'une personne et de déployer ce modèle sur DeepLens : détecter automatiquement les personnes âgées se trouvant au sol ou dans le coma, et envoyer une notification en temps réel avec l'emplacement précis de la chute à l'équipe de soins d'urgence ou à des proches pour qu'une intervention ou une assistance rapide puisse être faite.
Conçu avec
rekognition
lambda
cisco
cisco-cmx-wifi-location
sns
s3