DEAR – Riconoscimento approfondito delle emozioni del pubblico

Spunti di riflessione

Una delle sfide con i sistemi di misurazione del pubblico è la loro stretta dipendenza dalla qualità delle risposte fornite dai partecipanti al sondaggio. La nostra idea è di ridurre la complessità del riconoscimento delle emozioni del pubblico nonché, in contemporanea, aumentare l'affidabilità delle misurazioni.

Cosa fa

La soluzione prevede l'utilizzo di un dispositivo AWS DeepLens per il riconoscimento facciale tramite un'inferenza locale e l’invio a un bucket S3 esclusivamente dei clip facciali. Una funzione Lambda, che monitora il bucket S3, chiamerà dunque in gioco il servizio Rekognition per interpretare le emozioni espresse in ogni volto. I dati vengono successivamente inviati a DynamoDB per scopi di archiviazione e a CloudWatch per monitorare i parametri in tempo reale.

Come l’abbiamo realizzato

L'inferenza locale di DeepLens consente ciò che non sarebbe pratico se si inviasse l’intero fotogramma in tempo reale per effettuarne il riconoscimento, trattandosi questa, di una soluzione ottimizzata che esclude la problematica legata a una larghezza di banda in uscita. Tutto ciò consente i seguenti scenari che altrimenti non sarebbero semplici da ottenere senza un'infrazione locale:

  • Valutazioni più accurate delle persone che partecipano ai gruppi di valutazione in TV
  • I relatori possono così valutare la reazione del pubblico a certe parti della loro presentazione piuttosto che basarsi esclusivamente sul feedback scritto. Perché non utilizzarlo al re:invent l’anno prossimo?
  • I film e i nuovi spettacoli sono spesso proiettati a un pubblico che utilizza un numero per la condivisione dei propri sentimenti. Questo aspetto può essere incrementato grazie al riconoscimento emotivo che consente la comprensione approfondita della reazione del pubblico.

In generale, la possibilità di associare l'inferenza locale con i servizi di apprendimento approfondito basati sul cloud, può semplificare incredibilmente quelle misurazioni che, diversamente, non sarebbero pratiche. 

Creato con

amazon-web-services
deeplens
apprendimento automatico
deep-neural-network
Python
Lambda
amazon-dynamodb
amazon-cloudwatch

Fai una prova

Il repository di questo progetto è privato.