Rileva e Localizza le Intrusioni
Ispirazione
Le notifiche ricevute dalle normali telecamere di sicurezza (come le Samsung) in caso di rilevamento di movimenti sono piuttosto irritanti. Non voglio ricevere una notifica ogni volta che il mio animale domestico o i miei bambini si muovono per casa. Vorrei ricevere una notifica solo quando un estraneo entra in casa e voglio poter vedere il suo volto immediatamente senza dover vedere l’intera registrazione video.
In alcuni casi, le notifiche per le intrusioni da parte di estranei non sono abbastanza efficienti. Per esempio, le guardie di sicurezza hanno bisogno di conoscere la posizione esatta dell’intrusione da parte dell’estraneo per poter agire tempestivamente. Quindi, le notifiche dovrebbero riportare anche le informazioni relative alla posizione dell’intrusione.
Cosa fa
In questo progetto, mandiamo notifiche SMS o e-mail in tempo reale con la posizione delle intrusioni e la foto dell’estraneo utilizzando DeepLens e il servizio di localizzazione Cisco CMX WiFi.
Creato da: Gracia Wang e Lucy Huang
Come l’abbiamo realizzato
Di seguito riportiamo il flusso di lavoro che abbiamo utilizzato per realizzare il sistema:
- Abbiamo costruito una funzione lambda per gli oggetti del rilevamento facciale, inviato le immagini ottenute e l’indirizzo di DeepLens MAC su S3.
- Abbiamo distribuito la funzione lambda di cui sopra e il modello per il rilevamento facciale su DeepLens.
- Abbiamo realizzato un’altra funzione lambda per chiamare l’API di Rekognition per comparare i volti rilevati con i volti contenuti nella raccolta “famiglia”, controllato se il volto rilevato fosse “familiare” o no. Se viene rilevato un volto sconosciuto, viene pubblicato un messaggio sull’argomento SNS che quindi risulta nell’invio di una notifica e-mail. Abbiamo configurato il trigger di questa funzione lambda in base ad eventi di caricamento di una nuova immagine su S3.
- Abbiamo impostato l’argomento SNS per le notifiche e-mail.
- Per ottenere le informazioni relative alla posizione dell’intruso, abbiamo importato delle mappe di prova e una gerarchia di posizione nell’account CMX, e posizionato le AP nella mappa nel servizio cloud di CMX (https://location-test.cmxdemo.com/tm). Nel frattempo, abbiamo migliorato la funzione lambda in S3, per leggere l’indirizzo MAC dal file S3, chiamare l’API client di CMX con l’indirizzo MAC come un parametro di query per ottenere la posizione del dispositivo DeepLens.
Difficoltà
Il sistema operativo del dispositivo DeepLens non è stabile. Il software si è aggiornato automaticamente e ha introdotto una regressione sul dispositivo. L’abbiamo sincronizzato con il team di supporto di AWS DeepLens. Eddie e il team ci hanno aiutato a risolvere il problema offrendoci assistenza durante la notte. Finalmente ho potuto testare il progetto sul dispositivo. Apprezziamo molto il supporto online professionale del team AWS!
Risultati di cui andiamo fiere
È incredibile che siamo riuscite a portare a termine un progetto di apprendimento approfondito in sole due settimane! Con poche conoscenze in materia, abbiamo comunque avuto la possibilità di creare una soluzione per un problema reale in poco tempo. Inoltre, siamo state ispirate da DeepLens e quindi abbiamo avuto molte altre idee mentre decidevamo quale sviluppare.
Persino la mia bambina di 11 anni si è interessata a DeepLens. Lei ha suggerito di utilizzare DeepLens per rilevare quando una persona anziana cade dal letto o è in uno stato comatoso sul pavimento (stiamo pianificando di sviluppare questa idea nel nostro progetto successivo). Sono davvero orgogliosa del fatto che lei abbia deciso di presentare DeepLens e il nostro progetto nella sua scuola media durante l’ora di scienze. Il progetto ha attirato l’attenzione dei suoi compagni, i quali le hanno fatto molte domande.
Cosa abbiamo imparato
DeepLens e l’ecosistema AI AWS sono degli strumenti molto potenti per la realizzazione di soluzioni che possono aiutare la vita di altre persone. Amazon è sulla buona strada per guidare l’intero settore verso l’evoluzione dell’AI. Siamo state molto ispirate e felici di aver avuto l’opportunità di cimentarci in questo progetto così interessante.
Cosa fare
A dirla tutta, il caso d’uso di cui ci siamo occupati in questo progetto può essere generalizza come segue: un sistema intelligente per identificare l’evento, catturare l’immagine di un evento, inviare notifiche in tempo reale con una posizione accurata per la risposta immediata.
In seguito alla nostra creazione, vogliamo realizzare un sistema per aiutare le persone anziane che vivono da sole. Intendiamo utilizzare Sagemaker per addestrare un modello di machien learning per identificare gli eventi in cui una persona cade per terra e distribuire questo modello su DeepLens così che possa rilevare automaticamente quando una persona è caduta per terra ed è in uno stato comatoso, così da inviare notifiche in tempo reale con la posizione preciso dell’evento per allertare i professionisti sanitari o i famigliari che si prendono cura della persona in questione e ottenere un intervento rapido.
Creato con
Rekognition
lambda
cisco
cisco-cmx-wifi-location
sns
s3