OneEye

インスピレーション

顔認識は、ある人の顔の固有の特徴を計測するバイオメトリックソリューションです。現在使用可能なアプリケーションには、航空機の搭乗手続き、友達や家族の写真のタグ付け、「お客様に合わせた」広告などがあります。

小売業界にインサイトを持つ IT 企業によると、小売業者は顔認識を使用して、顧客が店舗でショッピングする際にその顧客のデータを収集します。収集データには、来店者数、年齢、民族、性別などが含まれます。顧客のトラフィックを適切に把握し、その顧客に合ったサービスを提供することが目的です。

税関や国境警備当局によると、ビザ免除に合意した国からの入国者の身分詐称を厳重に取り締まる計画の一環として、偽造パスポートを持つ旅行者を排除するための顔認識ソフトウェアが米国のすべての国際空港に展開される予定です。

FaceFirst などの企業は、顔認識テクノロジーによってこの世界のパーソナライズ化を押し進めています。そのソリューションによって、脅威をリアルタイムで検出および抑止し、チームのパフォーマンスを変換して、顧客関係を強化することができます。

しかし、このようなソリューションはすべて、コストが非常に高く、実装には大規模なチームが必要です。AWS DeepLens によって、デバイスでの深層学習アルゴリズムの実装が非常に簡便になります。

内容

DeepLens による顔識別ソリューションの 2 つのユースケースを実装しています。最初のユースケースは顧客の識別です。目標達成のため、システム (たとえば、図書館、食料雑貨店、銀行) で顧客のプロフィール写真を使用し、顧客来店時にリアルタイムで DeepLens 顔検出結果と照合しました。DeepLens アルゴリズムが顧客を識別すると、API コールが顧客のアカウントの詳細を取得し、その情報がデスクトップのウェブアプリケーションに表示します。顧客認識のデモはこちらをご覧ください。

次のユースケースはアンバーアラートです。行方不明者 (または指名手配犯) の写真を撮り、ストレージバックエンド (AWS S3 など) にアップロードするモバイルアプリケーションを開発しました。画像がアップロードされるとすぐに、DeepLens の顔識別アルゴリズムでこの新しい写真を使用し、リアルタイムのビデオストリーミング上でその人物を特定します。行方不明者が検出されると、DeepLens は E メールまたは電話のいずれか同意した方法で、当局に通知します。アンバーアラートのデモはこちらをご覧ください。

手法

顔認識モデルは、dlib の最先端の顔検出ライブラリを使用して構築されます。モデル精度は、Labeled Faces in the Wild のベンチマーク 1 で 99.38% です。Greengrass の Lambda 関数が DeepLens デバイス上で顔検出アルゴリズムを実行し、顔を識別するとすぐに IoT のトピックにイベントをパブリッシュします。このトピックをリッスンする別の Lambda 関数が存在し、API コールを介してバックエンドデータベースから顧客の情報が取得されます。データが取り出されると、この Lambda が、ペイロードとして顧客情報を含む SNS にイベントをパブリッシュします。NodeJs ウェブサーバー (EC2 上で実行) が SNS から POST コールを受信し、WebSocket を介して登録されたすべてのクライアント (ウェブまたはモバイル) にメッセージを送信します。このアーキテクチャによって、新しい顧客が来店するとすぐに、クライアントのアプリケーションをリアルタイムで更新できます。

課題

最初の課題は、当社の DeepLens で openCV ライブラリをセットアップしてテストすることでした。最初期には Greengrass の Lambda 関数コードのデバッグに関して問題があったため、AWS コンソールを使用せずに再デプロイしています。もう一つの課題は、すべてのコンポーネント (ML コード、DataStorage、API、モバイルアプリケーション、ウェブアプリケーションなど) とエンドツーエンドで機能するプロジェクトを、全員がフルタイム作業で作成する期間が非常に短かったことでした。 

成果

OneEye によって、非常に高い精度で顔が識別され、データベースが動的に更新されて新しい顔が追加されます。デバイス上で複雑な深層学習モデルを構築、実行するのは、すばらしい体験でした。さらに、複雑な問題に対して完全に機能するソリューションを提供できることを誇りに思います。 

教訓

DeepLense を使用する作業は、教育的であり楽しいものでした。ユースケースの実装によって、Greengrass および AWS IoT の使用方法について、多くの知識や経験を得ました。テクノロジーが急成長を続けるなかで、このようなプロジェクトやハッカソンによって最新情報を入手できることも学習しました。

次のステップ

顧客検出および行方不明者のシナリオは、リアルワールドに現実に存在する案件です。その立ち上げと修正は喫緊の課題です。DeepLens プロジェクトはスタートにすぎず、現在の進め方は破壊されることになります。OneEye の次のステップとしては、このようなユースケースに利用できるようにスポンサーを見つけることになるでしょう。 

以下を使用しました:

Python
node.js
angular.js
Amazon SNS
アマゾン ウェブ サービス
DeepLens
OpenCV

今すぐ試す