Ce diaporama a bien été signalé.
Nous utilisons votre profil LinkedIn et vos données d’activité pour vous proposer des publicités personnalisées et pertinentes. Vous pouvez changer vos préférences de publicités à tout moment.

AWS(Rekognition)とPepperの良い関係 (トレノケ雲の会 mod1)

1 023 vues

Publié le

クラウド勉強会「トレノケ雲の会」mod 1 より「AWS(Rekognition)とPepperの良い関係」

Publié dans : Technologie
  • Soyez le premier à commenter

AWS(Rekognition)とPepperの良い関係 (トレノケ雲の会 mod1)

  1. 1. AWS(Rekognition)と Pepperの良い関係 #kumonokai トレノケ雲の会 mod.1 2018/5/16 #kumonokai 山下 光洋
  2. 2. 自己紹介 山下光洋 @yamamanx Blog : www.yamamanx.com ・ソフトウェア開発会社でIBMさんのBP ・ナイトレジャー会社,エネルギー会社で情シス ・AAI(AWS認定インストラクター)、 IT Terchnical Training Engineer@Trainocate ヤマムギ(勉強会) , JAWS-UG, JAWS-UG IoT関西支部, kintone Cafe大阪, JP_Stripes, MasterCloud The八番街ベース 緑のLv16 Lv35
  3. 3. 今年もたくさん呑ませていただいております
  4. 4. 今日お話すること PepperとAWSで顔認識 (全スライド撮影OKです) (1)Pepperについて (2)Amazon Rekognitionについて (3)やったことの説明 (4)DEMO #kumonokai
  5. 5. 1.Pepperについて 身長 : 121cm 体重 : 29kg (小学校3~4年生) OS : NaoqiOS #kumonokai
  6. 6. 1.Pepperについて アクション多彩 画像認識, 撮影 距離測定, 3D形状把握 身振り手振り 踊り(20自由度) 音声/言葉の認識 発話/音の再生 画像/動画の表示 WiFi #kumonokai
  7. 7. 1.Pepperについて センサー類合計 27 頭部タッチセンサー x 3 RGBカメラ x 2 マイク x 4 3Dセンサー x 1 ジャイロセンサー x 2 レーザーセンサー x 6 手部タッチセンサー x 2 ソナーセンサー x 2 バンパーセンサー x 3 赤外線センサー x 2 #kumonokai
  8. 8. 1. Pepperについて 開発するときに使うのがChoregraphe #kumonokai
  9. 9. 2. Amazon Rekognitionについて #kumonokai
  10. 10. 2. Amazon Rekognitionについて ディープラーニングベースの視覚分析サービス。 数百万ものイメージとビデオを検索、検証、整理。 強力な視覚分析をアプリケー ションに容易に統合 ディープラーニングの専門知 識なしにイメージやビデオ分 析を行える。 簡単なAPIで強力で正確な分析 を利用可能。 継続的学習 毎日膨大な数のイメージやビデ オを分析するように設計。 新機能、学習対象のデータの増 大に伴って継続的に学習。 AWSのサービスと統合 他のAWSのサービスとシーム レスに設計。 S3、Lambdaと直接統合。 低コストで構築。 Kinesis動画ストリームに対し てもリアルタイムにビデオ分 析。 #kumonokai
  11. 11. 2. Amazon Rekognitionについて #kumonokai
  12. 12. 2. Amazon Rekognitionについて #kumonokai
  13. 13. 2. Amazon Rekognitionについて #kumonokai
  14. 14. 2. Amazon Rekognitionについて #kumonokai
  15. 15. 2. Amazon Rekognitionについて #kumonokai
  16. 16. 2. Amazon Rekognitionについて #kumonokai
  17. 17. 2. Amazon Rekognitionについて #kumonokai
  18. 18. 2. Amazon Rekognitionについて ● can_paginate() ● compare_faces() ● create_collection() ● create_stream_processor() ● delete_collection() ● delete_faces() ● delete_stream_processor() ● describe_stream_processor() ● detect_faces() ● detect_labels() ● detect_moderation_labels() ● detect_text() ● generate_presigned_url() ● get_celebrity_info() ● get_celebrity_recognition() ● get_content_moderation() ● get_face_detection() ● get_face_search() ● get_label_detection() ● get_paginator() ● get_person_tracking() ● get_waiter() ● index_faces() ● list_collections() ● list_faces() ● list_stream_processors() ● recognize_celebrities() ● search_faces() ● search_faces_by_image() ● start_celebrity_recognition() ● start_content_moderation() ● start_face_detection() ● start_face_search() ● start_label_detection() ● start_person_tracking() ● start_stream_processor() ● stop_stream_processor() Boto3 Rekognition Client #kumonokai
  19. 19. 2. Amazon Rekognitionについて アカウント作成後12ヶ月の無料利用枠 1ヶ月あたり5,000枚の画像分析 1ヶ月あたり1,000個の顔メタデータ保存 1ヶ月あたり1,000分の動画分析 処理画像数 1,000枚あたりの課金 1.30USD ~ 0.50USD(東京リージョン) 分析したアーカイブ動画 1分あたり 0.13USD(東京リージョン) 分析したライブストリーム動画 1分あたり 0.15USD(東京リージョン) 保存された顔メタデータ 1,000件あたりの料金 0.013USD(東京リージョン) #kumonokai 2018/5/16現在
  20. 20. 3. やったこと Pepperに「顔を見て」と言うと追いかけてきて写真を取られます。 その写真はAPI Gatewayを経由してLambdaによりS3にアップロードされます。 S3の写真に対してRekognitionが顔を分析した結果をLambdaよりAPI Gatewayを経由 してレスポンスとして返します。 顔の分析結果をPepperが受け取って教えてくれます。 #kumonokai
  21. 21. 3. やったこと #kumonokai
  22. 22. 3. やったこと 日本語に設定 音声受付 顔追跡 写真撮影 API呼び出し レスポンス処理 発声 写真表示 会社ロゴ表示 #kumonokai
  23. 23. 3. やったこと s3 = boto3.resource('s3') bucket = s3.Bucket(os.environ['BUCKET_NAME']) #eventデータから画像ファイルを取得 image_body = base64.b64decode(event['body-json']) #乱数でオブジェクトキーを生成 n = 10 key = ''.join([random.choice(string.ascii_letters + string.digits) for i in range(n)]) #S3バケットに画像ファイルをアップロード bucket.put_object( Body=image_body, Key=key ) API Gateway経由でLambdaからS3に画像ファイルをアップロード #kumonokai
  24. 24. 3. やったこと client = boto3.client('rekognition') response = client.detect_faces( Image={ 'S3Object': { 'Bucket': os.environ['BUCKET_NAME'], 'Name': key } }, Attributes=['ALL'] ) S3の画像ファイルをRekognitionで顔分析 #kumonokai
  25. 25. 3. やったこと "AgeRange": {"Low": 26,"High": 43}, "Gender": {"Value": "Female","Confidence": 52.36514663696289}, "Smile": {"Value": true,"Confidence": 88.67390441894531}, "EyesOpen": {"Value": true,"Confidence": 99.9950942993164}, "Beard": {"Value": false,"Confidence": 99.86187744140625}, "Emotions": [ {"Type": "HAPPY","Confidence": 97.94617462158203}, {"Type": "CALM","Confidence": 3.9698123931884766}, {"Type": "DISGUSTED","Confidence": 3.0542492866516113} ] 分析結果のレスポンス(一部) #kumonokai
  26. 26. 3. やったこと #画像データ data = open(file_path, 'rb').read() #API呼び出し response = requests.post( url=api_url, data=data, headers={'Content-Type': 'image/jpg'} ) #レスポンスを文字列へ変換 data = response.json()['FaceDetails'][0] age_low = data['AgeRange']['Low'] age_high = data['AgeRange']['High'] ~~~~~~後略~~~~~~~ PepperのPythonからAPI呼び出し #kumonokai
  27. 27. 4.DEMO デモ DEMO でも #kumonokai
  28. 28. まとめ #kumonokai Rekognitionかしこい Pepperかしこい 顔分析を元に、 食べたいものを解析して、 ランチ案内とかしたい。
  29. 29. ご清聴ありがとうございました。 Special Thanx to…..

×