亚马逊云科技Build On-技术报告

 一、活动介绍

本次亚马逊云科技(AWS) Build On活动主题为掌握AIoT高频应用场景—实时视频内容识别技术《揭秘出海爆款新物种背后的黑科技》。

活动主要组织形式为活动报名者亲自动手实验,在实验过程中有专业开发工程师陪你从0到1完整做完整个实验,实验内容为在云端利用Amazon KVS与Amazon Rekognition Streaming Video Events进行实时智能识别实验,通过本次活动你将收获:

➢ 带摄像头的loT设备集成开发技能
➢ 端-云之间的视频流数据统一管理及调度开发技能
➢ 学习云上视频流处理和AI视觉识别检测实现方法
➢ 完成基于云上识别检测结果触发设备端操作的完整AloT闭环最佳实践经验

直播回放地址

活动详情页

二、原理简述

Amazon Rekognition Streaming Video Events是基于设备检测到监控环境的特定事件，将设备的视频流推送到云上KVS，借助Amazon Rekognition Video按照您期望检测的标签来分析视频中的数据，并将检测结果保存到S3、发送检测结果到SNS，提供了对实时视频的人形、包裹、宠物标签检测的功能。

3.1架构说明

Rekognition Streaming Video Events方案整体架构分为：设备端、Amazon云端、用户应用端。

• 设备端
  通常为带有自动视频检测能力的摄像头设备、通过集成KVS SDK作为KVS的Producer向云端的KVS Stream推送视频流，并按需触发Amazon云端有Rekognition提供的视频检测的API。

• Amazon云端
  KVS Stream： 提供设备视频持久化存储、视频检索、视频在线查看、视频下载等能力，并向Rekognition提供用于视频检测的数据。
  Rekognition： 提供自动执行视频和图像分析的能力，包括基于视频或图像的内容审核、人脸检测、人脸比较、标签检测等完全托管的能力，并且可以方便的与KVS、S3、SNS等服务集成。
  Amazon S3： 提供视频检测结果的存储。
  Amazon SNS： 完全托管的发布/订阅消息收发、SMS、电子邮件和移动推送通知在本方案中提供通知发送的能力。

 该方案的整体架构图如下：

 

3.2 执行流程说明

如下图所示Rekognition Streaming Video Events的执行流程分为预置阶段和事件处理阶段。

• 预置阶段
  step1： 创建S3存储桶和SNS topic，分别用于视频检测结果的存储和扇出。
  step2： 设备注册创建时，创建与之对应的KVS Stream、rekognition stream processor并将stream processor与step1中S存储桶和SNS topic绑定。

• 事件处理阶段
  step1： IPC设备检测到事件。
  step2： IPC设备调用KVS Producer SDK的PutMedia API将视频流式传输到KVS stream，同时调用API 触发rekognition stream processor对视频数据进行分析。
  step3： Rekognition stream processor根据启动参数包括处理视频的启动与停止条件、处理视频的时间等信息对视频进行分析。
  step4： Rekognition stream processor将视频分析结果自动保存到S3并触发SNS topic。
  step5： 用户通过应用程序检索视频信息或者接收通知继续完成其他的业务流程。

三、相关产品介绍

3.1 Amazon IOT

Amazon 提供物联网 (IoT) 服务和解决方案来连接和管理数十亿台设备。连接、存储和分析工业、家居消费、商业和汽车业工作负载的 IoT 数据。

• 使用最为完备的 IoT 服务套组加速创新，借助 Amazon IoT 不断扩展、快速行动，并节省成本。从安全设备连接到管理、存储和分析，Amazon IoT 能够为您提供广泛而深入的服务，满足您构建完整解决方案之所需。
• 从云端到边缘，确保您 IoT 应用程序的安全，Amazon IoT 服务能够解决您应用程序中每一层遇到的问题，并确保设备安全性。借助预防性机制保护您的设备数据，例如加密和访问权控制，以持续审计和监控您的 Amazon IoT Device Defender 配置。
• 借助高级 AI 和机器学习（ML）整合构建智能 IoT 解决方案,借助高达 25 倍的性能提升以及低于 1/10 的运行时足迹，在云中创建模块并将其部署到设备中。 Amazon 结合人工智能 (AI)、机器学习（ML）和 IoT，力求打造更为智能的设备。
• 便捷可靠地进行扩展，以安全、可靠和弹性的云基础设施构建创新且独特的解决方案，能够将规模扩展至数十亿台设备以及数万亿条消息。Amazon IoT 能够轻松与其他 Amazon 服务集成。

3.2 Amazon Kinesis Video Streams

Amazon Kinesis Video Streams（KVS） 是一项完全托管的亚马逊云科技服务，您可以使用 Kinesis Video Streams 捕获来自数百万种源 (包括智能手机、安全摄像头、网络摄像头、车载摄像头、无人机及其他源) 的海量实时视频数据传输到 Amazon云，或者构建应用程序以进行实时视频处理或进行面向批处理的视频。Amazon KVS的优势包括：

• 可以为海量设备提供实时视频传输服务。
• 通过与Amazon Rekognition等托管服务集成可以非常方便的构建智能视觉应用。
• 使用KVS HTTP 实时流 (HLS) 可以轻松地将KVS中的实时和录制媒体流式传输到您的浏览器或移动应用程序。
• KVS让您能够使用IAM控制对流的访问，并且提供对静态与动态数据的安全保护。完全托管无需管理基础设施。
• KVS使用S3作为底层数据存储，借助 KVS能够根据设备和服务生成的时间戳，快速搜索和检索视频片段。
  Amazon KVS可以分为Producer、Stream、Consumer三个组成部分，分别提供了Producer SDK、KVS Stream API和Consumer SDK方便开发者与KVS做功能集成。

3.3 Amazon Rekognition

Amazon Rekognition提供预先训练和可定制的计算机视觉 (CV) 功能，可从您的图像和视频中提取信息和获得洞察力。提供高精度的人脸分析检测、人脸比较和人脸搜索、标签文本检测等功能。Amazon Rekognition 基于同样由Amazon计算机视觉科学家开发的成熟且高度可扩展的深度学习技术，每天能够分析数十亿图像和视频。它不需要机器学习专业知识即可使用。Amazon Rekognition 包含一个简单易用的API，该API 可快速分析存储在Amazon S3 中的任何图像或视频文件。

四、心得体会及收获

通过本次动手实验，我受益匪浅，我了解了亚马逊科技开发流程，实现了在云端利用Amazon KVS与Amazon Rekognition Streaming  Video Events进行实时智能识别实验，掌握了端-云之间的视频流数据统一管理及调度开发技能，学会了云上视频流处理和AI视觉识别检测实现方法，积累了基于云上识别检测结果触发设备端操作的完整AloT闭环最佳实践经验。

操作手册(百度网盘)下载

五、实验过程问题解决 

 5.1 aws凭据错误

错误截图

解决方法

 注意CLI在电脑本地完成安装后，在自己的电脑终端进行上述操作

5.2 视频上传报错

错误截图

解决办法

注意所有实验都要在爱尔兰地区完成，可以更改地区后再试，因为我这里地区错误而导致错误，如图： 

5.3 创建rekognition-stream-processor时报错

错误截图

解决方法

在cloud 9环境上运行如下指令：

aws rekognition delete-stream-processor --name  video_event_stream_processor

5.4 启动rekognition-stream-processor后未收到邮箱

解决方法：注意不要点取消订阅

 六、实验成果展示