Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.

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

777 views

Published on

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」

Published in: Technology
  • Be the first to comment

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…..

×