Deep learning met de Amazon DeepLens

Met een AWS DeepLens kun je deep learning technieken gebruiken om camerabeelden op een slimme manier te verwerken en daarop actie te ondernemen. Hoe werkt dit? En welke toepassingen zijn er te bedenken?

Maar wat is nu die DeepLens? De AWS (Amazon Web Services) DeepLens is in feite een computer met een geïntegreerde camera ter grootte van een kleine broodtrommel. De geïntegreerde camera heeft een 4 megapixel-sensor waarmee beelden worden geschoten in 1080p. De DeepLens kan gezien worden zoals elke andere computer: het draait een besturingssysteem (Ubuntu) en je kunt hem aansluiten op een muis, toetsenbord en beeldscherm. Echter zijn er een aantal dingen die de DeepLens net wat intelligenter maakt dan zomaar een computer.

Een van deze dingen is de integratie met het Amazon Web Services (AWS) ecosysteem, welke zorgt voor een connectie met de cloud. Binnen dit ecosysteem is Amazon SageMaker een platform dat gebruikt kan worden om een neuraal netwerk te bouwen, trainen en exporteren. Hier kunnen de krachtige servers van AWS ingezet worden om het zwaardere voorbereidende werk voor de DeepLens te doen. Zodra het model eenmaal getraind en op de DeepLens is geladen, kan deze verder alles lokaal afhandelen zonder dat daar nog een dure server voor hoeft te worden ingezet. Daarnaast zorgt de integratie met AWS ervoor dat het eenvoudig is om applicaties te starten op de DeepLens, zonder dat het apparaat in de buurt hoeft te zijn. Zolang hij met het internet is verbonden, is hij op afstand te bedienen.

Wat kan de DeepLens?

Om uit te kunnen leggen wat een DeepLens allemaal kan, is het wellicht interessant om de vergelijking te leggen met een beveiligingscamera. Een domme beveiligingscamera kan video opnemen en deze opslaan op bijvoorbeeld een harde schijf. Of misschien is hij wel iets slimmer en kan hij de video streamen naar je TV. Leuk en aardig, maar niemand heeft zin om de hele dag de videostream in de gaten te houden om te kijken of een persoon zich zonder toestemming op je privéterrein begeeft.

Seintje naar de beveiliging

Een DeepLens daarentegen zou in real-time kunnen herkennen dat een persoon aanwezig is op je privéterrein door gebruik te maken van deep learning. Als dit op een tijdstip midden in de nacht is, wanneer niemand er hoort te zijn, zou hij bijvoorbeeld automatisch een beveiliger een seintje kunnen geven om even poolshoogte te nemen. Ook zou je een houding kunnen herkennen. Als er iemand op een vloer ligt in een kantoorpand is dat over het algemeen geen goed nieuws en moet er zo snel mogelijk hulp komen. 

DeepLens in de praktijk

Naast bovengenoemde beveiligingstoepassingen zijn er natuurlijk talloze andere applicaties te bedenken voor de DeepLens; van gezichtsherkenning tot het herkennen van vele andere objecten en dieren.

Mensen tellen

Een van de applicaties waar ik me op dit moment mee bezighoud is het tellen van mensen. In deze corona-periode is afstand houden tot andere mensen van belang om het virus onder controle te houden. Als je echter het aantal mensen in een gebouw tot een bepaald maximum wilt beperken, zul je wellicht iemand moeten inhuren die bij de deuropening het aantal mensen telt dat naar binnen en buiten gaat.  Een dure oplossing

Stoplicht

Voor dit probleem zou ook een DeepLens ingezet kunnen worden om automatisch alle in- en uitgaande mensen te tellen, zonder dat iemand bij de deuropening hoeft te blijven staan. Zodra het maximumaantal personen (bijna) is bereikt, kunnen de werknemers ingelicht worden. Ook zou je ervoor kunnen kiezen om een kleine monitor of TV bij de ingang te zetten met een stoplicht. Zodra het maximumaantal personen reeds binnen is, springt het stoplicht automatisch op rood zodat het niet te druk wordt.

Wat zijn de voordelen van de AWS DeepLens?

Het krachtige van de DeepLens is dat alle berekeningen, om bijvoorbeeld te herkennen of een persoon of ander object in beeld is, lokaal gedaan kunnen worden. Er is dus geen dure server nodig in de cloud die 24/7 aan hoeft te staan. Dit maakt het een interessante optie in vergelijking met een oplossing bestaande uit een combinatie van een domme beveiligingscamera en een (dure) server in de cloud. 

Privacy

Het feit dat alle videobeelden lokaal verwerkt kunnen worden, heeft nog een ander groot voordeel. Dat is namelijk het privacy aspect van het hele verhaal. Alle beelden die gemaakt worden door de DeepLens worden in real-time verwerkt en worden dus niet opgeslagen op een harde schijf. Daarnaast worden er geen videobeelden gestreamd naar een server, waardoor de privacy van de personen die in beeld komen gewaarborgd kan worden.

Wat kan de DeepLens voor jouw organisatie betekenen?

Je kunt het zo gek niet bedenken of er is een grote kans dat de DeepLens het kan herkennen en/of detecteren. Denk bijvoorbeeld aan het herkennen van gebarentaal, bewegingen, emoties, verschillende dieren of vogelsoorten, producten, maar ook het herkennen van verschillende huidziektes, botbreuken en andere medische toepassingen. Andere mogelijke applicaties zijn het detecteren en tellen van specifieke voertuigen (vrachtwagens, campers, auto’s met een Nederlands kenteken etc.), vliegtuigen en zoals eerder genoemd, het tellen van personen. Dit is slechts een greep uit de vele soorten toepassingen die te bedenken zijn. 

Leren

Kort samengevat kun je de DeepLens alles leren herkennen. Na herkenning kun je allerlei (geautomatiseerde) flows triggeren. Bijvoorbeeld een berichtje sturen als simpelste variant. Maar ook complexe processen met allerlei afwegingen. Je kunt zo tijd besparen, kosten verlagen, sneller processen aansturen en meer zaken om voorsprong te pakken door data in te zetten.

Over de auteur: Cas Wiefferink is Stagiair Datawetenschapper bij Little Rocket