Uso de Amazon Rekognition para identificar el incumplimiento del distanciamiento social

Por Gabriel Bella Martini, Arquitecto de Soluciones, PS Brasil
Lucas Duarte, Arquitecto de Soluciones, PS Brasil
Ernesto dos Santos, Arquitecto de Soluciones, PS Brasil

El distanciamiento social en 2021 sigue siendo un tema que será ampliamente discutido, con el aumento en el número de casos de COVID-19 en todo el mundo y la dificultad de detectar situaciones de incumplimiento, se hace cada vez más evidente la necesidad de contar con soluciones que ayuden a identificar este tipo de situaciones. Tomando como referencia el programa Plan San Paulo, todavía estamos atravesando una fase rígida de cuarentena, donde hay una necesidad de respetar las pautas de distanciamiento social, y si observamos las estadísticas actuales para la ciudad de San Paulo, actualmente tenemos cerca de la misma las tasas de distanciamiento que antes de la cuarentena.

A diferencia del blog donde tuvimos la oportunidad de abordar escenarios de posible aglomeración social y detección de multitudes, en este mostraremos cómo utilizar la tecnología y la inteligencia artificial para identificar situaciones de incumplimiento de las distanciamiento.

El Desafío

Los escenarios más comunes de incumplimiento suelen ocurrir en tiendas (restaurantes, supermercados, tiendas de conveniencia, etc.), donde a veces la fila obliga a las personas a estar muy cerca entre sí. El reto entonces es cómo identificar estas situaciones para mitigarlas rápidamente.

Una forma de monitorear las filas de personas sería utilizando imágenes o vídeos de una cámara, enviandolas a Amazon Rekognition para ser analizadas.

La solución

Amazon Rekognition facilita la adición de análisis de imágenes y vídeos a sus aplicaciones mediante Deep Learning. El servicio no requiere conocimiento de Inteligencia Artificial y Machine Learning para su uso. Con Rekognition se pueden identificar objetos, personas, texto, escenas y actividades en imágenes y vídeos, detectar contenidos inapropiados y permitirnos extraer las coordenadas del objeto identificado.
En esta solución utilizaremos la función Bounding Box de Rekognition para determinar las coordenadas de cada una de las personas identificadas en la imagen. En base a estos datos, determinaremos la distancia, en píxeles, que separa a cada una de las personas en la cola. A través de un valor de referencia, la distancia se clasificará como incumplimiento o no, si encontramos una situación de menor proximidad de la que determinemos, enviaremos una notificación a una dirección de correo electrónico.
Para calcular la distancia real entre la foto y el mundo real, es necesario determinar la relación entre centímetros frente a píxeles de imagen.  Para ello, y con el fin de habilitar la solución, hemos determinado algunos requisitos:
1) Disposición de una cámara digital posicionada de forma fija, donde podemos tener una visibilidad horizontal de la fila a monitorizar.
2) Determine la relacióncentímetros/píxeles de las imágenes capturadas, teniendo en cuenta la resolución de la cámara utilizada y el posicionamiento de la cámara.
En esta solución utilizaremos los siguientes servicios: Amazon S3, AWS Lambda, Amazon Rekognitiony Amazon SNS. La arquitectura de la solución se describe en la siguiente figura:

Figura 1: Arquitectura

 A continuación tenemos una imagen de ejemplo donde podemos comprobar cuatro personas formando una fila. Cuando enviamos esta imagen a un bucket en S3, se generará un evento de subida, iniciando el flujo de ejecución de una función Lambda, con el fin de analizar la distancia.

Figura 2: Demostración de distanciamiento social

Después de procesar esta imagen por la función Lambda, pudimos validar el éxito en la identificación de personas que no cumplen los criterios definidos de distanciamiento social a través de una línea roja.

Figura 3: Demo de solución

Cuando identificamos el incumplimiento de la distancia entre las personas en la imagen, se envía una alerta por correo electrónico registrado indicando el escenario inapropiado.

Implementación de la solución

Para que pueda replicar la solución, hemos creado un repositorio público con el desglose de cada paso de implementación. Estamos utilizando el servicio Amazon CloudFormation para tratar toda la arquitectura como código. Con dicho repositorio, podrá replicar la arquitectura para construir una solución como se demostró anteriormente.

Cálculo de distancia de rekognición: https://github.com/aws-samples/rekognition-distance-calculation.

Finalización y próximos pasos

En esta sección de blog tuvimos la oportunidad de mostrar cómo es posible utilizar los servicios de AWS para crear una solución que nos permita mantener el cuidado necesario del distanciamiento social en este difícil momento de pandemia. También vimos una vez más cómo usar Rekognition para implementar soluciones de Computer Vision de forma rápida y sencilla. Como siguientes pasos, en la tercera parte de esta solución, abordaremos cómo mejorar la asertividad de la identificación de distanciamiento utilizando la Inteligencia Artificial para analizar tres dimensiones en una imagen.

Este artículo fue traducido del Blog de AWS en Portugués

Sobre los autores

Gabriel Bella Martini es Arquitecto de Soluciones en AWS. Ayudar a los clientes del sector público (educación, gobierno y organizaciones sin fines de lucro) durante el viaje a la nube de AWS. Ha trabajado en diferentes proyectos relacionados con la inteligencia artificial y el IoT, y también tiene gran interés en los gráficos por ordenador.

Lucas Duarte es Arquitecto de Soluciones de AWS.Trabaja con clientes del sector público, entusiastas de la automatización, la nube y la cultura DevOps. Con experiencia previa en proyectos enfocados en este segmento en empresas como iFood, Guiabolso y Mandic. Ha trabajado en diferentes proyectos relacionados principalmente con la orquestación de contenedores y microservicios.

Ernesto dos Santos es Arquitecto de Soluciones de AWS.  Funciona ayudando y apoyando a los clientes del sector público en su viaje a la nube de AWS trabajando en proyectos que implican arquitecturas distribuidas y escalables. Tiene gran interés en el área de seguridad de la información, infraestructura, networking y sin servidor.

Publicaciones relacionadas con el blog: Uso de Amazon Rekognition para identificar clústeres