Получите аналитические сведения о том, как клиенты получают текущие продукты в отношении макета магазина.
Архитектура
Скачайте файл Visio для этой архитектуры.
Поток данных
- Пакет разработки для искусственного интеллекта Пользовательского визуального распознавания получает настройки из центра Интернета вещей, который устанавливает среду выполнения IoT Edge и модель машинного обучения.
- Если модель видит человека, она делает снимок и отправляет его в хранилище BLOB-объектов Azure Stack Hub.
- Служба BLOB-объектов активирует Функцию Azure в Azure Stack Hub.
- Функция Azure вызывает контейнер с API распознавания лиц, чтобы получить демографические и эмоциональные данные из изображения.
- Данные обезличиваются и отправляются в кластер Центров событий Azure.
- Кластер Центров событий отправляет данные в Stream Analytics.
- Stream Analytics выполняет статистическую обработку данных и отправляет их в Power BI. Power BI предоставляет простой в использовании интерфейс панели мониторинга для просмотра выходных данных Azure Stream Analytics.
Компоненты
Оборудование в магазине
- Пользовательское визуальное распознавание пакет средств разработки ИИ предоставляет фильтрацию в хранилище с помощью локальной модели машинного обучения, которая записывает только изображения людей для анализа. Он безопасно подготавливается и обновляется с помощью Центр Интернета вещей.
Azure
- Центры событий Azure — это полностью управляемая служба приема данных в режиме реального времени, которая является простой, доверенной и масштабируемой. Передавайте потоком миллионы событий в секунду из любого источника для создания динамических конвейеров данных и немедленного реагирования на проблемы бизнеса.
- Azure Stream Analytics — это простая и удобная служба аналитики в режиме реального времени, предназначенная для критически важных рабочих нагрузок. Переход от нуля до рабочей среды в минутах. Это SQL— легко расширяемый с пользовательским кодом и встроенными возможностями машинного обучения для более сложных сценариев.
- Microsoft Power BI — это набор средств бизнес-аналитики, которые предоставляют аналитические сведения во всей организации. Подключение к сотням источников данных, упрощению подготовки данных и импровизированному анализу. Создайте красивые отчеты, а затем опубликуйте их для вашей организации, чтобы использовать их в Интернете и на мобильных устройствах.
Azure Stack Hub
- Azure Stack Hub расширяет Azure, чтобы позволить запускать приложения в локальной среде и предоставлять службы Azure в центре обработки данных.
- Поставщик ресурсов Служба приложений (RP) предоставляет базу для пограничных компонентов, включая функции размещения и управления для веб-приложений, API и функций.
- Подсистема Служба Azure Kubernetes (AKS). RP AKS с кластером ядра AKS развертывается в Azure Stack Hub, чтобы обеспечить масштабируемый отказоустойчивый механизм, который запускает контейнер API распознавания лиц.
- Контейнеры API распознавания лиц. RP Azure Cognitive Services с контейнерами API распознавания лиц обеспечивает демографические, эмоции и уникальное обнаружение посетителей.
- Хранилище BLOB-объектов. Изображения, полученные из пакета средств разработки ИИ, отправляются в хранилище BLOB-объектов Azure Stack Hub.
- Функции Azure. Функция Azure, запущенная в Azure Stack Hub, получает входные данные из хранилища BLOB-объектов и управляет взаимодействием с API распознавания лиц. Он выдает анонимные данные в кластер Центров событий, расположенный в Azure.
Альтернативные варианты
Функция Azure, которая работает в Azure Stack Hub , — это отличный вариант вычислений. Однако существуют другие варианты вычислений, например пользовательское приложение, которое работает в службе приложение Azure.
Подробности сценария
Потенциальные варианты использования
Это решение описывает архитектуру обнаружения ног на основе ИИ для анализа трафика посетителей в розничных магазинах. Решение создает аналитические сведения из реальных действий с помощью Azure, Azure Stack Hub и пакета средств разработки для Пользовательское визуальное распознавание ИИ.
В этом сценарии вам не нужно размещать сотрудников в каждом разделе, и вам не нужна команда аналитиков, чтобы просмотреть все кадры камеры магазина. Решение также не требует наличия достаточной пропускной способности для потоковой передачи видео со всех камер в облако для анализа. Это решение обеспечивает ненавязчивый, понятный способ определения демографических данных клиентов, лояльности и реакций на хранение дисплеев и продуктов.
Рекомендации
Эти рекомендации реализуют основные принципы платформы Azure Well-Architected Framework, которая является набором руководящих принципов, которые можно использовать для улучшения качества рабочей нагрузки. Дополнительные сведения см. в статье Microsoft Azure Well-Architected Framework.
Надежность
Так как это решение распределено по уровням, важно подумать о том, как справляться с сетевыми сбоями или отключениями электропитания. Сведения о устойчивости и зависимостях, рекомендациях по проектированию надежности в приложениях Azure и надежности Azure Stack Hub из Microsoft Azure Well Architected Framework (WAF) для повышения устойчивости решения.
В зависимости от бизнес-потребностей может потребоваться реализовать механизм кэширования образов локально, а затем перенаправить их в Azure Stack Hub при возврате подключения. Если расположение достаточно большое, разверните Data Box Edge с контейнером API распознавания лиц в этом расположении.
Безопасность
Безопасность обеспечивает гарантии от преднамеренного нападения и злоупотребления ценными данными и системами. Дополнительные сведения см. в разделе "Общие сведения о компоненте безопасности".
Это решение фиксирует образы клиентов, которые делают безопасность важным фактором. Ознакомьтесь с руководством по защите данных WAF, чтобы защитить учетные записи хранения, включая настройку соответствующих политик доступа и регулярное смена ключей. Убедитесь, что учетные записи хранения и Центры событий имеют политики хранения, соответствующие корпоративным и государственным правилам конфиденциальности.
Обеспечение безопасности с помощью управления удостоверениями и доступом, обеспечивая уровень доступа пользователей. Многоуровневый режим гарантирует, что пользователи имеют доступ только к данным, которым они нуждаются в своих ролях.
Эффективность работы
Оперативное превосходство охватывает процессы операций, которые развертывают приложение и продолжают работать в рабочей среде. Дополнительные сведения см. в разделе "Общие сведения о принципах эффективности работы".
Мониторинг и диагностика имеют огромное значение. Облачные приложения выполняются в удаленном центре обработки данных, где у вас нет полного контроля над инфраструктурой или, в некоторых случаях, операционной системой. Используйте Azure Monitor в Azure Stack Hub для визуализации, запроса, маршрутизации, архивации и выполнения других действий по метрикам и журналам. Следуйте операциям мониторинга облачных приложений проверка list, чтобы реализовать комплексную стратегию мониторинга для решения.
Это решение может масштабироваться на множество устройств и расположений, что может оказаться неудобным. Службы Интернета вещей Azure могут автоматически добавлять новые расположения и устройства в интернет и обновлять их.
Оптимизация производительности
Уровень производительности — это способность вашей рабочей нагрузки эффективно масштабироваться в соответствии с требованиями, предъявляемыми к ней пользователями. Дополнительные сведения см. в разделе "Общие сведения о эффективности производительности".
Чтобы это решение можно было масштабировать на несколько камер и расположений, необходимо убедиться, что все компоненты могут справиться с повышенной нагрузкой. Возможно, потребуется выполнить следующие действия:
- увеличить число единиц потоковой передачи Stream Analytics;
- горизонтально увеличить масштаб развертывания API Распознавания лиц;
- увеличить пропускную способность кластера Центров событий;
- В крайних случаях может потребоваться перенести Функции Azure на виртуальную машину.
Используйте контрольный список уровней производительности, чтобы проверить проект с точки зрения масштабируемости.
Развертывание этого сценария
Разверните решение для обнаружения на основе искусственного интеллекта, которое создает аналитические сведения из реальных действий с помощью Azure, Azure Stack Hub и Пользовательское визуальное распознавание комплекта средств разработки для ИИ. Это решение анализирует трафик посетителей в розничных магазинах. См. статью "Развертывание решения для обнаружения ног на основе искусственного интеллекта" с помощью Azure и Azure Stack Hub.
Соавторы
Эта статья поддерживается корпорацией Майкрософт. Первоначально он был написан следующими участник.
Автор субъекта:
- Брайан Ламос | Старший разработчик содержимого
Чтобы просмотреть недоступные профили LinkedIn, войдите в LinkedIn.
Следующие шаги
Дополнительные сведения об этой архитектуре см. в следующих статьях:
- См. пример решения "Развертывание поэтапной аналитики данных", который реализуется решением для обнаружения футов.
- Дополнительные сведения о пакете разработки для искусственного интеллекта Пользовательского визуального распознавания см. в этой статье.
- Документация по оператору Azure Stack Hub
- служба приложение Azure в Azure Stack Hub
- Служба Azure Kubernetes в Azure Stack Hub
- Документация по гибридной и многооблачной среде Azure