Un ristorante self-service vuole contare i clienti in coda a una cassa e avvisare i responsabili quando la coda è troppo lunga. Le sedi hanno una larghezza di banda in uscita molto limitata e non possono trasmettere in streaming più video al cloud. Quale soluzione soddisfa al meglio il vincolo di larghezza di banda e fornisce gli avvisi sulla lunghezza della coda?

L'opzione corretta è la migliore perché esegue l'inferenza localmente sui dispositivi AWS DeepLens. Questo riduce significativamente la quantità di dati che devono essere inviati al cloud, risolvendo il vincolo di larghezza di banda limitata. Addestrare un modello personalizzato in SageMaker garantisce precisione nel conteggio delle persone, e la distribuzione su DeepLens permette l'elaborazione edge. La Lambda locale può quindi inviare notifiche SNS solo quando la coda è troppo lunga, minimizzando ulteriormente il traffico di rete. Le altre opzioni sono meno efficaci: La trasmissione di video a Kinesis Video Streams e l'invio di fotogrammi al cloud per Rekognition (opzione 1 e 3) consumerebbero troppa larghezza di banda, violando il vincolo. L'abilitazione di Rekognition direttamente su DeepLens (opzione 2) potrebbe non essere sufficientemente personalizzabile per il conteggio preciso delle persone in un ambiente specifico come una coda, e l'inferenza locale di Rekognition potrebbe comunque avere limitazioni rispetto a un modello personalizzato.