Zespół ds. bezpieczeństwa przeprowadził pilotaż ze 100 kamerami, które przesyłały obrazy do pamięci obiektowej i korzystały z usługi rozpoznawania obrazów do tagowania obrazów oraz przechowywania wyników w indeksie wyszukiwania. Teraz chcą skalować system do tysięcy kamer globalnie, aby wykrywać podejrzane działania osób niebędących pracownikami w czasie zbliżonym do rzeczywistego. Jaką architekturę powinni rozważyć?

Prawidłowa odpowiedź jest najlepsza, ponieważ wykorzystuje lokalny serwer proxy do agregacji strumieni RTSP z kamer, co jest skalowalnym rozwiązaniem dla tysięcy urządzeń. Przesyłanie strumieni do dedykowanego zarządzanego strumienia wideo (np. Amazon Kinesis Video Streams) i użycie zarządzanej usługi analizy wideo z procesorem strumieniowym (np. Amazon Rekognition Video Stream Processor) zapewnia wykrywanie twarzy w czasie zbliżonym do rzeczywistego i automatyczne alerty. Druga opcja jest mniej efektywna, ponieważ analiza pojedynczych klatek obrazu z usługi rozpoznawania obrazów (np. Amazon Rekognition Image) nie jest zoptymalizowana do ciągłej analizy strumieni wideo w czasie zbliżonym do rzeczywistego. Trzecia i czwarta opcja są niepraktyczne, ponieważ wymiana tysięcy istniejących kamer na urządzenia brzegowe jest kosztowna i czasochłonna. Ponadto, uruchamianie funkcji serverless do ekstrakcji klatek i wywoływania API rozpoznawania obrazów (czwarta opcja) wprowadza dodatkowe opóźnienia i złożoność, co utrudnia osiągnięcie analizy w czasie zbliżonym do rzeczywistego.