Editar

Detección de afluencia de clientes basada en IA

Azure Stack Hub
Azure Virtual Machines
Azure Virtual Network
Azure VPN Gateway

Obtenga información sobre cómo los clientes reciben sus productos actuales, en relación con la disposición de la tienda.

Architecture

Architecture diagram that displays the hybrid footfall detection architecture.

Descargue un archivo Visio de esta arquitectura.

Flujo de datos

  1. El kit de desarrollo de IA de Custom Vision obtiene una configuración de IoT Hub, que instala el tiempo de ejecución de IoT Edge y un modelo de ML.
  2. Si el modelo ve una persona, le hace una foto y la carga en el almacenamiento de blobs de Azure Stack Hub.
  3. Blob service desencadena una función de Azure en Azure Stack Hub.
  4. Azure Functions llama a un contenedor con la API de Face, para obtener datos demográficos y de emociones de la imagen.
  5. Los datos se anonimizan y se envían a un clúster de Azure Event Hubs.
  6. Este, a su vez, los envía Stream Analytics.
  7. Stream Analytics agrega los datos y los envía a Power BI. Power BI proporciona una interfaz de panel fácil de usar para ver los resultados de Azure Stream Analytics.

Componentes

Hardware en la tienda

  • El kit de desarrollo de IA de Custom Vision proporciona filtrado en la tienda, mediante un modelo de ML local que solo captura imágenes de personas para su análisis. Se aprovisiona y actualiza de forma segura a través de IoT Hub.

Azure

  • Azure Event Hubs es un servicio de ingesta de datos en tiempo real y totalmente administrado. Es sencillo, confiable y escalable. Transmita millones de eventos por segundo desde cualquier origen para crear canalizaciones de datos dinámicos y responder inmediatamente a los desafíos empresariales.
  • Azure Stream Analytics es un servicio de análisis en tiempo real. Es fácil de usar y está diseñado para cargas de trabajo críticas. Vaya de cero a producción en minutos. Se trata de SQL: se puede extender fácilmente, con código personalizado y funcionalidades de aprendizaje automático integradas, para lograr escenarios más avanzados.
  • Microsoft Power BI es un conjunto de herramientas de análisis empresarial, que proporciona información detallada acerca de toda la organización. Conéctese a cientos de orígenes de datos, simplifique la preparación de los datos y realice análisis improvisados. Realice informes atractivos y publíquelos en la organización, para que puedan verse en la web y en los dispositivos móviles.

Azure Stack Hub

  • Azure Stack Hub amplía Azure, para que le permita ejecutar aplicaciones en un entorno local y para ofrecer servicios de Azure en su centro de datos.
  • El proveedor de recursos (RP) App Service proporciona una base para los componentes perimetrales, incluidas las características de hospedaje y administración de aplicaciones web, API y Functions.
  • El motor de Azure Kubernetes Service (AKS). El RP de AKS con un clúster de motor AKS se implementa en Azure Stack Hub, para proporcionar un motor escalable y resistente, que ejecuta el contenedor de la API de Face.
  • Contenedores de la API de Face. El RP de Azure Cognitive Services, con contenedores de la API de Face, proporciona detección demográfica, de emociones y de visitantes únicos.
  • Blob Storage. Las imágenes capturadas con el kit de desarrollo de IA se cargan en el almacenamiento de blobs de Azure Stack Hub.
  • Azure Functions. Una función de Azure Functions que se ejecuta en Azure Stack Hub recibe la entrada del almacenamiento de blobs y administra las interacciones con la API de Face. Emite datos anonimizados a un clúster de Event Hubs que se ubica en Azure.

Alternativas

Una función de Azure Functions que se ejecuta en Azure Stack Hub es una excelente opción de proceso. Sin embargo, hay otras opciones de proceso, como una aplicación personalizada que se ejecuta en Azure App Service.

Detalles del escenario

Posibles casos de uso

Esta solución describe una arquitectura de detección de afluencia de clientes basada en IA, para analizar el tráfico de visitantes en tiendas físicas. La solución genera información de acciones del mundo real mediante Azure, Azure Stack Hub y el kit de desarrollo de IA de Custom Vision.

Con este escenario, no tiene que colocar personal en todas las secciones, y no necesita un equipo de analistas para revisar todo el material grabado por las cámaras de la tienda. La solución tampoco requiere que las tiendas tengan suficiente ancho de banda para transmitir vídeo desde todas sus cámaras, enviado a la nube para realizar el análisis. La solución proporciona una manera discreta y acorde con la privacidad para determinar los datos demográficos, la fidelidad y las reacciones de sus clientes ante el diseño de la tienda y los productos que ofrece.

Consideraciones

Estas consideraciones implementan los pilares del marco de buena arquitectura de Azure, que es un conjunto de principios guía que se pueden usar para mejorar la calidad de una carga de trabajo. Para más información, consulte Marco de buena arquitectura de Microsoft Azure.

Confiabilidad

Dado que esta solución está en capas, es importante pensar en cómo tratar los errores de red o de alimentación. Consulte Resistencia y dependencias, Procedimientos recomendados para diseñar la confiabilidad en aplicaciones de Azure y confiabilidad de Azure Stack Hub, desde el Marco de buena arquitectura (WAF) de Microsoft Azure, para mejorar la resistencia de la solución.

En función de las necesidades de su empresa, podría ver adecuada la implementación de un mecanismo para copiar localmente en caché las imágenes y, después, reenviarlas a Azure Stack Hub cuando vuelva a tener conectividad. Si la ubicación es lo suficientemente grande, implemente una instancia de Data Box Edge con el contenedor de la API de Face en esa ubicación.

Seguridad

La seguridad proporciona garantías contra ataques deliberados y el abuso de datos y sistemas valiosos. Para más información, consulte Introducción al pilar de seguridad.

Esta solución captura imágenes de clientes, por lo que es fundamental tener en cuenta la seguridad. Para proteger las cuentas de almacenamiento, consulte la guía de Protección de datos de WAF, que incluye información sobre la configuración de directivas de acceso adecuadas y la rotación de claves con regularidad. Asegúrese de que las cuentas de almacenamiento y Event Hubs tienen directivas de retención que cumplen las normas de privacidad corporativa y gubernamental.

Proporcione seguridad a través de la administración de identidades y acceso, asegurándose de que organiza los niveles de acceso de los usuarios. La organización por niveles garantiza que los usuarios solo tienen acceso a los datos que necesitan para su rol.

Excelencia operativa

La excelencia operativa abarca los procesos de las operaciones que implementan una aplicación y la mantienen en ejecución en producción. Para más información, consulte Introducción al pilar de excelencia operativa.

La supervisión y el diagnóstico son fundamentales. Las aplicaciones en la nube se ejecutan en un centro de datos remoto, en el que no tiene un control completo de la infraestructura ni, en algunos casos, del sistema operativo. Use Azure Monitor en Azure Stack Hub para visualizar, consultar, enrutar, archivar y realizar otras acciones en métricas y registros. Siga la lista de comprobación Supervisión de operaciones de aplicaciones en la nube. Así podrá implementar una estrategia de supervisión completa para la solución.

Esta solución puede abarcar muchos dispositivos y ubicaciones, lo que podría resultar complicado. Los servicios de IoT de Azure pueden poner en línea, automáticamente, nuevas ubicaciones y dispositivos y mantenerlos actualizados.

Eficiencia del rendimiento

La eficiencia del rendimiento es la capacidad de la carga de trabajo para escalar con el fin de satisfacer de manera eficiente las demandas que los usuarios hayan ejercido sobre ella. Para obtener más información, vea Resumen del pilar de eficiencia del rendimiento.

Para permitir que esta solución se escale entre varias cámaras y ubicaciones, deberá asegurarse de que todos los componentes pueden controlar el aumento de la carga. Es posible que tenga que realizar las siguientes acciones:

  • Aumentar el número de unidades de streaming de Stream Analytics.
  • Escalar horizontalmente la implementación de Face API.
  • Aumentar el rendimiento de los clústeres de Event Hubs.
  • En casos extremos, puede que sea necesario migrar desde Azure Functions a una máquina virtual.

Use la lista de comprobación de eficiencia de rendimiento para revisar el diseño desde el punto de vista de la escalabilidad.

Implementación de este escenario

Implemente una solución de detección de afluencia de clientes basada en inteligencia artificial que genere información útil a partir de acciones reales, mediante Azure, Azure Stack Hub y el Kit de desarrollo de inteligencia artificial de Custom Vision. Esta solución analiza el tráfico de visitantes en tiendas de venta al por menor. Consulte Implementación de una solución de detección de afluencia de clientes basada en IA con Azure y Azure Stack Hub.

Colaboradores

Microsoft mantiene este artículo. Originalmente lo escribieron los siguientes colaboradores.

Autor principal:

Para ver los perfiles no públicos de LinkedIn, inicie sesión en LinkedIn.

Pasos siguientes

Consulte los artículos siguientes para obtener más información sobre los temas introducidos en esta arquitectura: