Distribuera en AI-baserad lösning för identifiering av fotfall med hjälp av Azure och Azure Stack Hub

  • Artikel

Den här artikeln beskriver hur du distribuerar en AI-baserad lösning som genererar insikter från verkliga åtgärder med hjälp av Azure, Azure Stack Hub och Custom Vision AI Dev Kit.

I den här lösningen lär du dig att:

  • Distribuera cloud native application bundles (CNAB) vid gränsen.
  • Distribuera en app som sträcker sig över molngränser.
  • Använd Custom Vision AI Dev Kit för slutsatsdragning vid gränsen.

Dricks

Diagram över hybridpelare Microsoft Azure Stack Hub är ett tillägg till Azure. Azure Stack Hub ger flexibiliteten och innovationen inom molnbaserad databehandling till din lokala miljö, vilket möjliggör det enda hybridmoln som gör att du kan skapa och distribuera hybridappar var som helst.

I artikeln Designöverväganden för hybridappar granskas grundpelare för programvarukvalitet (placering, skalbarhet, tillgänglighet, återhämtning, hanterbarhet och säkerhet) för design, distribution och drift av hybridappar. Designövervägandena hjälper dig att optimera hybridappdesignen och minimera utmaningarna i produktionsmiljöer.

Förutsättningar

Innan du börjar med den här distributionsguiden måste du:

Distribuera hybridmolnappen

Först använder du Porter CLI för att generera en uppsättning autentiseringsuppgifter och sedan distribuera molnappen.

  1. Klona eller ladda ned lagringsplatsen som innehåller lösningens exempelkod.

  2. Porter genererar en uppsättning autentiseringsuppgifter som automatiserar distributionen av appen. Innan du kör autentiseringsuppgiftsgenereringskommandot måste du ha följande tillgängligt:

    • Ett huvudnamn för tjänsten för åtkomst till Azure-resurser, inklusive tjänstens huvudnamns-ID, nyckel och klient-DNS.
    • Prenumerations-ID för din Azure-prenumeration.
    • Ett huvudnamn för tjänsten för åtkomst till Azure Stack Hub-resurser, inklusive tjänstens huvudnamns-ID, nyckel och klient-DNS.
    • Prenumerations-ID:t för din Azure Stack Hub-prenumeration.
    • Din Ansikts-API-nyckel och resursslutpunkts-URL för Azure Cognitive Services.

  3. Kör porterautentiseringsgenereringsprocessen och följ anvisningarna:

    porter creds generate --tag intelligentedge/footfall-cloud-deployment:0.1.0

  4. Porter kräver också en uppsättning parametrar som ska köras. Skapa en parametertextfil och ange följande namn/värde-par. Fråga din Azure Stack Hub-administratör om du behöver hjälp med något av de värden som krävs.

    Kommentar

    Värdet resource suffix används för att säkerställa att distributionens resurser har unika namn i Hela Azure. Det måste vara en unik sträng med bokstäver och siffror, inte längre än 8 tecken.

    azure_stack_tenant_arm="Your Azure Stack Hub tenant endpoint"
azure_stack_storage_suffix="Your Azure Stack Hub storage suffix"
azure_stack_keyvault_suffix="Your Azure Stack Hub keyVault suffix"
resource_suffix="A unique string to identify your deployment"
azure_location="A valid Azure region"
azure_stack_location="Your Azure Stack Hub location identifier"
powerbi_display_name="Your first and last name"
powerbi_principal_name="Your Power BI account email address"

    Spara textfilen och anteckna sökvägen.

  5. Nu är du redo att distribuera hybridmolnappen med Porter. Kör installationskommandot och se när resurser distribueras till Azure och Azure Stack Hub:

    porter install footfall-cloud –tag intelligentedge/footfall-cloud-deployment:0.1.0 –creds footfall-cloud-deployment –param-file "path-to-cloud-parameters-file.txt"

  6. När distributionen är klar bör du notera följande värden:

    • Kameran är anslutningssträng.
    • Avbildningslagringskontot anslutningssträng.
    • Resursgruppens namn.

Förbereda Custom Vision AI DevKit

Konfigurera sedan Custom Vision AI Dev Kit enligt beskrivningen i snabbstarten Vision AI DevKit. Du kan också konfigurera och testa kameran med hjälp av anslutningssträng som angavs i föregående steg.

Distribuera kameraappen

Använd Porter CLI för att generera en uppsättning autentiseringsuppgifter och distribuera sedan kameraappen.

  1. Porter genererar en uppsättning autentiseringsuppgifter som automatiserar distributionen av appen. Innan du kör autentiseringsuppgiftsgenereringskommandot måste du ha följande tillgängligt:

    • Ett huvudnamn för tjänsten för åtkomst till Azure-resurser, inklusive tjänstens huvudnamns-ID, nyckel och klient-DNS.
    • Prenumerations-ID för din Azure-prenumeration.
    • Avbildningslagringskontot anslutningssträng som angavs när du distribuerade molnappen.

  2. Kör porterautentiseringsgenereringsprocessen och följ anvisningarna:

    porter creds generate --tag intelligentedge/footfall-camera-deployment:0.1.0

  3. Porter kräver också en uppsättning parametrar som ska köras. Skapa en parametertextfil och ange följande text. Fråga Azure Stack Hub-administratören om du inte känner till några av de värden som krävs.

    Kommentar

    Värdet deployment suffix används för att säkerställa att distributionens resurser har unika namn i Hela Azure. Det måste vara en unik sträng med bokstäver och siffror, inte längre än 8 tecken.

    iot_hub_name="Name of the IoT Hub deployed"
deployment_suffix="Unique string here"

    Spara textfilen och anteckna sökvägen.

  4. Nu är du redo att distribuera kameraappen med Porter. Kör installationskommandot och se när IoT Edge-distributionen skapas.

    porter install footfall-camera –tag intelligentedge/footfall-camera-deployment:0.1.0 –creds footfall-camera-deployment –param-file "path-to-camera-parameters-file.txt"

  5. Kontrollera att kamerans distribution är klar genom att visa kameraflödet på https://<camera-ip>:3000/, där <camara-ip> är kamerans IP-adress. Det här steget kan ta upp till 10 minuter.

Konfigurera Azure Stream Analytics

Nu när data flödar till Azure Stream Analytics från kameran måste vi manuellt auktorisera dem för att kommunicera med Power BI.

  1. Öppna Alla resurser från Azure-portalen och jobbet process-footfall[yoursuffix].

  2. I avsnittet Jobbtopologi i Stream Analytics-jobbfönstret väljer du alternativet Utdata.

  3. Välj utdatamottagaren för trafikutdata .

  4. Välj Förnya auktorisering och logga in på ditt Power BI-konto.

    Skärmbild som visar kommandotolken förnya auktorisering i Power BI.

  5. Spara utdatainställningarna.

  6. Gå till fönstret Översikt och välj Starta för att börja skicka data till Power BI.

  7. Välj Nu som starttid för jobbutdata och välj Start. Du kan se dess status i meddelandefältet.

Skapa en Power BI-instrumentpanel

  1. När jobbet har slutförts går du till Power BI och loggar in med ditt arbets- eller skolkonto. Om Stream Analytics-jobbfrågan matar ut resultat finns datauppsättningen footfall-dataset som du skapade under fliken Datauppsättningar .

  2. Från Din Power BI-arbetsyta väljer du + Skapa för att skapa en ny instrumentpanel med namnet Footfall Analysis.

  3. Välj Lägg till panel högst upp i fönstret. Välj sedan Anpassade strömmande data och Nästa. Välj footfall-dataset under Dina datauppsättningar. Välj Kort i listrutan Visualiseringstyp och lägg till ålder i Fält. Välj Nästa för att ange ett namn på panelen och välj sedan Applicera för att skapa panelen.

  4. Du kan lägga till ytterligare fält och kort efter behov.

Testa din lösning

Observera hur data i korten som du skapade i Power BI ändras när olika personer går framför kameran. Slutsatsdragningar kan ta upp till 20 sekunder att visas när de har registrerats.

Ta bort din lösning

Om du vill ta bort lösningen kör du följande kommandon med Porter med samma parameterfiler som du skapade för distribution:

porter uninstall footfall-cloud –tag intelligentedge/footfall-cloud-deployment:0.1.0 –creds footfall-cloud-deployment –param-file "path-to-cloud-parameters-file.txt"

porter uninstall footfall-camera –tag intelligentedge/footfall-camera-deployment:0.1.0 –creds footfall-camera-deployment –param-file "path-to-camera-parameters-file.txt"

Nästa steg