亚马逊云科技 Build On
学习目标:
带摄像头的loT设备集成开发技能
端-云之间的视频流数据统一管理及调度开发技能
学习云上视频流处理和AI视觉识别检测实现方法
完成基于云上识别检测结果触发设备端操作的完整AloT闭环最佳实践经验
学习内容: 创建 环境创建流 视频流控制台安装AWS CLI创建S3 创建SNS并配置邮件订阅创建 Role中的策略与角色启动 Video 观测执行结果 学习心得:
我报名参加【亚马逊云科技 Build On】【掌握AIoT高频应用场景—实时视频内容识别技术《揭秘出海爆款新物种背后的黑科技》】,在活动开始前,先是通过直播了解了AloT实时视频内容识别计数的广阔前景,然后了解到如何实现基于IoT设备的创新场景。老师将其分为设备端、云端、应用三个层面进行分析,并且给出了完善的解决方案。
虽然我是个小小萌新不是很懂这方面的技术,但是跟着实验手册也能够独立且顺利地完成此次实验。此次线上动手实验收获颇多,我学会了以下一些操作:
1.自己动手创建环境,并且完成一些基础的配置,下载并配置对应的SDK。
2.在KVS中创建一个视频流,并且在云端环境进行下载、上传视频并且成功播放。
3.创建S3 并且创建创建SNS并配置邮件订阅。
4.在IAM中根据先前创建的KVS、SNS、S3桶的ARN值,完成策略配置,并且创建角色使用该策略。
5.在中创建对应的…和start…的json文件,随后执行对应的语句,就可以在订阅的邮箱和对应的桶中查看的执行结果。
邮箱收到的结果:
#1:e:a:d:f:b:8:3:e:2:f:8:4:0:c:2:7:1:7:f:6:1:6:6:f:5:6:8:6:f:2:0#
S3创建的桶收到的结果:
#3:b:1:a:9:1:f:9:b:0:8:e:a:7:b:b:f:f:3:3:7:5:3:5:7:0:7:b:4:8:0:4#
通过本次的学习,跟着实验手册一步步的操作,已经能够从0到1我拿出了一个完整的在云端利用 KVS与 Video 进行实时智能识别实验,获得了很多收获。