EN
joseph
Escríbeme ↗
VE • SIENTE • RESPONDE • VE • SIENTE • RESPONDE •
caso 03 / 05

Lumina Vision CRM 

Análisis facial en tiempo real y seguimiento del sentimiento de los clientes en tiendas físicas.

Año
2024
Rol
Serverless · UI en tiempo real
Estado
Desplegado en redes privadas de retail
( arquitectura )

Cómo está hecho

Kinesis VideoAWS RekognitionLambdaDynamoDBAppSyncReact
videoen vivo▭Store CamerasRTSP≡Kinesis VideostreamsλFrame Samplerλ lambda✦RekognitionemocionesλAggregatorλ lambda◉DynamoDBstreams◇AppSyncGraphQL WS▭React Dashboardcliente
Pasa el mouse por un servicio para ver sus conexiones
( el problema )

Los gerentes de tienda tenían las cifras de venta, pero ni idea de cómo se sentían los clientes en el pasillo, y los datos llegaban con un día de retraso.

( la solución )

Las cámaras se muestrean en el edge, Rekognition analiza cada cuadro y los eventos de sentimiento, ya anonimizados, llegan a un dashboard en React en vivo mediante suscripciones de AppSync.

300ms
de la cámara al dashboard
24
tiendas transmitiendo en vivo
100%
anónimo, sin guardar rostros
( flujo de una petición )
  1. 01Las cámaras de la tienda transmiten a Kinesis Video Streams.
  2. 02Una Lambda de muestreo extrae cuadros y los envía a Rekognition.
  3. 03Las emociones se agregan por zona y se guardan en DynamoDB; la imagen, nunca.
  4. 04Las suscripciones de AppSync llevan cada actualización al dashboard en React.
lumina.console● en vivo
300ms
de la cámara al dashboard
24
tiendas transmitiendo en vivo
100%
anónimo, sin guardar rostros
handler.ts
1const faces = await rekognition.detectFaces({
2 Image: { Bytes: frame },
3 Attributes: ['EMOTIONS'],
4});
5publish(zone, aggregate(faces));
6▍
main ✓TypeScript · UTF-8 · Ln 6
Siguiente caso · 04
Velocity Oracle →