ในโพสต์บล็อกแขกของ AmazonChris Adzima นักวิเคราะห์ระบบข้อมูลอาวุโสสำหรับสำนักงานนายอำเภอของวอชิงตันเคาน์ตี้ได้กล่าวถึงวิธีการที่ทีมของเขาใช้ AWS สำหรับการรับรู้ใบหน้ารวมถึง Amazon Rekognition เป็นเครื่องมือแก้ปัญหาอาชญากรรมเพื่อระบุบุคคลที่น่าสนใจ
ในการทดสอบครั้งแรกของ AWS และ Amazon Rekognition สำนักงานนายอำเภอของ Washington County ได้อัพโหลด 300,000 mugshots จากที่ไกลที่สุดเท่าที่ปี 2001 ซึ่งถูกเก็บไว้ในระบบการจัดการคุก (JMS) ไปยัง Amazon S3
หลังจากการอัปโหลดนี้สำนักงานของนายอำเภอจัดทำดัชนีภาพทั้งหมดใน Amazon Rekognition ซึ่งใช้เวลาประมาณสามวัน
JMS อนุญาตให้สำนักงานของนายอำเภอติดแท็กภาพด้วยข้อมูลที่หลากหลายรวมถึงมุมมองด้านหน้าหรือมุมมองด้านข้างแผลเป็นเครื่องหมายหรือรอยสัก เนื่องจากต้องการเพียงภาพมุมมองด้านหน้าหน่วยงานบังคับใช้กฎหมายจึงใช้แท็กเหล่านั้นเพื่อรับรายการของภาพเหล่านั้นเท่านั้น
เพื่อที่จะอัปโหลดรูปภาพไปยัง S3 ทีมได้สร้างถังและใช้เว็บอินเตอร์เฟสด้วยตนเองเพื่ออัปโหลดประมาณ 1,000 ภาพในแต่ละครั้ง
Adzima ยอมรับว่าในขณะที่กระบวนการใช้เวลาสักครู่ทีมของเขาสามารถตั้งค่าได้ในเวลาอันสั้นและอนุญาตให้กระบวนการอัตโนมัติเสร็จสมบูรณ์เมื่อเวลาผ่านไป
จากนั้นทีมใช้สคริปต์ PHP เพื่ออัปโหลดรูปภาพจากเซิร์ฟเวอร์ JMS ไปยังเว็บเซิร์ฟเวอร์ AWS
เมื่อเสร็จสิ้นการอัปโหลดภาพ 300,000 ภาพไปยัง Amazon S3 สำนักงานของนายอำเภอจำเป็นต้องจัดทำดัชนีภาพทั้งหมด Adzima กล่าวในภายหลังว่าทีมตระหนักว่ามันจะง่ายกว่าที่จะจัดทำดัชนีภาพในสคริปต์เดียวกันกับที่เขาใช้ในการอัปโหลดไปยัง S3 ในขั้นต้น
ในการจัดทำดัชนีใบหน้าทีมจะวนผ่านภาพทุกภาพในถัง ทีมใช้คุณสมบัติ externalimageID เพื่อให้รู้ว่า Amazon Rekognition จะกลับมาอีกครั้งเมื่อทำการค้นหาใบหน้า
เมื่อจัดทำดัชนีภาพทั้งหมดแล้วทีมจะสร้างส่วนหน้าอย่างรวดเร็ว (ซึ่งเกิดขึ้นได้โดยฟอร์มแบบง่าย ๆ ไปยังสคริปต์ PHP) ที่จะอนุญาตให้ค้นหาคอลเลกชันสำหรับการแข่งขันเมื่อใดก็ตามที่ได้รับภาพใหม่
ทีมทดสอบระบบโดยใช้การเฝ้าระวังและภาพอื่น ๆ ของผู้ต้องสงสัยที่รู้จักจากกรณีที่ได้รับการแก้ไขและประเมินความถูกต้องของผลลัพธ์
เพื่อให้แน่ใจว่ามันไม่ได้ทำให้เกิดผลลัพธ์ทีมขอให้นักสืบส่งภาพสุ่ม 20 ภาพของบุคคลที่เขารู้ แต่ทีมไม่ได้
หลังจากเรียกใช้ภาพทั้งหมดผ่านระบบสำนักงานของนายอำเภอได้ตรวจสอบผลลัพธ์เพื่อค้นหาใบหน้าที่พวกเขาคิดว่าตรงกับบุคคลที่ดีที่สุด
จากนั้นทีมส่งผลลัพธ์ไปยังนักสืบและค้นพบว่า 75 เปอร์เซ็นต์ของผลลัพธ์ระบุบุคคลในภาพได้อย่างแม่นยำ
หลังจากการทดสอบครั้งแรกเสร็จสิ้นทีมได้สร้างแอปพลิเคชันมือถือและเว็บแอปพลิเคชันสำหรับเจ้าหน้าที่ในฟิลด์เพื่อจับภาพและประมวลผลด้วย Amazon Rekognition
Adzima กล่าวว่า Amazon Rekognition ระบุผู้ต้องสงสัยได้สำเร็จตามภาพที่ถ่ายด้วยกล้องที่ตู้ตรวจสอบตัวเองในร้านฮาร์ดแวร์ค้าปลีก
ทีมใช้ Amazon Rekognition เพื่อระบุบุคคลที่น่าสนใจอย่างน้อยสองคนรวมถึงผู้ชายที่ใช้บัตรเครดิตที่ถูกขโมยและบุคคลที่โพสต์ภาพถ่ายบน Facebook ภายใต้นามแฝงเพื่อให้ได้ความแม่นยำมากกว่า 95 เปอร์เซ็นต์และใกล้เคียงกับ 100 เปอร์เซ็นต์
หัวข้อบทความ
อเมซอน-ไบโอเมตริกซ์-รหัสอาชญากร-การจดจำใบหน้า-การบังคับใช้กฎหมาย
