Rivelat, Big Data analytics through Facial Recognition

In breve

Ho inserito Rivelat tra i progetti “preferiti”, in quanto è stato il primo progetto che mi ha consentito di lavorare e sperimentare in profondità con i servizi cognitivi, il machine learning (#AI) e il data mining.

In breve cos’è Rivelat:

  • E’ il Google Analytics per gli Store fisici
  • Un sistema cloud che utilizza servizi Cognitive quali riconoscimento dei volti, emozioni, demografica
  • Si basa esclusivamente sull’analisi di video streaming provenienti da camere installate nei negozi.
  • Utilizza big data per aggregare tutte le informazioni estratte dai video
  • Genera statistiche sul comportamento degli individui nello store, analizza audience e fa analisi predittive.

Cosa differenzia RIVELAT da soluzioni similari:

  • Non utilizza hardware proprietario tipo Cisco, Samsung, Nec. agnostici con qualsiasi telecamera, anche da 80 euro. 
  • Non utilizza tecnologia tipo rfid, wi-fi o beacon per misurare gli ingressi delle persone. Non si basa sugli smartphone con wi-fi acceso, o app installate.
  • Non necessita di un accesso alla rete internet del negozio. Rivelat è indipendente da qualsiasi impianto del negozio.
  • Non conserva nessun dato legato alla privacy. Non salviamo nessuna immagine.

Funzionalità del servizio cognitive utilizzate:

  • Rilevamento volti
  • Rilevamento emozioni
  • Rilevamento multifacciale (contemporaneamente)
  • Rilevamento opinioni
  • Identificazione facciale
  • Rilevamento età
  • Misuratore dell’attenzione
  • Raggruppamento volti
  • Controllo facciale
  • Rilevamento sesso
  • Espressioni facciali
  • Rilevamento etnico

 

Rivelat. Expect the truth.

Di che cosa mi sono occupato?

  • Ideazione del progetto insieme a Cipriano Moneta e Andrea Mattei
  • Molte ore per analisi di mercato, business plan, presentazioni e pitch deck.
  • Fund raising “family & friends” per finanziare gli sviluppi, gli acquisti delle librerie software, gli hardware, i viaggi di business e tutto quello che serve a una start-up per partire.
  • Progettazione del prodotto e architettura software
  • Sviluppo MVP per test di librerie cognitive
  • Data visualization con PowerBI
  • Business development
  • Tech scouting

Un esempio ``fatto in casa``