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：

1. 创建Amazon Cloud9环境
2. 创建流Amazon Kinesis 视频流控制台
3. 安装AWS CLI
4. 创建S3 Bucket
5. 创建SNS并配置邮件订阅
6. 创建Rekognition Service Role中的策略与角色
7. 启动Rekognition Streaming Video Events
8. 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Cloud9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 Bucket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Cloud9中创建对应的create…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：

S3创建的桶收到的结果：

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Amazon KVS与Amazon Rekognition Streaming Video Events进行实时智能识别实验，获得了很多收获。