Na Artefact, nos preocupamos em causar um impacto positivo nas pessoas, no meio ambiente e na comunidade. É por isso que estamos comprometidos em estabelecer parcerias com organizações sem fins lucrativos que fazem desses valores os pilares fundamentais de sua visão.
Por isso, colaboramos com a Smart Parks, uma empresa holandesa que oferece soluções avançadas de sensores para conservar a fauna ameaçada de extinção e gerenciar com eficiência áreas de parques, por meio de tecnologia de ponta.
Nesta série de publicações, relatamos nossa jornada na concepção e construção de um sistema de aprendizado de máquina para utilizar o material das câmeras de monitoramento do Smart Parks. Especificamente, o objetivo do projeto é utilizar uma abordagem de ML para processar os data das câmeras de vigilância e, a partir disso, fornecer insights, como a presença de pessoas ou de tipos específicos de animais nas imagens ou vídeos capturados pelas câmeras. Essas informações são então utilizadas pelos guardas florestais para proteger melhor a vida selvagem e detectar mais rapidamente possíveis ameaças, como caçadores ilegais.
Introdução
A Smart Parks precisava de um sistema de monitoramento da vida selvagem capaz de realizar as seguintes tarefas:
Nosso princípio orientador aqui foi o de priorizar a rapidez. Assim, logo no início, nossa única prioridade era lançar, o mais rápido possível, um produto básico, mas totalmente funcional, de ponta a ponta.
Este será o primeiro de uma série de artigos e abordará o contexto do projeto, uma visão geral do sistema projetado e as vantagens da nossa solução cloud. Nos próximos artigos, abordaremos mais detalhadamente como conectar câmeras de vigilância àGoogle Cloud e a terminais externos usando uma ferramenta chamadaNode-RED, e como projetar um aplicativo web simples usandoo Streamlitpara gerenciar as câmeras de vigilância instaladas nos parques.
Vamos começar!
Câmeras de vigilância
Antes de começarmos, vamos dar uma rápida revisão sobre o que são câmeras de vigilância e como elas podem ser usadas para apoiar a proteção e a conservação dos animais.
As câmeras de vigilância são dispositivos equipados com sensores que, ao detectarem movimento à sua frente, capturam imediatamente uma foto ou um vídeo. Elas permitem que os guardas florestais e os biólogos da vida selvagem observem outras espécies sem interferir em seu comportamento natural.
Percorrer os parques e coletar informações é uma técnica válida, mas trata-se de um processo caro, que exige muito trabalho e mão de obra. Além disso, há também o risco de se deparar com animais selvagens perigosos ou, pior ainda, com caçadores ilegais.
Embora as diferentes técnicas de coleta data diferentes vantagens e desvantagens, as câmeras de vigilância são uma excelente fonte de dados. A grande vantagem dessas câmeras é que elas funcionam de forma contínua e silenciosa, podendo registrar data muito precisos data perturbar o animal fotografado. Elas podem ser úteis tanto para monitorar discretamente possíveis atividades ilícitas quanto para quantificar o número de espécies diferentes em uma área e determinar seus padrões de comportamento e atividade.
Google Cloud
Para o armazenamento e gerenciamento dos dados das câmeras de vigilância, optamos por utilizar uma solução cloud, mais especificamente, o Google Cloud .
O Google oferece soluções de armazenamento, como Cloud Google Cloud , um armazenamento de objetos com cache de borda integrado para armazenar data não estruturados; soluções de computação, comoCloud , um serviço de funções (Functions as a Service) para executar código orientado a eventos; e também oferece AI úteis AI , por exemplo:
Ter todos esses componentes em um único ambiente unificado foi a solução ideal para nós e nos ajudou a oferecer uma solução funcional em pouco tempo.
O fluxo de trabalho
Primeiramente, os arquivos de mídia são enviados para um bucket Cloud Google Cloud ; como isso ocorre exatamente será abordado no segundo artigo desta série. O bucket está organizado em pastas, uma para cada câmera de monitoramento. Assim que um arquivo é enviado, uma Cloud Google Cloud é acionada imediatamente; essa função realiza as seguintes tarefas:
Essa arquitetura oferece várias vantagens:
APIs do Cloud e do Cloud Intelligence
O uso do aprendizado de máquina, mais especificamente da visão computacional, para identificar automaticamente pessoas e animais em imagens ou vídeos tem registrado avanços significativos nos últimos anos e, atualmente, é amplamente considerado uma “virada de jogo” pelos pesquisadores da vida selvagem. Vamos nos concentrar mais nas APIs utilizadas.
A API Visionea API Video Intelligenceoferecem poderosos modelos de aprendizado de máquina pré-treinados por meio de APIs REST e RPC. A primeira destina-se ao processamento de imagens, enquanto a segunda, como o nome sugere, é voltada para vídeos. Ambas são capazes de reconhecer automaticamente um vasto número de objetos, locais e ações.
Para este projeto, nos concentramos principalmente nestas três funcionalidades oferecidas pelas APIs:
Você pode experimentar a API do Vision simplesmente enviando sua imagemaqui.
O caminho à frente
A trajetória percorrida até agora é a base para a jornada emocionante e impactante que temos pela frente. Com as ferramentas básicas já implementadas em um futuro próximo, seremos capazes de gerar muito valor não apenas para os Smart Parks, mas também para a conservação da vida selvagem e muito mais!
Os próximos passos envolverão as seguintes áreas gerais de trabalho:
Neste primeiro artigo, discutimos como criamos nosso pipeline totalmente automatizado e escalável no Google Cloud, o que nos permite importar arquivos de mídia e usar APIs de aprendizado de máquina para extrair insights deles. Ele oferece uma base sólida, simples e de rápida implementação para qualquer tipo de projeto que envolva o consumo de mídia e o uso de aprendizado de máquina para extrair insights.
Obrigado pela leitura e até os próximos artigos da série, onde explicaremos com mais detalhes como a arquitetura apresentada se conecta efetivamente às câmeras de vigilância, e onde abordaremos o aplicativo web desenvolvido para gerenciá-las. Fiquem ligados!
Um agradecimento especial a Maël Deschamps pela ajuda na revisão do conteúdo desta publicação, e a Tim van Dam, da Smart Parks, pelo apoio durante o projeto. Vocês são demais!
