![\"Image\"](\"https:\/\/www.artefact.com\/\/wp-content\/uploads\/2023\/02\/Simone-Gayed-Said-.jpeg\")
![](\"https:\/\/www.artefact.com\/\/wp-content\/uploads\/2021\/04\/Medium-Blog.png\" "\\"M\u00e9dio")
<\/span><\/div>Introdu\u00e7\u00e3o<\/h2><\/div>Parques inteligentes<\/a> precisava de um sistema de monitoramento da vida selvagem capaz de realizar as seguintes tarefas:<\/p>\n<\/div>- <\/i><\/span>Ingerir a m\u00eddia (imagens e\/ou v\u00eddeos) proveniente de armadilhas fotogr\u00e1ficas em um \u00fanico local<\/div><\/li>
- <\/i><\/span>\n
Detectar automaticamente a presen\u00e7a de humanos e animais na m\u00eddia<\/p>\n<\/div><\/li>
- <\/i><\/span>\n
Acesse as previs\u00f5es no Earth Rangers, um aplicativo usado para gerenciar os parques e sua vida selvagem<\/p>\n<\/div><\/li>
- <\/i><\/span>\n
Monitore a m\u00eddia proveniente das armadilhas fotogr\u00e1ficas<\/p>\n<\/div><\/li><\/ul>
Nosso princ\u00edpio orientador aqui era o de favorecer a velocidade. Assim, quando come\u00e7amos, nossa \u00fanica prioridade era implementar um produto b\u00e1sico, mas totalmente funcional, de ponta a ponta o mais r\u00e1pido poss\u00edvel.<\/p>\n
Este ser\u00e1 o primeiro artigo de muitos e se concentrar\u00e1 no contexto do projeto, na vis\u00e3o de alto n\u00edvel do sistema projetado e nas vantagens de nossa solu\u00e7\u00e3o baseada no cloud. Nos pr\u00f3ximos artigos, vamos nos aprofundar em como conectar as armadilhas fotogr\u00e1ficas ao\u00a0Google Cloud Platform<\/a>\u00a0e endpoints externos usando uma ferramenta chamada\u00a0Node-RED<\/a>\u00a0e como projetar um aplicativo Web simples usando\u00a0Streamlit<\/a>\u00a0para gerenciar as armadilhas fotogr\u00e1ficas colocadas nos parques.<\/p>\nVamos come\u00e7ar!<\/p>\n<\/div>
Armadilhas para c\u00e2meras<\/h2><\/div>Antes de come\u00e7armos, vamos rever rapidamente o que s\u00e3o armadilhas fotogr\u00e1ficas e como elas podem ser usadas para apoiar a prote\u00e7\u00e3o e a conserva\u00e7\u00e3o dos animais.<\/p>\n
As armadilhas fotogr\u00e1ficas s\u00e3o dispositivos que possuem sensores embutidos para que, quando uma atividade for detectada na frente delas, uma foto ou um v\u00eddeo seja imediatamente capturado. Elas permitem que os guardas florestais e bi\u00f3logos da vida selvagem vejam nossas esp\u00e9cies semelhantes sem interferir em seu comportamento normal.<\/p>\n
Percorrer os parques e coletar informa\u00e7\u00f5es \u00e9 uma t\u00e9cnica v\u00e1lida, mas \u00e9 um processo caro, trabalhoso e que exige muitas pessoas. Al\u00e9m disso, h\u00e1 tamb\u00e9m o risco de encontrar animais selvagens perigosos ou, pior ainda, ca\u00e7adores ilegais.<\/p>\n
Embora diferentes t\u00e9cnicas de coleta de data tenham diferentes desvantagens, as armadilhas fotogr\u00e1ficas s\u00e3o uma excelente fonte. A grande vantagem das armadilhas fotogr\u00e1ficas \u00e9 que elas funcionam de forma cont\u00ednua e silenciosa e podem registrar data muito precisos sem perturbar o objeto fotografado. Elas podem ser \u00fateis tanto para monitorar sub-repticiamente poss\u00edveis atividades il\u00edcitas quanto para quantificar o n\u00famero de esp\u00e9cies diferentes em uma \u00e1rea e determinar seus padr\u00f5es de comportamento e atividade.<\/p>\n<\/div>
Google Cloud Platform<\/h2><\/div>Para o armazenamento e o gerenciamento de m\u00eddia das armadilhas da c\u00e2mera, optamos por usar uma solu\u00e7\u00e3o baseada em cloud, mais especificamente, o Google Cloud Platform.<\/p>\n
O Google oferece solu\u00e7\u00f5es de armazenamento como\u00a0Armazenamento na nuvem do Google<\/a>, armazenamento de objetos com cache de borda integrado para armazenar data n\u00e3o estruturado, solu\u00e7\u00f5es de computa\u00e7\u00e3o como\u00a0Fun\u00e7\u00f5es de nuvem<\/a>, O senhor pode usar o Functions as a Service para executar c\u00f3digo orientado por eventos e tamb\u00e9m oferece APIs de IA \u00fateis, por exemplo:<\/p>\n<\/div>- <\/i><\/span>API do Cloud Vision<\/a>\u00a0- Servi\u00e7o de an\u00e1lise de imagens baseado em aprendizado de m\u00e1quina<\/div><\/li>
- <\/i><\/span>Intelig\u00eancia de v\u00eddeo na nuvem<\/a>\u00a0- Servi\u00e7o de an\u00e1lise de v\u00eddeo baseado em aprendizado de m\u00e1quina<\/div><\/li><\/ul>
Ter todos esses componentes em um \u00fanico ambiente unificado foi a solu\u00e7\u00e3o ideal para n\u00f3s e nos ajudou a fornecer uma solu\u00e7\u00e3o funcional em pouco tempo.<\/p>\n<\/div>
O fluxo de trabalho<\/h2><\/div>Em primeiro lugar, a m\u00eddia \u00e9 carregada em um bucket do Google Cloud Storage; como exatamente isso acontece ser\u00e1 discutido no segundo artigo desta s\u00e9rie. O bucket \u00e9 organizado em pastas, uma para cada armadilha de c\u00e2mera. Depois que um arquivo \u00e9 carregado, uma fun\u00e7\u00e3o do Google Cloud \u00e9 acionada imediatamente, e essa fun\u00e7\u00e3o cuida das seguintes tarefas:<\/p>\n<\/div>
- <\/i><\/span>Leia a m\u00eddia carregada<\/div><\/li>
- <\/i><\/span>\n
Chame a API do Cloud Vision ou do Cloud Video Intelligence para recuperar as previs\u00f5es<\/p>\n<\/div><\/li>
- <\/i><\/span>\n
Arquivar as respostas da API em outro Cloud Storage Bucket<\/p>\n<\/div><\/li>
- <\/i><\/span>\n
Enviar as previs\u00f5es para um endpoint fora do GCP<\/p>\n<\/div><\/li><\/ul>
![](\"https:\/\/www.artefact.com\/\/wp-content\/uploads\/2023\/02\/elephant1.webp\" "\\"elefante1\\"")
<\/span><\/div>Essa arquitetura oferece v\u00e1rias vantagens:<\/p>\n<\/div>
- <\/i><\/span>\n
Escalabilidade<\/strong>: Gra\u00e7as ao uso do Cloud Functions, a solu\u00e7\u00e3o pode ser dimensionada automaticamente com base no n\u00famero de solicita\u00e7\u00f5es (ou seja, o n\u00famero de m\u00eddias carregadas no bucket de entrada do Cloud Storage ao mesmo tempo)<\/p>\n<\/div><\/li>- <\/i><\/span>\n
Armazenamento barato e dur\u00e1vel<\/strong>: O armazenamento n\u00e3o estruturado data no Google Cloud Storage \u00e9 bastante econ\u00f4mico (apenas $0,026 por GB-m\u00eas para o n\u00edvel de armazenamento Standard) e, al\u00e9m disso, oferece a melhor durabilidade de objetos da categoria em um determinado ano<\/p>\n<\/div><\/li>- <\/i><\/span>\n
Automa\u00e7\u00e3o<\/strong>: O uso de todos esses servi\u00e7os juntos nos permite ter um pipeline totalmente automatizado, sem necessidade de interven\u00e7\u00e3o humana. Desde a ingest\u00e3o do data at\u00e9 a recupera\u00e7\u00e3o de previs\u00f5es, tudo \u00e9 executado automaticamente assim que uma nova m\u00eddia \u00e9 carregada<\/p>\n<\/div><\/li><\/ul>APIs do Cloud Vision e do Cloud Video Intelligence<\/h2><\/div>O uso do aprendizado de m\u00e1quina, especificamente da vis\u00e3o computacional, para identificar automaticamente pessoas e animais em imagens ou v\u00eddeos teve avan\u00e7os significativos nos \u00faltimos anos e, atualmente, \u00e9 amplamente considerado um \u201cdivisor de \u00e1guas\u201d pelos pesquisadores da vida selvagem. Vamos nos concentrar mais nas APIs usadas.<\/p>\n
API de vis\u00e3o<\/a>\u00a0e\u00a0API de intelig\u00eancia de v\u00eddeo<\/a>\u00a0oferecem modelos avan\u00e7ados de aprendizado de m\u00e1quina pr\u00e9-treinados por meio de APIs REST e RPC. A primeira foi criada para trabalhar com imagens, enquanto a segunda, como o nome sugere, trabalha com v\u00eddeos. Ambos s\u00e3o capazes de reconhecer automaticamente um grande n\u00famero de objetos, lugares e a\u00e7\u00f5es.<\/p>\nPara este projeto, nos concentramos principalmente nesses tr\u00eas recursos fornecidos pelas APIs:<\/p>\n<\/div>
- <\/i><\/span>\n
Detec\u00e7\u00e3o de r\u00f3tulos<\/strong>: Ter uma ideia das entidades (por exemplo, animais, pessoas, ve\u00edculos) presentes na m\u00eddia. Com base nisso, seria poss\u00edvel criar regras que acionassem um alarme na presen\u00e7a de um conjunto espec\u00edfico de entidades<\/p>\n<\/div><\/li>- <\/i><\/span>\n
Detec\u00e7\u00e3o\/rastreamento de objetos<\/strong>: Para ter uma ideia mais precisa do local dos animais\/pessoas detectados na m\u00eddia. Diferentemente do caso da detec\u00e7\u00e3o de r\u00f3tulos, aqui tamb\u00e9m obtemos as anota\u00e7\u00f5es de caixa das detec\u00e7\u00f5es<\/p>\n<\/div><\/li>- <\/i><\/span>\n
Detec\u00e7\u00e3o de rostos\/pessoas<\/strong>: Para obter mais informa\u00e7\u00f5es sobre as pessoas detectadas, por exemplo, para entender suas emo\u00e7\u00f5es ou extrair suas roupas. Essas informa\u00e7\u00f5es adicionais poderiam ser usadas para distinguir os ca\u00e7adores furtivos das pessoas normais<\/p>\n<\/div><\/li><\/ul>
Parques inteligentes<\/a> precisava de um sistema de monitoramento da vida selvagem capaz de realizar as seguintes tarefas:<\/p>\n<\/div> Detectar automaticamente a presen\u00e7a de humanos e animais na m\u00eddia<\/p>\n<\/div><\/li> Acesse as previs\u00f5es no Earth Rangers, um aplicativo usado para gerenciar os parques e sua vida selvagem<\/p>\n<\/div><\/li> Monitore a m\u00eddia proveniente das armadilhas fotogr\u00e1ficas<\/p>\n<\/div><\/li><\/ul> Nosso princ\u00edpio orientador aqui era o de favorecer a velocidade. Assim, quando come\u00e7amos, nossa \u00fanica prioridade era implementar um produto b\u00e1sico, mas totalmente funcional, de ponta a ponta o mais r\u00e1pido poss\u00edvel.<\/p>\n Este ser\u00e1 o primeiro artigo de muitos e se concentrar\u00e1 no contexto do projeto, na vis\u00e3o de alto n\u00edvel do sistema projetado e nas vantagens de nossa solu\u00e7\u00e3o baseada no cloud. Nos pr\u00f3ximos artigos, vamos nos aprofundar em como conectar as armadilhas fotogr\u00e1ficas ao\u00a0Google Cloud Platform<\/a>\u00a0e endpoints externos usando uma ferramenta chamada\u00a0Node-RED<\/a>\u00a0e como projetar um aplicativo Web simples usando\u00a0Streamlit<\/a>\u00a0para gerenciar as armadilhas fotogr\u00e1ficas colocadas nos parques.<\/p>\n Vamos come\u00e7ar!<\/p>\n<\/div> Antes de come\u00e7armos, vamos rever rapidamente o que s\u00e3o armadilhas fotogr\u00e1ficas e como elas podem ser usadas para apoiar a prote\u00e7\u00e3o e a conserva\u00e7\u00e3o dos animais.<\/p>\n As armadilhas fotogr\u00e1ficas s\u00e3o dispositivos que possuem sensores embutidos para que, quando uma atividade for detectada na frente delas, uma foto ou um v\u00eddeo seja imediatamente capturado. Elas permitem que os guardas florestais e bi\u00f3logos da vida selvagem vejam nossas esp\u00e9cies semelhantes sem interferir em seu comportamento normal.<\/p>\n Percorrer os parques e coletar informa\u00e7\u00f5es \u00e9 uma t\u00e9cnica v\u00e1lida, mas \u00e9 um processo caro, trabalhoso e que exige muitas pessoas. Al\u00e9m disso, h\u00e1 tamb\u00e9m o risco de encontrar animais selvagens perigosos ou, pior ainda, ca\u00e7adores ilegais.<\/p>\n Embora diferentes t\u00e9cnicas de coleta de data tenham diferentes desvantagens, as armadilhas fotogr\u00e1ficas s\u00e3o uma excelente fonte. A grande vantagem das armadilhas fotogr\u00e1ficas \u00e9 que elas funcionam de forma cont\u00ednua e silenciosa e podem registrar data muito precisos sem perturbar o objeto fotografado. Elas podem ser \u00fateis tanto para monitorar sub-repticiamente poss\u00edveis atividades il\u00edcitas quanto para quantificar o n\u00famero de esp\u00e9cies diferentes em uma \u00e1rea e determinar seus padr\u00f5es de comportamento e atividade.<\/p>\n<\/div> Para o armazenamento e o gerenciamento de m\u00eddia das armadilhas da c\u00e2mera, optamos por usar uma solu\u00e7\u00e3o baseada em cloud, mais especificamente, o Google Cloud Platform.<\/p>\n O Google oferece solu\u00e7\u00f5es de armazenamento como\u00a0Armazenamento na nuvem do Google<\/a>, armazenamento de objetos com cache de borda integrado para armazenar data n\u00e3o estruturado, solu\u00e7\u00f5es de computa\u00e7\u00e3o como\u00a0Fun\u00e7\u00f5es de nuvem<\/a>, O senhor pode usar o Functions as a Service para executar c\u00f3digo orientado por eventos e tamb\u00e9m oferece APIs de IA \u00fateis, por exemplo:<\/p>\n<\/div> Ter todos esses componentes em um \u00fanico ambiente unificado foi a solu\u00e7\u00e3o ideal para n\u00f3s e nos ajudou a fornecer uma solu\u00e7\u00e3o funcional em pouco tempo.<\/p>\n<\/div> Em primeiro lugar, a m\u00eddia \u00e9 carregada em um bucket do Google Cloud Storage; como exatamente isso acontece ser\u00e1 discutido no segundo artigo desta s\u00e9rie. O bucket \u00e9 organizado em pastas, uma para cada armadilha de c\u00e2mera. Depois que um arquivo \u00e9 carregado, uma fun\u00e7\u00e3o do Google Cloud \u00e9 acionada imediatamente, e essa fun\u00e7\u00e3o cuida das seguintes tarefas:<\/p>\n<\/div> Chame a API do Cloud Vision ou do Cloud Video Intelligence para recuperar as previs\u00f5es<\/p>\n<\/div><\/li> Arquivar as respostas da API em outro Cloud Storage Bucket<\/p>\n<\/div><\/li> Enviar as previs\u00f5es para um endpoint fora do GCP<\/p>\n<\/div><\/li><\/ul> Essa arquitetura oferece v\u00e1rias vantagens:<\/p>\n<\/div> Escalabilidade<\/strong>: Gra\u00e7as ao uso do Cloud Functions, a solu\u00e7\u00e3o pode ser dimensionada automaticamente com base no n\u00famero de solicita\u00e7\u00f5es (ou seja, o n\u00famero de m\u00eddias carregadas no bucket de entrada do Cloud Storage ao mesmo tempo)<\/p>\n<\/div><\/li> Armazenamento barato e dur\u00e1vel<\/strong>: O armazenamento n\u00e3o estruturado data no Google Cloud Storage \u00e9 bastante econ\u00f4mico (apenas $0,026 por GB-m\u00eas para o n\u00edvel de armazenamento Standard) e, al\u00e9m disso, oferece a melhor durabilidade de objetos da categoria em um determinado ano<\/p>\n<\/div><\/li> Automa\u00e7\u00e3o<\/strong>: O uso de todos esses servi\u00e7os juntos nos permite ter um pipeline totalmente automatizado, sem necessidade de interven\u00e7\u00e3o humana. Desde a ingest\u00e3o do data at\u00e9 a recupera\u00e7\u00e3o de previs\u00f5es, tudo \u00e9 executado automaticamente assim que uma nova m\u00eddia \u00e9 carregada<\/p>\n<\/div><\/li><\/ul> O uso do aprendizado de m\u00e1quina, especificamente da vis\u00e3o computacional, para identificar automaticamente pessoas e animais em imagens ou v\u00eddeos teve avan\u00e7os significativos nos \u00faltimos anos e, atualmente, \u00e9 amplamente considerado um \u201cdivisor de \u00e1guas\u201d pelos pesquisadores da vida selvagem. Vamos nos concentrar mais nas APIs usadas.<\/p>\n API de vis\u00e3o<\/a>\u00a0e\u00a0API de intelig\u00eancia de v\u00eddeo<\/a>\u00a0oferecem modelos avan\u00e7ados de aprendizado de m\u00e1quina pr\u00e9-treinados por meio de APIs REST e RPC. A primeira foi criada para trabalhar com imagens, enquanto a segunda, como o nome sugere, trabalha com v\u00eddeos. Ambos s\u00e3o capazes de reconhecer automaticamente um grande n\u00famero de objetos, lugares e a\u00e7\u00f5es.<\/p>\n Para este projeto, nos concentramos principalmente nesses tr\u00eas recursos fornecidos pelas APIs:<\/p>\n<\/div> Detec\u00e7\u00e3o de r\u00f3tulos<\/strong>: Ter uma ideia das entidades (por exemplo, animais, pessoas, ve\u00edculos) presentes na m\u00eddia. Com base nisso, seria poss\u00edvel criar regras que acionassem um alarme na presen\u00e7a de um conjunto espec\u00edfico de entidades<\/p>\n<\/div><\/li> Detec\u00e7\u00e3o\/rastreamento de objetos<\/strong>: Para ter uma ideia mais precisa do local dos animais\/pessoas detectados na m\u00eddia. Diferentemente do caso da detec\u00e7\u00e3o de r\u00f3tulos, aqui tamb\u00e9m obtemos as anota\u00e7\u00f5es de caixa das detec\u00e7\u00f5es<\/p>\n<\/div><\/li> Detec\u00e7\u00e3o de rostos\/pessoas<\/strong>: Para obter mais informa\u00e7\u00f5es sobre as pessoas detectadas, por exemplo, para entender suas emo\u00e7\u00f5es ou extrair suas roupas. Essas informa\u00e7\u00f5es adicionais poderiam ser usadas para distinguir os ca\u00e7adores furtivos das pessoas normais<\/p>\n<\/div><\/li><\/ul>Armadilhas para c\u00e2meras<\/h2><\/div>
Google Cloud Platform<\/h2><\/div>
O fluxo de trabalho<\/h2><\/div>
<\/span><\/div>APIs do Cloud Vision e do Cloud Video Intelligence<\/h2><\/div>
![](\"https:\/\/www.artefact.com\/\/wp-content\/uploads\/2023\/02\/elephant2.gif\" "\\"elefante2\\"")
<\/span><\/div>![](\"https:\/\/www.artefact.com\/\/wp-content\/uploads\/2021\/03\/medium.png\" "\\"m\u00e9dio\\"")
<\/span><\/div>