![\"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\" "\\"Mediano")
<\/span><\/div>Introducci\u00f3n<\/h2><\/div>Parques inteligentes<\/a> necesitaba un sistema de seguimiento de la fauna capaz de realizar las siguientes tareas:<\/p>\n<\/div>- <\/i><\/span>Ingerir los medios (im\u00e1genes y\/o v\u00eddeos) procedentes de las c\u00e1maras trampa en un \u00fanico lugar<\/div><\/li>
- <\/i><\/span>\n
Detectar autom\u00e1ticamente la presencia de personas y animales en el medio<\/p>\n<\/div><\/li>
- <\/i><\/span>\n
Acceda a las predicciones en Earth Rangers, una aplicaci\u00f3n utilizada para gestionar los parques y su fauna salvaje<\/p>\n<\/div><\/li>
- <\/i><\/span>\n
Supervise los medios procedentes de las c\u00e1maras trampa<\/p>\n<\/div><\/li><\/ul>
Nuestro principio rector aqu\u00ed era uno que favorec\u00eda la velocidad. As\u00ed que, cuando empezamos, nuestra \u00fanica prioridad era desplegar lo antes posible un producto de extremo a extremo b\u00e1sico pero plenamente operativo.<\/p>\n
Este ser\u00e1 el primer art\u00edculo de muchos y se centrar\u00e1 en el contexto del proyecto, la visi\u00f3n de alto nivel del sistema dise\u00f1ado y las ventajas de nuestra soluci\u00f3n basada en el cloud. En los pr\u00f3ximos profundizaremos en c\u00f3mo conectar las c\u00e1maras trampa al\u00a0Plataforma en la nube de Google<\/a>\u00a0y puntos finales externos utilizando una herramienta llamada\u00a0Nodo-RED<\/a>\u00a0y c\u00f3mo dise\u00f1ar una aplicaci\u00f3n web sencilla utilizando\u00a0Streamlit<\/a>\u00a0para gestionar las c\u00e1maras trampa colocadas en los parques.<\/p>\n\u00a1Empecemos!<\/p>\n<\/div>
C\u00e1maras trampa<\/h2><\/div>Antes de entrar en materia, repasemos r\u00e1pidamente qu\u00e9 son las c\u00e1maras trampa y c\u00f3mo pueden utilizarse para apoyar la protecci\u00f3n y conservaci\u00f3n de los animales.<\/p>\n
Las c\u00e1maras trampa son dispositivos que llevan sensores incorporados de modo que cuando se detecta actividad delante de ellas, se toma inmediatamente una fotograf\u00eda o un v\u00eddeo. Permiten a los guardas de los parques y a los bi\u00f3logos especializados en fauna salvaje ver a nuestros cong\u00e9neres sin interferir en su comportamiento normal.<\/p>\n
Recorrer los parques y recopilar informaci\u00f3n es una t\u00e9cnica v\u00e1lida, pero es un proceso caro, que requiere mucha mano de obra y personal. Adem\u00e1s, tambi\u00e9n existe el riesgo de toparse con fauna peligrosa o, peor a\u00fan, con cazadores furtivos.<\/p>\n
Aunque las distintas t\u00e9cnicas para recoger data conllevan diferentes ventajas y desventajas, las c\u00e1maras trampa son una fuente excelente. La gran ventaja de las c\u00e1maras trampa es que funcionan de forma continua y silenciosa y pueden registrar data muy precisos sin molestar al sujeto fotografiado. Pueden ser \u00fatiles tanto para vigilar subrepticiamente posibles actividades il\u00edcitas como para cuantificar el n\u00famero de especies diferentes en una zona y determinar sus pautas de comportamiento y actividad.<\/p>\n<\/div>
Plataforma en la nube de Google<\/h2><\/div>Para el almacenamiento y la gesti\u00f3n de los soportes de las trampas c\u00e1mara, optamos por utilizar una soluci\u00f3n basada en cloud, m\u00e1s concretamente, Google Cloud Platform.<\/p>\n
Google ofrece soluciones de almacenamiento como\u00a0Almacenamiento en la nube de Google<\/a>, almacenamiento de objetos con cach\u00e9 de borde integrada para almacenar data no estructurados, soluciones inform\u00e1ticas como\u00a0Funciones en la nube<\/a>, Funciones como servicio para ejecutar c\u00f3digo basado en eventos y tambi\u00e9n ofrece \u00fatiles API de IA, por ejemplo:<\/p>\n<\/div>- <\/i><\/span>API de Cloud Vision<\/a>\u00a0- Servicio de an\u00e1lisis de im\u00e1genes basado en el aprendizaje autom\u00e1tico<\/div><\/li>
- <\/i><\/span>Inteligencia de v\u00eddeo en la nube<\/a>\u00a0- Servicio de an\u00e1lisis de v\u00eddeo basado en el aprendizaje autom\u00e1tico<\/div><\/li><\/ul>
Disponer de todos estos componentes en un \u00fanico entorno unificado era la soluci\u00f3n ideal para nosotros y nos ayud\u00f3 a ofrecer una soluci\u00f3n operativa en poco tiempo.<\/p>\n<\/div>
El flujo de trabajo<\/h2><\/div>En primer lugar, los medios se suben a un cubo de almacenamiento en la nube de Google; c\u00f3mo sucede esto exactamente se tratar\u00e1 en el segundo art\u00edculo de esta serie. El cubo se organiza en carpetas, una para cada c\u00e1mara trampa. Una vez subido un archivo, se activa inmediatamente una funci\u00f3n de Google Cloud, esta funci\u00f3n se encarga de las siguientes tareas:<\/p>\n<\/div>
- <\/i><\/span>Leer los medios cargados<\/div><\/li>
- <\/i><\/span>\n
Llame a la API de Cloud Vision o de Cloud Video Intelligence para recuperar las predicciones<\/p>\n<\/div><\/li>
- <\/i><\/span>\n
Archive las respuestas de la API en otro Cubo de almacenamiento en la nube<\/p>\n<\/div><\/li>
- <\/i><\/span>\n
Enviar las predicciones a un punto final fuera de GCP<\/p>\n<\/div><\/li><\/ul>
![](\"https:\/\/www.artefact.com\/\/wp-content\/uploads\/2023\/02\/elephant1.webp\" "\\"elefante1\\"")
<\/span><\/div>Esta arquitectura ofrece m\u00faltiples ventajas:<\/p>\n<\/div>
- <\/i><\/span>\n
Escalabilidad<\/strong>: Gracias al uso de funciones en la nube, la soluci\u00f3n es capaz de escalar autom\u00e1ticamente en funci\u00f3n del n\u00famero de solicitudes (es decir, el n\u00famero de medios cargados en el cubo de almacenamiento en la nube de entrada al mismo tiempo).<\/p>\n<\/div><\/li>- <\/i><\/span>\n
Almacenamiento barato y duradero<\/strong>: El almacenamiento no estructurado data en Google Cloud Storage es bastante econ\u00f3mico (s\u00f3lo $0,026 por GB-mes para el nivel de almacenamiento Est\u00e1ndar) adem\u00e1s ofrece la mejor durabilidad de objetos de su clase a lo largo de un a\u00f1o determinado<\/p>\n<\/div><\/li>- <\/i><\/span>\n
Automatizaci\u00f3n<\/strong>: El uso conjunto de todos estos servicios nos permite disponer de un pipeline totalmente automatizado, sin necesidad de intervenci\u00f3n humana. Desde la ingesta de data hasta la recuperaci\u00f3n de predicciones, todo se ejecuta autom\u00e1ticamente en cuanto se carga un nuevo medio de comunicaci\u00f3n<\/p>\n<\/div><\/li><\/ul>API de Cloud Vision y Cloud Video Intelligence<\/h2><\/div>El uso del aprendizaje autom\u00e1tico, en concreto de la visi\u00f3n por ordenador, para identificar autom\u00e1ticamente personas y animales en im\u00e1genes o v\u00eddeos ha experimentado avances significativos en los \u00faltimos a\u00f1os y hoy en d\u00eda es considerado un \u201ccambio de juego\u201d por los investigadores de la vida salvaje. Centr\u00e9monos m\u00e1s en las API utilizadas.<\/p>\n
API de visi\u00f3n<\/a>\u00a0y\u00a0API de inteligencia de v\u00eddeo<\/a>\u00a0ofrecen potentes modelos de aprendizaje autom\u00e1tico preentrenados a trav\u00e9s de las API REST y RPC. La primera est\u00e1 pensada para trabajar con im\u00e1genes mientras que la segunda, como su nombre indica, con v\u00eddeos. Ambas son capaces de reconocer autom\u00e1ticamente un gran n\u00famero de objetos, lugares y acciones.<\/p>\nPara este proyecto nos hemos centrado principalmente en estas 3 caracter\u00edsticas proporcionadas por las API:<\/p>\n<\/div>
- <\/i><\/span>\n
Detecci\u00f3n de etiquetas<\/strong>: Tener una idea de las entidades (por ejemplo, animales, personas, veh\u00edculos) presentes en el medio. A partir de ah\u00ed, ser\u00eda posible crear reglas que activen una alarma en presencia de un conjunto espec\u00edfico de entidades.<\/p>\n<\/div><\/li>- <\/i><\/span>\n
Detecci\u00f3n\/seguimiento de objetos<\/strong>: Para tener una idea m\u00e1s precisa de la ubicaci\u00f3n de los animales\/personas detectados en el medio. A diferencia del caso de la detecci\u00f3n de etiquetas, aqu\u00ed obtenemos tambi\u00e9n las anotaciones de las cajas de las detecciones<\/p>\n<\/div><\/li>- <\/i><\/span>\n
Detecci\u00f3n de rostros\/personas<\/strong>: Disponer de m\u00e1s informaci\u00f3n sobre las personas detectadas, por ejemplo, para comprender sus emociones o extraer su vestimenta. Esta informaci\u00f3n adicional podr\u00eda utilizarse despu\u00e9s para distinguir a los cazadores furtivos de las personas normales<\/p>\n<\/div><\/li><\/ul>
Parques inteligentes<\/a> necesitaba un sistema de seguimiento de la fauna capaz de realizar las siguientes tareas:<\/p>\n<\/div> Detectar autom\u00e1ticamente la presencia de personas y animales en el medio<\/p>\n<\/div><\/li> Acceda a las predicciones en Earth Rangers, una aplicaci\u00f3n utilizada para gestionar los parques y su fauna salvaje<\/p>\n<\/div><\/li> Supervise los medios procedentes de las c\u00e1maras trampa<\/p>\n<\/div><\/li><\/ul> Nuestro principio rector aqu\u00ed era uno que favorec\u00eda la velocidad. As\u00ed que, cuando empezamos, nuestra \u00fanica prioridad era desplegar lo antes posible un producto de extremo a extremo b\u00e1sico pero plenamente operativo.<\/p>\n Este ser\u00e1 el primer art\u00edculo de muchos y se centrar\u00e1 en el contexto del proyecto, la visi\u00f3n de alto nivel del sistema dise\u00f1ado y las ventajas de nuestra soluci\u00f3n basada en el cloud. En los pr\u00f3ximos profundizaremos en c\u00f3mo conectar las c\u00e1maras trampa al\u00a0Plataforma en la nube de Google<\/a>\u00a0y puntos finales externos utilizando una herramienta llamada\u00a0Nodo-RED<\/a>\u00a0y c\u00f3mo dise\u00f1ar una aplicaci\u00f3n web sencilla utilizando\u00a0Streamlit<\/a>\u00a0para gestionar las c\u00e1maras trampa colocadas en los parques.<\/p>\n \u00a1Empecemos!<\/p>\n<\/div> Antes de entrar en materia, repasemos r\u00e1pidamente qu\u00e9 son las c\u00e1maras trampa y c\u00f3mo pueden utilizarse para apoyar la protecci\u00f3n y conservaci\u00f3n de los animales.<\/p>\n Las c\u00e1maras trampa son dispositivos que llevan sensores incorporados de modo que cuando se detecta actividad delante de ellas, se toma inmediatamente una fotograf\u00eda o un v\u00eddeo. Permiten a los guardas de los parques y a los bi\u00f3logos especializados en fauna salvaje ver a nuestros cong\u00e9neres sin interferir en su comportamiento normal.<\/p>\n Recorrer los parques y recopilar informaci\u00f3n es una t\u00e9cnica v\u00e1lida, pero es un proceso caro, que requiere mucha mano de obra y personal. Adem\u00e1s, tambi\u00e9n existe el riesgo de toparse con fauna peligrosa o, peor a\u00fan, con cazadores furtivos.<\/p>\n Aunque las distintas t\u00e9cnicas para recoger data conllevan diferentes ventajas y desventajas, las c\u00e1maras trampa son una fuente excelente. La gran ventaja de las c\u00e1maras trampa es que funcionan de forma continua y silenciosa y pueden registrar data muy precisos sin molestar al sujeto fotografiado. Pueden ser \u00fatiles tanto para vigilar subrepticiamente posibles actividades il\u00edcitas como para cuantificar el n\u00famero de especies diferentes en una zona y determinar sus pautas de comportamiento y actividad.<\/p>\n<\/div> Para el almacenamiento y la gesti\u00f3n de los soportes de las trampas c\u00e1mara, optamos por utilizar una soluci\u00f3n basada en cloud, m\u00e1s concretamente, Google Cloud Platform.<\/p>\n Google ofrece soluciones de almacenamiento como\u00a0Almacenamiento en la nube de Google<\/a>, almacenamiento de objetos con cach\u00e9 de borde integrada para almacenar data no estructurados, soluciones inform\u00e1ticas como\u00a0Funciones en la nube<\/a>, Funciones como servicio para ejecutar c\u00f3digo basado en eventos y tambi\u00e9n ofrece \u00fatiles API de IA, por ejemplo:<\/p>\n<\/div> Disponer de todos estos componentes en un \u00fanico entorno unificado era la soluci\u00f3n ideal para nosotros y nos ayud\u00f3 a ofrecer una soluci\u00f3n operativa en poco tiempo.<\/p>\n<\/div> En primer lugar, los medios se suben a un cubo de almacenamiento en la nube de Google; c\u00f3mo sucede esto exactamente se tratar\u00e1 en el segundo art\u00edculo de esta serie. El cubo se organiza en carpetas, una para cada c\u00e1mara trampa. Una vez subido un archivo, se activa inmediatamente una funci\u00f3n de Google Cloud, esta funci\u00f3n se encarga de las siguientes tareas:<\/p>\n<\/div> Llame a la API de Cloud Vision o de Cloud Video Intelligence para recuperar las predicciones<\/p>\n<\/div><\/li> Archive las respuestas de la API en otro Cubo de almacenamiento en la nube<\/p>\n<\/div><\/li> Enviar las predicciones a un punto final fuera de GCP<\/p>\n<\/div><\/li><\/ul> Esta arquitectura ofrece m\u00faltiples ventajas:<\/p>\n<\/div> Escalabilidad<\/strong>: Gracias al uso de funciones en la nube, la soluci\u00f3n es capaz de escalar autom\u00e1ticamente en funci\u00f3n del n\u00famero de solicitudes (es decir, el n\u00famero de medios cargados en el cubo de almacenamiento en la nube de entrada al mismo tiempo).<\/p>\n<\/div><\/li> Almacenamiento barato y duradero<\/strong>: El almacenamiento no estructurado data en Google Cloud Storage es bastante econ\u00f3mico (s\u00f3lo $0,026 por GB-mes para el nivel de almacenamiento Est\u00e1ndar) adem\u00e1s ofrece la mejor durabilidad de objetos de su clase a lo largo de un a\u00f1o determinado<\/p>\n<\/div><\/li> Automatizaci\u00f3n<\/strong>: El uso conjunto de todos estos servicios nos permite disponer de un pipeline totalmente automatizado, sin necesidad de intervenci\u00f3n humana. Desde la ingesta de data hasta la recuperaci\u00f3n de predicciones, todo se ejecuta autom\u00e1ticamente en cuanto se carga un nuevo medio de comunicaci\u00f3n<\/p>\n<\/div><\/li><\/ul> El uso del aprendizaje autom\u00e1tico, en concreto de la visi\u00f3n por ordenador, para identificar autom\u00e1ticamente personas y animales en im\u00e1genes o v\u00eddeos ha experimentado avances significativos en los \u00faltimos a\u00f1os y hoy en d\u00eda es considerado un \u201ccambio de juego\u201d por los investigadores de la vida salvaje. Centr\u00e9monos m\u00e1s en las API utilizadas.<\/p>\n API de visi\u00f3n<\/a>\u00a0y\u00a0API de inteligencia de v\u00eddeo<\/a>\u00a0ofrecen potentes modelos de aprendizaje autom\u00e1tico preentrenados a trav\u00e9s de las API REST y RPC. La primera est\u00e1 pensada para trabajar con im\u00e1genes mientras que la segunda, como su nombre indica, con v\u00eddeos. Ambas son capaces de reconocer autom\u00e1ticamente un gran n\u00famero de objetos, lugares y acciones.<\/p>\n Para este proyecto nos hemos centrado principalmente en estas 3 caracter\u00edsticas proporcionadas por las API:<\/p>\n<\/div> Detecci\u00f3n de etiquetas<\/strong>: Tener una idea de las entidades (por ejemplo, animales, personas, veh\u00edculos) presentes en el medio. A partir de ah\u00ed, ser\u00eda posible crear reglas que activen una alarma en presencia de un conjunto espec\u00edfico de entidades.<\/p>\n<\/div><\/li> Detecci\u00f3n\/seguimiento de objetos<\/strong>: Para tener una idea m\u00e1s precisa de la ubicaci\u00f3n de los animales\/personas detectados en el medio. A diferencia del caso de la detecci\u00f3n de etiquetas, aqu\u00ed obtenemos tambi\u00e9n las anotaciones de las cajas de las detecciones<\/p>\n<\/div><\/li> Detecci\u00f3n de rostros\/personas<\/strong>: Disponer de m\u00e1s informaci\u00f3n sobre las personas detectadas, por ejemplo, para comprender sus emociones o extraer su vestimenta. Esta informaci\u00f3n adicional podr\u00eda utilizarse despu\u00e9s para distinguir a los cazadores furtivos de las personas normales<\/p>\n<\/div><\/li><\/ul>C\u00e1maras trampa<\/h2><\/div>
Plataforma en la nube de Google<\/h2><\/div>
El flujo de trabajo<\/h2><\/div>
<\/span><\/div>API de Cloud Vision y 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\" "\\"medio\\"")
<\/span><\/div>