Projeto de Visão Computacional para Detecção de Animais Selvagens

Projeto criado para disciplina Fundamentos de Inteligência Artificial (FIA) - Graduação. Prof. Pablo De Chiaro

Integrantes

• Diego Nachtigall
• Débora Carvalho
• Pedro Bilhalva

Objetivo do Projeto

O objetivo deste projeto é realizar a detecção de animais selvagens em vídeos ao vivo ou gravações de câmeras de vigilância ao ar livre. O sistema utiliza um modelo de deep learning (SSD MobileNet) para identificar animais específicos (como elefantes, cervos, ursos, zebras, e leões) e, ao detectar um animal, uma foto é capturada e salva automaticamente. O código foi ajustado para tirar apenas uma foto a cada meio minuto, evitando capturas repetidas de animais em sequência.

Configuração do Ambiente Virtual

Passos para criar e ativar um ambiente virtual:

1. Criar o ambiente virtual:

   python -m venv env-visao

2. Ativar o ambiente virtual:

   No macOS e Linux:

   source ./env-visao/bin/activate

   No Windows:

   .\env-visao\Scripts\activate

Instalação de Dependências

Após ativar o ambiente virtual, instale as dependências necessárias para o projeto com o seguinte comando:

pip install -r requirements.txt

Conteúdo do arquivo requirements.txt:

numpy==2.0.0
opencv-python==4.10.0.84

Estrutura de Pastas

O projeto possui a seguinte estrutura:

/projeto
    /fotos                # Onde as fotos dos animais detectados são salvas
    /models               # Contém os arquivos do modelo de detecção e configuração
    /videos               # Vídeos para detecção
    main.py               # Arquivo principal para execução do código
    requirements.txt      # Dependências do projeto

Como Utilizar

1. Modelo e Configuração: O projeto usa o modelo SSD MobileNet V2 treinado com o conjunto de dados COCO. Certifique-se de que o arquivo frozen_inference_graph.pb, ssd_mobilenet_v2_coco.pbtxt, e coco_labels.txt estejam corretamente configurados.

   Modelo: Baixe o modelo clicando aqui, copie o arquivo frozen_inference_graph.pb para a pasta /models.

2. Executar o Código: Para iniciar a detecção, execute o código no arquivo main.py. O sistema irá capturar uma foto dos animais detectados a cada 60 segundos.

   python main.py

   Certifique-se de substituir o caminho do vídeo no arquivo pelo vídeo que você deseja monitorar.

3. Verifique as Fotos: As fotos serão salvas na pasta /fotos com o nome do arquivo incluindo a data e hora da captura.

Verificação da Instalação

Para verificar se as bibliotecas foram instaladas corretamente, você pode executar o seguinte código Python:

import cv2
import numpy as np

print(f"OpenCV version: {cv2.__version__}")
print(f"NumPy version: {np.__version__}")

Desativação do Ambiente Virtual

Quando terminar de trabalhar no projeto, você pode desativar o ambiente virtual com o comando:

deactivate