ProyectCV

Objects tracker and counter on video

Introducción

El objetivo del proyecto es realizar una API en la Google Cloud Platform (GCP), la cual recibe un video codificado en base64 y aplicará en él un modelo de seguimiento de direccion de objetos a traves de un umbral o un modelo de conteo de objetos.

• Entrada:

{
  "video": "Video de entrada en base64",
  "skip": 30,
  "threshold": 0.8,
  "function": "tracker",
  "object_vis": "centroid"
}

• Salida:

{
  "video": "Video de salida en base64",
}

Este script hace uso de herramientas como GCP y google colaboratory para la implementación de librerías y frameworks tales como tensorflow object-detection-API, OpenCV, Dlib entre otras.

Procedimiento

Modelo:

• Ejecutar los metodos rename_dataset y split_datset, como se muestra en el archivo main.py

  import utils
  
  utils.rename_dataset(path)
  utils.split_dataset(path, %split)

• Haciendo uso del labelStudio etiquetamos los sets de train y test, al finalizar descargamos los JSON Mini.

• Ejecutamos los metodos json_to_csv, como se muestra en el archivo main.py

    utils.json_to_csv(path)
    utils.json_to_csv(path)

• Luego de utilizar el labelStudio para etiquetar nuestro dataset, procedemos con la creación de los inputs del modelo, para esto haremos uso de google colab provechando su potencia de computo.

• Utilizando el notebook process.ipynb en colab, ejecutamos las lineas en orden hasta llegar al apartado final donde se puede personalizar las funciones a gusto del usuario para testear y corroborar la eficiencia del modelo.

Despliegue:

• En VERTEX IA de GCP creamos un notebook, dentro del entrono generado copiamos la carpeta deploy.

• Dentro de la carpeta deploy copiamos el archivo.zip con nuestro modelo, el cual fué obtenido con la función exporter_model del colab y lo descomprimimos.

• Creamos un Artifact en GCP por medio del cloud shell.

  gcloud artifacts repositories create [NAME_FOLDER] --repository-format=docker --location=us-central1 --description="Docker repository"

• Generamos la imagen del contenedor para desplegar.

  gcloud builds submit --tag us-central1-docker.pkg.dev/[PROJECT_ID]/[NAME_FOLDER]/[NAME_IMAGE]:[NAME_TAG] --timeout=6000 

• Configuramos el entorno de Cloud Run para obtener la URL del contenedor desplegado y listo para recibir peticiones.

License

Distributed under the MIT License. See LICENSE for more information.

Contact

Email: mateo.sanchezalzate@gmail.com

Portfolio: Página Web

LinkedIn: Mateo Sánchez