CoolFace
Apppublic

JhonClinton1/D.A.P.S_PROTOCOL

sourceHugging Faceupdated 9mo agoView on Hugging Face
0likes
App README

🐕 Sistema de Monitoreo Veterinario Especializado - Cairo AI

Descripción

Sistema avanzado de análisis biomecánico, etológico y cinético para perros usando DeepLabCut (DLC) e IA. Detecta y clasifica estados del animal en tiempo real:

  • —✨ JUGANDO / EXCITADO - Alto movimiento con aceleración
  • —⚠️ ALERTA: COJERA - Asimetría articular significativa
  • —🚶 MOVIMIENTO NORMAL - Actividad estándar
  • —😴 REPOSO / DURMIENDO - Bajo movimiento
  • —🪑 SENTADO / EN ESPERA - Postura estática
  • —🍴 COMIENDO / OLFATEANDO - Cabeza baja

Características

  • —🎯 Pose Estimation: 17 puntos articulares usando DeepLabCut
  • —🔄 Filtrado Kalman: Estabilización de puntos de seguimiento
  • —📊 Análisis Biomecánico: Cálculo de ángulos articulares y asimetría
  • —⏱️ Control de Velocidad: Reproducción de videos a 0.25x - 2.0x
  • —📈 Métricas Dinámicas: Energía cinética, aceleración, asimetría articular

🚀 Deployar en Hugging Face Spaces

Pasos:

  1. 1.Crear un Space en Hugging Face:
  2. 2.Ve a https://huggingface.co/spaces
  3. 3.Click en "Create new Space"
  4. 4.Selecciona "Streamlit" como SDK
  5. 5.Nombre: cairo-veterinary-monitor
  1. 1.Clonar/Pushear el repositorio:
bash
   git clone https://huggingface.co/spaces/tu-usuario/cairo-veterinary-monitor
   cd cairo-veterinary-monitor
   git lfs install
  1. 1.Copiar archivos necesarios:
  2. 2.app.py - Aplicación principal
  3. 3.requirements.txt - Dependencias
  4. 4.exported-models/ - Carpeta con el modelo DLC
  5. 5..gitattributes - Configuración de Git LFS
  1. 1.Push a Hugging Face:
bash
   git add .
   git commit -m "Initial commit: Cairo AI veterinary monitoring system"
   git push
  1. 1.Esperar deployment:
  2. 2.Hugging Face automáticamente construirá y deployará la aplicación
  3. 3.El proceso toma 5-15 minutos

📋 Requisitos

Hardware:

  • —GPU recomendada (se ejecuta más rápido)
  • —Mínimo 2GB RAM
  • —Almacenamiento: ~500MB (modelo + dependencies)

Software:

  • —Python 3.8+
  • —Streamlit 1.28+
  • —OpenCV
  • —NumPy, SciPy
  • —DLCLive

🎮 Cómo usar

  1. 1.Subir un video de tu perro (MP4, MOV, AVI, MKV)
  2. 2.Ajustar parámetros en el panel de control:
  3. 3.Umbral Suelo (Y): Altura donde buscar comida
  4. 4.Sensibilidad Cojera: Asimetría mínima detectada
  5. 5.Filtro Reposo: Movimiento para considerar en reposo
  6. 6.Factor Sentado: Proporción para detectar postura sentada
  7. 7.Energía de Juego: Umbral de actividad alta
  8. 8.Confianza DLC: Confianza mínima de detección
  9. 9.Velocidad de Reproducción: 0.25x a 2.0x
  1. 1.Click en "🚀 INICIAR PROCESAMIENTO"
  2. 2.Ver resultados en tiempo real con overlay de pose

📊 Salidas

  • —Video procesado con skeleton overlay
  • —Estado del animal en tiempo real
  • —Métricas:
  • —Asimetría Articular (°)
  • —Energía Cinética
  • —Aceleración

⚙️ Configuración del Modelo

El modelo está entrenado con datos específicos de:

  • —Cojeadura (cojera en diferentes extremidades)
  • —Comportamiento de juego/corrida
  • —Posiciones de descanso
  • —Actividades de alimentación

Ubicación del modelo: exported-models/DLC_DAPS_Protocol_resnet_50_iteration-0_shuffle-1/

🔧 Personalización Local

Para ejecutar localmente:

bash
# Clonar repositorio
git clone <repo-url>
cd cairo-ai

# Instalar dependencias
pip install -r requirements.txt

# Ejecutar
streamlit run app.py

📝 Notas Importantes

  • —⚠️ Limitaciones en Hugging Face:
  • —No hay acceso a cámara en vivo (solo upload de videos)
  • —Archivos grandes limitados a 10GB
  • —RAM limitada (~4GB)
  • —CPU-only (sin GPU en plan gratuito)
  • —🎬 Recomendaciones de video:
  • —Resolución: 720p o 1080p
  • —Duración: 30-60 segundos (para demostración rápida)
  • —FPS: 24-30
  • —Formato: MP4 H.264

📧 Soporte

Para reportar problemas o sugerencias, crea un issue en el repositorio.

📄 Licencia

Proyecto Cairo - UNAP - Monitoreo Veterinario Especializado

Versión: 2.5 Última actualización: Diciembre 2025