project.py
6.63 KB
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
import math
import cv2
import numpy as np
from copy import deepcopy
from model.yolo_model import YOLO
class Point2D:
def __init__(self, width, height):
self.width = width
self.height = height
def process_image(img):
image = cv2.resize(img, (416, 416),
interpolation=cv2.INTER_CUBIC)
image = np.array(image, dtype='float32')
image /= 255.
image = np.expand_dims(image, axis=0)
return image
def get_classes(file):
with open(file) as f:
class_names = f.readlines()
class_names = [c.strip() for c in class_names]
return class_names
if __name__ == '__main__':
# 파일 열기
camera = cv2.VideoCapture("input/example.mp4")
# Yolo 학습
yolo = YOLO(0.6, 0.5)
file = 'data/coco_classes.txt'
all_classes = get_classes(file)
# 1 카운트 할 때마다 frame 얻어서 파일로 저장
success,image = camera.read()
count = 0
while success:
cv2.imwrite("mid/frame%d.png" % count, image) # save frame as JPEG file
success, image = camera.read()
count += 1
# 각 프레임 별로 Image Detection 후 프레임 번호, 객체 이름(name)과 객체의 크기(size), 객체가 얼마나 가운데 있는지(coordinatevalue) 저장
detectionInfo = []
for i in range(count):
#filename = "mid/frame"+str(i)+"."
image = cv2.imread("mid/frame%d.png" % i)
pimage = process_image(image)
boxes, classes, scores = yolo.predict(pimage, image.shape)
for box, score, cl in zip(boxes, scores, classes):
x, y, w, h = box
name = all_classes[cl]
size = int(w*h)
if size <= 4000: # 사이즈가 너무 작아 썸네일로 적합하지 않은 경우
continue
if x <= 0 or x+w >= image.shape[1] or y <= 0 or y+h >= image.shape[0]: # 검출된 객체가 프레임 밖으로 나간 경우
continue
# 얼마나 가운데인지 확인하는 알고리즘
object = Point2D(width= x + w/2, height= y + h/2)
a = image.shape[1]/2 - object.width
b = image.shape[0]/2 - object.height
coordinatevalue = int(math.sqrt((a*a)+(b*b)))
top = max(0, np.floor(x + 0.5).astype(int))
left = max(0, np.floor(y + 0.5).astype(int))
right = min(image.shape[1], np.floor(x + w + 0.5).astype(int))
bottom = min(image.shape[0], np.floor(y + h + 0.5).astype(int))
# 객체 정보 및 계산 값 저장
detectionInfo.append([i, name, size, coordinatevalue, top, left, right, bottom])
f = open("detectionInfo.txt", 'w')
for i in range(len(detectionInfo)):
data = str(detectionInfo[i][0]) +", " + detectionInfo[i][1] + ", " + str(detectionInfo[i][2]) + ", " + str(detectionInfo[i][3]) + ", " + str(detectionInfo[i][4]) + ", " + str(detectionInfo[i][5]) + ", " + str(detectionInfo[i][6]) + ", " + str(detectionInfo[i][7]) + "\n"
f.write(data)
f.close()
# 검출된 물체 리스트(중복 없이)
namelist = {}
for i in range(len(detectionInfo)):
if not detectionInfo[i][1] in namelist:
namelist[detectionInfo[i][1]] = []
# 크기
for objectName in namelist.keys():
maxindex = 0
maxvalue = 0
for j in range(len(detectionInfo)):
if detectionInfo[j][1] == objectName:
if detectionInfo[j][2] > maxvalue:
maxvalue = detectionInfo[j][2]
maxindex = detectionInfo[j][0]
namelist[objectName].append(maxindex)
for objectname, framelist in namelist.items():
image = cv2.imread("mid/frame%d.png" % framelist[0])
output1 = cv2.GaussianBlur(image, (5,5), 0)
cv2.imwrite("output1/%s.png"% (objectname), output1)
# 가운데 위치
for objectName in namelist.keys():
namelist[objectName] = []
for objectName in namelist.keys():
minindex = 0
minvalue = 999999
for j in range(len(detectionInfo)):
if detectionInfo[j][1] == objectName:
if detectionInfo[j][3] < minvalue:
minvalue = detectionInfo[j][3]
minindex = detectionInfo[j][0]
namelist[objectName].append(minindex)
for objectname, framelist in namelist.items():
image = cv2.imread("mid/frame%d.png" % framelist[0])
output2 = cv2.GaussianBlur(image, (5,5), 0)
cv2.imwrite("output2/%s.png"% (objectname), output2)
# 계획2 : 프레임별로 나온 객체 겹치는 부분 제외하고 넓이 구해 큰거 Indexlist에 넣기
# 모든 프레임에 적용하지 않고 여러 객체가 나온 프레임 선정, 프레임 인덱스 저장하는 best 딕셔너리
best = list(list(zip(*detectionInfo))[0])
bestList= {}
for i in range(len(detectionInfo)):
if best.count(detectionInfo[i][0]) == 2:
if detectionInfo[i][0] in bestList:
bestList[detectionInfo[i][0]].append(detectionInfo[i][1:])
else:
bestList[detectionInfo[i][0]] = [detectionInfo[i][1:]]
elif best.count(best[i]) > 2:
if best[i] in bestList:
bestList[best[i]].append([i, detectionInfo[i][3]])
else:
bestList[best[i]] = [[i, detectionInfo[i][3]]]
for key, value in bestList.items():
if len(value[0]) == 2:
tmpValue = deepcopy(value)
first, second = 0, 0
indexList = list(list(zip(*tmpValue))[0])
coordiList = list(list(zip(*tmpValue))[1])
minCordi = coordiList.index(min(coordiList))
first = indexList[minCordi]
coordiList[minCordi] = 99999
minCordi = coordiList.index(min(coordiList))
second = indexList[minCordi]
print(first, second)
bestList[key] = [detectionInfo[first][1:], detectionInfo[second][1:]]
# beOverlap 에서 선정된 두 객체의 top, left, right, bottom 값 비교하여 두 객체의 합산 size 계산, 이를 overlapped에 저장
# 이 때, value는 항상 두 가지 값만을 가짐
#for key, value in bestList.items():
# a_top, a_left, a_right, a_bottom = value[0][4:]
# b_top, b_left, b_right, b_bottom = value[1][4:]
# 정리된 검출 리스트 output3 에 출력
# 계획3 : 객체가 특정 위치에 있는 프레임 뽑기
# output1~3의 결과들을 가지고 특정 위치에 있게 이미지 크롭, 결과를 output1_1, output2_1, output3_1 에 저장
#kernel_sharpen_1 = np.array([[-1,-1,-1],[-1,9,-1],[-1,-1,-1]])
#output2 = cv2.filter2D(output1,-1,kernel_sharpen_1)