[UPDATE] namelist를 dictionary 형태로 바꾸고 결과 값을 두 개의 파일로 분할

@@ -28,15 +28,15 @@ def get_classes(file):
 
 
 if __name__ == '__main__':
-# 파일 열기
+    # 파일 열기
     camera = cv2.VideoCapture("input/example.mp4")
 
-# Yolo 학습
+    # 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
+    # 1 카운트 할 때마다 frame 얻어서 파일로 저장
     success,image = camera.read()
     count = 0
     while success:
@@ -44,7 +44,7 @@ if __name__ == '__main__':
         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
+    # 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)+"."
@@ -62,56 +62,66 @@ if __name__ == '__main__':
             a = image.shape[1]/2 - object.width
             b = image.shape[0]/2 - object.height
             coordinatevalue = math.sqrt((a*a)+(b*b))
+            # 객체 정보 및 계산 값 저장
             detectionInfo.append([i, name, size, coordinatevalue])
 
     for i in range(len(detectionInfo)):
         print(detectionInfo[i])
-# name 별로 크기가 가장 크거나 물체가 프레임의 가운데 있는 프레임 번호 목록 얻어오기
 
-    indexlist = []
     # 검출된 물체 리스트(중복 없이)
-    namelist = set()
+    namelist = {}
     for i in range(len(detectionInfo)):
-        namelist.add(detectionInfo[i][1])
-    namelist = list(namelist)
-
-    print("namelist", namelist)
+        if not detectionInfo[i][1] in namelist:
+            namelist[detectionInfo[i][1]] = []
 
     # 계획1 : 뒤 두 알고리즘 일정 비율로 합치기
-    # 검출된 물체 중 가장 크기가 큰 것을 불러옴
-    for i in range(len(namelist)):
+    # 크기
+    for objectName in namelist.keys():
         maxindex = 0
         maxvalue = 0
         for j in range(len(detectionInfo)):
-            if detectionInfo[j][1] == namelist[i]:  # 물체 리스트 중에서
-                if detectionInfo[j][2] > maxvalue:  # 가장 큰 값을 갱신한다면
+            if detectionInfo[j][1] == objectName:
+                if detectionInfo[j][2] > maxvalue:
                     maxvalue = detectionInfo[j][2]
                     maxindex = detectionInfo[j][0]
-        indexlist.append(maxindex)
-
-
-	# 검출된 물체 중 가장 가운데 있는 것을 불러
-    for i in range(len(namelist)):
+        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] == namelist[i]:  # 물체 리스트 중에서
-                if detectionInfo[j][3] < minvalue:  # 가장 큰 값을 갱신한다면
+            if detectionInfo[j][1] == objectName:
+                if detectionInfo[j][3] < minvalue:
                     minvalue = detectionInfo[j][3]
                     minindex = detectionInfo[j][0]
-        indexlist.append(minindex)
+        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
+
+# 계획3 : 객체가 특정 위치에 있는 프레임 뽑기
+
+
+
+
 
-    print(indexlist)
 
-    # 계획2 : 프레임별로 나온 객체 겹치는 부분 제외하고 넓이 구해 큰거 Indexlist에 넣기
 
-    # 계획3 : 객체가 특정 위치에 있는 프레임 뽑기
 
-#얻어온 프레임 목록 결과값으로 저장, 선명도 높이는 작업 수행
-    for i in range(len(indexlist)):
-        image = cv2.imread("mid/frame%d.png" % indexlist[i])
-        output1 = cv2.GaussianBlur(image,(5,5),0)
-        #kernel_sharpen_1 = np.array([[-1,-1,-1],[-1,9,-1],[-1,-1,-1]])
-        #output2 = cv2.filter2D(output1,-1,kernel_sharpen_1)
+#kernel_sharpen_1 = np.array([[-1,-1,-1],[-1,9,-1],[-1,-1,-1]])
+#output2 = cv2.filter2D(output1,-1,kernel_sharpen_1)
 
-        cv2.imwrite("output/%d.%s.png"% (i+1,namelist[i]), output1);