[UPDATE] 프레임 당 합칠 두 객체 선정

-import time
 import math
 import math
 import cv2
 import cv2
 import numpy as np
 import numpy as np
+from copy import deepcopy
 from model.yolo_model import YOLO
 from model.yolo_model import YOLO
 
 
 class Point2D:
 class Point2D:
@@ -56,17 +56,25 @@ if __name__ == '__main__':
             x, y, w, h = box
             x, y, w, h = box
             name = all_classes[cl]
             name = all_classes[cl]
             size = int(w*h)
             size = int(w*h)
+
             if size <= 4000: # 사이즈가 너무 작아 썸네일로 적합하지 않은 경우
             if size <= 4000: # 사이즈가 너무 작아 썸네일로 적합하지 않은 경우
                 continue
                 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
             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
                 continue
+
             # 얼마나 가운데인지 확인하는 알고리즘
             # 얼마나 가운데인지 확인하는 알고리즘
-            object = Point2D(width= x + h/2, height= y + w/2)
+            object = Point2D(width= x + w/2, height= y + h/2)
             a = image.shape[1]/2 - object.width
             a = image.shape[1]/2 - object.width
             b = image.shape[0]/2 - object.height
             b = image.shape[0]/2 - object.height
             coordinatevalue = int(math.sqrt((a*a)+(b*b)))
             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
             # 객체 정보 및 계산 값 저장
-            detectionInfo.append([i, name, size, coordinatevalue, int(x), int(y), int(w), int(h)])
+            detectionInfo.append([i, name, size, coordinatevalue, top, left, right, bottom])
 
 
     f = open("detectionInfo.txt", 'w')
     f = open("detectionInfo.txt", 'w')
     for i in range(len(detectionInfo)):
     for i in range(len(detectionInfo)):
@@ -117,10 +125,41 @@ if __name__ == '__main__':
 
 
 
 
     # 계획2 : 프레임별로 나온 객체 겹치는 부분 제외하고 넓이 구해 큰거 Indexlist에 넣기
     # 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:]
 
 
-    # 모든 프레임에 적용하지 않고 베스트 컷 10컷 정도 선정
-
-    # 선정된 프레임 내에서 일정 크기 이상의 객체 중, 겹치는 객체 선정해서 하나의 검출물로 처리
 
 
     # 정리된 검출 리스트 output3 에 출력
     # 정리된 검출 리스트 output3 에 출력