def main():
ot = object_tracker()
is_init_frame = True # Flag is necessary to setup object tracking properly
prev_frame_objects = []
cur_frame_objects = []
font = cv2.FONT_HERSHEY_SIMPLEX # OpenCV font for drawing text on frame
crash_flag = False
vid = cv2.VideoCapture('./data/video/' + name +
'.mp4') # 28, 26, 30 (mTracker güzel test)
vid.set(1, saniye)
# İlk Frame al
# tracker başlat
# mTracker = cv2.TrackerMOSSE_create()
# _, img = vid.read()
# tbox = cv2.selectROI("Tracking", img, False)
# mTracker.init(img, tbox)
codec = cv2.VideoWriter_fourcc(*'XVID')
vid_fps = int(vid.get(cv2.CAP_PROP_FPS))
vid_width, vid_height = int(vid.get(cv2.CAP_PROP_FRAME_WIDTH)), int(
vid.get(cv2.CAP_PROP_FRAME_HEIGHT))
out = cv2.VideoWriter('./data/video/results.avi', codec, vid_fps,
(vid_width, vid_height))
#kuyruk deque'si
pts = [deque(maxlen=300) for _ in range(1000)]
pts_index = 0
counter = 0
isBboxesFilled = False # yolo'nun sounç verdiği ilk kareyi tespit etmek için kullandık.
listX_prev = [-1] * 50
listY_prev = [-1] * 50
while True:
t1 = time.time()
counter = counter + 1
print(counter)
_, img = vid.read()
if img is None:
print('Completed')
break
# sadece bir kere çalışır
if counter == 1 or isBboxesFilled == False:
bboxes = get_bboxes(img) # yolo
# p.print("bboxes\n" + str(bboxes))
# List'in içi dolu
if bboxes:
isBboxesFilled = True
# convertedBboxes = []
# for bbox in bboxes:
# w = (bbox[2] - bbox[0])
# h = (bbox[3] - bbox[1])
# convertedBbox = [bbox[0], bbox[1], w, h]
# convertedBboxes.append(convertedBbox)
convertedBboxes = expand_bboxes(tlbr_to_xywh(bboxes), .3)
multiTracker_add(img, convertedBboxes)
# multiTracker.clear()
# 7 karede bir yolo çalıştır, takibi tekrar başlat
# if counter % 7 == 0:
# multiTracker_reset()
# bboxes = get_bboxes(img) # yolo
# multiTracker_add(img, expand_bboxes(tlbr_to_xywh(bboxes), .3))
# multitracker'ın takip ettiği araçların konumlarını yenile
success, tboxes = multiTracker.update(img)
# ardışık kareler aynıysa ikincisini kontrol etme
# if center[0] == x_prev and center[1] == y_prev:
# continue
# x_prev = center[0]
# y_prev = center[1]
isFrameSame = True
for i, tbox in enumerate(tboxes):
center = getTboxCenter(tbox)
# en az bir aracın konumunu farklı tespit ederse
if not (center[0] == int(listX_prev[i])
and center[1] == int(listY_prev[i])):
isFrameSame = False
listX_prev[i] = center[0]
listY_prev[i] = center[1]
if isFrameSame:
counter -= 1
p.print("GELDIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIII")
continue
# tbox çiz
for i, tbox in enumerate(tboxes): #tbox x1, y1, w, h
# p1 = (int(tbox[0]), int(tbox[1]))
# p2 = (int(tbox[0] + tbox[2]), int(tbox[1] + tbox[3]))
center = getTboxCenter(tbox)
# kuyruk çiz (kullanıyoruz), center noktasını pts dizisine ekle
pts[pts_index].append(center)
# pts.length kadar dön ve kırmızı nokta çiz (geçmiş karelerdeki noktaları da çizer)
for j in range(1, len(pts[pts_index])):
if pts[pts_index][j - 1] is None or pts[pts_index][j] is None:
continue
cv2.circle(img, pts[pts_index][j], 1, (0, 0, 255), 4)
p1 = getTboxTopLeft(tbox)
p2 = getTboxBottomRight(tbox)
print(tbox[0], tbox[1], tbox[2], tbox[3])
# cv2.rectangle(img, (int(tbox[0]),int(tbox[1])), (int(tbox[0]) + int(tbox[2]), int(tbox[1]) + int(tbox[3])), (204, 235, 52), 2, 1) # p1-solüst(x1, y1) p2-sağ alt(x2, y2)
cv2.rectangle(img, p1, p2, (204, 235, 52), 2,
1) # p1-solüst(x1, y1) p2-sağ alt(x2, y2)
# RAGHAV'A CENTER'LARI VER
for tbox in tboxes:
center = getTboxCenter(tbox)
# track_id => sürekli artıyor sınırsız şekilde, yavaş yavaş artıyor
# Tek frame'deki tüm araç center'larını depola
if (
is_init_frame == True
): # ilk frame ise araçların center'larını cur yerine prev'in içine doldur.
prev_frame_objects.append([(center[0], center[1]),
ot.get_init_index(), 0,
deque(), -1, 0])
else:
# her frame de içi tekrar dolduruluyor
cur_frame_objects.append([(center[0], center[1]), 0, 0,
deque(), -1, 0])
# (her frame için bir kere döner)
if (is_init_frame == False):
# We only run when we have had at least 1 object detected in the previous (initial) frame
# prev boş olursa hiç bir cur eşlenemeyeceği için böyle bi kontrol var
if (len(prev_frame_objects) != 0):
# cur'un center dışındaki tüm parametre verilerini doldurur
cur_frame_objects = ot.sort_cur_objects(
prev_frame_objects, cur_frame_objects)
# p.print(cur_frame_objects)
# for car in cur_frame_objects:
# cv2.putText(img, str(car[1]), car[0], 0, 1, (0,0,255), 2)
# FPS hesapla
fps = 1. / (time.time() - t1)
cv2.putText(img, "FPS: {:.2f}".format(fps), (0, 30), 0, 1, (0, 0, 255),
2)
cv2.resizeWindow('output', 1024, 768)
# cv2.imshow('output', img) #####################################
# out.write(img)
# 0 1 2 3 4 5
# point => [(center[0], center[1]), 0, 0, deque(), -1, 0]
# 0: center koordinatları
# 1: id
# 2: obje kaç frame'dir tespit ediliyor
# 3: deque
# 4: (eşlenme verisi) herhangi bir prev obj ile eşlenip eşlenmediği verisi (yada eşleşmiş olduğu obj'nin indexi olabilir)
# 5: Magnitude of object (PREVIOUS FRAME)
is_crash_detected = False # Has a crash been detected anywhere in our current frame?
for i, point in enumerate(
cur_frame_objects
): # Iterating through all our objects in the current frame.
# Only objects that have been present for 5 consecutive frames are considered. This is done to
# filter out any inaccurate momentary detections.
if (point[2] >= 5): # obje 5 kareden fazladır tespit ediilyorsa
# Örnek deque => deque([(421, 293), (422, 293), (425, 296), (426, 296), (426, 297)])
# point[3][-1][0] => objenin dequesisnin son elemanının x değeri
# point[3][0][0] => objenin dequesisnin ilk elemanının x değeri
# point[3][-1][1] => objenin dequesinin son elemanının y değeri
# point[3][0][1] => objenin dequesinin ilk elemanının y değeri
# vector => 5 karedeki x farkı, 5 karedeki y farkı
# vector[0] => 5 karedeki x farkı
# vector[1] => 5 karedeki y farkı
# Finding vector of object across 5
vector = [
point[3][-1][0] - point[3][0][0],
point[3][-1][1] - point[3][0][1]
]
# Getting a simple estimate coordinate of where we expect our object to end up
# with its current vector. This is used to draw the predicted vector for each object.
# end_point => x farkı * 2 + cur'un son x değeri, y farkı * 2 + cur'un son y değeri
# mevcut konum + son 5 karedeki değişim
end_point = (2 * vector[0] + point[3][-1][0],
2 * vector[1] + point[3][-1][1])
# Getting magnitude of vector for crash detection. We could use the direction in this detection
# as well, but we achieved much better results when just using the magnitude.
# vector[0] = son 5 karedeki x farkı
# vector[1] = son 5 karedeki y farkı
# vector_mag = son 5 karedeki konum farkı (piksel bazlı)
vector_mag = (vector[0]**2 + vector[1]**2)**(1 / 2)
# Change in magnitude (essentially the object's acceleration/deceleration)
# vector_mag => (mevcut kare, mecvut kare-5) yer değiştirme
# point[5] => (previous kare, previous kare-5) yer değiştirme
# delta = araç ivmesi
delta = abs(vector_mag - point[5])
#bbox = point[]
cv2.putText(img, str("ivme: " + "{:.2f}".format(delta)),
(int(tboxes[i][0]), int(tboxes[i][1] - 20)), font,
1, (235, 55, 55), 2, cv2.LINE_AA)
# Flag for current object being a crash or not.
has_object_crashed = False
if (delta >= 11) and point[5] != 0.0: # Criteria for crash.
is_crash_detected = True
has_object_crashed = True
# Drawing circle to label detected objects
cv2.circle(img, point[0], 5, (0, 255, 255), 2) #draw_frame
if (has_object_crashed == True):
# Red circle is drawn around an object that has been suspected of crashing
cv2.circle(img, point[0], 40, (0, 0, 255), 4) #draw_frame
# Drawing predicted future vector of each object. (Blue line)
# Vektör çizgisini çiz
cv2.line(img, point[3][-1], end_point, (255, 255, 0),
2) #draw_frame
if (is_crash_detected == True):
#cv2.putText(img, f"CRASH DETECTED", (0, 30), font, 1, (0, 0, 255), 2, cv2.LINE_AA) #draw_frame
p.print(" KAZA OLDUUUUUUUUUUUUUUUUUUUUUUUUUUU ")
crash_flag = True
cv2.putText(img, f"CRASH DETECTED", (300, 300), font, 1,
(0, 0, 255), 2, cv2.LINE_AA) #draw_frame
if crash_flag == True:
cv2.putText(img, f"CRASH DETECTED", (300, 30), font, 1,
(0, 0, 255), 2, cv2.LINE_AA) #draw_frame
if (is_init_frame == False): # ilk frame değil ise
prev_frame_objects = cur_frame_objects.copy() # prev = cur
cur_frame_objects = [] # cur = []
is_init_frame = False
cv2.imshow('Tracking', img)
# yavaş
# time.sleep(0.8)
# orta yavaş
# time.sleep(0.5)
# orta hızlı
# time.sleep(0.3)
# hızlı
time.sleep(0.15)
# orta hızlı
# time.sleep(0.10)
# çok hızlı
# time.sleep(0.05)
if cv2.waitKey(1) == ord('q'):
break
vid.release()
out.release()
cv2.destroyAllWindows()
#süre
saniye = ((0 * 60) + 0) * 30 + 10
name = "2"
mod_var = 0
mod_flag = 0
import time, sys, cv2, matplotlib.pyplot as plt, numpy as np
from MY_print_methods import print_class
from RAGHAV_object_tracker import object_tracker
from _collections import deque
p = print_class()
ot = object_tracker()
is_init_frame = True # Flag is necessary to setup object tracking properly
prev_frame_objects = []
cur_frame_objects = []
font = cv2.FONT_HERSHEY_SIMPLEX # OpenCV font for drawing text on frame
crash_flag = False
# isim
vid = cv2.VideoCapture('./data/video/' + name + '.mp4') # 28, 26, 30 (opencv_tracker güzel test)
# vid.set(cv2.CAP_PROP_FPS, 1)
vid.set(1, saniye)
# tracker başlat
# opencv_tracker = cv2.TrackerMIL_create()