def worker(output_dir, video_dir):
image_names = glob(os.path.join(video_dir, '*.JPEG'))
image_names = sorted(image_names,
key=lambda x:int(x.split('/')[-1].split('.')[0]))
video_name = video_dir.split('/')[-1]
save_folder = os.path.join(output_dir, video_name)
if not os.path.exists(save_folder):
os.mkdir(save_folder)
trajs = {}
for image_name in image_names:
img = cv2.imread(image_name)
img_mean = tuple(map(int, img.mean(axis=(0, 1))))
anno_name = image_name.replace('Data', 'Annotations')
anno_name = anno_name.replace('JPEG', 'xml')
tree = ET.parse(anno_name)
root = tree.getroot()
bboxes = []
filename = root.find('filename').text
for obj in root.iter('object'):
bbox = obj.find('bndbox')
bbox = list(map(int, [bbox.find('xmin').text,
bbox.find('ymin').text,
bbox.find('xmax').text,
bbox.find('ymax').text]))
trkid = int(obj.find('trackid').text)
if trkid in trajs:
trajs[trkid].append(filename)
else:
trajs[trkid] = [filename]
instance_img, _, _ = get_instance_image(img, bbox,
config.exemplar_size, config.instance_size, config.context_amount, img_mean)
instance_img_name = os.path.join(save_folder, filename+".{:02d}.x.jpg".format(trkid))
cv2.imwrite(instance_img_name, instance_img)
return video_name, trajs
def worker(output_dir, video_dir):
image_names = glob(os.path.join(video_dir, '*.JPEG'))
#sort函数
#sorted()作用于任意可以迭代的对象，而sort()一般作用于列表；
#sort()函数不需要复制原有列表，消耗的内存较少，效率也较高： b=sorted(a)并不改变a的排序，a.sort() 会改变a的排序
#sorted(classCount.iteritems(),key=operator.itemgetter(1),reverse=True) #key依据某一列为排序依据
image_names = sorted(
image_names,
key=lambda x: int(x.split('/')[-1].split('.')[0])) #从小到大进行排列
video_name = video_dir.split('/')[-1]
save_folder = os.path.join(output_dir, video_name)
if not os.path.exists(save_folder):
os.mkdir(save_folder)
trajs = {}
for image_name in image_names:
img = cv2.imread(image_name)
#axis=0，表示shape第0个元素被压缩成1，即求每一列的平均值，axis=1,表示输出矩阵是1列（shape第一个元素被压缩成1），求每一行的均值，axis=(0,1)表示shape的第0个元素和第1个元素被压缩成了1
#元组和列表类似，不同之处在于元组的元素不能修改，元组使用小括号，列表使用方括号，元组的创建很简单，只需要在括号中添加元素，并使用逗号间隔开
#map(int, img.mean(axis=(0, 1)))将数据全部转换为int类型列表
img_mean = tuple(map(int, img.mean(axis=(0, 1))))
anno_name = image_name.replace(
'Data', 'Annotations') #str.replace('a','b')将str中的a替换为字符串中的b
anno_name = anno_name.replace('JPEG', 'xml')
tree = ET.parse(anno_name) #解析xml文件
root = tree.getroot(
) #获取根节点； 作为一个元素，root有一个标签和一个属性字典，它也有子节点，for child in root
bboxes = []
filename = root.find(
'filename'
).text #查找指定标签的文本内容，对于任何标签都可以有三个特征，标签名root.tag，标签属性root.attrib，标签的文本内容root.text
for obj in root.iter('object'): #迭代所有的object属性
bbox = obj.find('bndbox') #找到objecet中的 boundbox 坐标值
bbox = list(
map(int, [
bbox.find('xmin').text,
bbox.find('ymin').text,
bbox.find('xmax').text,
bbox.find('ymax').text
]))
trkid = int(obj.find('trackid').text)
if trkid in trajs:
trajs[trkid].append(filename) #如果已经存在，就append
else: #添加
trajs[trkid] = [filename]
instance_img, _, _ = get_instance_image(img, bbox,
config.exemplar_size,
config.instance_size,
config.context_amount,
img_mean)
instance_img_name = os.path.join(
save_folder, filename + ".{:02d}.x.jpg".format(trkid))
cv2.imwrite(instance_img_name, instance_img)
return video_name, trajs