def doGet(path, videoName, savePath):
import Make_wavedata, clusteringPoint, make_figure, make_fft
from pythonFile import make_dirs
import os
import pickle
import shutil
print(path)
#保存ディレクトリの作成
'''
if not os.path.isdir(savePath + '/cat1/pict'):
for i in range(4):
os.makedirs(savePath + '/cat' + str(i+1) + '/pict')
if not os.path.isdir(savePath + '/fft'):
os.makedirs(savePath + '/fft')
else:
shutil.rmtree(savePath + '/fft')
os.makedirs(savePath + '/fft')
'''
make_dirs.makeDir(savePath)
zahyou = Make_wavedata.todo(path) #オプティカルフローで各特徴点の移動を推定
print(zahyou)
zahyou = clusteringPoint.todo(path, zahyou) #手動で分類する
make_figure.todo(zahyou, savePath, videoName) #取得した特徴点の動きをグラフにする
fft_savepaht = savePath + '/fft'
make_fft.doGet(path, zahyou, fft_savepaht, videoName) #取得した特徴点の動きをFFT変換する
f = open(savePath + '/pointData_' + videoName + '.txt', 'wb')
pickle.dump(zahyou, f)
def doGet(path, videoName, savePath):
import Make_wavedata, clusteringPoint, make_figure, make_fft
from pythonFile import make_dirs
import os
import pickle
import shutil
print(path, videoName, savePath)
#保存ディレクトリの作成
make_dirs.makeDir(savePath)
zahyou = Make_wavedata.todo(path) #オプティカルフローで各特徴点の移動を推定
print(zahyou)
zahyou = clusteringPoint.todo(path, zahyou) #手動で分類する
make_figure.todo(zahyou, savePath) #取得した特徴点の動きをグラフにする
make_fft.doGet(path, savePath) #取得した特徴点の動きをFFT変換する
f = open(savePath + '/pointData_' + videoName + '.txt', 'wb')
pickle.dump(zahyou, f)
def doGet(path, videoName, savePath):
import Make_wavedata, clusteringPoint, make_figure, make_fft
from pythonFile import make_dirs, getVideoData
import os
import pickle
import shutil
print(path, videoName, savePath)
dirName = getVideoData.getDirName(path)
videoName = getVideoData.getVideoName(path)
#保存ディレクトリの作成
make_dirs.makeDir(savePath)
zahyou = Make_wavedata.todo(path) #オプティカルフローで各特徴点の移動を推定
print(zahyou)
if os.path.isdir('/media/koshiba/Data/opticalflow/point_data/' + dirName +
'/' + videoName + '/category.txt'):
f = open(
'/media/koshiba/Data/opticalflow/point_data/' + dirName + '/' +
videoName + '/category.txt', 'rb')
noise = pickle.load(f)
else:
noise = clusteringPoint.todo(path, zahyou) #手動で分類する
make_figure.todo(zahyou, savePath) #取得した特徴点の動きをグラフにする
make_fft.doGet(zahyou, savePath) #取得した特徴点の動きをFFT変換する
predList = [[], [], []]
accuracy = ['-1', '-1', '-1']
precision = ['-1', '-1', '-1']
recall = ['-1', '-1', '-1']
specificity = ['-1', '-1', '-1']
tmp = 0
for index1, pred in enumerate(zahyou):
for index2, answer in enumerate(noise):
#print(index1, index2)
if (pred[index2] == 0 or pred[index2] == -1):
if answer == 0:
predList[index1].append(0)
else:
predList[index1].append(3)
else:
if answer == 1:
predList[index1].append(1)
else:
predList[index1].append(2)
predAll = len(predList[index1])
tp = predList[index1].count(1)
tn = predList[index1].count(0)
fp = predList[index1].count(2)
fn = predList[index1].count(3)
print(predAll, tp, tn)
accuracy[index1] = str((tp + tn) / predAll)
if tp + fp != 0:
precision[index1] = str(tp / (tp + fp))
if tp + fn != 0:
recall[index1] = str(tp / (tp + fn))
if tn + fp != 0:
specificity[index1] = str(tn / (fp + tn))
print(zahyou)
#elapsed_time = time.time() - start
#print ("elapsed_time:{0}".format(elapsed_time) + "[sec]")
print('accuracy:' + accuracy[0] + ' ' + accuracy[1] + ' ' + accuracy[2])
print('precision' + precision[0] + ' ' + precision[1] + ' ' + precision[2])
print('recall' + recall[0] + ' ' + recall[1] + ' ' + recall[2])
print('specificity' + specificity[0] + ' ' + specificity[1] + ' ' +
specificity[2])
f = open(savePath + '/pointData_' + videoName + '.txt', 'wb')
pickle.dump(zahyou, f)
def todo(path, winsizeNum=15, select_rgb=1, name1='red'):
import numpy as np
import cv2
import pickle
import os
from pythonFile import make_dirs
p = 10
# 読み込む動画の設定
videoDir = path[:path.rfind('/')]
dirName = name1
videoName = path[path.rfind('/') + 1:-4]
cap = cv2.VideoCapture(path)
print(path)
# 動画の設定を読み込み
width = int(cap.get(cv2.CAP_PROP_FRAME_WIDTH))
height = int(cap.get(cv2.CAP_PROP_FRAME_HEIGHT))
fps = cap.get(cv2.CAP_PROP_FPS)
rot = 0
# 動画が横向きならば縦向きに回転させる
if width > height:
rot = 1
tmp = width
width = height
height = tmp
# Shi-Tomashiのコーナー検出パラメータ
feature_params = dict(
maxCorners=255, # 保持するコーナー数,int
qualityLevel=0.2, # 最良値(最大個数値の割合),double
minDistance=7, # この距離内のコーナーを棄却,double
blockSize=7, # 使用する近傍領域のサイズ,int
useHarrisDetector=False, # FalseならShi-Tomashi法
# k=0.04, # Harris法の測度に使用
)
# Lucas-Kanada法のパラメータ
lk_params = dict(
winSize=(winsizeNum, winsizeNum),
maxLevel=2,
#検索を終了する条件
criteria=(cv2.TERM_CRITERIA_EPS | cv2.TERM_CRITERIA_COUNT, 10, 0.03),
# 測定値や固有値の使用
flags=cv2.OPTFLOW_LK_GET_MIN_EIGENVALS,
)
# 最初のフレームを読み込む
ret, first_frame = cap.read()
if rot == 1:
first_frame = np.rot90(first_frame, -1)
print(first_frame)
#グレースケール変換
first_gray = cv2.cvtColor(first_frame, cv2.COLOR_BGR2GRAY)
# 読み込んだフレームの特徴点を探す
prev_points = cv2.goodFeaturesToTrack(
image=first_gray[p:-p][p:-p], # 入力画像
mask=None, # mask=0のコーナーを無視
**feature_params)
# whileリープで読み込むための準備
old_frame = first_frame
old_gray = rgbcut(old_frame, select_rgb)
zahyou = prev_points.tolist() # 各フレームの特徴点の座標を入れておく
# 2フレーム目以降でオプティカルフローを実行
# zahyou: [x座標, y座標]
while True:
# 2枚目以降のフレームの読み込み
ret, frame = cap.read()
if ret == False:
break
if rot == 1:
frame = np.rot90(frame, -1)
# グレースケール変換
#frame_gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
frame_gray = rgbcut(frame, select_rgb)
#オプティカルフロー（正確には対応点）の検出
# next_points: 検出した対応点, numpy.ndarray
# status: 各店において,見つかれば1(True),見つからなければ0(False), numpy.ndarray
# err: 検出した点の誤差, numpy.ndarray
next_points, status, err = cv2.calcOpticalFlowPyrLK(
prevImg=old_gray[p:-p][p:-p], # 前の画像(t-1)
nextImg=frame_gray[p:-p][p:-p], # 次の画像(t)
prevPts=prev_points, # 始点2次元ベクトル,特徴点やそれに準ずる店
nextPts=None, # 結果の2次元ベクトル
**lk_params)
# 正しく特徴点と対応点が検出できた点のみに絞る
# todo: 数フレームおきに特徴点を検出しなおさないと，対応点がなくなるのでエラーになります
good_new = next_points[status == 1]
good_old = prev_points[status == 1]
# 対応点の是票を保存
for rank, (prev_p, next_p) in enumerate(zip(good_old, good_new)):
# x,y座標の取り出し
# prev_x, prev_y: numpy.float32
# next_x, next_y: numpy.float32
prev_x, prev_y = prev_p.flatten()
next_x, next_y = next_p.flatten()
# 座標保存
zahyou[rank].append([next_x, next_y])
# 次のフレームを読み込む準備
old_gray = frame_gray.copy()
prev_points = good_new.reshape(-1, 1, 2)
print(dirName, videoName)
if not os.path.isdir('/media/koshiba/Data/opticalflow/point_data/' +
dirName + '/' + videoName + '/' + str(winsizeNum)):
make_dirs.makeDir('/media/koshiba/Data/opticalflow/point_data/' +
dirName + '/' + videoName + '/' + str(winsizeNum))
f = open(
'/media/koshiba/Data/opticalflow/point_data/' + dirName + '/' +
videoName + '/' + str(winsizeNum) + '/pointData_' + videoName + '.txt',
"wb")
pickle.dump(np.array(zahyou), f)
return zahyou
videoDir = path[:path.rfind('/')]
videolist = glob.glob(path[:path.find(videoName)] + "/*")
print(fileName)
print('Process all the files? (yes, no) :', end=" ")
flag = input()
print('select windowsize:')
winsize = list(map(str, input().split()))
if flag == 'yes':
for i in videolist:
videoName = i[i.rfind('/') + 1:]
if not os.path.isdir(i + '/video'):
make_dirs.makeDir(i)
for ws in winsize:
savepath = i + '/video'
path = i + '/winsize/winsize_' + ws + '/pointData_' + videoName + '.txt'
dataName = path[path.rfind('/') + 1:-4]
videoPath = path[:path.find(
'/opticalflow'
)] + '/video/yohaku/' + dirName + '/' + videoName + '.avi'
print(savepath, path, videoPath)
if os.path.isdir(i + '/winsize'):
doGet(path, savepath, videoPath, ws)
else:
for ws in winsize:
if flag == 'yes': # すべての動画で実行する
for i in videolist:
# 動画名とディレクトリ名を取得
dirName = getVideoData.getDirName(i)
videoName = getVideoData.getVideoName(i)
videoPath = '/media/koshiba/Data/video/yohaku/' + dirName + '/' + videoName + '.avi'
print(videoPath)
# 選択された動画の解析が終わっていれば実行
if os.path.exists(videoPath):
for num in range(5, 41): # windowSizeを5~40で実行
if not os.path.isdir(i + 'window_' + str(num) +
'/cat4/toFirstErrorFFT'):
make_dirs.makeDir(i[:-1] + '/winsize/winsize_' +
str(num)) # 保存するフォルダがなければ作成
savePath = i + 'winsize/winsize_' + str(num) # 保存先のPATH
zahyou = Make_wavedata.todo(
videoPath,
num) # 動画を解析する（時間はかかるけど毎回動画を読み込む），特徴点の各フレームにおける座標を取得
make_figure.todo(
zahyou,
savePath) # 各特徴点の各波形(vec, error, toFirstError)を取得
make_fft.doGet(
zahyou,
savePath) # 各波形のFFT解析(toFirstFFT, toFirstErrorFFT)
else:
error.append(videoName)
print("Could not be executed:" + error)
else:
