-
Notifications
You must be signed in to change notification settings - Fork 0
/
colab
262 lines (179 loc) · 8.5 KB
/
colab
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
# Etapa 1 - Importando as bibliotecas
import time
import sys
import cv2
import matplotlib.pyplot as plt
import numpy as np
from google.colab.patches import cv2_imshow
import zipfile
cv2.__version__
# Etapa 2 - Conectando com o Drive
from google.colab import drive
drive.mount('/content/drive')
Go to this URL in a browser: https://accounts.google.com/o/oauth2/auth?client_id=947318989803-6bn6qk8qdgf4n4g3pfee6491hc0brc4i.apps.googleusercontent.com&redirect_uri=urn%3Aietf%3Awg%3Aoauth%3A2.0%3Aoob&scope=email%20https%3A%2F%2Fwww.googleapis.com%2Fauth%2Fdocs.test%20https%3A%2F%2Fwww.googleapis.com%2Fauth%2Fdrive%20https%3A%2F%2Fwww.googleapis.com%2Fauth%2Fdrive.photos.readonly%20https%3A%2F%2Fwww.googleapis.com%2Fauth%2Fpeopleapi.readonly&response_type=code
pose_path = "/content/drive/My Drive/pose.zip"
zip_object = zipfile.ZipFile(file=pose_path, mode="r")
zip_object.extractall("./")
imagens_path = "/content/drive/My Drive/imagens.zip"
zip_object = zipfile.ZipFile(file=imagens_path, mode="r")
zip_object.extractall("./")
modulos_path = "/content/drive/My Drive/modulos.zip"
zip_object = zipfile.ZipFile(file=modulos_path, mode="r")
zip_object.extractall("./")
zip_object.close()
# Etapa 3 - Importando o módulo do Drive
# Este módulo contém as funções que fazem toda a análise da posição dos pontos chave detectados. Utilizado na Etapa 9
sys.path.append("/content/modulos")
sys.path
import extrator_CORPO
# Etapa 4 - Carregando os modelos e estruturas da rede neural pré-treinados
arquivo_proto = "/content/pose/body/mpi/pose_deploy_linevec_faster_4_stages.prototxt"
arquivo_pesos = "/content/pose/body/mpi/pose_iter_160000.caffemodel"
numero_pontos = 15
pares_pontos = [[0, 1], [1, 2], [2, 3], [3, 4], [1, 5], [5, 6], [6, 7], [1, 14],
[14, 8], [8, 9], [9, 10], [14, 11], [11, 12], [12, 13]]
cor_pontoA, cor_pontoB, cor_linha = (14, 201, 255), (255, 0, 128), (192, 192, 192)
cor_txtponto, cor_txtinicial, cor_txtandamento = (10, 216, 245), (255, 0, 128), (192, 192, 192)
tamanho_fonte, tamanho_linha, tamanho_circulo, espessura = 0.8, 2, 8, 5
fonte = cv2.FONT_HERSHEY_SIMPLEX
valida_pernas_juntas, valida_pernas_afastadas = 0, 0
valida_bracos_abaixo, valida_bracos_acima = 0, 0
# Etapa 5 - Definir as dimensões da imagem de entrada.
entrada_largura = 256
entrada_altura = 256
# Etapa 6 - Carregando um video
video = "/content/imagens/body/videos/original_3.mp4"
captura = cv2.VideoCapture(video)
conectado, frame = captura.read()
conectado
# Etapa 7 - Criando a variável para salvar os resultados
resultado = "./polichinelo.avi"
gravar_video = cv2.VideoWriter(resultado, cv2.VideoWriter_fourcc(*'XVID'), 10,
(frame.shape[1], frame.shape[0]))
frame.shape
# Etapa 8 - Lendo o modelo carregado na Etapa 3
modelo = cv2.dnn.readNetFromCaffe(arquivo_proto, arquivo_pesos)
# Etapa 9 - Exibindo as saídas
limite = 0.1
while (cv2.waitKey(1) < 0):
t = time.time()
conectado, video = captura.read()
video_copia = np.copy(video)
if not conectado:
cv2.waitKey()
break
video_largura = video.shape[1]
video_altura = video.shape[0]
# Criação da máscara com fundo preto
tamanho = cv2.resize(video, (video_largura, video_altura))
mapa_suave = cv2.GaussianBlur(tamanho, (3,3), 0, 0)
fundo = np.uint8(mapa_suave > limite)
# Conversão do tipo da imagem
blob_entrada = cv2.dnn.blobFromImage(video, 1.0 / 255,
(entrada_largura, entrada_altura),
(0, 0, 0), swapRB = False, crop = False)
modelo.setInput(blob_entrada)
saida = modelo.forward()
altura = saida.shape[2]
largura = saida.shape[3]
pontos = []
for i in range(numero_pontos):
mapa_confianca = saida[0, i, :, :]
_, confianca, _, ponto = cv2.minMaxLoc(mapa_confianca)
x = (video_largura * ponto[0]) / largura
y = (video_altura * ponto[1] / altura)
if confianca > limite:
cv2.circle(video_copia, (int(x), int(y)), 4, cor_pontoB,
thickness = tamanho_circulo,
lineType=cv2.FILLED)
cv2.putText(video_copia, "{}".format(i), (int(x), int(y)),
fonte, tamanho_fonte, cor_txtponto, 3,
lineType=cv2.LINE_AA)
cv2.putText(fundo, " ", (int(x), int(y)),
fonte, tamanho_fonte, cor_txtponto, 3,
lineType=cv2.LINE_AA)
pontos.append((int(x), int(y)))
else:
pontos.append(None)
# Desenho do esqueleto
for par in pares_pontos:
parteA = par[0]
parteB = par[1]
if pontos[parteA] and pontos[parteB]:
cv2.line(video, pontos[parteA], pontos[parteB], cor_linha,
tamanho_linha, lineType = cv2.LINE_AA)
cv2.line(video_copia, pontos[parteA], pontos[parteB], cor_linha,
tamanho_linha, lineType = cv2.LINE_AA)
cv2.line(fundo, pontos[parteA], pontos[parteB], cor_linha,
tamanho_linha, lineType = cv2.LINE_AA)
cv2.circle(video, pontos[parteA], 4, cor_pontoA, thickness = espessura,
lineType = cv2.FILLED)
cv2.circle(video, pontos[parteB], 4, cor_pontoA, thickness = espessura,
lineType = cv2.FILLED)
cv2.circle(fundo, pontos[parteA], 4, cor_pontoA, thickness = espessura,
lineType = cv2.FILLED)
cv2.circle(fundo, pontos[parteB], 4, cor_pontoA, thickness = espessura,
lineType = cv2.FILLED)
# Braços
if extrator_CORPO.verificar_bracos_ABAIXO(pontos[0:8]) == True:
# 25% do movimento concluído
valida_bracos_abaixo = 0.25
cv2.line(video_copia, pontos[0], pontos[1], cor_linha,
tamanho_linha, lineType = cv2.LINE_AA)
cv2.putText(video_copia, " Bracos: Posicao inicial", (50, 50),
fonte, tamanho_fonte, cor_txtinicial, 0,
lineType=cv2.LINE_AA)
elif extrator_CORPO.verificar_bracos_ACIMA(pontos[0:8]) == True:
# 50% do movimento concluído
valida_bracos_acima = 0.5
cv2.line(video_copia, pontos[0], pontos[1], cor_linha,
tamanho_linha, lineType = cv2.LINE_AA)
cv2.putText(video_copia, " Bracos: Posicao final", (50, 50),
fonte, tamanho_fonte, cor_txtinicial, 0,
lineType=cv2.LINE_AA)
else:
valida_bracos_abaixo = 0
valida_bracos_acima = 0
cv2.line(video_copia, pontos[0], pontos[1], cor_linha,
tamanho_linha, lineType = cv2.LINE_AA)
cv2.putText(video_copia, " Bracos: em andamento", (50, 50),
fonte, tamanho_fonte, cor_txtinicial, 0,
lineType=cv2.LINE_AA)
# Pernas
if extrator_CORPO.verificar_pernas_AFASTADAS(pontos[8:14]) == True:
# 50% do movimento
valida_pernas_afastadas = 0.5
cv2.line(video_copia, pontos[0], pontos[1], cor_linha,
tamanho_linha, lineType = cv2.LINE_AA)
cv2.putText(video_copia, " Pernas: Posicao final", (50, 70),
fonte, tamanho_fonte, cor_txtinicial, 0,
lineType=cv2.LINE_AA)
elif extrator_CORPO.verificar_pernas_JUNTAS(pontos[8:14]) == True:
# 25% do movimento
valida_pernas_juntas = 0.25
cv2.line(video_copia, pontos[0], pontos[1], cor_linha,
tamanho_linha, lineType = cv2.LINE_AA)
cv2.putText(video_copia, " Pernas: Posicao inicial", (50, 70),
fonte, tamanho_fonte, cor_txtinicial, 0,
lineType=cv2.LINE_AA)
else:
valida_pernas_afastadas = 0
valida_pernas_juntas = 0
cv2.line(video_copia, pontos[0], pontos[1], cor_linha,
tamanho_linha, lineType = cv2.LINE_AA)
cv2.putText(video_copia, " Pernas: em andamento", (50, 70),
fonte, tamanho_fonte, cor_txtinicial, 0,
lineType=cv2.LINE_AA)
if valida_bracos_acima !=0 and valida_pernas_afastadas != 0:
cv2.putText(video_copia, " Polichinelo válido: " + str(int(valida_bracos_acima + valida_pernas_afastadas)),
(50, 200), fonte, tamanho_fonte, cor_txtinicial, 0,
lineType=cv2.LINE_AA)
cv2.putText(video_copia, " Tempo por frame: {:.2f} seg".format(time.time() - t),
(50, 20),
fonte, tamanho_fonte, (40, 40, 40), 0,
lineType=cv2.LINE_AA)
cv2_imshow(video_copia)
#cv2_imshow(video)
#cv2_imshow(fundo)
gravar_video.write(video_copia)
gravar_video.release()