作者:卖眼镜的瞎子 | 来源:互联网 | 2023-07-28 23:54
行为识别(一):UCF101视频数据集预处理
文章目录
- 行为识别(一):UCF101视频数据集预处理
- 1 数据集介绍
- 2 UCF101预处理
- 2.1 划分train_set和test_set
- 2.2 将视频提取为图像
1 数据集介绍
基于视频的行为识别常见的数据库有UCF101、HMDB-51、Something-Something V2、AVA v2.2、Kinetic-700等。其中UCF101的标记方式是针对一段视频做一个类别的标记,AVA v2.2的标记共包含五个部分,video_id(视频名称)、middle_Frame_timestam(关键帧位置)、person_box(视频中人物的边界框)、action_id(动作类别)、person_id(bbox中人物编号)。UCF101是分类的任务,而AVA v2.2针对的是检测的任务,更多对AVA v2.2数据集的详细解析可以点击这里。
1.1 UCF101
本文选用的行为识别数据集为UFC101。
UCF数据集包含两个压缩文件,UCF101.rar和UCF101TrainTestSplits-RecognitionTask.zip,前者将不同类别的视频存放于不同的文件夹下,后者存放UCF101数据集的3种训练集与测试集划分方式以及标签文件。其中testlist01.txt和trainlist01.txt对应第一种划分方式。
`-- ucfTrainTestlist|-- classInd.txt|-- testlist01.txt|-- testlist02.txt|-- testlist03.txt|-- trainlist01.txt|-- trainlist02.txt`-- trainlist03.txt1 directory, 7 files
- 内含13320 个短视频
- 视频来源:YouTube
- 视频类别:101 种
- 主要包括这5大类动作 :人和物体交互,只有肢体动作,人与人交互,玩音乐器材,各类运动
- 分辨率:320*240
2 UCF101预处理
2.1 划分train_set和test_set
目的:将UCF101划分为以下存储结构方式(使用trainlist01.txt和testlist01.txt进行划分)
.
`-- dataset|-- test| |-- class1| | |-- 01.mp4| | |-- 02.mp4| | |-- 03.mp4| | `-- 04.mp4| |-- class2| | |-- 01.mp4| | |-- 02.mp4| | |-- 03.mp4| | `-- 04.mp4| |-- class3| | |-- 01.mp4| | |-- 02.mp4| | |-- 03.mp4| | `-- 04.mp4| `-- class4| |-- 01.mp4| |-- 02.mp4| |-- 03.mp4| `-- 04.mp4`-- train|-- class1| |-- 01.mp4| |-- 02.mp4| |-- 03.mp4| `-- 04.mp4|-- class2| |-- 01.mp4| |-- 02.mp4| |-- 03.mp4| `-- 04.mp4|-- class3| |-- 01.mp4| |-- 02.mp4| |-- 03.mp4| `-- 04.mp4`-- class4|-- 01.mp4|-- 02.mp4|-- 03.mp4`-- 04.mp4
使用到的工具为shutil,环境为python,工具pip安装命令为
pip install pytest-shutil
python程序如下,程序的设计思想是先将testlist01中的文件移到“dataset/test/”路径下,再将剩下的文件夹重命名为“train”后移到dataset目录下
import shutil
import ostest_src_path = "T:/Dataset/UCF101/UCF-101/"
test_dest_path = "T:/Dataset/UCF101/dataset/test/"
train_src_path = "T:Dataset/UCF101/UCF-101/"
train_src_path_rename = "T:/Dataset/UCF101/train"
train_dest_path = "T:/Dataset/UCF101/dataset/"
with open("./UCF101TrainTestSplits/testlist01.txt", encoding='utf-8') as f:test_video_paths = f.readlines()
test_video_paths = [c.strip() for c in test_video_paths] for test_video_path in test_video_paths:if not os.path.exists(os.path.join(test_dest_path, test_video_path[:-4])):os.makedirs(os.path.join(test_dest_path, test_video_path[:-4]))os.rmdir(os.path.join(test_dest_path, test_video_path[:-4]))shutil.move(os.path.join(test_src_path, test_video_path), os.path.join(test_dest_path, test_video_path))
os.rename(train_src_path, train_src_path_rename)
shutil.move(train_src_path_rename, train_dest_path)
2.2 将视频提取为图像
工具:ffmpeg
ffmpeg下载地址:https://ffmpeg.org/download.html
压缩ffmpeg-release-essentials.zip
到指定目录,进入bin
目录,里面有三个文件
ffmpeg.exe
ffplay.exe
ffprobe.exe
将这三个文件的路径放到conda创建的python环境中,和pythonw.exe在同一个路径,然后打开控制台激活这个python环境,输入ffmpeg -h命令查看帮助
脚本(extract_frames.sh):
IN_DATA_DIR="./dataset"
OUT_DATA_DIR="./UCF101_frames"if [[ ! -d "${OUT_DATA_DIR}" ]]; thenecho "${OUT_DATA_DIR} doesn't exist. Creating it.";mkdir -p ${OUT_DATA_DIR}
fifor dir1 in $(ls -A1 -U ${IN_DATA_DIR})
dofor dir2 in $(ls -A1 -U ${IN_DATA_DIR}/${dir1})dofor video in $(ls -A1 -U ${IN_DATA_DIR}/${dir1}/${dir2})dovideo_name=${video##*/}if [[ $video_name = *".webm" ]]; thenvideo_name=${video_name::-5}elsevideo_name=${video_name::-4}fiout_video_dir=${OUT_DATA_DIR}/${dir1}/${dir2}/${video_name}/mkdir -p "${out_video_dir}"out_name="${out_video_dir}/${video_name}_%06d.jpg"ffmpeg -i "${IN_DATA_DIR}/${dir1}/${dir2}/${video}" "${out_name}"donedone
done
将脚本放在dataset同一级目录下,然后在安装有ffmpeg的conda环境下bash执行
./extract_frames.sh