-
Notifications
You must be signed in to change notification settings - Fork 0
/
Copy pathrun.py
140 lines (105 loc) · 5.92 KB
/
run.py
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
from ultralytics import YOLO
import cv2
import winsound #für Audioausgabe
import os #für Audioausgabe via MP3-Dateien
import time #für Sleep während Audioausgabe
import numpy as np
import math
import pandas as pd
path='C:\\Users\\offic\\Desktop\\Schwimmen\\Musik\\' #Pfad für MP3-Dateien
cap = cv2.VideoCapture(0)
# Load custom trained YOLOv8 model
model = YOLO("runs/detect/train3/weights/best.pt")
#runs/detect/train3/weights/best.pt
#face/model-face.pt
fps = int(cap.get(cv2.CAP_PROP_FPS))
fourcc = cv2.VideoWriter_fourcc('m','p','4','v')
frame_width = int(cap.get(cv2.CAP_PROP_FRAME_WIDTH))
frame_height = int(cap.get(cv2.CAP_PROP_FRAME_HEIGHT))
show_boxes = True
#für Multi-Feedback
z=0
j=0
xlist_lines_center = []
ylist_lines_center = []
swimmer_difference_to_track_list = []
xlist_lines.insert(0, B1_x) #insert B1_x
ylist_lines.insert(0, B1_y) #insert B1_y
#für Geschwindigkeitserkennung
xlist_last_position = [2000]*n
ylist_last_position = [2000]*n
list_last_time = [time.time()]*n
list_swimmer_act_speed=[0]*n
list_need_time = [4]*n # 4 Sekunden Abstand zur Initialisierung aller Bahnen
while (z<len(xlist_lines)-1):
xlist_lines_center.append(xlist_lines[z]+((xlist_lines[z]-xlist_lines[z+1])/2))
ylist_lines_center.append(ylist_lines[z]+((ylist_lines[z+1]-ylist_lines[z])/2))
z+=1
out = cv2.VideoWriter('output1.mp4', fourcc, fps,(frame_width,frame_height),True )
while(cap.isOpened()):
ret,frame = cap.read()
if ret == True:
swimmer_found = False
results = model(frame, imgsz=640, stream=True, verbose=False)
for result in results:
for box in result.boxes.cpu().numpy():
if show_boxes:
name=result.names[int(box.cls[0])]
r = box.xyxy[0].astype(int)
c= box.conf[0] #confidence of detection
if c>0.3:
x=r[0]
y=r[1]
print(c, x, y)
#print(xlist_lines_center) #Liste der x-Koordinaten der Bahnmittelpunkte
"""
if r[0]<320: #Musikausgabe wenn Person sich links von der Mitte (320Pixel) aus befindet
winsound.Beep(500, 500) #CopyPaste - erster Wert=Frequenz - Zweiter Dauer in ms
"""
#Rechteck über Schwimmer
cv2.rectangle(frame, r[:2], r[2:], (255, 255, 255), 2)
#Fuer einen Schwimmer im gesamten Becken:
#Ausschlussbereich bis hor. Beckenrad definiert durch r(x)<k_r*x+d_r
d_r=B1_y-(k_r*B1_x)
# Ausschlussbereich bis oberen, seitlichen Beckenrand von Track n definiert n(x)<k_n*x+d_n, zuvor l(x)
k_n=(M_y-B2_y)/(M_x-B2_x)
d_n=B2_y-(k_n*B2_x)
# Ausschlussbereich bis unteren, seitlichen Beckenrand von Track 1 definiert t0(x)>k_n*x+d_t0
d_t0=B1_y-(k_n*B1_x)
#Signalbereich im Wasser definiert s(x)<k_r*x+d_s
d_s=M_y-(k_r*M_x)
"""
#Single-Feedback (= ein Schwimmer im gesamten Becken)
#von links unten bis rechts oben: unterer seitlicher Beckenrand, hor. Beckenrand, oberer Beckenrand, Signalbereich
if y<k_n*x+d_t0 and y>k_r*x+d_r and y>k_n*x+d_n and y<k_r*x+d_s:
winsound.Beep(500, 3000) #erster Wert=Frequenz - Zweiter Dauer in ms
"""
#für Multifeedback
while (j<len(xlist_lines_center)):
swimmer_difference_to_track_list.append( math.sqrt( math.pow(x-xlist_lines_center[j],2) + math.pow(y-ylist_lines_center[j],2) ) )
j+=1
swimmer_track_nr=swimmer_difference_to_track_list.index(min(swimmer_difference_to_track_list))+1
print("Schwimmer Bahn-Nr.", swimmer_track_nr)
list_swimmer_act_speed[swimmer_track_nr-1]=(math.sqrt( math.pow(x-xlist_last_position[swimmer_track_nr-1],2) + math.pow(y-xlist_last_position[swimmer_track_nr-1],2) ) ) / (time.time() - list_last_time[swimmer_track_nr-1]) #-1, da ja Liste bei Index 0 beginnt
print("Aktuelle Geschwindigkeitsliste in Pixel/s", list_swimmer_act_speed)
list_need_time[swimmer_track_nr-1]=swimmer_difference_to_track_list[swimmer_track_nr-1] / list_swimmer_act_speed[swimmer_track_nr-1]
print("Voraussichtliche Ankunftszeitliste in Sekunden ", list_need_time)
#Multi-Feedback (vorher If-Anwendung löschen)
if y<k_n*x+d_t0 and y>k_r*x+d_r and y>k_n*x+d_n:
if swimmer_difference_to_track_list[swimmer_track_nr-1]<M_length or list_need_time[swimmer_track_nr-1]<2:
winsound.Beep(500, 3000) #erster Wert=Frequenz - Zweiter Dauer in ms
print("Warnung! Schwimmer: ",swimmer_track_nr)
cls = int(box.cls[0])
if cls == 0:
swimmer_found = True
if swimmer_found:
out.write(frame)
cv2.imshow('Frame', frame)
if cv2.waitKey(1) & 0xFF == ord('q'):
break
else:
break
# for openCV - When everything done, release the capture
cap.release()
out.release()
cv2.destroyAllWindows()