معرفی شرکت ها
easy-mhi-1.3
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشتر
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشتر
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشتر
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشتر
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشترتوضیحات
Simple library that can be used to generate motion history images from video frames
| ویژگی | مقدار |
|---|---|
| سیستم عامل | - |
| نام فایل | easy-mhi-1.3 |
| نام | easy-mhi |
| نسخه کتابخانه | 1.3 |
| نگهدارنده | [] |
| ایمیل نگهدارنده | [] |
| نویسنده | - |
| ایمیل نویسنده | - |
| آدرس صفحه اصلی | https://github.com/larrett/mhi |
| آدرس اینترنتی | https://pypi.org/project/easy-mhi/ |
| مجوز | - |
MotionHistoryImage Python Library
===================================
Image-Processing library built in Python 3.7 allowing developers to easily
generate MHI images from from a list of frames. A motion history image (MHI) is a static image template
that helps in understanding the motion location and path as it progresses. Using MHI, moving parts of a video
sequence can be engraved within a single image, from where the motion flow can be predicted.
<br>
Essentially this library is concatenating a series of frames into one single image, where brighter values correspond
to a more recent motion
<h5>Example:</h5>
<p align="center">
<img src="https://i.imgur.com/JthsG7X.png?1">
</p>
<p align="center">
<img src="https://i.imgur.com/WEeijLL.png?1">
</p>
I'd recommend using OpenCV to perform background subtraction on frames being processed.
I'll add a code snippet below to demonstrate how I got the above background subtraction images from raw frames.
```python
import cv2 as cv
IMG_SIZE = 224
frame = cv.resize(frame, (IMG_SIZE, IMG_SIZE))
# Filters tend to provide smoother subtraction with less background noise
frame = cv.medianBlur(frame, 5)
frame = cv.filter2D(frame, -1, kernel)
fgbg = cv.createBackgroundSubtractorMOG2()
mask = fgbg.apply(image)
```
Setup
==========
You can either setup this library by cloning this repo and running setup.py from the install directory.
```
$ git clone https://github.com/larrett/mhi.git
$ cd mhi
$ python setup.py install
```
Alternatively, use this command to install via pip:
```
$ sudo pip install easy-mhi
```
Usage
==========
* Import the MotionHistoryImage library
```python
from easy-mhi import generate_mhi
```
* Below is an demonstration of how I used the library to generate MHI's from
a directory containing background subtracted images I wanted to combine in incremental order,
and saving them.
```python
from PIL import Image
import os
import shutil
from easy-mhi import generate_mhi
def generate_mhi_frames(
file_dir,
num_frames_per_mhi,
start_index=1,
output_dir='mhi_output',
):
all_frames = [] # Create list of frames
i = start_index
while True: # For all files
file = file_dir + '/' + str(i) + '.jpg' # File from starting index
try:
img_pixels = Image.open(file).convert('RGB').load() # Open and load the file
all_frames.append(img_pixels) # Append file to list of frames
print('Loaded frame ' + file)
except IOError:
print('Assuming all images are loaded... (next sequential file ' \
+ file + ' does not exist)')
break
i += 1 # Increment index
print('Loaded ' + str(len(all_frames)) + ' raw motion frames!')
# Generate each MHI frame
num_mhis = len(all_frames) - num_frames_per_mhi + 1 # Calculation how many MHI images should be generated
for i in range(num_mhis):
# Compile list of frames to be used for this MHI
mhi_frames = [] # Create a list of MHI frames
for j in range(num_frames_per_mhi): # Loop for amount of frames inside each MHI
mhi_frames.append(all_frames[i + j]) # Specify which frames to get added to MHI
# Generate MHI
img = generate_mhi(mhi_frames, 224, 224) # Generate 224x224 MHI based on frames in mhi_frames list
output_path = output_dir + '/' + str(i + 1) + '.png' # Create string for outputPath
img.save(output_path) # Save new MHI to outputPath
print('MHI ' + str(i + 1) + ' saved to ' + output_path)
# Return to top of loop, generate next MHI for the frames
print('Generated and saved a total of ' + str(num_mhis) \
+ ' MHI frames to ' + file_dir + '/mhi_output/')
```
<sup>Use this project for whatever you want, I built this for my machine-learning thesis on fall detection.<sup>
نیازمندی
| مقدار | نام |
|---|---|
| ~=8.0 | Pillow |
نحوه نصب
نصب پکیج whl easy-mhi-1.3:
pip install easy-mhi-1.3.whl
نصب پکیج tar.gz easy-mhi-1.3:
pip install easy-mhi-1.3.tar.gz