-
Notifications
You must be signed in to change notification settings - Fork 0
/
Copy pathcalibration.py
272 lines (209 loc) · 11.9 KB
/
calibration.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
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
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
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
dct = {}
cap = cv2.VideoCapture(0)
# Load custom trained YOLOv8 model
model = YOLO("balls/model-balls.pt")
#runs/detect/train3/weights/best.pt
#face/model-face.pt
#balls/model-balls.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
a=0
i=0
j=0
B1_x=0
B1_y=0
B2_x=0
B2_y=0
M_x=0
M_y=0
M_length=0
S_x=0
S_y=0
l=1
marker_radius=30 # Radius der markierten Punkte
marker_distance=30 # Textabstand zu markierten Punkten
marker_thickness=2 # Schriftdicke der markierten Punkte
list_balls=[]
index=1
xlist_lines=[]
ylist_lines=[]
"""
#Beginn der manuellen Definition der Bahnbreiten bei unterschiedlichen Bahnbreiten (getestet)
n=int(input("Anzahl der Bahnen:"))
pool_width_mm=int(input("Poolbeckenbreite in Millimeter?"))
n_width_list_px=[]
if n>1:
n_width=int(input("Alle Bahnen gleicher Abstand? 0=NEIN; 1=JA: "))
if n_width==0:
for index in range(1,n+1):
n_width=int(input("Abstand von Bahn"+str(index)+" in Millimeter: "))
factor=n_width*(l/pool_width_mm)
n_width_px=n_width*factor
n_width_list_px.append(n_width_px) #Liste mit Bahnbreiten in Pixeln, zur Berechnung der Punkte auf dem Beckenrand
else:
n_width=pool_width_mm/n
factor=n_width*(l/pool_width_mm)
n_width_px=n_width*factor
for index in range(1,n+1):
n_width_list_px.append(n_width_px) #Liste mit Bahnbreiten in Pixeln, zur Berechnung der Punkte auf dem Beckenrand
#einzelne Bahnpunkte auf Beckenrandgerade finden (ungetestet)
k_r=(B2_y-B1_y)/(B2_x-B1_x)
d_new=B1_y-(k_new*B1_x)
# Ausschlussbereich bis oberen, seitlichen Beckenrand von Track n definiert n(x)<k_n*x+d_n, zuvor l(x)
"""
n=int(input("Anzahl der Bahnen:"))
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)
balls=0
for result in results:
for box in result.boxes.cpu().numpy():
balls+=1 #gibt Bällen eine ID
if show_boxes:
a+=1
cls = int(box.cls[0])
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]
dct['list_%s' % i] = [x,y]
act=np.mean([x,y])
pos=np.mean(list(dct.values()))
list_balls.append(balls)
print(a, balls, act, pos)
if len(list_balls)==10 and B1_x==0 and index<2:
if act>(pos+10) or act<(pos-10) or np.mean(list_balls)>1.2:
print("Halten Sie den Ball ruhig oder entfernen Sie andere ähnliche Gegenstände")
a=0
list_balls=[]
else:
B1_x=x
B1_y=y
print("Position B1 erkannt: x=",B1_x," y=",B1_y)
winsound.Beep(500, 3000)
time.sleep(10)
a=0
list_balls=[]
x=r[0]
y=r[1]
dct['list_%s' % i] = [x,y]
act=np.mean([x,y])
if len(list_balls)==10 and B1_x!=0 and len(xlist_lines)<n:
while index<=n:
if len(list_balls)==10 and B1_x!=0 and B2_x==0: #für nBahnen
if act>(pos+10) or act<(pos-10):
a=0
list_balls=[]
else:
xlist_lines.append(x)
ylist_lines.append(y)
print("Bahn", index, "erkannt: x=",xlist_lines[index-1]," y=",ylist_lines[index-1])
winsound.Beep(500, 3000)
#Kreis zeichnen (Mittelpunkt, Radius, BRG-Farbe, Linienstärke, wenn neg. Farbausfüllung des Kreises)
cv2.circle(frame,(xlist_lines[index-1],ylist_lines[index-1]), marker_radius, (0,255,0), marker_thickness)
#Text einfügen (Text, Koordinate links oben, font, Schriftgröße, BRG-Farbe, Schriftdicke)
font = cv2.FONT_HERSHEY_SIMPLEX
cv2.putText(frame,'Bahn '+str(index),(xlist_lines[index-1]+marker_distance,ylist_lines[index-1]+marker_distance), font, 1,(0,0,0),marker_thickness)
time.sleep(15)
a=0
list_balls=[]
x=r[0]
y=r[1]
dct['list_%s' % i] = [x,y]
act=np.mean([x,y])
pos=np.mean(list(dct.values()))
index+=1
break
elif len(list_balls)==10 and B1_x!=0 and B2_x==0 and len(xlist_lines)==n:
if act>(pos+10) or act<(pos-10):
a=0
list_balls=[]
else:
B2_x=x
B2_y=y
print("Position B2 erkannt: x=",B2_x," y=",B2_y)
winsound.Beep(500, 3000)
time.sleep(15)
a=0
list_balls=[]
x=r[0]
y=r[1]
dct['list_%s' % i] = [x,y]
act=np.mean([x,y])
pos=np.mean(list(dct.values()))
elif len(list_balls)==10 and B1_x!=0 and B2_x!=0:
if act>(pos+10) or act<(pos-10):
a=0
list_balls=[]
else:
M_x=x
M_y=y
print("Position M erkannt: x=",M_x," y=",M_y)
M_length=math.sqrt( math.pow(B2_x-M_x,2) + math.pow(B2_y-M_y,2) )
print('xList: ',xlist_lines,'yList: ',ylist_lines)
print("Signallinienlänge in Pixel: ",M_length)
winsound.Beep(500, 3000)
k_r=(B2_y-B1_y)/(B2_x-B1_x)
e=(B2_x-B1_x)*(B2_x-B1_x)
f=(B2_y-B1_y)*(B2_y-B1_y)
l=np.sqrt(e+f) #Schwimmbeckenbreite in Pixel
S_x=M_x-l #Pkt. S befindet sich auf Höhe von B1
S_y=M_y-l*k_r
k_t=(B2_y-S_y)/(B2_x-S_x)
while (j<index-1):
#cv2.line(image, start_point, end_point, color in BGR, thickness in PX)
cv2.line(frame,(int(xlist_lines[j]),int(ylist_lines[j])),(int(xlist_lines[j]*10),int(ylist_lines[j]*10+k_t)),(255,0,0),2) #Bahnlinien
#Text einfügen (Text, Koordinate links oben, font, Schriftgröße, BRG-Farbe, Schriftdicke)
cv2.putText(frame,'Bahn '+str(j+1),(xlist_lines[j],ylist_lines[j]), font, 0.5,(0,255,0),marker_thickness) #Bahnkennzeichnungen
j+=1
elif B1_x!=0 and B2_x!=0 and M_x!=0:
raise SystemExit("Konfiguration erfolgreich!")
#Rechteck über Schwimmer
cv2.rectangle(frame, r[:2], r[2:], (255, 255, 255), 2)
#Punkt B1 Anzeige
#Kreis zeichnen (Mittelpunkt, Radius, BRG-Farbe, Linienstärke, wenn neg. Farbausfüllung des Kreises)
cv2.circle(frame,(B1_x,B1_y), marker_radius, (255,255,255), marker_thickness)
#Text einfügen (Text, Koordinate links oben, font, Schriftgröße, BRG-Farbe, Schriftdicke)
font = cv2.FONT_HERSHEY_SIMPLEX
cv2.putText(frame,'B1',(B1_x+marker_distance,B1_y+marker_distance), font, 1,(0,0,0),marker_thickness)
#Punkt B2 Anzeige
cv2.circle(frame,(B2_x,B2_y), marker_radius, (255,255,255), marker_thickness)
font = cv2.FONT_HERSHEY_SIMPLEX
cv2.putText(frame,'B2',(B2_x+marker_distance,B2_y+marker_distance), font, 1,(0,0,0),marker_thickness)
#Punkt M Anzeige
cv2.circle(frame,(M_x,M_y), marker_radius, (255,255,255), marker_thickness)
font = cv2.FONT_HERSHEY_SIMPLEX
cv2.putText(frame,'M',(M_x+marker_distance,M_y+marker_distance), font, 1,(0,0,0),marker_thickness)
#Beckenrandlinie
#cv2.line(image, start_point, end_point, color in BGR, thickness in PX)
cv2.line(frame,(B1_x,B1_y),(B2_x,B2_y),(255,0,0),2) #Beckenrandlinie
cv2.line(frame,(M_x,M_y),(int(S_x),int(S_y)),(0,255,0),2) #Signallinie
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()