next

natanielruiz

2017-09-21 9a02f63f4d5692399a95cb889e8f7629a165c28e

 code/test_on_video.py

@@ -45,7 +45,9 @@
    if not os.path.exists(args.video_path):
        sys.exit('Video does not exist')

    # ResNet50 with 3 outputs.
    # ResNet101 with 3 outputs.
    # model = hopenet.Hopenet(torchvision.models.resnet.Bottleneck, [3, 4, 23, 3], 66)
    # ResNet50
    model = hopenet.Hopenet(torchvision.models.resnet.Bottleneck, [3, 4, 6, 3], 66)
    # ResNet18
    # model = hopenet.Hopenet(torchvision.models.resnet.BasicBlock, [2, 2, 2, 2], 66)
@@ -58,7 +60,8 @@
    print 'Loading data.'

    transformations = transforms.Compose([transforms.Scale(224),
    transforms.RandomCrop(224), transforms.ToTensor()])
    transforms.CenterCrop(224), transforms.ToTensor(),
    transforms.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225])])

    model.cuda(gpu)

@@ -79,6 +82,8 @@
    fourcc = cv2.VideoWriter_fourcc(*'MJPG')
    out = cv2.VideoWriter('output/video/output-%s.avi' % args.output_string, fourcc, 30.0, (width, height))

    txt_out = open('output/video/output-%s.txt' % args.output_string, 'w')

    bbox_file = open(args.bboxes, 'r')
    frame_num = 1

@@ -95,6 +100,7 @@
            out.release()
            video.release()
            bbox_file.close()
            txt_out.close()
            sys.exit(0)

        # Save all frames as they are if they don't have bbox annotation.
@@ -104,6 +110,7 @@
                out.release()
                video.release()
                bbox_file.close()
                txt_out.close()
                sys.exit(0)
            out.write(frame)
            frame_num += 1
@@ -113,9 +120,18 @@
            out.release()
            video.release()
            bbox_file.close()
            txt_out.close()
            sys.exit(0)

        x_min, y_min, x_max, y_max = int(line[1]), int(line[2]), int(line[3]), int(line[4])
        x_min -= 150
        x_max += 150
        y_min -= 250
        y_max += 100
        x_min = max(x_min, 0)
        y_min = max(y_min, 0)
        x_max = min(frame.shape[1], x_max)
        y_max = min(frame.shape[0], y_max)
        # Crop image
        img = frame[y_min:y_max,x_min:x_max]
        img = Image.fromarray(img)
@@ -125,7 +141,7 @@
        img_shape = img.size()
        img = img.view(1, img_shape[0], img_shape[1], img_shape[2])
        img = Variable(img).cuda(gpu)
        yaw, pitch, roll = model(img)
        yaw, pitch, roll, angles = model(img)

        yaw_predicted = F.softmax(yaw)
        pitch_predicted = F.softmax(pitch)
@@ -136,7 +152,10 @@
        roll_predicted = torch.sum(roll_predicted.data[0] * idx_tensor) * 3 - 99

        # Print new frame with cube and TODO: axis
        txt_out.write(str(frame_num) + ' %f %f %f\n' % (yaw_predicted, pitch_predicted, roll_predicted))
        utils.plot_pose_cube(frame, yaw_predicted, pitch_predicted, roll_predicted, (x_min + x_max) / 2, (y_min + y_max) / 2, size = 200)
        # Plot expanded bounding box
        cv2.rectangle(frame, (x_min, y_min), (x_max, y_max), (0,255,0), 3)
        out.write(frame)

        frame_num += 1
@@ -147,6 +166,7 @@
            out.release()
            video.release()
            bbox_file.close()
            txt_out.close()
            sys.exit(0)
        out.write(frame)
        frame_num += 1