Introduzione

Repository contenente il codice per l'addestramento di un classificatore binario per la Human Activity Recognition di balli caraibici. Clicca qui per informazioni dettagliate.

In questo documento viene descritto come utilizzare il codice nel repository.

Eseguire notebooks e scripts

Consiglio di creare un virtual environment con Python 3.10 o superiore e installarvi le dipendenze contenute in requirements.txt.

Descrizione dei notebooks

• estimate-poses.ipynb: data una cartella di video in formato mp4, effettua la stima delle pose e produce dei file json in output.
• evaluate-medium-dataset-swstep2.ipynb:
  1. data una cartella di json contenenti le pose stimate, crea il dataset csv contenente le sliding window (in realtà vi è un csv per ogni json, quindi il csv non è unico);
  2. addestra più modelli sul training set e valuta le prestazioni sul test set.
• cross-validation-medium-swstep2.ipynb: esegue una stratified group cross-validation di una Random Forest e calcola le curve di apprendimento all'aumentare della dimensione del dataset.

Descrizione degli scripts di visualizzazione

Per interrompere l'esecuzione degli script è necessario premere "q".

• visualizer.py consente di visualizzare le pose estratte da YOLO. Possono essere visualizzati un massimo di 4 file json in contemporanea. Ogni file può essere visualizzato in due modalità: poses oppure boxes. Nella gif che segue, quella di sinistra è boxes, quella di destra è poses. Per eseguire lo script: python visualizer.py <config file path> dove <config file path> è il percorso di un file json in cui sono specificati da 1 a 4 video da visualizzare in contemporanea. Ciascuna specifica di video deve contenere le seguenti proprietà:

  • path: percorso del json da visualizzare;
  • display_poses e display_boxes: booleani che specificano la modalità di visualizzazione. Sono mutuamente esclusivi, quindi se uno è true l'altro deve essere false;
  • scale: booleano, deve essere true se e solo se la modalità di visualizzazione è boxes e le pose del video non sono state scalate nell'intervallo [0,1];
  • include_face: booleano, deve essere true se e solo se le pose contenute nel video non hanno i punti chiave relativi al viso.

• visualizer_sliding_window.py consente di visualizzare tutte le sliding window contenute in un file csv, come nel video che segue: Per eseguire lo script: python visualizer_sliding_window.py <config file path> dove <config file path> è il percorso di un file json contenente le seguenti proprietà:

  • path: percorso del csv da visualizzare;
  • delay_between_frames: valore intero, è consigliabile lasciarlo a 25 per avere una visualizzazione a circa 40FPS nei video "poco carichi" di persone. Si può ridurre tale valore se si nota che lo script va a scatti, o lo si può aumentare se va troppo veloce.