【源码】基于via的学生行为数据标注与yolov7检测系统

基于via的课堂学生行为数据标注与

yolov7目标检测系统

源

代

码

README.md

#0via2yolo

via->yolo,yolo->via

via2yolo，是将via中标注的数据转化为yolo格式数据集，并且对数据集可视化与检测，检查包括数量上的

检查和小点的检查。

环境搭建：

```

condacreate--namevia2yolopython=3.8-y

```

激活环境：

```

condaactivatevia2yolo

```

退出环境：

```

condadeactivate

```

删除环境:

```

condaremove-nvia2yolo-all

```

安装opencv

```

pipinstallopencv-python-headless==0

```

#1via2yolo1.py

via2yolo1.py是将via转化为yolo格式

注意这是via中只框选了举手这个动作，就是将框转化为yolo格式，行为默认为0

```

pythonvia2yolo1.py--riseHand_via_dataset./riseHand_via_dataset--riseHand_Dataset./riseHand_Dataset

--tain_r0.8

```

#2viaExtendAction1.py

viaExtendAction1.py是对举手的数据集进行via标注扩展，扩展更多动作

```

pythonviaExtendAction1.py--Dataset_dir./Dataset--newDataset_dir./newDataset

```

#3via2yolo2.py

via2yolo2.py是将via转化为yolo格式

注意这是via中多个动作转化为yolo格式

并且可以检查没有标注的框，并给出没有标注的图片名字

```

1

pythonvia2yolo2.py--RRW_via_Dataset./RRW_via_Dataset--RRW_Dataset./RRW_Dataset--tain_r0.8

```

#2check.py

check.py的作用就是是检查via中的框的数量和yolo格式数据集的框的数量是否一致

```

pythoncheck.py--via_Dataset./riseHand_via_dataset--yolo_Dataset./riseHand_Dataset

```

#3visual.py

visual.py的作用可视化yolo数据集

```

pythonvisual.py--yolo_Dataset./riseHand_Dataset--Visual_dir./Visual

```

#4check_dot.py

check_dot.py是将找到小点对应的图片名字（图片名字中包含路径信息）

```

pythoncheck_dot.py--dot_size15--via_Dataset./riseHand_via_dataset

```

check.py

#该文件的作用就是是检查via中的框的数量和yolo格式数据集的框的数量是否一致

#pythoncheck.py--via_Dataset./riseHand_via_dataset--yolo_Dataset./riseHand_Dataset

importos

importjson

importcv2

importargparse

parser=argparse.ArgumentParser()

parser.add_argument('--via_Dataset',default='./riseHand_via_dataset',type=str)

parser.add_argument('--yolo_Dataset',default='./riseHand_Dataset',type=str)

arg=parser.parse_args()

#yolo数据集的存放位置yolo_Dataset

yolo_Dataset=arg.yolo_Dataset

#via数据集的存放位置via_Dataset

via_Dataset=arg.via_Dataset

#train_label_dir训练标签的位置

train_label_dir=os.path.join(yolo_Dataset,'labels/train')

#val_label_dir测试标签的位置

val_label_dir=os.path.join(yolo_Dataset,'labels/val')

#countBox是计算json文件中每张图片对应多少框

defcountBox(json,root):

#循环读出每一个框的信息，并且图片和框的数量存放在dict中

dict={}

foriinjson['metadata']:

#读取vid，一张图片中的所有框，vid是相同的

vid=i.split('_')[0]

#通过vid找到对应的图片

2

image_name=json['file'][vid]['fname']

#对图片中的框进行计数，如果第一次出现，进入else，计数为1，否则累加

ifimage_nameindict:

dict[image_name]=dict[image_name]+1

else:

dict[image_name]=1

returndict

#check_yolo是检查via中的框的数量和yolo格式数据集的框的数量是否一致

defcheck_yolo(dict_box):

#循环读取出每张图片中的检测框数量

forimage_nameindict_box:

#获取对应txt的名字和对应的路径

txt_name=image_name.split('.')[0]+'.txt'

#由于不知道txt位于train还是val中，所以需要都生成，然后判断。

txt_train_path=os.path.join(train_label_dir,txt_name)

txt_val_path=os.path.join(val_label_dir,txt_name)

#判断图片是在train中，还是在val中

ifos.path.exists(txt_train_path):

txt_path=txt_train_path

elifos.path.exists(txt_val_path):

txt_path=txt_val_path

else:

#如果txt不存在于train或者val中，报错

print("noexists:")

print(txt_train_path)

print(txt_val_path)

input()

#读取txt，计算出有多少行，每一行就代表一个框

txt_file=open(txt_path)

lines=len(txt_file.readlines())

#判断via中框的数量与txt的框的数量是否匹配。

ifnotlines==dict_box[image_name]:

print("error:",image_name)

input()

txt_file.close()

#循环读出所有json文件

forroot,dirs,filesinos.walk(via_Dataset,topdown=False):

fornameinfiles:

file_dir=os.path.join(root,name)

if'.json'inname:

file_json=open(file_dir,'r')

file_json_content=json.loads(file_json.read())

3

dict_box=countBox(file_json_content,root)

file_json.close()

check_yolo(dict_box)

print(name)

check_dot.py

#这一段代码是将找到小点对应的图片名字（图片名字中包含路径信息）

#pythoncheck_dot.py--dot_size15--via_Dataset./riseHand_via_dataset

importos

importjson

importargparse

parser=argparse.ArgumentParser()

#dot_size是调整筛选小点的阈值

parser.add_argument('--dot_size',default=15,type=int)

parser.add_argument('--via_Dataset',default='./riseHand_via_dataset',type=str)

arg=parser.parse_args()

dot_size=arg.dot_size

via_Dataset=arg.via_Dataset

#计数有多少小点

dot_num=0

#countBox是计算json文件中每张图片对应多少框

defsearch_dot(json,root):

globaldot_num

#循环读出每一个框的信息，并且图片和框的数量存放在dict中

dict={}

foriinjson['metadata']:

#读取vid，一张图片中的所有框，vid是相同的

vid=i.split('_')[0]

#通过vid找到对应的图片

image_name=json['file'][vid]['fname']

#读取坐标信息

xy=json['metadata'][i]['xy']

#xy[3]，xy[4]是wh，如果w或者h都小于阈值，则判定为小点

iffloat(xy[3])<dot_sizeorfloat(xy[4])<dot_size:

print("dot:",image_name)

dot_num=dot_num+1

#循环读出所有json文件

forroot,dirs,filesinos.walk(via_Dataset,topdown=False):

fornameinfiles:

file_dir=os.path.join(root,name)

if'.json'inname:

file_json=open(file_dir,'r')

file_json_content=json.loads(file_json.read())

search_dot(file_json_content,root)

4

print("dot_num:",dot_num)

via2yolo.py

#这一段代码是将via转化为yolo格式

#pythonvia2yolo.py--Via_Dataset_dir./riseHand_via_dataset--Dataset_dir./riseHand_Dataset--tain_r0.8

#注意这是via中只框选了举手这个动作，就是将框转化为yolo格式，行为默认为0

#注意，这个不兼容windows系统

importos

importjson

importcv2

importrandom

importargparse

parser=argparse.ArgumentParser()

parser.add_argument('--Via_Dataset_dir',default='./via_dataset',type=str)

parser.add_argument('--Dataset_dir',default='./Dataset',type=str)

parser.add_argument('--tain_r',default=0.65,type=float)

arg=parser.parse_args()

Via_Dataset_dir=arg.Via_Dataset_dir

#yolo数据集的存放位置Dataset_dir

Dataset_dir=arg.Dataset_dir

#清空Dataset_dir下的文件及文件夹

os.system('rm-r'+Dataset_dir+'/*')

#在Dataset_dir下创建labelsimagestrainval

os.system('mkdir-p'+Dataset_dir+'/{labels,images}/{train,val}')

#训练集与验证集的比例，tain_r代表训练集的比例，1-tain_r代表验证集的比例

tain_r=arg.tain_r

#设置labelsimagestrainval的路径

train_label_dir=Dataset_dir+'/labels/train/'

val_label_dir=Dataset_dir+'/labels/val/'

train_image_dir=Dataset_dir+'/images/train/'

val_image_dir=Dataset_dir+'/images/val/'

#via2yolo函数是将via信息转化为yolo的格式

defvia2yolo(json,root):

#循环读出每一个框的信息

foriinjson['metadata']:

#从i中获取vid

vid=i.split('_')[0]

#获取对应的图片名字

image_name=json['file'][vid]['fname']

#获取图片的路径

image_dir=os.path.join(root,image_name)

#读取图片的高和宽

img=cv2.imread(image_dir)

5

h=img.shape[0]

w=img.shape[1]

#读取via中的坐标xywh，框的左上角坐标xy，与框的宽高

xywh=json['metadata'][i]['xy'][1:]

'''

将xywh转化为yolo的格式

第一个参数是0，代表举手这一个分类

第二个参数是，框的中心坐标x，归一化处理

第三个参数是，框的中心坐标y，归一化处理

第四个参数是，框的宽度w，归一化处理

第五个参数是，框的高度h，归一化处理

第六个参数是，换行

'''

xcyc_wh='0'+str((xywh[0]+xywh[2]/2)/w)+''+str((xywh[1]+xywh[3]/2)/h)+\

''+str(xywh[2]/w)+''+str(xywh[3]/h)+'\n'

#设置txt的train和val的路径

temp_train_txt_path=os.path.join(train_label_dir,image_name.split('.')[0]+'.txt')

temp_val_txt_path=os.path.join(val_label_dir,image_name.split('.')[0]+'.txt')

'''

判断当前的temp_train_txt_path或者temp_val_txt_path是否已经存在

如果不存在，就进入if中

不存在代表已经进入下一个图片的框了，需要创建一个新的txt

如果存在，就进入else中

'''

ifnot(os.path.isfile(temp_train_txt_path)oros.path.isfile(temp_val_txt_path)):

#这里的train和val的划分采用随机数方式

#这里会更新txt的路径和图片的路径

ifrandom.random()<=tain_r:

txt_path=temp_train_txt_path

image_path=os.path.join(train_image_dir,image_name)

else:

txt_path=temp_val_txt_path

image_path=os.path.join(val_image_dir,image_name)

#将图片复制到指定路径

os.system('cp'+image_dir+''+image_path)

'''

由于via中的标注可能存在后续的添加的框，使得框的顺序会是乱的

如果不加下放的else内容，会使得后续的添加的框不能放在对应的txt中，而放到了上一个

循环的txt中

所以需要在else中判断，当前循环的框所对应的图片名与当前的txt名是否相同，如果不同，

6

说明出现上述问题

那么就需要重置txt

'''

else:

#判断当前循环的框所对应的图片名与当前的txt名是否相同

ifimage_name.split('.')[0]==image_name.split('/')[-1].split('.')[0]:

#判断重置的txt路径是在train中还是在val中

ifos.path.isfile(temp_train_txt_path):

txt_path=temp_train_txt_path

else:

txt_path=temp_val_txt_path

#向指定txt路径追加内容

withopen(txt_path,"a")asfile:#a，代表追加内容

file.write(xcyc_wh)

#循环读出所有json文件

forroot,dirs,filesinos.walk(Via_Dataset_dir,topdown=False):

fornameinfiles:

file_dir=os.path.join(root,name)

if'.json'inname:

file_json=open(file_dir,'r')

file_json_content=json.loads(file_json.read())

via2yolo(file_json_content,root)

file_json.close()

print(file_dir)

via2yolo1.py

#这一段代码是将via转化为yolo格式

#pythonvia2yolo1.py--riseHand_via_dataset./riseHand_via_dataset--riseHand_Dataset./riseHand_Dataset

--tain_r0.8

#注意这是via中只框选了举手这个动作，就是将框转化为yolo格式，行为默认为0

importos

importjson

importcv2

importrandom

importargparse

importshutil

parser=argparse.ArgumentParser()

parser.add_argument('--riseHand_via_dataset',default='./riseHand_via_dataset',type=str)

parser.add_argument('--riseHand_Dataset',default='./riseHand_Dataset',type=str)

parser.add_argument('--tain_r',default=0.65,type=float)

arg=parser.parse_args()

riseHand_via_dataset=arg.riseHand_via_dataset

#yolo数据集的存放位置Dataset_dir

riseHand_Dataset=arg.riseHand_Dataset

#清空riseHand_Dataset下的文件及文件夹

7

ifos.path.exists(riseHand_Dataset):

shutil.rmtree(riseHand_Dataset)

#在Dataset_dir下创建labelsimagestrainval

os.makedirs(riseHand_Dataset+'/labels/train')

os.makedirs(riseHand_Dataset+'/labels/val')

os.makedirs(riseHand_Dataset+'/images/train')

os.makedirs(riseHand_Dataset+'/images/val')

#训练集与验证集的比例，tain_r代表训练集的比例，1-tain_r代表验证集的比例

tain_r=arg.tain_r

#设置labelsimagestrainval的路径

train_label_dir=riseHand_Dataset+'/labels/train/'

val_label_dir=riseHand_Dataset+'/labels/val/'

train_image_dir=riseHand_Dataset+'/images/train/'

val_image_dir=riseHand_Dataset+'/images/val/'

#via2yolo函数是将via信息转化为yolo的格式

defvia2yolo(json,root):

#循环读出每一个框的信息

foriinjson['metadata']:

#从i中获取vid

vid=i.split('_')[0]

#获取对应的图片名字

image_name=json['file'][vid]['fname']

#获取图片的路径

image_dir=os.path.join(root,image_name)

#读取图片的高和宽

img=cv2.imread(image_dir)

h=img.shape[0]

w=img.shape[1]

#读取via中的坐标xywh，框的左上角坐标xy，与框的宽高

xywh=json['metadata'][i]['xy'][1:]

'''

将xywh转化为yolo的格式

第一个参数是0，代表举手这一个分类

第二个参数是，框的中心坐标x，归一化处理

第三个参数是，框的中心坐标y，归一化处理

第四个参数是，框的宽度w，归一化处理

第五个参数是，框的高度h，归一化处理

第六个参数是，换行

'''

xcyc_wh='0'+str((xywh[0]+xywh[2]/2)/w)+''+str((xywh[1]+xywh[3]/2)/h)+\

8

''+str(xywh[2]/w)+''+str(xywh[3]/h)+'\n'

#设置txt的train和val的路径

temp_train_txt_path=os.path.join(train_label_dir,image_name.split('.')[0]+'.txt')

temp_val_txt_path=os.path.join(val_label_dir,image_name.split('.')[0]+'.txt')

'''

判断当前的temp_train_txt_path或者temp_val_txt_path是否已经存在

如果不存在，就进入if中

不存在代表已经进入下一个图片的框了，需要创建一个新的txt

如果存在，就进入else中

'''

ifnot(os.path.isfile(temp_train_txt_path)oros.path.isfile(temp_val_txt_path)):

#这里的train和val的划分采用随机数方式

#这里会更新txt的路径和图片的路径

ifrandom.random()<=tain_r:

txt_path=temp_train_txt_path

image_path=os.path.join(train_image_dir,image_name)

else:

txt_path=temp_val_txt_path

image_path=os.path.join(val_image_dir,image_name)

#将图片复制到指定路径

shutil.copy(image_dir,image_path)

'''

由于via中的标注可能存在后续的添加的框，使得框的顺序会是乱的

如果不加下放的else内容，会使得后续的添加的框不能放在对应的txt中，而放到了上一个

循环的txt中

所以需要在else中判断，当前循环的框所对应的图片名与当前的txt名是否相同，如果不同，

说明出现上述问题

那么就需要重置txt

'''

else:

#判断当前循环的框所对应的图片名与当前的txt名是否相同

ifimage_name.split('.')[0]==image_name.split('/')[-1].split('.')[0]:

#判断重置的txt路径是在train中还是在val中

ifos.path.isfile(temp_train_txt_path):

txt_path=temp_train_txt_path

else:

txt_path=temp_val_txt_path

#向指定txt路径追加内容

withopen(txt_path,"a")asfile:#a，代表追加内容

file.write(xcyc_wh)

#循环读出所有json文件

forroot,dirs,filesinos.walk(riseHand_via_dataset,topdown=False):

9

fornameinfiles:

file_dir=os.path.join(root,name)

if'.json'inname:

file_json=open(file_dir,'r')

file_json_content=json.loads(file_json.read())

via2yolo(file_json_content,root)

file_json.close()

print(file_dir)

via2yolo2.py

#这一段代码是将via转化为yolo格式

#pythonvia2yolo2.py--RRW_via_Dataset./RRW_via_Dataset--RRW_Dataset./RRW_Dataset--tain_r0.8

#注意这是via中多个动作转化为yolo格式

#并且可以检查没有标注的框，并给出没有标注的图片

importos

importjson

importcv2

importrandom

importargparse

importshutil

parser=argparse.ArgumentParser()

parser.add_argument('--RRW_via_Dataset',default='./RRW_via_Dataset',type=str)

parser.add_argument('--RRW_Dataset',default='./RRW_Dataset',type=str)

parser.add_argument('--tain_r',default=0.8,type=float)

arg=parser.parse_args()

RRW_via_Dataset=arg.RRW_via_Dataset

#yolo数据集的存放位置Dataset_dir

RRW_Dataset=arg.RRW_Dataset

#删除Dataset_dir文件夹

ifos.path.exists(RRW_Dataset):

shutil.rmtree(RRW_Dataset)

#在Dataset_dir下创建labelsimagestrainval

os.makedirs(RRW_Dataset+'/labels/train')

os.makedirs(RRW_Dataset+'/labels/val')

os.makedirs(RRW_Dataset+'/images/train')

os.makedirs(RRW_Dataset+'/images/val')

#训练集与验证集的比例，tain_r代表训练集的比例，1-tain_r代表验证集的比例

tain_r=arg.tain_r

#设置labelsimagestrainval的路径

train_label_dir=RRW_Dataset+'/labels/train/'

val_label_dir=RRW_Dataset+'/labels/val/'

train_image_dir=RRW_Dataset+'/images/train/'

val_image_dir=RRW_Dataset+'/images/val/'

10

#via2yolo函数是将via信息转化为yolo的格式·

defvia2yolo(json,root):

#循环读出每一个框的信息

foriinjson['metadata']:

#从i中获取vid

vid=i.split('_')[0]

#获取对应的图片名字

image_name=json['file'][vid]['fname']

#获取图片的路径

image_dir=os.path.join(root,image_name)

#读取图片的高和宽

img=cv2.imread(image_dir)

h=img.shape[0]

w=img.shape[1]

#读取via中的坐标xywh，框的左上角坐标xy，与框的宽高

xywh=json['metadata'][i]['xy'][1:]

#获取动作的id

try:

action_id=json['metadata'][i]['av']['1']

exceptKeyError:

print(json['metadata'][i]['av'])

print("下面的图片中有没有标注的框")

print("image_name:",image_name)

input()

'''

将xywh转化为yolo的格式

第一个参数是0，代表举手这一个分类

第二个参数是，框的中心坐标x，归一化处理

第三个参数是，框的中心坐标y，归一化处理

第四个参数是，框的宽度w，归一化处理

第五个参数是，框的高度h，归一化处理

第六个参数是，换行

'''

xcyc_wh=action_id+''+str((xywh[0]+xywh[2]/2)/w)+''+str((xywh[1]+xywh[3]/2)/h)+\

''+str(xywh[2]/w)+''+str(xywh[3]/h)+'\n'

#设置txt的train和val的路径

temp_train_txt_path=os.path.join(train_label_dir,image_name.split('.')[0]+'.txt')

temp_val_txt_path=os.path.join(val_label_dir,image_name.split('.')[0]+'.txt')

'''

判断当前的temp_train_txt_path或者temp_val_txt_path是否已经存在

如果不存在，就进入if中

不存在代表已经进入下一个图片的框了，需要创建一个新的txt

如果存在，就进入else中

11

'''

ifnot(os.path.isfile(temp_train_txt_path)oros.path.isfile(temp_val_txt_path)):

#这里的train和val的划分采用随机数方式

#这里会更新txt的路径和图片的路径

ifrandom.random()<=tain_r:

txt_path=temp_train_txt_path

image_path=os.path.join(train_image_dir,image_name)

else:

txt_path=temp_val_txt_path

image_path=os.path.join(val_image_dir,image_name)

#将图片复制到指定路径

shutil.copy(image_dir,image_path)

'''

由于via中的标注可能存在后续的添加的框，使得框的顺序会是乱的

如果不加下放的else内容，会使得后续的添加的框不能放在对应的txt中，而放到了上一个

循环的txt中

所以需要在else中判断，当前循环的框所对应的图片名与当前的txt名是否相同，如果不同，

说明出现上述问题

那么就需要重置txt

'''

else:

#判断当前循环的框所对应的图片名与当前的txt名是否相同

ifimage_name.split('.')[0]==image_name.split('/')[-1].split('.')[0]:

#判断重置的txt路径是在train中还是在val中

ifos.path.isfile(temp_train_txt_path):

txt_path=temp_train_txt_path

else:

txt_path=temp_val_txt_path

#向指定txt路径追加内容

withopen(txt_path,"a")asfile:#a，代表追加内容

file.write(xcyc_wh)

#循环读出所有json文件

forroot,dirs,filesinos.walk(RRW_via_Dataset,topdown=False):

fornameinfiles:

file_dir=os.path.join(root,name)

if'.json'inname:

file_json=open(file_dir,'r')

file_json_content=json.loads(file_json.read())

via2yolo(file_json_content,root)

file_json.close()

print(file_dir)

viaextendaction1.py

#这段代码是对举手的数据集进行via标注扩展，扩展更多动作

12

#pythonviaExtendAction1.py--riseHand_via_dataset./riseHand_via_dataset

--RRW_via_Dataset./RRW_via_Dataset

importos

importjson

importargparse

importshutil

parser=argparse.ArgumentParser()

parser.add_argument('--riseHand_via_dataset',default='./riseHand_via_dataset',type=str)

parser.add_argument('--RRW_via_Dataset',default='./RRW_via_Dataset',type=str)

arg=parser.parse_args()

#Dataset_dir是via举手数据集的位置

riseHand_via_dataset=arg.riseHand_via_dataset

#newDataset_dir是扩展后的via数据集的位置，RRW分别代表举手、看书、写字

RRW_via_Dataset=arg.RRW_via_Dataset

#扩展数据集

attributes_dict={

'1':dict(aname='动作',type=3,options={'0':'举手','1':'看书','2':'写字'},default_option_id="",

anchor_id='FILE1_Z0_XY1'),

}

#清空RRW_via_Dataset下的文件及文件夹

ifos.path.exists(RRW_via_Dataset):

shutil.rmtree(RRW_via_Dataset)

#将riseHand_via_dataset复制

shutil.copytree(riseHand_via_dataset,RRW_via_Dataset)

forroot,dirs,filesinos.walk(riseHand_via_dataset,topdown=False):

fornameinfiles:

if'.json'inname:

json_path=os.path.join(root,name)

withopen(json_path)asf:

json_data=json.load(f)

#添加扩展动作

json_data['attribute']=attributes_dict

foreleinjson_data['metadata']:

#添加举手的标签

json_data['metadata'][ele]['av']={"1":"0"}

new_json_pathx=json_path.replace(riseHand_via_dataset,RRW_via_Dataset)

new_json=open(new_json_pathx,'w')

new_json.write(json.dumps(json_data))

visual.py

#pythonvisual.py--yolo_Dataset./riseHand_Dataset--Visual_dir./Visual

#本代码的作用可视化yolo数据

importos

importnumpyasnp

importcv2

13

importargparse

importshutil

parser=argparse.ArgumentParser()

parser.add_argument('--yolo_Dataset',default='./riseHand_Dataset',type=str)

parser.add_argument('--Visual_dir',default='./Visual',type=str)

arg=parser.parse_args()

yolo_Dataset=arg.yolo_Dataset

Visual_dir=arg.Visual_dir

#清空Visual_dir下的文件及文件夹

ifos.path.exists(Visual_dir):

shutil.rmtree(Visual_dir)

#在Visual_dir下创建labelsimagestrainval

os.makedirs(Visual_dir)

train_label_path=os.path.join(yolo_Dataset,'labels/train')

train_image_path=os.path.join(yolo_Dataset,'images/train')

val_label_path=os.path.join(yolo_Dataset,'labels/val')

val_image_path=os.path.join(yolo_Dataset,'images/val')

#坐标转换，原始存储的是YOLOv5格式

#Convertnx4boxesfrom[x,y,w,h]normalizedto[x1,y1,x2,y2]wherexy1=top-left,xy2=bottom-right

defxywh2xyxy(x,w1,h1,img):

labels=['s1','s2','s3']

label,x,y,w,h=x

#边界框反归一化

x_t=x*w1

y_t=y*h1

w_t=w*w1

h_t=h*h1

#计算坐标

top_left_x=x_t-w_t/2

top_left_y=y_t-h_t/2

bottom_right_x=x_t+w_t/2

bottom_right_y=y_t+h_t/2

returnint(top_left_x),int(top_left_y),int(bottom_right_x),int(bottom_right_y)

#将train中的可视化

forroot,dirs,filesinos.walk(train_label_path,topdown=False):

#循环遍历出所有的txt

fornameinfiles:

txt_path=os.path.join(root,name)

if'.txt'inname:

file_txt=open(txt_path,'r')

14

#读出txt中的数据

lb=np.array([x.split()forxinfile_txt.read().strip().splitlines()],dtype=np.float32)#labels

image_name=name.split('.')[0]+'.png'

image_path=os.path.join(train_image_path,image_name)

#读取图像文件

img=cv2.imread(image_path)

h,w=img.shape[:2]

forxinlb:

#反归一化并得到左上和右下坐标，画出矩形框

x1,y1,x2,y2=xywh2xyxy(x,w,h,img)

#绘图rectangle()函数需要坐标为整数，xywh2xyxy返回值已经是整数了。

cv2.rectangle(img,(x1,y1),(x2,y2),(0,255,0),2)

visual_img_path=os.path.join(Visual_dir,image_name)

#将处理后的图片存储

cv2.imwrite(visual_img_path,img)

#将val中的可视化

forroot,dirs,filesinos.walk(val_label_path,topdown=False):

fornameinfiles:

txt_path=os.path.join(root,name)

if'.txt'inname:

file_txt=open(txt_path,'r')

lb=np.array([x.split()forxinfile_txt.read().strip().splitlines()],dtype=np.float32)#labels

image_name=name.split('.')[0]+'.png'

image_path=os.path.join(val_image_path,image_name)

#读取图像文件

img=cv2.imread(image_path)

h,w=img.shape[:2]

forxinlb:

#反归一化并得到左上和右下坐标，画出矩形框

x1,y1,x2,y2=xywh2xyxy(x,w,h,img)

#绘图rectangle()函数需要坐标为整数，xywh2xyxy返回值已经是整数了。

cv2.rectangle(img,(x1,y1),(x2,y2),(0,255,0),2)

visual_img_path=os.path.join(Visual_dir,image_name)

cv2.imwrite(visual_img_path,img)

via3_tool.py

#-*-coding:utf-8-*-

#文件格式参考:

/vgg/via/-/blob/via-3.x.y/via-3.x.y/CodeDoc.md#structure-of-via-project-json-file

importjson

15

fromcollectionsimportdefaultdict

classVia3Json(object):

def__init_load(self,json_path):

withopen(json_path,'r',encoding='utf-8')asjson_fd:

self.ann_dict=json.load(json_fd)

jects=self.ann_dict['project']

self.configs=self.ann_dict['config']

self.attributes=self.ann_dict['attribute']

self.views=self.ann_dict['view']

self.metadatas=self.ann_dict['metadata']

self.files=self.ann_dict['file']

vid2metadatas=defaultdict(list)

formetadata_keyinself.metadatas:

vid=self.metadatas[metadata_key]['vid']

ifvidinvid2metadatas:

vid2metadatas[vid].append(self.metadatas[metadata_key])

else:

vid2metadatas[vid]=[self.metadatas[metadata_key]]

self.vid2metadatas=vid2metadatas

def__init_dump(self,json_path):

self.json_path=json_path

jects=dict()

self.configs=dict()

self.attributes=dict()

self.files=dict()

self.metadatas=dict()

self.views=dict()

def__init__(self,json_path,mode='load'):

ifmode=='load':

self.__init_load(json_path)

elifmode=='dump':

self.__init_dump(json_path)

else:

raiseException('modecan