PyAutoMakerHuman

사람과 관련된 자동화 모듈

주의

이 프로젝트는 아직 개발중입니다 내보내는 API는 언제든지 바뀔 수 있습니다

설치

pip install PyAutoMakerHuman

또는

git clone https://github.com/boa9448/PyAutoMakerHuman.git
cd PyAutoMakerHuman
python setup.py install

사용

데이터셋 폴더 구조

dataset
├─face
└─hand
    ├─paper
    ├─rock
    └─scissors

분류기 학습

import os
import PyAutoMakerHuman as pamh

#데이터셋 경로 지정
dataset_path = os.path.join("dataset", "hand")

#손 검출 임계치 0.7
hand = pamh.HandUtil(min_detection_confidence=0.7)

#데이터셋의 경로를 넘겨주면 사전형 값을 리턴함
data = hand.extract_dataset(dataset_path)
train_data, name = data["data"], data["name"]

trainer = pamh.SvmUtil()
#svm 학습
trainer.train_svm(train_data, name)

#학습된 svm 모델을 myModel폴더에 저장
trainer.save_svm("myModel")

이미지에서 손모양 분류

import cv2
import imutils
import os
import PyAutoMakerHuman as pamh
import random

hand = pamh.HandUtil(min_detection_confidence=0.7)
trainer = pamh.SvmUtil()

#학습된 svm모델을 불러옴
#myModel폴더에 있는 모델과 라벨을 불러옴
trainer.load_svm("myModel")

#이미지를 읽어옴
img_path = "test.jpg"
img = cv2.imread(img_path)

#이미지 리사이즈
img = imutils.resize(img, width=600)
#이미지에서 박스와 랜드마크를 추출함
data_list = hand.extract(img)

color_dict = {}
#이미지에서 탐지를 성공했다면...
if data_list:
    for idx, data in enumerate(data_list):
        landmark_1d = data[1]
        name, proba = trainer.predict([landmark_1d])

        box = data[0]
        color = (0, 0, 0)

        if name in color_dict:
            color = color_dict[name]
        else:
            color = (random.randint(0, 255), random.randint(0, 255), random.randint(0, 255))
            color_dict[name] = color


        cv2.putText(img, f"{name} : {proba:.2f}", (box[0], box[1] - 25)
                    , cv2.FONT_HERSHEY_SIMPLEX, 1, color, 2, cv2.LINE_AA)
        cv2.rectangle(img, (box[0], box[1]), (box[0] + box[2], box[1] + box[3])
                        , color, 2)


cv2.imshow("view", img)
cv2.waitKey()
cv2.destroyAllWindows()

추후 개발

간단하게 모델을 학습 시킬 수 있는 GUI도구

GUI도구 미리 둘러보기

패키지 설치 후 python -m PyAutoMakerHuman