行人检测（3）——数据集

1. HOG+SVM使用的行人识别数据集

• （1） INRIA Person Dataset（INRIA行人数据库）——可见光数据集，样本大小128*64

2. 红外行人数据集：KAIST Multispectral Pedestrain Detection Benchmark

• github地址：https://github.com/SoonminHwang/rgbt-ped-detection 
• 这个是多光谱图像：对齐的RGB+热像仪图像，640×480像素，手动注释所有人，骑自行车的人。注释包括边界框（如Caltech Pedestrian Dataset）之间的时间对应。
• 许多人也在努力提高我们的基准行人检测性能，如：
  • FusionRPN + BDT [CVPR '17]: 29.83%
  • Halfway Fusion [BMVC '16]: 36.22%
  • LateFusion CNN [ESANN '16]: 43.80%
  • CMT-CNN [CVPR '17]: 49.55%
  • Baseline, ACF+T+THOG [CVPR '15]: 54.40%

• 其他研究人员也采用多模态的方法，Also, another researches to employ multi-modality are presented.

  • Image-to-image translation [Arxiv '17]
  • Calibrations

3. 南方科技大学的红外数据集：SCUT_FIR_Pedestrian_Dataset

• Github地址： https://github.com/SCUT-CV/SCUT_FIR_Pedestrian_Dataset
• 一些算法在此数据集下的表现：

• 执行之前，先运行一下starup，将所有的文件夹加入当前路径，才能方便的调用其他函数
•  extract_img_anno_scut
• dbExtract_scut 从数据库seq提取images，同时提取annotations到Txt files
• 从pth的annatation里面load ground truth，即annatations文件夹要放在pth的路径下面
• 然后将提取到的Images放在tDir的images文件夹下面
• seq文件要放在pth的videos文件夹下面。
• 然后运行 extract_img_anno_scut函数即可

得到的结果如下：

import cv2
import os
import sys
import glob
from PIL import Image

# VEDAI 图像存储位置
src_img_dir = "F:\\pedestrain detection benchmark\\SCUT_FIR_Pedestrian_Dataset-master\\train02\\images\\"
# VEDAI 图像的 ground truth 的 txt 文件存放位置
src_txt_dir = "F:\\pedestrain detection benchmark\\SCUT_FIR_Pedestrian_Dataset-master\\train02\\annotations\\"
# 所有的图像名称
img_Lists = glob.glob(src_img_dir + '/*.jpg')

img_basenames = []  # e.g. 100.jpg
for item in img_Lists:
    img_basenames.append(os.path.basename(item))

img_names = []  # e.g. 100
for item in img_basenames:
    temp1, temp2 = os.path.splitext(item)
    img_names.append(temp1)

for img in img_names:
    # open the crospronding txt file
    with open(src_txt_dir + '/' + img + '.txt',"r") as f:
        line_count = 0
        for line in f.readlines():
            if line_count == 0:
                line_count += 1
                continue
            line = line.strip('\n')
            spt = line.split(' ')
            cat_name = str(spt[0])
            x_min = int(spt[1])
            y_min = int(spt[2])
            bbox_wid = int(spt[3])
            bbox_hei = int(spt[4])

            if cat_name == "people" or cat_name == "walk person":
                if bbox_hei >= 10 and bbox_hei <= 30:
                    bbox_hei_new = 2*bbox_wid
                    if y_min+bbox_hei > 576:
                        y_min = 576-bbox_hei_new
                    else:
                        y_min = y_min-(bbox_hei_new-bbox_hei)/2

                    # 确保尺寸为1:2，扩充为原来的1.5倍
                    '''
                    bbox_wid_new = int(bbox_wid)
                    bbox_hei_new = int(2 * bbox_wid_new)
                    # 防止越界
                    if y_min >= 0.25*bbox_hei and y_min + bbox_hei_new< 576:
                        y_min = y_min - 0.25*bbox_hei
                    elif y_min < 0.25*bbox_hei:
                        y_min = 0
                    else:
                        y_min = 576 - bbox_hei_new

                    if x_min >= 0.25 * bbox_wid and x_min + bbox_wid_new < 720:
                        x_min = x_min - 0.25 * bbox_wid
                    elif y_min < 0.25 * bbox_wid:
                        x_min = 0
                    else:
                        x_min = 720 - bbox_wid_new
                    '''

                    # 读入图像
                    img_data = cv2.imread((src_img_dir + '/' + img + '.jpg'), cv2.IMREAD_UNCHANGED)
                    cropped = img_data[int(y_min):int(y_min+bbox_hei_new),int(x_min):int(x_min+bbox_wid)]  # y为高度，x为宽度
                    cv2.imwrite("G:\\scut_pedestrain_crop\\train\\" + "test_" + str(img) + ".jpg", cropped)
                    # cv2.rectangle(img_data, (x_min, y_min), (x_min+bbox_wid, y_min+bbox_hei), (255, 0, 0), 2)
                    # cv2.imshow('label', img_data)
                    # cv2.waitKey(0)


        '''
    # gt = open(src_txt_dir + '/gt_' + img + '.txt').read().splitlines()

    # write the region of image on xml file
    for img_each_label in gt:
        spt = img_each_label.split(' ')  # 这里如果txt里面是以逗号‘，’隔开的，那么就改为spt = img_each_label.split(',')。


        xml_file.write('        ' + str(spt[4]) + '\n')
        xml_file.write('        Unspecified\n')
        xml_file.write('        0\n')
        xml_file.write('        0\n')
        xml_file.write('        \n')
        xml_file.write('            ' + str(spt[0]) + '\n')
        xml_file.write('            ' + str(spt[1]) + '\n')
        xml_file.write('            ' + str(spt[2]) + '\n')
        xml_file.write('            ' + str(spt[3]) + '\n')
        xml_file.write('        \n')
        xml_file.write('    \n')


# 获取路径下的所有txt格式的文件名
def file_name(file_dir):
    File_Name=[]
    img_dir = "F:\\pedestrain detection benchmark\\SCUT_FIR_Pedestrian_Dataset-master\\train02\\images\\"
    for files in os.listdir(file_dir):
        if os.path.splitext(files)[1] == '.txt':
            img_dir += files[:-3]+"jpg"
            # File_Name.append(files)
            # 以原格式读入图像，原图像为灰度图
            img = cv2.imread(img_dir,cv2.IMREAD_UNCHANGED)
            # 需要读入标签信息



    return File_Name
txt_file_name=file_name("F:\\pedestrain detection benchmark\\SCUT_FIR_Pedestrian_Dataset-master\\train02\\annotations\\")
print("txt_file_name",txt_file_name)
        '''