行为识别（一）：UCF101视频数据集预处理

文章目录

行为识别（一）：UCF101视频数据集预处理
- 1 数据集介绍
- - 1.1 UCF101
- 2 UCF101预处理
- - 2.1 划分train_set和test_set
  - 2.2 将视频提取为图像

1 数据集介绍

基于视频的行为识别常见的数据库有UCF101、HMDB-51、Something-Something V2、AVA v2.2、Kinetic-700等。其中UCF101的标记方式是针对一段视频做一个类别的标记，AVA v2.2的标记共包含五个部分，video_id（视频名称）、middle_Frame_timestam（关键帧位置）、person_box（视频中人物的边界框）、action_id（动作类别）、person_id（bbox中人物编号）。UCF101是分类的任务，而AVA v2.2针对的是检测的任务，更多对AVA v2.2数据集的详细解析可以点击这里。

1.1 UCF101

本文选用的行为识别数据集为UFC101。

UCF数据集包含两个压缩文件，UCF101.rar和UCF101TrainTestSplits-RecognitionTask.zip，前者将不同类别的视频存放于不同的文件夹下，后者存放UCF101数据集的3种训练集与测试集划分方式以及标签文件。其中testlist01.txt和trainlist01.txt对应第一种划分方式。

`-- ucfTrainTestlist|-- classInd.txt|-- testlist01.txt|-- testlist02.txt|-- testlist03.txt|-- trainlist01.txt|-- trainlist02.txt`-- trainlist03.txt1 directory, 7 files

内含13320 个短视频
视频来源：YouTube
视频类别：101 种
主要包括这5大类动作：人和物体交互,只有肢体动作，人与人交互，玩音乐器材，各类运动
分辨率：320*240

2 UCF101预处理

2.1 划分train_set和test_set

目的：将UCF101划分为以下存储结构方式（使用trainlist01.txt和testlist01.txt进行划分）

.
`-- dataset|-- test|   |-- class1|   |   |-- 01.mp4|   |   |-- 02.mp4|   |   |-- 03.mp4|   |   `-- 04.mp4|   |-- class2|   |   |-- 01.mp4|   |   |-- 02.mp4|   |   |-- 03.mp4|   |   `-- 04.mp4|   |-- class3|   |   |-- 01.mp4|   |   |-- 02.mp4|   |   |-- 03.mp4|   |   `-- 04.mp4|   `-- class4|       |-- 01.mp4|       |-- 02.mp4|       |-- 03.mp4|       `-- 04.mp4`-- train|-- class1|   |-- 01.mp4|   |-- 02.mp4|   |-- 03.mp4|   `-- 04.mp4|-- class2|   |-- 01.mp4|   |-- 02.mp4|   |-- 03.mp4|   `-- 04.mp4|-- class3|   |-- 01.mp4|   |-- 02.mp4|   |-- 03.mp4|   `-- 04.mp4`-- class4|-- 01.mp4|-- 02.mp4|-- 03.mp4`-- 04.mp4

使用到的工具为shutil，环境为python，工具pip安装命令为

pip install pytest-shutil

python程序如下，程序的设计思想是先将testlist01中的文件移到“dataset/test/”路径下，再将剩下的文件夹重命名为“train”后移到dataset目录下

import shutil
import ostest_src_path = "T:/Dataset/UCF101/UCF-101/"
test_dest_path = "T:/Dataset/UCF101/dataset/test/"
train_src_path = "T:Dataset/UCF101/UCF-101/"
train_src_path_rename = "T:/Dataset/UCF101/train"
train_dest_path = "T:/Dataset/UCF101/dataset/"
# move testlist
with open("./UCF101TrainTestSplits/testlist01.txt", encoding='utf-8') as f:test_video_paths = f.readlines()
test_video_paths = [c.strip() for c in test_video_paths]  # 去掉换行符for test_video_path in test_video_paths:if not os.path.exists(os.path.join(test_dest_path, test_video_path[:-4])):os.makedirs(os.path.join(test_dest_path, test_video_path[:-4]))os.rmdir(os.path.join(test_dest_path, test_video_path[:-4]))shutil.move(os.path.join(test_src_path, test_video_path), os.path.join(test_dest_path, test_video_path))# move trainlist
os.rename(train_src_path, train_src_path_rename)
shutil.move(train_src_path_rename, train_dest_path)

2.2 将视频提取为图像

工具：ffmpeg
ffmpeg下载地址：https://ffmpeg.org/download.html

压缩ffmpeg-release-essentials.zip到指定目录，进入bin目录，里面有三个文件

ffmpeg.exe
ffplay.exe
ffprobe.exe

将这三个文件的路径放到conda创建的python环境中，和pythonw.exe在同一个路径，然后打开控制台激活这个python环境，输入ffmpeg -h命令查看帮助

脚本（extract_frames.sh）：

IN_DATA_DIR="./dataset"
OUT_DATA_DIR="./UCF101_frames"if [[ ! -d "${OUT_DATA_DIR}" ]]; thenecho "${OUT_DATA_DIR} doesn't exist. Creating it.";mkdir -p ${OUT_DATA_DIR}
fifor dir1 in $(ls -A1 -U ${IN_DATA_DIR})
dofor dir2 in $(ls -A1 -U ${IN_DATA_DIR}/${dir1})dofor video in $(ls -A1 -U ${IN_DATA_DIR}/${dir1}/${dir2})dovideo_name=${video##*/}if [[ $video_name = *".webm" ]]; thenvideo_name=${video_name::-5}elsevideo_name=${video_name::-4}fiout_video_dir=${OUT_DATA_DIR}/${dir1}/${dir2}/${video_name}/mkdir -p "${out_video_dir}"out_name="${out_video_dir}/${video_name}_%06d.jpg"ffmpeg -i "${IN_DATA_DIR}/${dir1}/${dir2}/${video}"  "${out_name}"donedone
done

将脚本放在dataset同一级目录下，然后在安装有ffmpeg的conda环境下bash执行

./extract_frames.sh

C3D行为识别（一）：UCF101视频数据集预处理相关推荐

视频数据集 | 视频动作识别video recognition常用数据集整理
一写在前面未经允许,不得转载,谢谢~~~ 这篇文章主要整理一下视频动作识别领域常用的数据集~~~ 大概但不严格按照时间顺序排列. 二视频分类数据集 HMDB51 来源:HMDB: a large ...
[当人工智能遇上安全] 6.基于机器学习的入侵检测和攻击识别——以KDD CUP99数据集为例
您或许知道,作者后续分享网络安全的文章会越来越少.但如果您想学习人工智能和安全结合的应用,您就有福利了,作者将重新打造一个<当人工智能遇上安全>系列博客,详细介绍人工智能与安全相关的论文. ...
二十四.基于机器学习的入侵检测和攻击识别——以KDD CUP99数据集为例
这是作者的系列网络安全自学教程,主要是关于网安工具和实践操作的在线笔记,特分享出来与博友共勉,希望您们喜欢,一起进步.前文分享了Web渗透的第一步工作,涉及网站信息.域名信息.端口信息.敏感信息及指纹 ...
一些用于拥挤场景的异常检测的视频数据集
UCSD Anomaly Detection Dataset http://www.svcl.ucsd.edu/projects/anomaly/dataset.htm UCSD(加州圣地亚哥大学分校 ...
表情识别------CNN训练fer2013数据集
目录 1.概述 2.环境 3.数据读取 4.VGG 5.Resnet 6.摄像头表情识别 1.概述分别用vgg和resnet对fer2013做了训练,只是简单的实现,没有做什么其他改进方法,在测试集 ...
BDD100K:大规模、多样化的驾驶视频数据集
文章目录 BDD100K:大规模.多样化的驾驶视频数据集 Annotations (一)道路目标检测 (二)车道线标记 (三)可行驶区域 (四)全帧实例分割 Driving Challenges Fu ...
MATLAB实现基于BP神经网络的手写数字识别+GUI界面+mnist数据集测试
文章目录 MATLAB实现基于BP神经网络的手写数字识别+GUI界面+mnist数据集测试一.题目要求二.完整的目录结构说明三.Mnist数据集及数据格式转换四.BP神经网络相关知识 4.1 ...
行人重识别(4)——行人重识别（基于视频）综述
!转载请注明原文地址!--东方旅行者本文目录基于视频的行人重识别的常用方法一.传统方法二.深度学习方法三.基于视频的行人重识别常见数据集四.参考文献基于视频的行人重识别的常用方法一.传 ...
安保人脸识别技术与视频监控系统的结合应用
随着信息技术不断发展,视频信息越来越广泛地应用在娱乐.教育.安全.生活等各种领域.基于人脸识别技术的智能视频监控系统具有十分广泛的应用前景.本文将重点针对人脸识别技术的研究方向.应用领域及技术优势,人 ...
推出 Pr-VIPE：识别图像和视频中的姿态相似度
文 / Jennifer J. Sun 学生研究员和 Ting Liu 高级软件工程师,Google Research 日常活动,如慢跑.看书.倒水或运动,都可以看作是由人体的位置和方向组成的一连串姿 ...

C3D行为识别（一）：UCF101视频数据集预处理