C3D行为识别（一）：UCF101视频数据集预处理

行为识别（一）：UCF101视频数据集预处理

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.txt

1 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 os

test_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 "${OUT_DATA_DIR}" ]]; then
  echo "${OUT_DATA_DIR} doesn't exist. Creating it.";
  mkdir -p ${OUT_DATA_DIR}
fi

for dir1 in $(ls -A1 -U ${IN_DATA_DIR})
do
	for dir2 in $(ls -A1 -U ${IN_DATA_DIR}/${dir1})
	do
		for video in $(ls -A1 -U ${IN_DATA_DIR}/${dir1}/${dir2})
		do
			video_name=${video##*/}
			if [[ $video_name = *".webm" ]]; then
    			video_name=${video_name::-5}
  			else
    			video_name=${video_name::-4}
  			fi
  			out_video_dir=${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}"
		done
	done
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