Skip to content

Files

Latest commit

nemonamelessnemonameless
init
Jul 17, 2022
7d54296 · Jul 17, 2022

History

History
132 lines (89 loc) · 6.9 KB

videobased_rec.md

File metadata and controls

132 lines (89 loc) · 6.9 KB

基于视频分类的行为识别

数据准备

视频分类任务输入的视频格式一般为.mp4、.avi等格式视频或者是抽帧后的视频帧序列，标签则可以是.txt格式存储的文件。

对于打架识别任务，具体数据准备流程如下：

数据集下载

打架识别基于6个公开的打架、暴力行为相关数据集合并后的数据进行模型训练。公开数据集具体信息如下：

数据集 下载连接 简介 标注 数量 时长
Surveillance Camera Fight Dataset https://github.com/sayibet/fight-detection-surv-dataset 裁剪视频，监控视角 视频级别 打架：150；非打架：150 2s
A Dataset for Automatic Violence Detection in Videos https://github.com/airtlab/A-Dataset-for-Automatic-Violence-Detection-in-Videos 裁剪视频，室内自行录制 视频级别 暴力行为：115个场景，2个机位，共230 ；非暴力行为：60个场景，2个机位，共120 几秒钟
Hockey Fight Detection Dataset https://www.kaggle.com/datasets/yassershrief/hockey-fight-vidoes?resource=download 裁剪视频，非真实场景 视频级别 打架：500；非打架：500 2s
Video Fight Detection Dataset https://www.kaggle.com/datasets/naveenk903/movies-fight-detection-dataset 裁剪视频，非真实场景 视频级别 打架：100；非打架：101 2s
Real Life Violence Situations Dataset https://www.kaggle.com/datasets/mohamedmustafa/real-life-violence-situations-dataset 裁剪视频，非真实场景 视频级别 暴力行为：1000；非暴力行为：1000 几秒钟
UBI Abnormal Event Detection Dataset http://socia-lab.di.ubi.pt/EventDetection/ 未裁剪视频，监控视角 帧级别 打架：216；非打架：784；裁剪后二次标注：打架1976，非打架1630 原视频几秒到几分钟不等，裁剪后2s

打架（暴力行为）视频3956个，非打架（非暴力行为）视频3501个，共7457个视频，每个视频几秒钟。

本项目为大家整理了前5个数据集，下载链接：https://aistudio.baidu.com/aistudio/datasetdetail/149085。

视频抽帧

首先下载PaddleVideo代码：

git clone https://github.com/PaddlePaddle/PaddleVideo.git

假设PaddleVideo源码路径为PaddleVideo_root。

为了加快训练速度，将视频进行抽帧。下面命令会根据视频的帧率FPS进行抽帧，如FPS=30，则每秒视频会抽取30帧图像。

cd ${PaddleVideo_root}
python data/ucf101/extract_rawframes.py dataset/ rawframes/ --level 2 --ext mp4

其中，假设视频已经存放在了dataset目录下，如果是其他路径请对应修改。打架（暴力）视频存放在dataset/fight中；非打架（非暴力）视频存放在dataset/nofight中。rawframes目录存放抽取的视频帧。

训练集和验证集划分

打架识别验证集1500条，来自Surveillance Camera Fight Dataset、A Dataset for Automatic Violence Detection in Videos、UBI Abnormal Event Detection Dataset三个数据集。

也可根据下面的命令将数据按照8:2的比例划分成训练集和测试集：

python split_fight_train_test_dataset.py "rawframes" 2 0.8

参数说明：“rawframes”为视频帧存放的文件夹；2表示目录结构为两级，第二级表示每个行为对应的子文件夹；0.8表示训练集比例。

其中split_fight_train_test_dataset.py文件在PaddleDetection中的deploy/pipeline/tools路径下。

执行完命令后会最终生成fight_train_list.txt和fight_val_list.txt两个文件。打架的标签为1，非打架的标签为0。

视频裁剪

对于未裁剪的视频，如UBI Abnormal Event Detection Dataset数据集，需要先进行裁剪才能用于模型训练，deploy/pipeline/tools/clip_video.py中给出了视频裁剪的函数cut_video，输入为视频路径，裁剪的起始帧和结束帧以及裁剪后的视频保存路径。

模型优化

VideoMix

VideoMix是视频数据增强的方法之一，是对图像数据增强CutMix的扩展，可以缓解模型的过拟合问题。

与Mixup将两个视频片段的每个像素点按照一定比例融合不同的是，VideoMix是每个像素点要么属于片段A要么属于片段B。输出结果是两个片段原始标签的加权和，权重是两个片段各自的比例。

在baseline的基础上加入VideoMix数据增强后，精度由87.53%提升至88.01%。

更大的分辨率

由于监控摄像头角度、距离等问题，存在监控画面下人比较小的情况，小目标行为的识别较困难，尝试增大输入图像的分辨率，模型精度由88.01%提升至89.06%。

新增行为

目前打架识别模型使用的是PaddleVideo套件中PP-TSM，并在PP-TSM视频分类模型训练流程的基础上修改适配，完成模型训练。

请先参考使用说明了解PaddleVideo模型库的使用。

任务 算法 精度 预测速度(ms) 模型权重 预测部署模型
打架识别 PP-TSM 准确率：89.06% T4, 2s视频128ms 下载链接 下载链接

模型训练

下载预训练模型：

wget https://videotag.bj.bcebos.com/PaddleVideo/PretrainModel/ResNet50_vd_ssld_v2_pretrained.pdparams

执行训练：

# 单卡训练
cd ${PaddleVideo_root}
python main.py --validate -c pptsm_fight_frames_dense.yaml

本方案针对的是视频的二分类问题，如果不是二分类，需要修改配置文件中MODEL-->head-->num_classes为具体的类别数目。

cd ${PaddleVideo_root}
# 多卡训练
export CUDA_VISIBLE_DEVICES=0,1,2,3
python -B -m paddle.distributed.launch --gpus=“0,1,2,3” \
   --log_dir=log_pptsm_dense  main.py  --validate \
   -c pptsm_fight_frames_dense.yaml

模型评估

训练好的模型下载：https://videotag.bj.bcebos.com/PaddleVideo-release2.3/ppTSM_fight.pdparams

模型评估：

cd ${PaddleVideo_root}
python main.py --test -c pptsm_fight_frames_dense.yaml \
   -w ppTSM_fight_best.pdparams

其中ppTSM_fight_best.pdparams为训练好的模型。

模型导出

导出inference模型：

cd ${PaddleVideo_root}
python tools/export_model.py -c pptsm_fight_frames_dense.yaml \
                                -p ppTSM_fight_best.pdparams \
                                -o inference/ppTSM