EVM/code/facedetection2.py

"""
Abhängigkeiten:
- cv2 (OpenCV-Paket)
- numpy

Autor: Ihr Name
Datum: Erstellungs- oder Änderungsdatum
Version: Modulversion
"""

import cv2
import numpy as np

faceCascade = cv2.CascadeClassifier(cv2.data.haarcascades + "haarcascade_frontalface_alt2.xml")

def read_video(path):
    """
    Liest ein Video, erkennt Gesichter und extrahiert Regionen von Interesse (ROIs).

    Diese Funktion nimmt einen Pfad zu einer Videodatei und liest das Video. Während des Lesens erkennt sie
    Gesichter im Video und extrahiert die ROIs (Gesichtsbereiche), die anschließend in einer Liste von Frames
    gespeichert werden. Die Frames werden für spätere Verarbeitungsschritte skaliert.

    Args:
    path (str): Der Pfad zur Videodatei.

    Returns:
    tuple: Ein Tupel, bestehend aus:
      - video_frames (list): Eine Liste von Frames, die die ROIs (Gesichtsbereiche) darstellen.
      - frame_ct (int): Die Anzahl der extrahierten Frames.
      - fps (int): Die Bildrate (Frames pro Sekunde) des Videos.
    """
    cap = cv2.VideoCapture(path)
    fps = int(cap.get(cv2.CAP_PROP_FPS))
    video_frames = []

    while cap.isOpened():
        ret, img = cap.read()
        if not ret:
            break

        gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

        # Detect faces
        faces = faceCascade.detectMultiScale(gray, scaleFactor=1.1, minNeighbors=5, minSize=(30, 30))
    
        # Extract ROIs and resize
        for (x, y, w, h) in faces:
            face_roi = cv2.resize(img[y:y+h, x:x+w], (500, 500))
            frame = face_roi.astype("float") / 255.0
            video_frames.append(frame)

    cap.release()


        
    for frame in video_frames:
        cv2.imshow("frame", frame)
        cv2.waitKey(20)
    cv2.destroyAllWindows()
    return video_frames, len(video_frames), fps