From 38475f3457b681b761120e739f363f9591a6bb0c Mon Sep 17 00:00:00 2001
From: Jonathan Frei <freijo85382@th-nuernberg.de>
Date: Wed, 14 Feb 2024 16:23:14 +0000
Subject: [PATCH] =?UTF-8?q?=E2=80=9Ecode/facedetection1.py=E2=80=9C=20l?=
 =?UTF-8?q?=C3=B6schen?=
MIME-Version: 1.0
Content-Type: text/plain; charset=UTF-8
Content-Transfer-Encoding: 8bit

---
 code/facedetection1.py | 77 ------------------------------------------
 1 file changed, 77 deletions(-)
 delete mode 100644 code/facedetection1.py

diff --git a/code/facedetection1.py b/code/facedetection1.py
deleted file mode 100644
index b91864a..0000000
--- a/code/facedetection1.py
+++ /dev/null
@@ -1,77 +0,0 @@
-"""
-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")
-eyeCascade = cv2.CascadeClassifier(cv2.data.haarcascades + "haarcascade_eye.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)
-        faces = faceCascade.detectMultiScale(gray, scaleFactor=1.1, minNeighbors=5, minSize=(30, 30))
-
-        for (x, y, w, h) in faces:
-            face_roi_gray = gray[y:y+h, x:x+w]
-            face_roi_color = img[y:y+h, x:x+w]
-            eyes = eyeCascade.detectMultiScale(face_roi_gray)
-
-            # Annahme: Wir brauchen mindestens zwei Augen für die Berechnung
-            if len(eyes) == 2:
-                # Berechne die Position und Größe des Stirnbereichs
-                eye1_x, eye1_y, eye1_w, eye1_h = eyes[0]
-                eye2_x, eye2_y, eye2_w, eye2_h = eyes[1]
-
-                # Bestimme die horizontale Position und Breite des Stirnbereichs
-                forehead_x = min(eye1_x, eye2_x)
-                forehead_w = max(eye1_x + eye1_w, eye2_x + eye2_w) - forehead_x
-
-                # Bestimme die vertikale Position und Höhe des Stirnbereichs
-                forehead_y = 0
-                forehead_h = int((min(eye1_y, eye2_y) - forehead_y) / 3)
-
-                # Extrahiere und skaliere den Stirnbereich
-                forehead_roi = face_roi_color[forehead_y:forehead_y + forehead_h, forehead_x:forehead_x + forehead_w]
-                forehead_resized = cv2.resize(forehead_roi, (500, 500))
-                video_frames.append(forehead_resized.astype("float") / 255.0)
-
-    cap.release()
-
-    for frame in video_frames:
-        cv2.imshow("frame", frame)
-        cv2.waitKey(20)
-    cv2.destroyAllWindows()
-
-    return video_frames, len(video_frames), fps