【亲测免费】 JAAD 项目使用教程

1. 项目目录结构及介绍

JAAD 项目的目录结构如下：

JAAD/
├── annotations/
│   ├── annotations_appearance/
│   ├── annotations_attributes/
│   ├── annotations_traffic/
│   └── annotations_vehicle/
├── split_ids/
├── LICENSE
├── README.md
├── behavior.png
├── download_clips.sh
├── jaad_data.py
└── split_clips_to_frames.sh

目录结构介绍

• annotations/: 包含所有与行人、交通和车辆相关的注释文件。

  • annotations_appearance/: 包含行人外观的注释文件。
  • annotations_attributes/: 包含行人属性的注释文件。
  • annotations_traffic/: 包含交通相关信息的注释文件。
  • annotations_vehicle/: 包含车辆相关信息的注释文件。

• split_ids/: 包含用于数据分割的ID文件。

• LICENSE: 项目的许可证文件。

• README.md: 项目的介绍和使用说明文件。

• behavior.png: 行为分析相关的图片文件。

• download_clips.sh: 用于下载视频剪辑的脚本文件。

• jaad_data.py: 项目的主要Python接口文件，用于处理数据和生成数据库。

• split_clips_to_frames.sh: 用于将视频剪辑分割成帧的脚本文件。

2. 项目启动文件介绍

JAAD 项目的主要启动文件是 jaad_data.py。该文件提供了处理 JAAD 数据集的 Python 接口，包括数据提取、图像生成和数据库生成等功能。

主要功能

• 数据提取: 从视频剪辑中提取图像帧。
• 数据库生成: 生成包含所有注释信息的字典，并保存为 .pkl 文件。
• 数据分割: 根据不同的参数配置，将数据分割为训练集、验证集和测试集。

使用示例

from jaad_data import JAAD

jaad_path = <path_to_the_dataset_root_folder>
imdb = JAAD(data_path=jaad_path)
imdb.extract_and_save_images()

3. 项目的配置文件介绍

JAAD 项目的配置主要通过 jaad_data.py 中的参数进行设置。以下是一些主要的配置参数：

配置参数

• fstride: 用于序列数据的采样步长，即每隔 n 帧进行一次处理。
• sample_type: 指定提取所有行人数据还是仅提取有行为数据的行人。
• subset: 指定使用的视频子集，如高可见度视频。
• data_split_type: 数据分割方式，可以是默认、随机或 kfold 交叉验证。
• seq_type: 生成的序列数据类型，如轨迹、意图和交叉。
• height_rng: 行人高度范围，用于筛选特定高度的行人。
• squarify_ratio: 用于固定边界框的宽高比。
• min_track_size: 最小序列长度，用于过滤过短的序列。

配置示例

data_opts = {
    'fstride': 1,
    'sample_type': 'all',
    'subset': 'high_visibility',
    'data_split_type': 'default',
    'seq_type': 'trajectory',
    'height_rng': [0, float('inf')],
    'squarify_ratio': 0,
    'min_track_size': 0,
    'random_params': {
        'ratios': None,
        'val_data': True,
        'regen_data': True
    },
    'kfold_params': {
        'num_folds': 5,
        'fold': 1
    }
}

通过这些配置参数，用户可以根据自己的需求定制数据处理流程。