Spaces:
Sleeping
Sleeping
File size: 3,343 Bytes
1afa0e4 d8dc06c 1afa0e4 d8dc06c 1afa0e4 d8dc06c 11ce781 d8dc06c 11ce781 d8dc06c 1afa0e4 d8dc06c 11ce781 d8dc06c 1afa0e4 d8dc06c 1afa0e4 |
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 |
import os
import cv2
import torch
import gradio as gr
from ultralytics import YOLO
from ultralytics.utils.plotting import Annotator, colors
def detect_fire_in_video(input_video_path: str, output_video_path: str) -> str:
"""
Verilen video üzerinde YOLO modeli kullanarak yangın tespiti yapar.
Her kareye anotasyon ekler ve çıktıyı bir video dosyasına kaydeder.
Args:
input_video_path (str): Giriş video dosyasının yolu.
output_video_path (str): Anotasyonlu çıktı videosunun kaydedileceği yol.
Returns:
str: Anotasyonlu çıktı videosunun yolu.
"""
# Kullanılacak cihazı belirle
device = 'cuda' if torch.cuda.is_available() else 'mps' if torch.backends.mps.is_available() else 'cpu'
print(f"Seçilen cihaz: {device}")
# Aynı dizindeki 'last.pt' modelini yükle
model_path = os.path.join(os.path.dirname(__file__), 'last.pt')
if not os.path.isfile(model_path):
raise FileNotFoundError(f"Model dosyası bulunamadı: {model_path}")
model = YOLO(model_path)
model.to(device)
# Giriş videosunu aç
cap = cv2.VideoCapture(input_video_path)
if not cap.isOpened():
raise ValueError(f"Video dosyası açılamadı: {input_video_path}")
# Video özelliklerini al
width = int(cap.get(cv2.CAP_PROP_FRAME_WIDTH))
height = int(cap.get(cv2.CAP_PROP_FRAME_HEIGHT))
fps = cap.get(cv2.CAP_PROP_FPS)
# Çıktı videosu için VideoWriter oluştur
fourcc = cv2.VideoWriter_fourcc(*"mp4v")
out = cv2.VideoWriter(output_video_path, fourcc, fps, (width, height))
while cap.isOpened():
ret, frame = cap.read()
if not ret:
break
# Nesne tespiti yap
results = model(frame, device=device)
# Kare üzerinde anotasyon yapmak için Annotator oluştur
annotator = Annotator(frame)
# Tespit edilen nesneler üzerinde iterasyon yap ve anotasyon ekle
for result in results:
boxes = result.boxes
for box in boxes:
b = box.xyxy[0].cpu().numpy()
c = int(box.cls[0])
label = f'{model.names[c]} {box.conf[0]:.2f}'
annotator.box_label(b, label, color=colors(c, True))
# Anotasyonlu kareyi çıktı videosuna yaz
out.write(frame)
# Kaynakları serbest bırak
cap.release()
out.release()
cv2.destroyAllWindows()
return output_video_path
def process_video(input_video) -> str:
"""
Yüklenen videoyu yangın tespiti için işler.
Args:
input_video (str): Yüklenen video dosyasının yolu.
Returns:
str: Anotasyonlu çıktı videosunun yolu.
"""
output_video_path = "annotated_output.mp4"
return detect_fire_in_video(input_video, output_video_path)
# Gradio arayüzünü tanımla
with gr.Blocks() as demo:
gr.Markdown("## Yangın Tespiti Video İşleme")
with gr.Row():
with gr.Column():
video_input = gr.Video(label="Video Yükle")
process_button = gr.Button("Videoyu İşle")
with gr.Column():
video_output = gr.Video(label="Anotasyonlu Video")
process_button.click(
fn=process_video,
inputs=video_input,
outputs=video_output
)
if __name__ == "__main__":
demo.launch()
|