使用时空 Gabor 小波从视频中提取运动能量特征
项目描述
什么是 pymoten?
pymoten 是一个 Python 包,它提供了一种方便的方法,使用时空 Gabor 小波金字塔从视频中提取运动能量特征 [1] [2]。这些滤波器在不同的空间和时频、运动方向、x-y 位置和大小上创建。每个滤波器正交对与视频卷积,并计算每帧的激活能量。这些特征为模拟大脑对自然电影的响应提供了一个良好的基础 [3] [4]。
安装
从 GitHub 克隆仓库并执行常规 Python 安装
git clone https://github.com/gallantlab/pymoten.git
cd pymoten
sudo python setup.py install
或者使用 pip
pip install pymoten
入门指南
使用合成数据示例
import moten
import numpy as np
# Generate synthetic data
nimages, vdim, hdim = (100, 90, 180)
noise_movie = np.random.randn(nimages, vdim, hdim)
# Create a pyramid of spatio-temporal gabor filters
pyramid = moten.get_default_pyramid(vhsize=(vdim, hdim), fps=24)
# Compute motion energy features
moten_features = pyramid.project_stimulus(noise_movie)
使用视频文件简单示例
import moten
# Stream and convert the RGB video into a sequence of luminance images
video_file = 'http://anwarnunez.github.io/downloads/avsnr150s24fps_tiny.mp4'
luminance_images = moten.io.video2luminance(video_file, nimages=100)
# Create a pyramid of spatio-temporal gabor filters
nimages, vdim, hdim = luminance_images.shape
pyramid = moten.get_default_pyramid(vhsize=(vdim, hdim), fps=24)
# Compute motion energy features
moten_features = pyramid.project_stimulus(luminance_images)
引用
Nunez-Elizalde AO, Deniz F, Dupré la Tour T, Visconti di Oleggio Castello M, and Gallant JL (2021). pymoten: 用于从视频中计算运动能量特征的 Python 科学软件包。Zenodo. https://doi.org/10.5281/zenodo.6349625
参考文献
可以在这里找到MATLAB实现。
项目详情
下载文件
下载适合您平台文件的文件。如果您不确定选择哪个,请了解更多关于安装包的信息。
源分布
pymoten-0.0.8.tar.gz (23.5 kB 查看哈希)
构建分布
pymoten-0.0.8-py3-none-any.whl (25.0 kB 查看哈希)
关闭
pymoten-0.0.8.tar.gz的哈希
算法 | 哈希摘要 | |
---|---|---|
SHA256 | a2139171b1e3827ae24863e891fb6b88d7058d9226c1d4d53d81ec0d39a9cb14 |
|
MD5 | 0b058c78ae754e54dcb25ae50e36a708 |
|
BLAKE2b-256 | c8a32e36a68d4de387426b4fa76b7b117179b74b610277ae3e75b4f77ff995d9 |
关闭
pymoten-0.0.8-py3-none-any.whl的哈希
算法 | 哈希摘要 | |
---|---|---|
SHA256 | a251eadca1dd7f7da28d1fd60c9dcc48cdb2175cc4d7a7fd5db629bb2d474bfb |
|
MD5 | cd002cd2bf205532a15ef557f7fbd2f2 |
|
BLAKE2b-256 | a13051d627df5f1bd0b202461d9c01672a006a0841ec6ca01bb56dd52b6e6ee7 |