基于视频流数据的城市情感、城市地物分布地图及可视化（Python+APP+html）

本是古典何须时尚 2024-03-26 23:05 30阅读 0赞

目录  
地理信息系统实习报告 1

1.  视频处理和数据清洗 1  
    1.1. 处理已分类的数据 1  
    1.2. 处理视频数据 1
2.  神经网络搭建 2  
    2.1. 数据处理 2  
    2.2. 网络搭建 2  
    2.2.1. Vgg 网络搭建 3  
    2.2.2. Resnet 网络搭建 3  
    2.3. 最终结果 3
3.  可视化 4  
    3.1. AntvL7 地图可视化 4  
    3.2. Antv G2 时序图展示 6  
    3.2.1. 流动时序图 6  
    3.2.2. 带缩略轴的时序图 6  
    3.3. 数据处理 7
4.  采集视频和点位数据 APP 7
5.  组内成员工作量说明 8
6.  参考文献 8  
    1.视频处理和数据清洗  
    1.1.处理已分类的数据  
    使用语言：Python。

读取每一种情感对应的.csv 文件，获取到图片文件名以及对应分数，再根据图片的文件名，使用 PIL 库读取图片并将图片转为 numpy 矩阵格式，在读取文件时将每一种情感的文件以 8：2 的比例分为训练集和测试集，最后通过调用 pikle 库将得到的图片的矩阵和分数以二进制的形式写到文件中。

1.2.处理视频数据  
使用语言：Python。

先读取和视频文件同级目录的文本文件，获取视频开始录制时间，再读取 CSV 文件，获取每一次采集的时间以及点位数据，用采集时间和开始时间转为时间戳之后相减，得到间隔时间。  
再使用 OpenCv 库根据间隔时间来截取视频对应的每一帧，由于 OpenCv 读取图片的格式是 BGR，所以需要转为 RGB 格式之后，再将图片保存下来。  
随后使用 pickle 库将图片以及对应的经纬度写入到文件中。

import csv
    import os
    import pprint
    
    from PIL import Image
    import cv2
    import numpy as np
    import pickle
    
    #图片文件目录
    feelfile='D:\\Users\\GISDATA\\scores\\scores\\wealthy'
    #CSV文件，保存了图片名和对应分数
    input_file = 'D:\\Users\\GISDATA\\scores\\scores\\auto_save_scores_wealthy.csv'
    #输出的pickle文件
    output_file_pickle="D:\\Users\\GISDATA\\scores\\scores\\feel_boring"
    
    
    
    #将数据随机分为训练集和测试集
    #获取对应的图片和分数，将图片转为矩阵
    #使用pickle写入到文件中
    def write_pictle(input_file,input_dir,output_file,):
        read_file = open(input_file, "r")
        csv_read=csv.reader(read_file)
        result = dict(csv_read) #转化为字典
    
        with open(output_file,'wb') as write_file:
            #训练集分数
            train_score = []
            #训练集图片矩阵
            train_img = []
            #测试集图片矩阵
            test_img=[]
            #测试集分数
            test_score=[]
            length=len(result)
            for num in range(int(8*length/10)):
                #训练集
                (file,score)=result.popitem()
                if file=='File':
                    continue
                file_name = input_dir + '\\' + file + '.png'  # 得到文件的位置
                img = Image.open(file_name)  # 读取图片
                img = img.convert("RGB")
                img= np.array(img)
                train_img.append(img)
                train_score.append(score)
            for num in range(int(2*length/10)):
                #测试集
                (file, score) = result.popitem()
                if file == 'File':
                    continue
                file_name = input_dir + '\\' + file + '.png'  # 得到文件的位置
                #img = cv2.imread(file_name)
                # img=cv2.resize(img, (224, 224), interpolation=cv2.INTER_CUBIC)
                # img = img[:, :, :: -1]
                img = Image.open(file_name)  # 读取图片
                img = img.convert("RGB")
                img = img.resize((224, 224))
                img = np.array(img)
                test_img.append(img)
                test_score.append(score)
            f_img = open(output_file_pickle, 'wb')
            pickle.dump((train_img,train_score,test_img,test_score), f_img, 0)
            f_img.close()
        read_file.close()
    
    
    #测试文件是否正确
    def pickle_load(output_file):  # 使用pickle从文件中重构python对象
        f = open(output_file, 'rb')
        train_imgs,train_scores,test_imgs,test_scores = pickle.load(f)
        for img in train_imgs:
            #测试：矩阵的维度是否正确
            print(img.shape)
        img=Image.fromarray(img.astype('uint8')).convert('RGB')
        Image._show(img)
        img = Image.fromarray(test_imgs[0].astype('uint8')).convert('RGB')
        Image._show(img)
    
        #测试数据完整性
        #打印测试集和训练集数量
        print(len(train_imgs))
        print(len(train_scores))
        print(len(test_imgs))
        print(len(test_scores))
    
        f.close()
    
    
    
    
    if __name__=='__main__':
        #处理数据
        write_pictle(input_file, feelfile, output_file_pickle)
        #测试输出文件
        pickle_load(output_file_pickle)

![在这里插入图片描述][5fc914f8760e4ff48af17504041fff2e.png_pic_center]  
![在这里插入图片描述][420738abb2f64bdebaf23bdc676e2138.png_pic_center]  
![在这里插入图片描述][960ca4531abc41ce9faf82fcc75816ef.png_pic_center]  
![在这里插入图片描述][9f65e64334a148be86dc0b8aaa1505ae.png_pic_center]  
![在这里插入图片描述][9242ae559c024f1bbbda3348f0210723.png_pic_center]  
![在这里插入图片描述][66c1279a330f43cc93216a09c27d1c92.png_pic_center]  
![在这里插入图片描述][d815c395c2f5489f9788e3715b317f48.png_pic_center]  
![在这里插入图片描述][07de9daaf6e04b4e9f388ef036fa5471.png_pic_center]  
![在这里插入图片描述][b6886172444d43ffab02d5e6632c5224.png_pic_center]  
![在这里插入图片描述][920094244dae435fa1cb8451e6304c57.png_pic_center]  
![在这里插入图片描述][b5373f19341644259e8c4fafd112557b.png_pic_center]  
![在这里插入图片描述][0978e9b47dcb43b3afaea0ee734c7b2a.png_pic_center]  
![在这里插入图片描述][0f1d0945137840cc83739d5b28d1c2a5.png_pic_center]  
![在这里插入图片描述][63fc96f197004378a46d6e6a9b21a948.png_pic_center]  
![在这里插入图片描述][15efd59859df443facb032f7a5eec4e6.png_pic_center]

[5fc914f8760e4ff48af17504041fff2e.png_pic_center]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/11/655fcfb7b8de499a8bca20ad41312bca.png
[420738abb2f64bdebaf23bdc676e2138.png_pic_center]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/11/32b8b58ee5f446e1bb86dcae4834a104.png
[960ca4531abc41ce9faf82fcc75816ef.png_pic_center]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/11/b68e44e2108942de971a0882c02ef883.png
[9f65e64334a148be86dc0b8aaa1505ae.png_pic_center]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/11/f3608cba26de4fa7870e4cb19bf14987.png
[9242ae559c024f1bbbda3348f0210723.png_pic_center]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/11/f51fa626d94a4089ba0b15389dfe3314.png
[66c1279a330f43cc93216a09c27d1c92.png_pic_center]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/11/16e81241ea1c45d78fa2240e0a82b7df.png
[d815c395c2f5489f9788e3715b317f48.png_pic_center]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/11/c2e9ab2646004541b0ad99a6bc2f82f4.png
[07de9daaf6e04b4e9f388ef036fa5471.png_pic_center]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/11/67d5cfef14d7410bbdcc4f63f5632a59.png
[b6886172444d43ffab02d5e6632c5224.png_pic_center]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/11/bde2c1bfb1644a7081a5d85630ec3b1a.png
[920094244dae435fa1cb8451e6304c57.png_pic_center]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/11/7937465cfe1349f38454b272d6c695e4.png
[b5373f19341644259e8c4fafd112557b.png_pic_center]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/11/70c6c6e0fd324fdf8b3141f0b6243d6e.png
[0978e9b47dcb43b3afaea0ee734c7b2a.png_pic_center]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/11/fded9bd32c2a436780d94f2f4bffb5fc.png
[0f1d0945137840cc83739d5b28d1c2a5.png_pic_center]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/11/216348df86634d51ae1344fc8bcbf9ac.png
[63fc96f197004378a46d6e6a9b21a948.png_pic_center]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/11/93650d17e38b433c8caf3134b0bf57e4.png
[15efd59859df443facb032f7a5eec4e6.png_pic_center]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/11/c67759f588d94dc79b48dc93773d8b30.png