Модуль предобработки речевых видеоданных

Модуль выполняет предобработку речевых видеоданных, в данном случае извлекаются области губ из исходных видеокадров. Команда для запуска предобработки речевых видеоданных:

openav_preprocess_video --config <путь_к_вашему_конфигурационному_файлу>.yaml

Важно

Для запуска команды необходимо обязательно указать путь к конфигурационному файлу. Запускать программу необходимо из директории, где она расположена.

Конфигурационный файл

Конфигурационный файл включает в себя следующие настройки:

Отображение процесса выполнения программы в терминале (командной строке)
Работа с файловой системой
Параметры предобработки речевых видеоданных

Пример конфигурационного файла

Отображение процесса выполнения команды в терминале

Параметр	Тип	Значение по умолчанию	Описание
hide_metadata	bool	`false`	Включение отображения метаданных
hide_libs_vers	bool	`false`	Включение отображения версий установленных библиотек в командной строке

Работа с файловой системой

Параметр	Тип	Значение по умолчанию	Описание
path_to_dataset	str	`<путь_к_исходным_данным>`	Директория, где находятся данные, которые необходимо загрузить или проверить
path_to_dataset_video	str	`<путь_к_конечным_данным>`	Директория, в которую будут сохраняться данные после предобработки
depth	int	`2`	Глубина иерархии для получения данных. Указывается количество подкаталогов в директории `path_to_dataset`
ext_search_files	list	`["mov", "mp4",` `"webm"]`	Список расширений файлов, которые будут обрабатываться.
clear_dir_video	bool	`true`	Предварительная очистка директории с предобработанными видеоданными
save_raw_data	bool	`true`	Сохранение данных в формате numpy

Параметры предобработки речевых видеоданных

Параметр	Тип	Значение по умолчанию	Описание
dpi	int	`600`	Качество изображения. Доступные значения `72; 96; 150; 300; 600; 1200`
resize	bool	`true`	Разрешить изменять полученное изображение. Этот параметр активирует следующие параметры: `width`, `height`, `resize_resample`. При значении `false` изменение изображения заблокировано
resize_resample	str	`nearest`	Фильтры применяемые для масштабирования конечного изображения. Доступные значения `nearest, bilinear, lanczos`
width	int	`112`	Ширина изображения извлеченной области губ
height	int	`112`	Высота изображения извлеченной области губ
color_mode	str	`rgb`	Цветовая гамма конечного изображения. Доступные значения: `gray` - изображение в градациях серого; `rgb` - изображение в цветном формате