Análise e Comparação de pares Parquet e Vídeos

Este repositório contém scripts em Python para o processamento, análise e visualização comparativa de pontos 2D extraídos de vídeos.

Possui suporte tanto para o processamento de coordenadas absolutas quanto para dados normalizados.

📂 Estrutura do Repositório

Carregamento de Parquet

• load_parquet.py: Utilitário para leitura dos dados brutos armazenados em arquivos .parquet.

Comparação de dois vídeos especificados

• todos_os_pontos.py: Processa e organiza o conjunto completo de coordenadas (pontos) analisados para dois vídeos especificados e gera vídeos comparativos.
• todos_os_pontos_normalized.py: Versão que normaliza em escala as entradas.

Iteração sobre todos os vídeos

• iter_all_videos.py: Script de automação que itera sobre um diretório de vídeos ou datasets, processando as comparações e salvando os gráficos gerados e vídeos comparativos.
• iter_all_videos_normalized.py: Versão que normaliza em escala as entradas.

Geração de csv com as distâncias entre todos os vídeos

• dataframe_comparison.py: Script focado em produzir as métricas de erro em arquivo csv.
• dataframe_comparison_normalized.py: Versão que normaliza as entradas em escala.

📂 Estrutura dos dados esperados pelos scripts

Arquivos disponíveis no drive do SIGN

📁 raiz-do-projeto/               
├── 📁 dados/                     
│   ├── 📁 {sinal_1}_{autor1}/                
│   │     └── {sinal_1}_1_{autor1}.mp4
│   │     └── {sinal_1}_1_{autor1}.parquet
│   │     └── {sinal_1}_2_{autor1}.mp4
│   │     └── {sinal_1}_2_{autor1}.parquet
│   ├── 📁 {sinal_2}_{autor1}/                
│   │     └── {sinal_2}_1_{autor1}.mp4
│   │     └── {sinal_2}_1_{autor1}.parquet
│   ├── 📁 {sinal_1}_{autor2}/                
│   │     └── {sinal_1}_1_{autor2}.mp4
│   │     └── {sinal_1}_1_{autor2}.parquet

🚀 Como usar

1. Clone o repositório:

   git clone https://github.com/CIS-SIGN/Sign-dtw
   cd Sign-dtw
   

2. Crie um ambiente virtual:

   python -m venv venv
   

3. Crie um ambiente virtual:

   python -m venv venv
   
   

4. Ative o ambiente:

   • Windows (CMD)

   venv\Scripts\activate.bat

   • Windows (PowerShell)

   venv\Scripts\Activate.ps1

   • macOS / Linux

    source venv/bin/activate

5. Instale as dependências:

   pip install -r requirements.txt 

6. Baixe os arquivos de data: https://drive.google.com/drive/u/0/folders/1uhxmNKZV19c5XpQpvEnu5P-M2WQAASaZ