Python闭眼时长标准差脚本使用实例代码讲解

闭眼时长标准差

平均闭眼时长：识别一分钟内闭眼次数以及每次闭眼的时长，将每次闭眼的时长进行累计相加，最终再取平均值

闭眼标准差公式

数据样本格式

文本内容

代码

遍历文件夹中所有的txt文本文件

#遍历文件夹中的所有txt文件
def scanner_txt(inputSrc,txt_list):
  file_list = os.listdir(inputSrc)
  for file in file_list:
      curr_file=path.join(inputSrc,file)
      #递归实现
      if(path.isdir(curr_file)):
          scanner_txt(curr_file,txt_list)
      else:
          curr_file_name=curr_file.split(".")
          curr_file_type=curr_file_name[len(curr_file_name)-1]
          if curr_file_type=="txt":
              txt_list.append(curr_file)
  return txt_list

读取文本中的内容，挑选数据中为”帧号，状态类型，状态持续时间“的数据

def readTxtDataProprocessing(filepath,kss7sd,kss8sd,kss9sd):
  resFrame=[]
  print(filepath)
  with open(filepath,encoding='utf-8') as f:
      for line in f:
          frame_info=line.split(',')
          if(len(frame_info)<3):
              continue
          framenum=frame_info[0]
          frametime=frame_info[2].split('\n')[0]
          resFrame.append([int(framenum),int(frametime)])
  f.close()
  #文件内闭眼时长为空的不处理
  if(len(resFrame)==0):
      return
  #去掉重复的值，归并成统一的值
  totalSD=deduplicationData(resFrame)
  filename=filepath.split('\\')[-1]
  kssLevel=filename.split('-')[2]
  print("文件:{}  总体闭眼时长标准差为:{}".format(filename,totalSD))
  print()
  if(kssLevel=='KSS7'):
      kss7sd.append(totalSD)
  elif(kssLevel=='KSS8'):
      kss8sd.append(totalSD)
  elif(kssLevel=='KSS9'):
      kss9sd.append(totalSD)

去除文本数据只出现的一次的数据，以及将出现2次和3次的数据进行合并

def deduplicationData(resFrame):
  uniqueRes = []
  framelength = len(resFrame)
  i = 0
  while (i < framelength):
      if (resFrame[i][0] == 17924):
          t = 1;
      count = 1
      if (i + 1 < framelength):
          if (resFrame[i][1] == resFrame[i + 1][1]):
              count += 1
      if (i + 1 >= framelength):
          break
      if (i + 2 < framelength):
          if (resFrame[i][1] == resFrame[i + 2][1]):
              count += 1

      if (count != 1):
          uniqueRes.append([resFrame[i][0], resFrame[i][1]])
      i += count
      #计算闭眼时长标准差
  return closeEyeTimeSD(uniqueRes)
  # for i in range(len(uniqueRes)):
  #     print("frameNum:", uniqueRes[i][0], "frameTime:", uniqueRes[i][1], "ms")

数组划分区间，按分钟进行划分

#data 经过去重和选帧后得到的列表
def closeEyeTimeSD(data):
  #按每一分钟的时间间隔划分区间：1秒钟30帧，1分钟1800帧
  #建立分割数组保存第n分钟内的睁闭眼数据,划分成12段
  dividArr=[]
  for i in range(12):
      dividArr.append([])
  for i in range(len(data)):
      index=int(data[i][0]/1800)
      dividArr[index].append(data[i][1])
  #获取标准差
  sdArr=[]
  for i in range(len(dividArr)):
      avergeTime,sdArray=countTotalSD(dividArr[i])
      if(dividArr[i]!=[]):
          sdArr.append(sdArray)
          print("第{}分钟平均眨眼时长为:{}，闭眼时长标准差为:{}".format(i+1,avergeTime,sdArray))
  totalSD=countTotalSD(sdArr)[1]
  return totalSD

计算标准差函数

def countTotalSD(sdArray):
  if(len(sdArray)==0):
      return [0,0]
  sumArray = 0
  for i in sdArray:
      sumArray += i
  # 计算全部的标准差
  averageSD = sumArray / len(sdArray)
  sumSD = 0
  for i in sdArray:
      sumSD += pow((i - averageSD), 2)
  totalSD = math.sqrt(sumSD / len(sdArray))
  return [averageSD,totalSD]

关于Python闭眼时长标准差脚本使用实例代码讲解的文章就介绍至此，更多相关Python闭眼时长标准差内容请搜索编程宝库以前的文章，希望以后支持编程宝库！

 使用低通滤波器模糊图像 0. 前言低通滤波器 (Low Pass Filter, LPF) 过滤了图像中的高频部分，并仅允许低频部分通过。因此，在图像上应用 LPF 会删除图 ...