public static bool existClassifier = true; //rappresenta il flag che indica se esiste il classificatore per l'analisi corrente NB:E'statico!
public async void ClassifiersAsync(MyTabAnalysis mytab2)
{
bool cyclebreak = false;
System.Globalization.CultureInfo customCulture = (System.Globalization.CultureInfo)System.Threading.Thread.CurrentThread.CurrentCulture.Clone();
customCulture.NumberFormat.NumberDecimalSeparator = ".";
System.Threading.Thread.CurrentThread.CurrentCulture = customCulture;
//Dialog in cui si permette di scegliere il calssificatore all'utente
Dialog choose = new Dialog {
Title = "Scegli il Classificatore", ClientSize = new Size(450, 180), BackgroundColor = new Color(0, 0, 1, 1)
};
Button defaultclassifier;
Button newclassifier;
choose.Content = new TableLayout {
Rows =
{
new TableRow(new TableCell(new Label())),
new TableRow(new TableCell(new Label {
Text = "Quale classificatore vuoi utilizzare per la classificazione delle immagini ? ",TextColor = new Color(255 / 255, 255 / 255, 255 / 255, 1), TextAlignment = TextAlignment.Center
})),
new TableRow(new TableCell(new Label())),
new TableRow(new TableCell(defaultclassifier = new Button {
Text = "Voglio utilizzare il classificatore di default",TextColor = new Color(0, 0, 0, 1), BackgroundColor = new Color(192 / 155, 192 / 155, 192 / 155, 0.6f)
})),
new TableRow(new TableCell(new Label())),
new TableRow(new TableCell(newclassifier = new Button {
Text = "Voglio addestrare e creare un nuovo classificatore ",TextColor = new Color(0, 0, 0, 1), BackgroundColor = new Color(192 / 155, 192 / 155, 192 / 155, 0.6f)
})),
new TableRow(new TableCell(new Label()))
},
};
defaultclassifier.Click += (object sender, EventArgs e) => //Caso in cui si utilizzi il classificatore standard
{
existClassifier = true; //Esiste il classificatore per l'analisi corrente
ClassifierUsedForAnalysis = PathClassifierStandard; //Il classificatore usato è quello standard
choose.Close();
};
newclassifier.Click += (object sender, EventArgs e) => //Caso in cui si vuole creare classificatore
{
existClassifier = false; //Non esiste ancora il classicatore che si vuole usare..occorre crearlo
choose.Close();
};
choose.ShowModal();
while (!cyclebreak)
{
if (!existClassifier) //Caso in cui il classificatore voglio creare un nuovo classificatore
{
//Dialog che spiega come addestrare il classificatore
Dialog attention = new Dialog {
Title = "Attenzione!", Size = new Eto.Drawing.Size(888, 450)
};
Button okbutton;
attention.Content = new TableLayout {
Rows =
{
new TableRow(new TableCell(new ImageView {
Image = new Eto.Drawing.Bitmap(System.Reflection.Assembly.GetEntryAssembly().GetManifestResourceStream("pedopornanalyzer.Properties.Resources.warning.png"))
}), new TableCell(new Label {
Text = "Attenzione:si è scelto di creare un nuovo classificatore!\n\n" +
"E' possibile addestrare il classificatore fornendogli degli esempi,da cui imparerà a riconoscere immagini simili.\n\n" +
"Per addestrare il classificatore si dovrà:\n" +
"- selezionare una cartella che contiene esclusivamente immagini positive (pornografiche/pedopornografiche) in formato .jpg\n" +
"- selezionare una cartella che contiene esclusivamente immagini negative in formato .jpg\n" +
" Le due cartelle devono contenere,all'incirca, lo stesso numero di file.\n\n" +
"Nota: Non rispondiamo dei risultati prodotti dal nuovo classificatore, se non \n" +
"si sa come addestrarlo utilizzare quello standard.\n", VerticalAlignment = VerticalAlignment.Center, TextAlignment = TextAlignment.Center, TextColor = new Eto.Drawing.Color(1, 1, 1, 1), BackgroundColor = new Eto.Drawing.Color(0, 0, 1, 1), Font = Fonts.Monospace(15f, 0, 0)
})),
new TableRow(new TableCell(), new TableCell(okbutton = new Button{
Text = "Ho capito !"
}), new TableCell())
}
};
okbutton.Click += (object sender, EventArgs e) =>
{
attention.Close();
};
attention.ShowModal();
/* Training Phase */
Console.WriteLine("Classifier not detected.");
Console.WriteLine("Training new classifier from samples...");
string trainFolderPositive = "";
bool presscancel = true;
do //do-while per "costringere" l'utente a scegliere una cartella
{
var dlg = new SelectFolderDialog();
dlg.Title = "Seleziona la cartella che contiene file positive";
DialogResult folder = dlg.ShowDialog(null);
if (folder == DialogResult.Ok)
{
presscancel = false;
string pathDevice = dlg.Directory.ToString();
trainFolderPositive = pathDevice;
}
else
{
presscancel = true;
MessageBox.Show("Per favore,seleziona una cartella che contiene esclusivamente file positivi in formato .jpg", 0);
}
}while (presscancel);
List <string> files = Directory.EnumerateFiles(trainFolderPositive, "*.*", SearchOption.AllDirectories).Where(s => s.EndsWith(".jpg") || s.EndsWith(".JPG") || s.EndsWith(".jpeg") || s.EndsWith(".JPEG")).ToList();
int numbpositiveimages = files.Count();
MessageBox.Show("Cartella selezionata correttamente", 0);
string trainFolderNegative = "";
presscancel = true;
do //do-while per "costringere" l'utente a scegliere una cartella
{
var dlg2 = new SelectFolderDialog();
dlg2.Title = "Seleziona la cartella che contiene file negativi";
DialogResult folder2 = dlg2.ShowDialog(null);
if (folder2 == DialogResult.Ok)
{
presscancel = false;
string pathDevice = dlg2.Directory.ToString();
trainFolderNegative = pathDevice;
}
else
{
presscancel = true;
MessageBox.Show("Per favore,seleziona una cartella che contiene esclusivamente file negativi in formato .jpg", 0);
}
}while (presscancel);
files.AddRange(Directory.EnumerateFiles(trainFolderNegative, "*.*", SearchOption.AllDirectories).Where(s => s.EndsWith(".jpg") || s.EndsWith(".JPG") || s.EndsWith(".jpeg") || s.EndsWith(".JPEG")).ToList());
populationSize = files.Count();
int numbnegativeimages = populationSize - numbpositiveimages;
MessageBox.Show("Cartella selezionata correttamente", 0);
int[] labels = new int[populationSize];
Matrix <float> trainingMat = new Matrix <float>(populationSize, 10);
Dialog waiting = new Dialog {
Title = "Addestramento in corso", Size = new Eto.Drawing.Size(750, 128), Content = new TableLayout {
Rows = { new TableRow(new TableCell(new ImageView {
Image = new Eto.Drawing.Bitmap(System.Reflection.Assembly.GetEntryAssembly().GetManifestResourceStream("pedopornanalyzer.Properties.Resources.warning.png"))
}), new TableCell(new Label {
Text = "Classificatore non individuato.\n" +
"Addestramento del classificatore dagli esempi in corso...\n", VerticalAlignment = VerticalAlignment.Center, TextAlignment = TextAlignment.Center, TextColor = new Eto.Drawing.Color(1, 1, 1, 1), BackgroundColor = new Eto.Drawing.Color(0, 0, 1, 1), Font = Fonts.Monospace(15f, 0, 0)
})) }
}
};
waiting.ShowModalAsync(); // il dialog di avviso viene mostrato in modo asincrono rispetto all'altra interfaccia
try
{
using (SVM svm = new SVM())
{
svm.Type = SVM.SvmType.CSvc;
svm.SetKernel(SVM.SvmKernelType.Linear);
svm.TermCriteria = new MCvTermCriteria((int)1e6, 1e-6);
await Task.Run(() =>
{
for (int i = 0; i < populationSize; i++)
{
SkinDetector mySkinDetector = new SkinDetector();
Matrix <float> samples = mySkinDetector.getFeatures(files[i]);
for (int j = 0; j < samples.Cols; j++)
{
trainingMat[i, j] = samples[0, j];
}
if (i < numbpositiveimages)
{
labels[i] = 1;
}
else
{
labels[i] = 0;
}
}
});
Matrix <int> labelsMat = new Matrix <int>(labels);
TrainData td = new TrainData(trainingMat, Emgu.CV.ML.MlEnum.DataLayoutType.RowSample, labelsMat);
if (svm.TrainAuto(td))
{
waiting.Close();
SaveFileDialog SaveClassifierDialog = new SaveFileDialog {
Title = "Indica il nome del classificatore"
};
SaveClassifierDialog.Filters.Add(new FileDialogFilter("XML Document", ".xml"));
SaveClassifierDialog.CurrentFilter = SaveClassifierDialog.Filters[0];
SaveClassifierDialog.CurrentFilterIndex = 0;
bool ExistSameClassifier = true;
while (ExistSameClassifier)
{
if (SaveClassifierDialog.ShowDialog(null) == DialogResult.Ok)
{
if (File.Exists(SaveClassifierDialog.FileName + ".xml"))
{
ExistSameClassifier = true;
MessageBox.Show("Esiste già un classificatore con questo nome", 0);
}
else
{
ExistSameClassifier = false;
string savefile = SaveClassifierDialog.FileName + ".xml";
svm.Save(savefile);
ClassifierUsedForAnalysis = savefile;
}
}
}
MessageBox.Show("Addestramento completato. Il classificatore è pronto!", 0);
}
else
{
MessageBox.Show("Ooops !\nQualcosa è andato storto,verrà utilizzato il classificatore standard");
ClassifierUsedForAnalysis = PathClassifierStandard;
}
}
}
catch (Exception e)
{ Console.WriteLine(e.ToString()); }
existClassifier = true;
}
else //Caso in cui il classificatore esiste
{
mytab2.ToolTip = "Attendere prego: stiamo elaborando i risultati...";
Dialog warning = new Dialog {
Title = "", Size = new Eto.Drawing.Size(750, 128), Content = new TableLayout {
Rows = { new TableRow(new TableCell(new ImageView {
Image = new Eto.Drawing.Bitmap(System.Reflection.Assembly.GetEntryAssembly().GetManifestResourceStream("pedopornanalyzer.Properties.Resources.warning.png"))
}), new TableCell(new Label {
Text = "Attendere prego: stiamo elaborando i risultati...", VerticalAlignment = VerticalAlignment.Center, TextAlignment = TextAlignment.Center, TextColor = new Eto.Drawing.Color(1, 1, 1, 1), BackgroundColor = new Eto.Drawing.Color(0, 0, 1, 1), Font = Fonts.Monospace(15f, 0, 0)
})) }
}
};
warning.ShowModalAsync(); // il dialog di avviso viene mostrato in modo asincrono rispetto all'altra interfaccia
// Il recupero di tutte le immagini dal dispositivo lo faccio fare ad un altro Task in modo da mantere la UI "viva"
await Task.Run(() =>
{
DiskUtils.GetImagesFromExtension(DriveToClassify); //le immagini vengono recuperate dal lavoro di estrazione di Davide
fileImages = DiskUtils.fileimmagine.ToArray(); //le immagini recuperate(il loro path in realtà) vengono inserite in un array
});
warning.Close(); // ora che i risultati sono pronti chiudo il dialog di elaborazione dei risultati...
mytab2.ToolTip = ""; // ...resetto a "vuoto" il tooltip della pagine
mytab2.PauseResume.Enabled = true; //...abilito il pulsante Pausa/Riprendi.
ImageAnalyzed = 0; //Inizialmente il numero di immagini analizzate è zero
Positives = 0; //Inizialmente il numero di immagini positive è zero
Negatives = 0; //Inizialmente il numero di immagini negative è zero
populationSize = 0; //Inizialmente il numero delle immagini da analizzare è zero
populationSize = fileImages.Length; //Setto il valore del numero delle immagini da analizzare: è pari al numero di elementi dell'array
mytab2.progress.MaxValue = populationSize; //Setto il valore massimo che la progress bar può assumere:è pari al numero di immagini da analizzare
PositiveImages = new List <string>(); //Inizializzo l'array che dovrà contenere il path delle immagini positive
cyclebreak = true;
AnalyzerAsync(mytab2); //Lancio la funzione principale
}
}
}
public async void AnalyzerAsync(MyTabAnalysis tabAnalysis) //Funzione principale che permette di elaborare i risultati riguardo le immagini recuperate.Sia caso iniziale che per Pausa/riprendi
{
Stopwatch stopwatch = new Stopwatch();
stopwatch.Start();
using (SVM svm = new SVM())
{
FileStorage fs = new FileStorage(ClassifierUsedForAnalysis, FileStorage.Mode.Read);
svm.Read(fs.GetFirstTopLevelNode());
for (int i = ImageAnalyzed; i < populationSize && !isStop; i++) // Inizio:pari al numero di immagini analizzate( 0 nel caso iniziale, !=0 in caso di pausa).Condizione di fine: ImDaAnalizzare=ImAnalizzate || PremutoPausa;
{
SkinDetector mySkinDetector = new SkinDetector();
Matrix <float> sample = new Matrix <float>(1, 10);
sample = mySkinDetector.getFeatures(fileImages[i]);
int response = (int)svm.Predict(sample);
ImageAnalyzed++; //Incremento il numero di immagini analizzte
tabAnalysis.images.Text = ImageAnalyzed.ToString(); //Stampo il numero di immagini analizzate nella form
if (response == 1) //Caso immagine positiva
{
Positives++; //Incremento il numero di immagini positive
MyTabAnalysis.positive.Text = Positives.ToString(); //Stampo il numero di immagini positive nella form
PositiveImages.Add(fileImages [i]); //Aggiungo il path dell'immagine positiva all'arraylist PositiveImages
MyTabAnalysis.pathPositive.Text += fileImages[i] + "\n"; //Stampo il path dell'immagine positiva nella textarea della form
}
else //Caso immagine negativa
{
Negatives++; //Incremento il numero di immagini negative
MyTabAnalysis.negative.Text = Negatives.ToString(); //Stampo il numero di immagini negative nella form
}
await Task.Delay(125); //Aggiungo il ritardo,utile per far in modo che la UI non freezi
tabAnalysis.progress.Value = ImageAnalyzed; //Aggiorno il valore attuale della progress bar: è pari al numero di immagini analizzate
tabAnalysis.percentuage.Text = ((i * 100) / populationSize).ToString() + "%"; //Aggiorno il valore su scala 100 della progress bar
}
if (tabAnalysis.progress.Value == tabAnalysis.progress.MaxValue) //Se usciti dal ciclo for, la progress bar ha raggiunto il suo valore massimo...
{
tabAnalysis.cartella.Enabled = true; //...l'analisi è conclusa e posso analizzare un nuovo dispositivo:riabilito cartella
tabAnalysis.PauseResume.Enabled = false; //...Disabilitiamo il bottono PauseResume
isStop = true; //...l'analizzatore è in stop
tabAnalysis.percentuage.Text = "100%"; //A causa della struttura del ciclo for, non potrei visualizzare mai il valore "100%" e quindi uscito dal ciclo e quando la progress bar è piena sono sicuro di essere arrivato al "100%"
}
if (populationSize == 0 && ImageAnalyzed == 0 && Positives == 0 && Negatives == 0) //Se usciti dal ciclo for,non sono stati trovate file immagine...
{
tabAnalysis.images.Text = "0";
MyTabAnalysis.positive.Text = "0";
MyTabAnalysis.negative.Text = "0";
}
}
stopwatch.Stop();
Console.WriteLine("Time taken (ms): " + stopwatch.Elapsed.TotalMilliseconds);
Console.WriteLine("Time taken (s): " + stopwatch.Elapsed.TotalSeconds);
Console.WriteLine("Time taken (min): " + stopwatch.Elapsed.TotalMinutes);
}
