Config.py

###########################################################
# Clases libreria y funciones auxiliares de configuracion #
###########################################################

import cv2 as cv
import tensorflow as tf
import serial
from enum import Enum


# Clases libreria para la configuracion
class Modo(Enum):
	"Enum con los distintos modos de funcionamiento de la torreta"
	deteccion = 0
	search_destroy = 1


class UI():
	"Clase para el aspecto de la interfaz colores basados en CyberPunk 2077"
	verde = (0, 255, 0)
	lima = (20, 230, 150)
	rojo = (84, 7, 220)
	rojo_claro = (66, 69, 255)
	rojo_oscuro = (56, 72, 153)
	rojo_oscuro2 = (25, 28, 67)
	morado = (200, 0, 128)
	purpura = (41, 26, 30)
	cyan = (245, 235, 157)
	cyan2 = (255, 254, 164)


class VidProp():
	"Clase con parametros para la configuracion de video de salida"
	# source = 0
	source = "Entrada/vtest.avi"
	# fourcc = cv.VideoWriter_fourcc(*"VP80")
	# fourcc = cv.VideoWriter_fourcc(*"VP90")
	# fourcc = cv.VideoWriter_fourcc(*"LAGS")
	fourcc = cv.VideoWriter_fourcc(*"FFV1")
	# fps = 6
	fps = 12
	# resolu = (768, 576)
	resolu = (1280, 720)
	mobilenet_10 = (2240, 224)
	show_fps = False
	guardar = False


class Tracker():
	"Clase para los parametros de confianza del Tracker"
	# Area minima para eliminar ruido de contornos
	area_min = 100
	# Tolerancia para comparar areas del objetivo actual y los propuestos
	tolerancia = 0.25
	# Persistencia de eliminados en frames
	persistencia = 10


class Motor():
	"Clase para los parametros del movimiento Torreta"
	# Distancia de movimiento en pixeles
	mov = 20
	# Distancia de disparo minima
	d_disp = 10
	# Equivalencia steps motor - pixeles video
	# pixeles_a_step = 10
	pixeles_a_step = 1


class Serial():
	"Clase para los parametros de la conexion serial"
	baudrate = 115200
	parity = serial.PARITY_ODD
	stopbits = serial.STOPBITS_ONE
	bytesize = serial.EIGHTBITS


class Network():
	puerto = 5555
	archivo_forzado = "Entrada/Objetivos/Persona Vaqueros Joven/Objetivo 577.png"


class DNN():
	"Parametros para las distintas redes neuronales"
	img_size = 416
	img_margen = 25
	umbral_confianza = 0.5
	gpu = True
	archivo_modelo = ""
	archivo_pesos = ""
	# modelo = "YoLo"
	modelo = "MobileNet"
	archivo_labels = 'Modelos/coco.names'
	etiquetas_entrenadas = ['Coche', 'Furgoneta', 'Persona Anorak',
	'Persona Azul', 'Persona Cuero', 'Persona Negro', 'Persona Negro Mujer',
	'Persona Rojo', 'Persona Vaqueros Joven', 'Persona Vaqueros Mayor']

	class YoLo():
		"Parametos para una red de detección completa YoLov3"
		archivo_modelo = 'Modelos/yolov3.cfg'
		archivo_pesos = 'Modelos/yolov3.weights'

	class YoLo_tiny():
		"Parametos para una red de detección completa YoLo-Tiny"
		archivo_modelo = 'Modelos/yolov3-tiny.cfg'
		archivo_pesos = 'Modelos/yolov3-tiny.weights'

	class MobileNet():
		"Parametos para una red de detección completa MobileNet V1"
		img_size = 224
		size = (300, 300)
		archivo_modelo = 'Modelos/mobilenet.caffemodel'
		archivo_prototxt = 'Modelos/mobilenet.prototxt'




# Funciones para configurar el programa
def debug_off():
	"Elimina los mensajes de warning de CUDA con tensorflow"
	tf.get_logger().setLevel('ERROR')


def Fullscreen(win_name):
	"Configura el programa una salida fullscreen"
	cv.namedWindow(win_name, cv.WINDOW_NORMAL)
	cv.setWindowProperty(win_name, cv.WND_PROP_FULLSCREEN, cv.WINDOW_FULLSCREEN)