In [38]:

    

from numpy import *
from PIL import *
import pickle
from pylab import *
import os


    

In [39]:

    

import sift
import dsift
dsift = reload(dsift)
import imtools
imtools = reload(imtools)


    

In [40]:

    

def read_gesture_features_labels(path):
    # make a list of the files with .dsift at the end
    featlist = [os.path.join(path, f) for f in os.listdir(path)
               if f.endswith('.dsift')]
    
    # read features
    features = []
    for featfile in featlist:
        l, d = sift.read_features_from_file(featfile)
        features.append(d.flatten())
    features = array(features)
    
    # generate labels
    labels = [featfile.split('/')[-1][0] for featfile in featlist]
    
    return features, array(labels)


    

In [62]:

    

features, labels = read_gesture_features_labels('train/')
test_features, test_labels = read_gesture_features_labels('test/')
classnames = unique(labels)


    

In [63]:

    

# the first letter of the file name is the label
print labels


    

    




['F' 'C' 'A' 'V' 'A' 'B' 'A' 'F' 'V' 'P' 'F' 'P' 'V' 'C' 'A' 'V' 'V' 'C'
 'B' 'V' 'C' 'C' 'A' 'F' 'V' 'P' 'V' 'P' 'C' 'A' 'F' 'A' 'C' 'B' 'P' 'B'
 'B' 'F' 'V' 'B' 'A' 'C' 'B' 'C' 'C' 'V' 'A' 'B' 'A' 'P' 'P' 'P' 'F' 'B'
 'B' 'A' 'C' 'A' 'B' 'F' 'P' 'C' 'A' 'A' 'V' 'A' 'B' 'P' 'F' 'P' 'A' 'B'
 'V' 'F' 'B' 'A' 'F' 'F' 'C' 'V' 'B' 'V' 'C' 'F' 'P' 'P' 'A' 'F' 'P' 'P'
 'F' 'F' 'F' 'V' 'V' 'A' 'C' 'C' 'F' 'P' 'F' 'A' 'V' 'F' 'C' 'B' 'V' 'P'
 'B' 'C' 'P' 'V' 'P' 'F' 'V' 'V' 'C' 'A' 'B' 'C' 'F' 'P' 'C' 'B' 'V' 'P'
 'C' 'V' 'P' 'C' 'C' 'B' 'A' 'A' 'C' 'P' 'C' 'P' 'B' 'F' 'F' 'B' 'P' 'A'
 'A' 'C' 'F' 'P' 'V' 'C' 'B' 'V' 'B' 'F' 'B' 'A' 'V' 'C' 'F' 'B' 'F' 'V'
 'B' 'V' 'A' 'P' 'A' 'V' 'P' 'F' 'B' 'P' 'A' 'B']

In [64]:

    

import pca


    

In [65]:

    

V, S, m = pca.pca(features)


    

In [66]:

    

V = V[:2]  # take out the important features
features = array([dot(V, f-m) for f in features])
test_features = array([dot(V, f-m) for f in test_features])


    

In [67]:

    

import bayes
import poisson
poisson = reload(poisson)


    

In [68]:

    

bc = poisson.BayesClassifier()
blist = [features[where(labels==c)[0]] for c in classnames]

bc.train(blist, classnames)


    

In [69]:

    

res = bc.classify(test_features)[0]
print res
print test_labels


    

    




['A' 'A' 'A' 'A' 'A' 'A' 'A' 'A' 'A' 'A' 'A' 'A' 'A' 'A' 'A' 'A' 'A' 'A'
 'A' 'A' 'A' 'A' 'A' 'A' 'A' 'A' 'A' 'A' 'A' 'A' 'A' 'A' 'A' 'A' 'A' 'A'
 'A' 'A' 'A' 'A' 'A' 'A' 'A' 'A' 'A' 'A' 'A' 'A' 'A' 'A' 'A' 'A' 'A' 'A'
 'A' 'A' 'A' 'A' 'A' 'A' 'A' 'A' 'A' 'A' 'A' 'A' 'A' 'A' 'A' 'A' 'A' 'A'
 'A' 'A' 'A' 'A' 'A' 'A' 'A' 'A' 'A' 'A' 'A' 'A' 'A' 'A' 'A' 'A' 'A' 'A'
 'A' 'A' 'A' 'A' 'A' 'A' 'A' 'A' 'A' 'A' 'A' 'A' 'A' 'A' 'A' 'A' 'A' 'A'
 'A' 'A' 'A' 'A' 'A' 'A' 'A' 'A' 'A' 'A' 'A' 'A' 'A' 'A' 'A' 'A' 'A' 'A'
 'A' 'A' 'A' 'A' 'A' 'A' 'A' 'A' 'A' 'A' 'A' 'A' 'A' 'A' 'A' 'A' 'A' 'A'
 'A' 'A' 'A' 'A' 'A' 'A' 'A' 'A' 'A' 'A' 'A' 'A' 'A' 'A' 'A' 'A' 'A' 'A'
 'A' 'A' 'A' 'A' 'A' 'A' 'A' 'A' 'A' 'A' 'A' 'A' 'A' 'A' 'A' 'A' 'A' 'A'
 'A' 'A' 'A' 'A' 'A' 'A' 'A' 'A' 'A' 'A' 'A' 'A' 'A' 'A' 'A' 'A' 'A' 'A'
 'A' 'A' 'A' 'A' 'A' 'A' 'A' 'A' 'A' 'A']
['V' 'P' 'B' 'A' 'C' 'A' 'B' 'V' 'A' 'B' 'F' 'V' 'F' 'C' 'F' 'A' 'C' 'C'
 'B' 'F' 'V' 'F' 'V' 'C' 'B' 'B' 'F' 'P' 'B' 'B' 'A' 'B' 'V' 'P' 'C' 'F'
 'F' 'B' 'A' 'F' 'B' 'A' 'A' 'B' 'B' 'C' 'C' 'C' 'V' 'F' 'A' 'B' 'F' 'V'
 'P' 'V' 'B' 'P' 'C' 'C' 'A' 'B' 'P' 'P' 'F' 'F' 'B' 'F' 'C' 'P' 'F' 'P'
 'P' 'P' 'V' 'C' 'V' 'F' 'B' 'V' 'P' 'B' 'B' 'C' 'F' 'C' 'F' 'B' 'F' 'P'
 'A' 'P' 'A' 'P' 'C' 'C' 'V' 'P' 'C' 'C' 'P' 'C' 'F' 'F' 'C' 'C' 'F' 'C'
 'C' 'A' 'F' 'P' 'V' 'P' 'A' 'B' 'A' 'C' 'V' 'B' 'P' 'B' 'F' 'C' 'V' 'V'
 'P' 'A' 'F' 'P' 'P' 'V' 'F' 'F' 'F' 'P' 'V' 'P' 'C' 'A' 'F' 'V' 'V' 'F'
 'B' 'C' 'P' 'P' 'A' 'C' 'A' 'F' 'F' 'P' 'F' 'C' 'F' 'C' 'C' 'V' 'A' 'F'
 'A' 'A' 'B' 'P' 'V' 'A' 'F' 'F' 'B' 'A' 'F' 'V' 'B' 'C' 'A' 'A' 'F' 'P'
 'B' 'A' 'F' 'A' 'B' 'P' 'P' 'C' 'B' 'B' 'V' 'F' 'F' 'F' 'C' 'F' 'A' 'F'
 'C' 'V' 'F' 'V' 'P' 'F' 'P' 'P' 'P' 'V']

In [18]:

    

acc = sum(1.0*(res==test_labels[0]))/len(test_labels[0])
print 'Accuracy:', acc


    

    




Accuracy: 0.0

In [17]:

    

def print_confusion(res, test_labels, classnames):
    
    n = len(classnames)
    
    class_ind = dict([(classnames[i], i) for i in range(n)])
    
    confuse = zeros((n, n))
    for i in range(len(test_labels)):
        confuse[class_ind[res[i]], class_ind[test_labels[i]]] += 1
    
    print 'Confusion matrix for'
    print classnames
    print confuse


    

In [15]:

    

print_confusion(res, test_labels, classnames)


    

    




Confusion matrix for
['A' 'B' 'C' 'F' 'P' 'V']
[[ 23.   1.   1.  13.   1.   0.]
 [  0.  26.   1.   5.   0.   0.]
 [  0.   0.  33.   2.   0.   0.]
 [  0.   1.   0.  24.   0.   0.]
 [  0.   2.   0.   0.  27.   1.]
 [  6.   2.   1.   3.   8.  27.]]

In [ ]: