ytcollector 1.1.1__tar.gz → 1.1.2__tar.gz

{ytcollector-1.1.1 → ytcollector-1.1.2}/PKG-INFO

@@ -1,6 +1,6 @@
 Metadata-Version: 2.4
 Name: ytcollector
-Version: 1.1.1
+Version: 1.1.2
 Summary: YouTube 콘텐츠 수집기 - 얼굴, 번호판, 타투, 텍스트 감지
 Author: YTCollector Team
 License: MIT
@@ -24,6 +24,7 @@ Provides-Extra: analysis
 Requires-Dist: opencv-python>=4.5.0; extra == "analysis"
 Requires-Dist: easyocr>=1.6.0; extra == "analysis"
 Requires-Dist: numpy>=1.20.0; extra == "analysis"
+Requires-Dist: ultralytics>=8.0.0; extra == "analysis"
 Provides-Extra: dev
 Requires-Dist: pytest>=7.0.0; extra == "dev"
 Requires-Dist: black>=23.0.0; extra == "dev"
@@ -46,7 +47,9 @@ pip install yt-dlp
 ### 분석 기능용 패키지 (권장)
 
 ```bash
-pip install opencv-python easyocr numpy
+pip install opencv-python easyocr numpy ultralytics
+# YOLO-World 기능을 사용하려면 아래 CLIP 라이브러리 수동 설치가 필요합니다.
+pip install "git+https://github.com/ultralytics/CLIP.git"
 ```
 
 ## 사용법
@@ -184,9 +187,9 @@ https://www.youtube.com/watch?v=aqz-KE-bpKQ, 00:10, sample_task
 | 감지 항목 | 사용 기술 | 설명 |
 |-----------|-----------|------|
 | 얼굴 | OpenCV Haar Cascade | 정면 얼굴 감지 |
-| 텍스트 | EasyOCR | 한국어/영어 문자 인식 |
-| 번호판 | EasyOCR + 정규식 | 번호판 패턴 매칭 |
-| 타투 | OpenCV HSV 분석 | 피부 영역 내 잉크 패턴 |
+| 텍스트 | EasyOCR | 한국어/영어 문자 인식 (분석 품질 및 프레임 수 개선) |
+| 번호판 | YOLO-World + OCR | YOLO-World 기반 시각적 감지 + OCR 매칭 |
+| 타투 | OpenCV HSV 분석 | 피부 영역 내 잉크 패턴 감지 |
 
 ## 주의사항
 

{ytcollector-1.1.1 → ytcollector-1.1.2}/README.md

@@ -13,7 +13,9 @@ pip install yt-dlp
 ### 분석 기능용 패키지 (권장)
 
 ```bash
-pip install opencv-python easyocr numpy
+pip install opencv-python easyocr numpy ultralytics
+# YOLO-World 기능을 사용하려면 아래 CLIP 라이브러리 수동 설치가 필요합니다.
+pip install "git+https://github.com/ultralytics/CLIP.git"
 ```
 
 ## 사용법
@@ -151,9 +153,9 @@ https://www.youtube.com/watch?v=aqz-KE-bpKQ, 00:10, sample_task
 | 감지 항목 | 사용 기술 | 설명 |
 |-----------|-----------|------|
 | 얼굴 | OpenCV Haar Cascade | 정면 얼굴 감지 |
-| 텍스트 | EasyOCR | 한국어/영어 문자 인식 |
-| 번호판 | EasyOCR + 정규식 | 번호판 패턴 매칭 |
-| 타투 | OpenCV HSV 분석 | 피부 영역 내 잉크 패턴 |
+| 텍스트 | EasyOCR | 한국어/영어 문자 인식 (분석 품질 및 프레임 수 개선) |
+| 번호판 | YOLO-World + OCR | YOLO-World 기반 시각적 감지 + OCR 매칭 |
+| 타투 | OpenCV HSV 분석 | 피부 영역 내 잉크 패턴 감지 |
 
 ## 주의사항
 

{ytcollector-1.1.1 → ytcollector-1.1.2}/pyproject.toml

@@ -4,7 +4,7 @@ build-backend = "setuptools.build_meta"
 
 [project]
 name = "ytcollector"
-version = "1.1.1"
+version = "1.1.2"
 description = "YouTube 콘텐츠 수집기 - 얼굴, 번호판, 타투, 텍스트 감지"
 readme = "README.md"
 requires-python = ">=3.8"
@@ -34,6 +34,7 @@ analysis = [
     "opencv-python>=4.5.0",
     "easyocr>=1.6.0",
     "numpy>=1.20.0",
+    "ultralytics>=8.0.0",
 ]
 dev = [
     "pytest>=7.0.0",

{ytcollector-1.1.1 → ytcollector-1.1.2}/ytcollector/analyzer.py

@@ -21,6 +21,15 @@ try:
 except ImportError:
     NUMPY_AVAILABLE = False
 
+try:
+    from ultralytics import YOLOWorld
+    YOLO_AVAILABLE = True
+except ImportError:
+    YOLOWorld = None
+    YOLO_AVAILABLE = False
+
+from .config import LICENSE_PLATE_PATTERNS, YOLO_MODEL_NAME, YOLO_CONFIDENCE, YOLO_PROMPTS
+
 
 class VideoAnalyzer:
     """영상 분석 클래스 - 얼굴, 텍스트, 번호판, 타투 감지"""
@@ -30,6 +39,7 @@ class VideoAnalyzer:
     def __init__(self):
         self.ocr_reader = None
         self.face_cascade = None
+        self.yolo_model = None
 
         if CV2_AVAILABLE:
             cascade_path = cv2.data.haarcascades + 'haarcascade_frontalface_default.xml'
@@ -43,6 +53,16 @@ class VideoAnalyzer:
                     print("  OCR 엔진 초기화 중...")
                     self.ocr_reader = easyocr.Reader(['ko', 'en'], gpu=False, verbose=False)
 
+    def _init_yolo(self):
+        """YOLO-World 모델 초기화 (필요할 때만, 스레드 안전)"""
+        if YOLO_AVAILABLE and self.yolo_model is None:
+            with self._ocr_lock:
+                if self.yolo_model is None:
+                    print(f"  YOLO-World 모델({YOLO_MODEL_NAME}) 로딩 중...")
+                    self.yolo_model = YOLOWorld(YOLO_MODEL_NAME)
+                    # 감지할 클래스(프롬프트) 설정
+                    self.yolo_model.set_classes(YOLO_PROMPTS)
+
     def extract_frames(self, video_path, num_frames=10):
         """영상에서 균등 간격으로 프레임 추출"""
         if not CV2_AVAILABLE:
@@ -87,23 +107,68 @@ class VideoAnalyzer:
         self._init_ocr()
         try:
             h, w = frame.shape[:2]
-            if w > 640:
-                scale = 640 / w
-                frame = cv2.resize(frame, (640, int(h * scale)))
+            
+            # 가독성 개선을 위해 1080p 수준으로 리사이즈 (너무 작으면 인식률 저하)
+            if w > 1280:
+                scale = 1280 / w
+                frame = cv2.resize(frame, (1280, int(h * scale)), interpolation=cv2.INTER_LANCZOS4)
+            elif w < 640:
+                # 너무 작은 경우 확대
+                scale = 960 / w
+                frame = cv2.resize(frame, (960, int(h * scale)), interpolation=cv2.INTER_CUBIC)
+
+            # 전처리: 그레이스케일 및 대비 강화 (옵션)
+            gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
+            clahe = cv2.createCLAHE(clipLimit=2.0, tileGridSize=(8,8))
+            processed = clahe.apply(gray)
 
             with self._ocr_lock:
-                results = self.ocr_reader.readtext(frame)
-            return [r[1] for r in results if r[2] > 0.3]
-        except:
+                # 원본(컬러)과 전처리(그레이) 중 선택 가능하나 보통 EasyOCR은 컬러에서 잘 작동함
+                # 대비 강화된 그레이스케일을 사용해봄
+                results = self.ocr_reader.readtext(processed)
+            
+            # 신뢰도 임계값 0.25로 약간 하향 조정 (기존 0.3)
+            return [r[1] for r in results if r[2] > 0.25]
+        except Exception as e:
+            print(f"  ⚠ OCR 에러: {e}")
             return []
 
-    def detect_license_plate(self, texts):
-        """텍스트에서 번호판 패턴 감지"""
+    def detect_license_plate(self, texts, frame=None):
+        """텍스트에서 번호판 패턴 감지 및 YOLO-World 보조 감지"""
+        # 1. YOLO-World로 번호판 영역 확인
+        if YOLO_AVAILABLE and frame is not None:
+            try:
+                self._init_yolo()
+                if self.yolo_model:
+                    results = self.yolo_model(frame, verbose=False, conf=YOLO_CONFIDENCE)
+                    for r in results:
+                        # YOLO-World 클래스 인덱스는 YOLO_PROMPTS 순서와 같음
+                        # 0: license plate, 1: tattoo, 2: face (config 기준)
+                        if any(box.cls == 0 for box in r.boxes):
+                            # 번호판이 감지됨 -> 텍스트가 조금이라도 있으면 통과
+                            if texts: return True
+                            # 텍스트가 없어도 신뢰도가 높으면 감지된 것으로 간주 (옵션)
+                            if any(box.conf > 0.5 for box in r.boxes if box.cls == 0):
+                                return True
+            except:
+                pass
+
+        if not texts:
+            return False
+            
+        # 2. 개별 텍스트 박스 체크
         for text in texts:
-            text_clean = text.replace(' ', '').upper()
+            text_clean = re.sub(r'[^0-9가-힣]', '', text)
             for pattern in LICENSE_PLATE_PATTERNS:
                 if re.search(pattern, text_clean):
                     return True
+        
+        # 3. 프레임 내 모든 텍스트 결합 후 체크 (번호판이 쪼개진 경우 대응)
+        combined_text = "".join([re.sub(r'[^0-9가-힣]', '', t) for t in texts])
+        for pattern in LICENSE_PLATE_PATTERNS:
+            if re.search(pattern, combined_text):
+                return True
+                
         return False
 
     def detect_tattoo(self, frame):
@@ -175,7 +240,12 @@ class VideoAnalyzer:
         total_frames = int(cap.get(cv2.CAP_PROP_FRAME_COUNT))
         cap.release()
 
-        num_analysis_frames = 10
+        # 분석 프레임 수 증가 (10 -> 20)
+        num_analysis_frames = 20
+        # 영상이 아주 긴 경우(10분 이상) 더 많은 프레임 추출
+        if total_frames / fps > 600:
+            num_analysis_frames = 30
+            
         frame_indices = [int(i * total_frames / (num_analysis_frames + 1)) for i in range(1, num_analysis_frames + 1)]
         
         all_texts = []
@@ -198,12 +268,16 @@ class VideoAnalyzer:
                 total_faces += len(faces)
                 detected_now = True
 
-            # 텍스트
+            # 텍스트 및 번호판
             texts = self.detect_text(frame)
             if texts:
                 results['text'] = True
                 all_texts.extend(texts)
                 detected_now = True
+                
+                # 번호판 감지 (프레임별로 결합 텍스트 및 YOLO 확인)
+                if self.detect_license_plate(texts, frame=frame):
+                    results['license_plate'] = True
 
             # 타투
             if self.detect_tattoo(frame):
@@ -218,9 +292,7 @@ class VideoAnalyzer:
 
         cap.release()
 
-        # 번호판 (텍스트에서)
         if all_texts:
-            results['license_plate'] = self.detect_license_plate(all_texts)
             results['detected_texts'] = list(set(all_texts))[:10]
 
         results['face_count'] = total_faces

{ytcollector-1.1.1 → ytcollector-1.1.2}/ytcollector/cli.py

@@ -74,7 +74,7 @@ def create_parser():
     parser.add_argument(
         '-v', '--version',
         action='version',
-        version='%(prog)s 1.1.1'
+        version='%(prog)s 1.1.2'
     )
     parser.add_argument(
         '--check-deps',

{ytcollector-1.1.1 → ytcollector-1.1.2}/ytcollector/config.py

@@ -37,14 +37,10 @@ CATEGORY_QUERIES = {
     ],
     'text': [
         "SBS 런닝맨 레전드",
-        "SBS 미운우리새끼 명장면",
-        "SBS 동상이몽 클립",
-        "SBS 집사부일체 모음",
-        "SBS 골목식당 레전드",
-        "SBS 맛남의광장 클립",
-        "SBS 불타는청춘 명장면",
-        "SBS 정글의법칙 레전드",
-        "SBS 예능",
+        "SBS 예능 쇼츠",
+        "재미있는 자막 영상 쇼츠",
+        "SBS 파워FM 보이는 라디오",
+        "SBS 연예대상 소감",
     ],
 }
 
@@ -61,6 +57,9 @@ BLACKLIST_KEYWORDS = {
         "두피 문신", "두피문신",
         "눈썹 문신", "눈썹문신",
         "입술 문신", "입술문신",
+        "립타투", "립 타투",
+        "헤어타투", "헤어 타투",
+        "구레나룻문신", "구레나룻 문신",
         "틴트 입술",
         "반영구", "SMP"
     ],
@@ -69,12 +68,21 @@ BLACKLIST_KEYWORDS = {
     'text': []
 }
 
-# 번호판 정규식 패턴
+# YOLO 설정
+YOLO_MODEL_NAME = 'yolov8s-world.pt' # YOLO-World 모델 (Open Vocabulary)
+YOLO_CONFIDENCE = 0.3                # YOLO-World는 임계값을 약간 낮게 설정 가능
+YOLO_PROMPTS = ["license plate"]
+
+# 번호판 정규식 패턴 (한국 자동차 번호판 중심)
 LICENSE_PLATE_PATTERNS = [
-    r'\d{2,3}[가-힣]\d{4}',
-    r'[가-힣]{2}\d{2}[가-힣]\d{4}',
-    r'[A-Z]{2,3}[-\s]?\d{2,4}[-\s]?[A-Z]{0,3}',
-    r'\d{2,4}[-\s]?[A-Z]{2,3}[-\s]?\d{2,4}',
+    # 1. 신형/구형 번호판 (12가 3456, 123가 4567)
+    r'\d{2,3}[가-힣]{1}\d{4}',
+    # 2. 지역 포함 번호판 (서울 12 가 3456)
+    r'[가-힣]{2}\d{2}[가-힣]{1}\d{4}',
+    # 3. 전기차/외교/임시 등 특수 패턴 대응
+    r'[가-힣]{2,3}\d{4}', # (예: 외교 1234, 임시 1234)
+    # 4. 결합된 텍스트에서 숫자-글자-숫자 구성 포착
+    r'\d+[가-힣]+\d+',
 ]
 
 # 스킵할 에러 메시지

{ytcollector-1.1.1 → ytcollector-1.1.2}/ytcollector.egg-info/PKG-INFO

@@ -1,6 +1,6 @@
 Metadata-Version: 2.4
 Name: ytcollector
-Version: 1.1.1
+Version: 1.1.2
 Summary: YouTube 콘텐츠 수집기 - 얼굴, 번호판, 타투, 텍스트 감지
 Author: YTCollector Team
 License: MIT
@@ -24,6 +24,7 @@ Provides-Extra: analysis
 Requires-Dist: opencv-python>=4.5.0; extra == "analysis"
 Requires-Dist: easyocr>=1.6.0; extra == "analysis"
 Requires-Dist: numpy>=1.20.0; extra == "analysis"
+Requires-Dist: ultralytics>=8.0.0; extra == "analysis"
 Provides-Extra: dev
 Requires-Dist: pytest>=7.0.0; extra == "dev"
 Requires-Dist: black>=23.0.0; extra == "dev"
@@ -46,7 +47,9 @@ pip install yt-dlp
 ### 분석 기능용 패키지 (권장)
 
 ```bash
-pip install opencv-python easyocr numpy
+pip install opencv-python easyocr numpy ultralytics
+# YOLO-World 기능을 사용하려면 아래 CLIP 라이브러리 수동 설치가 필요합니다.
+pip install "git+https://github.com/ultralytics/CLIP.git"
 ```
 
 ## 사용법
@@ -184,9 +187,9 @@ https://www.youtube.com/watch?v=aqz-KE-bpKQ, 00:10, sample_task
 | 감지 항목 | 사용 기술 | 설명 |
 |-----------|-----------|------|
 | 얼굴 | OpenCV Haar Cascade | 정면 얼굴 감지 |
-| 텍스트 | EasyOCR | 한국어/영어 문자 인식 |
-| 번호판 | EasyOCR + 정규식 | 번호판 패턴 매칭 |
-| 타투 | OpenCV HSV 분석 | 피부 영역 내 잉크 패턴 |
+| 텍스트 | EasyOCR | 한국어/영어 문자 인식 (분석 품질 및 프레임 수 개선) |
+| 번호판 | YOLO-World + OCR | YOLO-World 기반 시각적 감지 + OCR 매칭 |
+| 타투 | OpenCV HSV 분석 | 피부 영역 내 잉크 패턴 감지 |
 
 ## 주의사항
 

{ytcollector-1.1.1 → ytcollector-1.1.2}/ytcollector.egg-info/requires.txt

@@ -7,6 +7,7 @@ ytcollector[analysis,dev]
 opencv-python>=4.5.0
 easyocr>=1.6.0
 numpy>=1.20.0
+ultralytics>=8.0.0
 
 [dev]
 pytest>=7.0.0