ytcollector 1.1.7__py3-none-any.whl → 1.1.9__py3-none-any.whl

ytcollector/__init__.py

@@ -22,7 +22,7 @@ from .analyzer import VideoAnalyzer, check_dependencies
 from .downloader import YouTubeDownloader
 from .cli import run, main as cli_main
 
-__version__ = "1.1.7"
+__version__ = "1.1.8"
 __all__ = [
     # 주요 클래스
     "VideoAnalyzer",

ytcollector/analyzer.py

@@ -21,7 +21,7 @@ except ImportError:
     EASYOCR_AVAILABLE = False
 
 try:
-    from ultralytics import YOLOWorld
+    from ultralytics import YOLO
     YOLO_AVAILABLE = True
 except ImportError:
     YOLO_AVAILABLE = False
@@ -32,7 +32,7 @@ try:
 except ImportError:
     USE_GPU = False
 
-from .config import LICENSE_PLATE_PATTERNS, YOLO_MODEL_NAME, YOLO_CONFIDENCE, YOLO_PROMPTS
+from .config import LICENSE_PLATE_PATTERNS, YOLO_MODEL_NAME, YOLO_CONFIDENCE
 
 
 class VideoAnalyzer:
@@ -59,16 +59,14 @@ class VideoAnalyzer:
                     self.ocr_reader = easyocr.Reader(['ko', 'en'], gpu=USE_GPU, verbose=False)
 
     def _init_yolo(self):
-        """YOLO-World 모델 초기화 (필요할 때만, 스레드 안전, GPU 가속 체크)"""
+        """YOLO 모델 초기화 (필요할 때만, 스레드 안전, GPU 가속 체크)"""
         if YOLO_AVAILABLE and self.yolo_model is None:
             with self._ocr_lock:
                 if self.yolo_model is None:
                     device = "cuda" if USE_GPU else "cpu"
-                    print(f"  YOLO-World 모델 로딩 중... (Device: {device})")
-                    self.yolo_model = YOLOWorld(YOLO_MODEL_NAME)
+                    print(f"  YOLO 모델 로딩 중... (Device: {device})")
+                    self.yolo_model = YOLO(YOLO_MODEL_NAME)
                     self.yolo_model.to(device)
-                    # 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"""
@@ -106,7 +104,7 @@ class VideoAnalyzer:
             gray, scaleFactor=1.1, minNeighbors=5, minSize=(30, 30)
         )
 
-    def detect_text(self, frame):
+    def detect_text(self, frame, return_positions=False):
         """EasyOCR로 텍스트 감지 (스레드 안전)"""
         if not EASYOCR_AVAILABLE:
             return []
@@ -114,7 +112,8 @@ class VideoAnalyzer:
         self._init_ocr()
         try:
             h, w = frame.shape[:2]
-            
+            scale = 1.0
+
             # 가독성 개선을 위해 1080p 수준으로 리사이즈 (너무 작으면 인식률 저하)
             if w > 1280:
                 scale = 1280 / w
@@ -124,22 +123,48 @@ class VideoAnalyzer:
                 scale = 960 / w
                 frame = cv2.resize(frame, (960, int(h * scale)), interpolation=cv2.INTER_CUBIC)
 
+            resized_h, resized_w = frame.shape[:2]
+
             # 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:
-                # 원본(컬러)과 전처리(그레이) 중 선택 가능하나 보통 EasyOCR은 컬러에서 잘 작동함
-                # 대비 강화된 그레이스케일을 사용해봄
                 results = self.ocr_reader.readtext(processed)
-            
+
+            if return_positions:
+                # 위치 정보와 함께 반환 (bbox, text, conf, y_ratio)
+                texts_with_pos = []
+                for r in results:
+                    if r[2] > 0.25:
+                        bbox = r[0]
+                        # bbox의 y 중심점 계산 (0~1 비율)
+                        y_center = (bbox[0][1] + bbox[2][1]) / 2
+                        y_ratio = y_center / resized_h
+                        texts_with_pos.append({
+                            'text': r[1],
+                            'conf': r[2],
+                            'y_ratio': y_ratio
+                        })
+                return texts_with_pos
+
             # 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_subtitle(self, frame):
+        """자막 감지 - 화면 하단 60%~95% 영역의 텍스트만 필터링"""
+        texts_with_pos = self.detect_text(frame, return_positions=True)
+        if not texts_with_pos:
+            return []
+
+        # 자막은 주로 화면 하단에 위치 (y_ratio 0.6 ~ 0.95)
+        subtitles = [t['text'] for t in texts_with_pos if 0.6 <= t['y_ratio'] <= 0.95]
+        return subtitles
+
     def detect_license_plate(self, frame, texts=None):
         """
         ROI 기반 번호판 감지 (최적화 버전)
@@ -153,19 +178,26 @@ class VideoAnalyzer:
             self._init_yolo()
             results = self.yolo_model(frame, verbose=False, conf=YOLO_CONFIDENCE)
             
-            yolo_high_conf = False
+            yolo_detected = False
             roi_ocr_matched = False
-            
+
             for r in results:
                 # 0: license plate
                 for box in r.boxes:
                     if box.cls == 0:
-                        conf = float(box.conf)
-                        if conf > 0.8:
-                            yolo_high_conf = True
-                        
-                        # ROI 크로핑 및 타겟 OCR
+                        yolo_detected = True
+
+                        # ROI 크기 필터링 (너무 작거나 큰 영역 제외)
                         x1, y1, x2, y2 = map(int, box.xyxy[0])
+                        roi_w, roi_h = x2 - x1, y2 - y1
+                        frame_h, frame_w = frame.shape[:2]
+                        roi_area_ratio = (roi_w * roi_h) / (frame_w * frame_h)
+
+                        # ROI가 전체 화면의 0.1% ~ 20% 사이여야 함
+                        if roi_area_ratio < 0.001 or roi_area_ratio > 0.2:
+                            continue
+
+                        # ROI 크로핑 및 타겟 OCR
                         h, w = frame.shape[:2]
                         # 패딩 10% 추가
                         pad_w = int((x2 - x1) * 0.1)
@@ -192,8 +224,8 @@ class VideoAnalyzer:
                         if roi_ocr_matched: break
                 if roi_ocr_matched: break
 
-            # 최종 판정
-            if roi_ocr_matched or yolo_high_conf:
+            # 최종 판정: YOLO 감지 + OCR 패턴 매칭 둘 다 만족해야 함 (오탐지 방지)
+            if yolo_detected and roi_ocr_matched:
                 return True
                 
         except Exception as e:
@@ -305,14 +337,19 @@ class VideoAnalyzer:
                     results['license_plate'] = True
                     detected_now = True
 
-            # 텍스트 감지 (일반 텍스트 카테고리이거나 번호판 수집 중에도 텍스트 로그 기록을 위해 실행)
-            # 번호판 감지가 필요 없는 경우 전체 OCR을 건너뛰어 속도 향상 가능
-            if target_category == 'text' or (detected_now and target_category != 'license_plate'):
-                texts = self.detect_text(frame)
+            # 텍스트/자막 감지
+            if target_category == 'text':
+                # 자막 영역 필터링 (화면 하단 60%~95%)
+                texts = self.detect_subtitle(frame)
                 if texts:
                     results['text'] = True
                     all_texts.extend(texts)
                     detected_now = True
+            elif detected_now and target_category != 'license_plate':
+                texts = self.detect_text(frame)
+                if texts:
+                    results['text'] = True
+                    all_texts.extend(texts)
             elif target_category == 'license_plate' and not results['license_plate']:
                 # 번호판을 못 찾은 경우에만 전체 화면 OCR 한 번 더 시도 (보수적 접근)
                 texts = self.detect_text(frame)

ytcollector/config.py

@@ -11,21 +11,21 @@ USER_AGENTS = [
 CATEGORY_QUERIES = {
     'face': [
         "SBS 인터뷰 클립",
-        "런닝맨 멤버 인터뷰",
-        "SBS 뉴스 인터뷰",
-        "미운우리새끼 인터뷰",
-        "SBS 스페셜 인물",
-        "집사부일체 인터뷰",
-        "그것이알고싶다 인터뷰",
-        "SBS 연예대상 소감",
+        "MBC 뉴스 인터뷰",
+        "tvN 유퀴즈 일반인 인터뷰",
+        "JTBC 뉴스룸 초대석",
+        "기자회견 현장",
+        "연예대상 레드카펫 직캠",
+        "길거리 인터뷰 브이로그",
+        "무대인사 직캠 얼굴",
     ],
     'license_plate': [
-        "중고차 매물 소개",
-        "자동차 세차 영상",
-        "신차 출고 브이로그",
-        "자동차 튜닝 작업",
-        "엔카 허위매물",
-        "주차장 만차",
+        "SBS 드라마 자동차 추격 장면",
+        "SBS 드라마 주차장 씬",
+        "SBS 드라마 차량 씬",
+        "SBS 드라마 운전 장면",
+        "SBS 드라마 택시 장면",
+        "SBS 드라마 교통사고 장면",
     ],
     'tattoo': [
         "타투 시술 영상",
@@ -36,11 +36,14 @@ CATEGORY_QUERIES = {
         "tattoo session",
     ],
     'text': [
-        "SBS 런닝맨 레전드",
-        "SBS 예능 쇼츠",
-        "재미있는 자막 영상 쇼츠",
-        "SBS 파워FM 보이는 라디오",
-        "SBS 연예대상 소감",
+        "SBS 런닝맨 자막 레전드",
+        "SBS 미우새 자막 모음",
+        "tvN 놀라운토요일 자막",
+        "JTBC 아는형님 자막 레전드",
+        "MBC 나혼자산다 자막",
+        "유튜버 예능 자막 편집",
+        "브이로그 자막 효과",
+        "먹방 자막 편집",
     ],
 }
 
@@ -69,9 +72,8 @@ BLACKLIST_KEYWORDS = {
 }
 
 # 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"]
+YOLO_MODEL_NAME = 'license_plate_detector.pt'  # 번호판 전용 학습 모델
+YOLO_CONFIDENCE = 0.5                          # 오탐지 방지를 위해 신뢰도 상향
 
 # 번호판 정규식 패턴 (한국 자동차 번호판 중심)
 LICENSE_PLATE_PATTERNS = [

{ytcollector-1.1.7.dist-info → ytcollector-1.1.9.dist-info}/METADATA

@@ -1,6 +1,6 @@
 Metadata-Version: 2.4
 Name: ytcollector
-Version: 1.1.7
+Version: 1.1.9
 Summary: YouTube 콘텐츠 수집기 - 얼굴, 번호판, 타투, 텍스트 감지
 Author: YTCollector Team
 License: MIT
@@ -44,14 +44,12 @@ Requires-Dist: ytcollector[analysis,dev]; extra == "all"
 pip install yt-dlp
 ```
 
-### 분석 기능용 패키지 (권장 - v1.1.6+)
+### 분석 기능용 패키지 (권장 - v1.1.9+)
 
 분석 기능을 원활하게 사용하려면 아래 패키지들이 필요합니다. GPU(CUDA)가 설치된 경우 자동으로 가속이 활성화됩니다.
 
 ```bash
 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
@@ -80,10 +78,10 @@ ytcollector
 
 | 카테고리 | 설명 | 검색 소스 |
 |----------|------|-----------|
-| `face` | 얼굴/인물 | SBS 인터뷰, 런닝맨, 미운우리새끼 등 |
-| `license_plate` | 자동차 번호판 | 중고차 매물, 세차 영상, 신차 출고 등 |
+| `face` | 얼굴/인물 | SBS/MBC/tvN/JTBC 인터뷰, 기자회견 등 |
+| `license_plate` | 자동차 번호판 | SBS 드라마 자동차/추격/주차장 씬 등 |
 | `tattoo` | 타투/문신 | 타투 시술, 타투이스트 작업 영상 |
-| `text` | 텍스트/자막 | SBS 예능 (런닝맨, 골목식당 등) |
+| `text` | 텍스트/자막 | SBS/tvN/JTBC/MBC 예능, 유튜버 자막 편집 등 |
 
 ## 예시
 
@@ -190,14 +188,16 @@ 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 (분석 품질 및 프레임 수 개선) |
-| 번호판 | YOLO-World + ROI OCR | v1.1.6: YOLO로 감지 후 해당 영역만 OCR (속도 2x, 정확도 향상) |
+| 텍스트 | EasyOCR | 한국어/영어 문자 인식 |
+| 번호판 | YOLOv8 전용 모델 + OCR | v1.1.9: 번호판 전용 학습 모델 + 한국 번호판 패턴 매칭 |
 | 타투 | OpenCV HSV 분석 | 피부 영역 내 잉크 패턴 감지 |
 
-### 주요 최적화 (v1.1.5~1.1.6)
-- **ROI 기반 감지**: 전체 화면이 아닌 YOLO가 지정한 영역만 OCR하여 속도와 정확도 대폭 향상
+### 주요 최적화 (v1.1.5~1.1.9)
+- **번호판 전용 모델** (v1.1.9): YOLO-World → 번호판 전용 학습 모델로 교체 (감지율 대폭 향상, 모델 크기 27MB→6MB)
+- **오탐지 방지** (v1.1.9): YOLO 감지 + OCR 패턴 매칭 둘 다 만족해야 번호판 판정, ROI 크기 필터링 추가
+- **ROI 기반 감지**: 전체 화면이 아닌 YOLO가 지정한 영역만 OCR하여 속도와 정확도 향상
 - **GPU 가속 지원**: CUDA 사용 가능 시 YOLO 및 OCR 자동 가속
-- **로그 기반 중복 방지**: 로컬 파일이 없어도 `youtube_url_*.txt` 기록을 참조하여 중복 분석 방지
+- **로그 기반 중복 방지**: `youtube_url_*.txt` 기록을 참조하여 중복 분석 방지
 
 ## 주의사항
 

ytcollector-1.1.9.dist-info/RECORD

@@ -0,0 +1,12 @@
+ytcollector/__init__.py,sha256=EaxBP_0Fv0LEFdg067uZxBrQHwOKGX8u08Y4b5uF1-Q,1094
+ytcollector/analyzer.py,sha256=7VJt4chc25HsEz8OwBDZhTz_8LnkpgSBM6mJKQpIUls,14391
+ytcollector/cli.py,sha256=aHF4EuQRPLKh65lnkI_dZ0ResztlVjpHlS5iHfzmpig,5577
+ytcollector/config.py,sha256=HmcFqMV1Z3kClnGKYi0q9cRZIXMRPAxIEI8cggatfrU,3199
+ytcollector/dataset_builder.py,sha256=nfArEwszoCln48n3T0Eff_4OOaYv8FF0YH8cARBGMWQ,2608
+ytcollector/downloader.py,sha256=TeC6agUmSPHZSZ9jdoc42i8i_NobzTEkoRtAIgW80kI,14544
+ytcollector/utils.py,sha256=6XDif-e3GbMHmUvTsBT0YblxNxYnS-2I8HnmjMBZs-M,4254
+ytcollector-1.1.9.dist-info/METADATA,sha256=WQIup61B02yB9ddtOaFGtlDYoV4nJVRD-vvVI_sVjc0,7208
+ytcollector-1.1.9.dist-info/WHEEL,sha256=wUyA8OaulRlbfwMtmQsvNngGrxQHAvkKcvRmdizlJi0,92
+ytcollector-1.1.9.dist-info/entry_points.txt,sha256=waiVuSJJYt-6_DAal-T4JkHgejo7wKYLdKrEI7tZ-ms,127
+ytcollector-1.1.9.dist-info/top_level.txt,sha256=wozNyCUm0eMOm-9U81yTql6oGaM2O5rWVBXDb93zzyQ,12
+ytcollector-1.1.9.dist-info/RECORD,,

ytcollector-1.1.7.dist-info/RECORD

@@ -1,12 +0,0 @@
-ytcollector/__init__.py,sha256=uXLmOZ3da_7GwVej0hDAuiUJsw5XweBBUrUs4sJo7J4,1094
-ytcollector/analyzer.py,sha256=raw7tcERbNG8cDTnKDr95VA3Nju9We4jW7XGheUUPWE,13097
-ytcollector/cli.py,sha256=aHF4EuQRPLKh65lnkI_dZ0ResztlVjpHlS5iHfzmpig,5577
-ytcollector/config.py,sha256=ZjyDWQg4haJPwUlP-eW0hXa_I2g9wyNaI8y5mxEU0vc,3040
-ytcollector/dataset_builder.py,sha256=nfArEwszoCln48n3T0Eff_4OOaYv8FF0YH8cARBGMWQ,2608
-ytcollector/downloader.py,sha256=TeC6agUmSPHZSZ9jdoc42i8i_NobzTEkoRtAIgW80kI,14544
-ytcollector/utils.py,sha256=6XDif-e3GbMHmUvTsBT0YblxNxYnS-2I8HnmjMBZs-M,4254
-ytcollector-1.1.7.dist-info/METADATA,sha256=Qyop1AVyK-BmWgrjsGUMiYbE55kmOZSwMKYWEADQzRk,7156
-ytcollector-1.1.7.dist-info/WHEEL,sha256=wUyA8OaulRlbfwMtmQsvNngGrxQHAvkKcvRmdizlJi0,92
-ytcollector-1.1.7.dist-info/entry_points.txt,sha256=waiVuSJJYt-6_DAal-T4JkHgejo7wKYLdKrEI7tZ-ms,127
-ytcollector-1.1.7.dist-info/top_level.txt,sha256=wozNyCUm0eMOm-9U81yTql6oGaM2O5rWVBXDb93zzyQ,12
-ytcollector-1.1.7.dist-info/RECORD,,