初めに
以前Webカメラの動画に対してのリアルタイム物体検出をやった。
touch-sp.hatenablog.com
今回は動画ファイルに対しての物体検出をやってみた。
動画ファイルに対してすべてのフレームに対して物体検出モデルを適用しその結果を動画ファイルに保存するのは簡単である。
今回は動画ファイルに対してリアルタイムに物体検出することが目的である。すべてのフレームに対してモデルを適応すると処理が追い付かなので少し工夫が必要であった。
環境
Panasonic let's note CF-LX3 CPU Intel(R) Core(TM) i7-4600U CPU @ 2.10GHz 2.69GHz RAM 8.00 GB
Windows10 Pro GPUなし Python 3.8.2
バージョンの確認（pip freeze）
インストールが必要なのは「mxnet」と「gluoncv」と「opencv-python」のみ。
pip install mxnet pip install gluoncv pip install opencv-python
その他は勝手についてくる。
certifi==2020.4.5.1 chardet==3.0.4 cycler==0.10.0 gluoncv==0.7.0 graphviz==0.8.4 idna==2.6 kiwisolver==1.2.0 matplotlib==3.2.1 mxnet==1.6.0 numpy==1.18.3 opencv-python==4.2.0.34 Pillow==7.1.2 portalocker==1.7.0 pyparsing==2.4.7 python-dateutil==2.8.1 pywin32==227 requests==2.18.4 scipy==1.4.1 six==1.14.0 tqdm==4.45.0 urllib3==1.22
実行ファイル
import mxnet as mx import gluoncv import time import cv2 # Load the model net = gluoncv.model_zoo.get_model('yolo3_mobilenet1.0_coco', pretrained=True) # Compile the model for faster speed net.hybridize() # Load the webcam handler cap = cv2.VideoCapture('traffic.mp4') fps = cap.get(cv2.CAP_PROP_FPS) start = time.time() while(True): # Load frame from the camera end = time.time() sec = end-start cap.set(cv2.CAP_PROP_POS_FRAMES, round(fps * sec)) ret, frame = cap.read() if(ret): # Image pre-processing frame = mx.nd.array(cv2.cvtColor(frame, cv2.COLOR_BGR2RGB)).astype('uint8') rgb_nd, frame = gluoncv.data.transforms.presets.yolo.transform_test(frame,short=360) # Run frame through network class_IDs, scores, bounding_boxes = net(rgb_nd) # Display the result img = gluoncv.utils.viz.cv_plot_bbox(frame, bounding_boxes[0], scores[0], class_IDs[0], class_names=net.classes) gluoncv.utils.viz.cv_plot_image(img) else: break # escを押したら終了 if cv2.waitKey(1) == 27: break cap.release() cv2.destroyAllWindows()
