LoginSignup
1
0

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?

@Pokemon_Jet-787

YOLO11を使用した物体検出(動画)、CSVファイル作成（初心者向け）

Posted at

YOLOv11を用いた動画解析

一定間隔でのオブジェクト検出とデータ保存

処理概要

  • roboflowを利用してアノテーションデータを作成（別途記述）
  • 保存済み動画のフレームを一定間隔ごとに取得
  • YOLOv11でオブジェクト検出を実行
  • 検出結果（バウンディングボックス座標・カテゴリなど）をCSVファイルに記録
  • バウンディングボックスを描画した画像を保存
    (画像ファイル名にCSVへの書き込み時間を付加し紐づけを行っています)

作成環境

  • Windows11 pro 16GBメモリ corei5 13GEN
  • python 3.11.6
  • ultlytics 8.3.53
  • opencv 4.10.0.84

プログラムはChatGPT4oを利用して作成しています。
（ミスも多いため手作業による修正は必須です）

動画切り出し画像（jpg）

ANA_Haneda_jpg_qiita.jpg

バウンディングボックズ情報（CSV）

ANA_Haneda_csv_qiita.jpg.png

プログラム（コメントはChatGPTによる自動作成）

movie_time_ver.py
from ultralytics import YOLO  # YOLOモデルを使用するためのライブラリ
from datetime import datetime, timedelta  # 現在時刻の取得や時間間隔の計算に使用
import cv2  # OpenCVライブラリ：画像や動画の処理
import csv  # CSVファイルの書き込み用ライブラリ
import os  # ファイル操作（存在確認・ディレクトリ作成など）
import time  # 時間制御用ライブラリ

# ================================
# 設定（ファイルパスなど）
# ================================
csv_filename = '' # 出力するCSVファイルのパス
model_path = ''  # YOLOモデルのパス
video_path = ''  # 入力動画のパス
output_image_dir = ''  # 処理後の画像を保存するディレクトリ

# ================================
# 必要なファイル・ディレクトリの確認と作成
# ================================
if not os.path.exists(model_path):
   raise FileNotFoundError(f"モデルファイルが見つかりません: {model_path}")

if not os.path.exists(video_path):
   raise FileNotFoundError(f"動画ファイルが見つかりません: {video_path}")

if not os.path.exists(output_image_dir):
   os.makedirs(output_image_dir)  # ディレクトリが存在しない場合は作成

# CSVファイル名（拡張子なし）を取得
csv_base_filename = os.path.splitext(os.path.basename(csv_filename))[0]    

# ================================
# CSVファイルの作成とヘッダーの書き込み
# ================================
header = ['date', 'No', 'Class', 'Label', 'Scores', 'id', 'x1', 'y1', 'x2', 'y2', 'time']
file = open(csv_filename, mode='w', newline='', encoding='utf-8')  # CSVファイルを新規作成
writer = csv.writer(file)  # CSV書き込みオブジェクトの作成
writer.writerow(header)  # ヘッダー情報をCSVに書き込む

# ================================
# YOLOモデルのロード
# ================================
model = YOLO(model_path)

# ================================
# 動画ファイルの読み込み
# ================================
cap = cv2.VideoCapture(video_path)  # 動画ファイルの読み込み

frame_cnt = 0  # フレームカウントの初期化
last_write_time = datetime.now() - timedelta(seconds=10)  # 最後の処理時間を初期化

# ================================
# 動画フレームの解析ループ
# ================================
while cap.isOpened():
   success, frame = cap.read()  # フレームを取得

   if success:
       frame_cnt += 1  # フレーム数をカウント
       cv2.imshow("YOLOv11 Inference", frame)  # 画面にフレームを表示

       # 一定間隔（2秒ごと）に解析処理を実行
       current_timestamp = datetime.now()
       if current_timestamp - last_write_time >= timedelta(seconds=2):
           # YOLOモデルを使ってフレームを解析
           results = model.track(frame, persist=True, conf=0.5, classes=[0, 2, 7])
           items = results[0]  # 検出結果を取得
           csv_rows = []  # 書き込むデータを格納するリスト
           annotated_frame = frame.copy()  # 画像描画用にフレームをコピー

           for item in items:
               # 現在のタイムスタンプを取得
               current_timestamp = datetime.now()
               date = current_timestamp.strftime('%Y/%m/%d')
               timestamp = current_timestamp.strftime('%H:%M:%S')
               timestamp_str = current_timestamp.strftime('%Y-%m-%d_%H-%M-%S')

               # 検出結果の各パラメータを取得
               cls = int(item.boxes.cls)  # クラスID
               label = item.names[int(cls)]  # クラス名
               score = item.boxes.conf.cpu().numpy()[0]  # 信頼スコア
               x1, y1, x2, y2 = item.boxes.xyxy.cpu().numpy()[0]  # バウンディングボックス座標

               # トラッキングIDの取得
               id_value = item.boxes.id
               track_ids = '' if id_value is None else item.boxes.id.int().cpu().tolist()[0]

               # CSVデータを作成
               csv_data = [date, str(frame_cnt), str(cls), str(label), str(score), str(track_ids),
                           str(x1), str(y1), str(x2), str(y2),  timestamp]
               csv_rows.append(csv_data)

               # バウンディングボックスの描画
               cv2.rectangle(annotated_frame, (int(x1), int(y1)), (int(x2), int(y2)), (0, 255, 0), 2)
               
               # ラベル描画
               text = f"{label}: {score:.2f}" if track_ids else f"{label}: {score:.2f}"
               font_scale = 0.75 # フォントサイズ
               cv2.putText(annotated_frame, text, (int(x1), int(y1) - 10), cv2.FONT_HERSHEY_SIMPLEX, font_scale, (0, 255, 0), 2)

           writer.writerows(csv_rows)  # CSVに書き込み
           cv2.imwrite(os.path.join(output_image_dir, f"{csv_base_filename}_{timestamp_str}.jpg"), annotated_frame)  # 画像保存
           last_write_time = current_timestamp  # 最後の処理時間を更新

       if cv2.waitKey(1) & 0xFF == ord("q"):
           break
   else:
       break

cap.release()
cv2.destroyAllWindows()
file.close()

動画を解析するだけのプログラム（参考）

解析保存動画のスクリーンショット

スクリーンショット ANA_Haneda動画.png

プログラム（コメントはChatGPTによる自動作成）

movie_ver.py
import cv2
from ultralytics import YOLO

# ================================
# 設定（動画ファイルのパスなど）
# ================================
video_path = ''  # 処理対象の動画ファイル
model_path = ''  # YOLOモデルのパス
output_path = ''  # 出力動画の保存パス

# ================================
# YOLOモデルのロード
# ================================
model = YOLO(model_path)

# ================================
# 動画ファイルの読み込み
# ================================
cap = cv2.VideoCapture(video_path)

# 動画が正しく開けたか確認
if not cap.isOpened():
   print("Error: Could not open video.")
   exit()

# ================================
# 出力動画の設定
# ================================
fourcc = cv2.VideoWriter_fourcc(*'mp4v')  # 出力フォーマットの指定（MP4）
out = cv2.VideoWriter(output_path, fourcc, 30.0, (int(cap.get(3)), int(cap.get(4))))  # 動画ライターの設定

# ================================
# 動画フレームの解析ループ
# ================================
while(cap.isOpened()):
   ret, frame = cap.read()  # フレームを取得
   if ret:
       # YOLOv8による物体検出を実行
       results = model.predict(frame, conf=0.5, iou=0.45, device='cpu', verbose=False)
       # conf: 信頼度閾値（0.5）
       # iou: IoU閾値（0.45）
       # device: 'cpu' または 'cuda'（GPU使用時は'cuda'）
       # verbose: 詳細ログの抑制
       
       # 検知結果を描画
       annotated_frame = results[0].plot()
       
       # 出力動画にフレームを書き込む
       out.write(annotated_frame)
       
       # フレームを表示
       cv2.imshow('Frame', annotated_frame)
       
       # 'q'キーが押されたら処理を終了
       if cv2.waitKey(1) & 0xFF == ord('q'):
           break
   else:
       break

# ================================
# リソースの解放
# ================================
cap.release()
out.release()
cv2.destroyAllWindows()

機械学習、roboflow利用方法に関しては後日作成します。
roboflow_qiita.png
roboflow

画像、引用
ANA
HANEDA,Tokyo International Airport Terminal2【LIVE】ANN/テレ朝
Ultralytics
yolov8を用いてmp4動画ファイルの物体検知をする

1
0
0

Register as a new user and use Qiita more conveniently

  1. You get articles that match your needs
  2. You can efficiently read back useful information
  3. You can use dark theme
What you can do with signing up
Sign upLogin
1
0

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?