概要

前提
コード

前提

configファイルがある
学習済みモデル（チェックポイントファイル）がある
動画ファイルがある
検出するクラスが1つのみ（多クラスはこのコードを改造すればいけるかも．．．）

コード

以下のコードを参考にした．

createMaskVideo.py

# Copyright (c) OpenMMLab. All rights reserved.
import argparse

import cv2
import mmcv
from mmcv.transforms import Compose
from mmengine.utils import track_iter_progress

from mmdet.apis import inference_detector, init_detector
from mmdet.registry import VISUALIZERS

import numpy as np
import torch
from mmdet.structures.mask import BitmapMasks, PolygonMasks
from mmengine.visualization.utils import tensor2ndarray

def parse_args():
    parser = argparse.ArgumentParser(description='MMDetection video demo')
    parser.add_argument('video', help='Video file')
    parser.add_argument('config', help='Config file')
    parser.add_argument('checkpoint', help='Checkpoint file')
    parser.add_argument(
        '--device', default='cuda:0', help='Device used for inference')
    parser.add_argument(
        '--score-thr', type=float, default=0.3, help='Bbox score threshold')
    parser.add_argument('--out', type=str, help='Output video file')
    args = parser.parse_args()
    return args

def main():
    args = parse_args()
    assert args.out, \
        ('Please specify at least one operation (save/show the '
         'video) with the argument "--out"')

    # build the model from a config file and a checkpoint file
    model = init_detector(args.config, args.checkpoint, device=args.device)

    # build test pipeline
    model.cfg.test_dataloader.dataset.pipeline[0].type = 'LoadImageFromNDArray'
    test_pipeline = Compose(model.cfg.test_dataloader.dataset.pipeline)

    # 動画の読み込みと書き込みの設定をする
    video_reader = mmcv.VideoReader(args.video)
    video_writer = None
    if args.out:
        fourcc = cv2.VideoWriter_fourcc(*'mp4v')
        video_writer = cv2.VideoWriter(
            args.out, fourcc, video_reader.fps,
            (video_reader.width, video_reader.height), False)

    try:
        for frame in track_iter_progress(video_reader):
            # インスタンスセグメンテーションを行う
            result = inference_detector(model, frame, test_pipeline=test_pipeline)

            # インスタンスセグメンテーションの結果からマスクを取り出す
            # これはすべてのクラスに対してマスクを取ってきてしまう
            # 1クラスのみであればこれで良いが，他クラスの中から特定のマスク動画を取り出したい場合は，工夫しなければならない
            result = result.cpu()
            pred_instances = result.pred_instances
            pred_instances = pred_instances[pred_instances.scores > args.score_thr]
            masks = pred_instances.masks
            if isinstance(masks, torch.Tensor):
                masks = masks.numpy()
            elif isinstance(masks, (PolygonMasks, BitmapMasks)):
                masks = masks.to_ndarray()
            
            masks = masks.astype(bool)
            masks = tensor2ndarray(masks)
            masks = masks.astype('uint8') * 255

            res = np.zeros_like(frame)

            for mask in masks:
                rgb = np.zeros_like(frame)
                rgb[...] = (1, 1, 1)
                rgb = cv2.bitwise_and(rgb, rgb, mask=mask)
                res = res + rgb
            
            _, res = cv2.threshold(res, 0, 255, cv2.THRESH_BINARY)
            res = res[:, :, 0]

            if args.out:
                video_writer.write(np.array(res, dtype='uint8'))

    finally:
        if video_writer:
            video_writer.release()
        cv2.destroyAllWindows()

if __name__ == '__main__':
    main()

ターミナルで以下のコマンドにて使用できる．

$ python createMaskVideo.py [動画ファイルパス] [モデルのconfigファイルパス] [モデルのチェックポイントファイルパス] --out [出力動画ファイルパス]