シリーズ記事一覧

	タイトルリンク
第1回	環境構築
第2回	Python 概要
第3回	Python 基礎
第4回	Pythonで学ぶWebの基本と実践
第5回	Streamlitを使ってみよう
第6回	Streamlitでリアルタイム画像処理
第7回	リアルタイムで顔検出を行ってみよう

リアルタイムで顔検出を行うアプリを作成してみよう

概要

YOLOを用いて物体検出を行い、StreamlitでWebアプリケーションとして実装してみよう。

YOLOとは

YOLO（You Only Look Once）は、ディープラーニングに基づいた物体検出アルゴリズムであり、高速かつ効率的な検出を実現する。

メリット

高速: リアルタイム処理が可能
検出精度が高い: 最新のモデルでは高精度な検出が可能
導入が簡単: 事前学習済みモデルを利用可能

デメリット

小さな物体や遠くの物体の検出精度が低い
重なり合った物体の検出精度が低い
複数の物体が検出された場合、精度が低下することがある

Webアプリケーション作成

ライブラリをインストール

pip install ultralytics streamlit opencv-python numpy

ultralytics: YOLOを提供するライブラリ
streamlit: Web UIを作成するライブラリ
opencv-python: カメラ映像の取得・処理に必要なライブラリ
numpy: 画像データ処理に必要なライブラリ

プログラムファイル作成

以下内容をst-yolo.pyとして作成し、保存する

import streamlit as st
import cv2
import numpy as np
from ultralytics import YOLO

# Load YOLO model
model = YOLO("yolov8n.pt")

# Streamlit app setup
st.title("Real-time Object Detection (YOLOv8 + Web Camera)")
start_button = st.button("Start Camera")
stop_button = st.button("Stop Camera")
FRAME_WINDOW = st.image([])

# Camera setup
camera = cv2.VideoCapture(0)

# App state
if 'running' not in st.session_state:
    st.session_state['running'] = False

# Button actions
if start_button:
    st.session_state['running'] = True
if stop_button:
    st.session_state['running'] = False

# Real-time object detection
if st.session_state['running']:
    while True:
        _, frame = camera.read()
        if frame is None:
            st.write("Camera disconnected or unavailable.")
            st.session_state['running'] = False
            break
        frame = cv2.cvtColor(frame, cv2.COLOR_BGR2RGB)
        results = model(frame)
        annotated_frame = results[0].plot()
        FRAME_WINDOW.image(annotated_frame, channels="RGB")
        if not st.session_state['running']:
            break
else:
    st.write("Camera stopped.")

camera.release()

プログラムを起動

streamlit run st-yolo.py