物体追跡 yolov5-tracking を引数なしで実行できるようにする【Python】

AI
スポンサーリンク

スポンサーリンク

はじめに

前回は yolov5-tracking のデモを動かす方法について説明しました。

今回は、引数なしでコードを実行できるように変更していきます。

前提条件

前提条件は以下の通りです。

  • Windows11
  • Python3.9
  • PyTorch == 1.12.1+cu113

プログラムの変更

早速、プログラムを変更していきます。

track.py をコピーして track_custom.py という名前に変更してください。

# limit the number of cpus used by high performance libraries
import os
os.environ["OMP_NUM_THREADS"] = "1"
os.environ["OPENBLAS_NUM_THREADS"] = "1"
os.environ["MKL_NUM_THREADS"] = "1"
os.environ["VECLIB_MAXIMUM_THREADS"] = "1"
os.environ["NUMEXPR_NUM_THREADS"] = "1"

import sys
sys.path.insert(0, './yolov5')

import argparse
import os
import platform
import shutil
import time
from pathlib import Path
import numpy as np
import cv2
import torch
import torch.backends.cudnn as cudnn

from yolov5.models.experimental import attempt_load
from yolov5.utils.downloads import attempt_download
from yolov5.models.common import DetectMultiBackend
from yolov5.utils.datasets import LoadImages, LoadStreams, VID_FORMATS
from yolov5.utils.general import (LOGGER, check_img_size, non_max_suppression, scale_boxes, #scale_coords,
                                  check_imshow, xyxy2xywh, increment_path, strip_optimizer, colorstr)
from yolov5.utils.torch_utils import select_device, time_sync
from yolov5.utils.plots import Annotator, colors, save_one_box
from deep_sort.utils.parser import get_config
from deep_sort.deep_sort import DeepSort

FILE = Path(__file__).resolve()
ROOT = FILE.parents[0]  # yolov5 deepsort root directory
if str(ROOT) not in sys.path:
    sys.path.append(str(ROOT))  # add ROOT to PATH
ROOT = Path(os.path.relpath(ROOT, Path.cwd()))  # relative


# def detect(opt):
def detect():
    webcam, source = True, "0"

    # init
    conf_thres = 0.45
    iou_thres = 0.25
    classes = None
    agnostic_nms = False
    max_det = 30
    imgsz = [640, 640]

    # Initialize
    device = "cuda:0"
    half = False
    device = select_device(device)
    half &= device.type != 'cpu'  # half precision only supported on CUDA

    # Directories
    yolo_model = "yolov5m.pt"
    deep_sort_model = "osnet_ibn_x1_0_MSMT17"
    if type(yolo_model) is str:  # single yolo model
        exp_name = yolo_model.split(".")[0]
    elif type(yolo_model) is list and len(yolo_model) == 1:  # single models after --yolo_model
        exp_name = yolo_model[0].split(".")[0]
    else:  # multiple models after --yolo_model
        exp_name = "ensemble"
    exp_name = exp_name + "_" + deep_sort_model.split('/')[-1].split('.')[0]

    # Load model
    model = DetectMultiBackend(yolo_model, device=device, dnn=False)
    stride, names, pt = model.stride, model.names, model.pt
    imgsz = check_img_size(imgsz, s=stride)  # check image size

    # Dataloader
    if webcam:
        # show_vid = check_imshow()
        cudnn.benchmark = True  # set True to speed up constant image size inference
        dataset = LoadStreams(source, img_size=imgsz, stride=stride, auto=pt)
        nr_sources = len(dataset)
    else:
        dataset = LoadImages(source, img_size=imgsz, stride=stride, auto=pt)
        nr_sources = 1

    # initialize deepsort
    config_deepsort = "deep_sort/configs/deep_sort.yaml"
    cfg = get_config()
    cfg.merge_from_file(config_deepsort)

    # Create as many trackers as there are video sources
    deepsort_list = []
    for i in range(nr_sources):
        deepsort_list.append(
            DeepSort(
                deep_sort_model,
                device,
                max_dist=cfg.DEEPSORT.MAX_DIST,
                max_iou_distance=cfg.DEEPSORT.MAX_IOU_DISTANCE,
                max_age=cfg.DEEPSORT.MAX_AGE, n_init=cfg.DEEPSORT.N_INIT, nn_budget=cfg.DEEPSORT.NN_BUDGET,
            )
        )
    outputs = [None] * nr_sources

    # Get names and colors
    names = model.module.names if hasattr(model, 'module') else model.names

    # Run tracking
    model.warmup(imgsz=(1 if pt else nr_sources, 3, *imgsz))  # warmup
    dt, seen = [0.0, 0.0, 0.0, 0.0], 0
    for frame_idx, (path, im, im0s, vid_cap, s) in enumerate(dataset):
        t1 = time_sync()
        im = torch.from_numpy(im).to(device)
        im = im.half() if half else im.float()  # uint8 to fp16/32
        im /= 255.0  # 0 - 255 to 0.0 - 1.0
        if len(im.shape) == 3:
            im = im[None]  # expand for batch dim
        t2 = time_sync()
        dt[0] += t2 - t1

        # Inference
        pred = model(im, augment=False, visualize=False)
        t3 = time_sync()
        dt[1] += t3 - t2

        # Apply NMS
        pred = non_max_suppression(pred, conf_thres, iou_thres, classes, agnostic_nms, max_det=max_det)
        dt[2] += time_sync() - t3

        # Process detections
        for i, det in enumerate(pred):  # detections per image
            seen += 1
            if webcam:  # nr_sources >= 1
                p, im0, _ = path[i], im0s[i].copy(), dataset.count
                p = Path(p)  # to Path
                s += f'{i}: '

            annotator = Annotator(im0, line_width=2, pil=not ascii)

            if det is not None and len(det):
                # Rescale boxes from img_size to im0 size
                det[:, :4] = scale_boxes(im.shape[2:], det[:, :4], im0.shape).round()

                # Print results
                for c in det[:, -1].unique():
                    n = (det[:, -1] == c).sum()  # detections per class
                    s += f"{n} {names[int(c)]}{'s' * (n > 1)}, "  # add to string

                xywhs = xyxy2xywh(det[:, 0:4])
                confs = det[:, 4]
                clss = det[:, 5]

                # pass detections to deepsort
                t4 = time_sync()
                outputs[i] = deepsort_list[i].update(xywhs.cpu(), confs.cpu(), clss.cpu(), im0)
                t5 = time_sync()
                dt[3] += t5 - t4

                # draw boxes for visualization
                if len(outputs[i]) > 0:
                    for j, (output, conf) in enumerate(zip(outputs[i], confs)):

                        bboxes = output[0:4]
                        id = output[4]
                        cls = output[5]
                        c = int(cls)  # integer class
                        label = f'{id} {names[c]} {conf:.2f}'
                        annotator.box_label(bboxes, label, color=colors(c, True))

                LOGGER.info(f'{s}Done. YOLO:({t3 - t2:.3f}s), DeepSort:({t5 - t4:.3f}s)')

            else:
                deepsort_list[i].increment_ages()
                LOGGER.info('No detections')

            # Stream results
            im0 = annotator.result()
            if True:
                cv2.imshow(str(p), im0)
                cv2.waitKey(1)

    # Print results
    t = tuple(x / seen * 1E3 for x in dt)  # speeds per image
    LOGGER.info(f'Speed: %.1fms pre-process, %.1fms inference, %.1fms NMS, %.1fms deep sort update \
        per image at shape {(1, 3, *imgsz)}' % t)

if __name__ == '__main__':
    with torch.no_grad():
        detect()

上記のコードは、yolov5-tracking が PC備え付けのカメラで動くコードとなります。

track_custom.py を実行すると、以下のような出力が得られます。

コードの説明

コードの説明をしていきます。ある程度は Yolov5 と被っているので、まずはこちらをご参考ください。

初期化

def detect():
    webcam, source = True, "0"

    # init
    conf_thres = 0.45
    iou_thres = 0.25
    classes = None
    agnostic_nms = False
    max_det = 30
    imgsz = [640, 640]

    # Initialize
    device = "cuda:0"
    half = False
    device = select_device(device)
    half &= device.type != 'cpu'  # half precision only supported on CUDA

ここら辺は yolov5 と同じです。
max_det=30 を調整すると、追跡する数が減るので、場面に応じて使用してください。

yolov5 のモデルを指定する

# Directories
yolo_model = "yolov5m.pt"
deep_sort_model = "osnet_ibn_x1_0_MSMT17"
if type(yolo_model) is str:  # single yolo model
    exp_name = yolo_model.split(".")[0]
elif type(yolo_model) is list and len(yolo_model) == 1:  # single models after --yolo_model
    exp_name = yolo_model[0].split(".")[0]
else:  # multiple models after --yolo_model
    exp_name = "ensemble"
exp_name = exp_name + "_" + deep_sort_model.split('/')[-1].split('.')[0]

yolo_model で使用する yolo のモデルを指定します。
deep_sort_model は、変更せずそのままで問題ありません。
どうしても使用したい場合は、こちらを参考に変更してください。

deep_sort の初期化

# initialize deepsort
config_deepsort = "deep_sort/configs/deep_sort.yaml"
cfg = get_config()
cfg.merge_from_file(config_deepsort)

先ほどの deep_sort_model と同様に、特別なことがない限り、config_deepsort を変更する必要がありません。

yolov5 の結果を取得し、画像に描画

# draw boxes for visualization
if len(outputs[i]) > 0:
    for j, (output, conf) in enumerate(zip(outputs[i], confs)):
        bboxes = output[0:4]
        id = output[4]
        cls = output[5]
        c = int(cls)  # integer class
        label = f'{id} {names[c]} {conf:.2f}'
        annotator.box_label(bboxes, label, color=colors(c, True))

        LOGGER.info(f'{s}Done. YOLO:({t3 - t2:.3f}s), DeepSort:({t5 - t4:.3f}s)')

Yolo の推論結果から id, label, conf, bbox を取得し、annotator.box_label でim0 に描画します。
オリジナルの画像が欲しい場合は im0.copy() で別の画像を作成しておいてください。

ここで id は、物体追跡で使用しているIDです。特定の物体のみを追跡したい場合は id で管理してください。

推論結果を表示

# Stream results
im0 = annotator.result()
if True:
    cv2.imshow(str(p), im0)
    cv2.waitKey(1)

annotator から画像を取得し、表示します。

おわりに

今回は、Yolov5 で物体追跡を実行する Yolov5-tracking について説明しました。
一時期は追跡プログラムを自作していましたが、今回紹介した方の追跡プログラムは圧倒的に精度が良いです。

次回は、Yolov8-tracking の説明をしようと思います。

コメント

タイトルとURLをコピーしました