質問をすることでしか得られない、回答やアドバイスがある。

15分調べてもわからないことは、質問しよう!

ただいまの
回答率

87.79%

深層学習を用いたリアルタイム物体認識結果の動画再生の処理をなるべく下げないようにする

解決済

回答 3

投稿

  • 評価
  • クリップ 0
  • VIEW 1,960

score 12

 前提・実現したいこと

Python, OpenCVを用いてキャプチャした画像に対して、tensorflowで学習したモデルを使って物体認識を行い、
動画のFPSをなるべく落とさずに、処理結果を画像に表示しながら、動画として再生させたいです。

ただし、どのように処理を工夫すればいいか分かりません。バッファリングや並列処理等、ナレッジや処理のベストプラクティスを教えていただけないでしょうか?

 発生している問題・エラーメッセージ

動画を再生しているのですが、かなり遅いです。

 該当のソースコード

import cv2

cap = cv2.VideoCapture("sample.mp4")

frame_count = int(cap.get(7))
frame_rate = int(cap.get(5))

for i in range(frame_count):
    is_read, frame = cap.read()
    image_np = frame  
    #############↓処理に時間がかかる場所↓############### 
    with detection_graph.as_default():
           with tf.Session(graph=detection_graph) as sess:
                image_np_expanded = np.expand_dims(image_np, axis=0)
                image_tensor = detection_graph.get_tensor_by_name('image_tensor:0')
                # Each box represents a part of the image where a particular object was detected.
                boxes = detection_graph.get_tensor_by_name('detection_boxes:0')
                # Each score represent how level of confidence for each of the objects.
                # Score is shown on the result image, together with the class label.
                scores = detection_graph.get_tensor_by_name('detection_scores:0')
                classes = detection_graph.get_tensor_by_name('detection_classes:0')
                num_detections = detection_graph.get_tensor_by_name('num_detections:0')
                # Actual detection.
                (boxes, scores, classes, num_detections) = sess.run(
                   [boxes, scores, classes, num_detections],
                   feed_dict={image_tensor: image_np_expanded})
                # Visualization of the results of a detection.
                vis_util.visualize_boxes_and_labels_on_image_array(
                   image_np,
                   np.squeeze(boxes),
                   np.squeeze(classes).astype(np.int32),
                   np.squeeze(scores),
                   category_index,
                   use_normalized_coordinates=True,
                   line_thickness=8)
   #############↑処理に時間がかかる場所↑###############
    cv2.imshow("player", image_np)
    # 動画再生中に動画を選択してescを押したら終了する
    if cv2.waitKey(1) == 27:
        break
cap.release()
cv2.destroyAllWindows()

 試したこと

上記の該当のソースコードの
「#############処理に時間がかかる場所###############」
の範囲を消すと、なめらかに動画自体は再生されている事は確認しています。

 補足情報(FW/ツールのバージョンなど)

Python 3.5.5
Opencv 3.4.1

動画ファイルのframe_rateは30fps、画像サイズは512×512です。

物体認識の学習モデルには下記のネットワークを使っております。
https://github.com/tensorflow/models/blob/master/research/object_detection/samples/configs/ssd_mobilenet_v2_coco.config

スペックは下記です
MacBook Pro (Retina, 13-inch, Early 2015)
2.7 GHz Intel Core i5
8GB 1867 MHz DDR3

  • 気になる質問をクリップする

    クリップした質問は、後からいつでもマイページで確認できます。

    またクリップした質問に回答があった際、通知やメールを受け取ることができます。

    クリップを取り消します

  • 良い質問の評価を上げる

    以下のような質問は評価を上げましょう

    • 質問内容が明確
    • 自分も答えを知りたい
    • 質問者以外のユーザにも役立つ

    評価が高い質問は、TOPページの「注目」タブのフィードに表示されやすくなります。

    質問の評価を上げたことを取り消します

  • 評価を下げられる数の上限に達しました

    評価を下げることができません

    • 1日5回まで評価を下げられます
    • 1日に1ユーザに対して2回まで評価を下げられます

    質問の評価を下げる

    teratailでは下記のような質問を「具体的に困っていることがない質問」、「サイトポリシーに違反する質問」と定義し、推奨していません。

    • プログラミングに関係のない質問
    • やってほしいことだけを記載した丸投げの質問
    • 問題・課題が含まれていない質問
    • 意図的に内容が抹消された質問
    • 過去に投稿した質問と同じ内容の質問
    • 広告と受け取られるような投稿

    評価が下がると、TOPページの「アクティブ」「注目」タブのフィードに表示されにくくなります。

    質問の評価を下げたことを取り消します

    この機能は開放されていません

    評価を下げる条件を満たしてません

    評価を下げる理由を選択してください

    詳細な説明はこちら

    上記に当てはまらず、質問内容が明確になっていない質問には「情報の追加・修正依頼」機能からコメントをしてください。

    質問の評価を下げる機能の利用条件

    この機能を利用するためには、以下の事項を行う必要があります。

回答 3

checkベストアンサー

0

基本的に Deep Learning は GPU を使うべきなのですが、Mac ということは増設したりは無理ですよね。
なので現状でできることとしたら、検出は2~3フレームに1回だけ行い、検出しないフレームでは最新の検出結果をそのまま使うことでしょうか?
例えば、検出を2フレームに1回にしたら、それだけでFPSは倍稼げますよね

投稿

  • 回答の評価を上げる

    以下のような回答は評価を上げましょう

    • 正しい回答
    • わかりやすい回答
    • ためになる回答

    評価が高い回答ほどページの上位に表示されます。

  • 回答の評価を下げる

    下記のような回答は推奨されていません。

    • 間違っている回答
    • 質問の回答になっていない投稿
    • スパムや攻撃的な表現を用いた投稿

    評価を下げる際はその理由を明確に伝え、適切な回答に修正してもらいましょう。

  • 2018/11/14 22:07

    5フレームに1フレームしか検出しないようにしたら、少しなめらかになりました

    キャンセル

0

検出処理を別スレッドに飛ばしたりするなどの工夫が必要ですね。難しいですが、検出器側の大まかな構造だけを実装してみました(検出ロジックは未実装)。

非同期処理にはthreadingを用いて、タスクのパイプにはqueueを使っています。Pythonのqueueはスレッドの同期に利用できるのでうまく使うと便利です。検出処理自体はrunの中に実装しますが、タスクの開始はdetectメソッドを通して行い、getResultで結果を回収することを意図した構造です。

一番したに試しにこのクラスを使ったコードがあります。動作を追いかけられますかね。

import threading
import queue
import time
import numpy


class Detector(threading.Thread):
    """非同期の物体検出クラス"""

    def __init__(self):
        threading.Thread.__init__(self)
        self._lock = threading.Lock()

        # タスク・結果のパイプ用
        self._task_queue = queue.Queue(maxsize=1)
        self._result_queue = queue.Queue(maxsize=1)

        # threadを開始させておく
        self.busy = False
        self.start()

    def join(self):
        """終了処理"""
        self._task_queue.put(None)
        super(Detector, self).join()

    def run(self):
        """検出処理をするメイン部分"""
        while True:
            with self._lock:
                task = self._task_queue.get()
                if task is None:
                    # スレッドの終了条件
                    break
                self.busy = True  # 追加の処理を受け付けないようにする
                print("get task", task, time.ctime())

            # 重い処理の部分
            time.sleep(3)

            # 結果をqueueに送り込む
            with self._lock:
                if self._result_queue.full():
                    # 回収されていない結果は捨てる
                    self._result_queue.get()
                self._result_queue.put("done " + task)
                self.busy = False
                print("finishd task", task, time.ctime())
        print("thread finished", time.ctime())

    def detect(self, img: numpy.array) -> bool:
        """非同期で検出処理を受け付ける"""
        if not self.busy:
            self._task_queue.put(img)
            return True
        return False

    def getResult(self) -> (bool, list):
        """結果を回収する"""
        if not self._result_queue.empty():
            return True, self._result_queue.get()
        return False, []


if __name__ == "__main__":
    det = Detector()
    print(det.detect("hoge"))  # 検出処理を依頼
    time.sleep(1)
    print(det.detect("foo"))  # 続けざまに処理を依頼すると拒否される
    time.sleep(3)  # 終了するまで待つ
    done, result = det.getResult()  # 結果の回収を試みる
    if done:
        # もしタスクが完了していれば
        print("result ", result)
    # 前のタスクが完了していれば次の処理を受け付ける
    print(det.detect("bar"))
    det.join()

投稿

編集

  • 回答の評価を上げる

    以下のような回答は評価を上げましょう

    • 正しい回答
    • わかりやすい回答
    • ためになる回答

    評価が高い回答ほどページの上位に表示されます。

  • 回答の評価を下げる

    下記のような回答は推奨されていません。

    • 間違っている回答
    • 質問の回答になっていない投稿
    • スパムや攻撃的な表現を用いた投稿

    評価を下げる際はその理由を明確に伝え、適切な回答に修正してもらいましょう。

0

とりあえず、sess.runとvis_util.visualize_boxes_and_labels_on_image_array行以外tensorflowの処理をループ外forの前に移動させて改善されませんか?

投稿

  • 回答の評価を上げる

    以下のような回答は評価を上げましょう

    • 正しい回答
    • わかりやすい回答
    • ためになる回答

    評価が高い回答ほどページの上位に表示されます。

  • 回答の評価を下げる

    下記のような回答は推奨されていません。

    • 間違っている回答
    • 質問の回答になっていない投稿
    • スパムや攻撃的な表現を用いた投稿

    評価を下げる際はその理由を明確に伝え、適切な回答に修正してもらいましょう。

15分調べてもわからないことは、teratailで質問しよう!

  • ただいまの回答率 87.79%
  • 質問をまとめることで、思考を整理して素早く解決
  • テンプレート機能で、簡単に質問をまとめられる

関連した質問

同じタグがついた質問を見る