yolo3で動画検出する際に出てくるFPSとは

yolo3で動画検出を行っていると
左上にFPS11という文字が出てきます。

なんとなくフレームレートの事をさしているということはわかりましたが
１１とは良いのでしょうか。悪いのでしょうか。

現在は以下のコードで動画検出を行っています

python#
1"""
2Class definition of YOLO_v3 style detection model on image and video
3"""
4
5import colorsys
6import os
7from timeit import default_timer as timer
8
9import numpy as np
10from keras import backend as K
11from keras.models import load_model
12from keras.layers import Input
13from PIL import Image, ImageFont, ImageDraw
14
15from yolo3.model import yolo_eval, yolo_body, tiny_yolo_body
16from yolo3.utils import letterbox_image
17import os
18from keras.utils import multi_gpu_model
19
20class YOLO(object):
21    _defaults = {
22        "model_path": 'C:/Users/0000526465/keras-yolo3/logs/000/trained_weights_final.h5',
23        "anchors_path": 'model_data/yolo_anchors.txt',
24        "classes_path": 'model_data/my_classes.txt',
25        "score" : 0.3,
26        "iou" : 0.45,
27        "model_image_size" : (320,320),
28        "gpu_num" : 1,
29    }
30
31    @classmethod
32    def get_defaults(cls, n):
33        if n in cls._defaults:
34            return cls._defaults[n]
35        else:
36            return "Unrecognized attribute name '" + n + "'"
37
38    def __init__(self, **kwargs):
39        self.__dict__.update(self._defaults) # set up default values
40        self.__dict__.update(kwargs) # and update with user overrides
41        self.class_names = self._get_class()
42        self.anchors = self._get_anchors()
43        self.sess = K.get_session()
44        self.boxes, self.scores, self.classes = self.generate()
45
46    def _get_class(self):
47        classes_path = os.path.expanduser(self.classes_path)
48        with open(classes_path) as f:
49            class_names = f.readlines()
50        class_names = [c.strip() for c in class_names]
51        return class_names
52
53    def _get_anchors(self):
54        anchors_path = os.path.expanduser(self.anchors_path)
55        with open(anchors_path) as f:
56            anchors = f.readline()
57        anchors = [float(x) for x in anchors.split(',')]
58        return np.array(anchors).reshape(-1, 2)
59
60    def generate(self):
61        model_path = os.path.expanduser(self.model_path)
62        assert model_path.endswith('.h5'), 'Keras model or weights must be a .h5 file.'
63
64        # Load model, or construct model and load weights.
65        num_anchors = len(self.anchors)
66        num_classes = len(self.class_names)
67        is_tiny_version = num_anchors==6 # default setting
68        try:
69            self.yolo_model = load_model(model_path, compile=False)
70        except:
71            self.yolo_model = tiny_yolo_body(Input(shape=(None,None,3)), num_anchors//2, num_classes) \
72                if is_tiny_version else yolo_body(Input(shape=(None,None,3)), num_anchors//3, num_classes)
73            self.yolo_model.load_weights(self.model_path) # make sure model, anchors and classes match
74        else:
75            assert self.yolo_model.layers[-1].output_shape[-1] == \
76                num_anchors/len(self.yolo_model.output) * (num_classes + 5), \
77                'Mismatch between model and given anchor and class sizes'
78
79        print('{} model, anchors, and classes loaded.'.format(model_path))
80
81        # Generate colors for drawing bounding boxes.
82        hsv_tuples = [(x / len(self.class_names), 1., 1.)
83                      for x in range(len(self.class_names))]
84        self.colors = list(map(lambda x: colorsys.hsv_to_rgb(*x), hsv_tuples))
85        self.colors = list(
86            map(lambda x: (int(x[0] * 255), int(x[1] * 255), int(x[2] * 255)),
87                self.colors))
88        np.random.seed(10101)  # Fixed seed for consistent colors across runs.
89        np.random.shuffle(self.colors)  # Shuffle colors to decorrelate adjacent classes.
90        np.random.seed(None)  # Reset seed to default.
91
92        # Generate output tensor targets for filtered bounding boxes.
93        self.input_image_shape = K.placeholder(shape=(2, ))
94        if self.gpu_num>=2:
95            self.yolo_model = multi_gpu_model(self.yolo_model, gpus=self.gpu_num)
96        boxes, scores, classes = yolo_eval(self.yolo_model.output, self.anchors,
97                len(self.class_names), self.input_image_shape,
98                score_threshold=self.score, iou_threshold=self.iou)
99        return boxes, scores, classes
100
101    def detect_image(self, image):
102        start = timer()
103
104        if self.model_image_size != (None, None):
105            assert self.model_image_size[0]%32 == 0, 'Multiples of 32 required'
106            assert self.model_image_size[1]%32 == 0, 'Multiples of 32 required'
107            boxed_image = letterbox_image(image, tuple(reversed(self.model_image_size)))
108        else:
109            new_image_size = (image.width - (image.width % 32),
110                              image.height - (image.height % 32))
111            boxed_image = letterbox_image(image, new_image_size)
112        image_data = np.array(boxed_image, dtype='float32')
113
114        print(image_data.shape)
115        image_data /= 255.
116        image_data = np.expand_dims(image_data, 0)  # Add batch dimension.
117
118        out_boxes, out_scores, out_classes = self.sess.run(
119            [self.boxes, self.scores, self.classes],
120            feed_dict={
121                self.yolo_model.input: image_data,
122                self.input_image_shape: [image.size[1], image.size[0]],
123                K.learning_phase(): 0
124            })
125
126        print('Found {} boxes for {}'.format(len(out_boxes), 'img'))
127
128        font = ImageFont.truetype(font='font/FiraMono-Medium.otf',
129                    size=np.floor(3e-2 * image.size[1] + 0.5).astype('int32'))
130        thickness = (image.size[0] + image.size[1]) // 300
131
132        for i, c in reversed(list(enumerate(out_classes))):
133            predicted_class = self.class_names[c]
134            box = out_boxes[i]
135            score = out_scores[i]
136
137            label = '{} {:.2f}'.format(predicted_class, score)
138            draw = ImageDraw.Draw(image)
139            label_size = draw.textsize(label, font)
140
141            top, left, bottom, right = box
142            top = max(0, np.floor(top + 0.5).astype('int32'))
143            left = max(0, np.floor(left + 0.5).astype('int32'))
144            bottom = min(image.size[1], np.floor(bottom + 0.5).astype('int32'))
145            right = min(image.size[0], np.floor(right + 0.5).astype('int32'))
146            print(label, (left, top), (right, bottom))
147
148            if top - label_size[1] >= 0:
149                text_origin = np.array([left, top - label_size[1]])
150            else:
151                text_origin = np.array([left, top + 1])
152
153            # My kingdom for a good redistributable image drawing library.
154            for i in range(thickness):
155                draw.rectangle(
156                    [left + i, top + i, right - i, bottom - i],
157                    outline=self.colors[c])
158            draw.rectangle(
159                [tuple(text_origin), tuple(text_origin + label_size)],
160                fill=self.colors[c])
161            draw.text(text_origin, label, fill=(0, 0, 0), font=font)
162            del draw
163
164        end = timer()
165        print(end - start)
166        return image
167
168    def close_session(self):
169        self.sess.close()
170
171def detect_video(yolo, video_path, output_path=""):
172    import cv2
173    vid = cv2.VideoCapture(video_path)
174    if not vid.isOpened():
175        raise IOError("Couldn't open webcam or video")
176    video_FourCC    = int(vid.get(cv2.CAP_PROP_FOURCC))
177    video_fps       = vid.get(cv2.CAP_PROP_FPS)
178    video_size      = (int(vid.get(cv2.CAP_PROP_FRAME_WIDTH)),
179                        int(vid.get(cv2.CAP_PROP_FRAME_HEIGHT)))
180    isOutput = True if output_path != "" else False
181    if isOutput:
182        print("!!! TYPE:", type(output_path), type(video_FourCC), type(video_fps), type(video_size))
183        out = cv2.VideoWriter(output_path, video_FourCC, video_fps, video_size)
184    accum_time = 0
185    curr_fps = 0
186    fps = "FPS: ??"
187    prev_time = timer()
188    while True:
189        return_value, frame = vid.read()
190        image = Image.fromarray(frame)
191        image = yolo.detect_image(image)
192        result = np.asarray(image)
193        curr_time = timer()
194        exec_time = curr_time - prev_time
195        prev_time = curr_time
196        accum_time = accum_time + exec_time
197        curr_fps = curr_fps + 1
198        if accum_time > 1:
199            accum_time = accum_time - 1
200            fps = "FPS: " + str(curr_fps)
201            curr_fps = 0
202        cv2.putText(result, text=fps, org=(3, 15), fontFace=cv2.FONT_HERSHEY_SIMPLEX,
203                    fontScale=0.50, color=(255, 0, 0), thickness=2)
204        cv2.namedWindow("result", cv2.WINDOW_NORMAL)
205        cv2.imshow("result", result)
206        if isOutput:
207            out.write(result)
208        if cv2.waitKey(1) & 0xFF == ord('q'):
209            break
210    yolo.close_session()
211
212
213

行動規範の内容に同意します

回答1件

ベストアンサー

１１とは良いのでしょうか。悪いのでしょうか。

fps = frame per second
1秒間に11回の検出ができるということです。

１１とは良いのでしょうか。悪いのでしょうか。

物体検出で何をやりたいのかという用途次第です。
その頻度の検出でも使いたい用途で問題ないのであれば、それでいいのではないでしょうか。
動画は30FPSで流したい場合は「3フレームに1回だけ検出して、残り2フレームは前回検出した結果を使い回す」とか工夫すれば、動画自体は30FPSで流せます。

ちなみに、Youtube の動画は一般的に30FPSです。

追記

python
1def detect_video(yolo, video_path, output_path=""):
2    import cv2
3
4    vid = cv2.VideoCapture(video_path)
5    if not vid.isOpened():
6        raise IOError("Couldn't open webcam or video")
7    video_FourCC = int(vid.get(cv2.CAP_PROP_FOURCC))
8    video_fps = vid.get(cv2.CAP_PROP_FPS)
9    video_size = (
10        int(vid.get(cv2.CAP_PROP_FRAME_WIDTH)),
11        int(vid.get(cv2.CAP_PROP_FRAME_HEIGHT)),
12    )
13    isOutput = True if output_path != "" else False
14    if isOutput:
15        print(
16            "!!! TYPE:",
17            type(output_path),
18            type(video_FourCC),
19            type(video_fps),
20            type(video_size),
21        )
22        out = cv2.VideoWriter(output_path, video_FourCC, video_fps, video_size)
23    accum_time = 0
24    curr_fps = 0
25    fps = "FPS: ??"
26    prev_time = timer()
27    i = 0
28    while True:
29        return_value, frame = vid.read()
30        image = Image.fromarray(frame)
31        
32        if i % 3 == 0:
33            image = yolo.detect_image(image)
34        result = np.asarray(image)
35        curr_time = timer()
36        exec_time = curr_time - prev_time
37        prev_time = curr_time
38        accum_time = accum_time + exec_time
39        curr_fps = curr_fps + 1
40        if accum_time > 1:
41            accum_time = accum_time - 1
42            fps = "FPS: " + str(curr_fps)
43            curr_fps = 0
44        cv2.putText(
45            result,
46            text=fps,
47            org=(3, 15),
48            fontFace=cv2.FONT_HERSHEY_SIMPLEX,
49            fontScale=0.50,
50            color=(255, 0, 0),
51            thickness=2,
52        )
53        cv2.namedWindow("result", cv2.WINDOW_NORMAL)
54        cv2.imshow("result", result)
55        if isOutput:
56            out.write(result)
57        if cv2.waitKey(1) & 0xFF == ord("q"):
58            break
59        i += 1
60    yolo.close_session()

投稿2020/08/19 09:03

編集2020/08/24 07:07

tiitoi

総合スコア21956

gurou

2020/08/19 22:57

分かりやすい解説ありがとうございます。リアルタイム検出にできればしたいです。仮にGPUのスペックを上げればもう少し検出速度は上がるものなのでしょうか。また、3フレームに１回の検出に変更するためには、どのようにyolo.pyを変更すればよいのでしょうか。初心者のもので、何かご教授いただけると幸いです。よろしくお願いいたします。

tiitoi

2020/08/20 02:27

> 仮にGPUのスペックを上げればもう少し検出速度は上がるものなのでしょうか。性能のいい GPU を用意できれば、それだけ速度は上がります。 GPU の性能が一番速度に効いてくる部分です。 > 3フレームに１回の検出に変更するためには、どのようにyolo.pyを変更すればよいのでしょうか。すみませんが、YOLOv3 というのはモデルの名称でして、実装はいろいろあるので、具体的な手順はここでは示せません。例えば、以下は疑似コードですが、 i = 0 while True: __カメラから映像取得 __if i % 3 == 0: ____検出処理 __取得した映像表示 __i += 1 とすれば3回に1回だけ検出ということができますね。お使いのコードを読んで、3回に1回だけ検出する判定条件を追加すればいいと思います。

gurou

2020/08/20 06:13

現在使用しているコードを載せました。 PCに保存した動画を検出しているのですがどこにコードを入れたらよいかがわかりません。ご教授お願い致します。

tiitoi

2020/08/20 07:11 編集

編集するなら detect_video() の中ではないでしょうか？そこに先のコメントに書いたようなループがあると思うので、そこにロジックを追加してください

gurou

2020/08/24 02:55

何度もすみません。 yolo.pyを載せました。最後の部分を編集すればよいというのはなんとなくわかるのですがどこをどうすればよいでしょうか。 python学習中で、まだコード全文を理解するのが難しいです。よろしくお願いいたします。

tiitoi

2020/08/24 07:07

追記しましたが、 if i % 3 == 0: image = yolo.detect_image(image) で3回に1回だけ検出するというようにすればいいと思います。