サイトの全体構成

動作認識，動作認識を行う Python プログラム（MMAction，Python，PyTorch を使用）（Windows 上）

【目次】

前準備
MMAction のインストール（Windows 上）
MMAction の動作確認（Windows 上）
MMAction を使う Python プログラムの実行（Windows 上）

前準備

Git のインストール（Windows 上）

Gitは，バージョン管理システム．ソースコードの管理や複数人での共同に役立つ．

【サイト内の関連ページ】

Windows での Git のインストール: 別ページ »で説明している．

【関連する外部ページ】

Git の公式ページ: https://git-scm.com/

Python のインストール（Windows 上）

【サイト内の関連ページ】

Windows での Python 3.10，関連パッケージ，Python 開発環境のインストール: 別ページ »で説明している．
Windows での Anaconda3 のインストール: 別ページ »で説明している．
Python のまとめ: 別ページ »にまとめている．

【関連する外部ページ】

Python の公式ページ: https://www.python.org/

Build Tools for Visual Studio 2022，NVIDIA ドライバ，NVIDIA CUDA ツールキット 11.8，NVIDIA cuDNN 8.6 のインストール（Windows 上）

【サイト内の関連ページ】

NVIDIA グラフィックスボードを搭載しているパソコンの場合には， NVIDIA ドライバ， NVIDIA CUDA ツールキット， NVIDIA cuDNN のインストールを行う．

Windows での Build Tools for Visual Studio 2022，NVIDIA ドライバ，NVIDIA CUDA ツールキット 11.8，NVIDIA cuDNN v8.6 のインストールと動作確認: 別ページ »で説明している．

【関連する外部ページ】

Build Tools for Visual Studio 2022 （ビルドツール for Visual Studio 2022）の公式ダウンロードページ: https://visualstudio.microsoft.com/ja/visual-cpp-build-tools/
NVIDIA ドライバのダウンロードの公式ページ: https://www.nvidia.co.jp/Download/index.aspx?lang=jp
NVIDIA CUDA ツールキットのアーカイブの公式ページ: https://developer.nvidia.com/cuda-toolkit-archive
NVIDIA cuDNN のダウンロードの公式ページ: https://developer.nvidia.com/cudnn
winimage の ZLIB DLL の公開ページ: http://www.winimage.com/zLibDll/

PyTorch のインストール（Windows 上）

Windows で，コマンドプロンプトを管理者として実行

コマンドプロンプトを管理者として実行: 別ページ »で説明
PyTorch のページを確認
PyTorch のページ: https://pytorch.org/index.html
次のようなコマンドを実行（実行するコマンドは，PyTorch のページの表示されるコマンドを使う）．
次のコマンドは， PyTorch 2.0 （NVIDIA CUDA 11.8 用）をインストールする．但し，Anaconda3を使いたい場合には別手順になる．
事前に NVIDIA CUDA のバージョンを確認しておくこと（ここでは，NVIDIA CUDA ツールキット 11.8 が前もってインストール済みであるとする）．
PyTorch で，GPU が動作している場合には，「torch.cuda.is_available()」により，True が表示される．
```
python -m pip install -U --ignore-installed pip
python -m pip install -U torch torchvision torchaudio numpy --index-url https://download.pytorch.org/whl/cu118
python -c "import torch; print(torch.__version__, torch.cuda.is_available())" 
```
Anaconda3を使いたい場合には， Anaconda プロンプト (Anaconda Prompt) を管理者として実行し，次のコマンドを実行する．（PyTorch と NVIDIA CUDA との連携がうまくいかない可能性があるため，Anaconda3を使わないことも検討して欲しい）．
```
conda install -y pytorch torchvision torchaudio pytorch-cuda=11.8 cudnn -c pytorch -c nvidia
py -c "import torch; print(torch.__version__, torch.cuda.is_available())" 
```
【サイト内の関連ページ】
- Windows での PyTorch のインストール: 別ページ »で説明している．
【関連する外部ページ】
- PyTorch のページ: https://pytorch.org/index.html

MMAction のインストール（Windows 上）

Windows で，コマンドプロンプトを管理者として実行

コマンドプロンプトを管理者として実行: 別ページ »で説明

ダウンロードとインストール

python -m pip install -U openmim
mim install mmengine
mim install mmcv
mim install mmdet
mim install mmpose

cd %HOMEPATH%
rmdir /s /q mmaction2
git clone https://github.com/open-mmlab/mmaction2.git
cd mmaction2
pip install -v -e .
mim download mmaction2 --config tsn_imagenet-pretrained-r50_8xb32-1x1x8-100e_kinetics400-rgb --dest .

終了の確認
エラーメッセージが出ていないこと．

MMAction の動作確認（Windows 上）

Windows で，コマンドプロンプトを実行

エディタを起動

cd %HOMEPATH%\mmaction2
notepad actreg.py

エディタで，次のプログラムを保存

このプログラムは，公式の GitHub のページで公開されていたものを変更して使用している．

このプログラムは，動作認識のためにMMActionを使用する．事前学習済みモデルを読み込んで指定されたビデオファイルで実行し，動作認識結果の上位５位の動作ラベルとそれに対応するスコアを表示する．

ラベルファイルの読み込み：load_labels関数は，指定されたラベルファイルを読み込み，各行の末尾の空白を取り除いたリストを返す．
モデルの初期化：init_recognizer関数は，指定された設定ファイルとチェックポイントファイルを使用して，動作認識のモデルを初期化する．
動作認識の実行：get_top5_action_labels関数は，モデルとビデオファイルを引数として受け取り，モデルを使用してビデオから動作を認識する．その後，スコアに基づいて上位5位の動作ラベルを選択し，これらのラベルとスコアのリストを返す．
エラーハンドリング：モデルの初期化とラベルの読み込みに失敗した場合，または動作認識中に例外が発生した場合にエラーメッセージを表示する．
結果の表示：動作認識結果の上位５位の動作ラベルとそれに対応するスコアを表示する．

from operator import itemgetter
from mmaction.apis import init_recognizer, inference_recognizer

def load_labels(label_file):
    with open(label_file, 'r') as file:
        labels = [line.strip() for line in file.readlines()]
    return labels

def get_top5_action_labels(model, video_file, labels):
    try:
        pred_result = inference_recognizer(model, video_file)
    except Exception as e:
        print(f"Error during model inference: {e}")
        return []
    pred_scores = pred_result.pred_score.tolist()
    score_tuples = tuple(zip(range(len(pred_scores)), pred_scores))
    score_sorted = sorted(score_tuples, key=itemgetter(1), reverse=True)
    top5_label = score_sorted[:5]
    return [(labels[k[0]], k[1]) for k in top5_label]

# モデルとラベルの読み込み
config_file = 'tsn_imagenet-pretrained-r50_8xb32-1x1x8-100e_kinetics400-rgb.py'
checkpoint_file = 'tsn_imagenet-pretrained-r50_8xb32-1x1x8-100e_kinetics400-rgb_20220906-2692d16c.pth'
video_file = 'demo/demo_skeleton.mp4'
label_file = 'tools/data/kinetics/label_map_k400.txt'

try:
    model = init_recognizer(config_file, checkpoint_file, device='cpu')  # or device='cuda:0'
    labels = load_labels(label_file)
except Exception as e:
    print(f"Error initializing model or loading labels: {e}")
else:
    results = get_top5_action_labels(model, video_file, labels)
    print('The top-5 labels with corresponding scores are:')
    for result in results:
        print(f'{result[0]}: {result[1]}')

Python プログラムの実行
Python プログラムの実行
- Windows では python （Python ランチャーは py）
- Ubuntu では python3
Python 開発環境（Jupyter Qt Console, Jupyter ノートブック (Jupyter Notebook), Jupyter Lab, Nteract, Spyder, PyCharm, PyScripterなど）も便利である．
Python のまとめ: 別ページ »にまとめ
プログラムを actreg.pyのようなファイル名で保存したので，「python actreg.py」のようなコマンドで行う．
```
cd %HOMEPATH%\mmaction2
python actreg.py
```
結果の確認

他の動画を試したいときは， cd %HOMEPATH%\mmaction2\demo に動画ファイルを置き， actreg.py の「video_file = 'demo/demo_skeleton.mp4'」のところを変更して実行する．

MMAction を使う Python プログラムの実行（Windows 上）

ビデオカメラの動作認識を行うプログラム

Windows で，コマンドプロンプトを実行

エディタを起動

cd %HOMEPATH%\mmaction2
notepad vidactreg.py

エディタで，次のプログラムを保存

ビデオカメラから読み込み，一定数（ここでは30）のフレームが集まるたびに，最新の120フレームを使用して動作認識を実行する．これを行うために，フレームを一時的に保存するバッファ（リスト）を使用する．このプログラムでは，ビデオからフレームを読み込み，frame_buffer（Pythonのdequeを使用）に保存する．このバッファは最大120フレームを保持し，古いフレームは自動的に削除される．30フレームごとにrecognize_action関数を呼び出し，その時点での最新の120フレームで動作認識を実行する．

import cv2
from mmaction.apis import init_recognizer, inference_recognizer
from collections import deque
from operator import itemgetter

# モデルとラベルの初期化
def initialize_model(config_file, checkpoint_file):
    try:
        model = init_recognizer(config_file, checkpoint_file, device='cpu')  # or 'cuda:0'
        return model
    except Exception as e:
        print(f"Error initializing model: {e}")
        return None

# ラベルの読み込み
def load_labels(label_file):
    with open(label_file, 'r') as file:
        labels = [line.strip() for line in file.readlines()]
    return labels

# アクション認識と結果の表示
def recognize_action(model, frames, labels):
    try:
        pred_result = inference_recognizer(model, frames)
        pred_scores = pred_result.pred_score.tolist()
        score_tuples = tuple(zip(range(len(pred_scores)), pred_scores))
        score_sorted = sorted(score_tuples, key=itemgetter(1), reverse=True)
        top5_label = score_sorted[:5]
        results = [(labels[k[0]], k[1]) for k in top5_label]

        for result in results:
            print(f'{result[0]}: {result[1]}')
    except Exception as e:
        print(f"Error during model inference: {e}")


def process_video(config_file, checkpoint_file, label_file):
    model = initialize_model(config_file, checkpoint_file)
    labels = load_labels(label_file)
    if not model:
        return

    cap = cv2.VideoCapture(0)
    frame_buffer = deque(maxlen=120)

    # フレームサイズを取得（動画ファイルの初期化用）
    frame_width = int(cap.get(cv2.CAP_PROP_FRAME_WIDTH))
    frame_height = int(cap.get(cv2.CAP_PROP_FRAME_HEIGHT))

    while True:
        ret, frame = cap.read()
        if not ret:
            break

        frame_buffer.append(frame)
        vidfile = 'a.mp4'
        if len(frame_buffer) % 30 == 0:  # 30フレームごとに
            # ビデオファイルへの書き込みの初期化
            out = cv2.VideoWriter(vidfile, cv2.VideoWriter_fourcc(*'mp4v'), 30, (frame_width, frame_height))

            # バッファ内のフレームをビデオファイルに書き込み
            for f in frame_buffer:
                out.write(f)

            out.release()  # ビデオライターを解放

            recognize_action(model, vidfile, labels)

        cv2.imshow('Video Frame', frame)
        if cv2.waitKey(1) & 0xFF == ord('q'):
            break

    cap.release()
    cv2.destroyAllWindows()

# モデルとラベルの読み込み
config_file = 'tsn_imagenet-pretrained-r50_8xb32-1x1x8-100e_kinetics400-rgb.py'
checkpoint_file = 'tsn_imagenet-pretrained-r50_8xb32-1x1x8-100e_kinetics400-rgb_20220906-2692d16c.pth'
label_file = 'tools/data/kinetics/label_map_k400.txt'

# ビデオ処理の実行
process_video(config_file, checkpoint_file, label_file)

Python プログラムの実行
Python プログラムの実行
- Windows では python （Python ランチャーは py）
- Ubuntu では python3
Python 開発環境（Jupyter Qt Console, Jupyter ノートブック (Jupyter Notebook), Jupyter Lab, Nteract, Spyder, PyCharm, PyScripterなど）も便利である．
Python のまとめ: 別ページ »にまとめ
プログラムを vidactreg.pyのようなファイル名で保存したので，「python vidactreg.py」のようなコマンドで行う．
```
cd %HOMEPATH%\mmaction2
python vidactreg.py
```
結果の確認

本サイトは金子邦彦研究室のWebページである．

資料等の公開では，原則，「クリエイティブコモンズ BY NC SA」として公開するようにしている． PDFファイル，パワーポイントファイルなどには，「クリエイティブコモンズ BY NC SA」を明記するとともに，ロゴを記載するようにしている（作業が間に合っていない分もあるのでご容赦ください）．

公開している資料をご利用になる場合の，再配布の条件，剽窃の防止などについて，別ページ »で説明再配布や資料改変の際には，そのページをご確認ください．

サイトマップは，サイトマップのページをご覧下さい．本サイト内の検索は，サイト内検索のページをご利用下さい．

問い合わせ先：金子邦彦（かねこくにひこ） [image]