金子邦彦研究室人工知能Windows で動く人工知能関係 Pythonアプリケーション,オープンソースソフトウエア)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)

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

  1. 前準備
  2. MMAction のインストール(Windows 上)
  3. MMAction の動作確認(Windows 上)
  4. 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

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 8.9.7 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.

関連する外部ページ

PyTorch のインストール(Windows 上)

  1. Windows で,コマンドプロンプト管理者として実行

    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

  2. PyTorch のページを確認

    PyTorch のページ: https://pytorch.org/index.html

  3. 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).

    次のコマンドを実行することにより, PyTorch 2.3 (NVIDIA CUDA 11.8 用)がインストールされる. 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 uninstall -y torch torchvision torchaudio torchtext xformers
    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())" 
    

    [image]

    Anaconda3を使いたい場合には, Anaconda プロンプト (Anaconda Prompt)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

    関連する外部ページ

MMAction のインストール(Windows 上)

  1. Windows で,コマンドプロンプト管理者として実行

    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

  2. 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 .
    
  3. 終了の確認

    エラーメッセージが出ていないこと.

    [image]

MMAction の動作確認(Windows 上)

  1. Windows で,コマンドプロンプトを実行
  2. エディタを起動
    cd %HOMEPATH%\mmaction2
    notepad actreg.py
    

    [image]
  3. 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.

    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]}')
    

    [image]
  4. Python プログラムの実行

    Python プログラムの実行

    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
    

    [image]
  5. 結果の確認

    [image]

    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

  1. Windows で,コマンドプロンプトを実行
  2. エディタを起動
    cd %HOMEPATH%\mmaction2
    notepad vidactreg.py
    
  3. 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)
    
  4. Python プログラムの実行

    Python プログラムの実行

    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
    
  5. 結果の確認

    [image]