動画で推論を実行する

実践例: 動画ファイルでのPredict#

動画にも画像と同じPredictモードを使用します。この62フレームのクリップには、アトリウムを横切る人々が映っています:

yolo predict model=yolo26n.pt source=https://github.com/ultralytics/assets/releases/download/v0.0.0/solutions_ci_demo.mp4

video 1/1 (frame 1/62) solutions_ci_demo.mp4: 384x640 22 persons, 27.3ms
...
video 1/1 (frame 62/62) solutions_ci_demo.mp4: 384x640 22 persons, 54.8ms
Results saved to runs/detect/predict

• frame 1/62: Ultralyticsが動画をデコードし、画像と同じように各フレームを処理します。
• 22 persons: そのフレーム内の検出結果です。同じ歩行者が各フレームで再び数えられます。
• 27.3ms ... 54.8ms: マシン上で他に何が動作しているかによって、フレームごとの処理時間は変わります。

注釈付き動画はruns/detect/predict/solutions_ci_demo.mp4です。独自のモデルも同じように動作します。yolo26n.ptをruns/detect/pills_v1/weights/best.ptに置き換えてください。

長時間のソースやライブソースをストリーミングする#

検出結果を処理するコードでは、ストリームをループします。各イテレーションで1フレーム分のResultsを生成し、その後破棄します:

from ultralytics import YOLO

model = YOLO("yolo26n.pt")
source = "https://github.com/ultralytics/assets/releases/download/v0.0.0/solutions_ci_demo.mp4"

frames, people = 0, 0
for result in model(source, stream=True, classes=[0], verbose=False):  # one Results object per frame
    frames += 1
    people += len(result.boxes)
print(f"{frames} frames, {people / frames:.1f} people per frame")

62 frames, 22.2 people per frame

同じループは、Webカメラのインデックス（source=0）やrtsp://camera.local/streamなどのカメラURLを受け付け、ストリームが終了するか停止するまで実行されます。フレームを1つおきに処理するには、vid_stride=2を追加してください。このループを使ったブラウザーUIを作成する場合は、Streamlitライブ推論ガイドでループをアプリに組み込む方法を確認できます。

実践例: 各人物を一度だけ数える#

「1フレームあたり22人」ではなく、知りたいのは「何人が通過したか」です。マルチオブジェクトトラッキングはフレーム間でボックスを関連付け、Trackモードは各オブジェクトにboxes.idのIDを付与します:

from ultralytics import YOLO

model = YOLO("yolo26n.pt")
source = "https://github.com/ultralytics/assets/releases/download/v0.0.0/solutions_ci_demo.mp4"

seen = set()
for result in model.track(source, stream=True, persist=True, classes=[0], tracker="bytetrack.yaml", verbose=False):
    if result.boxes.is_track:
        seen.update(result.boxes.id.int().tolist())
print(f"{len(seen)} unique people tracked")

32 unique people tracked

is_trackは、トラックが確定する前のフレームではFalseであり、そのときboxes.idはNoneです。IDを使って数を数えたり、軌跡を記録したり、「このオブジェクトは3秒間ここにいる」といった処理を実装したりできます。

trackerを省略すると、Ultralyticsは現在のデフォルトであるtracktrack.yamlを使用します。Trackモードにはocsort.yaml、deepocsort.yaml、fasttrack.yamlも含まれています。トラッカーの選択と調整、さらにトラッカーを使ったオブジェクトカウント、ヒートマップ、速度推定の実装については、ByteTrack、BoT-SORT、TrackTrackでオブジェクトを追跡するで説明しています。

実践例: 独自のカメラループ#

実際のアプリケーションでは、フレームを独自に読み込んで、サイズ変更、クロップ、タイムスタンプ付与、他のコードとのカメラ共有などを行い、各フレームをモデルに渡すことがよくあります。この場合、呼び出し間でトラッカーを維持するのがpersist=Trueです:

import cv2

from ultralytics import YOLO

model = YOLO("yolo26n.pt")
cap = cv2.VideoCapture("solutions_ci_demo.mp4")  # saved locally by the commands above; or 0, or an rtsp:// URL

seen = set()
while cap.isOpened():
    ok, frame = cap.read()
    if not ok:
        break
    result = model.track(frame, persist=True, classes=[0], tracker="bytetrack.yaml", verbose=False)[0]
    if result.boxes.is_track:
        seen.update(result.boxes.id.int().tolist())
cap.release()
print(f"{len(seen)} unique people, highest ID {max(seen)}")

32 unique people, highest ID 67

track.pyと同じ32人です。最大IDは32ではなく67です。トラッカーは、確定されない仮トラックにもIDを割り当てるため、IDには欠番が生じます。

ソースの処理速度に追いつく#

30 FPSのカメラは33ミリ秒ごとにフレームを出力し、実効フレームレートはデコード、推論、書き込みのうち最も遅い処理によって決まります。ノートPCのCPUでは、実行ごとにマシン上で他に何が動作しているかによって、yolo26nの処理時間は384×640フレームあたり26～46ミリ秒でした。予算と同等か超過しており、余裕はありません。処理が追いつかない場合は、次の方法を順番に試してください:

複数のカメラを同時に扱う方法と、それに伴うスレッド処理については、マルチストリーム推論で説明しています。

次の間違いに注意する#