YOLOv10による物体検出（ソースコードと実行結果）

REM Python をシステム領域にインストール
winget install --scope machine --id Python.Python.3.12 -e --silent
REM Python のパス設定
set "PYTHON_PATH=C:\Program Files\Python312"
set "PYTHON_SCRIPTS_PATH=C:\Program Files\Python312\Scripts"
echo "%PATH%" | find /i "%PYTHON_PATH%" >nul
if errorlevel 1 setx PATH "%PATH%;%PYTHON_PATH%" /M >nul
echo "%PATH%" | find /i "%PYTHON_SCRIPTS_PATH%" >nul
if errorlevel 1 setx PATH "%PATH%;%PYTHON_SCRIPTS_PATH%" /M >nul

winget install --scope machine Codeium.Windsurf -e --silent

# プログラム名: YOLOv10物体検出プログラム
# 特徴技術名: YOLOv10
# 出典: Wang, A., Chen, H., Liu, L., Chen, K., Lin, Z., Han, J., & Ding, G. (2024). YOLOv10: Real-Time End-to-End Object Detection. arXiv:2405.14458.
# 特徴機能: NMSフリー検出機能。Non-Maximum Suppressionを不要とする設計により、後処理なしで物体検出を実現。本プログラムではCOCO 80クラス全体を検出
# 学習済みモデル: YOLOv10 COCO事前学習済みモデル（80クラス全体）
#   モデルサイズ選択可能（デフォルト: n）:
#   n (nano): yolov10n.pt - 最小
#   s (small): yolov10s.pt - 小
#   m (medium): yolov10m.pt - 中
#   b (balanced): yolov10b.pt - 中上
#   l (large): yolov10l.pt - 大
#   x (extra large): yolov10x.pt - 最大
# 方式設計:
#   - 関連利用技術:
#     - PyTorch: 深層学習フレームワーク、CUDA対応
#     - OpenCV: 画像処理、カメラ制御、描画処理、動画入出力管理
#   - 入力と出力:
#     入力: 動画（0:動画ファイル，1:カメラ，2:サンプル動画）
#     出力: 各フレームごとに全検出一覧をprint表示し、終了時にresult.txtに保存
#   - 処理手順: 1.フレーム取得、2.YOLOv10推論、3.COCO 80クラス検出、4.信頼度閾値で選別、5.バウンディングボックス描画
#   - 前処理/後処理: 前処理はYOLO内部（例: 640x640リサイズ、正規化）。後処理は信頼度閾値によるフィルタリング
#   - 追加処理: デバイス自動選択（GPU/CPU）
#   - 調整可能値: CONF_THRESH（検出信頼度閾値、デフォルト0.5）
# 環境: Windows想定（PillowでMeiryoフォントを使用）
# 前準備:
#   - pip install -U torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu126
#   - pip install ultralytics opencv-python numpy pillow

import os
import time
import urllib.request
import tkinter as tk
from tkinter import filedialog
from datetime import datetime

import cv2
import numpy as np
import torch
from ultralytics import YOLO
from PIL import Image, ImageDraw, ImageFont

# ===== ガイダンス =====
print('=== YOLOv10物体検出プログラム ===')
print('概要: フレームごとに物体を検出し、矩形とラベルを描画して表示します')
print('機能: YOLOv10によるCOCO 80クラス検出（NMSフリー設計）')
print('操作: qキーで終了')
print('出力: 各フレームの全検出一覧をprint表示し、終了時にresult.txtに保存')
print('注意: YOLOv10モデルファイル(yolov10n.pt等)が必要です')
print()

# ===== 設定 =====
CONF_THRESH = 0.5

# フォント設定（Pillow、日本語表示）
FONT_PATH = 'C:/Windows/Fonts/meiryo.ttc'
FONT_MAIN = ImageFont.truetype(FONT_PATH, 20)
FONT_SMALL = ImageFont.truetype(FONT_PATH, 14)

# GPU/CPU自動選択
device = torch.device('cuda' if torch.cuda.is_available() else 'cpu')
print(f'デバイス: {str(device)}')

# ===== モデル選択 =====
print('使用するYOLOv10モデルを選択してください:')
print('n: Nano')
print('s: Small')
print('m: Medium')
print('l: Large')
print('x: Extra Large')
print()

MODEL_SIZE = input('選択 (n/s/m/l/x) [デフォルト: n]: ').strip().lower()
if MODEL_SIZE not in ['n', 's', 'm', 'l', 'x']:
    MODEL_SIZE = 'n'
    print('デフォルト(n)を使用します')

MODEL_NAME = f'yolov10{MODEL_SIZE}.pt'
print(f'選択されたモデル: {MODEL_NAME}')

# ===== モデル初期化 =====
try:
    print(f'モデル初期化中...')
    model = YOLO(MODEL_NAME)
    model.to(device)
    print('モデル初期化が完了しました')
except Exception as e:
    print('モデルの初期化に失敗しました')
    print(f'エラー: {e}')
    print('注意: モデルファイルの存在とパスを確認してください')
    exit()

# クラス名
CLASS_NAMES = model.names  # id -> name

# クラス色生成（HSV→BGR）
def generate_colors(num_classes):
    colors = []
    for i in range(num_classes):
        hue = int(180.0 * i / max(1, num_classes))
        hsv = np.uint8([[[hue, 255, 255]]])
        bgr = cv2.cvtColor(hsv, cv2.COLOR_HSV2BGR)[0][0]
        colors.append((int(bgr[0]), int(bgr[1]), int(bgr[2])))
    return colors

CLASS_COLORS = generate_colors(len(CLASS_NAMES))

frame_count = 0
results_log = []

def bgr_to_rgb(color_bgr):
    return (int(color_bgr[2]), int(color_bgr[1]), int(color_bgr[0]))

# ===== フレーム処理関数 =====
def video_frame_processing(frame):
    global frame_count
    current_time = time.time()
    frame_count += 1

    # 推論実行
    results = model.predict(frame, conf=CONF_THRESH, verbose=False, device=str(device))
    res = results[0]

    # 検出の取り出し
    dets = []
    if len(res.boxes) > 0:
        boxes = res.boxes.xyxy.cpu().numpy().astype(int)
        confs = res.boxes.conf.cpu().numpy()
        clses = res.boxes.cls.cpu().numpy().astype(int)

        # 信頼度降順
        order = np.argsort(confs)[::-1]
        boxes = boxes[order]
        confs = confs[order]
        clses = clses[order]

        for (x1, y1, x2, y2), conf, cid in zip(boxes, confs, clses):
            name = CLASS_NAMES.get(int(cid), str(int(cid)))
            dets.append((x1, y1, x2, y2, name, float(conf)))

    # 描画（矩形はOpenCV、テキストはPillow）
    for x1, y1, x2, y2, name, conf in dets:
        color = CLASS_COLORS[hash(name) % len(CLASS_COLORS)]
        cv2.rectangle(frame, (x1, y1), (x2, y2), color, 2)

    # テキスト描画
    img_pil = Image.fromarray(cv2.cvtColor(frame, cv2.COLOR_BGR2RGB))
    draw = ImageDraw.Draw(img_pil)

    for x1, y1, x2, y2, name, conf in dets:
        color = CLASS_COLORS[hash(name) % len(CLASS_COLORS)]
        draw.text((x1, max(0, y1 - 22)), f'{name}', font=FONT_MAIN, fill=bgr_to_rgb(color))
        draw.text((x1, y2 + 4), f'Conf:{conf:.2f}', font=FONT_SMALL, fill=(255, 255, 255))

    # 画面左上に情報
    draw.text((10, 10), f'YOLOv10 ({device.type}) | Frame: {frame_count} | Dets: {len(dets)}', font=FONT_MAIN, fill=(255, 255, 255))
    draw.text((10, 36), '操作: q=終了', font=FONT_SMALL, fill=(255, 255, 0))

    processed = cv2.cvtColor(np.array(img_pil), cv2.COLOR_RGB2BGR)

    # 出力用の整形（全検出一覧）
    parts = [f'n={len(dets)}']
    for x1, y1, x2, y2, name, conf in dets:
        parts.append(f'{name}:{conf:.2f}@{x1},{y1},{x2},{y2}')
    result = ' | '.join(parts)

    return processed, result, current_time

# ===== 入力ソース選択 =====
print('0: 動画ファイル')
print('1: カメラ')
print('2: サンプル動画')

choice = input('選択: ')

if choice == '0':
    root = tk.Tk()
    root.withdraw()
    path = filedialog.askopenfilename()
    if not path:
        exit()
    cap = cv2.VideoCapture(path)
elif choice == '1':
    cap = cv2.VideoCapture(0, cv2.CAP_DSHOW)
    if not cap.isOpened():
        cap = cv2.VideoCapture(0)
    cap.set(cv2.CAP_PROP_BUFFERSIZE, 1)
else:
    # サンプル動画ダウンロード・処理
    SAMPLE_URL = 'https://raw.githubusercontent.com/opencv/opencv/master/samples/data/vtest.avi'
    SAMPLE_FILE = 'vtest.avi'
    urllib.request.urlretrieve(SAMPLE_URL, SAMPLE_FILE)
    cap = cv2.VideoCapture(SAMPLE_FILE)

if not cap.isOpened():
    print('動画ファイル・カメラを開けませんでした')
    exit()

# ===== メイン処理 =====
print('\n=== 動画処理開始 ===')
print('操作方法:')
print('  q キー: プログラム終了')
try:
    while True:
        ret, frame = cap.read()
        if not ret:
            break

        MAIN_FUNC_DESC = "YOLOv10物体検出"
        processed_frame, result, current_time = video_frame_processing(frame)
        cv2.imshow(MAIN_FUNC_DESC, processed_frame)
        if choice == '1':  # カメラの場合
            print(datetime.fromtimestamp(current_time).strftime("%Y-%m-%d %H:%M:%S.%f")[:-3], result)
        else:  # 動画ファイルの場合
            print(frame_count, result)
        results_log.append(result)
        if cv2.waitKey(1) & 0xFF == ord('q'):
            break
finally:
    print('\n=== プログラム終了 ===')
    cap.release()
    cv2.destroyAllWindows()
    if results_log:
        with open('result.txt', 'w', encoding='utf-8') as f:
            f.write('=== 結果 ===\n')
            f.write(f'処理フレーム数: {frame_count}\n')
            f.write(f'使用デバイス: {str(device).upper()}\n')
            if device.type == 'cuda':
                f.write(f'GPU: {torch.cuda.get_device_name(0)}\n')
            f.write('\n')
            f.write('\n'.join(results_log))
        print(f'\n処理結果をresult.txtに保存しました')