#!/usr/bin/env python3 """ 顔検出処理の単体デバッグスクリプト Usage: # 画像ファイルで検出をテスト python debug_detector.py --image path/to/image.jpg # 動画ファイルで検出をテスト（指定フレームのみ） python debug_detector.py --video path/to/video.mp4 --frame 100 # 動画ファイルで複数フレームをテスト python debug_detector.py --video path/to/video.mp4 --start 0 --end 10 # 結果を保存 python debug_detector.py --image test.jpg --output result.jpg """ import argparse import sys from pathlib import Path import cv2 import numpy as np # プロジェクトルートをパスに追加 project_root = Path(__file__).parent sys.path.insert(0, str(project_root)) from server.detector import YOLOFaceDetector def draw_detections(image: np.ndarray, detections, mask=None): """ 検出結果を画像に描画 Args: image: 元画像（BGR） detections: 検出結果のリスト [(x, y, w, h, conf), ...] mask: マスク画像（オプション） Returns: 描画済み画像 """ output = image.copy() # マスクをオーバーレイ if mask is not None: # マスクを3チャンネルに変換 mask_colored = cv2.cvtColor(mask, cv2.COLOR_GRAY2BGR) # 赤色でオーバーレイ（半透明） mask_overlay = np.zeros_like(output) mask_overlay[:, :, 2] = mask # 赤チャンネル output = cv2.addWeighted(output, 1.0, mask_overlay, 0.3, 0) # バウンディングボックスを描画 for (x, y, w, h, conf) in detections: # ボックス cv2.rectangle(output, (x, y), (x + w, y + h), (0, 255, 0), 2) # 信頼度テキスト label = f"{conf:.2f}" label_size, baseline = cv2.getTextSize(label, cv2.FONT_HERSHEY_SIMPLEX, 0.5, 1) y_label = max(y, label_size[1]) cv2.rectangle( output, (x, y_label - label_size[1]), (x + label_size[0], y_label + baseline), (0, 255, 0), -1 ) cv2.putText( output, label, (x, y_label), cv2.FONT_HERSHEY_SIMPLEX, 0.5, (0, 0, 0), 1 ) return output def debug_image(args, detector): """画像ファイルで検出をデバッグ""" print(f"画像を読み込み中: {args.image}") image = cv2.imread(args.image) if image is None: print(f"エラー: 画像を読み込めません: {args.image}") return print(f"画像サイズ: {image.shape[1]}x{image.shape[0]}") # 検出実行 print("顔検出を実行中...") detections = detector.detect(image) print(f"\n検出結果: {len(detections)}個の顔を検出") for i, (x, y, w, h, conf) in enumerate(detections): print(f" [{i+1}] x={x}, y={y}, w={w}, h={h}, conf={conf:.3f}") # マスク生成 if len(detections) > 0: mask = detector.generate_mask( image.shape, detections, mask_scale=args.mask_scale, feather_radius=args.feather_radius ) else: mask = None # 結果を描画 result = draw_detections(image, detections, mask) # 表示または保存 if args.output: cv2.imwrite(args.output, result) print(f"\n結果を保存しました: {args.output}") if mask is not None and args.save_mask: mask_path = args.output.replace('.', '_mask.') cv2.imwrite(mask_path, mask) print(f"マスクを保存しました: {mask_path}") else: cv2.imshow("Detection Result", result) if mask is not None: cv2.imshow("Mask", mask) print("\nキーを押して終了してください...") cv2.waitKey(0) cv2.destroyAllWindows() def debug_video(args, detector): """動画ファイルで検出をデバッグ""" print(f"動画を読み込み中: {args.video}") cap = cv2.VideoCapture(args.video) if not cap.isOpened(): print(f"エラー: 動画を開けません: {args.video}") return total_frames = int(cap.get(cv2.CAP_PROP_FRAME_COUNT)) fps = cap.get(cv2.CAP_PROP_FPS) width = int(cap.get(cv2.CAP_PROP_FRAME_WIDTH)) height = int(cap.get(cv2.CAP_PROP_FRAME_HEIGHT)) print(f"動画情報: {width}x{height}, {fps:.2f}fps, {total_frames}フレーム") # フレーム範囲の決定 start_frame = args.start if args.start is not None else args.frame end_frame = args.end if args.end is not None else args.frame start_frame = max(0, min(start_frame, total_frames - 1)) end_frame = max(0, min(end_frame, total_frames - 1)) print(f"処理範囲: フレーム {start_frame} - {end_frame}") # 出力動画の準備 out_writer = None if args.output: fourcc = cv2.VideoWriter_fourcc(*'mp4v') out_writer = cv2.VideoWriter(args.output, fourcc, fps, (width, height)) # フレーム処理 for frame_idx in range(start_frame, end_frame + 1): cap.set(cv2.CAP_PROP_POS_FRAMES, frame_idx) ret, frame = cap.read() if not ret: print(f"警告: フレーム {frame_idx} を読み込めませんでした") continue # 検出実行 detections = detector.detect(frame) # マスク生成 if len(detections) > 0: mask = detector.generate_mask( frame.shape, detections, mask_scale=args.mask_scale, feather_radius=args.feather_radius ) else: mask = None # 結果を描画 result = draw_detections(frame, detections, mask) print(f"フレーム {frame_idx}: {len(detections)}個の顔を検出") # 保存または表示 if out_writer: out_writer.write(result) else: cv2.imshow(f"Frame {frame_idx}", result) if mask is not None: cv2.imshow("Mask", mask) key = cv2.waitKey(0 if end_frame == start_frame else 30) if key == ord('q'): break cap.release() if out_writer: out_writer.release() print(f"\n結果を保存しました: {args.output}") else: cv2.destroyAllWindows() def main(): parser = argparse.ArgumentParser( description="顔検出処理の単体デバッグスクリプト", formatter_class=argparse.RawDescriptionHelpFormatter, epilog=__doc__ ) # 入力ソース input_group = parser.add_mutually_exclusive_group(required=True) input_group.add_argument("--image", type=str, help="テスト用画像ファイル") input_group.add_argument("--video", type=str, help="テスト用動画ファイル") # 動画用オプション parser.add_argument("--frame", type=int, default=0, help="処理する動画フレーム番号（デフォルト: 0）") parser.add_argument("--start", type=int, help="処理開始フレーム（動画のみ）") parser.add_argument("--end", type=int, help="処理終了フレーム（動画のみ）") # 検出パラメータ parser.add_argument("--conf", type=float, default=0.5, help="信頼度閾値（デフォルト: 0.5）") parser.add_argument("--iou", type=float, default=0.45, help="NMS IoU閾値（デフォルト: 0.45）") parser.add_argument("--mask-scale", type=float, default=1.5, help="マスクスケール（デフォルト: 1.5）") parser.add_argument("--feather-radius", type=int, default=20, help="マスクぼかし半径（デフォルト: 20）") # 出力オプション parser.add_argument("--output", "-o", type=str, help="結果画像/動画の保存先") parser.add_argument("--save-mask", action="store_true", help="マスク画像も保存する（画像のみ）") # モデル parser.add_argument("--model", type=str, help="カスタムモデルパス") args = parser.parse_args() # 検出器を初期化 print("YOLOFaceDetectorを初期化中...") detector = YOLOFaceDetector( model_path=args.model, conf_threshold=args.conf, iou_threshold=args.iou ) # モデルを事前ロード print("モデルをロード中...") _ = detector.model print("準備完了\n") # デバッグ実行 if args.image: debug_image(args, detector) else: debug_video(args, detector) if __name__ == "__main__": main()