※本記事は、読者の方にとって分かりやすい構成となるようAIのサポートを活用し、私自身の経験と裏取りを元に書き下ろしたものです。
1. はじめに
作るもの
この記事では、手持ちの動画ファイルから独自のYOLO物体検出モデルを構築するための前半工程——フレーム抽出とLabel Studioを使ったアノテーション——を解説します。
動画 → フレーム抽出 → アノテーション → 学習 → 検証という一方通行の流れを体験することで、「公開データセットがない対象」でも自前モデルが作れるようになります。
データセット学習・評価は後続記事（🧠動画データからYOLOモデルをゼロから作る——データセット準備・学習・評価編）で解説します。
対象読者・前提知識
- Pythonの基礎文法が読める方
- YOLOの概念（バウンディングボックス、クラス、mAPなど）をざっくり知っている方
- 物体検出モデルを自作したいが、どこから始めればいいか分からない方
YOLOの基礎から学びたい方は、まず入門編をご覧ください。
使用技術スタック
| 役割 | ツール / ライブラリ |
|---|---|
| 物体検出フレームワーク | Ultralytics YOLOv8 |
| アノテーション | Label Studio |
| 動画処理 | OpenCV（cv2） |
作業環境の全体像
この記事ではすべてローカルPCで作業します。
| 章 | 作業内容 | 実行環境 |
|---|---|---|
| 2章 | 環境構築 | ローカル |
| 3章 | フレーム抽出 | ローカル |
| 4章 | Label Studioでアノテーション | ローカル |
記事の流れ
【ローカルPC】
動画ファイル
↓ 3章：フレーム抽出・間引き
静止画（PNG/JPG）× 数百枚
↓ 4章：Label Studioでアノテーション
YOLO形式ラベルファイル → 後続記事へ続く
2. 環境構築
仮想環境の作成
python -m venv .venv
source .venv/bin/activate # Windows: .venv\Scripts\activate
Pythonライブラリのインストール
pip install opencv-python-headless scikit-image label-studio
Label StudioのセットアップとURL確認
インストール後、以下のコマンドで起動します。
label-studio start
ブラウザで http://localhost:8080 にアクセスし、アカウントを作成したらセットアップ完了です。
3. 動画から画像データを作成する
フレーム抽出の考え方
動画からすべてのフレームを取り出せば学習データは増えますが、それが精度向上につながるとは限りません。
- 多すぎる場合： ほぼ同じ構図の画像が数百枚並び、モデルが特定の視点に過適合する。アノテーション工数も膨大になる。
- 少なすぎる場合： 検出したいシーンをカバーできず、汎化性能が落ちる。
目安として「同じシーンが連続する場合は1〜2秒に1枚、動きが速い場合は0.5秒に1枚」程度からスタートするのが現実的です。
抽出間隔の決め方
動画のフレームレート（fps）に基づいて、何フレームおきに1枚取り出すかを計算します。
interval = fps × 秒数
例）30fps の動画から1秒おきに抽出したい → interval = 30
一般的な防犯カメラ映像（30fps）で、1秒おきに抽出すると、1分の動画から60枚が得られます。
フレーム抽出コード
# scripts/extract_frames.py
import cv2
from pathlib import Path
def extract_frames(video_path: str, output_dir: str, interval: int = 30):
"""動画からintervalフレームおきに静止画を保存する。"""
output_dir = Path(output_dir)
output_dir.mkdir(parents=True, exist_ok=True)
cap = cv2.VideoCapture(video_path)
fps = cap.get(cv2.CAP_PROP_FPS)
total = int(cap.get(cv2.CAP_PROP_FRAME_COUNT))
print(f"fps={fps:.1f}, 総フレーム数={total}, 抽出間隔={interval}フレーム")
frame_idx = 0
saved = 0
while cap.isOpened():
ret, frame = cap.read()
if not ret:
break
if frame_idx % interval == 0:
filename = output_dir / f"frame_{frame_idx:06d}.jpg"
cv2.imwrite(str(filename), frame)
saved += 1
frame_idx += 1
cap.release()
print(f"保存枚数: {saved} 枚 → {output_dir}")
if __name__ == "__main__":
extract_frames("videos/input.mp4", "frames/", interval=30)
抽出結果の確認
python scripts/extract_frames.py
# → 保存枚数: 180 枚 → frames/
4. Label Studioでアノテーション
プロジェクト作成とラベルの設定
Label Studioにログインし、「Create Project」でプロジェクトを作成します。
- 「Object Detection with Bounding Boxes」テンプレートを選択
- 「Add Label」でクラス名を追加（今回は
screw） - 「Save」で確定
抽出画像のインポート（ローカルストレージ経由）
1. 環境変数を設定してLabel Studioを起動する
Label Studioがローカルファイルを配信できるよう、以下の環境変数を設定してから起動します。
export LABEL_STUDIO_LOCAL_FILES_SERVING_ENABLED=true
export LABEL_STUDIO_LOCAL_FILES_DOCUMENT_ROOT=/path/to/project # framesの親ディレクトリを指定
label-studio start
LABEL_STUDIO_LOCAL_FILES_DOCUMENT_ROOT には frames/ が含まれる親ディレクトリを指定します。プロジェクトルートが /Users/yourname/project であれば、そのパスをそのまま設定します。
2. ローカルストレージをプロジェクトに追加する
Label StudioのUIで以下の手順を実行します。
- 対象プロジェクトの Settings > Cloud Storage に移動
- Add Source Storage をクリック
- Storage Type で「Local files」を選択
-
Local Path に
frames/ディレクトリのフルパスを入力（例：/Users/yourname/project/frames） - 「Treat every bucket object as a source file」 にチェックを入れる
- Check Connection でアクセスできることを確認
- Add Storage で保存
- Sync Storage をクリックして画像を同期
同期が完了すると、タスク一覧に frames/ 内の画像が並びます。ファイルパスが保持されているため、エクスポート後もラベルと元画像を正しく紐付けられます。
アノテーション作業の手順
- タスク一覧から画像を選択してアノテーション画面を開く
- 左下のラベルパネルからクラスを選択
- 画像上をドラッグしてバウンディングボックスを描画
- 右下に「Submit」が出てくるので押下でラベルを確定
バウンディングボックスのコツ：
- 対象物体の輪郭ぴったりに合わせる（余白を入れすぎない）
- 一部が隠れている（遮蔽）場合も、見えている範囲だけをラベル
- 小さすぎて判別できない物体はラベルしない（32×32px未満が目安）
効率化のコツ
| 操作 | ショートカット |
|---|---|
| ラベル切り替え |
1, 2, 3... |
| ボックス移動 | 矢印キー |
| ボックス削除 | Delete |
| 次のタスク | D |
| 前のタスク | A |
複数の画像で同じ位置に物体が映っている場合、最初の画像でラベルを付けた後「Copy Annotation」を使うと次の画像に引き継げます。
YOLO形式でエクスポート
全画像のアノテーションが終わったら、エクスポートします。
- プロジェクトのトップページ「Export」をクリック
- フォーマットで「YOLO with Images」を選択
- ダウンロードされたZIPを解凍して
annotations/に配置
エクスポートデータの中身の確認
解凍すると以下の構成になっています。
annotations/
├── images/ # 元画像（JPG）
├── labels/ # バウンディングボックスのテキスト
│ └── frame_000030.txt
└── classes.txt # クラス名のリスト
labels/ 内のテキストファイルは1行1物体で、YOLO形式（クラスID + 正規化座標）になっています。
0 0.512 0.334 0.186 0.402
class_id x_center y_center width height（すべて0〜1の相対値）
アノテーションが完成したら、次はデータセットの準備と学習です。
後続記事（🧠動画データからYOLOモデルをゼロから作る——データセット準備・学習・評価編）に続きます。
Discussion