Create app.py

app.py

@@ -0,0 +1,128 @@
+"""
+SAM 3 視頻概念分割 - 使用文本提示跟踪概念
+基於 Ultralytics SAM 3 文檔：
+https://docs.ultralytics.com/zh/models/sam-3/#track-concepts-with-text-prompts
+
+需求：
+    pip install -U ultralytics
+    pip uninstall clip -y
+    pip install git+https://github.com/ultralytics/CLIP.git
+
+注意：
+    sam3.pt 需要從 Hugging Face 手動下載（需申請權限）：
+    https://huggingface.co/facebook/sam3
+"""
+
+import cv2
+from pathlib import Path
+from ultralytics.models.sam import SAM3VideoSemanticPredictor
+
+
+# ─────────────────────────────────────────────
+# 設定區域（請依需求修改）
+# ─────────────────────────────────────────────
+
+# 輸入影片路徑（可改為本地影片路徑）
+VIDEO_SOURCE = "path/to/your/video.mp4"
+
+# 文本提示：指定要追蹤的概念（可自由修改）
+TEXT_PROMPTS = ["person", "bicycle"]
+
+# SAM 3 模型權重路徑（需手動下載）
+MODEL_PATH = "sam3.pt"
+
+# 輸出影片路徑
+OUTPUT_PATH = "output.mp4"
+
+# 信心閾值
+CONFIDENCE = 0.25
+
+# 圖像尺寸
+IMG_SIZE = 640
+
+# ─────────────────────────────────────────────
+# 主程式
+# ─────────────────────────────────────────────
+
+def main():
+    print("=" * 60)
+    print("SAM 3 視頻概念分割 - 文本提示跟踪")
+    print("=" * 60)
+    print(f"📹 輸入影片：{VIDEO_SOURCE}")
+    print(f"🔍 追蹤概念：{TEXT_PROMPTS}")
+    print(f"💾 輸出路徑：{OUTPUT_PATH}")
+    print()
+
+    # 確認影片存在
+    if not Path(VIDEO_SOURCE).exists():
+        raise FileNotFoundError(
+            f"找不到影片：{VIDEO_SOURCE}\n"
+            "請修改 VIDEO_SOURCE 為有效的影片路徑。"
+        )
+
+    # 確認模型存在
+    if not Path(MODEL_PATH).exists():
+        raise FileNotFoundError(
+            f"找不到 SAM 3 模型：{MODEL_PATH}\n"
+            "請至 https://huggingface.co/facebook/sam3 下載 sam3.pt 並放置於當前目錄。"
+        )
+
+    # 初始化 SAM3VideoSemanticPredictor
+    overrides = dict(
+        conf=CONFIDENCE,
+        task="segment",
+        mode="predict",
+        imgsz=IMG_SIZE,
+        model=MODEL_PATH,
+        half=True,   # 使用 FP16 加速推理（GPU 需支援）
+        save=False,  # 我們手動處理輸出，不使用自動儲存
+    )
+    predictor = SAM3VideoSemanticPredictor(overrides=overrides)
+
+    # 取得影片基本資訊（用於設定輸出）
+    cap = cv2.VideoCapture(VIDEO_SOURCE)
+    fps = cap.get(cv2.CAP_PROP_FPS) or 30.0
+    width = int(cap.get(cv2.CAP_PROP_FRAME_WIDTH))
+    height = int(cap.get(cv2.CAP_PROP_FRAME_HEIGHT))
+    total_frames = int(cap.get(cv2.CAP_PROP_FRAME_COUNT))
+    cap.release()
+
+    print(f"影片資訊：{width}x{height} @ {fps:.1f} FPS，共 {total_frames} 幀")
+
+    # 建立 VideoWriter 輸出 output.mp4
+    fourcc = cv2.VideoWriter_fourcc(*"mp4v")
+    writer = cv2.VideoWriter(OUTPUT_PATH, fourcc, fps, (width, height))
+
+    # 執行文本提示視頻跟踪（stream=True 逐幀處理）
+    print(f"\n開始分割追蹤...")
+    results = predictor(
+        source=VIDEO_SOURCE,
+        text=TEXT_PROMPTS,
+        stream=True,
+    )
+
+    frame_count = 0
+    for r in results:
+        frame_count += 1
+
+        # 取得帶有分割遮罩的視覺化幀
+        annotated_frame = r.plot()  # BGR numpy array
+
+        # 寫入輸出影片
+        writer.write(annotated_frame)
+
+        # 顯示進度
+        if frame_count % 10 == 0 or frame_count == 1:
+            print(f"  處理第 {frame_count}/{total_frames} 幀 | 偵測到 {len(r.boxes) if r.boxes is not None else 0} 個物件")
+
+    writer.release()
+
+    print()
+    print("=" * 60)
+    print(f"✅ 完成！共處理 {frame_count} 幀")
+    print(f"💾 輸出已儲存至：{OUTPUT_PATH}")
+    print("=" * 60)
+
+
+if __name__ == "__main__":
+    main()