【ラズベリーパイ】監視カメラの作り方｜PythonでカメラモジュールV2を自在に操作

sudo apt update

sudo apt install -y python3-opencv

from picamera2 import Picamera2
import cv2

# Picamera2を初期化
picam2 = Picamera2()

# Camera Module 2の最大解像度（3280×2464）を使用
config = picam2.create_preview_configuration(
    main={"size": (3280, 2464)}
)

# 設定を反映
picam2.configure(config)

# カメラを起動
picam2.start()

while True:

    # カメラ画像を取得
    frame = picam2.capture_array()

    # OpenCVで扱えるBGR形式へ変換
    frame = cv2.cvtColor(frame, cv2.COLOR_RGB2BGR)

    # 表示用に1024×768へ縮小
    display = cv2.resize(frame, (1024, 768))

    # カメラ映像を表示
    cv2.imshow("Camera", display)

    # Escキーで終了
    if cv2.waitKey(1) == 27:
        break

# OpenCVウィンドウを閉じる
cv2.destroyAllWindows()

# カメラ停止
picam2.stop()

from picamera2 import Picamera2
import cv2

# Picamera2を初期化
picam2 = Picamera2()

# Camera Module 2の最大解像度（3280×2464）を使用
config = picam2.create_preview_configuration(
    main={"size": (3280, 2464)}
)

# 設定を反映
picam2.configure(config)

# カメラを起動
picam2.start()

while True:

    # カメラ画像を取得
    frame = picam2.capture_array()

    # OpenCVで扱えるBGR形式へ変換
    frame = cv2.cvtColor(
        frame,
        cv2.COLOR_RGB2BGR
    )

    # 表示幅（スマホ向け）
    display_width = 355

    # 元画像サイズ取得
    h, w = frame.shape[:2]

    # 縦横比を維持して高さを計算
    display_height = int(
        h * display_width / w
    )

    # 表示用に縮小
    display = cv2.resize(
        frame,
        (display_width, display_height)
    )

    # カメラ映像を表示
    cv2.imshow(
        "Camera",
        display
    )

    # Escキーで終了
    if cv2.waitKey(1) == 27:
        break

# OpenCVウィンドウを閉じる
cv2.destroyAllWindows()

# カメラ停止
picam2.stop()

from picamera2 import Picamera2
import cv2
import time
from datetime import datetime

# Picamera2を初期化
picam2 = Picamera2()

# Camera Module 2の最大解像度を使用
config = picam2.create_preview_configuration(
    main={"size": (3280, 2464)}
)

# 設定を反映
picam2.configure(config)

# カメラを起動
picam2.start()

# カメラが安定するまで少し待機
time.sleep(2)

# カメラ画像を取得
frame = picam2.capture_array()

# OpenCVで扱えるBGR形式へ変換
frame = cv2.cvtColor(frame, cv2.COLOR_RGB2BGR)

# 現在時刻をファイル名に使用
filename = datetime.now().strftime(
    "%Y年%m月%d日%H時%M分%S秒.jpg"
)

# 静止画として保存
cv2.imwrite(filename, frame)

# カメラ停止
picam2.stop()

print(f"{filename}を保存しました")

from picamera2 import Picamera2
import cv2
from datetime import datetime

# Picamera2を初期化
picam2 = Picamera2()

# Camera Module 2の最大解像度を使用
config = picam2.create_preview_configuration(
    main={"size": (3280, 2464)}
)

# 設定を反映
picam2.configure(config)

# カメラを起動
picam2.start()

# 現在時刻をファイル名に使用
filename = datetime.now().strftime(
    "%Y年%m月%d日%H時%M分%S秒.mp4"
)

# mp4形式で動画保存
fourcc = cv2.VideoWriter_fourcc(*"mp4v")

video = cv2.VideoWriter(
    filename,
    fourcc,
    20.0,
    (640, 480)
)

while True:

    # カメラ画像を取得
    frame = picam2.capture_array()

    # OpenCVで扱えるBGR形式へ変換
    frame = cv2.cvtColor(frame, cv2.COLOR_RGB2BGR)

    # 640×480へ縮小
    display = cv2.resize(frame, (640, 480))

    # 動画へ保存
    video.write(display)

    # カメラ映像を表示
    cv2.imshow("Camera", display)

    # Escキーで終了
    if cv2.waitKey(1) == 27:
        break

# 動画保存終了
video.release()

# OpenCVウィンドウを閉じる
cv2.destroyAllWindows()

# カメラ停止
picam2.stop()

print(f"{filename}を保存しました")

from picamera2 import Picamera2
import cv2
from gpiozero import DigitalInputDevice
from datetime import datetime
import time

# Picamera2を初期化
picam2 = Picamera2()

# Camera Module 2の最大解像度を使用
config = picam2.create_preview_configuration(
    main={"size": (3280, 2464)}
)

# 設定を反映
picam2.configure(config)

# カメラを起動
picam2.start()

GPIO_PIN = 18

# GPIO18を入力モードで使用
sensor = DigitalInputDevice(GPIO_PIN)

while True:

    # HIGHの場合
    if sensor.value == 1:
        print("反応あり！")
        
        # カメラ画像を取得
        frame = picam2.capture_array()

        # OpenCVで扱えるBGR形式へ変換
        frame = cv2.cvtColor(frame, cv2.COLOR_RGB2BGR)

        # 現在時刻をファイル名に使用
        filename = datetime.now().strftime(
            "%Y年%m月%d日%H時%M分%S秒.jpg"
        )

        # 静止画として保存
        cv2.imwrite(filename, frame)
        
        print(f"{filename}を保存しました")
        
        time.sleep(10)

    # LOWの場合
    else:
        print("反応なし")
        time.sleep(1)

import smtplib

# 変数の定義
YOUR_GMAIL_ADDRESS = "xxxxx@gmail.com"  # Gmailアドレス
APP_PASSWORD = "xxxxxxxxxxxxxxxx"       # アプリパスワード
TO_ADDRESS = YOUR_GMAIL_ADDRESS    # 送信先アドレス
SMTP_SERVER = "smtp.gmail.com"          # SMTPサーバー
SMTP_PORT = 587                         # SMTPポート番号
EMAIL_SUBJECT = "Test Mail from Python" # メールの件名
EMAIL_BODY = "This is a test email sent using Python."  # メール本文

# メール送信処理
connection = smtplib.SMTP(SMTP_SERVER, SMTP_PORT)
connection.starttls()  # TLS暗号化を開始
connection.login(YOUR_GMAIL_ADDRESS, APP_PASSWORD)  # Gmailにログイン

# メールを送信
message = f"Subject: {EMAIL_SUBJECT}\n\n{EMAIL_BODY}"  # メール全体を構築
connection.sendmail(YOUR_GMAIL_ADDRESS, TO_ADDRESS, message)

# 接続を終了
connection.quit()

import smtplib
from email.mime.multipart import MIMEMultipart
from email.mime.text import MIMEText
from email.mime.base import MIMEBase
from email import encoders

# 変数の定義
YOUR_GMAIL_ADDRESS = "xxxxx@gmail.com"  # Gmailアドレス
APP_PASSWORD = "xxxxxxxxxxxxxxxx"       # アプリパスワード
TO_ADDRESS = YOUR_GMAIL_ADDRESS    # 送信先アドレス
SMTP_SERVER = "smtp.gmail.com"          # SMTPサーバー
SMTP_PORT = 587                         # SMTPポート番号
EMAIL_SUBJECT = "Test Mail with Attachment" # メールの件名
EMAIL_BODY = "This is a test email with an attached image file."  # メール本文
ATTACHMENT_PATH = "image.jpg"  # 添付ファイルのパス

# メールオブジェクトの作成
message = MIMEMultipart()
message["From"] = YOUR_GMAIL_ADDRESS
message["To"] = TO_ADDRESS
message["Subject"] = EMAIL_SUBJECT

# メール本文を追加
message.attach(MIMEText(EMAIL_BODY, "plain"))

# 添付ファイルを読み込み
with open(ATTACHMENT_PATH, "rb") as attachment:
    part = MIMEBase("application", "octet-stream")
    part.set_payload(attachment.read())
    encoders.encode_base64(part)
    part.add_header("Content-Disposition", f"attachment; filename={ATTACHMENT_PATH}")

# 添付ファイルをメールに追加
message.attach(part)

# メール送信処理
connection = smtplib.SMTP(SMTP_SERVER, SMTP_PORT)
connection.starttls()
connection.login(YOUR_GMAIL_ADDRESS, APP_PASSWORD)
connection.send_message(message)
connection.quit()

from gpiozero import DigitalInputDevice
from picamera2 import Picamera2
import cv2
import time
import datetime
import smtplib
from email.mime.multipart import MIMEMultipart
from email.mime.text import MIMEText
from email.mime.base import MIMEBase
from email import encoders

# Gmail送信の関数
def send_gmail(Discovery_time):
    YOUR_GMAIL_ADDRESS = "xxxxx@gmail.com"  # Gmailアドレス
    APP_PASSWORD = "xxxxxxxxxxxxxxxx"       # アプリパスワード
    TO_ADDRESS = YOUR_GMAIL_ADDRESS    # 送信先アドレス
    SMTP_SERVER = "smtp.gmail.com"          # SMTPサーバー
    SMTP_PORT = 587                         # SMTPポート番号
    EMAIL_SUBJECT = "侵入者検知アラート"     # メールの件名
    EMAIL_BODY = f"侵入者を検知しました。\n検出時間: {Discovery_time}"  # メール本文

    try:
        # メール作成
        msg = MIMEMultipart()
        msg['From'] = YOUR_GMAIL_ADDRESS
        msg['To'] = TO_ADDRESS
        msg['Subject'] = EMAIL_SUBJECT

        # メール本文を追加
        msg.attach(MIMEText(EMAIL_BODY, 'plain'))

        # 画像ファイルを添付
        attachment = open("image.jpg", "rb")
        part = MIMEBase('application', 'octet-stream')
        part.set_payload(attachment.read())
        encoders.encode_base64(part)
        part.add_header('Content-Disposition', 'attachment; filename="image.jpg"')
        msg.attach(part)

        # メール送信
        connection = smtplib.SMTP(SMTP_SERVER, SMTP_PORT)
        connection.starttls()
        connection.login(YOUR_GMAIL_ADDRESS, APP_PASSWORD)
        connection.send_message(msg)
        connection.quit()
        print("メール送信成功")

    except Exception as e:
        print(f"メール送信失敗: {str(e)}")

# Picamera2を初期化
picam2 = Picamera2()

# Camera Module 2の最大解像度を使用
config = picam2.create_preview_configuration(
    main={"size": (3280, 2464)}
)

# 設定を反映
picam2.configure(config)

# カメラを起動
picam2.start()

# センサーを使う準備
GPIO_PIN = 18
sensor = DigitalInputDevice(GPIO_PIN)

while True:
    if sensor.value == 1:
        # センサー検出時の処理
        print("1")

        # 検出時間の取得
        dt_now = datetime.datetime.now()
        Discovery_time = dt_now.strftime('%Y年%m月%d日%H時%M分%S秒')
        print(Discovery_time)

        # カメラ画像を取得
        frame = picam2.capture_array()

        # OpenCVで扱えるBGR形式へ変換
        frame = cv2.cvtColor(frame, cv2.COLOR_RGB2BGR)

        # カメラ画像を保存する
        cv2.imwrite("image.jpg", frame)

        # Gmail送信
        send_gmail(Discovery_time)

        # 10秒待機
        time.sleep(10)
    else:
        # センサー未検出時の処理
        print("0")
        time.sleep(1)

GPIO.cleanup()

sudo apt install opencv-data

from picamera2 import Picamera2
import cv2

# Haar Cascadeのファイルパス
HAAR_FILE = (
    "/usr/share/opencv4/haarcascades/"
    "haarcascade_frontalface_default.xml"
)

# 顔認識用CascadeClassifierを作成
cascade = cv2.CascadeClassifier(HAAR_FILE)

# Picamera2を初期化
picam2 = Picamera2()

# Camera Module 2の最大解像度を使用
config = picam2.create_preview_configuration(
    main={"size": (3280, 2464)}
)

# 設定を反映
picam2.configure(config)

# カメラを起動
picam2.start()

while True:

    # カメラ画像を取得
    frame = picam2.capture_array()

    # OpenCVで扱えるBGR形式へ変換
    frame = cv2.cvtColor(frame, cv2.COLOR_RGB2BGR)

    # 表示用に1024×768へ縮小
    display = cv2.resize(frame, (1024, 768))

    # グレースケール画像へ変換
    gray = cv2.cvtColor(display, cv2.COLOR_BGR2GRAY)

    # 顔認識
    faces = cascade.detectMultiScale(
        gray,
        scaleFactor=1.1,
        minNeighbors=5,
        minSize=(50, 50)
    )

    # 顔を四角で囲む
    for (x, y, w, h) in faces:

        cv2.rectangle(
            display,
            (x, y),
            (x + w, y + h),
            (0, 0, 255),
            3
        )

    # カメラ映像を表示
    cv2.imshow("Camera", display)

    # Escキーで終了
    if cv2.waitKey(1) == 27:
        break

# OpenCVウィンドウを閉じる
cv2.destroyAllWindows()

# カメラ停止
picam2.stop()

from picamera2 import Picamera2
import cv2
from gpiozero import LED

# GPIO18に接続したLEDを操作するための設定
led = LED(18)

# Haar Cascadeのファイルパス
HAAR_FILE = (
    "/usr/share/opencv4/haarcascades/"
    "haarcascade_frontalface_default.xml"
)

# 顔認識用CascadeClassifierを作成
cascade = cv2.CascadeClassifier(HAAR_FILE)

# Picamera2を初期化
picam2 = Picamera2()

# Camera Module 2の最大解像度を使用
config = picam2.create_preview_configuration(
    main={"size": (3280, 2464)}
)

# 設定を反映
picam2.configure(config)

# カメラを起動
picam2.start()

while True:

    # カメラ画像を取得
    frame = picam2.capture_array()

    # OpenCVで扱えるBGR形式へ変換
    frame = cv2.cvtColor(frame, cv2.COLOR_RGB2BGR)

    # 表示用に1024×768へ縮小
    display = cv2.resize(frame, (1024, 768))

    # グレースケール画像へ変換
    gray = cv2.cvtColor(display, cv2.COLOR_BGR2GRAY)

    # 顔認識
    faces = cascade.detectMultiScale(
        gray,
        scaleFactor=1.1,
        minNeighbors=5,
        minSize=(50, 50)
    )
    
    # 顔が1つ以上見つかったらLED点灯
    if len(faces) > 0:
        led.on()
    else:
        led.off()

    # 顔を四角で囲む
    for (x, y, w, h) in faces:

        cv2.rectangle(
            display,
            (x, y),
            (x + w, y + h),
            (0, 0, 255),
            3
        )

    # カメラ映像を表示
    cv2.imshow("Camera", display)

    # Escキーで終了
    if cv2.waitKey(1) == 27:
        break

# OpenCVウィンドウを閉じる
cv2.destroyAllWindows()

# カメラ停止
picam2.stop()

sudo apt update

sudo apt install libcap-dev

python3 -m venv ~/mp --system-site-packages

source ~/mp/bin/activate

git clone https://github.com/googlesamples/mediapipe.git

cd mediapipe/examples/object_detection/raspberry_pi

sh setup.sh

#
# Licensed under the Apache License, Version 2.0 (the "License");
# you may not use this file except in compliance with the License.
# You may obtain a copy of the License at
#
#     http://www.apache.org/licenses/LICENSE-2.0
#
# Unless required by applicable law or agreed to in writing, software
# distributed under the License is distributed on an "AS IS" BASIS,
# WITHOUT WARRANTIES OR CONDITIONS OF ANY KIND, either express or implied.
# See the License for the specific language governing permissions and
# limitations under the License.

import argparse
import sys
import time
from picamera2 import Picamera2
import cv2
import mediapipe as mp
from mediapipe.tasks import python
from mediapipe.tasks.python import vision
from utils import visualize

# FPSを計算し推論を制御するためのグローバル変数
COUNTER, FPS = 0, 0
START_TIME = time.time()
is_inference_in_flight = False  # 推論中かどうかを制御するフラグ
latest_detection_result = None  # 最新の検出結果を格納する変数


def run(model, max_results, score_threshold):
    """カメラから取得した映像に対して継続的に推論を実行します。

    引数:
        model: TFLite物体検出モデルの名前。
        max_results: 検出結果の最大数。
        score_threshold: 検出結果のスコア閾値。
    """
    global is_inference_in_flight, latest_detection_result

    # カメラからの映像入力を開始
    picam2 = Picamera2()

    config = picam2.create_preview_configuration(
        main={"size": (800, 600)}
    )

    picam2.configure(config)
    picam2.start()

    # 表示用パラメータ
    row_size = 50  # ピクセル
    left_margin = 24  # ピクセル
    text_color = (0, 0, 0)  # 黒
    font_size = 1
    font_thickness = 1
    fps_avg_frame_count = 10

    def save_result(result: vision.ObjectDetectorResult, unused_output_image: mp.Image, timestamp_ms: int):
        """推論が完了した際に呼び出されるコールバック関数。"""
        global is_inference_in_flight, latest_detection_result, COUNTER, START_TIME, FPS

        # 推論が完了したことをマーク
        is_inference_in_flight = False

        # FPSを更新
        if COUNTER % fps_avg_frame_count == 0:
            current_time = time.time()
            FPS = fps_avg_frame_count / (current_time - START_TIME)
            START_TIME = current_time

        latest_detection_result = result
        COUNTER += 1

    # 物体検出モデルを初期化
    base_options = python.BaseOptions(model_asset_path=model)
    options = vision.ObjectDetectorOptions(
        base_options=base_options,
        running_mode=vision.RunningMode.LIVE_STREAM,
        max_results=max_results,
        score_threshold=score_threshold,
        result_callback=save_result
    )
    detector = vision.ObjectDetector.create_from_options(options)

    # カメラから継続的に映像を取得し推論を実行
    while True:

        # カメラ画像を取得
        rgb_image = picam2.capture_array()
        
        # XBGR8888 → RGB888
        rgb_image = cv2.cvtColor(
            rgb_image,
            cv2.COLOR_BGRA2RGB
        )        

        # MediaPipe用画像
        mp_image = mp.Image(
            image_format=mp.ImageFormat.SRGB,
            data=rgb_image
        )

        # 表示用画像
        image = rgb_image.copy()

        # 前回の推論が完了している場合のみ新しい推論を開始
        if not is_inference_in_flight:
            detector.detect_async(mp_image, time.time_ns() // 1_000_000)
            is_inference_in_flight = True

        # FPSを表示
        fps_text = 'FPS = {:.1f}'.format(FPS)
        text_location = (left_margin, row_size)
        current_frame = image
        cv2.putText(current_frame, fps_text, text_location, cv2.FONT_HERSHEY_DUPLEX,
                    font_size, text_color, font_thickness, cv2.LINE_AA)

        # 最新の検出結果がある場合は可視化
        if latest_detection_result is not None:
            current_frame = visualize(current_frame, latest_detection_result)

        cv2.imshow('object_detection', current_frame)

        # ESCキーが押されたらプログラムを終了
        if cv2.waitKey(1) == 27:
            break

    detector.close()
    picam2.stop()
    cv2.destroyAllWindows()


def main():
    parser = argparse.ArgumentParser(
        formatter_class=argparse.ArgumentDefaultsHelpFormatter)
    parser.add_argument(
        '--model',
        help='物体検出モデルのパス。',
        required=False,
        default='efficientdet.tflite')
    parser.add_argument(
        '--maxResults',
        help='検出結果の最大数。',
        required=False,
        default=5)
    parser.add_argument(
        '--scoreThreshold',
        help='検出結果のスコア閾値。',
        required=False,
        type=float,
        default=0.25)

    args = parser.parse_args()

    run(args.model, int(args.maxResults), args.scoreThreshold)


if __name__ == '__main__':
    main()

#
# Licensed under the Apache License, Version 2.0 (the "License");
# you may not use this file except in compliance with the License.
# You may obtain a copy of the License at
#
#     http://www.apache.org/licenses/LICENSE-2.0
#
# Unless required by applicable law or agreed to in writing, software
# distributed under the License is distributed on an "AS IS" BASIS,
# WITHOUT WARRANTIES OR CONDITIONS OF ANY KIND, either express or implied.
# See the License for the specific language governing permissions and
# limitations under the License.

import argparse
import sys
import time
from picamera2 import Picamera2
import cv2
import mediapipe as mp
from mediapipe.tasks import python
from mediapipe.tasks.python import vision
from utils import visualize

# 任意の物体名を指定する変数（ここで変更可能）
target_object = "car"  # ここを好きな物体名に変更できる

# FPSを計算し推論を制御するためのグローバル変数
COUNTER, FPS = 0, 0
START_TIME = time.time()
is_inference_in_flight = False  # 推論中かどうかを制御するフラグ
latest_detection_result = None  # 最新の検出結果を格納する変数


def run(model, max_results, score_threshold):
    """カメラから取得した映像に対して継続的に推論を実行します。

    引数:
        model: TFLite物体検出モデルの名前。
        max_results: 検出結果の最大数。
        score_threshold: 検出結果のスコア閾値。
    """
    global is_inference_in_flight, latest_detection_result

    # カメラからの映像入力を開始
    picam2 = Picamera2()

    config = picam2.create_preview_configuration(
        main={"size": (800, 600)}
    )

    picam2.configure(config)
    picam2.start()

    # 表示用パラメータ
    row_size = 50  # ピクセル
    left_margin = 24  # ピクセル
    text_color = (0, 0, 0)  # 黒
    font_size = 1
    font_thickness = 1
    fps_avg_frame_count = 10

    def save_result(result: vision.ObjectDetectorResult, unused_output_image: mp.Image, timestamp_ms: int):
        """推論が完了した際に呼び出されるコールバック関数。"""
        global is_inference_in_flight, latest_detection_result, COUNTER, START_TIME, FPS

        # 推論が完了したことをマーク
        is_inference_in_flight = False

        # FPSを更新
        if COUNTER % fps_avg_frame_count == 0:
            current_time = time.time()
            FPS = fps_avg_frame_count / (current_time - START_TIME)
            START_TIME = current_time

        latest_detection_result = result
        COUNTER += 1

    # 物体検出モデルを初期化
    base_options = python.BaseOptions(model_asset_path=model)
    options = vision.ObjectDetectorOptions(
        base_options=base_options,
        running_mode=vision.RunningMode.LIVE_STREAM,
        max_results=max_results,
        score_threshold=score_threshold,
        result_callback=save_result
    )
    detector = vision.ObjectDetector.create_from_options(options)

    # カメラから継続的に映像を取得し推論を実行
    while True:

        # カメラ画像を取得
        rgb_image = picam2.capture_array()
        
        # XBGR8888 → RGB888
        rgb_image = cv2.cvtColor(
            rgb_image,
            cv2.COLOR_BGRA2RGB
        )        

        # MediaPipe用画像
        mp_image = mp.Image(
            image_format=mp.ImageFormat.SRGB,
            data=rgb_image
        )

        # 表示用画像
        image = rgb_image.copy()

        # 前回の推論が完了している場合のみ新しい推論を開始
        if not is_inference_in_flight:
            detector.detect_async(mp_image, time.time_ns() // 1_000_000)
            is_inference_in_flight = True

        # FPSを表示
        fps_text = 'FPS = {:.1f}'.format(FPS)
        text_location = (left_margin, row_size)
        current_frame = image
        cv2.putText(current_frame, fps_text, text_location, cv2.FONT_HERSHEY_DUPLEX,
                    font_size, text_color, font_thickness, cv2.LINE_AA)

        # 最新の検出結果がある場合は可視化
        if latest_detection_result is not None:
            current_frame = visualize(current_frame, latest_detection_result)
            
            # target_objectのカウントを計算
            target_count = sum(1 for detection in latest_detection_result.detections
                               if detection.categories[0].category_name == target_object)

            # target_objectのカウントを画面に表示
            count_text = f'{target_object} = {target_count}'
            count_location = (left_margin, row_size * 2)
            cv2.putText(current_frame, count_text, count_location, cv2.FONT_HERSHEY_DUPLEX,
                        font_size, text_color, font_thickness, cv2.LINE_AA)            
            

        cv2.imshow('object_detection', current_frame)

        # ESCキーが押されたらプログラムを終了
        if cv2.waitKey(1) == 27:
            break

    detector.close()
    picam2.stop()
    cv2.destroyAllWindows()


def main():
    parser = argparse.ArgumentParser(
        formatter_class=argparse.ArgumentDefaultsHelpFormatter)
    parser.add_argument(
        '--model',
        help='物体検出モデルのパス。',
        required=False,
        default='efficientdet.tflite')
    parser.add_argument(
        '--maxResults',
        help='検出結果の最大数。',
        required=False,
        default=5)
    parser.add_argument(
        '--scoreThreshold',
        help='検出結果のスコア閾値。',
        required=False,
        type=float,
        default=0.25)

    args = parser.parse_args()

    run(args.model, int(args.maxResults), args.scoreThreshold)


if __name__ == '__main__':
    main()

#
# Licensed under the Apache License, Version 2.0 (the "License");
# you may not use this file except in compliance with the License.
# You may obtain a copy of the License at
#
#     http://www.apache.org/licenses/LICENSE-2.0
#
# Unless required by applicable law or agreed to in writing, software
# distributed under the License is distributed on an "AS IS" BASIS,
# WITHOUT WARRANTIES OR CONDITIONS OF ANY KIND, either express or implied.
# See the License for the specific language governing permissions and
# limitations under the License.

import argparse
import sys
import time
from picamera2 import Picamera2
import cv2
import mediapipe as mp
from mediapipe.tasks import python
from mediapipe.tasks.python import vision
from utils import visualize
import datetime
import smtplib
from email.mime.multipart import MIMEMultipart
from email.mime.text import MIMEText
from email.mime.base import MIMEBase
from email import encoders

# Gmail送信の関数
def send_gmail(Discovery_time):
    YOUR_GMAIL_ADDRESS = "xxxxx@gmail.com"  # Gmailアドレス
    APP_PASSWORD = "xxxxxxxxxx"       # アプリパスワード
    TO_ADDRESS = YOUR_GMAIL_ADDRESS    # 送信先アドレス
    SMTP_SERVER = "smtp.gmail.com"          # SMTPサーバー
    SMTP_PORT = 587                         # SMTPポート番号
    EMAIL_SUBJECT = "ナイフ検知アラート"     # メールの件名
    EMAIL_BODY = f"ナイフが検出されました！\n検出時間: {Discovery_time}"  # メール本文

    try:
        # メール作成
        msg = MIMEMultipart()
        msg['From'] = YOUR_GMAIL_ADDRESS
        msg['To'] = TO_ADDRESS
        msg['Subject'] = EMAIL_SUBJECT

        # メール本文を追加
        msg.attach(MIMEText(EMAIL_BODY, 'plain'))

        # 画像ファイルを添付
        attachment = open("image.jpg", "rb")
        part = MIMEBase('application', 'octet-stream')
        part.set_payload(attachment.read())
        encoders.encode_base64(part)
        part.add_header('Content-Disposition', 'attachment; filename="image.jpg"')
        msg.attach(part)

        # メール送信
        connection = smtplib.SMTP(SMTP_SERVER, SMTP_PORT)
        connection.starttls()
        connection.login(YOUR_GMAIL_ADDRESS, APP_PASSWORD)
        connection.send_message(msg)
        connection.quit()
        print("メール送信成功")

    except Exception as e:
        print(f"メール送信失敗: {str(e)}")

# FPSを計算し推論を制御するためのグローバル変数
COUNTER, FPS = 0, 0
START_TIME = time.time()
is_inference_in_flight = False  # 推論中かどうかを制御するフラグ
latest_detection_result = None  # 最新の検出結果を格納する変数
last_detection_time = 0  # 最後にナイフを検出した時間
DETECTION_COOLDOWN = 60  # 再検出を抑制する時間（秒）

def run(model, max_results, score_threshold):
    """カメラから取得した映像に対して継続的に推論を実行します。

    引数:
        model: TFLite物体検出モデルの名前。
        max_results: 検出結果の最大数。
        score_threshold: 検出結果のスコア閾値。
    """
    global is_inference_in_flight, latest_detection_result, last_detection_time

    # カメラからの映像入力を開始
    picam2 = Picamera2()

    config = picam2.create_preview_configuration(
        main={"size": (800, 600)}
    )

    picam2.configure(config)
    picam2.start()

    # 表示用パラメータ
    row_size = 50  # ピクセル
    left_margin = 24  # ピクセル
    text_color = (0, 0, 0)  # 黒
    font_size = 1
    font_thickness = 1
    fps_avg_frame_count = 10

    def save_result(result: vision.ObjectDetectorResult, unused_output_image: mp.Image, timestamp_ms: int):
        """推論が完了した際に呼び出されるコールバック関数。"""
        global is_inference_in_flight, latest_detection_result, COUNTER, START_TIME, FPS

        # 推論が完了したことをマーク
        is_inference_in_flight = False

        # FPSを更新
        if COUNTER % fps_avg_frame_count == 0:
            current_time = time.time()
            FPS = fps_avg_frame_count / (current_time - START_TIME)
            START_TIME = current_time

        latest_detection_result = result
        COUNTER += 1

    # 物体検出モデルを初期化
    base_options = python.BaseOptions(model_asset_path=model)
    options = vision.ObjectDetectorOptions(
        base_options=base_options,
        running_mode=vision.RunningMode.LIVE_STREAM,
        max_results=max_results,
        score_threshold=score_threshold,
        result_callback=save_result
    )
    detector = vision.ObjectDetector.create_from_options(options)

    # カメラから継続的に映像を取得し推論を実行
    while True:

        # カメラ画像を取得
        rgb_image = picam2.capture_array()
        
        # XBGR8888 → RGB888
        rgb_image = cv2.cvtColor(
            rgb_image,
            cv2.COLOR_BGRA2RGB
        )        

        # MediaPipe用画像
        mp_image = mp.Image(
            image_format=mp.ImageFormat.SRGB,
            data=rgb_image
        )

        # 表示用画像
        image = rgb_image.copy()

        # 前回の推論が完了している場合のみ新しい推論を開始
        if not is_inference_in_flight:
            detector.detect_async(mp_image, time.time_ns() // 1_000_000)
            is_inference_in_flight = True

        # FPSを表示
        fps_text = 'FPS = {:.1f}'.format(FPS)
        text_location = (left_margin, row_size)
        current_frame = image
        cv2.putText(current_frame, fps_text, text_location, cv2.FONT_HERSHEY_DUPLEX,
                    font_size, text_color, font_thickness, cv2.LINE_AA)

        # 最新の検出結果がある場合は可視化
        if latest_detection_result is not None:
            current_frame = visualize(current_frame, latest_detection_result)
            
            # ナイフ検出のチェック（描画後のフレームに対して）
            current_time = time.time()
            if any("knife" in detection.categories[0].category_name.lower()
                   for detection in latest_detection_result.detections):
                if current_time - last_detection_time > DETECTION_COOLDOWN:
                    print("発見")
                    dt_now = datetime.datetime.now()
                    Discovery_time = dt_now.strftime('%Y年%m月%d日%H時%M分%S秒')
                    cv2.imwrite("image.jpg", current_frame)
                    
                    # Gmail送信
                    send_gmail(Discovery_time)
                    
                    last_detection_time = current_time
                else:
                    print("再検出（通知待機中）")             

        cv2.imshow('object_detection', current_frame)

        # ESCキーが押されたらプログラムを終了
        if cv2.waitKey(1) == 27:
            break

    detector.close()
    picam2.stop()
    cv2.destroyAllWindows()


def main():
    parser = argparse.ArgumentParser(
        formatter_class=argparse.ArgumentDefaultsHelpFormatter)
    parser.add_argument(
        '--model',
        help='物体検出モデルのパス。',
        required=False,
        default='efficientdet.tflite')
    parser.add_argument(
        '--maxResults',
        help='検出結果の最大数。',
        required=False,
        default=5)
    parser.add_argument(
        '--scoreThreshold',
        help='検出結果のスコア閾値。',
        required=False,
        type=float,
        default=0.25)

    args = parser.parse_args()

    run(args.model, int(args.maxResults), args.scoreThreshold)


if __name__ == '__main__':
    main()