用Python写一个onnxruntime调用USB摄像头进行推理加速并将预测标签实时显示的程序

可以使用 OpenCV 库来调用 USB 摄像头并获取实时视频帧。然后，将视频帧转换为模型需要的输入格式，然后使用 onnxruntime 进行推理。最后，将预测的标签在窗口中显示出来即可。

下面是一个示例代码：

import cv2
import onnxruntime as rt
import numpy as np

# 调用摄像头并获取视频帧
cap = cv2.VideoCapture(0)

# 加载模型
sess = rt.InferenceSession("model.onnx")

# 循环显示每一帧
while True:
    # 获取视频帧
    ret, frame = cap.read()

    # 将视频帧转换为模型需要的输入格式
    input_data = cv2.resize(frame, (224, 224)).astype(np.float32) / 255.0
    input_data = np.expand_dims(input_data, axis=0)

    # 使用 onnxruntime 进行推理
    input_name = sess.get_inputs()[0].name
    label_scores = sess.run(None, {input_name: input_data})[0]
    label = np.argmax(label_scores)

    # 在窗口中显示预测的标签
    cv2.putText(frame, str(label), (10, 30), cv2.FONT_HERSHEY_SIMPLEX, 1, (0, 0, 255), 2)
    cv2.imshow("Frame", frame)

    # 按下 q 键退出程序
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break

# 释放摄像头资源
cap.release()
cv2.destroyAllWindows()