python利用模型在电脑摄像头实现模型识别代码
时间: 2024-05-07 19:18:27 浏览: 10
要在电脑摄像头上实现模型识别,可以使用OpenCV和TensorFlow等库进行开发。以下是一个示例代码,可以使用已经训练好的模型对实时视频进行分类。
```python
import cv2
import numpy as np
import tensorflow as tf
# 加载模型
model = tf.keras.models.load_model('model.h5')
# 打开摄像头
cap = cv2.VideoCapture(0)
while True:
# 读取视频帧
ret, frame = cap.read()
# 调整大小和格式以进行预测
img = cv2.resize(frame, (224, 224))
img = np.expand_dims(img, axis=0)
img = img / 255.0
# 进行预测
pred = model.predict(img)[0]
label = np.argmax(pred)
# 在视频中显示结果
cv2.putText(frame, str(label), (50, 50), cv2.FONT_HERSHEY_SIMPLEX, 1, (0, 255, 0), 2)
cv2.imshow('video', frame)
# 按下ESC键退出
if cv2.waitKey(1) == 27:
break
# 释放摄像头并关闭窗口
cap.release()
cv2.destroyAllWindows()
```
在这个例子中,我们首先加载了一个预先训练好的模型(model.h5)。然后,我们打开摄像头并在一个无限循环中读取每一帧图像。我们将每一帧调整为模型的输入大小(224x224)和格式,并在模型上进行预测。最终,我们在视频帧上显示预测结果,并在按下ESC键后退出循环。