摄像头检测楼梯的代码示例

要使用摄像头检测楼梯，您可以使用计算机视觉和深度学习的技术。以下是一个基本的代码示例，用于检测楼梯：

import cv2
import numpy as np

# 加载预训练模型（例如：深度学习的目标检测模型）
model = cv2.dnn.readNetFromCaffe('path/to/prototxt', 'path/to/model')

# 定义类别标签
class_labels = ['background', 'stairs']

# 打开摄像头
cap = cv2.VideoCapture(0)

while True:
    ret, frame = cap.read()
    if not ret:
        break
    
    # 图像预处理
    blob = cv2.dnn.blobFromImage(frame, scalefactor=1.0, size=(300, 300),
                                 mean=(104.0, 177.0, 123.0), swapRB=True, crop=False)
    
    # 输入预处理后的图像到模型中进行预测
    model.setInput(blob)
    detections = model.forward()
    
    # 解析预测结果
    for i in range(detections.shape[2]):
        confidence = detections[0, 0, i, 2]
        
        # 设置阈值来过滤低置信度的检测结果
        if confidence > 0.5:
            class_id = int(detections[0, 0, i, 1])
            
            # 检测到楼梯
            if class_id == 1:
                box = detections[0, 0, i, 3:7] * np.array([frame.shape[1], frame.shape[0],
                                                          frame.shape[1], frame.shape[0]])
                x, y, w, h = box.astype(int)
                
                # 在图像上绘制框和标签
                cv2.rectangle(frame, (x, y), (w, h), (0, 255, 0), 2)
                label = f'{class_labels[class_id]}: {confidence:.2f}'
                cv2.putText(frame, label, (x, y - 10), cv2.FONT_HERSHEY_SIMPLEX, 0.5, (0, 255, 0), 2)
    
    # 显示结果
    cv2.imshow("Stair Detection", frame)
    
    # 按下'q'键退出
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break

# 释放摄像头和窗口
cap.release()
cv2.destroyAllWindows()

请注意，以上的代码示例假设您已经有一个预训练好的深度学习模型，用于目标检测任务。模型可以是在COCO、VOC等数据集上训练的，并能够检测出楼梯类别。您需要替换代码中的模型路径和类别标签，以适应您自己的模型和数据集。

此示例代码使用OpenCV的`dnn`模块加载模型，并通过摄像头获取每一帧图像。然后，它对图像进行预处理，并将其输入到模型中进行预测。最后，它解析预测结果，筛选出楼梯类别的检测框，并在图像上绘制框和标签。

请注意，这只是一个基本示例，可能需要根据您的实际情况进行调整和优化。您可能需要根据您的数据集和模型进行适当的预处理和后处理。