动作识别代码Python

以下是一个基于Python的简单动作识别代码示例：

import cv2
import numpy as np
from keras.models import load_model

# 加载训练好的模型
model = load_model('path/to/model.h5')

# 定义动作类别
classes = {
    0: 'boxing',
    1: 'handclapping',
    2: 'handwaving',
    3: 'jogging',
    4: 'running',
    5: 'walking'
}

# 读取测试视频
cap = cv2.VideoCapture('path/to/test/video.mp4')

# 设置帧率和计数器
fps = cap.get(cv2.CAP_PROP_FPS)
frame_count = int(cap.get(cv2.CAP_PROP_FRAME_COUNT))

# 初始化变量
prev_class = None
count = 0

# 遍历每帧图像
while True:
    ret, frame = cap.read()

    if not ret:
        break

    # 调整图像大小
    frame = cv2.resize(frame, (224, 224))

    # 归一化像素值
    frame = frame / 255.0

    # 添加批次维度
    frame = np.expand_dims(frame, axis=0)

    # 预测当前动作类别
    pred = model.predict(frame)
    cls = np.argmax(pred)

    # 如果预测结果与前一帧相同，则计数器加1
    if cls == prev_class:
        count += 1
    else:
        # 否则，如果计数器大于一定阈值，则输出当前动作类别
        if count > fps:
            print(classes[prev_class])
        count = 0
        prev_class = cls

    # 显示当前帧
    cv2.imshow('frame', frame)
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break

# 释放资源
cap.release()
cv2.destroyAllWindows()

请注意，此示例仅用于演示目的，实际应用中可能需要进行更多的图像处理和数据增强。同时，也需要根据具体的应用场景进行一些参数调整和模型优化。