Python 如何在仍显示摄像机记录的情况下,对照训练过的模型检查图像?
我有一个python程序,它在OpenCV cv2的帮助下打开一个摄像头会话。我设置了一个感兴趣的区域,从摄像机记录中提取图像,并以经过训练的keras模型作为参数传递,以获得预测。我的问题是,我怎样才能每10秒检查一次模型?我尝试使用time.sleep10,当它在while循环中发生时,它会冻结整个窗口10秒钟。这意味着整个录制过程每10秒停止一次,而我希望能够持续录制,并仅每10秒检查一次模型。 这是我目前的代码:Python 如何在仍显示摄像机记录的情况下,对照训练过的模型检查图像?,python,multithreading,keras,cv2,Python,Multithreading,Keras,Cv2,我有一个python程序,它在OpenCV cv2的帮助下打开一个摄像头会话。我设置了一个感兴趣的区域,从摄像机记录中提取图像,并以经过训练的keras模型作为参数传递,以获得预测。我的问题是,我怎样才能每10秒检查一次模型?我尝试使用time.sleep10,当它在while循环中发生时,它会冻结整个窗口10秒钟。这意味着整个录制过程每10秒停止一次,而我希望能够持续录制,并仅每10秒检查一次模型。 这是我目前的代码: import cv2 import numpy as np from te
import cv2
import numpy as np
from tensorflow import keras
import time
#import playsound
# wait for the sound to finish playing?
blocking = True
model = keras.models.load_model("model2.h5")
cam = cv2.VideoCapture(0)
####region of interest dimensions
startX = 800
startY = 0
finishX = 1200
finishY = 400
while(1):
ret, frame = cam.read()
if ret:
### displays video recording and region of interest
frame = cv2.flip(frame,1)
display = cv2.rectangle(frame.copy(),(startX,startY),(finishX,finishY),(0,0,255),2)
cv2.imshow('Total Input',display)
ROI = frame[startY:finishY, startX:finishX].copy()
cv2.imshow('Region of Interest', ROI)
#pauses for 10 seconds
time.sleep(10)
img = cv2.resize(display, (128, 128)) #R
img = img.reshape(1, 128, 128, 3)
predictions = model.predict(img) # Make predictions towards the test set
predicted_label = np.argmax(predictions) # Get index of the predicted label from prediction
print(predicted_label)
if cv2.waitKey(10) & 0xFF == ord('q'):
break
cam.release()
cv2.destroyAllWindows()
我在考虑是否应该使用线程,但我对python中的线程并不十分熟悉。有人知道如何做到这一点吗?您可以在while循环中运行一个检查,查看是否已过10秒,然后运行函数并重置计时器。大概是这样的:
from datetime import datetime
last_time = datetime.now()
while(1):
# Other stuff
if (datetime.now() - last_time).total_seconds() > 10:
last_time = datetime.now()
img = cv2.resize(display, (128, 128)) #R
img = img.reshape(1, 128, 128, 3)
predictions = model.predict(img) # Make predictions towards the test set
predicted_label = np.argmax(predictions) # Get index of the predicted label from prediction
print(predicted_label)
if cv2.waitKey(10) & 0xFF == ord('q'):
break
您可以在while循环中运行一个检查,查看是否已经过了10秒,然后运行函数并重置计时器。大概是这样的:
from datetime import datetime
last_time = datetime.now()
while(1):
# Other stuff
if (datetime.now() - last_time).total_seconds() > 10:
last_time = datetime.now()
img = cv2.resize(display, (128, 128)) #R
img = img.reshape(1, 128, 128, 3)
predictions = model.predict(img) # Make predictions towards the test set
predicted_label = np.argmax(predictions) # Get index of the predicted label from prediction
print(predicted_label)
if cv2.waitKey(10) & 0xFF == ord('q'):
break
我通常使用帧ID进行此操作。基本上,您的模型只会在n帧之后进行预测。下面是如何使用它的代码。您可以编辑要跳过的帧数:
frame_id =0
while(1):
frame_id +=1
ret, frame = cam.read()
if ret:
### displays video recording and region of interest
frame = cv2.flip(frame,1)
display = cv2.rectangle(frame.copy(),(startX,startY),(finishX,finishY),(0,0,255),2)
cv2.imshow('Total Input',display)
ROI = frame[startY:finishY, startX:finishX].copy()
cv2.imshow('Region of Interest', ROI)
#pauses for 10 seconds
time.sleep(10)
img = cv2.resize(display, (128, 128)) #R
img = img.reshape(1, 128, 128, 3)
if fram_id % 10 == 0:
predictions = model.predict(img) # Make predictions towards the test set
predicted_label = np.argmax(predictions) # Get index of the predicted label from prediction
print(predicted_label)
if cv2.waitKey(10) & 0xFF == ord('q'):
break
我通常使用帧ID进行此操作。基本上,您的模型只会在n帧之后进行预测。下面是如何使用它的代码。您可以编辑要跳过的帧数:
frame_id =0
while(1):
frame_id +=1
ret, frame = cam.read()
if ret:
### displays video recording and region of interest
frame = cv2.flip(frame,1)
display = cv2.rectangle(frame.copy(),(startX,startY),(finishX,finishY),(0,0,255),2)
cv2.imshow('Total Input',display)
ROI = frame[startY:finishY, startX:finishX].copy()
cv2.imshow('Region of Interest', ROI)
#pauses for 10 seconds
time.sleep(10)
img = cv2.resize(display, (128, 128)) #R
img = img.reshape(1, 128, 128, 3)
if fram_id % 10 == 0:
predictions = model.predict(img) # Make predictions towards the test set
predicted_label = np.argmax(predictions) # Get index of the predicted label from prediction
print(predicted_label)
if cv2.waitKey(10) & 0xFF == ord('q'):
break
您需要有一个变量来指示您上次进行预测的时间。然后,在每次迭代中,将时间与该变量进行比较,以确定是否是进行另一次预测的正确时间 使用time.time: 我使用time.time方法来跟踪时间,该方法返回的时间为秒:
last_prediction_time = time.time()
以下是我在while循环中所做的操作:
一切都在一起:
您需要有一个变量来指示您上次进行预测的时间。然后,在每次迭代中,将时间与该变量进行比较,以确定是否是进行另一次预测的正确时间 使用time.time: 我使用time.time方法来跟踪时间,该方法返回的时间为秒:
last_prediction_time = time.time()
以下是我在while循环中所做的操作:
一切都在一起: