网站推广在线推广,定制开发小程序商城,做外国购物网站需要交税吗,建立站点的基本步骤同济子豪兄模板 半天搞定图像分类
‘’import cv2 import numpy as np import time from tqdm import tqdm
视频逐帧处理代码模板
不需修改任何代码#xff0c;只需定义process_frame函数即可
def generate_video(input_path‘videos/robot.mp4’): filehead input_path.…同济子豪兄模板 半天搞定图像分类
‘’import cv2 import numpy as np import time from tqdm import tqdm
视频逐帧处理代码模板
不需修改任何代码只需定义process_frame函数即可
def generate_video(input_path‘videos/robot.mp4’): filehead input_path.split(‘/’)[-1] output_path “out-” filehead
print(视频开始处理,input_path)# 获取视频总帧数
cap cv2.VideoCapture(input_path)
frame_count 0
while(cap.isOpened()):success, frame cap.read()frame_count 1if not success:break
cap.release()
print(视频总帧数为,frame_count)# cv2.namedWindow(Crack Detection and Measurement Video Processing)
cap cv2.VideoCapture(input_path)
frame_size (cap.get(cv2.CAP_PROP_FRAME_WIDTH), cap.get(cv2.CAP_PROP_FRAME_HEIGHT))# fourcc int(cap.get(cv2.CAP_PROP_FOURCC))
# fourcc cv2.VideoWriter_fourcc(*XVID)
fourcc cv2.VideoWriter_fourcc(*mp4v)
fps cap.get(cv2.CAP_PROP_FPS)out cv2.VideoWriter(output_path, fourcc, fps, (int(frame_size[0]), int(frame_size[1])))# 进度条绑定视频总帧数
with tqdm(totalframe_count-1) as pbar:try:while(cap.isOpened()):success, frame cap.read()if not success:break# 处理帧# frame_path ./temp_frame.png# cv2.imwrite(frame_path, frame)try:frame process_frame(frame)except:print(报错, error)passif success True:# cv2.imshow(Video Processing, frame)out.write(frame)# 进度条更新一帧pbar.update(1)# if cv2.waitKey(1) 0xFF ord(q):# breakexcept:print(中途中断)passcv2.destroyAllWindows()
out.release()
cap.release()
print(视频已保存, output_path)处理帧函数
def process_frame(img_bgr): 输入摄像头拍摄画面bgr-array输出图像分类预测结果bgr-array
# 记录该帧开始处理的时间
start_time time.time()## 画面转成 RGB 的 Pillow 格式
img_rgb cv2.cvtColor(img_bgr, cv2.COLOR_BGR2RGB) # BGR转RGB
img_pil Image.fromarray(img_rgb) # array 转 PIL## 预处理
input_img test_transform(img_pil) # 预处理
input_tensor input_img.unsqueeze(0).numpy()## onnx runtime 预测
ort_inputs {input: input_tensor} # onnx runtime 输入
pred_logits ort_session.run([output], ort_inputs)[0] # onnx runtime 输出
pred_logits torch.tensor(pred_logits)
pred_softmax F.softmax(pred_logits, dim1) # 对 logit 分数做 softmax 运算## 解析top-n预测结果的类别和置信度
top_n torch.topk(pred_softmax, 3) # 取置信度最大的 n 个结果
pred_ids top_n[1].cpu().detach().numpy().squeeze() # 解析预测类别
confs top_n[0].cpu().detach().numpy().squeeze() # 解析置信度# 在图像上写英文
for i in range(len(confs)):pred_class idx_to_labels[pred_ids[i]]# 写字图片添加的文字左上角坐标字体字体大小颜色线宽线型text {:12} {:.2f}.format(pred_class, confs[i])img_bgr cv2.putText(img_bgr, text, (50, 160 40 * i), cv2.FONT_HERSHEY_SIMPLEX, 1, (0, 0, 255), 2, cv2.LINE_AA)# 记录该帧处理完毕的时间
end_time time.time()
# 计算每秒处理图像帧数FPS
FPS 1/(end_time - start_time)
# 图片添加的文字左上角坐标字体字体大小颜色线宽线型
img_bgr cv2.putText(img_bgr, FPS str(int(FPS)), (50, 80), cv2.FONT_HERSHEY_SIMPLEX, 1, (255, 0, 0), 2, cv2.LINE_AA)return img_bgrwhile True: img_bgr cap.read()
if img_bgr is None:continueimg_bgr process_frame(img_bgr)cvs.imshow(img_bgr)‘’’
demo见B站分享 Aidlux两天搞定图像分类半天就可以 |【aidlux实现图像分类还是蛮好用的可以推荐-哔哩哔哩】 https://b23.tv/codx3GL
