### 使用电脑摄像头测试 ONNX 模型的代码示例 以下是基于 Python 和 OpenCV 的代码示例，展示如何通过电脑摄像头捕获视频流并将其输入到 ONNX Runtime (ORT) 进行推理。此代码适用于 YOLO 或其他类似的计算机视觉模型。 #### 安装依赖库 在运行代码之前，请确保安装以下必要的库： - `opencv-python`：用于处理摄像头数据和图像显示。 - `onnxruntime`：用于加载和执行 ONNX 模型。 可通过以下命令安装这些库： ```bash pip install opencv-python onnxruntime ``` #### 代码实现 以下是一个完整的代码示例： ```python import cv2 import numpy as np import onnxruntime as ort def preprocess_image(image, input_size=(640, 640)): """预处理函数""" image_resized = cv2.resize(image, input_size) image_normalized = image_resized.astype('float32') / 255.0 image_transposed = np.transpose(image_normalized, [2, 0, 1]) # 转置为 CHW 格式 return np.expand_dims(image_transposed, axis=0) def postprocess_output(output): """后处理函数（根据实际模型调整）""" predictions = output[0] # 假设第一个输出是预测框 boxes = predictions[:, :, :4] scores = predictions[:, :, 4:] class_ids = np.argmax(scores, axis=-1) confidences = np.max(scores, axis=-1) return boxes, confidences, class_ids # 初始化 ONNX 模型 model_path = "path/to/your/model.onnx" session = ort.InferenceSession(model_path, providers=['CPUExecutionProvider']) # 获取输入名称和形状 input_name = session.get_inputs()[0].name output_names = [o.name for o in session.get_outputs()] # 打开摄像头 cap = cv2.VideoCapture(0) # 参数 0 表示默认摄像头 while True: ret, frame = cap.read() if not ret: break # 预处理帧 input_data = preprocess_image(frame)[^1] # 推理 outputs = session.run(output_names, {input_name: input_data})[^1] # 后处理 boxes, confidences, class_ids = postprocess_output(outputs)[^1] # 可视化检测结果 for box, confidence, class_id in zip(boxes[0], confidences[0], class_ids[0]): if confidence > 0.5: # 设置阈值过滤低置信度的结果 x_min, y_min, x_max, y_max = map(int, box) color = (0, 255, 0) # 绿色边界框 label = f"{class_id}: {confidence:.2f}" cv2.rectangle(frame, (x_min, y_min), (x_max, y_max), color, thickness=2) cv2.putText(frame, label, (x_min, y_min - 10), cv2.FONT_HERSHEY_SIMPLEX, 0.9, color, 2) # 显示结果 cv2.imshow("Object Detection", frame) # 按下 'q' 键退出循环 if cv2.waitKey(1) & 0xFF == ord('q'): break # 清理资源 cap.release() cv2.destroyAllWindows() ``` --- ### 说明 1. **摄像头初始化** 使用 `cv2.VideoCapture(0)` 来打开默认摄像头设备。如果有多台摄像头，可以根据索引选择不同的设备。 2. **图像预处理** 将摄像头捕获的每一帧缩放到模型所需的尺寸，并转换为适合 ONNX 输入的数据格式（CHW）。此外，还需要对像素值进行归一化处理。 3. **ONNX 模型推理** 利用 `onnxruntime` 加载模型并通过其 API 提供输入张量以获得推理结果。 4. **后处理与可视化** 解析模型输出中的目标位置、类别 ID 和置信度分数，并绘制相应的边界框和标签。 --- ###