网络中带有摄像头的实时视频流，从keras模型预测结果，并在仪表板中显示实况流数据

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

# 加载预训练的Keras模型
model = load_model('path_to_your_model.h5')

# 打开摄像头
cap = cv2.VideoCapture(0)

while True:
    # 读取视频帧
    ret, frame = cap.read()
    if not ret:
        break

    # 预处理视频帧（例如，调整大小、归一化）
    processed_frame = cv2.resize(frame, (224, 224))  # 假设模型输入大小为224x224
    processed_frame = processed_frame / 255.0  # 归一化
    processed_frame = np.expand_dims(processed_frame, axis=0)  # 增加批次维度

    # 使用模型进行预测
    predictions = model.predict(processed_frame)
    predicted_class = np.argmax(predictions[0])  # 假设是分类任务

    # 在视频帧上显示预测结果
    label = f"Class: {predicted_class}"
    cv2.putText(frame, label, (10, 30), cv2.FONT_HERSHEY_SIMPLEX, 1, (0, 255, 0), 2)

    # 显示视频帧
    cv2.imshow('Real-time Video Stream', frame)

    # 按'q'键退出循环
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break

# 释放摄像头并关闭窗口
cap.release()
cv2.destroyAllWindows()