[Python] webカメラで画像認識を行う方法【Windows/Mac/Linux】

pip install opencv-python

import cv2
# カメラを初期化
cap = cv2.VideoCapture(0)
# カメラが開けたか確認
if not cap.isOpened():
    print("カメラが開けませんでした。")
else:
    print("カメラが正常に開きました。")

カメラが正常に開きました。

import cv2
cap = cv2.VideoCapture(0)
while True:
    ret, frame = cap.read()
    if not ret:
        break
    cv2.imshow('Webカメラ映像', frame)
    # 'q'キーが押されたらフレームを保存
    if cv2.waitKey(1) & 0xFF == ord('q'):
        cv2.imwrite('saved_frame.jpg', frame)
        break
cap.release()
cv2.destroyAllWindows()

Webカメラ映像が表示され、'q'キーでフレームが保存されます。

import cv2
cap = cv2.VideoCapture(0)
# 解像度を640x480に設定
cap.set(cv2.CAP_PROP_FRAME_WIDTH, 640)
cap.set(cv2.CAP_PROP_FRAME_HEIGHT, 480)
while True:
    ret, frame = cap.read()
    if not ret:
        break
    cv2.imshow('Webカメラ映像', frame)
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break
cap.release()
cv2.destroyAllWindows()

解像度が640x480に設定されたWebカメラ映像が表示されます。

import cv2
cap = cv2.VideoCapture(0)
# 映像処理のコード(省略)
# カメラをリリース
cap.release()
# すべてのウィンドウを閉じる
cv2.destroyAllWindows()

カメラが正常にリリースされ、ウィンドウが閉じられます。

import cv2
# カメラを初期化
cap = cv2.VideoCapture(0)
while True:
    ret, frame = cap.read()
    if not ret:
        break
    cv2.imshow('Webカメラ映像', frame)
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break
cap.release()
cv2.destroyAllWindows()

Webカメラ映像が表示され、'q'キーで終了します。

from keras.models import load_model
# モデルの読み込み
model = load_model('my_model.h5')

モデルが正常に読み込まれました。

import numpy as np
# フレームを前処理
frame_resized = cv2.resize(frame, (224, 224))  # モデルの入力サイズにリサイズ
frame_array = np.array(frame_resized) / 255.0  # 正規化
frame_array = np.expand_dims(frame_array, axis=0)  # バッチ次元を追加
# 画像認識を適用
predictions = model.predict(frame_array)

予測結果が得られました。

# 認識結果をフレームに表示
label = '認識結果: ' + str(np.argmax(predictions[0]))
cv2.putText(frame, label, (10, 30), cv2.FONT_HERSHEY_SIMPLEX, 1, (255, 0, 0), 2, cv2.LINE_AA)
cv2.imshow('Webカメラ映像', frame)

認識結果がフレームに表示されます。

import cv2
import numpy as np
from keras.models import load_model
# モデルの読み込み
model = load_model('my_model.h5')
# カメラを初期化
cap = cv2.VideoCapture(0)
while True:
    ret, frame = cap.read()
    if not ret:
        break
    # フレームを前処理
    frame_resized = cv2.resize(frame, (224, 224))
    frame_array = np.array(frame_resized) / 255.0
    frame_array = np.expand_dims(frame_array, axis=0)
    # 画像認識を適用
    predictions = model.predict(frame_array)
    # 認識結果をフレームに表示
    label = '認識結果: ' + str(np.argmax(predictions[0]))
    cv2.putText(frame, label, (10, 30), cv2.FONT_HERSHEY_SIMPLEX, 1, (255, 0, 0), 2, cv2.LINE_AA)
    cv2.imshow('Webカメラ映像', frame)
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break
cap.release()
cv2.destroyAllWindows()

Webカメラ映像が表示され、リアルタイムで認識結果が更新されます。

import cv2
# Haar Cascade分類器の読み込み
face_cascade = cv2.CascadeClassifier(cv2.data.haarcascades + 'haarcascade_frontalface_default.xml')
# カメラを初期化
cap = cv2.VideoCapture(0)
while True:
    ret, frame = cap.read()
    if not ret:
        break
    # 顔検出
    gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
    faces = face_cascade.detectMultiScale(gray, scaleFactor=1.1, minNeighbors=5)
    # 検出した顔に矩形を描画
    for (x, y, w, h) in faces:
        cv2.rectangle(frame, (x, y), (x + w, y + h), (255, 0, 0), 2)
    cv2.imshow('顔認識', frame)
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break
cap.release()
cv2.destroyAllWindows()

Webカメラ映像に顔が検出され、矩形が描画されます。

import cv2
import numpy as np
# YOLOの設定ファイルと重みファイルの読み込み
net = cv2.dnn.readNet('yolov3.weights', 'yolov3.cfg')
layer_names = net.getLayerNames()
output_layers = [layer_names[i[0] - 1] for i in net.getUnconnectedOutLayers()]
# カメラを初期化
cap = cv2.VideoCapture(0)
while True:
    ret, frame = cap.read()
    if not ret:
        break
    # 物体検出
    blob = cv2.dnn.blobFromImage(frame, 0.00392, (416, 416), (0, 0, 0), True, crop=False)
    net.setInput(blob)
    outputs = net.forward(output_layers)
    # 検出結果の処理
    for output in outputs:
        for detection in output:
            scores = detection[5:]
            class_id = np.argmax(scores)
            confidence = scores[class_id]
            if confidence > 0.5:
                center_x = int(detection[0] * frame.shape[1])
                center_y = int(detection[1] * frame.shape[0])
                w = int(detection[2] * frame.shape[1])
                h = int(detection[3] * frame.shape[0])
                cv2.rectangle(frame, (center_x - w // 2, center_y - h // 2), (center_x + w // 2, center_y + h // 2), (0, 255, 0), 2)
    cv2.imshow('物体検出', frame)
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break
cap.release()
cv2.destroyAllWindows()

Webカメラ映像に物体が検出され、矩形が描画されます。

import cv2
from pyzbar.pyzbar import decode
# カメラを初期化
cap = cv2.VideoCapture(0)
while True:
    ret, frame = cap.read()
    if not ret:
        break
    # QRコードのデコード
    decoded_objects = decode(frame)
    for obj in decoded_objects:
        cv2.rectangle(frame, (obj.rect.left, obj.rect.top), (obj.rect.left + obj.rect.width, obj.rect.top + obj.rect.height), (0, 255, 0), 2)
        cv2.putText(frame, obj.data.decode('utf-8'), (obj.rect.left, obj.rect.top - 10), cv2.FONT_HERSHEY_SIMPLEX, 0.5, (255, 0, 0), 2)
    cv2.imshow('QRコード読み取り', frame)
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break
cap.release()
cv2.destroyAllWindows()

Webカメラ映像にQRコードが検出され、矩形が描画されます。

import cv2
import numpy as np
from keras.models import load_model
# モデルの読み込み
model = load_model('mnist_model.h5')
# カメラを初期化
cap = cv2.VideoCapture(0)
while True:
    ret, frame = cap.read()
    if not ret:
        break
    # フレームを前処理
    gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
    gray = cv2.resize(gray, (28, 28))
    gray = gray / 255.0
    gray = np.expand_dims(gray, axis=0)
    gray = np.expand_dims(gray, axis=-1)
    # 手書き数字の認識
    predictions = model.predict(gray)
    label = np.argmax(predictions[0])
    # 認識結果をフレームに表示
    cv2.putText(frame, '認識結果: ' + str(label), (10, 30), cv2.FONT_HERSHEY_SIMPLEX, 1, (255, 0, 0), 2, cv2.LINE_AA)
    cv2.imshow('手書き文字認識', frame)
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break
cap.release()
cv2.destroyAllWindows()

Webカメラ映像に手書き数字が認識され、結果が表示されます。

import cv2
import numpy as np
# カメラを初期化
cap = cv2.VideoCapture(0)
while True:
    ret, frame = cap.read()
    if not ret:
        break
    # BGRからHSVに変換
    hsv = cv2.cvtColor(frame, cv2.COLOR_BGR2HSV)
    # 赤色の範囲を定義
    lower_red = np.array([0, 100, 100])
    upper_red = np.array([10, 255, 255])
    mask = cv2.inRange(hsv, lower_red, upper_red)
    # マスクを適用
    result = cv2.bitwise_and(frame, frame, mask=mask)
    cv2.imshow('色検出', result)
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break
cap.release()
cv2.destroyAllWindows()

Webカメラ映像に赤色が検出され、結果が表示されます。

import cv2
# Haar Cascade分類器の読み込み
face_cascade = cv2.CascadeClassifier(cv2.data.haarcascades + 'haarcascade_frontalface_default.xml')
# カメラを初期化
cap = cv2.VideoCapture(0)
while True:
    ret, frame = cap.read()
    if not ret:
        break
    # 顔検出
    gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
    faces = face_cascade.detectMultiScale(gray, scaleFactor=1.1, minNeighbors=5)
    # 検出した顔に矩形を描画
    for (x, y, w, h) in faces:
        cv2.rectangle(frame, (x, y), (x + w, y + h), (255, 0, 0), 2)
    cv2.imshow('顔認識', frame)
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break
cap.release()
cv2.destroyAllWindows()

Webカメラ映像に顔が検出され、矩形が描画されます。

import cv2
import numpy as np
# YOLOの設定ファイルと重みファイルの読み込み
net = cv2.dnn.readNet('yolov3.weights', 'yolov3.cfg')
layer_names = net.getLayerNames()
output_layers = [layer_names[i[0] - 1] for i in net.getUnconnectedOutLayers()]
# カメラを初期化
cap = cv2.VideoCapture(0)
while True:
    ret, frame = cap.read()
    if not ret:
        break
    # 物体検出
    blob = cv2.dnn.blobFromImage(frame, 0.00392, (416, 416), (0, 0, 0), True, crop=False)
    net.setInput(blob)
    outputs = net.forward(output_layers)
    # 検出結果の処理
    for output in outputs:
        for detection in output:
            scores = detection[5:]
            class_id = np.argmax(scores)
            confidence = scores[class_id]
            if confidence > 0.5:
                center_x = int(detection[0] * frame.shape[1])
                center_y = int(detection[1] * frame.shape[0])
                w = int(detection[2] * frame.shape[1])
                h = int(detection[3] * frame.shape[0])
                cv2.rectangle(frame, (center_x - w // 2, center_y - h // 2), (center_x + w // 2, center_y + h // 2), (0, 255, 0), 2)
    cv2.imshow('物体検出', frame)
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break
cap.release()
cv2.destroyAllWindows()

Webカメラ映像に物体が検出され、矩形が描画されます。

from keras.models import load_model
# モデルの読み込み
model = load_model('my_custom_model.h5')
# 画像の前処理(例)
# frame = ...  # 取得したフレーム
# frame_resized = cv2.resize(frame, (224, 224))
# frame_array = np.array(frame_resized) / 255.0
# frame_array = np.expand_dims(frame_array, axis=0)
# 画像認識を適用
# predictions = model.predict(frame_array)

カスタムモデルが正常に読み込まれ、画像認識が適用されます。

import cv2
import dlib
# Dlibの顔検出器とランドマーク予測器の読み込み
detector = dlib.get_frontal_face_detector()
predictor = dlib.shape_predictor('shape_predictor_68_face_landmarks.dat')
# カメラを初期化
cap = cv2.VideoCapture(0)
while True:
    ret, frame = cap.read()
    if not ret:
        break
    # 顔検出
    gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
    faces = detector(gray)
    # ランドマーク検出
    for face in faces:
        landmarks = predictor(gray, face)
        for n in range(0, 68):
            x = landmarks.part(n).x
            y = landmarks.part(n).y
            cv2.circle(frame, (x, y), 2, (0, 255, 0), -1)
    cv2.imshow('顔ランドマーク検出', frame)
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break
cap.release()
cv2.destroyAllWindows()

Webカメラ映像に顔ランドマークが描画されます。

import cv2
# OpenCVの事前学習済みモデルを使用
face_cascade = cv2.CascadeClassifier(cv2.data.haarcascades + 'haarcascade_frontalface_default.xml')
# カメラを初期化
cap = cv2.VideoCapture(0)
while True:
    ret, frame = cap.read()
    if not ret:
        break
    # 顔検出
    gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
    faces = face_cascade.detectMultiScale(gray, scaleFactor=1.1, minNeighbors=5)
    # 検出した顔に矩形を描画
    for (x, y, w, h) in faces:
        cv2.rectangle(frame, (x, y), (x + w, y + h), (255, 0, 0), 2)
    cv2.imshow('顔認識', frame)
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break
cap.release()
cv2.destroyAllWindows()

Webカメラ映像に顔が検出され、矩形が描画されます。

import cv2
# カメラを初期化
cap1 = cv2.VideoCapture(0)  # カメラ1
cap2 = cv2.VideoCapture(1)  # カメラ2
while True:
    ret1, frame1 = cap1.read()
    ret2, frame2 = cap2.read()
    if not ret1 or not ret2:
        break
    # 顔認識処理(省略)
    cv2.imshow('カメラ1', frame1)
    cv2.imshow('カメラ2', frame2)
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break
cap1.release()
cap2.release()
cv2.destroyAllWindows()

2台のカメラからの映像が表示されます。

import cv2
import numpy as np
# YOLOの設定ファイルと重みファイルの読み込み
net = cv2.dnn.readNet('yolov3.weights', 'yolov3.cfg')
layer_names = net.getLayerNames()
output_layers = [layer_names[i[0] - 1] for i in net.getUnconnectedOutLayers()]
# カメラを初期化
cap = cv2.VideoCapture(0)
while True:
    ret, frame = cap.read()
    if not ret:
        break
    # 物体検出処理(省略)
    cv2.imshow('ストリーミング映像', frame)
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break
cap.release()
cv2.destroyAllWindows()

Webカメラ映像がストリーミングされ、物体検出が行われます。

import cv2
# カメラを初期化
cap = cv2.VideoCapture(0)
# 結果を保存するファイルを開く
with open('recognition_results.txt', 'w') as f:
    while True:
        ret, frame = cap.read()
        if not ret:
            break
        # 画像認識処理(省略)
        result = "認識結果"  # 例: 認識結果を取得
        # 結果をファイルに書き込む
        f.write(result + '\n')
        cv2.imshow('映像', frame)
        if cv2.waitKey(1) & 0xFF == ord('q'):
            break
cap.release()
cv2.destroyAllWindows()

認識結果がファイルに保存されます。

import cv2
# カメラを初期化
cap = cv2.VideoCapture(0)
while True:
    ret, frame = cap.read()
    if not ret:
        break
    # グレースケールフィルタを適用
    gray_frame = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
    cv2.imshow('グレースケール映像', gray_frame)
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break
cap.release()
cv2.destroyAllWindows()

Webカメラ映像がグレースケールで表示されます。

import cv2
import tkinter as tk
from tkinter import Label
# Tkinterのウィンドウを作成
root = tk.Tk()
label = Label(root)
label.pack()
# カメラを初期化
cap = cv2.VideoCapture(0)
def update_frame():
    ret, frame = cap.read()
    if ret:
        # 画像認識処理(省略)
        result = "認識結果"  # 例: 認識結果を取得
        # 結果をGUIに表示
        label.config(text=result)
        # フレームを更新
        cv2.imshow('映像', frame)
    root.after(10, update_frame)
update_frame()
root.mainloop()
cap.release()
cv2.destroyAllWindows()

GUIウィンドウに認識結果が表示されます。