predict.py

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

# Como funciona:
# Aperta Escape para sair do programa
# Coloque a luva na frente da camera

# Configuração
video = cv2.VideoCapture(0)
tamanho_img = 400
frame_analise = 10 # quantos frame irão passa para realizar uma análise
dicionarioAtual = {
0:'A',1:'B',2:'C',3:'D',4:'E',5:'F',
6:'G',7:'H',8:'I',9:'J',10:'K',11:'L',
12:'M',13:'N',14:'O',15:'P',16:'Q',17:'R',
18:'S',19:'T',20:'U',21:'V',22:'W',23:'X',
24:'Y',25:'Z'}

#dicionarioAtual = {
#0:'A',1:'B',2:'L'}

# Carrega o Modelo
print("Carregando modelo...")
model = load_model('RedeNeural/libras-alfabeto-model.h5')
print("Modelo carregado")

# Inicializa
count_frame = 0
classe = '?'
classeValor = 0
X = 200
Y = 60

while(1):
    _, frame = video.read() # Captura o frame
    frame_original = frame.copy()

    cv2.putText(frame_original,classe,(0,50), cv2.FONT_HERSHEY_SIMPLEX, 2,(0,0,255),2,cv2.LINE_AA) # Coloque o texto da classe

    count_frame = count_frame + 1
    
    frame = frame[Y:Y+tamanho_img, X:X+tamanho_img] # Corte
    frame = cv2.resize(frame, (227, 227)) # Pre-processamento

    if(count_frame >= frame_analise): # Análisa
        prediction = model.predict(np.array([frame])) # Prediz
        classe = dicionarioAtual[np.argmax(prediction, axis = 1)[0]] # Pega o maior valor da array

        # Formatação da predict, apenas curiosidade
        textoPrediction = ''
        for d,p in zip(dicionarioAtual.keys(),prediction[0]):
            textoPrediction = textoPrediction + str(dicionarioAtual[d]) +"="+str(round(p, 5))+" | "
            if(dicionarioAtual[d] == classe):
                classeValor = p

        print()
        print(classe)
        print(textoPrediction)

        count_frame = 0

    k = cv2.waitKey(30) & 0xff # Escape
    if k == 27:
        break

    cv2.putText(frame_original,str(round(classeValor,3)),(100,50), cv2.FONT_HERSHEY_SIMPLEX, 2,(0,0,255),2,cv2.LINE_AA) # Coloque o texto da classe

    cv2.rectangle(frame_original, (X, Y), (X + tamanho_img, Y + tamanho_img), (0,255,0), 0)
    cv2.imshow("Video", frame) # Exiba
    cv2.imshow("Video2", frame_original) # Exiba
    
video.release()
cv2.destroyAllWindows()