在OpenCV中進行實時對象分類通常涉及以下步驟：

1. 加載預訓練的分類器模型：首先需要加載一個經過訓練的分類器模型，例如Haar級聯分類器或深度學習模型（如TensorFlow，Caffe等）。

2. 初始化攝像頭：使用OpenCV的VideoCapture類初始化攝像頭，以便捕獲實時視頻流。

3. 處理每一幀圖像：對于每一幀圖像，需要進行對象檢測和分類的操作。可以使用分類器模型對圖像進行處理并識別其中的對象。

4. 繪制對象邊界框：識別出的對象可以通過在圖像上繪制邊界框來進行可視化。

5. 顯示實時視頻流：最后，將處理后的圖像顯示在屏幕上，從而實現實時對象分類的功能。

以下是一個使用OpenCV進行實時對象分類的示例代碼：

import cv2

# 加載Haar級聯分類器模型
face_cascade = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')

# 初始化攝像頭
cap = cv2.VideoCapture(0)

while True:
    ret, frame = cap.read()
    
    # 將圖像轉換為灰度圖
    gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
    
    # 使用分類器模型進行人臉檢測
    faces = face_cascade.detectMultiScale(gray, scaleFactor=1.1, minNeighbors=5, minSize=(30, 30))
    
    # 繪制人臉邊界框
    for (x, y, w, h) in faces:
        cv2.rectangle(frame, (x, y), (x+w, y+h), (255, 0, 0), 2)
    
    # 顯示實時視頻流
    cv2.imshow('Real-time Object Detection', frame)
    
    # 按下q鍵退出循環
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break

cap.release()
cv2.destroyAllWindows()

以上代碼演示了如何使用Haar級聯分類器對實時視頻流進行人臉檢測，并在檢測到的人臉周圍繪制邊界框。您可以根據您的需求更改模型和參數，以適應不同的對象分類任務。