视频监控项目实战---韦东山(MJPG-Streamer方案)

本文完全参考韦东山老师的视频监控项目实战,我使用的imx6ull开发板

默认大家都有资料,我整理一下过程

1.配置工具链

输入命令

vim ~/.bashrc

在行尾添加

export ARCH=arm
export CROSS_COMPILE=arm-linux-gnueabihf-
export PATH=$PATH:/home/book/100ask_imx6ull-sdk/ToolChain/ToolChain-6.2.1/gcc-linaro-6.2.1-2016.11-x86_64_arm-linux-gnueabihf/bin

执行命令

source ~/.bashrc

验证是否安装成功

echo $ARCH
echo $CROSS_COMPILE
arm-linux-gnueabihf-gcc -v

如果都出现正确路径则设置成功

 

2.编译MJPG-streamer

在提供的Ubuntu虚拟机中,下载好SDK源码,进入

cd 100ask_imx6ull-sdk/Buildroot_2019.02/

执行

make menuconfig

在target application 中找到mjpg-streamer中选上,然后执行make命令,

最终会在output中输出emmc.img镜像,将其烧录到板子中即可

 

3.mjgp-streamer的使用

在接上USB摄像头后,可以进入dev里面查看是否成功接入USB摄像头设备

运行命令:

mjpg_streamer -i "/usr/lib/mjpg-streamer/input_uvc.so -d /dev/video1 -f 30 -q 90 -n" -o "/usr/lib/mjpg-streamer/output_http.so -w /usr/share/mjpg-streamer/www"

就可以使用mjpg-streamer打开摄像头获取图像,并发送到浏览器上去

在chrome浏览器中打开:http://192.168.1.6:8080/stream.html

其中的IP地址要改成自己开发板的地址,不然是看不到的,使用ifconfig命令可以查看板子的IP地址。

目前是在局域网里面进行传输的,不能在公网上看。



4.程序结构分析

程序一共有3个线程是一直默认运行的,然后每当浏览器建立一个连接时,也就是打开一个网页,就会建立一个client_thread线程,这个线程是可以多个创建的

然后整个图片都是通过global_buffer来传递的

 

 

  • 2
    点赞
  • 11
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
首先,你需要安装mjpg-streamer到你的树莓派上,可以通过以下命令进行安装: ``` sudo apt-get update sudo apt-get install subversion libjpeg-dev imagemagick libv4l-dev svn co https://svn.code.sf.net/p/mjpg-streamer/code/mjpg-streamer mjpg-streamer cd mjpg-streamer/mjpg-streamer make sudo make install ``` 安装完毕后,你需要下载并安装OpenCV,可以通过以下命令进行安装: ``` sudo apt-get install libopencv-dev python-opencv ``` 现在,你已经准备好开始使用mjpg-streamer和OpenCV来实现人形检测了。以下是一些基本步骤: 1. 启动mjpg-streamer ``` cd /usr/local/share/mjpg-streamer/ ./mjpg_streamer -i "input_uvc.so" -o "output_http.so -w ./www" ``` 这将启动mjpg-streamer并将其绑定到默认的视频设备(通常是/dev/video0)。现在你可以在浏览器中输入你的树莓派IP地址和端口号(默认为8080)来查看摄像头的实时视频流。 2. 导入OpenCV 在Python中,你需要导入OpenCV库来处理视频流和图像: ``` import cv2 ``` 3. 检测人形 以下是一个简单的示例代码,用于从mjpg-streamer视频流中检测人形: ``` import cv2 cap = cv2.VideoCapture('http://localhost:8080/?action=stream') while True: ret, frame = cap.read() if not ret: break gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY) # 使用OpenCV的人形分类器进行检测 face_cascade = cv2.CascadeClassifier('haarcascade_frontalface_default.xml') faces = face_cascade.detectMultiScale(gray, scaleFactor=1.5, minNeighbors=5) # 在图像上绘制检测到的人形 for (x, y, w, h) in faces: cv2.rectangle(frame, (x, y), (x+w, y+h), (0, 255, 0), 2) cv2.imshow('frame', frame) if cv2.waitKey(1) == ord('q'): break cap.release() cv2.destroyAllWindows() ``` 在这个示例中,我们从mjpg-streamer视频流中读取每一帧,并将其转换为灰度图像。然后,我们使用OpenCV的人形分类器来检测人形,然后在图像上绘制矩形来标识检测到的人形。最后,我们在窗口中显示标记的图像。 请注意,这只是一个简单的示例,你可以根据自己的需求进行自定义。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值