基于flask与opencv制作一个视频监控小程序

基于flask与opencv制作一个视频监控小程序:

主要实现引入视频流到web页面

import cv2
import numpy as np
from flask import Flask, render_template, Response

app = Flask(__name__)
video_writer = None

class Camera:
    _instance = None
    def __new__(cls):
        if cls._instance is None:
            cls._instance = super().__new__(cls)
            cls._instance.camera = cv2.VideoCapture(0)
        return cls._instance

    def __del__(self):
        self.camera.release()

    def get_frame(self):
        success, frame = self.camera.read()
        if not success:
            return None
        else:
            ret, buffer = cv2.imencode('.jpg', frame)
            frame = buffer.tobytes()
            return frame

camera = Camera()


def convert_bytes_to_frame(frame_bytes):
    # 将bytes类型的图像数据解码为OpenCV图像格式
    frame_array = np.frombuffer(frame_bytes, dtype=np.uint8)
    frame = cv2.imdecode(frame_array, flags=cv2.IMREAD_COLOR)
    return frame

# 获取视频流
def get_video_stream():
    global camera,video_writer
    while True:
        if camera is None:
            break
        frame = camera.get_frame()
        if frame is None:
            break
        else:
            if video_writer is not None:
                video_writer.write(convert_bytes_to_frame(frame))
            yield (b'--frame\r\n'
                   b'Content-Type: image/jpeg\r\n\r\n' + frame + b'\r\n')

# 关闭摄像头
def close_camera():
    global camera
    camera = None

@app.route('/open_camera', methods=['POST'])
def open_camera_route():
    global camera
    camera = Camera()
    return Response(get_video_stream(), mimetype='multipart/x-mixed-replace; boundary=frame')

@app.route('/close_camera', methods=['POST'])
def close_camera_route():
    close_camera()
    return 'Camera closed'

@app.route('/')
def index():
    return render_template('index3.html')

@app.route('/video_feed')
def video_feed():
    return Response(get_video_stream(), mimetype='multipart/x-mixed-replace; boundary=frame')

@app.route('/start_recording')
def start_recording():
    global video_writer
    video_writer = cv2.VideoWriter('output.avi', cv2.VideoWriter_fourcc(*'XVID'), 20.0, (640, 480))
    return 'Recording started'

@app.route('/stop_recording')
def stop_recording():
    global video_writer
    video_writer.release()
    video_writer = None
    return 'Recording stopped'

if __name__ == '__main__':
    app.run(debug=True)

前台页面写法

<!DOCTYPE html>
<html>
<head>
    <title>Video Streaming</title>
</head>
  <script src="https://code.jquery.com/jquery-3.6.0.min.js"></script>
<body>
    <h1>监控视频流</h1>
    <img src="{{ url_for('video_feed') }}" width="640" height="480">
    <br>
    <button id="open" onclick="openCamera(),location.reload();">打开摄像头</button>
    <button id="close" onclick="closeCamera()">关闭摄像头</button>
    <br>
    <a href="{{ url_for('start_recording') }}">开始录像</a>
    <a href="{{ url_for('stop_recording') }}">结束录像</a>

    <script>
        function openCamera() {
            $.ajax({
                url: '/open_camera',
                type: 'POST',
                success: function(response) {
                    console.log(response);
                }
            });
        }
        function closeCamera() {
            $.ajax({
                url: '/close_camera',
                type: 'POST',
                success: function(response) {
                    console.log(response);
                }
            });
        }
    </script>
</body>
</html>

  • 11
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
YOLOv4是最近推出的基于深度学习的端到端实时目标检测方法。利用YOLOv4训练完自己的数据集后,如何向大众展示并提供落地的服务呢?  本课程将提供相应的解决方案,具体讲述使用Web应用程序框架Flask进行YOLOv4的Web应用部署。用户可通过客户端浏览器上传图片,经服务器处理后返回图片检测数据并在浏览器中绘制检测结果。  本课程的YOLOv4使用AlexyAB/darknet,在Ubuntu系统上做项目演示,并提供在Windows系统上的部署方式文档。 本项目采取前后端分离的系统架构和开发方式,减少前后端的耦合。课程包括:YOLOv4的Flask部署系统架构、YOLOv4的安装及动态链接库的编译、 Flask的安装、YOLOv4的检测API接口python代码、 Flask的服务程序的python代码、前端html代码、CSS代码、Javascript代码、系统部署演示、生产环境部署建议、Windows系统上部署的区别等。 除本课程外,本人推出了有关YOLOv4目标检测的系列课程。请持续关注该系列的其它视频课程,包括: 《YOLOv4目标检测实战:训练自己的数据集》(Ubuntu版) 《YOLOv4目标检测实战:人脸口罩佩戴识别》(Ubuntu版) 《YOLOv4目标检测实战:中国交通标志识别》(Ubuntu版) 《YOLOv4目标检测:原理与源码解析》(Ubuntu版) 《YOLOv4-tiny目标检测实战:训练自己的数据集》(Ubuntu版) 《Windows版YOLOv4目标检测实战:训练自己的数据集》 《Windows版YOLOv4目标检测实战:人脸口罩佩戴识别》 《Windows版YOLOv4目标检测实战:中国交通标志识别》 《Windows版YOLOv4目标检测:原理与源码解析》 《Windows版YOLOv4-tiny目标检测实战:训练自己的数据集》
要在 Flask 网页中显示视频图像,可以使用 OpenCV 库来读取视频文件并将其转换为图像帧,然后使用 Flask 的路由和模板渲染功能将图像帧嵌入到 HTML 页面中。 以下是一个简单的示例代码: ```python import cv2 from flask import Flask, render_template, Response app = Flask(__name__) # 读取视频文件 cap = cv2.VideoCapture('video.mp4') # 从视频中读取帧 def gen_frames(): while True: success, frame = cap.read() if not success: break else: # 将帧转换为 PNG 格式 ret, buffer = cv2.imencode('.png', frame) frame = buffer.tobytes() yield (b'--frame\r\n' b'Content-Type: image/png\r\n\r\n' + frame + b'\r\n') # 定义路由,渲染模板 @app.route('/') def index(): return render_template('index.html') # 定义路由,返回图像帧流 @app.route('/video_feed') def video_feed(): return Response(gen_frames(), mimetype='multipart/x-mixed-replace; boundary=frame') if __name__ == '__main__': app.run(debug=True) ``` 在此示例中,我们首先使用 OpenCV 库从视频文件中读取帧,并将每个帧转换为 PNG 格式。然后,我们定义两个 Flask 路由:一个用于渲染 HTML 模板,另一个用于返回图像帧流。最后,我们使用 Flask 的 `Response` 对象将帧流返回给前端页面。 在 HTML 模板中,我们可以使用 `<img>` 标签来显示图像帧。我们将图像帧的 URL 设置为 `/video_feed`,并在 `src` 属性中使用 JavaScript 实时更新图像帧。 ```html <!doctype html> <html> <head> <title>Video Streaming Demonstration</title> </head> <body> <h1>Video Streaming Demonstration</h1> <img src="{{ url_for('video_feed') }}"> </body> </html> ``` 这是一个简单的示例,你可以根据自己的需求进行修改和扩展。

“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

打赏作者

人工智能教学实践

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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