【OpenCV DNN】Flask 视频监控目标检测教程 04

youcans_

已于 2023-05-28 11:20:06 修改

阅读量2.4k

点赞数 6

分类专栏： # OpenCV深度学习/youcans 文章标签： opencv dnn flask 深度学习人工智能

于 2023-05-26 20:25:59 首次发布

本文链接：https://blog.csdn.net/youcans/article/details/130865522

版权

OpenCV深度学习/youcans 专栏收录该内容

10 篇文章 26 订阅

订阅专栏

欢迎关注『OpenCV DNN @ Youcans』系列，持续更新中

【OpenCV DNN】Flask 视频监控目标检测教程 04

本系列从零开始，详细讲解使用 Flask 框架构建 OpenCV DNN 模型的 Web 应用程序。

本节介绍用Flask构建流媒体服务器，向服务器发送请求可以获取模拟视频源产生的视频图像。

3.4 用Flask构建流媒体服务器

我们的第四个例程，使用Flask框架构建一个视频流服务器，向服务器发送请求可以获取模拟视频源产生的视频图像。本例使用模拟视频源，是为了避免硬件配置和视频延迟的影响，构建一个极简的视频流服务器。

3.4.1 流媒体服务器基本知识

我们首先介绍流媒体服务器的基本知识。

流是一种让服务器在响应请求时将响应数据分块的技术。针对视频数据量大、实时性要求高的特点，把应答数据分成小块数据，服务器以数据块的形式响应请求，分块传输给客户端来实现流媒体服务器，因此响应返回请求就不会随视频数据而变大

另外，在视频流的返回播放时，视频流可以让每个块替换页面中的前一个块，来实现在浏览器窗口中的“播放”。

Multipart响应包含一个multipart媒体类型的标头，后面跟着多块独立的数据，每块数据有自己的Content-Type。Multipart有多种不同类型，针对流媒体我们使用multipart/x-mixed-replace。以下是Multipart视频流的结构：

HTTP/1.1 200 OK
Content-Type: multipart/x-mixed-replace; boundary=frame

--frame
Content-Type: image/jpeg

<jpeg data here>
--frame
Content-Type: image/jpeg

<jpeg data here>
...

3.4.2 用Flask搭建流媒体服务器

下面我们使用Flask搭建一个简单的流媒体服务器。

Flask使用生成器（generator function）原生支持流式响应，生成器可以中断和恢复，可以一次返回多个值。一个返回流式响应的路由，需要返回参数为生成器的Response对象。Flask负责调用生成器，将Response对象分成数据块，使用Multipart Responses来组装一个HTTP应答，将数据块发送给客户端。

使用Motion JPEG方法，将视频画面逐帧发送给浏览器，浏览器逐帧替换来实现视频的播放功能。这也是很多IP Camera的流媒体播放方式，实时性很好，但视频质量不是很理想。

新建一个Flask项目。cvFlask04项目的文件树如下。

---项目文件名\
    |---templates\
    |    |---index1.html
|--- cvFlask04.py

任务逻辑由Python程序文件cvFlask04.py实现，完整代码如下。

# cvFlask04.py
# OpenCV+Flask 图像处理例程 04
# 在网页上显示模拟视频源的图像
# Copyright 2023 Youcans, XUPT
# Crated：2023-4-30

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

app = Flask(__name__)

# 定义视频流类
class VideoStream(object):
    def get_frame(self):  # 模拟视频源
        time.sleep(0.1)
        ct = time.time()
        sec_str = str(round(ct - int(ct), 3))
        img = np.ones((400, 600, 3), np.uint8) * 128
        cv2.putText(img, sec_str, (100, 100), cv2.FONT_HERSHEY_SIMPLEX, 1.0, (255,255,0), 1)

        ret, buffer = cv2.imencode('.jpg', img)  # 编码为 jpg 格式
        img_byte = buffer.tobytes()  # 转换为 bytes 类型
        return img_byte

# 视频流的网页 HTML 模板
@app.route('/')
def index():
    return render_template('index1.html')

# 生成视频流的帧
def gen_frames(camera):
    while True:
        frame = camera.get_frame()  # 获取视频帧
        yield (b'--frame\r\n' b'Content-Type: image/jpeg\r\n\r\n'
               + frame + b'\r\n')  # 生成视频流的帧

# 视频流的传输路由：从网页获取视频源，返回视频流
@app.route('/video_feed')
def video_feed():
    return Response(gene_frames(VideoStream()),
            content_type='multipart/x-mixed-replace; boundary=frame')

if __name__ == '__main__':
    # 启动本地视频流服务器，激活该网页
    app.run(host='0.0.0.0', port=5000, debug=True, threaded=True)  # 绑定 IP 地址和端口号

程序cvFlask04.py定义了一个视频流VideoStream类，用于持续地提供视频帧的数据。在本例中使用模拟视频源，将系统时间写在空白画布上来生成模拟视频图像。

程序的index()中指定了视频流的网页模板index1.html。网页index1.html位于templates文件夹，具体内容如下。

<!DOCTYPE html>
<html>
  <head>
    <title>Video Streaming Demonstration</title>
  </head>
  <body>
    <h1>Video Streaming Demonstration</h1>
    <img src="{{ url_for('video_feed') }}">
  </body>
</html>

其中，img标签定义了图片使用的url，是由url_for()函数返回的、利用视图函数的名字’video_feed’获取的动态url。
/video_feed路径由video_feed()方法提供服务，返回一个multipart应答。生成器函数gen_frames()不断地从VideoStream逐帧获取图片，通过生成器返回给客户端。客户端浏览器收到流媒体时，在img标签定义的图片中逐帧显示，从而实现视频播放。

下面运行cvFlask03的项目脚本。进入cvFlask04项目的根目录，运行程序cvFlask04.py，启动流媒体服务器。

 * Running on all addresses (0.0.0.0)
 * Running on http://127.0.0.1:5000
 * Running on http://192.168.3.249:5000

在本地浏览器打开http://127.0.0.1:5000，或在局域网内设备（包括移动手机）浏览器打开http://192.168.3.249:5000，就可以看到模拟视频源生成的视频流。

在这里插入图片描述

Flask04 完整例程

cvFlask04 项目的文件树

---项目文件名\
    |---templates\
    |    |---index1.html
|--- cvFlask04.py

cvFlask04.py

# cvFlask04.py
# OpenCV+Flask 图像处理例程 04
# 在网页上显示模拟视频源的图像
# Copyright 2023 Youcans, XUPT
# Crated：2023-4-30

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

app = Flask(__name__)

# 定义视频流类
class VideoStream(object):
    def get_frame(self):  # 模拟视频源
        time.sleep(0.1)
        ct = time.time()
        sec_str = str(round(ct - int(ct), 3))
        img = np.ones((400, 600, 3), np.uint8) * 128
        cv2.putText(img, sec_str, (100, 100), cv2.FONT_HERSHEY_SIMPLEX, 1.0, (255,255,0), 1)

        ret, buffer = cv2.imencode('.jpg', img)  # 编码为 jpg 格式
        img_byte = buffer.tobytes()  # 转换为 bytes 类型
        return img_byte

# 视频流的网页 HTML 模板
@app.route('/')
def index():
    return render_template('index1.html')

# 生成视频流的帧
def gen_frames(camera):
    while True:
        frame = camera.get_frame()  # 获取视频帧
        yield (b'--frame\r\n' b'Content-Type: image/jpeg\r\n\r\n'
               + frame + b'\r\n')  # 生成视频流的帧

# 视频流的传输路由：从网页获取视频源，返回视频流
@app.route('/video_feed')
def video_feed():
    return Response(gene_frames(VideoStream()),
            content_type='multipart/x-mixed-replace; boundary=frame')

if __name__ == '__main__':
    # 启动本地视频流服务器，激活该网页
    app.run(host='0.0.0.0', port=5000, debug=True, threaded=True)  # 绑定 IP 地址和端口号

index1.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>

【本节完】

下节我们将讨论：使用Flask框架构建一个视频流服务器。

版权声明：
youcans@xupt 原创作品，转载必须标注原文链接：
【OpenCV DNN】Flask 视频监控目标检测教程 04(https://blog.csdn.net/youcans/article/details/130865522)
Copyright 2023 youcans, XUPT
Crated：2023-05-25

欢迎关注『OpenCV DNN @ Youcans』系列，持续更新中
【OpenCV DNN】Flask 视频监控目标检测教程 01
【OpenCV DNN】Flask 视频监控目标检测教程 02
【OpenCV DNN】Flask 视频监控目标检测教程 03

youcans_

关注

6
点赞
踩
8

收藏

觉得还不错? 一键收藏
打赏
4
评论
【OpenCV DNN】Flask 视频监控目标检测教程 04

使用Flask框架构建一个视频流服务器，向服务器发送请求可以获取模拟视频源产生的视频图像。本例使用模拟视频源，避免硬件配置和视频延迟的影响，构建一个极简的视频流服务器。
复制链接

扫一扫