【OpenCV DNN】Flask 视频监控目标检测教程 09

最新推荐文章于 2024-06-14 10:21:42 发布

youcans_

最新推荐文章于 2024-06-14 10:21:42 发布

阅读量2k

点赞数 9

分类专栏： # OpenCV 视频监控文章标签： flask opencv dnn 目标检测视频

本文链接：https://blog.csdn.net/youcans/article/details/131270693

版权

OpenCV 视频监控专栏收录该内容

10 篇文章

订阅专栏

文章介绍了如何使用Flask和OpenCV构建一个Web应用程序，实现实时视频监控和人脸识别。通过多线程处理，视频帧的获取和人脸识别在不同线程中进行，避免了识别过程对视频流的影响。项目包括一个视频流类，用于实时获取和处理帧，以及两个网页模板用于展示实时监控和播放视频文件。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

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 09

- 3.9 OpenCV+Flask多线程处理实时监控人脸识别

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。本节使用多线程或者异步框架来处理视频帧的获取和人脸识别。

本例程使用一个线程实时获取视频帧，在主线程中处理视频帧，进行人脸识别和图像编码。因此，人脸识别就不会阻止视频帧的读取。

3.9 OpenCV+Flask多线程处理实时监控人脸识别

由于人脸识别是一个计算密集型任务，可能会减慢视频流的处理速度。为了解决这个问题，可以使用多线程或者异步框架来处理视频帧的获取和人脸识别。

本例程使用一个线程实时获取视频帧，在主线程中处理视频帧，进行人脸识别和图像编码。因此，人脸识别就不会阻止视频帧的读取。

我们为 VideoStream类添加了一个新的方法 update_frame，并在类初始化时开启了一个新的线程来运行这个方法。视频更新函数update_frame() 实时获取新的视频帧，并存储为类的一个属性。

在主线程中，生成器函数get_frame()只负责进行人脸识别和图像编码。gen_frames()逐帧获取图片，使用Haar 级联分类器预训练模型进行人脸检测，将图像编码后返回给客户端。客户端浏览器收到视频流以后，在img标签定义的图片中逐帧显示，从而实现视频播放。即使人脸识别和图像编码需要一些时间，也不会阻塞视频刷更新。

新建 Flask 项目 cvFlask09

新建一个Flask项目cvFlask09，本项目的框架与cvFlask08相同。
cvFlask09项目的文件树如下。


---文件名\
    |---models\
    |    |---haarcascade_frontalface_alt2.xml
    |---templates\
    |    |---index4.html
    |    |---index5.html
    |--- cvFlask09.py
    |--- vedio_01.mp4

Python程序文件

任务逻辑由Python程序文件cvFlask09.py实现，完整代码如下。

# cvFlask09.py
# OpenCV+Flask 图像处理例程 09
# 通过浏览器播放摄像头实时监控视频+人脸识别，多线程处理
# Copyright 2023 Youcans, XUPT
# Crated：2023-5-18

# coding:utf-8

from flask import Flask, Response, request, render_template
import threading
import cv2

app = Flask(__name__)  # 实例化 Flask 对象

# 定义视频流类
class VideoStream:
    def __init__(self, source):  # 传入视频源
        self.video_cap = cv2.VideoCapture(0)  # 创建视频读取对象
        # 加载 Haar 级联分类器 预训练模型
        model_path = "./models/haarcascade_frontalface_alt2.xml"
        # 加载人脸检测级联分类器
        self.face_cascade = cv2.CascadeClassifier(model_path)
        self.success, self.frame = self.video_cap.read()  # 读取视频帧
        threading.Thread(target=self.update_frame, args=()).start()

    def __del__(self):
        self.video_cap.release()  # 释放视频流

    def update_frame(self):
        while True:
            self.success, self.frame = self.video_cap.read()

    def get_frame(self):
        gray = cv2.cvtColor(self.frame, cv2.COLOR_BGR2GRAY)
        # 使用级联分类器检测人脸
        faces = self.face_cascade.detectMultiScale(gray, scaleFactor=1.2,
                                  minNeighbors=5, minSize=(30, 30), maxSize=(300, 300))
        # 绘制人脸检测框
        for (x, y, w, h) in faces:
            cv2.rectangle(self.frame, (x, y), (x+w, y+h), (255,0,0), 2)

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

# 生成视频流的帧
def gen_frames(video_source):
    video_stream = VideoStream(video_source)  # 从视频文件获取视频流
    while True:
        frame = video_stream.get_frame()  # 获取视频帧
        if frame is None:
            # video_stream.__del__()  # 释放视频流
            break
        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


@app.route('/video_feed')
def video_feed():
    video_source = request.args.get('video_source', 'camera')  # 从网页获取视频源

    # 通过将一帧帧的图像返回，就达到了看视频的目的。multipart/x-mixed-replace是单次的http请求-响应模式，如果网络中断，会导致视频流异常终止，必须重新连接才能恢复
    return Response(gen_frames(video_source), mimetype='multipart/x-mixed-replace; boundary=frame')

@app.route('/')
def index_camera():  # 实时视频监控
    # <img src="{{ url_for('video_feed', video_source='camera') }}">
    return render_template('index4.html')

@app.route('/vidfile')
def index_vidfile():  # 播放视频文件
    # <img src="{{ url_for('video_feed', video_source='vedio_01.mp4') }}">
    return render_template('index5.html')

if __name__ == '__main__':
    # 启动一个本地开发服务器，激活该网页
    print("URL: http://127.0.0.1:5000")
    app.run(host='0.0.0.0', port=5000, debug=True, threaded=True)  # 绑定 IP 地址和端口号

视频流的网页模板

视频流的网页模板index4.html和index5.html位于templates文件夹，内容与cvFlask08项目完全相同。

网页index4.html位于templates文件夹，具体内容如下。

<!DOCTYPE html>
<html>
  <head>
    <title>Video Streaming Demonstration</title>
  </head>
  <body>
    <h2  align="center">OpenCV+Flask 例程：实时视频监控</h2>
    <div style="text-align:center; padding-top:inherit">
      <img src="{{ url_for('video_feed', video_source='camera') }}" width="600"; height="360">
    </div>
  </body>
</html>

网页index5.html位于templates文件夹，具体内容如下。

<!DOCTYPE html>
<html>
  <head>
    <title>Video Streaming Demonstration</title>
  </head>
  <body>
    <h2  align="center">OpenCV+Flask 例程：播放视频文件</h2>
    <div style="text-align:center; padding-top:inherit">
      <img src="{{ url_for('video_feed', video_source='vedio_01.mp4') }}" width="600"; height="360">
    </div>
  </body>
</html>

程序运行

进入cvFlask09项目的根目录，运行程序cvFlask09.py，启动流媒体服务器。
在局域网内设备（包括移动手机）的浏览器打开http://192.168.3.249:5000就可以播放实时视频监控画面。

在这里插入图片描述

【本节完】

下节我们将讨论，使用OpenCV DNN对实时视频进行目标检测。

版权声明：
欢迎关注『OpenCV DNN @ Youcans』系列
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 09
(https://blog.csdn.net/youcans/article/details/131270693)
Copyright 2023 youcans, XUPT
Crated：2023-06-18