YOLOv8摄像头实时目标检测搭建笔记

1.实现原理

  1. 搭建RTMP流媒体服务器
  2. 手机安装推流软件直播推送到流媒体服务器
  3. YOLOv8从RTMP服务器拉流获取,并实现实时目标检测

2.搭建SRS流媒体服务器

安装地址: Build | SRS (ossrs.net)

3.手机摄像头直播推流

下载app: 易推流

4.查看rtmp服务器

5.执行yolov8脚本程序

python 复制代码
import cv2
import subprocess
from ultralytics import YOLO

# 载入 YOLOv8 模型
model = YOLO('model/yolov8n.pt')

# 获取本地视频内容
# cap = cv2.VideoCapture("video/source.flv")

# 通过cv2中的类获取视频流操作对象cap
rtmp_str = 'rtmp://192.168.2.114/live/videoName'
cap = cv2.VideoCapture(rtmp_str)

# 获取原视频的宽度和高度
original_width = int(cap.get(cv2.CAP_PROP_FRAME_WIDTH))
original_height = int(cap.get(cv2.CAP_PROP_FRAME_HEIGHT))
fps = int(cap.get(cv2.CAP_PROP_FPS))


# 设置 FFmpeg 子进程,用于推流
# 修改为您的 NGINX RTMP 服务器地址
rtmp_url = 'rtmp://192.168.2.114/live/stream'
command = ['ffmpeg',
          '-y',
          '-f', 'rawvideo',
          '-vcodec', 'rawvideo',
          '-pix_fmt', 'bgr24',
          '-s', "{}x{}".format(original_width, original_height),
          '-r', str(fps),
          '-i', '-',
          '-c:v', 'libx264',
          '-pix_fmt', 'yuv420p',
          '-preset', 'ultrafast',
          '-f', 'flv',
          rtmp_url]

# 启动 FFmpeg 进程
proc = subprocess.Popen(command, stdin=subprocess.PIPE)

# 循环遍历视频帧
while cap.isOpened():
   # 从视频中读取一帧
   success, frame = cap.read()

   if success:
       # 对帧运行 YOLOv8 推理
       results = model(frame)

       # 在帧上可视化结果
       annotated_frame = results[0].plot()

       # 将处理后的帧写入 FFmpeg 进程
       proc.stdin.write(annotated_frame.tobytes())

       # 显示带有标注的帧
       cv2.imshow("YOLOv8 推理", annotated_frame)

       # 如果按下 'q' 键,则中断循环
       if cv2.waitKey(1) & 0xFF == ord("q"):
           break
   else:
       break

# 释放视频捕获对象
cap.release()

# 关闭 FFmpeg 进程
proc.stdin.close()
proc.wait()

# 关闭显示窗口
cv2.destroyAllWindows()

6.执行程序

相关推荐
三寸3374 分钟前
硬刚GPT 5.1,Grok 4.1来了,所有用户免费使用!
人工智能·ai·ai编程
苍何8 分钟前
Gemini3 强势来袭,这次前端真的死了。。。
人工智能
悟空CRM服务15 分钟前
我用一条命令部署了完整CRM系统!
java·人工智能·开源·开源软件
组合缺一16 分钟前
Solon AI 开发学习 - 1导引
java·人工智能·学习·ai·openai·solon
A-刘晨阳19 分钟前
《华为数据之道》发行五周年暨《数据空间探索与实践》新书发布会召开,共探AI时代数据治理新路径
人工智能·华为
人工小情绪27 分钟前
大模型运行的基本机制
人工智能
brave and determined31 分钟前
可编程逻辑器件学习(day24):异构计算:突破算力瓶颈的未来之路
人工智能·嵌入式硬件·深度学习·学习·算法·fpga·asic
南山安36 分钟前
让 LLM 与外界对话:使用 Function Calling 实现天气查询工具
人工智能·后端·python
用户51914958484537 分钟前
信号、Shell与Docker:层层嵌套的陷阱剖析
人工智能·aigc
文心快码BaiduComate43 分钟前
Comate Figma2Code智能体升级,畅享Figma2Code不受限
人工智能·程序员·前端框架