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
破晓之翼2 分钟前
从第一性原理和工程控制论角度企业去思考AI开发避免完美主义陷阱
人工智能
njsgcs4 分钟前
屏幕元素定位(Grounding) ollama两个模型
人工智能
码农杂谈000712 分钟前
企业 AI 推理:告别黑箱决策,4 步构建可解释 AI 体系
大数据·人工智能
LaughingZhu13 分钟前
Product Hunt 每日热榜 | 2026-02-18
大数据·数据库·人工智能·经验分享·搜索引擎
量子-Alex1 小时前
【大模型思维链】COT、COT-SC、TOT和RAP四篇经典工作对比分析
人工智能·深度学习·机器学习
分享牛1 小时前
大模型结合BPMN语言,下一代BPM产品的雏形
人工智能·搜索引擎·llm·bpmn
MoonOutCloudBack1 小时前
VeRL 框架下 RL 微调 DeepSeek-7B,比较 PPO / GRPO 脚本的参数差异
人工智能·深度学习·算法·语言模型·自然语言处理
量子-Alex2 小时前
【大模型智能体】Agent-as-a-Judge
人工智能
AI架构全栈开发实战笔记2 小时前
AI应用架构师教你:如何用AI自动化数据仓库的测试?
数据仓库·人工智能·ai·自动化
罗技1232 小时前
RK3566嵌入式开发板运行Coco AI sever
人工智能