从零搭建本地 RTSP 推流服务

---

🏗️ 核心架构设计

我们的推流服务由两个核心组件构成：

1. MediaMTX (流媒体服务器)：一个轻量级、免安装的 RTSP 服务器，负责接收视频流并提供拉流地址。
2. FFmpeg (推流客户端)：负责读取本地视频/摄像头，进行编码后推送到 MediaMTX。

数据流向 ：本地视频 (MP4) -> FFmpeg (编码) -> MediaMTX (RTSP Server) -> Python/OpenCV (AI 智能体拉流分析)

---

一、 工具准备 (通用)

1. 下载 MediaMTX (服务器端)

MediaMTX 是一个单文件程序，无需安装，开箱即用。

• 前往 GitHub Release 页面下载最新版：bluenviron/mediamtx/releases
• Windows 下载：mediamtx_vX.X.X_windows_amd64.zip
• Linux (x86_64) 下载：mediamtx_vX.X.X_linux_amd64.tar.gz
• Linux (ARM64) 下载：mediamtx_vX.X.X_linux_arm64v8.tar.gz

2. 准备 FFmpeg (推流端)

• Windows ：强烈建议安装最新版 (6.x 或 7.x) 。旧版本 (如 4.x) 会导致 NVIDIA GPU 硬件加速报错。可通过 winget install Gyan.FFmpeg 安装，或去 gyan.dev 下载。
• Linux ：通常通过包管理器安装即可：sudo apt update && sudo apt install ffmpeg。

---

二、 Windows 环境部署指南 (本地开发)

步骤 1：启动 MediaMTX 服务器

1. 解压下载的 mediamtx_windows_amd64.zip。
2. 双击运行 mediamtx.exe。
3. 此时会弹出一个黑色命令行窗口，显示 [RTSP] listener opened on :8554。保持此窗口开启，不要关闭。
   (注：若弹出 Windows 防火墙警告，请务必点击"允许访问"。)

步骤 2：使用 FFmpeg 推流

打开 PowerShell 或 CMD，进入你的视频所在目录，执行推流命令。

方案 A：使用 NVIDIA GPU 硬件加速（推荐，延迟极低）

ffmpeg -re -stream_loop -1 -i your_video.mp4 -c:v h264_nvenc -preset p1 -tune ull -an -rtsp_transport tcp -f rtsp rtsp://127.0.0.1:8554/cam01

方案 B：使用 CPU 编码（兼容所有电脑）

ffmpeg -re -stream_loop -1 -i your_video.mp4 -c:v libx264 -preset veryfast -tune zerolatency -vf scale=1280:720 -r 25 -an -rtsp_transport tcp -f rtsp rtsp://127.0.0.1:8554/cam01

(注：-vf scale=1280:720 -r 25 用于降低 CPU 压力，对于 AI 检测来说 720P/25帧 完全足够。)

步骤 3：Windows 后台运行技巧

如果你不想让黑框一直占用屏幕，可以创建一个 .bat 批处理脚本让它静默运行。

新建一个 start_push.bat 文件，写入以下内容：

@echo off
start /min ffmpeg -re -stream_loop -1 -i your_video.mp4 -c:v libx264 -preset veryfast -tune zerolatency -an -rtsp_transport tcp -f rtsp rtsp://127.0.0.1:8554/cam01

双击运行此 .bat 文件，FFmpeg 将在后台最小化运行。

---

三、 Linux 环境部署指南 (A100/云服务器)

在 Linux 服务器上，我们需要保证服务在断开 SSH 后依然稳定运行，且具备开机自启能力。

步骤 1：部署 MediaMTX 为系统服务 (Systemd)

1. 下载并解压 ：

   wget https://github.com/bluenviron/mediamtx/releases/download/v1.9.3/mediamtx_v1.9.3_linux_amd64.tar.gz
   tar -xzf mediamtx_v1.9.3_linux_amd64.tar.gz

2. 移动文件到系统目录 ：

   sudo mv mediamtx /usr/local/bin/
   sudo mv mediamtx.yml /usr/local/etc/

3. 创建 Systemd 服务文件 ：

   sudo nano /etc/systemd/system/mediamtx.service

   填入以下内容：

   [Unit]
   Description=MediaMTX RTSP Server
   After=network.target
   
   [Service]
   Type=simple
   User=root  # 或你的用户名如 ubuntu/wanghao
   WorkingDirectory=/usr/local/bin
   ExecStart=/usr/local/bin/mediamtx /usr/local/etc/mediamtx.yml
   Restart=always
   RestartSec=5
   
   [Install]
   WantedBy=multi-user.target

4. 启动并设置开机自启 ：

   sudo systemctl daemon-reload
   sudo systemctl start mediamtx
   sudo systemctl enable mediamtx
   sudo systemctl status mediamtx  # 确认状态为 active (running)

步骤 2：使用 FFmpeg 后台推流

在 Linux 下，推荐使用 nohup 或 tmux 将推流任务放入后台。

方法 A：使用 nohup (标准后台运行)

nohup ffmpeg -re -stream_loop -1 -i your_video.mp4 -c:v libx264 -preset veryfast -tune zerolatency -an -rtsp_transport tcp -f rtsp rtsp://127.0.0.1:8554/cam01 > ffmpeg_push.log 2>&1 &

• > ffmpeg_push.log 2>&1：将输出日志重定向到文件，防止日志塞满终端。
• &：放入后台执行。
• 查看日志 ：tail -f ffmpeg_push.log
• 停止推流 ：pkill -f "your_video.mp4"

方法 B：使用 tmux (AI 开发者强烈推荐)

tmux 可以让你随时切回终端查看 FFmpeg 的实时状态。

# 1. 创建名为 push 的会话
tmux new -s push

# 2. 在会话中运行推流命令 (无需 nohup)
ffmpeg -re -stream_loop -1 -i your_video.mp4 -c:v libx264 -preset veryfast -tune zerolatency -an -rtsp_transport tcp -f rtsp rtsp://127.0.0.1:8554/cam01

# 3. 脱离会话 (放入后台)：按 Ctrl+B，松开后按 D

# 4. 随时恢复会话查看状态：
tmux attach -t push

步骤 3：放行 Linux 防火墙 (关键！)

如果外部机器需要拉流，必须放行端口：

# Ubuntu/Debian (UFW)
sudo ufw allow 8554/tcp
sudo ufw allow 8554/udp
sudo ufw allow 8000:8001/udp

# CentOS/RedHat (Firewalld)
sudo firewall-cmd --zone=public --add-port=8554/tcp --permanent
sudo firewall-cmd --zone=public --add-port=8000-8001/udp --permanent
sudo firewall-cmd --reload

(如果是阿里云/腾讯云等云服务器，必须在网页控制台的"安全组"中放行 8554 TCP 和 UDP 端口。)

---

四、 验证与 AI 智能体代码接入

1. 使用 VLC 播放器验证

• 打开 VLC -> 媒体 -> 打开网络串流。
• 输入：rtsp://<服务器IP>:8554/cam01
• 优化延迟 ：在设置中将"网络缓存时间"修改为 200 毫秒。点击播放，画面应秒开。

2. Python (OpenCV) 接入智能体框架

在你的 AI 框架中，使用以下代码接管视频流，开始你的头肩检测/行人检测业务：

import cv2

# 替换为你的实际 RTSP 地址
RTSP_URL = "rtsp://127.0.0.1:8554/cam01" 

print(f"正在连接视频流: {RTSP_URL}")
# 使用 FFMPEG 后端拉流，稳定性更好
cap = cv2.VideoCapture(RTSP_URL, cv2.CAP_FFMPEG)

if not cap.isOpened():
    print("❌ 拉流失败！请检查 MediaMTX 是否运行，以及网络是否互通。")
    exit()

print("✅ 拉流成功！智能体视觉感知已启动...")

while True:
    ret, frame = cap.read()
    if not ret:
        print("⚠️ 视频流中断，尝试重连...")
        cap.release()
        cap = cv2.VideoCapture(RTSP_URL, cv2.CAP_FFMPEG)
        continue

    # ==========================================
    # 🧠 在这里接入你的 AI 模型
    # 例如：results = yolo_model(frame)
    # annotated_frame = results.plot()
    # ==========================================

    # 模拟处理：画个框
    cv2.rectangle(frame, (100, 100), (300, 300), (0, 255, 0), 2)
    cv2.putText(frame, "AI Agent Vision Active", (50, 50), 
                cv2.FONT_HERSHEY_SIMPLEX, 1, (0, 0, 255), 2)

    cv2.imshow("Agent Vision", frame)

    # 按 'q' 退出
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break

cap.release()
cv2.destroyAllWindows()

---

五、 核心避坑指南 (FAQ)

问题现象	根本原因	解决方案
VLC 提示"无法连接 / 找不到 MRL"	1. MediaMTX 没启动。 2. 防火墙/安全组拦截了 8554 端口。	1. 检查服务器 MediaMTX 进程。 2. 检查系统防火墙及云厂商安全组规则。
FFmpeg 推流卡住，不输出日志	默认使用 UDP 传输，在复杂网络或 Windows 下极易丢包导致握手失败。	必须在 FFmpeg 命令中加入 -rtsp_transport tcp。
Linux 运行脚本报错 bad interpreter: No such file or directory	Windows 下编写的 .sh 脚本，换行符是 CRLF，Linux 无法识别。	在 VSCode 右下角将换行符改为 LF，或在 Linux 下执行 sed -i 's/\r$//' script.sh。
Linux 运行脚本报错 Permission denied	Windows 打包或拷贝到 Linux 的脚本丢失了可执行权限。	在 Linux 下手动赋予权限：chmod +x your_script.sh。
拉流画面延迟高达 3~5 秒	1. 播放器缓存过大。 2. FFmpeg 编码 GOP 设置过大。	1. VLC 缓存改为 200ms。 2. 确保 FFmpeg 加了 -tune zerolatency (CPU) 或 -preset p1 (GPU)。
Windows 下 GPU 编码报错 unsupported param	FFmpeg 版本过旧 (如 4.x)，不支持新版 NVIDIA 驱动的 NVENC API。	升级 Windows 下的 FFmpeg 到最新版 (6.x 或 7.x)。

按照这份教程，你已经拥有了一个工业级的、跨平台的本地视频流基建。接下来，你可以将全部精力投入到 LangGraph 编排、YOLO 模型训练和 VLM 大模型的接入中了！祝你的 AI 智能体开发顺利！