Flask+YOLOv5网页摄像头检测：解决检测框显示问题
本文针对使用Flask和YOLOv5构建的HTML网页应用中，摄像头检测框无法显示的问题，提供详细的排查步骤和代码分析。
前端代码 (HTML & JavaScript):
输入视频:
检测结果:
@@##@@
后端代码 (Python - Flask):
import cv2
import time
import io
import base64
from flask import Flask, request, Response, render_template
app = Flask(__name__)
# 假设 'd' 是你的 YOLOv5 检测对象
# d = ... # 你的 YOLOv5 模型加载代码
# 视频流生成器
def gen(path):
cap = cv2.VideoCapture(path)
while cap.isOpened():
try:
start_time = time.time()
success, frame = cap.read()
if success:
im, label, c = d.detect(frame) # YOLOv5 检测
ret, jpeg = cv2.imencode('.png', im)
if ret:
frame = jpeg.tobytes()
elapsed_time = time.time() - start_time
print(f"Processing time: {elapsed_time:.3f} seconds")
yield (b'--frame\r\n'
b'Content-Type: image/jpeg\r\n\r\n' + frame + b'\r\n\r\n')
else:
break
else:
break
except Exception as e:
print(e)
continue
cap.release()
# 视频流路由
@app.route('/video_feed')
def video_feed():
f = request.args.get("f")
print(f'Processing video: upload/{f}')
return Response(gen(f'upload/{f}'), mimetype='multipart/x-mixed-replace; boundary=frame')
# 图片数据处理路由
@app.route('/image_data', methods=['POST'])
def image_data():
image_data = request.form.get('image_data')
user_id = request.form.get('id')
image_data = io.BytesIO(base64.b64decode(image_data.split(',')[1]))
img = Image.open(image_data) # PIL Image
img.save(f'upload/temp{user_id}.png')
return "ok"
if __name__ == '__main__':
app.run(debug=True)
问题排查:
立即学习“前端免费学习笔记（深入）”；
-
摄像头路径:
cv2.VideoCapture(path)中的path必须正确。对于默认摄像头，通常是 0；如果是RTSP流，则使用RTSP地址；如果是文件，则使用完整路径。确保f变量在/video_feed路由中正确传递了视频源路径。 -
错误信息: 仔细检查控制台的错误信息，这能帮助你快速定位问题。
-
文件路径: 使用绝对路径避免相对路径导致的错误。
-
接口调用: 前端代码必须正确调用
/video_feed接口，例如：$("#res").attr("src", "/video_feed?f=" + $("#uid").val());确保$("#uid").val()返回正确的文件名或摄像头标识符。 -
YOLOv5 模型: 确保YOLOv5模型正确加载并能够进行检测。
d.detect(frame)这一行是关键，检查模型是否正确预测并返回处理后的图像。 -
图像编码: 确认
cv2.imencode('.png', im)正确编码图像。 尝试使用.jpg编码，查看是否有区别。 -
前后端数据类型: 确保前后端数据类型匹配。前端发送的是base64编码的图像数据，后端需要正确解码。
通过仔细检查以上步骤，并结合控制台错误信息，你应该能够找到并解决检测框显示问题。 记得安装必要的库：opencv-python, Pillow, flask, requests。 同时，确保你的YOLOv5模型已经成功运行，并且能够正确地处理图像并返回检测结果。
