树莓派/PC实现实时摄像头数据共享—最优方法(搭建网络摄像头)

简介: 树莓派/PC实现实时摄像头数据共享—最优方法(搭建网络摄像头)

目录

方法一、motion方式


方法二、MJPG-streamer方式


之前做项目需要树莓派和PC进行视频传输,发现两种方法:


方法一:Python+OpenCv实现树莓派数据采集,树莓派搭建服务器,PC机作为客户端实现数据传输,结果发现传输画质太差。


网址:https://blog.csdn.net/m0_38106923/article/details/81974373


方法二:使用Python+树莓派原装摄像头,使用Python代码调用,再搭建服务器,传输视频,效果显著。


网址:https://blog.csdn.net/m0_38106923/article/details/82628061


最近发现一种新的数据传输方式,树莓派搭建网络摄像头,不仅速度流畅,效果感人,而且可以多个用户同时访问,爽歪歪~


给小伙伴们展示下PC端和手机端同时访问效果:


image.png

image.png



接下来给各位讲解下搭建树莓派网络摄像头的流程,主要有两种方式。


方法一、motion方式

第一步:安装motion包


sudo apt-get install motion

第二步:打开 motion daemon 守护进程,让它可以一直在后台运行


sudo nano /etc/default/motion
#no修改成yes:
start_motion_daemon=yes

第三步:修改motion的配置文件


sudo vim /etc/motion/motion.conf
#deamon off 改成 on
deamon on
#设置分辨率
width 800
height 600
#关闭 localhost 的限制
webcam_localhost off

第四步:运行 motion


sudo motion

安装好USB摄像头,运行后重启树莓派,现在我们的摄像头已经变成了一台网络摄像头,在chrome浏览器下访问 http://[your.domain]:8081 即可看到摄像头当前拍摄的画面,需要注意有时候重启树莓派后网络摄像头可能未启动,所以需要重新运行motion。


需要注意,第一种网络摄像头搭建方式不便于Android手机端的访问,所以这里我并未使用,这里仅做拓展讲解。


PC端使用Python访问非常简单,直接使用OpenCv模块的VideoCapture()方法,输入网络摄像头URL即可。使用伪代码如下:


'''
VideoCapture()中参数是0,表示打开电脑内置摄像头,
参数是1或2打开外部摄像头
参数是视频文件路径则打开视频文件
参数是URL打开网络摄像头
'''
cap = cv2.VideoCapture(URL)

方法二、MJPG-streamer方式

第一步:安装所需模块


sudo apt-get updatesudo 
sudo apt-get install subversionsudo 
sudo apt-get install libjpeg8-devsudo 
sudo apt-get install imagemagicksudo 
sudo apt-get install libv4l-devsudo 
sudo apt-get install cmakesudo 
sudo apt-get install git

第二步:git一个开源的project:MJPG-streamer


sudo git clone github.com/jacksonliam/mjpg-streamer.git 
cd mjpg-streamer/mjpg-streamer-experimentalsudo 
make all
sudo make install

git过程比较缓慢,大家可以耐心等待一段时间,等待100%后确认完成后再执行下一条命令,启动USB摄像头,指令如下:

./mjpg_streamer -i "./input_uvc.so" -o "./output_http.so -w ./www"


image.png

这里有一点需要注意,配置USB摄像头和树莓派专用摄像头指令不一样,这里我配置的是USB摄像头,具体指令分别如下:


指令启动普通USB摄像头指令:
./mjpg_streamer -i "./input_uvc.so" -o "./output_http.so -w ./www"  
启动树莓派专用摄像头RaspiCamera的指令:
./mjpg_streamer -i "./input_raspicam.so" -o "./output_http.so -w ./www"

并且使用树莓派专用摄像头需要开启专用摄像头配置的,输入指令如下:


sudo raspi-config

image.png

点击摄像头使能开启即可。


以上就实现了全部的网络摄像头搭建。不过每次我们启动树莓派的时候还是需要手动去执行对应的命令,比较麻烦。那么接下来我们把当前项设置为一个系统自启动项。


第三步:设置自启动


cd到系统home目录下,新建一个sh可执行文件,输入如下命令即可:


sudo nano videoStart.sh

videoStart.sh文件中输入内容如下:


cd /home/pi/mjpg-streamer/mjpg-streamer-experimental/
./mjpg_streamer -i "./input_uvc.so" -d /dev/video0 -f 30 -r 1280x720 " -o 
"./output_http.so -p 8080 -w ./www"

然后退出保存,最后记得再给个可执行权限,输入命令:


sudo chmod +x /home/pi/videoStart.sh

接着再创建一个目录,输入命令如下:


sudo mkdir .config/autostart

继续新建一个文件,输入对应命令如下:


sudo nano .config/autostart/my.desktop

文件内容如下:


[Desktop Entry]
Type=shell
Exec=/home/pi/videoStart.sh

最后保存退出,这样每次开机就自动执行

对应文件命令,省去了每次手动执行的麻烦。


第四步:测试


查看图像,在PC端打开浏览器,输入下面网址可以看到静态截图:


http://<树莓派IP>:8080/?action=snapshot


我这里是地址:http://192.168.0.112:8080/?action=snapshot


image.png


输入下面两条网址可以看到动态图像:


http://<树莓派IP>:8080/?action=stream


这里的树莓派地址:http://192.168.0.112:8080/?action=stream

image.png



动态图像的这个地址在有的浏览器不太好使,可以使用下面这个网址:


http://<树莓派IP>:8080/javascript_simple.html


总结:经过不断探索树莓派和PC视频数据通信“三部曲”到此结束,希望对小伙伴们有帮助~


那么局域网实现了实时视频直播,有人肯定会问互联网上如何观看?那这里我就给大家推荐一款可以穿透局域网的软件:花生壳,想必接触过互联网的朋友,应该都对此有一定得了解,配合上自家的路由器均可实现局域网电脑与互联网对接。


相关文章
|
3月前
|
机器学习/深度学习 算法 调度
14种智能算法优化BP神经网络(14种方法)实现数据预测分类研究(Matlab代码实现)
14种智能算法优化BP神经网络(14种方法)实现数据预测分类研究(Matlab代码实现)
392 0
|
4月前
|
机器学习/深度学习 数据采集 传感器
【故障诊断】基于matlab BP神经网络电机数据特征提取与故障诊断研究(Matlab代码实现)
【故障诊断】基于matlab BP神经网络电机数据特征提取与故障诊断研究(Matlab代码实现)
159 0
|
5月前
|
数据采集 存储 算法
MyEMS 开源能源管理系统:基于 4G 无线传感网络的能源数据闭环管理方案
MyEMS 是开源能源管理领域的标杆解决方案,采用 Python、Django 与 React 技术栈,具备模块化架构与跨平台兼容性。系统涵盖能源数据治理、设备管理、工单流转与智能控制四大核心功能,结合高精度 4G 无线计量仪表,实现高效数据采集与边缘计算。方案部署灵活、安全性高,助力企业实现能源数字化与碳减排目标。
165 0
|
2月前
|
机器学习/深度学习 人工智能 算法
【基于TTNRBO优化DBN回归预测】基于瞬态三角牛顿-拉夫逊优化算法(TTNRBO)优化深度信念网络(DBN)数据回归预测研究(Matlab代码实现)
【基于TTNRBO优化DBN回归预测】基于瞬态三角牛顿-拉夫逊优化算法(TTNRBO)优化深度信念网络(DBN)数据回归预测研究(Matlab代码实现)
163 0
|
2月前
|
机器学习/深度学习 数据采集 边缘计算
基于灰色神经网络的预测方法
基于灰色神经网络的预测方法
175 0
|
3月前
|
算法 Python
【EI复现】考虑网络动态重构的分布式电源选址定容优化方法(Matlab代码实现)
【EI复现】考虑网络动态重构的分布式电源选址定容优化方法(Matlab代码实现)
|
3月前
|
机器学习/深度学习 数据采集 运维
改进的遗传算法优化的BP神经网络用于电厂数据的异常检测和故障诊断
改进的遗传算法优化的BP神经网络用于电厂数据的异常检测和故障诊断
|
4月前
|
机器学习/深度学习 数据采集 TensorFlow
基于CNN-GRU-Attention混合神经网络的负荷预测方法(Python代码实现)
基于CNN-GRU-Attention混合神经网络的负荷预测方法(Python代码实现)
204 0
|
5月前
|
存储 Linux 容器
【Container App】在容器中抓取网络包的方法
本文介绍在Azure Container App中安装tcpdump抓取网络包,并通过Storage Account上传抓包文件的方法。内容包括使用curl和nc测试外部接口连通性、长Ping端口、安装tcpdump、抓取网络包、以及通过crul命令上传文件至Azure Storage。适用于需要分析网络请求和排查网络问题的场景。
204 1
|
5月前
|
存储 监控 算法
基于 Python 跳表算法的局域网网络监控软件动态数据索引优化策略研究
局域网网络监控软件需高效处理终端行为数据,跳表作为一种基于概率平衡的动态数据结构,具备高效的插入、删除与查询性能(平均时间复杂度为O(log n)),适用于高频数据写入和随机查询场景。本文深入解析跳表原理,探讨其在局域网监控中的适配性,并提供基于Python的完整实现方案,优化终端会话管理,提升系统响应性能。
159 4

热门文章

最新文章