服务器flask远程访问_树莓派：基于flask的远程视频监控

个人用Django开发的博客已上线，欢迎访问：https://www.zhibibin.com

本文源码下载：https://download.csdn.net/download/bibinGee/12385336

买回来的树莓派吃灰有相当长的一段时间了，最近想着做视频监控方面的事，于是重新捡起树莓派做了一个视频监控。想法很简单，通过树莓派读取视频图像，发到网站上，然在通过浏览网页来观看实时视频。在家里的局域网里面打开网页，视频流的延时还是可以接受的，以前试过内网穿透到公网上，那视频流的延时就相当的大了，基本上卡成PPT。

以下是这个小应用的基本配置：

1. 网站的框架是使用flask，这是一个轻量级的框架，操作简单，作为小白的我也不需要花费多大的时间就可以简单上手了，当然也只能依样画葫芦。
2. 摄像头采用CSI接口摄像头，基本上不用USB摄像头，不懂树莓派为什么USB这么差劲，时不时出现设备中断的问题。
3. 主设备是树莓派3B+，陈年老机了。性能说不上有多好，带个摄像头起码还是够用的。
4. 环境方面是python3 + Pycharm
5. 主要的库有：flask, opencv, imutils, numpy。flask主要是提供网站URL方面支持，opencv, imutils, numpy是对视频的一些处理。
6. 基本的HTML代码，用来在网页显示视频

Flask框架比较简单，熟悉flask的就知道它通过装饰器 route() 进行路由分配，这里简单地定义两个方法，一个是index()，渲染首页一些简单布局，另一个video_play()用来更新每一帧图像。

mimetype="multipart/x-mixed-replace; boundary=frame" 简单来讲告诉浏览器服务器将返回一个流媒体数据，以关键字“frame”为标记（相当于每一帧的起始标记），这样游览器就会不断地更新视频数据了。

# initialize a flask object
app = Flask(__name__)

@app.route("/")
def index():
    # return the rendered template
    return render_template("index.html")

@app.route("/video_play")
def video_play():
    # return the response generated along with the specific media
    # type (mime type)
    return Response(image_to_web(), mimetype="multipart/x-mixed-replace; boundary=frame")

接下来就是生成图像的方法了：

outputFrame = None
lock = threading.Lock()

# initialize the video stream and allow the camera sensor to
# warmup
vs = VideoStream(usePiCamera=1).start()
# vs = VideoStream(src=0)
camera = vs.camera
camera.brightness = 60


def detect_motion(frameCount):
    # grab global references to the video stream, output frame, and
    # lock variables
    global vs, outputFrame, lock

    <....省略部分代码....>
    # loop over frames from the video stream
    while True:
        # read the next frame from the video stream, resize it,
        # convert the frame to grayscale, and blur it
        frame = vs.read()
        frame = imutils.resize(frame, width=400)

        <....省略部分代码....>

        # lock
        with lock:
            outputFrame = frame.copy()


def image_to_web():
    # grab global references to the output frame and lock variables
    global outputFrame, lock

    # loop over frames from the output stream
    while True:
        # wait until the lock is acquired
        with lock:
            # check if the output frame is available, otherwise skip
            # the iteration of the loop
            if outputFrame is None:
                continue

            # encode the frame in JPEG format
            (flag, encodedImage) = cv2.imencode(".jpg", outputFrame)

            # ensure the frame was successfully encoded
            if not flag:
                continue

        # yield the output frame in the byte format
        yield (b'--framern' b'Content-Type: image/jpegrnrn' +
               bytearray(encodedImage) + b'rn')

1. 这里调用封装在imutils.video里面的VideoStream模块，其实也它也就是把opencv和picamera这两个库再作一次统一的封装而已，所以简单地也可以直接地使用PiCamera这个库进行视频的读取。
2. VideoStream模块本身没有camera这个属性，这个属性是我自己加入的，目的是方便对摄像头进行一些基本的操作，如亮度，对比度以及视频的保存等。
3. detect_motion()这个方法用来检测是否有移动目标存在，如果有则进行拍照保存。
4. 这里引入了一个全局变量outputFrame，用于和image_to_web()方法间共享变量。
5. “with lock”是一个线程锁，防止两个不同的方法同时对outputFrame变量访问或者写入数据
6. image_to_web()就是将图像数据转成字节流数据，也就我们要用的视频流数据。字节流的起始位置插入了“--frame”就来对标记每一帧数据。

# check to see if this is the main thread of execution
 if __name__ == '__main__':     # construct the argument parser and parse command line arguments
     allowed_ip_addr = "0.0.0.0"
     access_port = "8000" # start a thread that will perform motion detection
     t = threading.Thread(target=detect_motion, args=(24,))
     t.daemon = True
     t.start()      # start the flask app
     app.run(host=allowed_ip_addr, port=access_port, debug=True,
             threaded=True, use_reloader=False)

最后就是运行flask程序了，设置允许的访问IP和访问端口就完成了。

最后放上演示郊果图，因为这里启用了多线程，所以可心允许多用户多窗口访问同一台服务器，延时还是可以接受的。

网页简单布局一下：

 
  
   
 
 
 

 
树莓派远程视频监控