Termux手机摄像头采集图像/视频流 部署 YOLO 模型推理 在 Termux 中使用手机摄像头运行 YOLO 目标检测,核心是调用手机摄像头采集图像/视频流 + 部署 YOLO 模型推理 ,以下是可直接实践的步骤:
升级 Termux 包并安装依赖
pkg update && pkg upgrade -y
pkg install python python-pip git ffmpeg libjpeg-turbo libopencv -y
安装 Python 核心库
pip install numpy opencv-python ultralytics pillow
ultralytics 是 YOLOv8 官方库,支持一键调用模型;opencv-python 用于摄像头调用和图像处理。Termux 需获取摄像头权限,执行以下命令:
termux-camera-photo test.jpg
test.jpg 文件,说明摄像头授权成功。创建 Python 脚本 yolo_camera.py:
nano yolo_camera.py
粘贴以下代码(支持实时摄像头流检测):
from ultralytics import YOLO
import cv2
# 加载 YOLOv8n 轻量化模型(自动下载)
model = YOLO("yolov8n.pt")
# 调用手机摄像头(Termux 中摄像头索引通常为 0)
cap = cv2.VideoCapture(0)
# 设置分辨率(可选,根据手机性能调整)
cap.set(cv2.CAP_PROP_FRAME_WIDTH, 640)
cap.set(cv2.CAP_PROP_FRAME_HEIGHT, 480)
while cap.isOpened():
ret, frame = cap.read()
if not ret:
break
# 模型推理(stream=True 提升实时性)
results = model(frame, stream=True)
# 绘制检测框和标签
for r in results:
boxes = r.boxes
for box in boxes:
x1, y1, x2, y2 = map(int, box.xyxy[0])
conf = box.conf[0].item()
cls = int(box.cls[0])
label = f"{model.names[cls]} {conf:.2f}"
# 画框 + 标签
cv2.rectangle(frame, (x1, y1), (x2, y2), (0, 255, 0), 2)
cv2.putText(frame, label, (x1, y1-10), cv2.FONT_HERSHEY_SIMPLEX, 0.5, (0,255,0), 2)
# 显示检测结果
cv2.imshow("YOLO Camera Detection", frame)
# 按 q 退出
if cv2.waitKey(1) & 0xFF == ord('q'):
break
cap.release()
cv2.destroyAllWindows()
保存退出(Ctrl+O → 回车 → Ctrl+X)
python yolo_camera.py
termux-setup-storage 重新授权,或在手机设置 → 应用 → Termux → 权限 中手动开启摄像头权限。yolov8n.pt),或降低分辨率(设为 480x320);renice -n -10 -p $$ 提升进程优先级。pip install --upgrade ultralytics opencv-python 重装库。审核编辑 黄宇
全部0条评论
快来发表一下你的评论吧 !