如何使用 Python 从 IP 摄像机捕获实时视频流
本篇文章主要是结合我之前面试的各种经历和实战开发中遇到的问题解决经验整理的,希望这篇《如何使用 Python 从 IP 摄像机捕获实时视频流》对你有很大帮助!欢迎收藏,分享给更多的需要的朋友学习~
本文介绍如何使用 Python 捕获和显示来自 IP 摄像头的实时视频流。我们将利用 requests 库获取图像 URL,opencv 处理图像,以及 imutils 调整图像大小。最终程序将持续从摄像头获取视频流并在屏幕上显示。 本文结束时,您将掌握实时捕获和显示网络摄像头视频帧的方法,并能根据不同 IP 摄像头流调整设置。
目标
本教程的目标是:
- 使用 HTTP 从 IP 摄像头获取视频帧。
- 使用 OpenCV 处理帧并显示。
- 持续获取摄像头视频流并实时显示图像。
- 创建循环显示流,直到用户按下按键退出。
最终结果是屏幕上显示的实时视频流,按下 Esc 键即可退出。
前提条件
在开始编写代码之前,请确保已安装以下库:
- requests: 发送 HTTP 请求并获取图像数据。
- opencv-python: 处理和显示图像。
- imutils: 简化 OpenCV 使用的一组实用函数。
使用以下命令安装这些库:
pip3 install requests opencv-python imutils
您还需要一台 IP 摄像头或任何通过 HTTP 源流式传输视频的设备(例如,通过端口 8080 上的 MJPEG 流传输的网络摄像头)。
方法
使用手机上的 IP 网络摄像头应用:
- 在手机上下载并安装 IP 网络摄像头应用。 该应用可将您的手机变成 IP 摄像头。
- 确保电脑和手机连接到同一网络。
- 在手机上启动 IP 网络摄像头应用。 点击“启动服务器”按钮。这将启动手机上的相机流。
- URL 将显示在手机屏幕上,例如
http://192.168.0.101:8080/video。您将在 Python 脚本中使用此 URL 获取视频流。 - 在电脑上,在浏览器中打开此 URL 验证相机源是否正常工作。“视频渲染器”部分选择 JavaScript 以在浏览器中渲染流。

现在,我们已设置好摄像头,接下来是 Python 代码。
代码详解
以下是从 IP 摄像头获取并显示视频流的完整 Python 脚本:
import requests import cv2 import numpy as np import imutils # 将以下 URL 替换为您自己的 URL。确保末尾添加 "/shot.jpg"。 url = "http://:8080/shot.jpg" # 示例:url = "http://192.168.0.101:8080/shot.jpg" while True: img_resp = requests.get(url) img_arr = np.array(bytearray(img_resp.content), dtype=np.uint8) img = cv2.imdecode(img_arr, -1) img = imutils.resize(img, width=1000, height=1800) cv2.imshow("android_cam", img) if cv2.waitKey(1) == 27: break cv2.destroyAllWindows()
步骤说明
-
导入库:
requests,cv2,numpy,imutils。 -
设置摄像头 URL: 定义摄像头流的 URL。 请将
替换为您的手机 IP 地址,并确保/shot.jpg部分正确。 -
获取图像:
while True循环持续从 URL 获取图像。 响应内容转换为 NumPy 数组。 -
解码和调整大小:
cv2.imdecode()解码图像,imutils.resize()调整图像大小以适应显示。 -
显示图像:
cv2.imshow()显示图像。 -
退出循环:
cv2.waitKey(1)等待按键,按下 Esc 键 (27) 退出循环。 -
清理:
cv2.destroyAllWindows()关闭 OpenCV 窗口。
如何运行脚本
- 确保您的网络摄像头(或移动设备)已启动并运行。
- 更新脚本中的 URL 指向您的摄像头图像流。
- 将脚本保存为
video.py。 - 使用以下命令运行脚本:
python video.py
视频流将开始在新窗口中显示。
结论
本文成功地实现了一个 Python 脚本,用于从 IP 摄像头获取和显示实时视频流。通过使用 requests、opencv 和 imutils,我们能够轻松处理 HTTP 请求、图像数据并实时显示。该脚本可用于各种应用,例如实时视频监控系统、IP 摄像头与其他 Python 应用集成,以及实时视频流分析或处理。 通过修改脚本,您可以添加更高级的功能,例如运动检测、图像处理和视频流保存。 请记得将占位符 IP 地址替换为您实际的 IP 地址和路径。
好了,本文到此结束,带大家了解了《如何使用 Python 从 IP 摄像机捕获实时视频流》,希望本文对你有所帮助!关注golang学习网公众号,给大家分享更多文章知识!
为什么编码训练营让开发人员失败
- 上一篇
- 为什么编码训练营让开发人员失败
- 下一篇
- 亿航智能与中交信科达成战略合作,计划未来三年开发 200 个低空飞行航站楼
-
- 文章 · python教程 | 16小时前 |
- Python Jinja按模板后缀开启自动转义怎么配置
- 320浏览 收藏
-
- 文章 · python教程 | 16小时前 | Python 模板变量 Jinja StrictUndefined UndefinedError
- Python Jinja StrictUndefined怎样暴露缺失模板变量
- 477浏览 收藏
-
- 文章 · python教程 | 16小时前 | CLI · 命令行 · python · 命令行选项 list[str] Python Typer Typer重复参数 Typer列表参数 list[float]
- Python Typer可重复参数怎样收集为列表
- 157浏览 收藏
-
- 文章 · python教程 | 17小时前 | Python 后台任务 Worker Textual post_message
- Python Textual后台任务怎么把结果送回界面
- 317浏览 收藏
-
- 文章 · python教程 | 17小时前 | 查询优化 · Python explain 查询计划 Polars LazyFrame show_graph
- Python Polars LazyFrame怎样查看查询计划
- 421浏览 收藏
-
- 文章 · python教程 | 17小时前 | 数据校验 · python · Python Pydantic field_validator model_validator 联合约束
- Python Pydantic怎样对多个字段实施联合约束
- 210浏览 收藏
-
- 文章 · python教程 | 17小时前 | Python Pydantic After field_validator before
- Python Pydantic字段校验器before与after怎么选择
- 469浏览 收藏
-
- 前端进阶之JavaScript设计模式
- 设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
- 543次学习
-
- GO语言核心编程课程
- 本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
- 516次学习
-
- 简单聊聊mysql8与网络通信
- 如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
- 500次学习
-
- JavaScript正则表达式基础与实战
- 在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
- 487次学习
-
- 从零制作响应式网站—Grid布局
- 本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
- 485次学习
-
- PubMedQA
- 深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
- 467次使用
-
- H2O EvalGPT
- H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
- 530次使用
-
- LMArena
- LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
- 549次使用
-
- HELM
- 深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
- 498次使用
-
- MMBench
- MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
- 317次使用
-
- Python sqlite3 Connection serialize 怎么导出数据库快照:备份窗口、内存占用与恢复校验
- 2026-08-26 501浏览
-
- Python监控网页状态:requests异常处理实战
- 2026-05-29 501浏览
-
- TensorFlow模型部署为API的TF Serving方法
- 2026-05-26 501浏览
-
- Python字符串编码转换:encode与decode详解
- 2026-05-16 501浏览
-
- TensorFlow裁剪无用算子方法详解
- 2026-05-15 501浏览
