# 网络图像推流图传模板（OpenCV_Flask_高刷FPS方法）

**Repository Path**: Mike_Zhou_Admin/CV_Web

## Basic Information

- **Project Name**: 网络图像推流图传模板（OpenCV_Flask_高刷FPS方法）
- **Description**: 网络图像推流项目模板（采用OpenCV和Flask来进行网络图像推流的低延迟高刷FPS方法）
- **Primary Language**: Python
- **License**: AGPL-3.0
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 2
- **Forks**: 2
- **Created**: 2024-01-25
- **Last Updated**: 2025-07-11

## Categories & Tags

**Categories**: Uncategorized

**Tags**: OpenCV, Flask, 网络图像推流

## README

【Python】采用OpenCV和Flask来进行网络图像推流的低延迟高刷FPS方法（项目模板）

更新了在Linux图传文件夹，主要用于Linux设备上的摄像头优先检测方法，以及时间戳图传

原文：
[【Python】采用OpenCV和Flask来进行网络图像推流的低延迟高刷FPS方法（项目模板）](https://blog.csdn.net/weixin_53403301/article/details/135856115)

前文：
[【最简改进】基于OpenCV-Python+Flask的人脸检测网络摄像头图像输出（将本地图像转为网络URL地址，可输出带识别框的图像）](https://blog.csdn.net/weixin_53403301/article/details/124030457)

@[toc]
# 高刷方式
首先 在前文中 我们用OpenCV获取的图像转为bytes类型 然后发送给flask端网页进行图像推流 但由于OpenCV和网络部分都会占用系统资源 所以FPS不高 亦或是延迟较高
尤其是在树莓派等系统资源不够多的系统上运行时 延时非常明显
另外 还可能进行人脸识别、手势识别等功能 所以延迟进一步提高
但采用多线程的方式 可以在以上满足所有条件的情况下 将延时控制在150ms内 切FPS能达到30
![在这里插入图片描述](https://img-blog.csdnimg.cn/direct/2d898110e40542b89cb6773f543ea808.png)
以上还是手机端浏览效果 服务端是由树莓派本身建立的
手机用的自带的浏览器 本身就有一定延迟
# 网络线程
网络线程其实就一个 就是flask的app.run函数
```python
def start_server():
    web_app.run(host='0.0.0.0', port=local_post)
    
thread_send = threading.Thread(target=start_server)
thread_send.setDaemon(True)
thread_send.start() 
```
而图像推流依靠以下函数：

```python
def send_img():
    global cam_img
    global pause_all_flag
    while pause_all_flag == 0:
        image = cv2.imencode('.jpg', cam_img)[1].tobytes()
        yield (b'--frame\r\n'
               b'Content-Type: image/jpeg\r\n\r\n' + image + b'\r\n')
        if pause_all_flag == 1:
            break
    return 


@web_app.route('/video_feed')
def video_feed():
    return Response(send_img(), mimetype='multipart/x-mixed-replace; boundary=frame')
```
另外 表单提取和推送也很简单

```python
@web_app.route('/', methods=['GET', 'POST'])
def index():  
    global kill_all_flag
    global pause_all_flag
    global command_str
    
    if request.method == 'POST':
        command_str = str(request.form.get('WEB_COMMAND'))
        
        if kill_all_flag == 0 and pause_all_flag == 0:
            command_jugg()
        elif kill_all_flag == 0 and pause_all_flag == 1:
            print(command_str)
            if command_str == "继续程序":
                pause_all_flag = 0
                print("Continue")
            else:
                print("程序已暂停，继续请按键")
        else:
            print("程序已终止，请重启程序")
            
    now_today = time.time()
    time_hour = time.localtime(now_today).tm_hour
    time_min = time.localtime(now_today).tm_min
        
    if time_hour < 10:
        time_hour = "0"+str(time_hour)
    if time_min < 10:
        time_min = "0"+str(time_min)
    local_time_str = str(time.localtime(now_today).tm_year)+"-"+str(time.localtime(now_today).tm_mon)+"-"+str(time.localtime(now_today).tm_mday)+" "+str(time_hour)+":"+str(time_min)
                
    data = {
        '当前时间：': [ local_time_str]
        }
        
    return render_template('index.html',data_dict=data)
```
这三个部分其实是共用一个线程的
# 视频线程
视频线程的话 如果有检测、识别等部分 可以单独列一个线程 这里推荐使用最纯粹的视频获取线程作为一个单独的线程：
这里我是放在主线程里
```python
def img_main():
    global pause_all_flag
    global kill_all_flag
    global cam_img 
    
    while True:
        time.sleep(0.1)
        while pause_all_flag==0:
            cam_img = cv2.flip(cv2_cap.read()[1],1)
            cv2.imshow("http://"+local_ip+":"+str(local_post)+"/ (img: video_feed)",cam_img)
            # 展示图像            
            if pause_all_flag == 1:
                pause_all_flag = 1
                print("暂停程序")
                cv2.destroyAllWindows()
                break
            if cv2.waitKey(10) == 27:   # 通过esc键退出摄像
                kill_all_flag = 1
                pause_all_flag = 1
                print("结束程序")
                cv2.destroyAllWindows()
                break
        if kill_all_flag == 1:
            break
    cv2_cap.release()
    print("全部退出")
    return 
```
几乎是感觉不到延迟的：
![在这里插入图片描述](https://img-blog.csdnimg.cn/direct/160937e2423c4033b99ffb4d1054d8d8.png)