RTSP to HLS Stream with YOLOv11

这是一个基于Flask的Web应用项目，可以接收RTSP视频流，使用YOLOv11进行实时目标检测，并将处理后的视频转换为HLS格式进行流式传输。

功能特点

• 接收RTSP视频流并进行实时处理
• 使用YOLOv11进行目标检测
• 支持动态切换不同的YOLOv11模型
• 可调整检测参数（置信度、IOU阈值、线宽）
• 将处理后的视频转换为HLS格式进行流式传输
• 通过Web界面控制和查看视频流

系统要求

• Python 3.8+
• NVIDIA GPU (推荐用于加速检测)
• CUDA和cuDNN (用于GPU加速)
• FFmpeg (用于视频转换)

安装指南

1. 克隆仓库

git clone https://github.com/shnulaa/yolo11-web
cd yolo11-web

2. 创建虚拟环境（可选但推荐）

conda create -n yolo11-web python=3.10
conda activate yolo11-web

3. 安装依赖

pip install -r [requirements.txt](requirements.txt)

4. 安装FFmpeg

Ubuntu/Debian:

sudo apt update
sudo apt install ffmpeg

CentOS/RHEL:

sudo yum install ffmpeg ffmpeg-devel

Windows:

从FFmpeg官网下载并安装，确保将FFmpeg添加到系统PATH中。

macOS:

brew install ffmpeg

5. 准备YOLOv11模型

在项目根目录下创建weights文件夹，并将YOLOv11模型文件（.pt格式）放入该文件夹中。

mkdir -p weights
# 将YOLOv11模型文件放入weights文件夹

使用方法

1. 启动应用

python app.py

应用将在http://localhost:5000上运行。

2. 使用Web界面

1. 在浏览器中打开http://localhost:5000
2. 在RTSP URL输入框中输入RTSP流地址
3. 点击"启动流"按钮开始处理视频流
4. 调整检测参数（置信度、IOU阈值、线宽、帧率）并点击"更新参数"应用更改
5. 从下拉菜单中选择不同的YOLOv11模型并点击"切换"切换模型
6. 点击"停止流"停止视频流处理

项目结构

yolo11-web/
├── [app.py](app.py)                # 主应用程序
├── templates/            # HTML模板
│   └── [index.html](templates/index.html)        # Web界面
├── hls/                  # HLS流文件目录（自动创建）
├── weights/              # YOLOv11模型目录
├── [Dockerfile](Dockerfile)            # Docker构建文件
├── requirements.txt      # 项目依赖
└── README.md             # 项目说明

使用Docker部署

本项目提供了完整的Docker支持，可以轻松部署到任何支持Docker和NVIDIA GPU的环境中。

前提条件

1. 安装Docker：Docker安装指南
2. 安装NVIDIA Container Toolkit：安装指南
3. 确保您的系统上有可用的NVIDIA GPU

1. 构建Docker镜像

在项目根目录下执行以下命令构建Docker镜像：

docker build -t yolo11-web .

这将创建一个名为yolo11-web的Docker镜像，包含所有必要的依赖。

2. 运行Docker容器

基本运行方式

docker run -d \
  --name yolo11-web \
  --gpus all \
  -p 5000:5000 \
  -v $(pwd)/weights:/app/weights \
  -v $(pwd)/hls:/app/hls \
  yolo11-web

参数说明

• -d: 在后台运行容器
• --name yolo11-web: 指定容器名称
• --gpus all: 允许容器访问所有GPU
• -p 5000:5000: 将容器的5000端口映射到主机的5000端口
• -v $(pwd)/weights:/app/weights: 挂载模型目录
• -v $(pwd)/hls:/app/hls: 挂载HLS流文件目录

生产环境配置

对于生产环境，建议添加自动重启策略：

docker run -d \
  --name yolo11-web \
  --gpus all \
  -p 5000:5000 \
  -v $(pwd)/weights:/app/weights \
  -v $(pwd)/hls:/app/hls \
  --restart unless-stopped \
  yolo11-web

3. 查看容器日志

docker logs -f yolo11-web

4. 停止和删除容器

# 停止容器
docker stop yolo11-web

# 删除容器
docker rm yolo11-web

5. 更新容器

当您对代码进行更改后，需要重新构建镜像并更新容器：

# 重新构建镜像
docker build -t yolo11-web .

# 停止并删除旧容器
docker stop yolo11-web
docker rm yolo11-web

# 启动新容器
docker run -d \
  --name yolo11-web \
  --gpus all \
  -p 5000:5000 \
  -v $(pwd)/weights:/app/weights \
  -v $(pwd)/hls:/app/hls \
  --restart unless-stopped \
  yolo11-web

6. Docker Compose (可选)

如果您使用Docker Compose，可以创建一个docker-compose.yml文件：

version: '3'
services:
  yolo11-web:
    build: .
    container_name: yolo11-web
    ports:
      - "5000:5000"
    volumes:
      - ./weights:/app/weights
      - ./hls:/app/hls
    restart: unless-stopped
    deploy:
      resources:
        reservations:
          devices:
            - driver: nvidia
              count: all
              capabilities: [gpu]

然后使用以下命令启动服务：

docker-compose up -d

常见问题

1. 无法连接到RTSP流

   • 确保RTSP URL格式正确
   • 检查网络连接和防火墙设置
   • 验证RTSP服务器是否正常运行

2. 检测性能较慢

   • 确保使用GPU加速
   • 尝试降低视频分辨率
   • 调整检测参数（提高置信度阈值）
   • 调整帧率参数

3. FFmpeg错误

   • 确保FFmpeg正确安装
   • 检查FFmpeg版本是否支持所需功能
   • 查看应用日志获取详细错误信息

4. Docker相关问题

   • 确保NVIDIA Container Toolkit正确安装
   • 检查GPU驱动版本是否与CUDA版本兼容
   • 使用docker logs查看容器日志以获取详细错误信息

许可证

MIT License

贡献

欢迎提交问题和拉取请求！