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:
1. 环境准备(Termux 内执行)
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 pillowultralytics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。
2. 授权手机摄像头访问
Termux 需获取摄像头权限,执行以下命令:
termux-camera-photo test.jpg
- 首次执行会弹出权限请求,选择 允许 ;若命令生成
test.jpg文件,说明摄像头授权成功。
3. 运行 YOLO 实时检测代码
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)
4. 启动检测程序
python yolo_camera.py
- 首次运行会自动下载 YOLOv8n 模型(约 6MB);
- 若弹出实时画面并显示目标检测框,说明运行成功。
常见问题排查
- 摄像头无法调用 :
- 执行
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。
- 执行
- 推理卡顿 :
- 改用更小模型(如
yolov8n.pt),或降低分辨率(设为 480x320); - 关闭其他后台程序,Termux 中可执行
renice -n -10 -p $$提升进程优先级。
- 改用更小模型(如
- 缺少依赖报错 :
- 执行
pip install --upgrade ultralytics opencv-python重装库。
- 执行
审核编辑 黄宇
声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。
举报投诉
-
模型
+关注
关注
1文章
3882浏览量
52380 -
目标检测
+关注
关注
0文章
235浏览量
16574
发布评论请先 登录
相关推荐
热点推荐
摄像头系统的"第二层":当视频 AI 不再只读单帧
▌ 引言 对嵌入式和 IoT 工程师来说,摄像头接入 AI 的路径已经相当成熟:IPC 输出 RTSP 流,边缘盒子跑推理,检测结果上传云端或触发本地动作。YOLOv8 轻量化版本在 RK3588
Air8101 + LuatOS 摄像头 RTMP 推流实战教程
Air8101是支持2.4G WIFI6和蓝牙(BLE 5.4)的 WiFi SoC,最大支持 200W 像素的静态图像拍照,支持1024*720分辨率的10寸屏显示,同时兼容DVP/USB摄像头即插即用,支持多路视频
【幸狐Omni3576边缘计算套件试用体验】YOLO26 板端部署
识别、姿态估计、图像分割、图像分类、旋转框检测的项目设计,包括环境部署、模型获取、关键代码、效果演示等。
项目介绍
准备工作:OpenCV 安装、Ultralytics 软件包安装、
发表于 04-19 22:02
摄像头可靠性EMC设计优化
一前言摄像头作为现代电子设备的重要组成部分,已广泛应用于智能手机、安防监控、自动驾驶等领域。详细了解摄像头,不仅有助于我们更好地使用相关设备,也为后续探讨其应用场景和技术优化奠定了基础,并且能快速
米尔RK3576+Hailo-8突破6 TOPS极限,让高帧率摄像头真正“实时”
in streaming mode (average) = 3.07729 W
(max) = 3.13305 W
7毫秒的推理延迟意味着:即使是 120fps的高速摄像头 ,系统也能轻松应对,做到逐帧实时处理
发表于 04-02 18:03
YOLO5目标检测方案-基于米尔RK3576开发板
实时性:完成从摄像头采集→NPU推理→屏幕显示的完整流程,耗时不超过摄像头一帧的时间。
输入/输出:尽可能提高摄像头
发表于 01-22 19:21
如何在大核rtt上把kd_mpi_vicap_start_stream三个摄像头各自出的流拼成一个流呢?
我要3个摄像头在同一个画面,目前vi采集部分跑的配置摄像头各自出的流就已经是960*540,最后启动kd_mpi_vicap_start_stream。
四宫格排列刚好是1080p,就
发表于 09-09 07:20
【EASY EAI Orin Nano开发板试用体验】使用stream推流代码和WEB服务器代码实现在客户端网页上查看摄像头图像
重点。在嵌入式系统中,对摄像头图像的推流可以用两种方式,第一种是直接使用液晶显示屏显示摄像头图像,第二种就是在WEB服务器网页上推
发表于 08-11 23:15
360环视技术推荐的硬件平台:支持多摄像头与三屏异显的理想选择
硬件平台选型360环视的落地并不简单。它不仅需要多个高清摄像头的数据输入,还需要稳定的图像处理能力、强大的AI推理能力,以及足够多的视频输出接口支持显示需求。很多开发者在选型时会遇到一
发表于 07-30 17:32
【正点原子STM32MP257开发板试用】基于 DeepLab 模型的图像分割
== \'__main__\':
main()
效果
USB 摄像头采集实时画面的图像分割推理效果
终端打印信息
动态识别效果见顶部视频
发表于 06-21 21:11
K230micropython下能实现同时用USB摄像头和板载摄像头YOLO识别并显示在IDE上吗?
K230micropython下能实现同时用USB摄像头和板载摄像头YOLO识别并显示在IDE上吗?以及如何提高USB进行YOLO识别的帧数?
发表于 06-20 06:35
usb摄像头输入的图像,哪种格式才能让yolo正常检测?
= yolo.run(img)这一步会导致系统卡死,应该是图片格式不符合
yolo用的自训练yolov11模型,使用默认的板载摄像头没有问题。
软硬件版本信息
立创庐山派CANMV
发表于 06-13 07:55
Termux手机摄像头采集图像/视频流 部署 YOLO 模型推理
评论