Программа распознавания человека

класс PeopleTracker:

 hog = cv2.HOGDescriptor()
caps = cv2.VideoCapture(r'C:/Users/Emyr/Documents/Jupyter/pedestrian-detection/video/Ped4.MOV')
count = int(caps.get(cv2.CAP_PROP_FRAME_COUNT))
center = []
recCount = 0
pick = 0
#          Red       Yellow      Blue      Green     Purple 
colors = [(255,0,0),(255,255,0),(0,0,255),(0,128,0),(128,0,128)]

def BBoxes(self, frame):
    #frame = imutils.resize(frame, width = min(frame.shape[0], frame.shape[1]))
    frame = imutils.resize(frame, width= 1000,height = 1000)

    # detect people in the image
    (rects, weights) = self.hog.detectMultiScale(frame, winStride=(1,1), padding=(3, 3), scale=0.5)
    
    # apply non-maxima suppression to the bounding boxes using a
    # fairly large overlap threshold to try to maintain overlapping
    # boxes that are still people
    
    rects = np.array([[x, y, x   w, y   h] for (x, y, w, h) in rects])
    
    self.pick = non_max_suppression(rects, probs=None, overlapThresh=0.7)

    # draw the final bounding boxes
    self.recCount  = 0
    
    for (xA, yA, xB, yB) in self.pick:
      
        #cv2.rectangle(frame, (xA, yA), (xB, yB), (0, 255, 0), 2)
        
        CentxPos = int((xA   xB)/2)
        CentyPos = int((yA   yB)/2)
    
        cv2.circle(frame,(CentxPos, CentyPos), 5, (0,255,0), -1)
        self.recCount  = 1
        
        if len(rects) >1:
               self.center.append([CentxPos, CentyPos])
      

    return frame


def Clustering(self, frame):
    
    db = DBSCAN(eps= 70, min_samples = 2).fit(self.center)
    
    labels = db.labels_
    
    # Number of clusters in labels, ignoring noise if present.
    n_clusters_ = len(set(labels)) - (1 if -1 in labels else 0)
    n_noise_ = list(labels).count(-1)
    #print("Labels: ", labels)
    # Black removed and is used for noise instead.
    unique_labels = set(labels)
    #print("Unique Labels: ", unique_labels)
    
    #colors = plt.cm.rainbow(np.linspace(0, 255, len(unique_labels)))

    #colors = [(random.randint(0, 255), random.randint(0, 255), random.randint(0, 255)) for k in range(len(unique_labels)) ]
    
    #print(self.colors)
    
    i = 0
    
    for (xA, yA, xB, yB) in self.pick:
        
        if labels[i] == -1:
            cv2.rectangle(frame, (xA, yA), (xB, yB), (0, 0, 0), 2)
            i  = 1
        else:
          
            cv2.rectangle(frame, (xA, yA), (xB, yB), (self.colors[labels[i]][0], self.colors[labels[i]][1], self.colors[labels[i]][2]), 2)
            i  = 1
    
    
    #print("Colours: ", colors)
    center = np.asarray(self.center)
    
    #fig, ax = plt.subplots()
        
    #ax.set_xlim(0,frame.shape[1])
    #ax.set_ylim(frame.shape[0], 0)
    
    #for k, col in zip(unique_labels, colors):
        
        #if k == -1:
             #Black used for noise.
             #col = [0, 0, 0, 1]

        #class_member_mask = (labels == k)
        #xy = center[class_member_mask]
        #plt.plot(xy[:, 0], xy[:, 1], 'o', markerfacecolor=tuple(col), markeredgecolor='k', markersize=8)
    
 

def main():

 PT = PeopleTracker()
PT.hog.setSVMDetector(cv2.HOGDescriptor_getDefaultPeopleDetector())

    

while PT.count > 1:

    PT.center = []

    ret, frame = PT.caps.read()

    frame = PT.BBoxes(frame)

    if PT.recCount >= 2:

        PT.Clustering(frame)
        

        #plt.title('Estimated number of clusters: %d' % n_clusters_)
        #plt.show()   
        cv2.imshow("Tracker", frame)
        cv2.waitKey(1)
        #cv2.destroyAllWindows()
        PT.count = PT.count - 1

    else:
        
        cv2.imshow("Tracker", frame)
        cv2.waitKey(1)
        #cv2.destroyAllWindows()
        PT.count = PT.count - 1
 

Код, который у меня сейчас есть, отображает поток существующего видео распознавания человека в окне (как показано на рисунке в ссылке), если возможно, мне было интересно, есть ли способ, которым я могу отправить этот видеопоток на веб-сайт, который я разрабатываю, вместо использования окна?

Заранее благодарю вас 🙂

У меня он работает наполовину, в итоге я использовал flask, но проблема в том, что я показываю исходное видео, а не то, которое было создано opencv. мне было интересно, есть ли у кого-нибудь идеи о том, как я мог бы реализовать предыдущий код в этом? и используйте переменную «frame» для видеопотока

 from flask import Flask, render_template, Response
import cv2
import sys
import numpy

app = Flask(__name__)

@app.route('/')
def index():
    return render_template('index.html')

def gen():
    i=1
    while i < 10:
        yield (b'--framern'b'Content-Type: text/plainrnrn' str(i) b'rn')
        i =1

def get_frame():
    ramp_frames=100

    camera=cv2.VideoCapture('IMG_2649.MOV')

    i=1
    while True:
        retval, im = camera.read()
        imgencode=cv2.imencode('.jpg',im)[1]
        stringData=imgencode.tostring()
        yield (b'--framern'
            b'Content-Type: text/plainrnrn' stringData b'rn')
        i =1

    del(camera)

@app.route('/calc')
def calc():
     return Response(get_frame(),mimetype='multipart/x-mixed-replace; boundary=frame')


if __name__ == '__main__':
    app.run(host='localhost', debug=True, threaded=True)
 

HTML — код

    <html>
      <head>
        <title>Video Streaming Demonstration</title>
      </head>
      <body>
        <h1>Video Streaming Demonstration</h1>
        <img src="{{ url_for('calc') }}">
        <!-- <h1>{{ url_for('calc') }}</h1> -->
      </body>
    </html>