文章目录

• 前言：
• 一．先对Fedora镜像源进行一次更新
• • 1.如果在配置好后，获取 GPG 密钥失败：[Errno 14] curl#37 - "Couldn't open file /etc/pki/rpm-gpg/RPM-GPG-KEY-EPEL-7"
  • 2.如果安装包时出现：
• 二.配置nginx和rtmp
• 三.配置FFmpeg
• 四.在局域网内进行推流拉流
• • 1.推流
  • 2.拉流
  • 3.查看链接摄像头号：
• 五.fedora进行opencv3.2配置

前言：

最近做的一个项目需要使用arm开发板调用摄像头获取图片数据发送到后端，由于开发板是fedora系统，所以踩了不少坑。特此记录下来。

一．先对Fedora镜像源进行一次更新

https://blog.csdn.net/qq_30910355/article/details/119106776

1.如果在配置好后，获取 GPG 密钥失败：[Errno 14] curl#37 - “Couldn’t open file /etc/pki/rpm-gpg/RPM-GPG-KEY-EPEL-7”

https://blog.csdn.net/who__are__you_/article/details/82628390

2.如果安装包时出现：

$ dnf install xxx
$ Error: Failed to synchronize cache for repo

https://blog.csdn.net/l1175832366/article/details/104175396

二.配置nginx和rtmp

https://blog.csdn.net/heng615975867/article/details/80519274
配置完成后，把下载目录里面的nginx-rtmp-module-master移到/usr/local/nginx中，因为可能没有移过去

三.配置FFmpeg

https://blog.csdn.net/weixin_30539625/article/details/98516616
安装完之后可能需要添加环境变量：

vim /etc/profile

添加一行

export PATH=/usr/local/ffmpeg/bin/:$PATH\

刷新环境

souce /etc/profile

四.在局域网内进行推流拉流

1.推流

将里面的地址修改成你要推流的地址

rtmpUrl = "rtmp://139.159.142.192:1935/live/1"

如果想要调用摄像头的参数设为0显示找不到摄像头，就参考下面的查找本机摄像头序号。因为我用的是AI开发板，所以直接输入0可能调用不了。

vid = cv2.VideoCapture(r"/usr/local/web/studey/mysite/chat/video/4.mp4")

import cv2
import queue
import os
import numpy as np
from threading import Thread
import datetime, _thread
import subprocess as sp
from time import  *
 
# 使用线程锁，防止线程死锁
mutex = _thread.allocate_lock()
# 存图片的队列
frame_queue = queue.Queue()
# 推流的地址，前端通过这个地址拉流，主机的IP，2019是ffmpeg在nginx中设置的端口号
rtmpUrl = "rtmp://139.159.142.192:1935/live/1"
 
# 用于推流的配置,参数比较多，可网上查询理解
command = ['ffmpeg',
           '-y',
           '-f', 'rawvideo',
           '-vcodec', 'rawvideo',
           '-pix_fmt', 'bgr24',
           '-s', "{}x{}".format(640, 480),  # 图片分辨率
           '-r', str(25.0),  # 视频帧率
           '-i', '-',
           '-c:v', 'libx264',
           '-pix_fmt', 'yuv420p',
           '-preset', 'ultrafast',
           '-f', 'flv',
           rtmpUrl]
 
 
def Video():
    # 调用相机拍图的函数
    vid = cv2.VideoCapture(r"/usr/local/web/studey/mysite/chat/video/4.mp4")
    if not vid.isOpened():
        raise IOError("Couldn't open webcam or video")
    while (vid.isOpened()):
        return_value, frame = vid.read()
        # 原始图片推入队列中
        frame_queue.put(frame)
 
 
def push_frame():
    # 推流函数
    accum_time = 0
    curr_fps = 0
    fps = "FPS: ??"
    prev_time = time()
 
    # 防止多线程时 command 未被设置
    while True:
        if len(command) > 0:
            # 管道配置，其中用到管道
            p = sp.Popen(command, stdin=sp.PIPE)
            break
 
    while True:
        if frame_queue.empty() != True:
            # 从队列中取出图片
            frame = frame_queue.get()
            # curr_time = timer()
            # exec_time = curr_time - prev_time
            # prev_time = curr_time
            # accum_time = accum_time + exec_time
            # curr_fps = curr_fps + 1
 
            # process frame
            # 你处理图片的代码
            # 将图片从队列中取出来做处理，然后再通过管道推送到服务器上
            # 增加画面帧率
            # if accum_time > 1:
            # accum_time = accum_time - 1
            # fps = "FPS: " + str(curr_fps)
            # curr_fps = 0
 
            # write to pipe
            # 将处理后的图片通过管道推送到服务器上,image是处理后的图片
            p.stdin.write(frame.tostring())
 
 
def run():
    # 使用两个线程处理
    thread1 = Thread(target=Video, )
    thread1.start()
    thread2 = Thread(target=push_frame, )
    thread2.start()
 
if __name__ == '__main__':
    run()

2.拉流

拉流使用你的推流地址

vid = cv2.VideoCapture("你的推流地址")

3.查看链接摄像头号：

https://blog.csdn.net/weixin_44345862/article/details/91047938?ops_request_misc=&request_id=&biz_id=102&utm_term=%E6%9F%A5%E7%9C%8B%E8%BF%9E%E6%8E%A5%E6%91%84%E5%83%8F%E5%A4%B4%E5%8F%B7&utm_medium=distribute.pc_search_result.none-task-blog-2_allsobaiduweb~default-0-91047938.nonecase&spm=1018.2226.3001.4187

五.fedora进行opencv3.2配置

https://blog.csdn.net/keith_bb/article/details/54172899?spm=1001.2101.3001.6650.2&utm_medium=distribute.pc_relevant.none-task-blog-2%7Edefault%7EOPENSEARCH%7Edefault-2.tagcolumn&depth_1-utm_source=distribute.pc_relevant.none-task-blog-2%7Edefault%7EOPENSEARCH%7Edefault-2.tagcolumn