Как установить OpenCV в Python и создать умную камеру

В этой инструкции создадим рабочую умную камеру на Python: OpenCV получит изображение с веб-камеры, обнаружит движение, прочитает QR-код и сохранит кадр события. В конце разберём подключение RTSP-камеры и обученной модели YOLO.

Актуально на 22 июня 2026 года. Команды проверены по карточке opencv-python и официальным руководствам OpenCV по работе с видео, вычитанию фона и QRCodeDetector. На дату статьи стабильный пакет в PyPI — 4.13.0.92.

Что получится

• окно с живым изображением и FPS;
• рамки вокруг крупных движущихся областей;
• чтение QR-кода без отдельного облачного сервиса;
• снимок в папке events не чаще одного раза в пять секунд;
• понятная основа для IP-камеры или YOLO.

Что понадобится

• Python и веб-камера либо тестовый видеофайл;
• Windows, macOS или Linux;
• около 500 МБ свободного места с запасом;
• разрешение операционной системы на доступ к камере.

OpenCV может обрабатывать изображение локально. Это не отменяет требований к приватности: не снимайте людей без законного основания и не публикуйте RTSP-адрес, логин или пароль.

Шаг 1. Создайте проект и виртуальное окружение

macOS и Linux:

mkdir opencv-smart-camera
cd opencv-smart-camera
python3 -m venv .venv
source .venv/bin/activate

Windows PowerShell:

mkdir opencv-smart-camera
cd opencv-smart-camera
py -m venv .venv
.venv\Scripts\Activate.ps1

Шаг 2. Установите OpenCV

python -m pip install --upgrade pip
python -m pip install opencv-python
python -c "import cv2; print(cv2.__version__)"

Устанавливайте только один вариант OpenCV в одном окружении. Для сервера без окон и без cv2.imshow() используйте opencv-python-headless. Дополнительные модули находятся в opencv-contrib-python; одновременно с обычным пакетом его ставить не следует.

Шаг 3. Проверьте доступ к камере

import cv2

camera = cv2.VideoCapture(0)
if not camera.isOpened():
    raise SystemExit("Cannot open camera")

while True:
    ok, frame = camera.read()
    if not ok:
        break
    cv2.imshow("Camera test", frame)
    if cv2.waitKey(1) & 0xFF == ord("q"):
        break

camera.release()
cv2.destroyAllWindows()

Сохраните код как camera_test.py и выполните python camera_test.py. Если камера не открылась, закройте Zoom и другие программы, проверьте системное разрешение и попробуйте индекс 1.

Шаг 4. Как определяется движение

createBackgroundSubtractorMOG2() строит модель неподвижного фона. Текущий кадр сравнивается с этой моделью, затем бинарная маска очищается морфологическими операциями. Контуры меньше MIN_AREA отбрасываются как шум. Первые секунды после запуска модель адаптируется, поэтому ложные рамки в начале ожидаемы.

Шаг 5. Создайте полный скрипт умной камеры

Создайте smart_camera.py:

from datetime import datetime
from pathlib import Path
import time
import cv2
import numpy as np

CAMERA_SOURCE = 0
MIN_AREA = 2500
SAVE_COOLDOWN = 5.0
OUTPUT_DIR = Path("events")
OUTPUT_DIR.mkdir(exist_ok=True)

camera = cv2.VideoCapture(CAMERA_SOURCE)
if not camera.isOpened():
    raise SystemExit("Cannot open camera")

motion_model = cv2.createBackgroundSubtractorMOG2(
    history=500, varThreshold=36, detectShadows=True
)
qr_detector = cv2.QRCodeDetector()
kernel = np.ones((3, 3), dtype=np.uint8)
last_saved_at = 0.0
previous_tick = time.perf_counter()

try:
    while True:
        ok, frame = camera.read()
        if not ok:
            break

        height, width = frame.shape[:2]
        target_width = min(960, width)
        scale = target_width / width
        frame = cv2.resize(frame, (target_width, int(height * scale)))

        mask = motion_model.apply(frame)
        _, mask = cv2.threshold(mask, 200, 255, cv2.THRESH_BINARY)
        mask = cv2.morphologyEx(mask, cv2.MORPH_OPEN, kernel, iterations=2)
        mask = cv2.dilate(mask, kernel, iterations=2)

        motion = False
        contours, _ = cv2.findContours(
            mask, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE
        )
        for contour in contours:
            if cv2.contourArea(contour) < MIN_AREA:
                continue
            x, y, w, h = cv2.boundingRect(contour)
            cv2.rectangle(frame, (x, y), (x + w, y + h), (0, 220, 180), 2)
            motion = True

        qr_text, qr_points, _ = qr_detector.detectAndDecode(frame)
        if qr_text and qr_points is not None:
            points = qr_points.astype(int).reshape(-1, 2)
            cv2.polylines(frame, [points], True, (0, 210, 255), 3)
            cv2.putText(frame, f"QR: {qr_text[:40]}", (20, 70),
                        cv2.FONT_HERSHEY_SIMPLEX, 0.7, (0, 210, 255), 2)

        now = time.monotonic()
        if motion and now - last_saved_at >= SAVE_COOLDOWN:
            name = datetime.now().strftime("event_%Y%m%d_%H%M%S.jpg")
            cv2.imwrite(str(OUTPUT_DIR / name), frame)
            last_saved_at = now

        tick = time.perf_counter()
        fps = 1.0 / max(tick - previous_tick, 1e-6)
        previous_tick = tick
        status = "MOTION" if motion else "READY"
        cv2.putText(frame, f"{status} | FPS {fps:.1f}", (20, 35),
                    cv2.FONT_HERSHEY_SIMPLEX, 0.8, (0, 220, 180), 2)
        cv2.imshow("OpenCV smart camera", frame)
        if cv2.waitKey(1) & 0xFF == ord("q"):
            break
finally:
    camera.release()
    cv2.destroyAllWindows()

Шаг 6. Запустите и настройте чувствительность

python smart_camera.py

• MIN_AREA увеличьте, если камера реагирует на мелкие тени;
• varThreshold увеличьте при шумной картинке;
• SAVE_COOLDOWN задаёт минимальную паузу между снимками;
• нажмите Q, чтобы корректно освободить камеру.

Шаг 7. Подключите видео или RTSP-камеру

Вместо индекса веб-камеры можно указать файл:

CAMERA_SOURCE = "video.mp4"

Или RTSP-адрес, выданный производителем камеры:

CAMERA_SOURCE = "rtsp://USER:PASSWORD@CAMERA_IP:554/STREAM_PATH"

Не вставляйте реальный пароль в Git и скриншоты. Храните секрет отдельно, ограничьте доступ к камере локальной сетью и не пробрасывайте RTSP-порт напрямую в интернет.

Шаг 8. Подключите YOLO26

Если нужно различать человека, автомобиль или собственные классы, установите Ultralytics и загрузите обученный best.pt:

python -m pip install ultralytics

from ultralytics import YOLO

model = YOLO("best.pt")
results = model.predict(frame, conf=0.35, verbose=False)
annotated_frame = results[0].plot()

Такой блок помещают после чтения кадра. Для начала запускайте нейросеть на каждом втором или третьем кадре: это уменьшит нагрузку. Полное обучение модели разобрано в отдельной инструкции по YOLO26.

Частые ошибки

• Камера не открывается: проверьте разрешения ОС, индекс и занявшие камеру приложения.
• Нет окна на сервере: headless-пакет не поддерживает imshow; сохраняйте кадры или передавайте их через веб-интерфейс.
• Слишком много событий: увеличьте MIN_AREA и SAVE_COOLDOWN.
• Видео не записывается: контейнер, FourCC и доступный кодек должны быть совместимы.
• QR не читается: улучшите освещение, приблизьте код и избегайте бликов.

FAQ

Нужна ли видеокарта?

Для движения и QR-кодов — нет. GPU становится важнее при подключении тяжёлой нейросети.

Почему пакет называется opencv-python, а импорт cv2?

opencv-python — имя пакета в PyPI, а cv2 — историческое имя Python-модуля.

Можно ли запускать на Raspberry Pi?

Да, но совместимость готового wheel и скорость зависят от архитектуры, ОС и камеры. Уменьшайте разрешение и частоту обработки.

Вывод

OpenCV позволяет собрать полезный прототип без облачного сервиса: получить видеопоток, выделить движение, прочитать QR-код и сохранить событие. Сначала добейтесь стабильной работы с веб-камерой, затем подключайте RTSP и YOLO по одному — так проще найти источник ошибки.

Обложка создана генеративной моделью. Пошаговые изображения являются обезличенными демонстрационными схемами и не содержат реальных адресов камер, учётных данных или персональной информации.