pip install streamlit

streamlit run 파일명.py

import streamlit as st # 웹앱 만드는 도구 (코드 → 웹화면) from ultralytics import YOLO # 사물 찾는 AI 라이브러리 import cv2 # 영상·이미지 처리 도구 (OpenCV) # 1. Streamlit 페이지 기본 설정 — 웹 화면 모양 결정 st.set_page_config(layout="wide") # 화면을 가로로 넓게 사용 (꼭 코드 맨 위) st.title("YOLO 실시간 CCTV 탐지") # 페이지 맨 위에 큰 제목 표시 # 2. 영상 출력용 공간 설정 — 영상이 들어갈 빈 액자 준비 frame_placeholder = st.empty() # 사진을 계속 갈아끼울 자리 (placeholder) # 3. CCTV 비디오 스트림 연결 — 인터넷 CCTV 카메라 접속 cap = cv2.VideoCapture("http://210.99.70.120:1935/live/cctv013.stream/playlist.m3u8") # 4. 모델 로드 — 사물 인식 AI 두뇌 불러오기 model = YOLO("yolo11n.pt") # yolo11n.pt = 이미 학습된 AI 파일 # 5. 비디오 프레임 처리 — CCTV 영상을 한 장씩 분석 반복 while cap.isOpened(): # CCTV 연결되어 있는 동안 계속 반복 success, frame = cap.read() # 영상에서 사진 한 장 가져오기 if not success: # 사진 못 가져오면 print("프레임 읽기 실패") st.warning("프레임 읽기 실패(Streamlit)") break # 반복 멈추기 # 5-1. 모델로 객체 탐지 수행 — AI에게 사진 보여주고 분석 요청 results = model(frame) # 5-2. 탐지 결과를 이미지에 시각화 — 찾은 사물에 네모 박스 그리기 annotated_frame = results[0].plot() # 5-3. Streamlit placeholder에 프레임 갱신 — 빈 액자에 결과 사진 표시 frame_placeholder.image(annotated_frame, channels="BGR") # BGR = OpenCV 색 순서 # 6. 자원 해제 — 끝나면 카메라·창 닫기 (메모리 정리) cap.release() # CCTV 연결 끊기 cv2.destroyAllWindows() # 열린 창 모두 정리

import streamlit as st # 웹앱 도구 from ultralytics import YOLO # 사물 찾는 AI import cv2 # 영상 처리 도구 import pandas as pd # 표(엑셀 같은) 만드는 도구 import plotly.express as px # 그래프 그리는 도구 (pip install plotly) import time # 시간 측정용 # 1. 화면 구성 — 화면을 좌·우 2칸으로 분할 # 좌/우 2개 컬럼 생성 col1, col2 = st.columns(2) # 같은 너비 두 칸 만들기 with col1: # 왼쪽 칸에는 frame_placeholder = st.empty() # 왼쪽 컬럼 : YOLO 프레임 표시용 빈 영역 with col2: # 오른쪽 칸에는 chart_placeholder = st.empty() # 오른쪽 컬럼 : 객체 수 그래프 표시용 빈 영역 # 2. 비디오 경로 설정 — CCTV 주소 연결 cap = cv2.VideoCapture("http://210.99.70.120:1935/live/cctv013.stream/playlist.m3u8") # 3. 모델 로드 — AI 두뇌 불러오기 (캐시로 1회만 로드) @st.cache_resource # 모델·DB 같은 무거운 자원 캐싱 (재실행해도 1번만 로드) def load_model(): return YOLO("yolo11n.pt") # 캐시 안 쓰면 화면 조작으로 스크립트가 재실행될 때마다 모델 새로 읽음 → 느림 model = load_model() # 두 번째 호출부터는 캐시에서 즉시 반환 # 4. 비디오 프레임 처리 — 영상 한 장씩 분석 + 그래프 동시 갱신 while cap.isOpened(): success, frame = cap.read() if not success: st.warning("CCTV FRAME ERROR") break # 4-1. YOLO 모델 객체 탐지 수행 — AI한테 사진 보여주기 results = model(frame) # 4-2. 탐지 결과가 그려진 프레임 이미지 생성 — 네모 박스 그리기 annoated_frame = results[0].plot() # 4-3. 탐지된 객체의 클래스 이름 추출 — "사람"·"차" 이름 모으기 labels = [model.names[int(c)] for c in results[0].boxes.cls] # 4-4. 탐지 객체 수 시각화 — 종류별 개수 세서 막대 그래프 만들기 if labels: # 뭔가 찾았으면 # labels 리스트를 DataFrame으로 변환 후 객체별 개수 집계 df_count = pd.DataFrame({"Object" : labels}) df_count = df_count.value_counts().reset_index(name="Count") # 종류별 개수 세기 # Plotly를 이용해 막대 그래프 생성 fig = px.bar( df_count, x="Object", # 가로축 = 사물 이름 y="Count", # 세로축 = 개수 title="탐지 객체 수", color="Object", # 사물마다 색 다르게 text="Count" # 막대 위에 숫자 표시 ) else: # 아무것도 못 찾았으면 df_count = pd.DataFrame({"Obejct": [], "Count": []}) # 빈 표 만들기 fig = px.bar( df_count, x="Object", y="Count", title="탐지 객체 수" ) # 4-5. Streamlit에 결과 표시 — 왼쪽 영상 + 오른쪽 그래프 동시 갱신 frame_placeholder.image(annoated_frame, channels="BGR") chart_placeholder.plotly_chart(fig, use_container_width=True, key=f"chart_{time.time()}") # key=f"chart_{time.time()}" — 매번 다른 이름 줘서 위젯 충돌 막기 # 5. 자원해제 — CCTV 연결 끊고 창 닫기 cap.release() cv2.destroyAllWindows()