Django集成YOLOv5实现摄像头检测报fromarray缺少obj参数错误

直接触发TypeError: fromarray() missing 1 required positional argument: 'obj'的原因是调用PIL库的Image.fromarray()方法时未传入必填参数：该方法要求传入一个numpy数组格式的图像对象作为入参，你的代码中写的data=im.fromarray()是空参调用，完全不符合方法调用规范。
除了这个显性报错，代码中还有3处逻辑错误会导致页面无法正常显示检测视频流：

• 缺少render方法的导入，index视图运行时会直接抛NameError
• 每帧检测结果都写入本地磁盘文件demo.jpg再读取返回，高频IO极易造成流阻塞、中断
• 最终返回给前端的是未做检测标注的原始摄像头帧，就算不报错也看不到YOLO的检测结果

按照以下顺序修改代码即可跑通功能：

1. 补全缺失的导入项，在views.py头部添加from django.shortcuts import render
2. 删除冗余的PIL图像转换、本地文件读写逻辑，YOLOv5的results.render()会直接返回绘制好检测框、类别标签的numpy数组格式帧，不需要转PIL存本地
3. 直接在内存中把标注完成的帧编码为JPEG格式字节流，通过StreamingHttpResponse返回给前端，避免磁盘IO开销
4. 把返回内容替换为YOLO渲染后的标注帧，而非原始采集帧

from django.shortcuts import render
from django.http import StreamingHttpResponse
import cv2
import torch

# 模型路径配置
path_hubconfig = r"D:\University\FYP\FYP-CovidDefence\stream\ObjectDetection\yolov5"
path_weightfile = r"D:\University\FYP\FYP-CovidDefence\stream\ObjectDetection\yolov5\best.pt"
# 全局加载一次模型，避免每次请求重复加载增加开销
model = torch.hub.load(path_hubconfig, 'custom', path=path_weightfile, source='local')

def index(request):
    return render(request,'index.html')

def stream():
    cap = cv2.VideoCapture(0)
    # 配置摄像头分辨率，可根据需求调整，平衡清晰度和延迟
    cap.set(cv2.CAP_PROP_FRAME_WIDTH, 640)
    cap.set(cv2.CAP_PROP_FRAME_HEIGHT, 480)
    while True:
        ret, frame = cap.read()
        if not ret:
            print("Error: failed to capture image")
            cap.release()
            break
        # 运行YOLO检测
        results = model(frame, augment=True)
        # 获取绘制完成检测标注的帧
        annotated_frame = results.render()[0]
        # 内存中直接编码为JPEG，无需写本地文件
        _, encode_buffer = cv2.imencode('.jpg', annotated_frame)
        frame_bytes = encode_buffer.tobytes()
        # 按MJPEG流格式返回帧数据
        yield (b'--frame\r\n'
               b'Content-Type: image/jpeg\r\n\r\n' + frame_bytes + b'\r\n')

def video_feed(request):
    return StreamingHttpResponse(stream(), content_type='multipart/x-mixed-replace; boundary=frame')

如果修改后仍看不到画面，检查以下配置：

• 确认urls.py中已经正确配置index和video_feed两个路由
• 确认index.html中的视频流img标签地址正确，示例写法：<img src="/video_feed" width="640" height="480">
• 本地运行时确认摄像头没有被其他程序占用，Python进程有摄像头访问权限
• 如果显存不足，可以在加载模型后加model.to('cpu')强制用CPU推理，避免CUDA内存错误

内容的提问来源于stack exchange，提问作者hamza