Python调用手机摄像头检测火焰烟雾的三种方法

方法1:使用IP摄像头应用 + OpenCV

  1. 在手机上安装IP摄像头应用(如IP Webcam for Android)

  2. 配置应用并启动服务器

  3. 在Python中使用OpenCV连接

import cv2

import numpy as np

手机IP摄像头URL(替换为你的手机IP和端口)

url = "http://192.168.x.x:8080/video"

连接摄像头

cap = cv2.VideoCapture(url)

while True:

ret, frame = cap.read()

if not ret:

print("无法获取视频流")

break

转换为HSV颜色空间(火焰和烟雾检测常用)

hsv = cv2.cvtColor(frame, cv2.COLOR_BGR2HSV)

火焰颜色范围(HSV)

lower_flame = np.array([0, 100, 100])

upper_flame = np.array([30, 255, 255])

烟雾颜色范围(可能需要调整)

lower_smoke = np.array([0, 0, 100])

upper_smoke = np.array([180, 50, 200])

创建火焰和烟雾的掩膜

flame_mask = cv2.inRange(hsv, lower_flame, upper_flame)

smoke_mask = cv2.inRange(hsv, lower_smoke, upper_smoke)

检测火焰

flame_pixels = cv2.countNonZero(flame_mask)

if flame_pixels > 1000: # 阈值可根据实际情况调整

cv2.putText(frame, "FLAME DETECTED!", (10, 30),

cv2.FONT_HERSHEY_SIMPLEX, 1, (0, 0, 255), 2)

检测烟雾

smoke_pixels = cv2.countNonZero(smoke_mask)

if smoke_pixels > 1000: # 阈值可根据实际情况调整

cv2.putText(frame, "SMOKE DETECTED!", (10, 70),

cv2.FONT_HERSHEY_SIMPLEX, 1, (150, 150, 150), 2)

显示结果

cv2.imshow('Fire and Smoke Detection', frame)

if cv2.waitKey(1) & 0xFF == ord('q'):

break

cap.release()

cv2.destroyAllWindows()

方法2:使用DroidCam + Python

  1. 在手机和电脑上安装DroidCam

  2. 连接后使用类似上面的OpenCV代码处理视频流

方法3:使用更高级的深度学习模型

对于更准确的检测,可以使用预训练的深度学习模型:

import cv2

import numpy as np

from tensorflow.keras.models import load_model

加载预训练模型(需要先训练或下载合适的模型)

model = load_model('fire_smoke_detection_model.h5')

连接摄像头(同上)

cap = cv2.VideoCapture("http://192.168.x.x:8080/video")

while True:

ret, frame = cap.read()

if not ret:

break

预处理图像

resized = cv2.resize(frame, (224, 224))

normalized = resized / 255.0

input_img = np.expand_dims(normalized, axis=0)

预测

predictions = model.predict(input_img)

fire_prob, smoke_prob = predictions[0]

显示结果

if fire_prob > 0.7:

cv2.putText(frame, f"FIRE: {fire_prob:.2f}", (10, 30),

cv2.FONT_HERSHEY_SIMPLEX, 1, (0, 0, 255), 2)

if smoke_prob > 0.7:

cv2.putText(frame, f"SMOKE: {smoke_prob:.2f}", (10, 70),

cv2.FONT_HERSHEY_SIMPLEX, 1, (150, 150, 150), 2)

cv2.imshow('Detection', frame)

if cv2.waitKey(1) == ord('q'):

break

cap.release()

cv2.destroyAllWindows()

注意事项:

  1. 颜色阈值:火焰和烟雾的颜色范围可能需要根据实际环境调整

  2. 性能优化:在手机上实时处理可能需要降低分辨率或帧率

  3. 网络延迟:Wi-Fi连接质量会影响实时性

  4. 准确率:简单颜色检测误报率高,深度学习模型更准确但需要更多资源

  5. 光线条件:检测效果受环境光线影响较大

进阶改进方向:

  1. 使用背景减除技术提高烟雾检测准确率

  2. 结合运动检测减少误报

  3. 使用YOLO或MobileNet等轻量级目标检测模型

  4. 添加报警功能(声音、通知等)

  5. 实现云存储检测记录

相关推荐
烛阴4 小时前
简单入门Python装饰器
前端·python
好开心啊没烦恼4 小时前
Python 数据分析:numpy,说人话,说说数组维度。听故事学知识点怎么这么容易?
开发语言·人工智能·python·数据挖掘·数据分析·numpy
面朝大海,春不暖,花不开4 小时前
使用 Python 实现 ETL 流程:从文本文件提取到数据处理的全面指南
python·etl·原型模式
2301_805054565 小时前
Python训练营打卡Day59(2025.7.3)
开发语言·python
万千思绪6 小时前
【PyCharm 2025.1.2配置debug】
ide·python·pycharm
微风粼粼7 小时前
程序员在线接单
java·jvm·后端·python·eclipse·tomcat·dubbo
云天徽上7 小时前
【PaddleOCR】OCR表格识别数据集介绍,包含PubTabNet、好未来表格识别、WTW中文场景表格等数据,持续更新中......
python·ocr·文字识别·表格识别·paddleocr·pp-ocrv5
你怎么知道我是队长8 小时前
python-input内置函数
开发语言·python
叹一曲当时只道是寻常8 小时前
Python实现优雅的目录结构打印工具
python
hbwhmama9 小时前
python高级变量XIII
python