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 = predictions0

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