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
拾忆-eleven21 分钟前
C语言实战:用Pygame打造高难度水果消消乐游戏
c语言·python·pygame
旦莫1 小时前
Python 教程:我们可以给 Python 文件起中文名吗?
开发语言·python
豌豆花下猫1 小时前
Python 潮流周刊#99:如何在生产环境中运行 Python?(摘要)
后端·python·ai
小杨4041 小时前
python入门系列二十(peewee)
人工智能·python·pycharm
弧襪1 小时前
FlaskRestfulAPI接口的初步认识
python·flaskrestfulapi
船长@Quant1 小时前
文档构建:Sphinx全面使用指南 — 进阶篇
python·markdown·sphinx·文档构建
cloudy4911 小时前
强化学习:历史基金净产值,学习最大化长期收益
python·强化学习
Bruce_Liuxiaowei1 小时前
使用Python脚本在Mac上彻底清除Chrome浏览历史:开发实战与隐私保护指南
chrome·python·macos
ruyingcai6666662 小时前
用python进行OCR识别
开发语言·python·ocr
Niuguangshuo2 小时前
Python设计模式:MVC模式
python·设计模式·mvc