clearcam

给普通摄像头装上 AI 大脑，自动识别、追踪并推送通知

开源 free 计算机视觉

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 1645

维护状态活跃

是否开源是

定价模式 free

项目预览

项目数据

分类计算机视觉

开发团队roryclear

所属国家

官网地址https://clearcam.org

GitHubhttps://github.com/roryclear/clearcam

定价模式free

价格说明开源项目，免费使用，定价信息待确认

访问状态

是否开源是

开源协议GPL-3.0

主要语言Python

技术栈/模型ai,cctv,clip,nvr,object-detection,rtsp,selfhosted,tinygrad,yolov9

GitHub 星标★ 1645

30天Star增速

HF 下载量

上线时间2025-01-04 00:00:00

代码更新—

仓库体积—

本站数据更新—

维护状态活跃

中文支持

访问方式

移动端支持

综合评分

收录时间2026-08-27

浏览次数7

项目介绍

ClearCam 是一个开源的智能安防摄像头增强工具，通过 AI 技术为普通 RTSP 摄像头添加物体检测、追踪、移动通知和视频搜索能力。它解决了传统安防摄像头只能被动录像、无法智能识别和检索的问题。核心能力包括：基于 YOLOv9 的实时物体检测，支持自定义检测类别；使用 CLIP 模型进行自然语言视频搜索，用户可以用文字描述查找特定事件；支持多摄像头接入和本地部署，保护隐私。项目采用 Python 编写，依赖 tinygrad 推理框架，可运行在低功耗设备上。通过 Web 界面管理，提供移动端通知推送，适合家庭或小企业自建安防系统。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

正在加载星标数据…

技术标签

使用教程

—

难度：入门约 10 分钟部署方式：本地安装 7 步

环境要求

Mac 或 Linux 系统（README 标注 Windows 暂不支持，ffmpeg 修复待完成）
已安装 ffmpeg
Python 3.11 或更高版本

安装与启动步骤

1克隆项目代码

把 clearcam 仓库拉到本地，并进入项目目录后再执行后续命令。
```
git clone https://github.com/roryclear/clearcam.git
cd clearcam
```
2安装 Python 依赖

在项目根目录按 requirements.txt 安装运行所需的 Python 包，建议使用虚拟环境。
```
pip install -r requirements.txt
```
3启动 NVR 与推理

运行主程序，同时启动 NVR 和 AI 推理服务；首次启动会加载模型，需要等待。
```
python3 clearcam.py
```
4打开 Web 界面

服务启动后在浏览器访问本机 8080 端口，进入 Web 管理界面配置摄像头。
5指定 GPU 后端

如果发现实际在用 CPU 而不是 GPU，用 DEV 环境变量指定 AMD 或 NV 后端重新启动。
```
DEV=AMD python3 clearcam.py
```
6开启 BEAM 加速

需要更高性能时加上 BEAM=2 启动，注意首次运行等待时间会明显变长。
```
BEAM=2 python3 clearcam.py
```
7填写 premium userID

可选步骤，在 Web UI 设置里填入 Clearcam premium userID（可在 iOS App 设置页查看），用于接收推流和通知。

关键配置

配置项	必填	说明	示例
`DEV`	否	指定推理使用的 GPU 后端，避免回落到 CPU	`DEV=NV 或 DEV=AMD`
`BEAM`	否	开启额外性能优化，代价是首次运行等待更久	`BEAM=2`
`premium userID`	否	在 Web UI 设置中填写，用于接收推流和移动端通知	`在 Web UI 设置页填写（iOS App 设置页可查看）`

如何确认成功

浏览器打开 localhost:8080，能看到 clearcam 的 Web 管理界面即表示启动成功。

常见问题

Q：运行时发现用的是 CPU 而不是 GPU 怎么办？

A：用 DEV 环境变量指定显卡后端重新启动，例如 DEV=AMD python3 clearcam.py 或 DEV=NV python3 clearcam.py。

Q：首次启动特别慢正常吗？

A：使用 BEAM=2 时首次运行需要额外等待时间，属于正常现象，之后再启动会快一些。

Q：Windows 可以运行吗？

A：README 明确标注 Windows 暂不支持，需要等待 ffmpeg 相关修复，建议改用 Mac 或 Linux。

Q：手头没有 RTSP 摄像头怎么测试？

A：可以使用 README 提供的公开测试流 https://webcam.elcat.kg/Too-Ashu_Tunnel_North/index.m3u8 先体验效果。

注意事项

运行前必须先装好 ffmpeg，否则视频流处理会失败。
Python 版本需 3.11 或更高，版本过低会无法启动。
premium userID 是可选项，不填只影响推流和移动通知功能。
README 中的 iOS App 源码编译与本地 Python 运行是两条独立路径，不要混淆。

核心亮点

集成 YOLOv9 和 CLIP，既能实时检测物体，又能用自然语言搜索历史视频
支持 RTSP 标准协议，兼容市面上大多数 IP 摄像头，无需更换硬件
完全本地化部署，视频数据不出内网，隐私安全可控

不足之处

项目仍处于早期阶段，文档和社区支持相对薄弱
依赖 tinygrad 等较新框架，部分硬件兼容性可能有限

适用场景

家庭安防：检测陌生人或异常活动，实时推送手机通知
小型商铺：监控店内客流，搜索特定事件（如偷窃、顾客摔倒）
自托管爱好者：搭建私有 NVR 系统，集成智能分析功能

替代项目

Frigate、Viseron、SentryPilot

上一篇：Pix2Text

下一篇：samexporter