DeepCamera

让普通摄像头秒变AI保安，自动看懂并守护你的家

DeepCamera 是一个开源的 AI 摄像头技能平台，定位为智能 NVR 和闭路监控系统。它解决传统监控只能录像、无法理解视频内容的问题，通过本地 VLM（视觉语言模型）如 Qwen、DeepSeek、SmolVLM、LLaVA 和 YOLO26 进行实时视频分析，实现智能识别与理解。其核心能力包括可插拔的 AI 技能模块，支持通过 Telegram、Discord 或 Slack 进行智能告警和交互，并兼容 OpenAI、Google、Anthropic 或本地 AI 模型。项目基于 JavaScript 开发，可在 Mac Mini 和 AI PC 上运行，适合家庭安防和小型商业场景，让摄像头从被动记录变为主动守护的智能代理。

开源 free 开源模型

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 3072

维护状态活跃

是否开源是

定价模式 free

项目数据

分类开源模型

开发团队SharpAI

所属国家

官网地址http://www.sharpai.org

GitHubhttps://github.com/SharpAI/DeepCamera

定价模式free

价格说明开源项目，MIT许可证，完全免费，可自行部署使用。

访问状态

是否开源是

开源协议MIT

主要语言JavaScript

技术栈/模型ai,ai-camera,ai-nvr,camera,cctv,computer-vision,deep-learning,face-recognition,home-assistant,home-security,llama-cpp,llm,local-ai,machine-learning,object-detection,python,raspberry-pi,security-camera,video-surveillance,vlm

GitHub 星标★ 3072

30天Star增速

HF 下载量

上线时间2019-03-05 00:00:00

最近更新2026-09-23 00:00:00

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2026-08-09

浏览次数3

使用教程

难度：入门约 10 分钟部署方式：本地安装 6 步

⚠ 该项目 README 未提供完整安装说明，以下步骤为通用流程，请以官方文档为准。

环境要求

一台可运行桌面应用的机器，README 提到 Mac Mini 和 AI PC
从官网 www.sharpai.org 获取的 SharpAI Aegis 桌面应用（DeepCamera 的桌面端）
可用的摄像头：RTSP/ONVIF 摄像头、网络摄像头或 iPhone 摄像头
可选的硬件加速后端：NVIDIA CUDA、AMD ROCm、Apple Silicon MPS、Intel OpenVINO 或纯 CPU

安装与启动步骤

1获取并安装 Aegis

访问官网 www.sharpai.org 下载 DeepCamera 的桌面端 SharpAI Aegis 并安装，无需手动配置 Docker 或 CLI。
2启动并初始化

打开 Aegis，使用其 LLM 引导自动搭建环境、配置摄像头技能并管理整条 AI 流水线。
3接入摄像头

在应用内添加 RTSP/ONVIF 摄像头、网络摄像头或 iPhone 摄像头，用于快速测试。
4下载本地模型

通过一键 HuggingFace 下载浏览并运行 Qwen、DeepSeek、SmolVLM、LLaVA、MiniCPM-V 等模型。
5一键安装技能

在技能目录点击 Install，自主 LLM 部署代理会读取 SKILL.md、探测硬件、装依赖并做冒烟验证。
6接入告警通道

连接 Telegram、Discord 或 Slack，向守卫提问发生了什么、设置要关注的目标并接收智能告警。

关键配置

配置项	必填	说明	示例
`摄像头地址`	是	RTSP/ONVIF 摄像头接入地址，用于拉取视频流做实时分析	`rtsp://admin:password@192.168.1.100:554/stream`
`推理后端`	是	部署代理检测到的硬件加速后端，并据此安装对应依赖	`Apple Silicon (MPS)`
`本地 VLM 模型`	否	选择用于场景理解的本地视觉语言模型	`Qwen`
`通知渠道`	否	接收告警并进行对话交互的渠道	`Telegram`
`SKILL.md`	是	技能的清单文件，部署代理据此判断依赖与启动命令	`SKILL.md`

如何确认成功

技能安装前会运行 smoke test，通过后标记为完成；能连上摄像头并与守卫正常对话即成功。

常见问题

Q：需要手动装 Docker 或敲命令行吗？

A：不需要。通过 SharpAI Aegis 桌面应用即可完成环境搭建、技能安装与模型下载，LLM 会引导整个配置过程。

Q：支持哪些硬件加速？

A：部署代理会检测 NVIDIA CUDA、AMD ROCm、Apple Silicon MPS、Intel OpenVINO 或纯 CPU，并安装对应的后端依赖。

Q：视频数据会上传到云端吗？

A：不会。README 明确说明所有推理都在本地运行，以最大程度保证隐私。

Q：技能安装失败怎么办？

A：LLM 部署代理会读取错误输出并自主尝试修复；若仍失败可重试安装，或到 GitHub Issues 反馈。

Q：没有 IP 摄像头能测试吗？

A：可以。Aegis 支持添加网络摄像头或 iPhone 摄像头做快速测试。

注意事项

README 未提供命令行安装步骤，主要入口是官网的 SharpAI Aegis 桌面应用。
技能由自主 LLM 部署代理安装，会自动探测硬件并选择后端相关依赖，社区技能无需专门安装脚本。
所有推理在本地执行，运行本地 VLM 时需留意机器的显存与内存占用。
README 提到可用 HomeSec-Bench 在自己硬件上做模型基准测试，以挑选最合适的 VLM。

核心亮点

本地VLM分析，隐私安全且无需云依赖
支持多模型（Qwen/DeepSeek/YOLO26等），灵活切换
通过Telegram/Discord/Slack实时告警，交互便捷

不足之处

文档/社区待观察
依赖外部消息平台，离线告警能力受限

适用场景

家庭安防监控，智能识别陌生人或异常行为
小型商铺或办公室的无人值守监控
宠物或老人看护，实时行为分析与提醒

替代项目

Frigate、ZoneMinder、Motion Project

项目介绍

DeepCamera 是计算机视觉领域的开源项目，由 SharpAI 开发，2019 年首次发布。

在全站 13,014 个收录项目中，它的 GitHub 星标数（3,072）位列前 30%，在计算机视觉分类的 446 个项目里位列前 14%。

近 42 天，它的 GitHub 星标从 2,987 增加到 3,072，净增 85。

项目目前处于活跃维护状态，最近一次代码更新于 2026-09-23。MIT许可证，完全免费，可自行部署使用。

它主要面向的使用场景是：家庭安防监控，智能识别陌生人或异常行为。同类可对比的替代方案包括 Frigate、ZoneMinder、Motion Project。

上一篇：llm_aided_ocr

下一篇：VideoPipe