将闲置安卓手机转化为网络摄像头,实现实时监控和图像采集

家里有部吃灰的旧安卓手机，想把它改成监控摄像头，但市面上的 App 基本都要把视频流传到云端，不仅有隐私泄露的风险，还得交云存储订阅费。

GitHub 上有个叫 Sentinel 的开源局域网实时视觉系统框架，能把安卓手机转化为网络摄像头节点。

它的数据流 100% 在本地局域网内传输，而且接入了多模态 AI 模型，能真正“看懂”画面里发生了什么，而不是盲目地录制一堆毫无用处的“静止视频”。

系统架构

项目采用了“移动端采集 + PC 端处理 + 浏览器控制”的解耦架构：

• 数据采集层 (安卓客户端 CamFlow)：利用普通的安卓手机摄像头实时采集画面，将画面以单帧 JPEG 格式通过 HTTP POST 接口连续上传至服务器。支持局域网内的 UDP 自动发现服务器连接。

• 服务处理层 (PC 端服务器)：基于 Python 和 Flask 构建。所有的图像数据汇入核心共享数据结构 FrameBuffer 中，避免重复解码。该层负责处理录像、截图、AI 分析以及日志记录，且各模块之间互不干扰。

• 展示控制层 (浏览器控制台 Dashboard)：提供基于 Web UI 的交互界面，免安装插件即可通过浏览器查看低延迟的实时 MJPEG 视频流，并对整个系统进行参数控制。

核心功能

• 纯本地化与隐私保护：所有的图像数据流转和存储（如分段生成的 MP4 视频文件）完全在本地局域网和 PC 磁盘上进行，不依赖云端存储或第三方监控平台。

• AI 双层触发式监控：系统不会对每一帧画面都进行昂贵的 AI 推理，而是采用“传统 CV 运动检测 + 大模型推理”的双层触发机制。只有在画面发生运动变化满足设定阈值时，状态机会从 SLEEP 切换到 OBSERVE 状态，并调用多模态视觉大模型进行分析，大幅降低 API 成本和 Token 消耗。

• 结构化的视觉认知输出：大模型（项目推荐使用高性价比的 Doubao-Seed-2.0-mini）会通过严格的输出契约 (Output Contract)，生成格式化的 JSON 数据。包含：是否检测到人、人数、行为描述、风险等级（如 info/warn/critical）、置信度以及自然语言摘要。这为后续规则处理和数据统计提供了极大便利。

• 细粒度系统参数定制：通过 Dashboard 可以细粒度调节各类参数：

• 视频流参数：预览帧率、JPEG 压缩质量。

• 录制策略：录制帧率、分段时长、视频编码格式。

• AI 行为参数：检测间隔、运动阈值、大模型角色定义 Prompt、场景长期背景描述等。

应用场景

这个架构设计不仅是个监控工具，还胜任以下场景：

• 家庭、实验室或工作室的本地隐私监控方案。

• AI 行为分析与风险评估的研究实验平台。

• 视觉数据采集原型系统（自动生成结构化的 JSON 事件记录，方便模型优化和统计分析）。

• 分布式视觉系统与状态机架构的教学演示。

注意事项

• 环境与硬件依赖：PC 端需要 Python 3.9 及以上版本（支持 Windows/macOS/Linux）；安卓端需要 Android 8.0 及以上版本。

• 技术栈构成：项目主要使用 Python (45.5%) 作为后端逻辑处理，JavaScript (19.8%)、HTML、CSS 用于前端 Dashboard，以及 Kotlin (18.4%) 用于安卓端 App 开发。

• 生产环境安全预警：当前版本为 v1.0.0-beta，采用 MIT 开源协议发布，官方定位为学习、研究和技术验证的原型系统。如果打算用于商业生产环境，强烈建议开发者自行补充访问认证、传输加密等安全机制。

项目地址：

https://github.com/suzuran0y/CCTV-Smartphone-AI-Monitoring