家里或办公室已经装了 IP 摄像头，通常只能录像和回放。想再加人车识别、目标追踪，或者按画面搜索以前的录像，往往要换摄像头、换 NVR，或者接入厂商云服务。

Clearcam 换了一个思路：摄像头继续用，录像链路也不用推倒重来。它通过 RTSP 读取现有监控画面，在自己的电脑或服务器上完成 AI 目标检测、追踪和录像搜索。

如果手里已经有支持 RTSP 的摄像头，还有一台闲置的 Mac、Linux 主机或家庭服务器，这套方案值得试。

项目官网：https://clearcam.org

GitHub：https://github.com/roryclear/clearcam

Clearcam 官网首页，展示了目标检测、区域设置和录像搜索等核心能力。

先说结论：适合谁，不适合谁

Clearcam 的定位很明确：它不是要替代所有 NVR，而是给现有 RTSP 监控补上一层本地 AI。上手路径更短，但 Python 环境要自己维护，生态和配套还不如 Frigate 完整。

Clearcam 是什么？

NVR 的工作是接收 IP 摄像头的视频流、保存录像，并提供实时查看和回放。Clearcam 在这些基础功能上增加了本地 AI 分析层。

它目前提供这些能力：

• AI 目标检测；
• 目标持续追踪；
• 用相似图片或上传图片搜索历史录像；
• AI 事件通知摘要；
• 移动端事件通知；
• 远程查看实时画面；
• 远程查看事件录像。

和传统 NVR 最大的区别在“检索”。普通 NVR 找录像主要靠时间轴，先回忆大概几点，再一段段拖回去。Clearcam 会先识别画面里的人和车，再让你按目标图像去搜索，录像越多，这种方式的优势越明显。

截至 2026 年 11 月 1 日，项目在 GitHub 上有 2,217 Stars、224 Forks，采用 GPL-3.0 许可证。公开代码遵循 GPL-3.0，官方 Premium 云服务和移动端功能则按 Clearcam 自己的服务条款提供。

接入条件：RTSP 是硬门槛

Clearcam 对摄像头的要求可以归纳成一句话：摄像头必须能提供 RTSP 视频流，运行 Clearcam 的主机必须能访问这个流。

符合条件的情况包括：

• 标准 IP Camera；
• 支持 RTSP 的家用摄像头；
• 已经搭好的网络监控系统；
• 原有 NVR 可以转发 RTSP 流。

如果摄像头完全依赖厂商 App，只提供私有协议，又没有开放 RTSP，就不能直接接入 Clearcam。

部署前先用 VLC、FFmpeg 或摄像头管理后台确认 RTSP 地址能正常播放。地址、账号和网络都通了，再装 Clearcam，排查问题的成本会低很多。

如果正准备买摄像头，除了分辨率、夜视和本地 AI，RTSP 这类开放接口也要提前确认。它决定了以后能不能接 Frigate、Clearcam 这类自托管监控软件。

本地 AI 能做什么？

1. 目标检测与追踪

Clearcam 会对视频流做 AI 推理，识别画面中的目标，并持续跟踪它们的移动轨迹。

它和普通运动检测的区别很直接：运动检测只知道“画面动了”，树叶晃动、光线变化都可能触发；AI 检测会判断画面里出现的是人、车，还是其他目标，后续通知也能更有针对性。

在监控画面上直接框选检测区域，并设置检测阈值。

检测区域可以手动划定。只关注门口、车道或院墙时，把无关区域排除掉，既能减少误报，也能降低推理压力。

画面中的车辆会被识别、框选，并分配追踪 ID。

2. 用图片搜索历史录像

这是 Clearcam 最实用的功能之一。

传统 NVR 按时间找录像，Clearcam 加入了相似图片搜索和上传图片搜索。手里有一张车辆截图，可以直接拿它去历史记录里找相似画面，不用再凭记忆拖时间轴。

检测事件会按目标截图归档，可以继续筛选和搜索。

对于摄像头多、录像保存周期长的环境，这种检索方式比人工翻录像高效得多。

3. AI 通知摘要

Clearcam 已经接入基于 Qwen3 VL 的 AI Notification Summaries。除了提示“检测到人物”，它还能分析事件画面，生成一段更具体的情况描述。

通知里会同时给出事件类型和 AI 生成的画面摘要。

这类功能比单纯的目标检测更吃算力。生成速度取决于 GPU、模型大小和运行设备，配置较低的机器更适合先关闭或减少摘要任务。

哪些功能在本地，哪些要走云？

Clearcam 的 NVR 和 AI 推理可以放在自己的设备上运行，但它并不是所有功能都完全离线。

项目说明 Premium 数据使用端到端加密，但远程服务仍然有云端参与。

不想走官方通知链路，可以在设置里修改通知 URL，接 Home Assistant、Pushover、n8n 或其他自建服务。AI 检测继续在本地跑，通知这一层可以按自己的环境搭。

安装：Python 3.11、FFmpeg 和 tinygrad

Clearcam 目前以 Python 源码方式运行，不是下载一份 Docker Compose 就能启动的项目。

运行环境需要满足：

• Python 3.11 或更高版本；
• FFmpeg；
• 能安装 requirements.txt 中的依赖；
• 推理部分基于 tinygrad。

进入项目目录后，按官方 README 执行：

pip install -r requirements.txt
python3 clearcam.py

然后打开浏览器访问：

http://localhost:8080

如果 CPU 正在承担推理，而机器上有 AMD 或 NVIDIA 显卡，可以指定推理设备：

DEV=AMD python3 clearcam.py
DEV=NV python3 clearcam.py

还可以用 BEAM=2 提升推理性能，代价是首次运行需要等待编译：

BEAM=2 python3 clearcam.py

目前 Mac 和 Linux 的体验更顺。Windows 虽然也能运行，但官方 README 明确标注还需要处理 FFmpeg 兼容问题，不适合零基础直接上手。

Clearcam 没有把 Docker Compose 作为官方标准部署方式。习惯在 NAS、Proxmox 或 Ubuntu Server 上用 Docker 管服务的人，安装、升级和迁移都会多一些手工操作。

Clearcam 和 Frigate 怎么选？

Frigate 是目前更成熟的开源 AI NVR，也是 Clearcam 最直接的对比对象。

Clearcam 的优势是路径短：现有 RTSP 摄像头接进来，在本机把 AI 检测跑起来，不需要先搭一整套 Docker 服务。

Frigate 的优势是配套全：多摄像头管理、硬件加速、Home Assistant 集成和社区文档都更成熟。

如果只是给现有监控补一层 AI，Clearcam 更直接。如果准备长期维护一套完整的家庭 AI NVR，尤其已经深度使用 Home Assistant，Frigate 更稳。

当前限制

1. Windows 还有 FFmpeg 兼容问题。 Mac 和 Linux 部署更省事。
2. 没有官方 Docker Compose。 NAS、Proxmox 用户需要自己维护 Python 环境。
3. 远程能力依赖 Premium。 远程实时画面、事件录像和官方移动端通知会使用 Clearcam 的服务器和云存储。
4. 生态还不如 Frigate。 Home Assistant 集成、硬件加速器和社区资料都相对有限。
5. AI 摘要吃算力。 低配设备跑检测可以，叠加 Qwen3 VL 摘要会更慢。

已有 NVR 要不要换？

不用换。

如果原来的摄像头或 NVR 已经在用，例如海康的 Hik-Connect，可以让原系统继续负责录像，同时让 Clearcam 读取同一路 RTSP 视频流，专门做 AI 检测、追踪和录像搜索。

这种用法对现有设备改动最小：原来的录像链路不动，Clearcam 只增加一层分析能力。等以后确实需要整套自托管监控，再评估是否迁移到 Frigate 或完整替换 NVR。

常见问题

Clearcam 免费吗？

基础软件可以免费运行。官方移动端的远程查看、事件录像和通知属于 Premium 功能，会使用 Clearcam 的服务器和云存储。

哪些摄像头能接入？

关键是能提供 RTSP 视频流，并且 Clearcam 主机能访问。只支持厂商私有 App、没有开放 RTSP 的摄像头不能直接接入。

支持 Docker 吗？

目前主要以 Python 源码运行，没有官方 Docker Compose 标准部署方式。长期放在 NAS 或家庭服务器上，需要自己维护环境。

支持 Windows 吗？

可以运行，但目前还有 FFmpeg 兼容问题。Mac 和 Linux 更省事，Windows 需要自己处理环境依赖。

监控视频会上传云端吗？

本地 NVR 和 AI 推理可以在自己的设备上完成。使用官方 Premium 的远程查看、事件录像和移动通知时，才会经过 Clearcam 的云服务。

Clearcam 和 Frigate 哪个好？

给现有 RTSP 摄像头快速增加 AI 检测、追踪和图片搜索，选 Clearcam。需要 Docker、Home Assistant 正式集成、更广的硬件加速和长期维护，选 Frigate。

最后

Clearcam 的价值不在于功能数量压过 Frigate，而在于把“旧摄像头 + 本地 AI”这条路缩短了。

只要摄像头支持 RTSP，有一台 Mac、Linux 主机或家庭服务器，就能在不拆原监控系统的前提下，加上人车检测、目标追踪、图片搜索和 AI 通知摘要。代价是 Python 环境要自己维护，Windows 支持还不完整，远程能力也依赖 Premium。

现有监控够用、只想补 AI 分析，Clearcam 值得部署。准备从零搭一套长期运行的家庭 NVR，Frigate 仍然是更稳的选择。