ESP32-CAM 实时监控方案：从局域网到外网部署

ESP32-CAM 实时视频监控实战

ESP32-CAM 是一款小巧的摄像头模组，支持独立工作，尺寸仅 2740.54.5mm。它集成了低功耗双核 32 位 CPU、PSRAM 以及 OV2640/OV7670 摄像头，非常适合家庭智能设备、工业无线控制及物联网监控场景。

硬件特性与接口

该模块主频高达 240MHz，内置 520KB SRAM 并支持外置 8MB PSRAM。通信方面支持 UART/SPI/I2C/PWM/ADC/DAC 等丰富接口，内嵌 LwIP 和 FreeRTOS，支持 STA/AP/STA+AP 多种工作模式及 Smart Config 配网。

开发环境搭建

安装 Arduino IDE

前往官网下载对应操作系统的 IDE 并安装。

配置 ESP32 开发板支持

Arduino IDE 默认不包含 ESP32 核心库，需手动添加。

1. 打开 工具 > 开发板 > 开发板管理器。
2. 搜索 ESP32 并安装 ESP32 Wrover Module 或相关包。
3. 在 文件 > 首选项 中，将以下 URL 填入'附加开发板管理器网址'：

   https://dl.espressif.com/dl/package_esp32_index.json
   

局域网视频流查看

利用 ESP32 自带的 WebServer 功能，可以快速实现局域网内的视频预览。

调用示例代码

在 Arduino IDE 中选择 文件 > 示例 > ESP32 > Camera > CameraWebServer。这个示例已经封装好了相机初始化和 HTTP 服务逻辑。

关键参数修改

上传前需根据实际网络环境和硬件型号调整代码：

1. WiFi 信息：修改 ssid 和 password 为你的路由器账号密码。
2. 摄像头型号：确保宏定义正确。对于常见的 AI-Thinker 版本，取消注释 #define CAMERA_MODEL_AI_THINKER。

// 选择摄像头模型
#define CAMERA_MODEL_AI_THINKER // Has PSRAM
// #define CAMERA_MODEL_WROVER_KIT // Has PSRAM
// ... 其他型号注释掉

编译与烧录

点击左上角的编译验证按钮，成功后点击上传。上传完成后，按下开发板上的 RST 按键重启。

打开串口监视器（波特率 115200），查看输出的 IP 地址。在浏览器输入该 IP 即可看到实时画面。

完整代码参考

以下是经过格式化的标准示例代码，重点在于初始化配置和缓冲区管理：

#include "esp_camera.h"
#include <WiFi.h>

// 注意：UXGA 分辨率需要 PSRAM
// 确保选择了带有 PSRAM 的模块，如 ESP32 Wrover

// 选择摄像头型号
// #define CAMERA_MODEL_WROVER_KIT 
// #define CAMERA_MODEL_ESP_EYE 
// #define CAMERA_MODEL_M5STACK_PSRAM 
// #define CAMERA_MODEL_M5STACK_V2_PSRAM 
// #define CAMERA_MODEL_M5STACK_WIDE 
// #define CAMERA_MODEL_M5STACK_ESP32CAM 
#define CAMERA_MODEL_AI_THINKER
// #define CAMERA_MODEL_TTGO_T_JOURNAL 

#include "camera_pins.h"

const char* ssid = "TP-LINK_1760";
const char* password = "987654321";

void startCameraServer();

void setup() {
    Serial.begin(115200);
    Serial.setDebugOutput(true);
    Serial.println();

    camera_config_t config;
    config.ledc_channel = LEDC_CHANNEL_0;
    config.ledc_timer = LEDC_TIMER_0;
    config.pin_d0 = Y2_GPIO_NUM;
    config.pin_d1 = Y3_GPIO_NUM;
    config.pin_d2 = Y4_GPIO_NUM;
    config.pin_d3 = Y5_GPIO_NUM;
    config.pin_d4 = Y6_GPIO_NUM;
    config.pin_d5 = Y7_GPIO_NUM;
    config.pin_d6 = Y8_GPIO_NUM;
    config.pin_d7 = Y9_GPIO_NUM;
    config.pin_xclk = XCLK_GPIO_NUM;
    config.pin_pclk = PCLK_GPIO_NUM;
    config.pin_vsync = VSYNC_GPIO_NUM;
    config.pin_href = HREF_GPIO_NUM;
    config.pin_sscb_sda = SIOD_GPIO_NUM;
    config.pin_sscb_scl = SIOC_GPIO_NUM;
    config.pin_pwdn = PWDN_GPIO_NUM;
    config.pin_reset = RESET_GPIO_NUM;
    config.xclk_freq_hz = 20000000;
    config.pixel_format = PIXFORMAT_JPEG;

    // 如果检测到 PSRAM，使用高分辨率和大帧缓冲
    if (psramFound()) {
        config.frame_size = FRAMESIZE_UXGA;
        config.jpeg_quality = 10;
        config.fb_count = 2;
    } else {
        config.frame_size = FRAMESIZE_SVGA;
        config.jpeg_quality = 12;
        config.fb_count = 1;
    }

#if defined(CAMERA_MODEL_ESP_EYE)
    pinMode(13, INPUT_PULLUP);
    pinMode(14, INPUT_PULLUP);
#endif

    // 初始化相机
    esp_err_t err = esp_camera_init(&config);
    if (err != ESP_OK) {
        Serial.printf("Camera init failed with error 0x%x", err);
        return;
    }

    sensor_t * s = esp_camera_sensor_get();
    // 部分传感器默认翻转且色彩饱和度高，需校正
    if (s->id.PID == OV3660_PID) {
        s->set_vflip(s, 1);
        s->set_brightness(s, 1);
        s->set_saturation(s, -2);
    }

    // 降低初始帧率以提高启动速度
    s->set_framesize(s, FRAMESIZE_QVGA);

#if defined(CAMERA_MODEL_M5STACK_WIDE) || defined(CAMERA_MODEL_M5STACK_ESP32CAM)
    s->set_vflip(s, 1);
    s->set_hmirror(s, 1);
#endif

    WiFi.begin(ssid, password);
    while (WiFi.status() != WL_CONNECTED) {
        delay(500);
        Serial.print(".");
    }
    Serial.println("");
    Serial.println("WiFi connected");

    startCameraServer();
    Serial.print("Camera Ready! Use 'http://");
    Serial.print(WiFi.localIP());
    Serial.println("' to connect");
}

void loop() {
    delay(10000);
}

外网视频流传输方案

若需在外网访问，简单的 WebServer 可能受限于 NAT 穿透。更灵活的方式是通过 TCP 协议将视频数据推送到公网服务器，由服务端接收并展示。

架构说明

• ESP32 端：作为 TCP Client，负责采集图像分包发送。
• 服务器端：运行 Python 程序，作为 TCP Server 接收数据流并解码显示。

ESP32 端代码逻辑

这段代码的核心在于 TCP 分包发送。JPEG 图片较大，直接发送容易丢包，因此我们设定了最大缓存大小（MTU），并在数据包前后加上标记（Frame Begin / Frame Over）以便服务端识别边界。

#include <Arduino.h>
#include <WiFi.h>
#include "esp_camera.h"
#include <vector>

const char* ssid = "TP-LINK_1760";
const char* password = "987654321";

// 目标服务器 IP 和端口
const IPAddress serverIP(192, 168, 1, 104);
uint16_t serverPort = 18080;

#define MAX_CACHE 1430
WiFiClient client;

// AI-Thinker 摄像头引脚定义
#define PWDN_GPIO_NUM 32
#define RESET_GPIO_NUM -1
#define XCLK_GPIO_NUM 0
#define SIOD_GPIO_NUM 26
#define SIOC_GPIO_NUM 27
#define Y9_GPIO_NUM 35
#define Y8_GPIO_NUM 34
#define Y7_GPIO_NUM 39
#define Y6_GPIO_NUM 36
#define Y5_GPIO_NUM 21
#define Y4_GPIO_NUM 19
#define Y3_GPIO_NUM 18
#define Y2_GPIO_NUM 5
#define VSYNC_GPIO_NUM 25
#define HREF_GPIO_NUM 23
#define PCLK_GPIO_NUM 22

static camera_config_t camera_config = {
    .pin_pwdn = PWDN_GPIO_NUM,
    .pin_reset = RESET_GPIO_NUM,
    .pin_xclk = XCLK_GPIO_NUM,
    .pin_sscb_sda = SIOD_GPIO_NUM,
    .pin_sscb_scl = SIOC_GPIO_NUM,
    .pin_d7 = Y9_GPIO_NUM,
    .pin_d6 = Y8_GPIO_NUM,
    .pin_d5 = Y7_GPIO_NUM,
    .pin_d4 = Y6_GPIO_NUM,
    .pin_d3 = Y5_GPIO_NUM,
    .pin_d2 = Y4_GPIO_NUM,
    .pin_d1 = Y3_GPIO_NUM,
    .pin_d0 = Y2_GPIO_NUM,
    .pin_vsync = VSYNC_GPIO_NUM,
    .pin_href = HREF_GPIO_NUM,
    .pin_pclk = PCLK_GPIO_NUM,
    .xclk_freq_hz = 20000000,
    .ledc_timer = LEDC_TIMER_0,
    .ledc_channel = LEDC_CHANNEL_0,
    .pixel_format = PIXFORMAT_JPEG,
    .frame_size = FRAMESIZE_QVGA, // 根据带宽调整分辨率
    .jpeg_quality = 24,
    .fb_count = 1,
};

void wifi_init() {
    WiFi.mode(WIFI_STA);
    WiFi.setSleep(false); // 关闭休眠提高响应
    WiFi.begin(ssid, password);
    while (WiFi.status() != WL_CONNECTED) {
        delay(500);
        Serial.print(".");
    }
    Serial.println("WiFi Connected!");
    Serial.print("IP Address:");
    Serial.println(WiFi.localIP());
}

esp_err_t camera_init() {
    esp_err_t err = esp_camera_init(&camera_config);
    if (err != ESP_OK) {
        Serial.println("Camera Init Failed");
        return err;
    }
    sensor_t * s = esp_camera_sensor_get();
    if (s->id.PID == OV2640_PID) {
        // 可选：校正翻转和亮度
    }
    Serial.println("Camera Init OK!");
    return ESP_OK;
}

void setup() {
    Serial.begin(115200);
    wifi_init();
    camera_init();
}

void loop() {
    Serial.println("Try To Connect TCP Server!");
    if (client.connect(serverIP, serverPort)) {
        Serial.println("Connect Tcp Server Success!");
        while (1) {
            camera_fb_t * fb = esp_camera_fb_get();
            uint8_t* temp = fb->buf; // 保存指针，防止内存泄漏

            if (!fb) {
                Serial.println("Camera Capture Failed");
            } else {
                client.print("Frame Begin"); // 起始标志
                int len = fb->len;
                int times = len / MAX_CACHE;
                int extra = len % MAX_CACHE;

                for (int j = 0; j < times; j++) {
                    client.write(fb->buf, MAX_CACHE);
                    fb->buf += MAX_CACHE;
                }
                if (extra > 0) {
                    client.write(fb->buf, extra);
                }
                client.print("Frame Over"); // 结束标志

                Serial.print("This Frame Length:");
                Serial.print(fb->len);
                Serial.println(". Succes To Send Image For TCP!");

                // 归还缓冲区供驱动复用
                fb->buf = temp;
                esp_camera_fb_return(fb);
            }
            delay(20);
        }
    } else {
        Serial.println("Connect To Tcp Server Failed! After 10 Seconds Try Again!");
        client.stop();
        delay(10000);
    }
}

服务器端 Python 程序

服务端使用 Socket 监听，接收到数据后通过 OpenCV 进行解码显示。关键点在于解析 Frame Begin 和 Frame Over 标记，重组完整的 JPEG 字节流。

import socket
import threading
import time
import numpy as np
import cv2

begin_data = b'Frame Begin'
end_data = b'Frame Over'

def handle_sock(sock, addr):
    temp_data = b''
    t1 = int(round(time.time() * 1000))
    
    while True:
        data = sock.recv(1430)
        if not data:
            break
            
        # 检测起始标志
        if data[0:len(begin_data)] == begin_data:
            # 去除起始标志
            data = data[len(begin_data):]
            
            # 循环接收直到遇到结束标志
            while data[-len(end_data):] != end_data:
                temp_data = temp_data + data
                data = sock.recv(1430)
            
            # 处理最后一包，去除结束标志
            temp_data = temp_data + data[0:(len(data)-len(end_data))]
            
            # 解码显示
            receive_data = np.frombuffer(temp_data, dtype='uint8')
            r_img = cv2.imdecode(receive_data, cv2.IMREAD_COLOR)
            
            t2 = int(round(time.time() * 1000))
            fps = 1000 // (t2 - t1)
            cv2.putText(r_img, "FPS: " + str(fps), (50, 50), cv2.FONT_HERSHEY_SIMPLEX, 1, (255, 0, 0), 2)
            cv2.imshow('server_frame', r_img)
            
            if cv2.waitKey(1) & 0xFF == ord('q'):
                break
            
            t1 = t2
            print("接收到的数据包大小：" + str(len(temp_data)))
            temp_data = b''

server = socket.socket(socket.AF_INET, socket.SOCK_STREAM)
server.bind(('192.168.1.104', 18080))
server.listen(5)
print('Server started on 192.168.1.104:18080')

while True:
    sock, addr = server.accept()
    print('Connect--{}'.format(addr))
    client_thread = threading.Thread(target=handle_sock, args=(sock, addr))
    client_thread.start()

总结

通过上述步骤，我们实现了从本地局域网到远程外网的视频流传输。局域网方案简单快捷，适合调试；外网方案则提供了更大的灵活性，但需要注意网络带宽和安全性。在实际应用中，建议根据具体需求调整分辨率和帧率以平衡画质与流畅度。