CCTV Camera Database

一个开放的、结构化的数据库，包含1,296个闭路电视/网络摄像机模型及其技术规格，涵盖64个品牌，覆盖从预算消费级WiFi摄像机到企业级PTZ球机和热成像系统的各个市场细分。每个摄像机都是一个经过验证的JSON文件，汇总成一个可查询的数据集（JSON + CSV）。

An open, structured database containing 1,296 closed-circuit television (CCTV)/network camera models and their technical specifications, spanning 64 brands and covering all market segments from budget consumer-grade WiFi cameras to enterprise-level PTZ dome cameras and thermal imaging systems. Each camera entry is a validated JSON file, aggregated into a queryable dataset available in both JSON and CSV formats.

原始信息汇总

数据集概述：CCTV Camera Database

这是一个开放的、结构化的闭路电视/网络摄像机数据库，收录了1,296个摄像机模型，覆盖64个品牌，涵盖从廉价消费级WiFi摄像头到企业级PTZ球机及热成像系统在内的所有市场细分。

核心特性

• 数据规模：1,296个摄像机模型，64个品牌，9种外观形态。
• 数据格式：每个摄像机为一个独立的JSON文件，并聚合为可查询的单一JSON文件和CSV文件。
• 数据来源：制造商数据手册和授权零售商的公开列表，每个条目均包含来源链接。
• 许可协议：数据以CC0 1.0（公共领域）发布。

数据覆盖范围

品牌与数量（部分主要品牌）

品牌	数量	市场定位
Hikvision	151	企业级与消费级，全球
Reolink	121	专业消费者，无订阅，全球
Dahua	111	企业级与消费级，全球
Hanwha	71	企业级AI，韩国/全球
Axis	68	企业级高端，全球
Tapo (TP-Link)	64	消费级预算，全球
Eufy (Anker)	36	消费级无订阅，全球
Arlo	31	消费级高端无线，全球
Ring (Amazon)	30	消费级生态系统，美国/欧盟/澳大利亚
Avigilon	24	企业级NDAA，美国/加拿大

技术规格统计

指标	数量
总摄像机数	1,306
品牌数	65
形态因素	9种 (子弹型、半球型、转塔型、PTZ、双镜头、全景、隐蔽型、盒式、鱼眼)
PoE有线	863
WiFi	427
电池/无线	130
4K / 8MP+	411
4–5MP	588
1080p–2MP	296

市场覆盖示例

市场	标注摄像机数	主要品牌
欧盟	88	ABUS, Netatmo, Aqara, Somfy, Axis
德国	58	ABUS, Lupus, Steinel, Bosch Smart Home
印度	32	CP Plus, Qubo, Godrej, Zebronics
美国	28	Wyze, Blink, Verkada, SimpliSafe, ADT
英国	39	Yale, Hive, Ajax, Ring, HiLook

数据结构

• ID: 唯一标识符，如 reolink-rlc-823a
• Brand: 品牌
• Model: 型号
• Type: 类型
• Resolution: 分辨率（包含百万像素数和标签）
• Connectivity: 连接方式数组
• Night Vision: 夜视类型及距离
• Power: 供电方式
• Audio: 音频功能
• Protocols: 支持协议数组
• Markets: 目标市场数组
• MSRP: 建议零售价（美元/欧元/英镑）
• Features: 特性列表
• Sources: 数据来源链接数组

仓库结构

cctv-camera-database/ ├── cameras/ # 数据源 — 每个品牌一个文件夹，内含单个JSON文件 ├── data/ # 生成文件 │ ├── cameras.json # 全部1,296个摄像机的单一JSON数组 │ └── cameras.csv # 扁平化的电子表格友好格式 ├── schema/ │ └── camera.schema.json # 数据模式定义 ├── scripts/ │ └── build.js # 聚合与验证脚本 └── CONTRIBUTING.md # 贡献指南

在线演示

提供在线浏览与搜索功能，支持全文搜索、按品牌/类型/夜视/分辨率/市场筛选、排序、查看详细规格以及数据统计。

搜集汇总

数据集介绍

构建方式

在视频监控领域，技术参数的碎片化长期困扰着行业用户与开发者。为应对这一挑战，CCTV Camera Database 通过系统化的方法构建而成。数据集的初始版本借助 Claude Code 辅助完成，其内容源自官方制造商数据表与权威零售商列表，并确保每条记录都附有来源链接以供追溯。所有原始数据以 JSON 格式独立存储于 cameras/ 目录下，按品牌分组；随后通过自动化脚本执行格式验证与聚合，生成统一可查询的 cameras.json 及 cameras.csv 文件，并遵循预设的 JSON Schema 规范，从而保证了数据结构的严谨性与一致性。

特点

该数据集的核心亮点在于其前所未有的广度与结构化深度。它收录了来自 65 个品牌的 1,306 款摄像机，横跨从消费级Wi-Fi设备到企业级热成像系统的全市场细分领域。数据集中不仅囊括了分辨率、连接方式、夜视类型等基础参数，还细致标注了协议支持、存储方案、音频功能、目标市场甚至价格信息，所有字段均以机器可读的形式精心组织。尤其值得关注的是，其对“免订阅”模式及不同地域市场（如欧盟、印度、中国）的精准标记，为进行跨品牌、跨领域的深度比较分析提供了得天独厚的条件。

使用方法

用户可通过两种主流途径高效利用此数据集。对于开发者而言，最直接的方式是通过 npm 安装依赖后运行构建脚本，即可将原始 JSON 文件聚合为标准数据源；随后，可凭借 JavaScript 等编程语言，通过对 cameras.json 执行如 filter 等数组操作，根据 PoE 供电、4K分辨率、彩色夜视或特定市场标签等复杂条件进行精细化查询与筛选。非技术用户则可直接打开 data/cameras.csv 文件，在电子表格软件中进行浏览、排序与过滤。此外，该项目还提供了一个在线演示界面，支持全文搜索、多维度筛选及详细规格侧拉面板查看，极大地降低了数据探索的门槛。

背景与挑战

背景概述

随着安防监控技术的快速演进与智能化应用的普及，闭路电视摄像机（CCTV Camera）已成为智慧城市、工业安防及家庭安全的关键基础设施。然而，不同品牌与型号的摄像机技术规格散落在厂商数据手册、电商页面及付费数据库（如IPVM）中，格式各异，难以横向对比与系统化利用。在此背景下，CCTV Camera Database于近期由开源社区研究者构建，整合了跨越64个品牌的1,296款摄像机型号的技术规格，覆盖从消费级WiFi摄像头到企业级PTZ球机及热成像系统的全市场层级。该数据集通过标准化的JSON文件组织，提供统一的机器可读结构，旨在填补安防设备领域缺乏开放、可比对结构化数据资源的空白，为学术研究、产品选型与系统集成提供了前所未有的数据基础。

当前挑战

当前，CCTV Camera Database面临的核心挑战在于数据源的碎片化与动态更新维护的复杂性。首先，领域层面上，安防摄像机市场品牌林立、型号纷繁，技术参数定义不统一（如分辨率标识、夜视类型、协议兼容性），且厂商手册与零售列表常存在信息过时或冲突，构建一个可靠、一致且覆盖广泛的数据集合具有天然难度。其次，构建过程中，项目依赖人工与半自动化手段从PDF数据手册及第三方网站提取信息，尽管引入来源链接进行验证，但依然难以完全避免数据错误，且随着新型号快速迭代，需要持续的社区贡献来补全缺失条目、修正过时信息，并保持与真实产品规格的同步，这对数据治理与质量控制机制提出了较高要求。

常用场景

经典使用场景

在智能安防与物联网系统的研究领域，CCTV Camera Database为算法训练与系统评测提供了标准化的基准数据集。研究者可便捷地筛选出具备特定规格（如支持PoE供电、4K分辨率、红外夜视或云台控制）的摄像头型号，进而构建针对性的视频分析模型。该数据库覆盖了从消费级到企业级的1,296款设备，囊括了64个品牌，使得跨品牌、跨规格的摄像头性能对比与兼容性研究有了统一的量化依据，极大地提升了研究效率与结论的可靠性。

实际应用

在实际应用中，CCTV Camera Database为安防集成商、智能家居开发商及企业IT管理者提供了极大的便利。它支持快速的参数筛选，例如一键查找所有支持无订阅费的4K PoE户外摄像头，或是在特定市场（如UK）中兼容HomeAssistant生态的设备。通过内置的搜索与过滤功能，用户可以基于品牌、夜视类型、分辨率等条件精准定位产品，从而加速项目选型、降低采购调研成本。此外，该数据库还可与Frigate、Home Assistant等开源平台无缝对接，生成配置模板，推动从独立监控到智能家居联动系统的落地部署。

衍生相关工作

该数据集已催生了一系列衍生工作。官方提供了基于JSON Schema的验证脚本，确保了数据质量的可维护性，并规划了包括侧边对比视图、价格历史追踪以及Frigate兼容配置导出在内的多条发展路径。社区贡献机制（如交互式CLI向导和GitHub Issue模板）鼓励了众包式的数据扩充，使得数据库持续进化。前瞻性地，该工作已规划为Home Assistant提供集成模板，并构建只读API端点，这些举措不仅增强了数据的可访问性，也为未来在联邦式安防设备图谱、跨厂商兼容性自动推理等前沿方向上开辟了研究与应用的新维度。