边缘计算+WEB端应用融合：AI行为识别智能监控系统搭建指南
前言
欢迎来到我们的专栏《边缘计算+WEB端应用融合：AI行为识别智能监控系统搭建指南》！在这个专栏中，我们将带您深入探索如何将边缘计算和WEB端应用相结合，打造智能监控系统，实现对各种行为的实时识别和监测。无论您是想在家庭、办公场所还是公共区域建立智能监控系统，本专栏都将为您提供全面的指导和实用的技巧。让我们一起探索边缘计算技术的无限可能，构建出更加智能、高效的监控系统吧！
本专栏系统完整搭建将用到C++（边缘设备程序）、Python（模型训练、网络通信）、JAVA（系统后端）、VUE3（系统前端）、SQL（数据库）等开发语言。在搭建之前我自己也只会JAVA和SQL，所以完全不用担心语言不会导致无法搭建。所有的算力都由边缘设备提供，所以不需要高性能服务器，成本上也可以得到控制。
项目特点：低成本搭建视频智能识别、边缘计算终端和网页端完全打通自由控制、除常规标注检测外增加了预警和区域检测功能。
申明：本系统完全由博主自己一人搭建，其中使用到的都是开源项目，如：若依、RKNN、zlmediakit等。
PS：国人的开源项目越来越牛了。
硬件设备及技术选型
硬件设备选型
在设想完成这套系统的时候最初的方案是使用WVP-GB28181来实现设备头设备信息的上传，然后在云端进行图像识别，这个方案在进行初步尝试的时候就被PASS了，整套方案需要高带宽、高性能服务器，导致整体搭建费用非常贵。在无意间和朋友聊天时候知道有树莓派这种微型主机，第一次接触时候着实被惊艳到了，这么小的机器就可以搭载系统稳定运行。于是从微型设备的角度出发，经过多轮的比较验证，最后确定使用香橙PI5进行部署开发。
香橙PI5是国产的学习开发版，搭载有国产芯片RK3588，可以配合瑞芯微的神经网络推理框架RKNN在NPU上进行推理。在专栏中会专门对这块芯片的使用和编程方法进行描述，这里就不多说了。
系统技术选型
由于个人开发没有那么多时间从零开始搭建系统，在研究过程中找到了若依开源项目，本项目搭建使用的是若依前后端分离版本，这里建议直接使用VUE3版本，VUE2已经停止更新很长时间了。
若依的官网链接：https://ruoyi.vip/
若依的gitee链接：https://gitee.com/y_project/RuoYi-Vue
流媒体服务器选型
流媒体服务器这个词以前工作中也接触过，但是没有细节的研究，通过这次智能监控系统的搭建在弄明白它的作用和强大之处。
早期开发使用ffmpeg对视频进行解码和编码后来发现稳定性存在问题，后来转用zlmediakit，这是一个国人开发的基于C++高并发流媒体服务器，开放了很多常用的API接口。在和网页端进行通信时使用到了hls和webrtc，这个也会在专栏中专门描述。
zlmediakit的github链接：https://github.com/ZLMediaKit/ZLMediaKit
项目整体结构
智能监控系统功能
此处不对若依自身功能进行描述
视频纵览
对用户权限范围内的所有边缘设备自动识别的实时视频进行查看、录制视频信息、展示设备的运行状态。
预警信息
边缘设备可以根据配置生成识别的预警视频并上传系统，用户可以在预警信息模块查看到所有的预警视频并播放下载，如果边缘计算设备接入的是NVR设备，可以直接查看预警时间前后的视频信息。
模型管理
模型的训练是线下完成的，训练完的模型可以上传系统后用来维护设备信息，在设备切换模型后会自动下载模型文件并装载。
设备管理
设备管理主要是用来维护设备的一些参数信息的，以及设备共享情况。如果用户有设备后可以共享给自己下级单位的用户，这样被共享的用户也可以查看到设备上的识别信息和预警信息。
摄像头管理
摄像头管理是系统的核心模块，这里面的参数修改会直接影响设备的运行，用户对设备的参数修改也直接在该模块完成。通过这个模块可以查看摄像头或nvr的检测结果视频、原始视频、回放视频等。
标签：WEB,视频,AI,系统,--,选型,智能,设备,搭建 From： https://blog.csdn.net/weixin_41864178/article/details/136707208如果你喜欢这篇博客请点赞留言，后续会更新具体的搭建步骤。