把海量摄像头接入与 AI 检测装进一套栈（EasyAIoT）

智能物联网项目落地时会撞上同一堵墙：视频系统、设备平台、算法服务各做各的，集成成本高，运维割裂，摄像头路数一上来就难扩。

EasyAIoT 是一套用 Python 等语言写的云边端一体化平台，把摄像头的 GB28181/ONVIF 接入、YOLO 实时检测、IoT 设备管理和可视化看板放进同一套软件栈，面向要自建视频智能分析的团队。

这套栈拆得很细，WEB、DEVICE、EDGE、SENTINEL、VIDEO、RTC、AI、RUNTIME、POST、VISUALIZE、TWIN、TRANSFORM、TERMINAL 等模块各管一段，同一份软件能跑在 2 GB 的边缘独立设备上，也能装进带 IoT 管理、海量视频接入与 AI 分析的企业级全栈一体机里。仓库用 MIT 许可证开源，主要语言是 Python，地址在 https://github.com/soaring-xiongkulu/easyaiot，目前 737 Star、230 Fork、9 Watcher，开放 Issue 4 个。

五分钟先跑通

想先看一眼效果，README 给了一个在线体验入口，产品介绍、四档硬件层级、安装包下载和文档入口都在官网：

官网（含安装包与文档入口）：http://36.111.47.113:8090/
仓库地址：https://github.com/soaring-xiongkulu/easyaiot

自己部署有两条路。一条是在官网下载对应硬件档位的安装包；另一条是仓库里的 docker 一键安装脚本，用户在 Issue 里提到的部署后检查会挨个确认 Device 服务、AI 服务、Video 服务是否就绪，说明脚本会拉起一整组服务。

安装的具体命令、脚本路径和参数，仓库 README 节选里没有给出来，这里不替它补。语言构成上 Python 占 25.4%、Java 24.4%、Vue 23.1%、TypeScript 10.9%，另有 Shell 7.0% 和 Go 4.4%，跨语言栈意味着部署时你会同时面对 JVM 服务、Python 推理服务和前端构建产物。

打包发布的覆盖面写得很清楚：Ubuntu，CentOS 与 RHEL 7–9（x86 加 CentOS ARM，按 el7/el8/el9 出包），麒麟、欧拉，以及 Windows、macOS、ARM。这张清单来自 README 的 COMPILE 模块说明。

跑通之后你会得到什么

部署起来之后，你能在一个浏览器里同时看到设备接入状态、视频画面和算法告警，移动端 App 和小程序的控制台与 Web 端能力对齐，现场巡检和指挥中心看到的是同一套业务逻辑。

输出落在几处。一是 Web 控制台和可视化看板，设备数据可以摆成指挥中心式态势图，也能映射回 Web SCADA 组态画面；二是告警与证据，边缘侧本地决策后会自动聚合到云端；三是外部系统，TRANSFORM 把平台侧的业务事件按约定送到 MES、ERP、CRM、WMS 这类系统里。安装过程的日志也会打在终端，Issues 里排查服务未就绪就是靠它。

下一步通常是把摄像头挂上来。GB28181 和 ONVIF 是两条标准接入路径，家里那类消费摄像头走 RTC 的 P2P 桥接，大疆机场和无人机的航拍画面也有对应通道。

主要功能

• 多协议摄像头接入：走 GB28181 注册或 ONVIF 发现把监控摄像头纳管；RTC 模块基于 go2rtc 做消费级摄像头 P2P 桥接，覆盖 Tapo、Tuya、Ring、Nest、小米、Wyze、DoorBird、GoPro 和石头扫地机的摄像头，Web 端一键接入后即可进入统一的视频与 AI 研判流程。
• 算法任务编排：支持实时、抓拍、轮巡三类算法任务，按业务需要选择是持续跑检测还是定时抓帧。
• RUNTIME 原生高速执行层：编译成二进制后自行完成拉流、解码、YOLO 推理、推框和多路原始转发，README 说它比解释执行路径占用更低的 CPU 与内存，延迟也更稳，一个二进制覆盖实时、抓拍、轮巡和转发。
• 模型能力：内置 YOLO 目标检测、SAM 零样本自动标注、人脸与车牌识别，公开的 ONNX 模型包括打电话、口罩、车牌、跌倒、人脸等类别。
• POST 自定义研判：检测结果先经过过滤与复合规则再决定是否告警，改规则不用重新训练模型，上线前可以先跑一轮试用。
• IoT 设备生命周期管理：覆盖 MQTT、TCP、HTTP、Modbus-TCP、Modbus-RTU、OPC UA；EDGE 侧的 C# 采集运行时用可插拔采集器处理 Modbus RTU/TCP、OPC UA 等工业协议，本地调度后经 MQTT 与云端对接。
• 集群与边缘联邦：SENTINEL 持续暴露每个节点的就绪状态与可调度业务容量，缺环境时提示补齐，再按真实能力派活；联邦计算做集群调度；无限联邦边缘集群模式让普通开发板开箱即用，边缘本地决策，告警和证据自动汇总到云端。
• 多端与运维入口：ANDROID、IOS、HARMONYOS 三套打包壳从同一份前端代码出一套 APK/IPA/HAP；TERMINAL 模块整合自开源 uniTerm，覆盖 SSH、RDP、VNC、SFTP、数据库、Kubernetes 等 30 多种协议的终端与远程运维；PANEL 提供交付与值守入口，IDEA 是社区云 IDE，可直接在浏览器里改代码并提交 PR。

常用参数与配置

README 节选里没有列出具体的配置文件字段名和参数默认值，因此这里只写平台层面确定的几组可调项。

硬件档位是第一个要定的事：2 GB 边缘独立（edge）形态跑单点闭环，4–8 GB 边缘盒子（mini）跑单点智能，AI 一体机摄像头做楼层级覆盖，再往上就是带 IoT 管理、海量视频接入和 AI 分析的企业级全栈一体机。同一份软件覆盖这四档，不用维护多套版本。最近的 V201.1.0（2026-09-24）就是专门优化 mini 和 edge 形态部署的。

接入协议按现场设备选：视频侧是 GB28181、ONVIF 加 RTC P2P；物联侧是 MQTT、TCP、HTTP、Modbus-TCP、Modbus-RTU、OPC UA。RTC 桥接的品牌清单在 README 里列到了具体型号族，海外门铃走 Ring 和 Nest，国内小米设备可直接复用。

数据外发目标在 TRANSFORM 里按合同配置，指向 MES、ERP、CRM、WMS 等外部系统，README 强调这一步可配置、可追溯、可复用。

部署单元方面，从用户 Issue 可以看到安装完成后会拉起一组服务，包括 Device 服务、AI 服务、Video 服务，以及 gpustack、Nacos、iot-gb28181、zlm、srs-server 等容器；gpustack 内置 pgsql。仓库 README 节选没有给出这些服务的端口、镜像 tag 与资源配额，需要看完整文档和官网的安装说明。

结果在哪里看

主入口是 Web 控制台，移动端 App 和小程序提供对齐的能力，两边共享同一套业务逻辑。可视化侧有看板与 Web SCADA 组态，数字孪生由 V190.0.0 引入的 TWIN 模块承担。

算法结果以告警和证据的形式出现：边缘侧做本地决策，告警与证据自动聚合到云端；如果业务系统需要消费这些事件，走 TRANSFORM 按约定外发。设备与集群的健康状态由 SENTINEL 暴露，节点是否可调度、缺不缺环境，在这块看。

部署与排障阶段的输出在终端日志里，docker 脚本结束时会打印服务就绪检查结果，形如「[WARNING] 部分服务未就绪」，后面跟着打叉的服务名。

实际使用中的坑

仓库的 Issue 区记录了早期用户踩过的问题，多数已经关闭。

docker 一键安装脚本装完之后有服务起不来，是出现频率最高的那类。Issue 里贴出的检查结果是 Device 服务、AI 服务和 Video 服务三项未就绪，需要按日志逐个排查，状态已解决。同一时期还有健康检查地址不对导致容器 unhealthy 的反馈：iot-gb28181 与 zlm 容器跑着但健康检查失败，srs-server 按自动安装文档部署后缺一个依赖包，状态已解决。

算法侧的坑出在结果映射上。打电话、口罩、车牌、跌倒、人脸这些内置 ONNX 模型能正常出推理结果，但类别名称显示错，进而影响告警和规则判断，状态已解决。这条对做告警联动的团队影响最直接，类别名错了后面整条规则链都不可靠。

规模问题上，有用户直接问 1000 路摄像头同时做视频流检测时服务器带宽扛不扛得住，讨论集中在 4 条评论里，状态已解决。README 里 RUNTIME 原生执行层宣称比解释路径占用更低、延迟更稳，以及无限联邦边缘集群把算力下沉到现场，都是针对这类规模压力的设计。

另有 gpustack 重启失败的反馈，日志指向内置 pgsql 的数据目录被强制改成 777 权限导致无法启动；以及创建数据集时上传封面报「操作失败」、提示「请输入封面地址」，两条状态都是已解决。

选型参考

下面两张表里，EasyAIoT 是云边端一体化的算法应用平台，另外两个是自托管视频与设备互联方向的参照，和它要解决的问题并不重合。

这两个项目解决的是另外的事，放在这里只给同类选型的读者一个横向坐标。如果你的目标仅是把直播源聚成频道列表，或者把异地设备的网络打通，EasyAIoT 的整套部署显得过重：仓库体积 1880098 KB，安装后还要维护 Nacos、pgsql、gb28181、zlm、srs 多个服务，启动与排障成本明显高于只做单项功能的方案。

合规红线

这套平台的算法能力包含人脸识别、车牌识别，README 里也提到风险人员布控与周界入侵检测，接入对象是摄像头。它只能部署在自有资产或已获书面授权的目标上，替第三方场所、他人住宅或未授权的公共区域装这套系统并采集人脸、车牌，会同时踩到个人信息保护与数据安全的法律边界。

公开的演示入口用的是测试数据，把它当成可以随便灌生产数据的开放环境同样不合适。人脸与车牌属于敏感个人信息，采集前要明确告知、限定用途和留存期限；把算法结果接到安防联动、人员管控这类业务流程上之前，先确认当地法规与所在平台的规则允许这么做。误用带来的法律风险和平台封禁后果，由部署方承担。

什么情况下别用它

只想要一个能把直播源聚起来看的自托管播放器，用 iptv 那类工具就够，不需要背上算法服务和多容器编排。只是想把异地设备网络打通，P2WLAN 这类组网方案更直接，EasyAIoT 在这里帮不上忙。

手上只有一台低配小机器长期挂着跑，同时不打算扩到多路视频并发，这套栈的部署与维护成本会盖过收益。团队里没人熟悉容器编排、JVM 服务与 Python 推理服务的联合排障，也不适合直接上生产，Issues 里几条服务未就绪的反馈都出现在这一步。

如果业务只需要单一模型做单点识别、不需要设备管理、不需要看板、也不需要把事件外发到 MES 或 ERP，那用一套轻量的推理服务加自己的业务代码，比引入整个平台更快落地。

焚评：这个项目的量化评分

本项目的选题来自 焚.com（一个按公开公式给 GitHub 项目打分的站）。焚评当前总分 9.3 分（满分 10）。下表是各维度的得分：

评分口径、权重与计算方式见焚.com 的评分方法页；数据随 GitHub 指标刷新，具体数值以焚.com 当前页面为准。本文正文为诀.com 独立撰写，评分数据由焚.com 授权引用。