# easyaiot
**Repository Path**: kdisi_admin/easyaiot
## Basic Information
- **Project Name**: easyaiot
- **Description**: No description available
- **Primary Language**: Unknown
- **License**: MIT
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No
## Statistics
- **Stars**: 0
- **Forks**: 0
- **Created**: 2026-02-18
- **Last Updated**: 2026-02-21
## Categories & Tags
**Categories**: Uncategorized
**Tags**: None
## README
# EasyAIoT(云边端一体化智能算法应用平台)
我希望全世界都能使用这个系统,实现AI的真正0门槛,人人都能体验到AI带来的好处,而并不只是掌握在少数人手里。
## 🌟 关于项目的一些思考
### 📍 项目定位
EasyAIoT是一个云边端一体化的智能物联网平台,专注于AI与IoT的深度融合。平台通过算法任务管理、实时流分析、模型服务集群推理等核心能力,实现从设备接入到数据采集、AI分析、智能决策的全链路闭环,真正实现万物互联、万物智控。
#### 🧠 AI能力
- 多协议摄像头接入支持:全面支持GB28181和ONVIF两大主流视频监控协议,实现标准化设备接入与管理。GB28181作为中国国家标准,完美适配国内主流监控设备;ONVIF作为国际通用标准,广泛兼容全球主流品牌摄像头。通过双协议支持,平台能够无缝对接现有监控系统,实现设备的即插即用、自动发现与统一管理,大幅降低设备接入门槛,提升系统兼容性与扩展性,为大规模摄像头部署提供坚实的技术基础
- 视觉大模型智能理解:集成QwenVL3视觉大模型,支持对实时视频画面进行深度视觉推理与语义理解,能够对画面内容进行智能分析与场景理解,提供更丰富的视觉认知能力,实现从像素级感知到语义级理解的跨越
- 摄像头实时画面AI分析:支持摄像头实时画面的AI智能分析,可对实时视频流进行目标检测、行为分析、异常识别等AI算法处理,提供毫秒级响应的实时分析结果,支持多路视频并发分析
- 云边端一体算法预警监控大屏:提供统一的云边端一体化算法预警监控大屏,实时展示设备状态、算法任务运行情况、告警事件统计、视频流分析结果等关键信息,支持多维度数据可视化展示,实现云端、边缘端、设备端的统一监控与管理,为决策者提供全局视角的智能监控指挥中心
- 设备检测区域绘制:提供可视化的设备检测区域绘制工具,支持在设备抓拍图片上绘制四边形和多边形检测区域,支持区域与算法模型灵活关联配置,支持区域的可视化管理、编辑、删除等操作,支持快捷键操作提升绘制效率,实现精准的区域检测配置,为算法任务提供精确的检测范围定义
- 智能联动告警机制:支持检测区域、布防时段和事件告警的三重联动机制,系统会智能判断检测到的事件是否同时满足指定的检测区域范围、处于布防时段内且匹配告警事件类型,只有同时满足这三个条件时才会触发告警,实现精准的时空条件过滤,大幅降低误报率,提升告警系统的准确性和实用性
- 大规模摄像头管理:支持百级摄像头接入,提供采集、标注、训练、推理、导出、分析、告警、录像、存储、部署等全流程服务
- 算法任务管理:支持创建和管理两种类型的算法任务,每个算法任务可灵活绑定抽帧器和排序器,实现精准的视频帧提取与结果排序
- 实时算法任务:用于实时画面分析,支持RTSP/RTMP流实时处理,提供毫秒级响应能力,适用于监控、安防等实时场景
- 抓拍算法任务:用于抓拍图像分析,对抓拍图片进行智能识别与分析,适用于事件回溯、图像检索等场景
- 推流转发:支持在无需启用AI分析功能的情况下,直接观看摄像头实时画面。通过创建推流转发任务,可将多路摄像头进行批量推送,实现多路视频流的同步观看,满足纯视频监控场景需求
- 模型服务集群推理:支持分布式模型推理服务集群,实现智能负载均衡、故障自动切换与高可用保障,大幅提升推理吞吐量与系统稳定性
- 布防时段管理:支持全防模式和半防模式两种布防策略,可灵活配置不同时段的布防规则,实现精准的时段化智能监控与告警
- OCR与语音识别:基于PaddleOCR实现高精度文字识别,支持语音转文本功能,提供多语言识别能力
- 多模态视觉大模型:支持物体识别、文字识别等多种视觉任务,提供强大的图像理解与场景分析能力
- LLM大语言模型:支持RTSP流、视频、图像、语音、文本等多种输入格式的智能分析与理解,实现多模态内容理解
- 模型部署与版本管理:支持AI模型的快速部署与版本管理,实现模型一键上线、版本回滚与灰度发布
- 多实例管理:支持多个模型实例的并发运行与资源调度,提高系统利用率与资源利用效率
- 摄像头抓拍:支持摄像头实时抓拍功能,可配置抓拍规则与触发条件,实现智能抓拍与事件记录
- 抓拍空间管理:提供抓拍图片的存储空间管理,支持空间配额与清理策略,确保存储资源合理利用
- 录像空间管理:提供录像文件的存储空间管理,支持自动清理与归档,实现存储资源的智能管理
- 抓拍图片管理:支持抓拍图片的查看、检索、下载、删除等全生命周期管理,提供便捷的图片管理功能
- 设备目录管理:提供设备树形目录管理,支持设备分组、层级管理与权限控制,实现设备的有序组织与精细化管理
- 告警录像:支持告警事件自动触发录像功能,当检测到异常事件时自动录制相关视频片段,提供完整的告警证据链,支持告警录像的查看、下载和管理
- 告警事件:提供完整的告警事件管理功能,支持告警事件的实时推送、历史查询、统计分析、事件处理与状态跟踪,实现告警全生命周期管理
- 录像回放:支持历史录像的快速检索与回放功能,提供时间轴定位、倍速播放、关键帧跳转等便捷操作,支持多路视频同步回放,满足事件回溯与分析需求
#### 🌐 IoT能力
- 设备接入与管理:设备注册、认证、状态监控、生命周期管理
- 产品与物模型管理:产品定义、物模型配置、产品管理
- 多协议支持:MQTT、TCP、HTTP等多种物联网协议
- 设备认证与动态注册:安全接入、身份认证、动态设备注册
- 规则引擎:数据流转规则、消息路由、数据转换
- 数据采集与存储:设备数据采集、存储、查询与分析
- 设备状态监控与告警管理:实时监控、异常告警、智能决策
- 通知管理:支持7种通知方式,包括飞书、钉钉、企业微信、邮件、腾讯云短信、阿里云短信、Webhook,实现灵活的多渠道告警通知
### 💡 技术理念
我们认为没有任何一个编程语言能够擅长所有事情。EasyAIoT采用 Java、Python、C++、Go 四种语言的混编架构,在不同场景发挥各自优势。
Java用于稳定的平台能力建设,Python用于AI流程与服务编排,C++用于高性能推理与计算密集任务,Go用于高并发协议入口与流任务控制链路的持续重构。通过多语言协同,平台在工程稳定性和演进效率之间取得平衡。
### 🔄 模块数据流转
### 🤖 零样本标注技术
创新性地依托大模型构建零样本标注技术体系(理想状态下完全去除人工标注环节,实现标注流程的自动化),该技术通过大模型生成初始数据并借助提示词技术完成自动标注,再经人机协同校验确保数据质量(可选),进而训练出初始小模型。该小模型通过持续迭代、自我优化,实现标注效率与模型精度的协同进化,最终推动系统性能不断攀升。
### 🏗️ 项目架构特点
EasyAIoT其实不是一个项目,而是五个项目。
好处是什么呢?假如说你在一个受限的设备上(比如RK3588),你只需要拿出其中某个项目就可以独立部署,所以看似这个项目是云平台,其实他也可以是边缘平台。
🌟 真开源不易,如果这个项目对您有帮助,请您点亮一颗Star再离开,这将是对我最大的支持!
(在这个假开源横行的时代,这个项目就是一个异类,纯靠爱来发电)
### 🌍 本土化支持
EasyAIoT积极响应本土化战略,全面支持本土化硬件和操作系统,为用户提供安全可控的AIoT解决方案:
🖥️ 服务器端支持
- 完美兼容海光(Hygon)x86架构处理器
- 支持本土化服务器硬件平台
- 提供针对性的性能优化方案
- 确保企业级应用的稳定运行
📱 边缘端支持
- 全面支持瑞芯微(Rockchip)ARM架构芯片
- 完美适配RK3588等主流边缘计算平台
- 针对边缘场景进行深度优化
- 实现边缘智能的轻量化部署
🖱️ 操作系统支持
- 兼容麒麟(Kylin)操作系统
- 支持方德(Founder)等本土化Linux发行版
- 适配统信UOS等主流本土化操作系统
- 提供完整的本土化部署方案
## 🎯 适用场景
## 🧩 项目结构
EasyAIoT由五个核心项目组成:
| 模块 |
描述 |
| WEB模块 |
基于Vue的前端管理界面,提供统一的用户交互体验 |
| DEVICE模块 |
- 技术优势:基于 JDK21 + Go 1.25 的混合架构,兼顾成熟平台能力与高并发低开销入口服务
- 设备管理:设备注册、认证、状态监控、生命周期管理
- 产品管理:产品定义、物模型管理、产品配置
- 协议支持:MQTT、TCP、HTTP等多种物联网协议
- 设备认证:设备动态注册、身份认证、安全接入
- 规则引擎:数据流转规则、消息路由、数据转换
- 数据采集:设备数据采集、存储、查询与分析
|
| VIDEO模块 |
- 流媒体处理:支持RTSP/RTMP流实时处理与传输
- 算法任务管理:支持实时算法任务和抓拍算法任务两种类型,分别用于实时画面分析和抓拍图像分析
- 抽帧器与排序器:支持灵活的抽帧策略与结果排序机制,每个算法任务可绑定独立的抽帧器和排序器
- 布防时段:支持全防模式和半防模式的时段化配置
|
| AI模块 |
- 智能分析:负责视频分析和AI算法执行
- 模型服务集群:支持分布式模型推理服务,实现负载均衡与高可用
- 实时推理:提供毫秒级响应的实时智能分析能力
- 模型管理:支持模型部署、版本管理与多实例调度
|
| TASK模块 |
基于C++的高性能任务处理模块,负责计算密集型任务执行 |
## 🖥️ 跨平台部署优势
EasyAIoT支持在Linux、Mac、Windows三大主流操作系统上部署,为不同环境下的用户提供灵活便捷的部署方案:
🐧 Linux部署优势
- 适合生产环境,稳定可靠,资源占用低
- 支持Docker容器化部署,一键启动所有服务
- 完美适配服务器、边缘计算设备(如RK3588等ARM架构设备)
- 提供完整的自动化安装脚本,简化部署流程
🍎 Mac部署优势
- 适合开发测试环境,与macOS系统深度集成
- 支持本地开发和调试,快速验证功能
- 提供便捷的安装脚本,支持Homebrew等包管理器
🪟 Windows部署优势
- 适合Windows服务器环境,降低学习成本
- 支持PowerShell自动化脚本,简化部署操作
- 兼容Windows Server和桌面版Windows系统
- 提供图形化安装向导,用户友好
统一体验:无论选择哪种操作系统,EasyAIoT都提供一致的安装脚本和部署文档,确保跨平台部署体验的一致性。
## ☁️ EasyAIoT = AI + IoT = 云边端一体化解决方案
支持上千种垂直场景,支持AI模型定制化和AI算法定制化开发,深度融合。
赋能万物智视:EasyAIoT
构筑了物联网设备(尤其是海量摄像头)的高效接入与管控网络。我们深度融合流媒体实时传输技术与前沿人工智能(AI),打造一体化服务核心。这套方案不仅打通了异构设备的互联互通,更将高清视频流与强大的AI解析引擎深度集成,赋予监控系统"智能之眼"——精准实现人脸识别、异常行为分析、风险人员布控及周界入侵检测。
平台支持两种类型的算法任务:实时算法任务用于RTSP/RTMP流的实时画面分析,提供毫秒级响应能力;抓拍算法任务用于抓拍图像的智能分析,支持事件回溯与图像检索。通过算法任务管理实现灵活的抽帧与排序策略,每个任务可绑定独立的抽帧器和排序器,结合模型服务集群推理能力,确保毫秒级响应与高可用保障。同时,提供全防模式和半防模式两种布防策略,可根据不同时段灵活配置监控规则,实现精准的时段化智能监控与告警。
在物联网设备管理方面,EasyAIoT提供完整的设备生命周期管理能力,支持多种物联网协议(MQTT、TCP、HTTP),实现设备的快速接入、安全认证、实时监控和智能控制。通过规则引擎实现设备数据的智能流转与处理,结合AI能力对设备数据进行深度分析,实现从设备接入、数据采集、智能分析到决策执行的全流程自动化,真正实现万物互联、万物智控。
## ⚠️ 免责声明
EasyAIoT是一个开源学习项目,与商业行为无关。用户在使用该项目时,应遵循法律法规,不得进行非法活动。如果EasyAIoT发现用户有违法行为,将会配合相关机关进行调查并向政府部门举报。用户因非法行为造成的任何法律责任均由用户自行承担,如因用户使用造成第三方损害的,用户应当依法予以赔偿。使用EasyAIoT所有相关资源均由用户自行承担风险.
## 📚 部署文档
- [平台部署文档](.doc/部署文档/平台部署文档_zh.md)
## 🎮 演示环境
- 演示地址:http://36.111.47.113:8888/
- 账号:admin
- 密码:admin123
## ⚙️ 项目地址
- Gitee: https://gitee.com/soaring-xiongkulu/easyaiot
- Github: https://github.com/soaring-xiongkulu/easyaiot
## 📸 截图
## 📞 联系方式(添加微信后,需关注公众号,拉入技术交流群)
## 👥 公众号
## 🪐 知识星球:
## 💰 打赏赞助
## 🤝 贡献指南
我们欢迎所有形式的贡献!无论您是代码开发者、文档编写者,还是问题反馈者,您的贡献都将帮助 EasyAIoT 变得更好。以下是几种主要的贡献方式:
💻 代码贡献
- Fork 项目到您的 GitHub/Gitee 账号
- 创建特性分支 (git checkout -b feature/AmazingFeature)
- 提交更改 (git commit -m 'Add some AmazingFeature')
- 推送到分支 (git push origin feature/AmazingFeature)
- 提交 Pull Request
📚 文档贡献
- 完善现有文档内容
- 补充使用示例和最佳实践
- 提供多语言翻译
- 修正文档错误
🌟 其他贡献方式
- 报告并修复 Bug
- 提出功能改进建议
- 参与社区讨论,帮助其他开发者
- 分享使用经验和案例
## 🌟 重大贡献者
以下是对EasyAIoT项目做出重大贡献的杰出贡献者,他们的贡献对项目的发展起到了关键推动作用,我们表示最诚挚的感谢!
| 贡献者 |
贡献内容 |
| ℡夏别 |
为推动EasyAIoT项目贡献Windows部署文档,为Windows平台用户提供了完整的部署指南,大大降低了Windows环境下的部署难度,让更多用户能够便捷地使用EasyAIoT平台。 |
| YiYaYiYaho |
为推动EasyAIoT项目贡献Mac容器一键部署脚本,为Mac平台用户提供了自动化部署解决方案,显著简化了Mac环境下的部署流程,提升了开发者和用户的部署体验。 |
| 山寒 |
为推动EasyAIoT项目贡献Linux容器部署脚本,为Linux平台用户提供了容器化部署方案,实现了快速、可靠的容器部署,为生产环境的稳定运行提供了重要保障。 |
| 玖零。 |
为推动EasyAIoT项目贡献Linux容器部署脚本,进一步完善了Linux平台的容器化部署方案,为不同Linux发行版用户提供了更多选择,推动了项目的跨平台部署能力。 |
特别致谢:以上贡献者的工作为EasyAIoT项目的跨平台部署能力奠定了坚实基础,他们的专业精神和无私奉献精神值得我们学习和尊敬。再次向这些杰出的贡献者表示最诚挚的感谢!🙏
## 🙏 致谢
感谢以下各位对本项目包括但不限于代码贡献、问题反馈、资金捐赠等各种方式的支持!以下排名不分先后:
## 💡 期望
欢迎提出更好的意见,帮助完善 easyaiot
## 📄 版权
翱翔的雄库鲁/easyaiot 采用 MIT LICENSE 开源协议。我们致力于推动 AI 技术的普及与发展,让更多人能够自由使用和受益于这项技术。
使用许可:个人与企业可 100% 免费使用,无需保留作者、Copyright 信息。我们相信技术的价值在于被广泛使用和持续创新,而非被版权束缚。希望您能够自由地使用、修改、分发本项目,让 AI 技术真正惠及每一个人。
## 🌟 Star增长趋势图