基于物联网的模块化智能监控系统

1 需求

当今安保智能化的需求日渐增长，本款小型的智能监控系统可应用于家庭、学校、企业等场所，有利于降低犯罪率，维护社会长治久安。

Arduino 开发板
Arduino 是一款便捷灵活、方便上手的通用开源电子原型平台，便于扩展，因此应用端借助 Arduino 平台结合各种配件来实现数据的接受和传送。

Arduino 开发板

红外传感器
这套监控系统具备两种工作模式：感知模式和预警模式。平时只启用感知模式，此时摄像头关闭，红外传感器工作。一旦传感器检测到生物体，立即进入预警模式，开启摄像头，并转动角度追踪生物体位置。

价格非常低廉的人体红外感应模块

结合 Arduino 使用的摄像头零件

扬声器零件

Wi-FI收发模块

MQTT 主要应用于硬件之间的数据传送。MQTT将各个传感器等配件的信息进行封装，最终以HTTP方式提交到 OneNet 平台。

国内流行的物联网开放平台

HTTP主要应用于网络上端到端的数据传送。考虑到需要发送视频等大体积的二进制数据故采用 POST 方式进行提交，因为 POST 方式相比 GET 方式更安全，并且对提交数据的体积没有限制。

另外，为了更自由地定制各项用户服务，另外搭建一个服务器后台，将 OneNet 平台上的数据转发到服务器后台再进行其他处理操作。具体流程如下：

在阿里云平台申请云服务器一台，考虑到初期并发量不会很大，先选择低配置的选项，后期再根据需要升级配置；申请域名并备案；
部署服务器环境：CentOS 7.2 + Java 环境 (OpenJDK + TomCat) + MySQL
服务器后台主要使用 Java 进行开发，结合 Spring Cloud / Mybatis 等企业级框架可轻松构建康高并发的后台；并推荐部分模块使用 Google 新推出的 Golang 编程语言进行开发，提倡多样化尝试；

数据库主要采用开源免费的 MySQL 数据库。No-SQL类型的 MongoDB 数据库和 Key-Value 类型的 Redis 数据库作为辅助结合使用。

图像和视频存储直接使用文件系统而不使用数据库。

首先应用端本地设备借助 Tensorflow 或 Pytorch 等训练出来的计算机视觉模型对视频数据进行初步分析。并对出现预警状况的时段进行统计，每周或每月形成一份数据分析报告发送给用户。

Web端借助 HTML5 页面实现一个管理端控制系统，前端采用 Vue.JS 框架开发单页式 Web 应用，后台采用Java+SSM框架开发，Web端与本地App端共用一套服务器后台。

移动端分为 Android 端和 iOS 端。

Android 端使用 Kotlin 编程语言+ Android Studio 开发环境+ Android SDK 开发，使用 Google 官方提出的 Material Design 2.0 以美化界面，提高用户体验。

iOS 使用 Swift 编程语言+ Xcode 开发环境进行开发，同时兼顾 iPhone 和 iPad 设备。开发完毕后将应用提交至 App Store；

基于成本等因素，不考虑对 Windows Phone / Firefox OS / Ubuntu Mobile / Sailfish OS 等小众移动操作系统的支持，这些平台直接使用 Web 端进行操作。

方案一：
借助 C# 语言结合 WPF 框架进行本地GUI应用的快速开发，必要时结合HTML5页面以实现快速迭代更新；

方案二：
使用Node.JS 结合 Electron 框架进行开发，舍弃性能的同时却可以大大提高开发效率和更新速度，并且可以跨 Linux / macOS 等平台；

方案三：
使用 C++ 结合 Qt，支持跨平台并且性能较佳，但开发周期较长，开发难度有所提升。

本产品实现的硬件成本较低，硬件及软件开发成本后期可通过收取附加服务费的形式回本，本身具备一定的差异化，可以向市场进行推广尝试。