Sentinel 实时监控系统

这是什么

Sentinel 是一个开源框架，将普通的 Android 智能手机转变为网络摄像头节点，并将其视频流传输至 PC 端的 Flask 服务器。PC 端托管一个网页仪表板，您可以在其中观看实时 MJPEG 视频、录制分段 MP4/AVI 文件，并（可选）对符合运动触发条件的帧执行基于 AI 的分析。

核心组件

组件	角色	关键技术
CamFlow（Android 应用）	捕获手机摄像头，将每个帧压缩为 JPEG 并 POST 至服务器。	Android 8+、Java/Kotlin、HTTP 上传
PC 服务器（server.py）	接收帧，将最新图像存储在 FrameBuffer 中，提供 MJPEG 流，录制视频，并运行可选的 AI 监控线程。	Python 3.9+、Flask、OpenCV、threading
浏览器仪表板	用于实时预览、开始/停止录制、调整参数、查看日志和 AI 事件的 UI。	HTML/JS、CSS、Flask 模板

工作原理（高级流程）

1. 启动服务器 – python server.py 启动 Flask，并打印地址（例如 http://192.168.1.10:5000）。
2. 启动 CamFlow – 应用要求服务器地址，然后持续捕获帧并 POST 至 /upload。
3. FrameBuffer – 服务器将最新的 JPEG 保存在内存中；MJPEG 端点（/stream）将其流传输至任何浏览器。
4. 录制 – 后台工作线程从缓冲区读取并写入分段视频文件（可配置 FPS、编解码器、分段长度）。
5. AI 触发（可选） – 运动检测模块标记帧；触发时，AI 监控器调用可插拔的视觉模型（例如多模态 LLM 或 CV 模型），并存储结构化的 JSON 事件（has_person、risk_level、confidence、summary）。
6. 仪表板 – 让您调整流 FPS、JPEG 质量、录制设置和 AI 参数（提示模板、运动阈值等），并实时查看日志/事件。

主要功能

• 零成本硬件 – 任何 Android 手机都可成为摄像头节点；无需 IP 摄像头。
• 仅限 LAN 操作 – 所有流量都保留在本地网络中，保护隐私。
• 实时 MJPEG 预览 – 可在任何现代浏览器中查看，无需插件。
• 分段视频录制 – 自动文件轮换以避免大文件。
• 可配置参数 – 流 FPS、上传速率、录制编解码器、AI 触发阈值、提示模板等。
• 分层 AI 处理 – 先进行低成本运动检测，然后可选进行大模型推理以节省计算/API 成本。
• 结构化事件日志 – JSON 记录，用于下游分析或模型训练。
• 可扩展架构 – AI 模块是一个接口；您可以插入任何视觉模型或推理服务。

典型使用场景

场景	为何 Sentinel 适合
家庭或实验室监控	使用现有手机，本地存储数据，无需云订阅。
行为分析研究原型	易于插入自定义视觉模型并获得结构化 JSON 输出。
教学分布式视觉系统	演示“移动捕获 → PC 处理 → 网页控制”架构。
小规模数据收集	生成同步视频 + 事件 JSON，供后续模型训练。

快速入门（快速步骤）

1. 克隆仓库

   git clone https://github.com/suzuran0y/CCTV-Smartphone-AI-Monitoring.git
   cd CCTV-Smartphone-AI-Monitoring
   

2. 安装 Python 依赖

   pip install -r requirements.txt
   

3. 运行服务器

   python server.py
   

   记下打印的 IP:PORT。
4. 在手机上安装 CamFlow（APK 位于 PhoneCamSender/ 或从 Android Studio 构建），并输入服务器地址。
5. 在同一 LAN 上打开浏览器，前往 http://<server_ip>:5000 – 您将看到实时仪表板。
6. 使用“设置”选项卡启用 AI 监控器、调整阈值并开始录制。

扩展 AI 模块

文件夹 app/ai/ 包含：

• ai_ark.py – 一个轻量包装器，调用视觉模型（目前是在线推理 API 的占位符）。
• ai_monitor_worker.py – 执行状态机（SLEEP → OBSERVE）并写入事件。
• motion_trigger.py – 简单的帧差异运动检测器。 若要使用不同的模型，请将 ai_ark.py 替换为将 JPEG 发送至您自己的端点并返回符合预期 schema 的 JSON 负载的代码。

许可证与贡献

• 许可证： MIT – 您可以自由使用、修改和重新分发。
• 欢迎通过 pull request 贡献；此项目遵循典型的开源工作流程。

---

以上所有信息直接取自仓库的 README；未推断任何额外功能。