本发明提供了基于物联网的多终端安全监控方法和系统，其通过对目标区域进行图像信息和声音信息的采集获取，以对该目标区域进行图像和声音的双重记录，并且将采集获取得到的图像信息和声音信息分别进行连续化整合，以此得到在时间上连贯的连续化图像信息和连续化声音信息，最后相应地获得其对应的人物画面变化信息和声纹变化信息，以此作为判断该目标区域现场状态安全与否的依据，其能够在图像和声音两个不同方面对目标区域进行监控，并且还利用物联网对采集得到的图像信息和声音信息进行处理，从而有效地提高对目标区域监控的准确性与可靠性，以及降低对图像信息和声音信息处理所需要的人力物力。