本发明公开了一种音视频监控方法、装置、电子设备及计算机可读存储介质，方法包括：从浏览器端接收音视频监控指令；根据所述识别信息与所述监控摄像头建立socket连接；发送所述监控请求至所述监控摄像头；接收所述监控摄像头发送的rtsp数据包；将所述rtsp数据包转换为目标数据包；将所述目标数据包发送至所述浏览器端。浏览器端根据所述目标数据包获取rtp媒体数据；解析所述rtp媒体数据以生成可供所述浏览器端播放的音视频数据。本发明中，由于网关端只需做一些轻量级的操作，网关端可以实现高并发性，并且浏览器端可以在无需额外安装插件的情况下提供几乎无延迟的监控摄像头的实时画面。