Un sistema di citofono è composto da due parti principali: il posto esterno, dove i visitatori premono il pulsante, e il posto interno, dove il personale risponde.
Postazioni porta: custodie per esterni dotate di pulsante di chiamata, altoparlante, microfono e (nel caso dei videocitofoni) telecamera. Si installano a parete accanto alla porta oppure, in caso di cancelli, vengono integrate in un montante. Le postazioni videocitofoniche utilizzano obiettivi grandangolari per riprendere il visitatore e l'area circostante la porta, garantendo così una migliore identificazione.
Stazioni principali e unità da tavolo: il terminale interno presso cui viene risposta alla chiamata. Può trattarsi di una stazione principale a parete, di un'unità da tavolo con touchscreen, di un telefono da tavolo in grado di rispondere alle chiamate interne o di un'app mobile su uno smartphone. I sistemi multi-tenant instradano le chiamate verso i singoli telefoni degli utenti anziché verso un'unica stazione principale.
Meccanismi di sblocco: i citofoni si collegano a serrature elettriche, serrature magnetiche o motorizzazioni per cancelli per sbloccare la porta a distanza. Il segnale di sblocco proviene dalla stazione principale, dall'unità da scrivania o dall'app mobile. È qui che avviene l'integrazione tra citofono e controllo accessi: invece di due pulsanti di sblocco separati, un unico sistema attiva entrambi.
Alimentazione e connettività: i citofoni IP utilizzano la tecnologia PoE (Power over Ethernet) tramite il cablaggio dati standard, il che semplifica l'installazione. I citofoni analogici utilizzano cavi dedicati a due fili o multiconduttori. I citofoni wireless funzionano a batteria, con energia solare o con alimentazione CA locale e dispongono di connettività Wi-Fi o cellulare.
