Frigate 0.16 Beta 部署指南在家搭建带对象检测的本地 NVR【免费下载链接】frigateNVR with realtime local object detection for IP cameras项目地址: https://gitcode.com/GitHub_Trending/fr/frigateFrigate 是一款开源的本地 NVR网络视频录像机0.16.0 Beta 版为 IP 摄像头提供实时对象检测、事件触发录制和本地 WebUI。视频与事件全部留在你自己的设备上不依赖云端服务。本文面向新手按顺序讲清 Docker 部署、摄像头接入和存储省空间的配置。部署后你能得到什么接入任意输出 RTSP 流的 IP 摄像头在本地识别 person、car 等对象画面出现运动时自动生成事件并保留对应录像无活动时基本不占空间浏览器打开可视化界面实时画面、历史事件、录像回看与导出通过 MQTT 与 Home Assistant 等家庭自动化系统联动检测逻辑跑在独立进程里配合运动检测按需触发资源占用通常远低于每帧都分析的方案⚠️ 0.16.0 是 Beta 版本适合尝鲜和验证功能不建议直接当作长期生产方案重要数据记得定期备份。Docker 部署最短路径在一台能常驻的 Linux 小主机旧 PC、软路由、Nas 都行上装好 Docker 后建两个目录并写好docker-compose.yml。下面的配置把配置目录、录像目录和一块 1GB 的内存缓存都映射好了services: frigate: container_name: frigate image: ghcr.io/blakeblackshear/frigate:stable volumes: - ./config:/config - ./storage:/media/frigate - type: tmpfs target: /tmp/cache tmpfs: size: 1000000000 ports: - 8971:8971执行docker compose up -d启动然后运行docker logs frigate找到首次生成的 admin 密码浏览器打开https://服务器IP:8971登录。首次启动会自动生成一份基础配置后续大多数修改可以直接在 Settings 界面完成参考安装文档和入门指南。接入第一路摄像头0.16 版提供了添加摄像头向导进入 Settings → Camera management → Add Camera向导会尝试用 ONVIF 自动发现摄像头并测试每路流的分辨率和帧率最后直接帮你写好配置适合不想手写 YAML 的人。如果偏好配置文件在config/config.yml中写最小配置即可cameras: front_door: ffmpeg: inputs: - path: rtsp://user:pass192.168.1.10:554/stream1 roles: [detect] detect: enabled: True objects: track: [person, car]这段配置解决检测哪路流、识别哪些对象的问题改完保存后在实时视图里确认画面出现检测框。如果流地址不确定先用向导的探测功能或对照摄像头配置文档手动填写。检测流的分辨率建议用摄像头的子码流即可没必要上最高清。本地对象检测是怎么省资源的Frigate 不逐帧做全图检测先由低成本的运动检测判断画面中哪里发生了变化再把相应区域交给独立进程做对象检测结果经共享内存传给 API、MQTT 等下游。这个流程决定了它按需计算的资源模型运动检测相关实现见 frigate/motion/各类检测器插件Coral、Hailo、OpenVINO、TensorRT 等在 frigate/detectors/。存储策略事件保留比全量录制省空间录像默认按保留策略分层连续保留、运动保留、事件保留Frigate 取最宽松的一项执行删除。想省空间就不设continuous只保留有运动和事件的部分record: enabled: True motion: days: 7 alerts: retain: days: 30 mode: motion detections: retain: days: 30 mode: motion这段配置的含义是有运动画面存 7 天触发过告警的画面延长到 30 天其余直接丢弃。想单独保住某段录像时用界面导出exports而不是整体调高保留天数详见录像配置文档。摄像头多、磁盘小时按数量适当下调天数即可。进阶玩法加速器、区域告警与集成AI 加速器USB Coral 需在 compose 中加设备映射- /dev/bus/usb:/dev/bus/usb再在 Settings → Detectors 中选择 EdgeTPU/usbIntel/AMD 核显可走 OpenVINO GPU。加速器通常能显著降低检测延迟。区域Zone告警只在关心区域内触发事件比如车进车道才通知Home Assistant / MQTT把mqtt.enabled打开并填入 broker 地址Frigate 的所有状态和事件都通过 MQTT 主题广播Home Assistant 集成可直接订阅。事件页可以按摄像头、对象、区域筛选历史记录见 frigate/record/ 相关实现与录像文档。常见问题排查WebUI 打不开先用docker logs frigate确认容器正常启动、找到初始密码注意对外端口是 89715000 是容器内部端口反向代理应指向 8971。摄像头无画面优先用向导探测 ONVIF 流地址探测不到时切到手动模式填写 RTSP URL再勾选 stream compatibility mode 让 go2rtc 转通。检测卡顿或 CPU 高降低 detect 分辨率与帧率、给录像用高码流而检测用子码流、加装加速器或开启硬件解码预设。误检偏多调高 person 的threshold和min_score给 person/car 加min_area画面中树叶、时间戳等持续触发区域用 motion mask 盖住。注意 motion mask 只是不让这些区域触发检测并不过滤检测结果规则详见对象过滤器文档。存储增长过快核对record各层保留天数与 mode确认没有意外开启 continuous 保留。报 Bus error通常是共享内存不够按摄像头数量和分辨率调大 compose 的shm_size默认 128MB 约够 2 路 720p 检测。行动建议先跑通一路摄像头 detect 角色 实时视图出框再谈其他功能运行一两周观察事件列表里的误检类型再针对性调过滤器扩摄像头前先评估 shm 大小和是否加装加速器比事后救火省事按这个顺序走普通家用硬件就能搭起一套隐私可控、按需计算的本地监控。【免费下载链接】frigateNVR with realtime local object detection for IP cameras项目地址: https://gitcode.com/GitHub_Trending/fr/frigate创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
Frigate 0.16 Beta 部署指南：在家搭建带对象检测的本地 NVR
Frigate 0.16 Beta 部署指南在家搭建带对象检测的本地 NVR【免费下载链接】frigateNVR with realtime local object detection for IP cameras项目地址: https://gitcode.com/GitHub_Trending/fr/frigateFrigate 是一款开源的本地 NVR网络视频录像机0.16.0 Beta 版为 IP 摄像头提供实时对象检测、事件触发录制和本地 WebUI。视频与事件全部留在你自己的设备上不依赖云端服务。本文面向新手按顺序讲清 Docker 部署、摄像头接入和存储省空间的配置。部署后你能得到什么接入任意输出 RTSP 流的 IP 摄像头在本地识别 person、car 等对象画面出现运动时自动生成事件并保留对应录像无活动时基本不占空间浏览器打开可视化界面实时画面、历史事件、录像回看与导出通过 MQTT 与 Home Assistant 等家庭自动化系统联动检测逻辑跑在独立进程里配合运动检测按需触发资源占用通常远低于每帧都分析的方案⚠️ 0.16.0 是 Beta 版本适合尝鲜和验证功能不建议直接当作长期生产方案重要数据记得定期备份。Docker 部署最短路径在一台能常驻的 Linux 小主机旧 PC、软路由、Nas 都行上装好 Docker 后建两个目录并写好docker-compose.yml。下面的配置把配置目录、录像目录和一块 1GB 的内存缓存都映射好了services: frigate: container_name: frigate image: ghcr.io/blakeblackshear/frigate:stable volumes: - ./config:/config - ./storage:/media/frigate - type: tmpfs target: /tmp/cache tmpfs: size: 1000000000 ports: - 8971:8971执行docker compose up -d启动然后运行docker logs frigate找到首次生成的 admin 密码浏览器打开https://服务器IP:8971登录。首次启动会自动生成一份基础配置后续大多数修改可以直接在 Settings 界面完成参考安装文档和入门指南。接入第一路摄像头0.16 版提供了添加摄像头向导进入 Settings → Camera management → Add Camera向导会尝试用 ONVIF 自动发现摄像头并测试每路流的分辨率和帧率最后直接帮你写好配置适合不想手写 YAML 的人。如果偏好配置文件在config/config.yml中写最小配置即可cameras: front_door: ffmpeg: inputs: - path: rtsp://user:pass192.168.1.10:554/stream1 roles: [detect] detect: enabled: True objects: track: [person, car]这段配置解决检测哪路流、识别哪些对象的问题改完保存后在实时视图里确认画面出现检测框。如果流地址不确定先用向导的探测功能或对照摄像头配置文档手动填写。检测流的分辨率建议用摄像头的子码流即可没必要上最高清。本地对象检测是怎么省资源的Frigate 不逐帧做全图检测先由低成本的运动检测判断画面中哪里发生了变化再把相应区域交给独立进程做对象检测结果经共享内存传给 API、MQTT 等下游。这个流程决定了它按需计算的资源模型运动检测相关实现见 frigate/motion/各类检测器插件Coral、Hailo、OpenVINO、TensorRT 等在 frigate/detectors/。存储策略事件保留比全量录制省空间录像默认按保留策略分层连续保留、运动保留、事件保留Frigate 取最宽松的一项执行删除。想省空间就不设continuous只保留有运动和事件的部分record: enabled: True motion: days: 7 alerts: retain: days: 30 mode: motion detections: retain: days: 30 mode: motion这段配置的含义是有运动画面存 7 天触发过告警的画面延长到 30 天其余直接丢弃。想单独保住某段录像时用界面导出exports而不是整体调高保留天数详见录像配置文档。摄像头多、磁盘小时按数量适当下调天数即可。进阶玩法加速器、区域告警与集成AI 加速器USB Coral 需在 compose 中加设备映射- /dev/bus/usb:/dev/bus/usb再在 Settings → Detectors 中选择 EdgeTPU/usbIntel/AMD 核显可走 OpenVINO GPU。加速器通常能显著降低检测延迟。区域Zone告警只在关心区域内触发事件比如车进车道才通知Home Assistant / MQTT把mqtt.enabled打开并填入 broker 地址Frigate 的所有状态和事件都通过 MQTT 主题广播Home Assistant 集成可直接订阅。事件页可以按摄像头、对象、区域筛选历史记录见 frigate/record/ 相关实现与录像文档。常见问题排查WebUI 打不开先用docker logs frigate确认容器正常启动、找到初始密码注意对外端口是 89715000 是容器内部端口反向代理应指向 8971。摄像头无画面优先用向导探测 ONVIF 流地址探测不到时切到手动模式填写 RTSP URL再勾选 stream compatibility mode 让 go2rtc 转通。检测卡顿或 CPU 高降低 detect 分辨率与帧率、给录像用高码流而检测用子码流、加装加速器或开启硬件解码预设。误检偏多调高 person 的threshold和min_score给 person/car 加min_area画面中树叶、时间戳等持续触发区域用 motion mask 盖住。注意 motion mask 只是不让这些区域触发检测并不过滤检测结果规则详见对象过滤器文档。存储增长过快核对record各层保留天数与 mode确认没有意外开启 continuous 保留。报 Bus error通常是共享内存不够按摄像头数量和分辨率调大 compose 的shm_size默认 128MB 约够 2 路 720p 检测。行动建议先跑通一路摄像头 detect 角色 实时视图出框再谈其他功能运行一两周观察事件列表里的误检类型再针对性调过滤器扩摄像头前先评估 shm 大小和是否加装加速器比事后救火省事按这个顺序走普通家用硬件就能搭起一套隐私可控、按需计算的本地监控。【免费下载链接】frigateNVR with realtime local object detection for IP cameras项目地址: https://gitcode.com/GitHub_Trending/fr/frigate创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考