10 分钟部署 Frigate 本地 AI 安防 NVR从接入摄像头到降低误报的完整入门指南【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 是一个运行在本地网络的 AI 安防监控 NVR它持续拉取你家用 IP 摄像头的视频流用本地运行的 AI 模型识别画面中的人、车、宠物并自动生成可回放的事件——视频全程不出你的局域网也不需要订阅任何云服务。你只需要一台能跑 Docker 的机器。快速开始三步跑起来把 Frigate 想象成一位住在你局域网里的保安摄像头是探头它负责 24 小时盯着画面、记录异常而且只在画面里真有人动的地方才动用 AI 分析所以资源占用很低。第一步准备目录和启动文件在服务器上创建一个目录里面放两个空目录和一个 compose 文件完整目录结构见 docs/docs/guides/getting_started.mdmkdir storage config touch docker-compose.yml把最小启动配置写进docker-compose.ymlservices: frigate: image: ghcr.io/blakeblackshear/frigate:stable restart: unless-stopped volumes: - ./config:/config - ./storage:/media/frigate ports: - 8971:8971第二步一条命令启动docker compose up -d首次启动会自动生成配置文件并创建一个 admin 账号密码会打印在日志里用下面这条命令查看docker logs frigate第三步打开 Web 界面浏览器访问https://server_ip:8971用 admin 登录。你会看到所有摄像头的实时画面墙和历史事件列表——这就是这套本地 AI 安防 NVR 的主界面 。核心功能怎么用接入你的第一路摄像头登录后进入 设置 全局配置 摄像头管理点击 Add Camera 按钮向导会带你填写 RTSP 地址、检测分辨率等参数。写入 YAML 后对应的配置长这样cameras: front_door: ffmpeg: inputs: rtsp: rtsp://user:pass192.168.1.50:554/stream1 detect: resolution: 1280x720配好后实时画面上会出现识别框一旦检测到目标事件列表里会自动多出一条带缩略图的记录。用 Zone 和阈值减少误报树叶晃动、路灯闪烁都可能触发误报两种手段配合使用在 Web 界面给摄像头画 Zone区域只有目标进入区域才生成事件提高置信度阈值threshold说明见 docs/docs/configuration/objects.mdobjects: filters: person: threshold: 0.7值越接近 1 越较真误报减少但可能漏报建议从 0.7 起步再微调。回看事件与录像事件页支持按对象类型和时间筛选点击事件即可拖动时间轴回看前后上下文配合 24/7 录像可以把当时到底发生了什么完整调出来。录像保留与导出策略见 docs/docs/configuration/record.md。关键配置详解最常动手修改的五项参数配置项作用默认值示例objects.filters.label.threshold目标置信度阈值低于它视为误报0.70.7cameras.name.ffmpeg.hwaccel_args硬件解码预设降低 CPU 占用无CPU 解码preset-vaapirecord.enabled是否 24 小时连续录像TrueFalseshm_sizedocker-compose 中帧解码共享内存摄像头多时必调64MBDocker 默认512mbdetectorsAI 检测器类型默认是 CPU 上的 OpenVINOOpenVINO (CPU)type: edgetpu实用技巧与常见坑三条直接照做的建议日志里出现Bus error基本就是shm_size不够按 docs/docs/frigate/installation.md 中的 shm-size 计算方法加大它。想让 CPU 轻松下来就把解码交给显卡compose 文件中加devices: - /dev/dri/renderD128:/dev/dri/renderD128再把hwaccel_args设为preset-vaapi。手上有 Coral、GPU 或 NPU 等加速卡的去 docs/docs/configuration/object_detectors.md 按硬件找对应的detectors写法检测性能提升非常直观。摄像头画面是灰的先确认 RTSP 地址能在 VLC 里直接播放再检查 compose 文件里FRIGATE_RTSP_PASSWORD环境变量是否与摄像头密码一致——这是新手最高频的坑。到这里你的局域网里已经住进了一位 Frigate 保安摄像头接入、区域圈定、阈值调好剩下的就是每天在事件页翻一翻今天家里发生了什么。想继续深挖 Home Assistant 联动、MQTT 集成或硬件加速细节从仓库内文档 docs/ 出发即可检测器实现位于 frigate/detectors/对象跟踪逻辑在 frigate/track/读源码时可以从这两处入手。【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 10 分钟部署 Frigate 本地 AI 安防 NVR：从接入摄像头到降低误报的完整入门指南
10 分钟部署 Frigate 本地 AI 安防 NVR从接入摄像头到降低误报的完整入门指南【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 是一个运行在本地网络的 AI 安防监控 NVR它持续拉取你家用 IP 摄像头的视频流用本地运行的 AI 模型识别画面中的人、车、宠物并自动生成可回放的事件——视频全程不出你的局域网也不需要订阅任何云服务。你只需要一台能跑 Docker 的机器。快速开始三步跑起来把 Frigate 想象成一位住在你局域网里的保安摄像头是探头它负责 24 小时盯着画面、记录异常而且只在画面里真有人动的地方才动用 AI 分析所以资源占用很低。第一步准备目录和启动文件在服务器上创建一个目录里面放两个空目录和一个 compose 文件完整目录结构见 docs/docs/guides/getting_started.mdmkdir storage config touch docker-compose.yml把最小启动配置写进docker-compose.ymlservices: frigate: image: ghcr.io/blakeblackshear/frigate:stable restart: unless-stopped volumes: - ./config:/config - ./storage:/media/frigate ports: - 8971:8971第二步一条命令启动docker compose up -d首次启动会自动生成配置文件并创建一个 admin 账号密码会打印在日志里用下面这条命令查看docker logs frigate第三步打开 Web 界面浏览器访问https://server_ip:8971用 admin 登录。你会看到所有摄像头的实时画面墙和历史事件列表——这就是这套本地 AI 安防 NVR 的主界面 。核心功能怎么用接入你的第一路摄像头登录后进入 设置 全局配置 摄像头管理点击 Add Camera 按钮向导会带你填写 RTSP 地址、检测分辨率等参数。写入 YAML 后对应的配置长这样cameras: front_door: ffmpeg: inputs: rtsp: rtsp://user:pass192.168.1.50:554/stream1 detect: resolution: 1280x720配好后实时画面上会出现识别框一旦检测到目标事件列表里会自动多出一条带缩略图的记录。用 Zone 和阈值减少误报树叶晃动、路灯闪烁都可能触发误报两种手段配合使用在 Web 界面给摄像头画 Zone区域只有目标进入区域才生成事件提高置信度阈值threshold说明见 docs/docs/configuration/objects.mdobjects: filters: person: threshold: 0.7值越接近 1 越较真误报减少但可能漏报建议从 0.7 起步再微调。回看事件与录像事件页支持按对象类型和时间筛选点击事件即可拖动时间轴回看前后上下文配合 24/7 录像可以把当时到底发生了什么完整调出来。录像保留与导出策略见 docs/docs/configuration/record.md。关键配置详解最常动手修改的五项参数配置项作用默认值示例objects.filters.label.threshold目标置信度阈值低于它视为误报0.70.7cameras.name.ffmpeg.hwaccel_args硬件解码预设降低 CPU 占用无CPU 解码preset-vaapirecord.enabled是否 24 小时连续录像TrueFalseshm_sizedocker-compose 中帧解码共享内存摄像头多时必调64MBDocker 默认512mbdetectorsAI 检测器类型默认是 CPU 上的 OpenVINOOpenVINO (CPU)type: edgetpu实用技巧与常见坑三条直接照做的建议日志里出现Bus error基本就是shm_size不够按 docs/docs/frigate/installation.md 中的 shm-size 计算方法加大它。想让 CPU 轻松下来就把解码交给显卡compose 文件中加devices: - /dev/dri/renderD128:/dev/dri/renderD128再把hwaccel_args设为preset-vaapi。手上有 Coral、GPU 或 NPU 等加速卡的去 docs/docs/configuration/object_detectors.md 按硬件找对应的detectors写法检测性能提升非常直观。摄像头画面是灰的先确认 RTSP 地址能在 VLC 里直接播放再检查 compose 文件里FRIGATE_RTSP_PASSWORD环境变量是否与摄像头密码一致——这是新手最高频的坑。到这里你的局域网里已经住进了一位 Frigate 保安摄像头接入、区域圈定、阈值调好剩下的就是每天在事件页翻一翻今天家里发生了什么。想继续深挖 Home Assistant 联动、MQTT 集成或硬件加速细节从仓库内文档 docs/ 出发即可检测器实现位于 frigate/detectors/对象跟踪逻辑在 frigate/track/读源码时可以从这两处入手。【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