Frigate本地NVR快速上手Docker部署实时对象检测的完整指南【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 是一款为 IP 摄像头提供实时本地对象检测的 NVR网络视频录像机运行在 Beta 预览版本阶段。想象这样一个场景门口摄像头拍到有人走近几秒后你的通知里出现一条带截图的person事件而这一整晚的静态画面并没有占用你的硬盘。检测在本地完成不需要把视频传给云端。先把环境跑起来Frigate 以 Docker 容器的形式部署官方推荐在 Debian 系发行版上直接跑虚拟机环境下 GPU/Coral 设备透传可能失败。按摄像头数量参考下面的硬件基线场景CPU内存存储加速器单路摄像头双核 2.0GHz 以上4GB64GB SSD可选4 路摄像头四核 i5/R5 级别8GB256GB SSD推荐 Google Coral8 路以上八核 i7/R7 级别16GB1TB NVMe建议 Hailo-8以上数值来自社区参考文章的推荐值实际以你的摄像头分辨率和帧率为准。最短路径四步git clone https://gitcode.com/GitHub_Trending/fr/frigate cd frigate mkdir -p config docker compose up -d在config/config.yml里声明摄像头detect.width/height建议按摄像头实际分辨率的 1/4 到 1/2 来设避免无效算力消耗cameras: front_door: ffmpeg: input_rtsp: rtsp://admin:password192.168.1.10:554/stream1 detect: enabled: true width: 1280 height: 720 fps: 5 objects: track: - person - car filters: person: min_area: 5000启动后访问http://localhost:5000进入 WebUI。完整端口说明含对外反代用的 8971 认证端口见 安装文档。它是怎么工作的官方架构图把整条流水线讲得很清楚先找运动再跑检测每路摄像头的处理流程是拉流 → 找运动 → 判断该看哪里 → 对相应区域做对象检测 → 把当前帧和上一帧的检测结果关联成轨迹。运动检测是关键画面没有变化时根本不会调用检测模型官方称这一机制让资源占用降低约 70%在 Raspberry Pi 5 上配合 Coral 加速器可达 25 FPS 的检测速度。检测器本身由 frigate/detectors/ 下的插件体系实现按硬件选用 CPU、Edge TPU、OpenVINO、TensorRT、Hailo 等类型各摄像头进程与检测服务之间通过共享内存传递帧和结果frigate/comms/inter_process.py。事件驱动地录而不是全程录frigate/record/ 负责录像与保留策略只有检测到有效对象、事件真正发生时才会留下对应的视频片段默认配置下相比全程录像可节省约 60% 的存储空间record: enabled: true retain: days: 30 events: retain: default: 10 mode: active_objects多路摄像头还可以配置鸟瞰图birdseye在一屏内纵览所有机位的实时画面踩坑与实战经验按症状 → 原因 → 处理来看最常见的三类问题症状原因处理容器反复退出日志报 Bus error高分辨率摄像头过多/dev/shm不足默认仅 64MB两路 720p 建议 128MB 起在 Compose 中加shm_size: 1gb按摄像头数量和分辨率调大日志提示检测器不可用或回退 CPU加速器设备没有透传进容器Coral 加devices: - /dev/bus/usb:/dev/bus/usbHailo、Intel GPU 等按安装文档映射对应设备节点低配机器跑两路 720p 吃力检测分辨率和帧率偏高把detect降到 800×450、3 FPS或换更轻量的小模型必要时给容器加deploy.resources.limits限制 CPU/内存录像片段会先写入/tmp/cache再转成 mp4 落盘给这个目录挂 tmpfs 可以明显减少磁盘写入压力细节见安装文档。编码参数如果默认预设不够用再考虑改 frigate/ffmpeg_presets.py 里的预设。适合谁用 Frigate 适合手里有 RTSP 摄像头、希望录像完全留在本地、同时想要人/车来了才算数这种对象级检测的用户用 Home Assistant 的家庭可以直接通过 MQTT 集成事件对自托管用户来说配置全部是一个 YAML 文件改完即时生效。先跑起容器接上第一路摄像头看看事件列表里出现的第一条记录吧。【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本地NVR快速上手：Docker部署实时对象检测的完整指南
Frigate本地NVR快速上手Docker部署实时对象检测的完整指南【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 是一款为 IP 摄像头提供实时本地对象检测的 NVR网络视频录像机运行在 Beta 预览版本阶段。想象这样一个场景门口摄像头拍到有人走近几秒后你的通知里出现一条带截图的person事件而这一整晚的静态画面并没有占用你的硬盘。检测在本地完成不需要把视频传给云端。先把环境跑起来Frigate 以 Docker 容器的形式部署官方推荐在 Debian 系发行版上直接跑虚拟机环境下 GPU/Coral 设备透传可能失败。按摄像头数量参考下面的硬件基线场景CPU内存存储加速器单路摄像头双核 2.0GHz 以上4GB64GB SSD可选4 路摄像头四核 i5/R5 级别8GB256GB SSD推荐 Google Coral8 路以上八核 i7/R7 级别16GB1TB NVMe建议 Hailo-8以上数值来自社区参考文章的推荐值实际以你的摄像头分辨率和帧率为准。最短路径四步git clone https://gitcode.com/GitHub_Trending/fr/frigate cd frigate mkdir -p config docker compose up -d在config/config.yml里声明摄像头detect.width/height建议按摄像头实际分辨率的 1/4 到 1/2 来设避免无效算力消耗cameras: front_door: ffmpeg: input_rtsp: rtsp://admin:password192.168.1.10:554/stream1 detect: enabled: true width: 1280 height: 720 fps: 5 objects: track: - person - car filters: person: min_area: 5000启动后访问http://localhost:5000进入 WebUI。完整端口说明含对外反代用的 8971 认证端口见 安装文档。它是怎么工作的官方架构图把整条流水线讲得很清楚先找运动再跑检测每路摄像头的处理流程是拉流 → 找运动 → 判断该看哪里 → 对相应区域做对象检测 → 把当前帧和上一帧的检测结果关联成轨迹。运动检测是关键画面没有变化时根本不会调用检测模型官方称这一机制让资源占用降低约 70%在 Raspberry Pi 5 上配合 Coral 加速器可达 25 FPS 的检测速度。检测器本身由 frigate/detectors/ 下的插件体系实现按硬件选用 CPU、Edge TPU、OpenVINO、TensorRT、Hailo 等类型各摄像头进程与检测服务之间通过共享内存传递帧和结果frigate/comms/inter_process.py。事件驱动地录而不是全程录frigate/record/ 负责录像与保留策略只有检测到有效对象、事件真正发生时才会留下对应的视频片段默认配置下相比全程录像可节省约 60% 的存储空间record: enabled: true retain: days: 30 events: retain: default: 10 mode: active_objects多路摄像头还可以配置鸟瞰图birdseye在一屏内纵览所有机位的实时画面踩坑与实战经验按症状 → 原因 → 处理来看最常见的三类问题症状原因处理容器反复退出日志报 Bus error高分辨率摄像头过多/dev/shm不足默认仅 64MB两路 720p 建议 128MB 起在 Compose 中加shm_size: 1gb按摄像头数量和分辨率调大日志提示检测器不可用或回退 CPU加速器设备没有透传进容器Coral 加devices: - /dev/bus/usb:/dev/bus/usbHailo、Intel GPU 等按安装文档映射对应设备节点低配机器跑两路 720p 吃力检测分辨率和帧率偏高把detect降到 800×450、3 FPS或换更轻量的小模型必要时给容器加deploy.resources.limits限制 CPU/内存录像片段会先写入/tmp/cache再转成 mp4 落盘给这个目录挂 tmpfs 可以明显减少磁盘写入压力细节见安装文档。编码参数如果默认预设不够用再考虑改 frigate/ffmpeg_presets.py 里的预设。适合谁用 Frigate 适合手里有 RTSP 摄像头、希望录像完全留在本地、同时想要人/车来了才算数这种对象级检测的用户用 Home Assistant 的家庭可以直接通过 MQTT 集成事件对自托管用户来说配置全部是一个 YAML 文件改完即时生效。先跑起容器接上第一路摄像头看看事件列表里出现的第一条记录吧。【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
