Trött på att din telefon konstant vibrerar för att en gren rör sig i vinden eller för att grannens katt bestämmer sig för att ta en promenad i din trädgård? Det är det typiska problemet med billiga kameror: de upptäcker varje pixelförändring och skickar en varning, vilket gör att du ignorerar aviseringar precis när de verkligen spelar roll . För att lösa detta problem finns Frigate, ett nätverksvideoinspelningssystem (NVR) med öppen källkod som är banbrytande genom att bearbeta allt lokalt och använda artificiell intelligens.
Magin med den här programvaran är att den inte bara detekterar rörelse; den kan identifiera vilket objekt det är , oavsett om det är en person, en bil eller en hund. Genom att sömlöst integrera med Home Assistant kan du konfigurera ett professionellt säkerhetssystem i ditt eget hem utan månadsavgifter eller att skicka dina privata videor till molnservrar, samtidigt som du bibehåller fullständig kontroll över din integritet och svarstid.
Intelligensens motor: Google Coral TPU
Om du vill att Frigate ska fungera felfritt utan att överbelasta din servers processor behöver du en hårdvaruaccelerator. Det är här Google Coral USB Accelerator kommer in i bilden , en liten enhet som fungerar som en vetenskaplig kalkylator specialiserad på AI. Medan en vanlig processor bearbetar information steg för steg, utför TPU-chippet tusentals samtidiga operationer, vilket minskar resursförbrukningen från 80 % till löjligt låga 10 %.
Utan den här komponenten kommer alla Raspberry Pi eller Mini PC att ha svårt att analysera video i realtid. Coral möjliggör omedelbar objektdetektering , vilket är avgörande om du till exempel vill att dina uteplatsbelysningar ska tändas i samma ögonblick som någon kliver in på din tomt, och inte fem sekunder senare.
Tekniska krav och miljöförberedelser
För att få igång detta behöver du inte vara NASA-ingenjör, men du behöver förstå vissa grunder. Du behöver en server som kan köra Docker (som en mini-dator, en NAS eller en Raspberry Pi 4/5), hårddiskar med tillräckligt med kapacitet för att lagra klippen och naturligtvis säkerhetskameror som stöder RTSP-protokollet.
En avgörande detalj är att dina kameror måste erbjuda minst två videoströmmar. Delströmmen (låg upplösning) är den som Frigate ständigt analyserar för att upptäcka rörelse utan att förbruka mycket CPU, medan huvudströmmen (hög upplösning eller 4K) används uteslutande för att spela in de slutgiltiga bevisen när AI:n bekräftar att det finns ett objekt av intresse.
Steg-för-steg installationsguide
Det renaste sättet att installera Frigate är genom att Docker komponeraFörst måste du skapa en mapp och en fil på din server. docker-compose.yml där du definierar behållaren, tilldelar den nödvändiga behörigheter för att komma åt Coral USB och konfigurerar lagringen i /media/frigate så att videorna inte fyller upp systempartitionen.
Kärnan i allt är arkivet config.ymlI den måste du konfigurera MQTT-mäklare (som Mosquitto), vilket är språket som Frigate använder för att meddela Home Assistant att den har upptäckt något. Det är också där du definierar varje kamera, vilket indikerar RTSP-URL (vilket inkluderar användarnamn, lösenord och IP-adress) och de roller som varje flöde kommer att ha, oavsett om detect för AI eller record för det historiska arkivet.
Avancerade inställningar: Masker och zoner
För att förhindra att systemet går i kras av ett träds rörelser eller kamerans egen digitala klocka kan du använda rörelsemasker . Dessa säger till Frigate: "Ignorera helt allt som händer i den här bilden." Det är det perfekta verktyget för att rensa bort irriterande falska positiva resultat.
Å andra sidan tillåter detektionszoner dig att vara mycket mer specifik. Du kan rita ett område som heter "garage_entrance" och ett annat som heter "back_fence". Tack vare detta kan du programmera olika automatiseringar: någon vid staketet kan skicka dig en tyst varning, medan någon vid ytterdörren aktiverar ett larm eller tänder alla lampor i huset.
Fullständig integration med Home Assistant
För att få ut det mesta av Frigate behöver du installera dess integration via HACS . När Home Assistant är ansluten skapar den automatiskt binära sensorer och enheter för varje detekterat objekt. Detta gör att du kan skapa kraftfull logik, till exempel att skicka en fotoavisering till din telefon bara om någon är i trädgården mellan 23:00 och 06:00.
Ett bra tips för nybörjare är att använda en kodredigerare som Code Studio i Home Assistant för att enkelt hantera YAML-filer. Kom ihåg att för smidig kommunikation måste du skapa en dedikerad användare i Home Assistant för MQTT -agenten och se till att inloggningsuppgifterna matchar exakt på båda sidor.
Optimerings- och hårdvarutips
Gör inte misstaget att försöka upptäcka intrång i 4K; det är slöseri med resurser. Ställ in detekteringsupplösningen till något hanterbart, som 640x480 eller 1280x720 , eftersom AI:n kommer att ändra storleken på bilden ändå. Om du använder Wi-Fi-säkerhetskameror utomhus , se också till att du har ett robust nätverk eller, helst, använd en Ethernet-kabel för att undvika lagg eller förlorade bildrutor som kan hindra AI:n från att upptäcka intrånget i tid.
Om du är osäker på hårdvaran kan en Intel NUC med Coral USB enkelt hantera mellan 6 och 10 kameror . Om du märker att systemet körs långsamt, kontrollera att det delade minnet (shm_size) i Docker är korrekt justerat enligt antalet kameror du har anslutna.
Att installera ett lokalt övervakningssystem med Frigate är det bästa sättet att återfå kontrollen över dina data samtidigt som du njuter av smart säkerhet . Genom att kombinera kraften hos Google Coral med mångsidigheten hos Home Assistant förvandlar du enkla kameror till en vaktpost som kan skilja mellan ett djur och en inkräktare, eliminera falsklarm och säkerställa att ditt hem övervakas av ett privat, effektivt och kostnadsfritt system.
