企业官网建设流程全解析

本地目标检测NVR实战：Docker一条命令跑通 Frigate

【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

家用摄像头要录像，云 NVR 又怕隐私外泄；自建 NVR 又嫌配置复杂。Frigate 把这两个矛盾都绕开了——它在本地做实时目标检测，视频流不用离开你的网络。

它解决了什么问题

市面上的 NVR 大多只负责录像，看的时候才需要人去翻。Frigate 把 AI 目标检测塞进了录像链路：先跑一层低开销的运动检测，发现画面有变化才唤醒模型，只在必要的位置和时机识别，而不是对每一帧都跑推理。识别出的目标会生成事件、生成片段，再通过 MQTT 推送给 Home Assistant 等系统。换句话说，它是一台"边录边看"的 NVR，而不是等你回头查录像的工具。

从零到跑通

克隆仓库，把docker-compose.yml里 frigate 服务的镜像、端口（8030）和配置卷挂载填好，启动容器即可。

services: frigate: image: ghcr.io/blakeblackshear/frigate:stable ports: - "8030:8030" volumes: - ./config/frigate.yml:/config/config.yml

仓库里的 docker-compose.yml 就是现成模板，git clone https://gitcode.com/GitHub_Trending/fr/frigate之后照着抄，浏览器打开 8030 端口就能看到界面。

上手后你能做到什么

凌晨有人从车库门口走过，Frigate 会把人框出来、生成一条带时间戳的事件，并自动截取前后几秒的片段存下来，你第二天只需要看"事件页"，不用翻整夜录像。

白天的车道，车辆进入你圈定的区域就触发事件。如果你接了 Home Assistant，MQTT 消息推过去就能直接弹通知，整个链路不经过任何云端。

再往前一步，接一台支持 ONVIF 的 PTZ 云台，检测到目标后云台会自动转向并持续把目标保持在画面中央，目标离开或超时后才回到默认机位。

最影响体验的3个配置项

detectors：决定推理跑在哪块硬件上，Coral、Hailo、Intel NPU 各有插件实现，见 检测器插件。选错它，帧率直接腰斩。

zones：在画面上圈出真正关心的区域，只有目标进入区域才算事件。不圈的话，画面边缘一片树叶晃动就能让告警失去意义，区域配置模块在 frigate/camera/。

record：按"检测到对象"来保留录像。保留期设短点磁盘省，设长点回溯从容，这是磁盘预算和回溯能力之间的取舍。

进阶玩法：让云台替你追目标

autotracking 是 Frigate 最有存在感的联动。开启后，Frigate 判断目标不是误报且进入指定区域，就通过 ONVIF 指令驱动 PTZ 云台，把目标一直留在画面中央；丢失目标后还会在丢失区域扫几秒再回位。注意前提：摄像头必须支持 ONVIF 的相对平移协议，便宜的老款云台大概率不行，日志里会直接报错提示。

避坑实录

症状：CPU 检测卡顿、事件延迟高。原因：纯 CPU 推理只能当调试用，扛不住多路摄像头。解法：给容器挂上硬件加速器（USB Coral、Hailo 或 GPU），在detectors里对应声明。

症状：摄像头频繁断流、偶发花屏。原因：Frigate、录像、推流、你的客户端各自拉一路 RTSP，摄像头连接数直接爆。解法：用 Frigate 内置的 go2rtc 做 RTSP 重推，多路消费走同一个源，相关实现见 go2rtc 重推配置。

症状：内存缓慢上涨，跑几天后状态异常。原因：某个模块分配没有及时释放。解法：Frigate 自带 memray 内存剖析，设环境变量FRIGATE_MEMRAY_MODULES指向可疑模块（如frigate.embeddings）即可定位，入口在 frigate/embeddings/。

一条docker compose up就能拿到的本地 AI 检测 NVR，事件、录像、联动全在私有网络里闭环。现在就去把docker-compose.yml改好，让第一路摄像头开始出事件。

【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