Frigate：3.7 万星的开源 NVR，本地 AI 目标检测看家

家用摄像头的默认形态是把画面送上厂商云端——隐私、月费、断网即瞎。Frigate（MIT，2019 年起维护，截至 2026-11-05 有 37,268 星）是反向方案：一套完整的本地 NVR，用 OpenCV 与 TensorFlow 在自己机器上对 IP 摄像头画面做实时目标检测，人、车、宠物识别不依赖任何厂商云。WhatsApp 笔记的总结很准：识别结果经 MQTT 推给 Home Assistant 深度联动，WebRTC 低延迟直播多路同屏，性能取向明确。

核心功能

• 本地实时检测：TensorFlow 检测跑在独立进程，低开销运动检测先定位「哪里值得看」，算力只花在有动静的地方。
• Home Assistant 深度集成：官方自定义组件加 MQTT 通道，识别事件直接驱动自动化。
• 24/7 录像：按检测到的对象设置保留策略，RTSP 重流减少摄像头连接数。
• 低延迟观看：WebRTC 与 MSE 双支持，多摄像头同屏。
• 加速器友好：官方维护受支持检测器列表，GPU/AI 加速器（Coral 等）远优于纯 CPU，多路摄像头同跑不卡。

典型使用场景

• 家庭安防自托管：门口人形检测、宠物活动记录，事件进 Home Assistant 自动化。
• 小微商铺：几路摄像头本地留存，不经第三方。
• 检测规则实验场：遮罩与区域编辑器划定关注区，误报治理可视化。

快速上手

Docker 部署为主（官方文档给完整 compose 配置），摄像头走 RTSP 接入；建议至少配一颗 AI 加速器，纯 CPU 可跑但路数受限。检测器生态成熟——Google Coral TPU、OpenVINO、ONNX 等都有官方支持路径，旧电脑插一颗 Coral 即可带动多路摄像头。

小结

Frigate 适合要数据不出门的家庭与小商业安防自托管；需要开箱即用云回放、人脸库等商用 NVR 功能的仍要权衡。安装形态以 Docker 为主，Home Assistant 用户另有官方集成组件，事件卡片直接出现在 HA 面板上，自动化规则用现成触发器写。要点与边界：MIT、Python、2019 年至今长期维护；检测模型按场景要自己调，误报治理依赖遮罩与区域配置；录像盘空间随路数与保留策略增长，监控盘建议按 30 天滚动预留容量。它是「家里那朵云」系列的代表——与站内写过的 agent-autoloop、auto-ontology 一致：把原本必须交出去的感知与决策能力，留在自己的机器上。