本地实时识别摄像头物体，低延迟高隐私，智能家居联动神器
Frigate 是一个开源的网络录像机（NVR），专为 IP 摄像头设计，内置实时本地对象检测功能。它解决了传统监控系统依赖云端或高延迟检测的问题，通过边缘计算在本地设备上（如 Google Coral、CPU 或 GPU）运行 TensorFlow 模型，实现低延迟、隐私安全的物体识别。核心能力包括：支持 RTSP 流接入、基于 MQTT 与 Home Assistant 等智能家居平台无缝集成、事件录制与回放、区域检测与过滤、以及通过 Web UI 实时查看和管理摄像头。Frigate 强调性能优化，能显著降低误报率，并支持多摄像头并发处理。其架构轻量，适合自托管用户，尤其受家庭自动化爱好者和隐私敏感用户青睐。
⚠ 该项目 README 未提供完整安装说明，以下步骤为通用流程，请以官方文档为准。
1阅读官方文档
README 未给出安装命令，所有部署步骤与配置项均以官方文档为准，先通读文档再动手。
2确认检测器硬件
Frigate 支持多种对象检测器，需根据自己手上的 Coral、GPU 或 CPU 选择对应方案。
3准备摄像头 RTSP 流
在摄像头后台开启 RTSP，记录主码流与子码流地址，Frigate 依靠 RTSP 拉流做检测与录制。
4准备 MQTT Broker
Frigate 通过 MQTT 对外通信，可复用已有的 Mosquitto 等 Broker 供其发布检测事件。
5按文档完成部署
依据官方文档选择运行方式并填写摄像头、检测器与 MQTT 配置，不要照搬他人参数。
6接入 Home Assistant
如需深度集成，安装 Frigate 的 Home Assistant 自定义组件以在 HA 中使用实体与通知。
浏览器打开 Frigate 界面能低延迟查看实时画面（WebRTC/MSE），且 MQTT 能收到对象检测事件。
Q：没有 GPU 或 Coral 能跑吗？
A：可以，但 README 明确强烈推荐使用 GPU 或 AI 加速器，其开销极低且性能远超最好的 CPU，纯 CPU 方案体验有限。
Q：必须配合 Home Assistant 使用吗？
A：不是。Frigate 通过 MQTT 通信，可方便地集成到其他系统；Home Assistant 只是可选的自定义组件集成方式。
Q：支持哪些对象检测器？
A：README 未逐一列出，仅指向官方文档的 object detectors 页面，请以该页面列出的检测器为准。
Q：多摄像头会占满摄像头连接数吗？
A：Frigate 支持通过 RTSP 重新推流（re-streaming），可减少对摄像头的连接数，具体配置见官方文档。
Motion、ZoneMinder、Shinobi
frigate 是计算机视觉领域的开源项目，由 blakeblackshear 开发，2019 年首次发布。
在全站 13,090 个收录项目中，它的 GitHub 星标数（36,056）位列前 1%，在计算机视觉分类的 447 个项目里位列前 2%。
近 41 天，它的 GitHub 星标从 35,039 增加到 36,056，净增 1,017。
项目目前处于活跃维护状态，最近一次代码更新于 2026-09-22。MIT许可证，完全免费，可自行部署或使用在线服务。从国内网络环境看，可直接访问。
它主要面向的使用场景是：家庭安防：实时监控家门口、庭院，识别人员或车辆并推送通知。同类可对比的替代方案包括 Motion、ZoneMinder、Shinobi。
上一篇：deepdoctection
下一篇：rf-detr
modlens
开源
给纯文本编码代理装上眼睛，粘贴图片即刻获得结构化视觉证据。
The first vision plugin for DeepSeek Harness, and the vision bridge for every text-o···
opencv
开源
开箱即用的视觉算法库，搞定图像视频处理与识别
Open Source Computer Vision Library
OpenCVTutorials
开源
中文 OpenCV 教程，从入门到实战，边看边跑代码
OpenCV-Python4.1 中文文档
DEIMv2
开源
用DINOv3做实时检测，又快又准，直接落地。
[DEIMv2] Real Time Object Detection Meets DINOv3
