viseron

本地化智能监控，隐私安全，实时识别物体人脸车牌

Viseron 是一款自托管的本地 NVR 与 AI 计算机视觉软件，专注于隐私保护，所有视频处理均在本地完成，无需云端依赖。它解决传统监控系统智能化不足的问题，提供对象检测、运动检测、人脸识别、车牌识别等核心能力，并支持 Coral Edge TPU、CUDA GPU 等硬件加速，可实时分析 IP 摄像头流。用户可通过 Web 界面配置自动化规则，如检测到人时触发通知或录像。项目采用模块化架构，支持多种检测引擎（如 Darknet、Face Recognition），适合家庭、办公室等场景的智能安防部署。

开源 free 计算机视觉

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 3548

维护状态活跃

是否开源是

定价模式 free

项目数据

分类计算机视觉

开发团队roflcoopter

所属国家

官网地址

GitHubhttps://github.com/roflcoopter/viseron

定价模式free

价格说明完全免费的开源项目，基于MIT许可证，可自行部署使用，无付费版本。

访问状态

是否开源是

开源协议MIT

主要语言Python

技术栈/模型coral,cuda,darknet,edgetpu,face-recognition,google-coral,hacktoberfest,hardware-acceleration,ip-camera,license-plate-recognition,motion-detection,network-video-capture,network-video-recorder,nvr,object-detection,rtsp,surveillance,tensorflow,viseron,yolo

GitHub 星标★ 3548

30天Star增速

HF 下载量

上线时间2020-08-30 00:00:00

最近更新2026-09-23 00:00:00

维护状态活跃

中文支持

访问方式

移动端支持

综合评分

收录时间2026-08-10

浏览次数5

使用教程

难度：入门约 10 分钟部署方式：Docker 5 步

⚠ 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。

环境要求

已安装 Docker 的运行环境
可访问互联网以拉取容器镜像和查阅官方文档
一台用于长期运行的本地主机（自托管，非云端）

安装与启动步骤

1确认部署方式

README 明确说明 Viseron 是自托管方案，只需启动一个 Docker 容器并编辑配置文件即可运行。
2阅读官方文档

README 未给出具体启动命令，需前往官方文档站点按 Getting started 指引操作。
3启动 Docker 容器

按官方文档提供的命令启动 Viseron 容器；镜像名、端口与映射路径均以文档为准，不要自行猜测。
4进入 Web 界面

容器启动后通过浏览器访问内置 Web 界面，首次进入即可看到配置入口。
5编辑配置文件

在 Web 界面中编辑配置，按需启用对象检测、运动检测、人脸识别等组件。

如何确认成功

容器正常运行，浏览器能打开 Viseron 内置 Web 界面并成功保存配置。

常见问题

Q：为什么没有给出具体的 docker run 命令？

A：README 只说明“启动 Docker 容器并用内置 Web 界面编辑配置”，具体命令在官方文档 viseron.netlify.app 中，需按文档执行，避免使用错误镜像和端口。

Q：需要云端账号或联网分析吗？

A：不需要。Viseron 是 self-hosted、local only 的 NVR 与 AI 计算机视觉软件，视频处理全部在本地完成。

Q：如何启用对象检测、人脸识别等功能？

A：通过组件机制启用，可在官方文档的 Component Explorer 中查询所有可用组件及配置方式。

Q：遇到配置问题去哪里求助？

A：加入 Viseron Discord 服务器获取配置与排障帮助；确认的 Bug 或功能需求请到 GitHub issues 提交。

Q：想参与开发怎么办？

A：README 的 Contributing 章节说明欢迎贡献者，具体流程见该章节及官方文档。

注意事项

README 未提供具体命令、端口、镜像名和路径，所有安装命令请以官方文档 https://viseron.netlify.app 为准。
Viseron 强调隐私保护，全部视频处理在本地完成，不依赖云端。
组件化架构，功能需按需启用组件，使用前建议先浏览 Component Explorer。
配置修改通过内置 Web 界面完成，无需手工编辑宿主机上的文件。

核心亮点

支持多种硬件加速（Coral、CUDA），检测性能高效
内置人脸识别与车牌识别，功能覆盖全面
完全本地化处理，数据不出内网，隐私性强

不足之处

配置门槛较高，新手需熟悉摄像头与模型设置
文档/社区待观察

适用场景

家庭安防：实时监测陌生人入侵并推送告警
办公室监控：识别员工出入与访客记录
停车场管理：自动识别车牌并联动门禁

替代项目

Frigate、Shinobi、ZoneMinder

项目介绍

viseron 是计算机视觉领域的开源项目，由 roflcoopter 开发，2020 年首次发布。

在全站 13,090 个收录项目中，它的 GitHub 星标数（3,548）位列前 30%，在计算机视觉分类的 447 个项目里位列前 12%。

近 42 天，它的 GitHub 星标从 3,361 增加到 3,548，净增 187。

项目目前处于活跃维护状态，最近一次代码更新于 2026-09-23。完全免费的开源项目，基于MIT许可证，可自行部署使用，无付费版本。

它主要面向的使用场景是：家庭安防：实时监测陌生人入侵并推送告警。同类可对比的替代方案包括 Frigate、Shinobi、ZoneMinder。

上一篇：mlkit

下一篇：D-FINE