Frigate

Frigate 是一个开源的 NVR，基于实时 AI 物体检测构建。所有处理均在您自己的硬件上本地执行，您的摄像头视频流从不会离开您的家。

手动下载程序并上传到 AI Pyramid，或者通过以下命令拉取模型仓库。

提示

如果没有安装 git lfs，先参考git lfs 安装说明进行安装。

git clone -b main https://huggingface.co/AXERA-TECH/frigate-resource

文件说明：

root@m5stack-AI-Pyramid:~/rsp/frigate-resource# ls -lh
total 2.0G
-rw-rw-r-- 1 axera axera    0 Dec 23 16:36 config.json
-rw-rw-r-- 1 axera axera  693 Dec 23 16:36 docker-compose.yml
-rw-rw-r-- 1 axera axera 2.0G Dec 23 16:39 frigate-ax650-b8db93b.tar
-rw-rw-r-- 1 axera axera 3.0K Dec 23 16:36 README.md

导入 docker 镜像

docker load -i frigate-resource/frigate-ax650-b8db93b.tar # 镜像文件可能升级，以实际文件名为准。

mkdir -p ~/frigate-runtime/{config,storage}
cp frigate-resource/docker-compose.yml ~/frigate-runtime/

启动容器

cd ~/frigate-runtime/
docker compose up -d

通过 https://server_ip:8971 访问 Frigate 管理 Web

提示

默认用户名 admin 默认密码 axera123456

点击设置，配置参数，填入以下内容。go2rtc:部分修改为自己的 IP Camera 地址，保存并重启。

配置示例

#ffmpeg全局变量，必须
ffmpeg:
  global_args: ["-hide_banner", "-loglevel", "warning", "-threads", "1"]
  output_args:
    detect: ["-threads", "1", "-f", "rawvideo"]

mqtt:
  enabled: false

go2rtc:
  streams:
    #主码流
    road1:
      - rtsp://192.168.20.57:8554/road1.264
    #子码流
    road1_sub:
      - rtsp://192.168.20.57:8554/road1_sub.264
cameras:
  road1:
    enabled: true
    ffmpeg:
      inputs:
        #录制流的路径，这里使用go2rtc中设置的主码流
        #调试阶段这里可以使用本地码流文件
        - path: rtsp://127.0.0.1:8554/road1
          roles:
            - record
        #检测流的路径，这里使用go2rtc中设置的辅码流
        #调试阶段这里可以使用本地码流文件
        - path: rtsp://127.0.0.1:8554/road1_sub
          roles:
            - detect
      #preset-axera-h264用于解码h264码流
      #preset-axera-h265用于解码h265码流
      #优先使用这个两个解码参数
      hwaccel_args: preset-axera-h264
      #若检测辅码流的分辨率低于检测分辨率，可以降低检测分辨率与码流一致
      #或使用preset-axera-h264-compat/preset-axera-h265-compat解码参数
    
record:
  enabled: true
 
#打开检测功能
#若不设置检测宽高，则默认使用检测码流的原生分辨率
detect:
  enabled: true
  width: 512
  height: 320
  fps: 5
 
#配置检测引擎使用axengine
detectors:
  axengine:
    type: axengine
 
#配置axengine的目标检测模型
model:
  path: frigate-yolov9-tiny
  model_type: yolo-generic
  width: 320
  height: 320
  input_pixel_format: bgr
  labelmap_path: /labelmap/coco-80.txt
 
#要跟踪的目标类型
objects:
  track:
    - person
    - car
    - bicycle
    - motorcycle
 
version: 0.16-0 

可以在设置中预览配置

Next 目录索引

设备开发 & 快速上手

Module LLM

LLM630 Compute Kit

模型介绍

Qwen2.5

Qwen3

DeepSeek-R1

SmolVLM

MeloTTS

Whisper

Llama

应用案例

Audio 音频处理

CV 视觉应用

VLM 多模态

LLM 大语言模型

语音助手

OpenAI API

Frigate

On This Page