Frigate NVR im Detail: lokale Echtzeitobjekterkennung für IP-Kameras

Frigate NVR: wofür das Projekt gedacht ist

Frigate richtet sich an Betreiber von IP-Kameras, die Videoüberwachung ohne Cloud-Dienst fahren wollen. Das README beschreibt das Projekt als vollständigen und lokalen NVR, entwickelt für Home Assistant, mit KI-Objekterkennung für IP-Kameras. OpenCV und TensorFlow führen die Erkennung lokal und in Echtzeit aus, die Bilder verlassen also nicht den eigenen Rechner. Das gelöste Grundproblem: Ein üblicher Rekorder speichert alles, während Frigate gezielt nach Objekten sucht und das nur dann, wenn es nötig ist.

In den Metadaten steht TypeScript als Sprache, die Homepage ist frigate.video, lizenziert ist der Code unter MIT. Eine GPU oder ein KI-Beschleuniger wird laut README dringend empfohlen, weil Beschleuniger selbst die besten CPUs bei sehr geringem Overhead übertreffen. Welche Detektoren konkret unterstützt werden, listet die Dokumentenseite docs.frigate.video/configuration/object_detectors/; Mindesthardware nennt das README selbst nicht.

Erst Bewegung, dann TensorFlow: der Erkennungspfad in Frigate

Frigate schickt nicht jeden Frame durch das Modell. Eine Bewegungserkennung mit sehr geringem Overhead bestimmt zuerst, wo Objekterkennung überhaupt laufen soll, und Objekte werden nur dort und dann gesucht, wo es nötig ist. Erst wenn Bewegung vorliegt, greift die Detektion, die das README mit TensorFlow verortet. Sie läuft in separaten Prozessen, um eine möglichst hohe Bildrate zu halten.

Das README betont den starken Einsatz von Multiprocessing und die Ausrichtung auf Echtzeit statt auf die Verarbeitung jedes einzelnen Frames. Diese zweistufige Kette aus Bewegungsfilter und Detektion ist der Mechanismus, mit dem das Projekt Ressourcen spart. Zahlen dazu fehlen: Es gibt keine FPS-Werte, keine Latenzmessungen und keine Genauigkeitsangaben. Wer vor der Anschaffung eines Beschleunigers wissen will, was die eigene CPU leistet, findet im Repository keine Vergleichsdaten.

MQTT, RTSP-Re-Streaming und WebRTC in Frigate

Die Integration in andere Systeme läuft über MQTT, auf diesem Weg kommuniziert Frigate mit Home Assistant und weiteren Diensten. Die enge Anbindung an Home Assistant übernimmt eine eigene Custom-Component aus dem separaten Repository blakeblackshear/frigate-hass-integration. Beim Videofluss dient Re-Streaming per RTSP dazu, die Zahl der direkten Verbindungen zur Kamera zu reduzieren, Clients ziehen den Stream also vom Rekorder und nicht von der Kamera selbst.

Für die Live-Ansicht unterstützt Frigate WebRTC und MSE, was niedrige Latenz ermöglichen soll. Konkrete Konfigurationsschlüssel für diese Wege nennt das README nicht, ebenso wenig Installationsbefehle, Abhängigkeiten oder eine Bereitstellungsmethode. Für sämtliche Einrichtungsschritte verweist das Projekt auf die Dokumentation unter docs.frigate.video; die Repository-Beschreibung ist bewusst dünn gehalten.

Objektbasierte Aufbewahrung und 24/7-Aufzeichnung in Frigate

Frigate zeichnet Video auf und koppelt die Aufbewahrung an erkannte Objekte, das README nennt retention settings based on detected objects. Daneben gibt es durchgehende 24/7-Aufzeichnung. Die Screenshots zeigen ein Live-Dashboard, einen gestrafften Review-Workflow, das Durchziehen durch mehrere Kamerazeitleisten sowie einen eingebauten Masken- und Zonen-Editor. Zonen und Masken sind der Weg, die Erkennung auf relevante Bildbereiche einzugrenzen und so die Trefferqualität zu steuern.

Wie Aufbewahrungsrichtlinien im Detail konfiguriert werden, wie viele Kameras unterstützt werden und wo die Aufnahmen liegen, erklärt das README nicht. Auch dazu verweist das Projekt auf docs.frigate.video. Für die Bewertung heißt das: Der Review-Workflow und der Zonen-Editor sind im README sichtbar, ihre Bedienung und Grenzen muss man in der Dokumentation nachlesen.

v0.18.0-Betas, dev-Zweig und der Stand von blakeblackshear/frigate

Die Metadaten zeigen ein aktiv gepflegtes Projekt: 35.464 Sterne, 3.535 Forks, 165 offene Issues, Standardzweig dev, zuletzt geschoben am 8. August 2026. Die Releases liegen in der Beta-Phase von 0.18.0: Beta 1 erschien am 12. Juli 2026, Beta 2 am 26. Juli, Beta 3 am 8. August. Wer eine stabilere Version sucht, muss die Tags unter github.com/blakeblackshear/frigate/releases prüfen, denn das README nennt keine aktuelle Versionsnummer.

Übersetzungen koordiniert Weblate im Projekt frigate-nvr, Beiträge sind ausdrücklich willkommen, Spenden laufen über GitHub Sponsors. Dass TypeScript als Hauptsprache gemeldet ist, sagt nichts über alle Komponenten aus; die Sprache des Erkennungs-Backends beschreibt das README nicht. Die Issue-Zahl ist eine Momentaufnahme und kein Qualitätsmaß.

MIT für den Code, Markenvorbehalt bei Frigate, Inc.

Die Lizenz ist MIT. Sie erlaubt Nutzen, Ändern, Zusammenführen, Verteilen und Verkauf, solange der ursprüngliche Copyright-Vermerk erhalten bleibt, und schließt jegliche Gewährleistung aus. Das README zieht dann eine klare Grenze: Der Name Frigate, die Marke Frigate NVR und das Logo sind Marken von Frigate, Inc. und fallen nicht unter die MIT-Lizenz. Akzeptable Nutzung der Markenelemente regelt TRADEMARK.md, für die Fortentwicklung wirbt das Projekt um GitHub-Sponsors-Unterstützung.

Als Alternative zum Betrieb mit Beschleuniger bleibt der CPU-Betrieb, den das Projekt selbst zurückstuft: Beschleuniger überträfen selbst die besten CPUs bei sehr geringem Overhead. Wer ohne Zusatzhardware startet, muss also mit höherer Last rechnen, belastbare Vergleichszahlen liefert das README nicht. Ein reines Aufnahme-Setup ohne Objekterkennung verfehlt dagegen den Kernzweck, weil Aufbewahrung und Review-Workflow an erkannten Objekten hängen.

Redaktionelles Fazit

Frigate passt zu Selbsthostern, die ohnehin Home Assistant und MQTT nutzen und Aufnahmen nach erkannten Objekten statt pauschal speichern wollen. Ungeeignet ist es, wenn man eine fertige Appliance mit garantierten Bildraten sucht, denn Hardwareempfehlungen und Leistungsdaten stehen nicht im README. Vor dem Einsatz sollte man anhand docs.frigate.video prüfen, welcher der dort gelisteten Objektdetektoren zur eigenen Hardware passt, und mit der aktuellen Version unter github.com/blakeblackshear/frigate/releases starten, denn die 0.18.0-Reihe ist noch Beta.

Offizielle Quellen

1. Official documentation
2. Official README
3. Project repository
4. Release notes