Frigate：为 Home Assistant 打造的本地实时物体检测 NVR
NVR 具有针对 IP 摄像机的实时本地对象检测功能。 Frigate NVR - IP 摄像机的实时目标检测 \[英语\] | 简体中文 专为家庭助理设计的完整本地 NVR，具有 AI 对象检测功能。
秒懂
- 它是什么？
- Frigate 是一个面向 Home Assistant 的本地 NVR，它用 OpenCV 和 TensorFlow 做实时物体检测。它的核心思路不是逐帧分析，而是先用低开销的运动检测圈定区域，再只在需要时运行检测模型。
- 适合谁用？
- 适合已经深度使用 Home Assistant、并且愿意为 GPU 或 AI 加速器投入硬件成本的用户。它把物体检测和录像留存深度绑定，检测结果直接决定视频保留策略，这一点是普通 NVR 做不到的。
- 能商用吗？
- 可以。MIT 是宽松许可证：你可以使用、修改并销售基于它的软件，只需保留版权和许可证声明。
- 还在维护吗？
- 在维护。仓库在最近一天内有新的提交。
- 用什么语言写的？
- 主要是 TypeScript（依据 GitHub 的语言统计）。
以上回答依据项目的 GitHub 数据（最近同步于 2026年9月15日）和我们的分析，不构成法律意见。
开源项目深度解析
它解决的是 Home Assistant 用户录像与识别的割裂问题
常见的家用监控方案里，录像归录像，识别归识别。要么用摄像头自带的运动检测，误报多，要么把视频流丢到云端做分析，隐私和延迟都是问题。Frigate 把这两件事合在一起：它本身就是一个完整的 NVR，支持 24/7 录像，同时录像的保留策略直接由检测到的物体决定。也就是说，不是录下所有画面再事后翻找，而是系统知道画面里出现了人、猫还是车，再根据这些对象决定这段录像该留多久。这个设计是给 Home Assistant 用户准备的，它通过自定义组件紧密集成，检测结果通过 MQTT 发布，其他系统也能消费这些事件。
运动检测在前，物体检测在后，这是它省资源的根本
Frigate 的 README 明确说它只用低开销的运动检测来确定在哪里运行物体检测，而不是对每一帧都跑 TensorFlow。这个顺序很关键。先有运动检测把画面里变化的区域圈出来，再把这些区域交给 TensorFlow 进程去识别。物体检测跑在独立进程里，目的是最大化 FPS。它强调实时性优先于处理每一帧，这意味着在检测能力和帧率之间，它选了前者。这种设计让 CPU 也能跑，但 README 直接建议用 GPU 或 AI 加速器，说加速器用很小的开销就能超过最好的 CPU。如果你只有纯 CPU 环境，能跑，但别指望高帧率。
从摄像头到浏览器的数据流：RTSP 重流与低延迟预览
摄像头的 RTSP 连接数是有限的，多个客户端同时拉流会压垮设备。Frigate 的做法是重流，也就是先由 Frigate 从摄像头拉取 RTSP 流，再转发给其他客户端，这样摄像头只维持一个连接。实时预览走 WebRTC 和 MSE，这两个协议都是为了降低延迟。WebRTC 通常能到亚秒级延迟，MSE 稍高但兼容性更好。这个架构对网络环境有要求，摄像头和 Frigate 主机之间如果跨网段或经过防火墙，RTSP 端口和 WebRTC 的 UDP 端口都需要打通。文档没有给出具体的端口列表，但这类部署的网络前提是绕不开的。
部署方式：Docker 是默认路径，配置集中在 config 文件
README 没有给出安装命令，但明确指出文档在 docs.frigate.video。从仓库结构和 Home Assistant 集成方式来看，Frigate 以 Docker 容器为主要分发形式，配置通过 YAML 文件完成，检测器、摄像头、录像保留策略都在里面声明。它依赖 MQTT 作为事件总线，所以部署时需要一个 MQTT broker，Home Assistant 用户通常已经有。自定义组件负责把 Frigate 的检测事件映射成 Home Assistant 的实体，比如 person 出现、离开这样的传感器状态。需要明确的限制是，没有 GPU 或加速器时，CPU 推理的 FPS 会很低，多路摄像头同时检测时尤其明显。
一个真实的失败模式：运动检测漏检时，物体检测永远不会触发
因为物体检测只在运动检测圈出的区域运行，如果运动检测没有触发，TensorFlow 根本不会看到那帧画面。这是 Frigate 设计上的一个硬边界。静止的物体，比如一个人坐在沙发上不动，或者一辆停着的车，运动检测不会产生事件，后续的物体检测和录像留存逻辑就不会启动。对于防盗监控来说，这可能是致命的。有人在画面里静止不动反而不会被标记。这不是 bug，是架构选择。如果你需要识别静止物体，Frigate 默认行为不覆盖这个场景，需要额外配置区域或依赖其他触发源。
与 ZoneMinder 的路线差异：检测驱动录像，而不是录像附带检测
另一个常见的自建 NVR 是 ZoneMinder。它也能做运动检测和录像，但核心思路是事件驱动的录像，检测和录像的关系是附加的。Frigate 反过来，检测结果是录像保留策略的输入，对象类型直接决定这段录像留多久。这个差异在实际使用中很明显。ZoneMinder 里你想按对象类型筛选录像，需要额外脚本或插件。Frigate 从设计上就把这个做成了原生功能。代价是 Frigate 对 Home Assistant 的依赖更深，MQTT 和自定义组件是它的主要集成方式，脱离这个生态单独用，体验会打折扣。
许可证与品牌：代码是 MIT，名字不是
仓库的源代码、配置文件和文档都走 MIT 许可证，可以自由使用、修改和分发，只要保留原始版权声明。但 Frigate 这个名字、Frigate NVR 品牌和 Logo 是 Frigate, Inc. 的商标，不受 MIT 保护。仓库里有专门的 TRADEMARK.md 文件说明品牌资产的可用方式。这意味着你可以 fork 代码做自己的 NVR，但不能直接叫它 Frigate。对于个人用户，这基本没影响。对于想基于它做商业产品的团队，这是一个明确的边界，动手之前要先读商标政策。
编辑结论
适合已经深度使用 Home Assistant、并且愿意为 GPU 或 AI 加速器投入硬件成本的用户。它把物体检测和录像留存深度绑定，检测结果直接决定视频保留策略，这一点是普通 NVR 做不到的。不适合只想拿一台旧电脑接几个摄像头、不想折腾 MQTT 和自定义组件的人。部署前先确认三件事：你的摄像头是否支持 RTSP 推流，你的机器有没有可用的 GPU 或加速器，以及你是否接受 Frigate 品牌名称和 Logo 不受 MIT 许可证保护这一事实。代码可以随便改，但对外使用 Frigate 这个名字要遵守商标政策。
社区笔记