Frigate：支持实时 AI 目标检测的开源网络视频录像机
Frigate 是一款带有实时 AI 目标检测的开源网络视频录像机，作为商业 NVR 系统（如 Blue Iris）的强大替代方案正受到关注，尤其适合运行 Linux 或低功耗硬件的用户。评论者表示，它在人和车辆检测、灵活集成（Home Assistant、MQTT、go2rtc、OpenVINO、Coral TPU、Rockchip NPU）以及事件录制和连续录制方面表现出色，不过一些人仍觉得它的回放界面和面向移动设备的 UX 不如成熟的专有工具。讨论的很多内容集中在硬件选择（PoE 还是 Wi‑Fi 摄像头、GPU/TPU 加速器）、运动和目标检测模型的可靠性，以及 Google Coral 等加速器的长期可用性。
整体情绪与使用场景
- 许多评论者都很热情；几位称 Frigate 是他们用过的最好的开源 NVR。
- 典型部署场景包括：家庭安防、远程住所、门口监控、车牌抓拍、野生动物/熊出没提醒，以及通过 Home Assistant 实现有趣的自动化。
- 有些人会将 Frigate 与传统 NVR 并行使用，以实现冗余和持续归档录像。
Frigate+ 与自定义模型
- Frigate+ 用户表示准确率明显更高，尤其是在夜间，误报也少得多。
- 也有人质疑其附加价值，因为 Frigate 本身就免费支持用户提供的自定义模型。
- 一些人希望看到更具体的对比，并了解 Frigate+ 相比调优良好的 YOLO 模型到底提升了多少。
连续录制 vs 基于事件的录制
- Frigate 支持 24/7 录制，并可按每个摄像头和每种目标设置保留策略；一些用户对此很满意。
- 另一些人表示，连续播放界面仍然比较弱（拖动定位、变速、搜索），所以他们仍然使用或搭配 Blue Iris、Moonfire NVR 等工具。
- 也有人认为“连续录制 + 事件标签”才是行业最佳实践，因为运动/目标检测可能会漏掉事件。
运动与目标检测质量
- 早期基于 OpenCV 的运动检测被批评为噪声太大；0.13 版本引入了重写后的算法，测试者表示效果好得多。
- 公共目标检测模型（通常基于 ImageNet）被认为不适合常见的天花板视角/长距离安防画面，容易漏检。
- 有些人报告其部署环境中的检测几乎完美；也有人强调，未被注意到的假阴性很难衡量。
- 在某些部署中，自定义 YOLOv8 和专门的人体检测模型据称效果非常好。
硬件、加速与摄像头
- Coral TPU 有帮助，但不容易买到，而且在某些 Linux 发行版上的支持不佳；构建库的过程也可能很痛苦。
- 新版本 Frigate 支持 Intel OpenVINO（用于 iGPU）以及部分 Rockchip NPU，从而减少对 Coral 的依赖。
- 根据摄像头数量不同，Raspberry Pi 4、小型 Intel 盒子、M1 Mac 以及 GPU（例如 Tesla P4）都被认为可行。
- 相比 Wi‑Fi，大家更偏好有线 PoE 摄像头，因为带宽、可靠性和被干扰风险更优；不过在无法布线时，也有人成功使用 Wi‑Fi。
- go2rtc 集成提升了 Reolink 的稳定性，允许协议转换，并支持双向语音。
集成、用户体验与法律顾虑
- 与 Home Assistant、MQTT 以及其他工具（Scrypted、HomeKit）的深度集成是一个主要卖点；通知和自动化都可以高度定制。
- 与 Blue Iris 相比，Frigate 似乎缺少一个成熟、适合家庭成员使用的移动应用。
- 也有人提出关于住宅视频监控的隐私/法律担忧，这些问题因司法管辖区而异，在讨论串中并未完全解决。