frigate.video 暂未发现付费内容

Frigate 减少误报的核心做法，是把“有没有动静”升级为“动的是不是目标”。传统 NVR 依赖简单运动检测，画面里出现阴影移动、树叶晃动、光线变化就可能触发事件；Frigate 则把物体检测交给本地支持的 AI 加速器，判断这段运动是否真的是人、车或其他关注对象。所有处理都在你自己的硬件上完成，摄像头画面不需要上传云端分析。适用条件是：你有一台可运行 Frigate 的设备，并配备其支持的 AI 加速器，才能获得实时、低漏帧的检测体验。

传统 NVR 为什么会频繁误报

传统 NVR 的判断逻辑通常是“像素变化超过阈值就录/就报警”。它并不理解画面内容，因此以下情况都会被当成事件：

• 树影、云影在墙面或地面上移动
• 风吹动树枝、窗帘、雨棚
• 夜间灯光变化、车灯扫过
• 雨雪、昆虫靠近镜头

结果是大量无意义录像和通知，用户需要花时间回看和筛选。Frigate 官网的表述也指出，传统 NVR 往往需要数小时微调才能降低误报率，因为它依赖的是简单运动检测。

Frigate 的机制：先检测物体，再决定是否算事件

Frigate 是围绕实时 AI 物体检测构建的开源 NVR。它的处理链路可以概括为：

1. 摄像头画面进入本地设备：视频流不离开你的家庭网络。
2. AI 加速器执行物体检测：判断画面中是否存在人、车等目标，而不是只判断“有没有动”。
3. 按区域和对象类型细化事件：Frigate 实时跟踪物体，可以判断一个人何时开始走上门前台阶，或一辆车何时进入车道。
4. 只对真正关心的检测结果通知和录像：阴影和风不再被当作事件。

官网提到，在支持的 AI 加速器上，Frigate 可以每秒运行 100+ 次物体检测，因此不容易漏帧。这意味着检测不是抽样看几帧，而是持续覆盖视频流。

本地处理带来的两个直接好处

误报更少，回看更省时间

因为判断依据是“是不是人/车/其他目标”，而不是“画面有没有变化”，阴影和风基本不会进入事件列表。官网用户评价中有人提到，Frigate 帮助其减少了大量无意义检测，甚至形容为“零误报”。这类表述来自用户主观体验，但反映了机制上的差异：检测对象变了，误报来源自然减少。

隐私不外包

所有处理都在本地硬件上完成，摄像头画面不需要发送到云端做分析，也不需要为云端分析付费。对于在意家庭隐私、又不想放弃物体检测和录像历史的人来说，这是 Frigate 的主要定位。官网将其描述为“最受注重隐私的家庭自动化爱好者欢迎的 NVR”。

用区域进一步收紧通知

Frigate 支持用区域（zones）细化事件。你可以把门前台阶、车道、院墙等位置划成区域，再基于精确位置决定哪些检测触发通知。例如：

• 只在“前门台阶”区域检测到人时通知
• 只在“车道”区域检测到车时录像
• 忽略人行道经过的路人，避免每条通知都打扰你

这一步不是减少“检测误报”，而是减少“通知噪音”，让提醒更贴合你真正关心的位置。

和家庭自动化配合时能做什么

Frigate 可以直接集成到 Home Assistant，也支持 OpenHab、NodeRed 以及任何支持 MQTT 的平台。集成后可以获得：

• Home Assistant 媒体浏览器中的录像入口
• 低延迟摄像头实体
• 实时传感器和开关，用于驱动自动化与通知

这意味着物体检测结果不只是用来录像，还可以作为自动化触发条件，例如检测到人进入车道时开灯或推送提醒。

选择前需要确认的条件

Frigate 本身是开源 NVR，官网提到可通过 Frigate+ 获取专为 Frigate 设计的定制模型。是否需要 Frigate+，取决于你对通用检测效果是否满意、是否想要针对特定场景优化的模型。

如果你的主要痛点是“录像里全是风吹草动”，Frigate 的本地 AI 物体检测正是针对这一点的方案；如果你的设备没有可用的 AI 加速器，或者你并不需要区分人、车等目标，那么它相对传统 NVR 的优势就不会完全体现。

Frigate 是一个开源 NVR（网络录像机），核心能力是围绕实时 AI 物体检测来监控 IP 摄像头。它的关键特点是所有处理都在你自己的硬件上本地完成，摄像头画面不会离开你的家。如果你注重隐私、已经在用 Home Assistant 或其他自动化平台、并且愿意准备一块受支持的 AI 加速器，Frigate 是值得优先考虑的方案；如果你希望完全免配置、不想碰硬件和模型，它并不省心。Frigate+ 则是可选的增强项，提供专为 Frigate 设计的自定义模型，不是使用 Frigate 的前提。

Frigate 解决的核心问题

传统 NVR 依赖简单的运动检测，往往需要花大量时间调参才能压低误报率，结果就是你要反复回看树影、风吹草动这类无意义片段。

Frigate 的做法是把物体检测交给受支持的 AI 加速器，即使硬件不算强，也能运行较高级的分析，判断这段运动到底是人、车还是其他你关心的目标。官方描述中提到，配合受支持的 AI 加速器，Frigate 每秒可运行 100+ 次物体检测，因此不容易漏帧。

这带来两个直接结果：

• 误报减少：你回看的是真正有意义的检测，而不是阴影和风。
• 隐私保留：本地处理意味着不需要把私人摄像头画面上传到云端做分析，也就不必为此付费。

关键功能与适用场景

本地 AI 物体检测

检测在本地硬件上完成，画面不出户。这是 Frigate 最核心的定位，也是它区别于多数消费级云摄像头方案的地方。

zones（区域）细化事件与告警

Frigate 会实时跟踪物体，并能判断出具体时刻——比如一个人开始走上你家门前台阶，或一辆车驶入车道。你可以基于精确位置来调整通知，而不是让整个画面里任何风吹草动都触发告警。

与 Home Assistant 及其他自动化平台集成

Frigate 可以直接接入 Home Assistant 的媒体浏览器，提供低延迟的摄像头实体，并暴露实时传感器和开关来驱动自动化与通知。除 Home Assistant 外，也支持 OpenHab、NodeRed，以及任何支持 MQTT 的平台。

用户反馈中反复出现的点

官网展示的用户评价集中在三方面：可定制性高、物体检测快、与 Home Assistant 集成紧密。有用户提到借此把误检测从硬盘里清掉、几乎实现零误报；也有用户强调在保留物体检测和录像历史的前提下，去掉了安全摄像头的所有云依赖。

使用前需要满足的条件

需要说明的是，官网资料没有给出具体价格、付费方式或登录限制的信息，因此无法据此判断 Frigate 本身或 Frigate+ 是否免费、是否需要账号。这些属于资料未覆盖的部分，建议以官网当前页面为准。

要不要额外上 Frigate+

Frigate+ 提供的是“专为 Frigate 设计的自定义模型”，属于可选增强，而不是运行 Frigate 的必需组件。

• 如果你只是想跑通本地物体检测、接入 Home Assistant，先用 Frigate 本体即可。
• 如果你对检测模型有更细的定制需求，再考虑 Frigate+。

由于资料未说明 Frigate+ 的定价与获取方式，是否值得购买需要结合你自己的检测需求判断，这里不做推荐。

谁适合、谁不适合

适合：

• 注重隐私、希望摄像头画面完全本地处理的家庭用户
• 已经在用 Home Assistant 或其他自动化平台，想把物体检测变成自动化触发条件的人
• 愿意准备受支持 AI 加速器、接受一定配置成本的技术型用户

不太适合：

• 希望开箱即用、完全不碰硬件和模型配置的人
• 没有 IP 摄像头、也没有本地算力可用的场景

一句话判断：Frigate 是给“隐私优先 + 愿意自己动手”的家庭自动化用户的 NVR；Frigate+ 是锦上添花，不是入场券。

Frigate 通过两条路径接入自动化系统：对 Home Assistant 提供原生集成（媒体浏览器、低延迟摄像头实体、实时传感器和开关），对其他平台则通过 MQTT 暴露同样的实时状态。只要你的自动化平台能连 MQTT，就能用 Frigate 的物体检测结果驱动通知和联动。前提是 Frigate 本身已在本机跑起来并接入了摄像头，且检测由本地 AI 加速器完成。

与 Home Assistant 的集成方式

Frigate 与 Home Assistant 的配合是它最常被提到的用法。根据网站说明，集成后可以获得三类能力：

• 媒体浏览器入口：Frigate 直接集成进 Home Assistant 的媒体浏览器，可以在 HA 界面里浏览录像和事件，不需要另开一个 App 或网页。
• 低延迟摄像头实体：Frigate 向 Home Assistant 提供摄像头实体，延迟较低，适合放在仪表盘上实时查看。
• 实时传感器和开关：物体检测的状态以传感器和开关的形式暴露出来，可以直接作为自动化触发条件或动作目标。

这意味着你不需要自己写解析逻辑，检测到人、车等目标时，HA 里对应的实体状态会变化，自动化按常规方式引用即可。

通过 MQTT 接入其他平台

不是只有 Home Assistant 能用。Frigate 把实时状态通过 MQTT 发布，网站明确列出可对接 OpenHab、NodeRed，以及“任何支持 MQTT 的平台”。

对这类平台的集成思路是：

1. 让 Frigate 和你的自动化平台连接到同一个 MQTT broker。
2. 平台订阅 Frigate 发布的相关主题。
3. 在平台内用收到的消息触发通知、录制标记或设备联动。

具体主题名称和消息格式属于 Frigate 配置层面的细节，需以你所用版本的文档为准；网站资料只说明它通过 MQTT 暴露实时传感器和开关，并可用于驱动自动化与通知。

集成能实现什么

把检测结果接进自动化后，典型用途包括：

• 按位置精细通知：Frigate 用 zones 实时跟踪物体，能判断人何时走上门前台阶、车何时进入车道，通知可以只在这些精确位置触发，而不是整幅画面一动就报。
• 减少无效查看：本地物体检测替代单纯的运动检测，先判断运动是不是人、车等目标，再决定是否产生事件，从而减少因阴影、风吹造成的误报。
• 联动其他设备：检测状态作为传感器进入自动化平台后，可以按平台自身能力去控制灯光、推送消息等。

网站上的用户反馈也集中在这一点：有人提到借此去掉了安全摄像头的云依赖，同时保留物体检测和录像历史；也有人强调与 Home Assistant 的紧密集成和可定制性。

选择时的判断条件

• 如果你已经在用 Home Assistant，优先走原生集成，能直接拿到媒体浏览器、摄像头实体和传感器，配置成本最低。
• 如果你用的是 OpenHab、NodeRed 或其他支持 MQTT 的平台，走 MQTT 路线即可，功能上同样能拿到实时状态，但界面层面的媒体浏览等体验取决于平台自身。
• 如果平台既不支持 MQTT 也没有现成集成，那 Frigate 的检测结果无法直接进入你的自动化流程，需要先补一个 MQTT 能力或中间层。

无论走哪条路径，本地处理这一点不变：所有处理都在你自己的硬件上完成，摄像头画面不离开本地。

Frigate 是一个开源 NVR（网络视频录像机），围绕实时 AI 物体检测构建，所有处理都在你自己的硬件上本地完成，摄像头画面不会离开你的家。它主要面向注重隐私的家庭自动化用户，解决传统 NVR 靠简单运动检测导致误报多、需要反复调参的问题。

它解决的核心问题

传统 NVR 依赖简单的运动检测，风吹草动、光影变化都会触发录像和通知，往往需要数小时精细调参才能压低误报率。Frigate 的做法是把物体检测交给受支持的 AI 加速器，即使硬件配置一般，也能运行较高级的分析，判断画面中的运动到底是人、车，还是其他你关心的目标。

由此带来的直接结果是：你不再需要翻看大量无意义的片段，而是直接查看真正有价值的检测事件。官网的说法是，配合受支持的 AI 加速器，Frigate 每秒可运行 100 次以上物体检测，因此不会漏掉任何一帧。

主要功能

本地 AI 物体检测，减少误报

物体检测在本地硬件完成，不需要把私人摄像头画面上传到云端付费分析。这既是隐私上的选择，也意味着检测能力取决于你本地的 AI 加速器，而不是云服务套餐。

用区域（zones）精细调整事件和告警

Frigate 会实时跟踪物体，可以判断一个人具体在什么时刻走上你家门前台阶，或者一辆车何时驶入车道。你可以基于精确位置来细化通知规则，而不是让整幅画面的任何动静都触发告警。

与 Home Assistant 及其他自动化平台集成

Frigate 可以直接接入 Home Assistant 的媒体浏览器，提供低延迟的摄像头实体，并暴露实时传感器和开关来驱动自动化与通知。除 Home Assistant 外，也支持 OpenHab、NodeRed，以及任何支持 MQTT 的平台。

Frigate+ 自定义模型

官网提到，通过 Frigate+ 可以获取专为 Frigate 设计的自定义模型。这是官方提供的增值方向，具体内容以官网说明为准。

适合谁

• 注重隐私、不希望摄像头画面上云的家庭用户
• 已经在用 Home Assistant 或其他自动化平台，想把物体检测接入现有自动化的人
• 受够了传统 NVR 频繁误报、想减少无效回看时间的人

官网展示的用户反馈也集中在这些点上：有人提到它大幅减少了硬盘里的误检测片段，有人强调在去掉云依赖的同时没有损失物体检测功能和录像历史。

需要注意的前提

Frigate 的检测效果依赖受支持的 AI 加速器。官网明确说“即使配置一般的硬件”也能运行高级分析，但前提是搭配受支持的加速器；如果只靠普通 CPU，实际体验会打折扣。此外，集成能力以 MQTT 等标准协议为基础，使用前最好确认你的摄像头和自动化平台是否在支持范围内。

价格、部署方式的具体要求以及 Frigate+ 的收费细节，官网当前页面未完整给出，需要以官方文档和实际页面为准。

Frigate 的 zones（区域）功能让你在摄像头画面里划出特定范围，只有当被检测的物体进入或离开这个范围时，才触发对应的事件与通知。它适合已经用上 Frigate 本地物体检测、但被整画面告警打扰的用户——比如车道、门前台阶、邮箱、垃圾桶这类你真正关心的位置。前提是你已经配置好摄像头和至少一个可用的物体检测器，zone 是在此之上做“空间过滤”的一层。

zones 解决的是什么问题

Frigate 本身已经用本地 AI 物体检测替代了传统 NVR 的简单运动检测，能判断画面里的动静是不是人、车等目标。但一个摄像头往往覆盖很大范围：马路、人行道、邻居家的树都会被拍进去。如果只要画面里出现人就通知，你依然会收到大量与你无关的告警。

zone 的作用就是把“检测到什么”进一步收窄为“检测到什么、并且出现在哪里”。Frigate 实时跟踪物体位置，因此可以判断出一个人是走在人行道上，还是已经踏上你家门前台阶；一辆车是路过，还是拐进了你的车道。通知可以只绑定到这些精确位置。

工作原理：从检测到区域判定

理解 zone 的关键是分清两层：

• 物体检测：AI 加速器逐帧识别画面中的目标（人、车等），Frigate 为每个目标维护一条实时轨迹。
• 区域判定：zone 是你在画面上定义的多边形区域。Frigate 根据物体轨迹与区域的交叠关系，判断它是否进入、停留在区域内或离开。

因此 zone 不是重新做一次识别，而是在已有检测结果上做空间过滤。物体在画面里移动时，轨迹会跨越不同区域，Frigate 据此确定“人开始走上台阶”或“车进入车道”的具体时刻。

怎么用 zones 细化事件与告警

典型配置思路如下：

1. 在摄像头画面上定义 zone：为每个关心的位置画一个多边形，例如 front_steps（门前台阶）、driveway（车道）、mailbox（邮箱）。
2. 给 zone 绑定你关心的物体类型：比如台阶区域只关心 person，车道区域关心 car 和 person。
3. 把通知和自动化条件指向 zone：让告警只在目标进入指定 zone 时触发，而不是整画面出现目标就触发。
4. 结合 Home Assistant 等平台使用：Frigate 通过 MQTT 暴露实时传感器和事件，Home Assistant、OpenHab、NodeRed 等可以订阅这些状态，把 zone 事件变成自动化动作或通知。

预期结果是：你收到的通知对应“有人上了门前台阶”，而不是“画面里有人经过”。这直接减少了需要人工回看的无关片段。

一个具体场景

假设摄像头同时拍到人行道和你家车道：

• 不设 zone：每个路过的人都会触发通知。
• 设 driveway zone 并只对 car 告警：只有车辆真正驶入车道才通知，路人走过不打扰。
• 设 front_steps zone 并只对 person 告警：只有人踏上台阶才提醒，人行道上的行人被忽略。

这样通知的语义从“画面里有东西”变成“你关心的位置发生了你关心的事”。

选择与使用时的注意点

• zone 的精度取决于你画的范围是否贴合实际位置，画得太大会把无关目标包进来，太小可能漏掉边缘情况。
• zone 依赖物体轨迹的连续性。如果目标被长时间遮挡导致轨迹中断，进入区域的判定可能受影响。
• zone 是过滤层，不替代检测本身。检测器性能不足时，zone 也无法凭空补上漏检的目标。
• 官方资料提到 Frigate 可运行 100+ 次物体检测每秒，配合支持的 AI 加速器能减少漏帧，这对依赖连续轨迹的 zone 判定有帮助。

它和其他功能的关系

zone 常和 Frigate 的 Home Assistant 集成一起用：Frigate 直接接入 Home Assistant 的媒体浏览器，提供低延迟摄像头实体，并暴露实时传感器和开关。zone 事件可以作为这些传感器状态的一部分，驱动自动化与通知。官方用户反馈中，有人强调 Frigate 的可定制性和与 Home Assistant 的紧密集成，也有人提到它帮助把误检测从硬盘里清掉、实现“零误报”——zone 正是达成这种效果的主要手段之一。