普通摄像头也支持“AI视觉+人脸识别”，NAS打造本地AI监控中心

哈喽小伙伴们好，我是Stark-C~

应该有很多使用NAS的小伙伴都有监控的需求吧？就是将NAS当做摄像头的本地 NVR（网络录像机），借助NAS的大容量硬盘，来实时存储摄像头的录像文件。

🔺极空间NAS私有云在很早的时候就上架了针对用户这个需求的“监控中心”，只需要一个普通的支持ONVIF/RTSP协议摄像头，就能轻松接入进来，不仅可以将摄像头的录像文件实时保存到NAS本地，还可以实时查看和录像回放，这可比花钱买网络摄像头的云服务器要划算的多，并且还更安全

我目前也是一直在用，使用了一个200块钱左右的TP-LINK摄像头就可以了。不过有一说一，极空间目前的“监控中心”功能还很基础，虽说已经满足绝大多数用户，但是对于进阶用户的需求，比如说当前正火的AI和人脸识别它还是不支持的。

既然官方目前没给到，咱们折腾佬也不能干等着呀！所以今天我就来为大家分享一个方案，专门搞定这个事~

提前说明：

1，今天的这个方案同样需要我们的摄像头支持ONVIF/RTSP协议，据我所知绝大多数TP-LINK、海康摄像头都支持这个协议，且都不贵。

2，项目相对来说还是很吃资源的，建议入门级的NAS不要尝试~

关于项目

🔺使用的项目其实是一个老项目--Frigate。这是一个专门为本地部署而生的开源智能监控系统，我们可以简单的把它理解为一个“具备实时AI检测能力的本地 NVR”，它能实时检测人、车、宠物等目标，并与智能家居平台Home Assistant深度联动，实现很多智能场景。Frigate的功能也非常强大，支持 24 小时录像、按事件保存视频、RTSP 重流减少摄像头压力，并提供低延迟的 WebRTC/MSE 实时观看。

项目Github地址：https://github.com/blakeblackshear/frigate

🔺另外这次我们还需要用到另外一个老项目--Double‑Take。它是一个开源的面部识别系统，通过统一的界面和 API，整合了多种先进的人脸识别引擎，能够根据内置的识别模型（ 比如说DeepStack、CompreFace、FaceNet 等），自动处理人脸裁剪、比对、匹配、标记等流程，将识别结果提供给下游系统（比如说Home Assistant使用）。

项目Github地址：https://github.com/skrashevich/double-take

项目部署

今天的这个方案会用到4个Docker容器：frigate、 double-take、deepstack、frigate-mqtt。它们的分工如下：

• frigate：负责接入摄像头、检测人和物体、保存录像，是整个系统的核心。

• double-take：负责所有人脸识别相关的工作。

• deepstack：给double-take提供 AI 算力，负责人脸识别推理。

• frigate-mqtt：负责消息通信，把检测到的事件实时推送出来。

🔺此次部署依然以极空间NAS为例，打开文件管理器，在Docker目录下新建一个“frigate”的文件夹。

🔺接着点击极空间NAS的“Docker”应用，点击【Compose】 > 【新增项目】。

🔺在“创建项目”页面自定义项目名称，“存储位置”需要手动选择我们前面新建的“bookorbit”文件夹，在方框中输入以下 Docker Compose 配置信息:

services: frigate: container_name: frigate privileged: true restart: unless-stopped image: ghcr.io/blakeblackshear/frigate:stable shm_size: "256mb" devices: - /dev/dri/renderD128:/dev/dri/renderD128 volumes: - /etc/localtime:/etc/localtime:ro - ./frigate/config:/config - ./frigate/media:/media/frigate ports: - "8971:8971" # 冒号前面请勿冲突 - "5555:5000" # frigate打开端口，冒号前面请勿冲突 - "8454:8554" # 冒号前面请勿冲突 - "8555:8555/tcp" # 冒号前面请勿冲突 - "8555:8555/udp" # 冒号前面请勿冲突 networks: - frigate_net ​ double-take: image: skrashevich/double-take:latest container_name: double-take restart: unless-stopped depends_on: - frigate - deepstack ports: - "3050:3000" # double-take打开端口，冒号前面请勿冲突 volumes: - ./double-take/config:/.storage/config environment: TZ: Asia/Shanghai MQTT_HOST: frigate-mqtt MQTT_PORT: 1883 # frigate-mqtt的打开端口 FRIGATE_URL: http://192.168.31.122:5555 # frigate打开链接，别抄我的 DETECTOR: deepstack DETECTOR_URL: http://192.168.31.122:5051 # deepstack打开链接，别抄我的 MATCH_THRESHOLD: 0.60 SAVE_UNKNOWN: "true" networks: - frigate_net ​ deepstack: image: deepquestai/deepstack:latest container_name: deepstack restart: unless-stopped ports: - "5051:5000" # 冒号前面请勿冲突 volumes: - ./deepstack:/datastore environment: VISION-FACE: "True" TZ: Asia/Shanghai networks: - frigate_net ​ frigate-mqtt: image: eclipse-mosquitto:2 container_name: frigate-mqtt restart: unless-stopped ports: - "1883:1883" # 冒号前面请勿冲突 volumes: - ./mqtt/config:/mosquitto/config - ./mqtt/data:/mosquitto/data - ./mqtt/log:/mosquitto/log networks: - frigate_net ​ networks: frigate_net: driver: bridge ​

以上代码需要修改的地方就看我给到的中文注释，其它的直接保持默认即可。镜像的拉取需要自行解决网络问题，粘贴到自己的NAS这边之前建议使用AI工具优化一下，以防止格式问题造成的部署失败。

🔺镜像有些大，部署的时候需要有些耐心，多等待一下。部署好之后可以看到frigate-mqtt一直显示重启中，这是正常情况。

🔺我们需要依次打开“frigate--mqtt--config”文件夹，在里面新建一个文本文件。

🔺在文本文件内输入：

listener 1883 allow_anonymous true

完成之后记得保存。

🔺接着将这个文本文件整个重命名为“mosquitto.conf”后“确定”。

🔺再回到Compose这边，可以看到所有的4个容器已经全部运行正常了。

项目体验

double-take设置：

🔺项目虽说都正常跑起来了，但还不能立即使用。我们先来设置double-take，直接通过极空间的远程访问打开它的后台Web页面（当然你也可以直接通过浏览器输入“IP:端口号”的方式）。

🔺然后点开“Config”配置页面，输入以下信息（不要直接抄我的，根据红字修改成你自己的配置）：

detectors: deepstack: url: http://192.168.31.122:5051 ​ frigate: url: http://192.168.31.122:5555 ​ mqtt: host: frigate-mqtt port: 1883 ​ save: unknown: true

完成之后记得保存。

🔺如果配置没有问题，可以看到页面显示项目用到的4个Docker容器的连通性都能通过。

frigate配置：

首先当然是打开frigate的Web页面，这里建议大家使用浏览器输入“IP:端口号”的方式，而不是极空间的远程访问。

🔺现在最新frigate的配置比之前可要友好太多了！首先它现在已经原生支持中文显示，另外现在添加摄像头不用再NAS端自己写配置，而是在页面直接根据向导图像化操作即可。

🔺摄像头的添加非常简单，只要是我们的摄像头支持ONVIF/RTSP协议，设置直接输入摄像头的IP地址、用户名和密码即可。

🔺然后frigate会自动连上摄像头。

🔺下一步根据自己的需求选择功能，我反正是全都要~

🔺最后看到摄像头显示没有问题，就直接“保存新摄像头”即可，是不是很简单。

🔺回到主页可以看到这里已经有一个摄像头显示了。

🔺点进去可以看到详情。这里不仅可以看到当前的实时画面，并且实测它的延迟也非常低，几乎是秒级响应。但是目前有两个问题：一个是它的录像功能还不能使用，另一个是double-take那边的人脸识别还没有连通。

🔺解决起来也很简单，我们需要打开“设置--配置编辑器”。

🔺然后复制自己当前的cameras配置，替换掉我给的代码中：

mqtt: enabled: true host: frigate-mqtt port: 1883 ​ record: enabled: true ​ go2rtc: streams: cam_a71de0d8: - ffmpeg:rtsp://admin:xxxxxxxxxxxx@192.168.31.184:554/stream1 ​ cameras: cam_a71de0d8: enabled: true friendly_name: 客厅 ffmpeg: inputs: - path: rtsp://127.0.0.1:8554/cam_a71de0d8 input_args: preset-rtsp-restream roles: - detect - record - audio detect: width: 1280 height: 720 ​ semantic_search: enabled: true model_size: small ​ face_recognition: enabled: true model_size: small ​ lpr: enabled: true ​ classification: bird: enabled: true version: 0.17-0

完成之后记得保存。

🔺还有一个建议大家设置的地方，那就是打开设置中，摄像头设置的“增强功能”，将里面的所有功能全部打开，这里才是frigate的硬核功能。

体验方面：

🔺现在再回到摄像头的详情页面，可以看到它已经能正常录像了。

🔺如果说画面有变动，比如说人或者宠物进入，它画面的左上角还有一个移动监测的标识出现。

🔺我们还能打开“历史”查看监控画面回放。

🔺另外double-take这边也完美的保存了所有识别到的人脸数据，包括每一次出现的截图、匹配结果、识别置信度以及对应的事件记录。

🔺录像的所有文件都自动保存在“frigate/media/recordings”中。

最后

其实这套系统的能力远不止文中介绍的那些。Frigate还能与智能家居平台Home Assistant无缝集成，当检测到一些特定事件的时候，会自动触发各种自动化场景，实现真正意义上的“智能监控联动”。比如说当看到我们回家时会自动开灯，识别到我们的车牌会自动打开车库，或者检测到陌生人在门口会自动发出警报，并为我们推送通知到手机等等。

好了，以上就是今天给大家分享的内容，我是爱分享的Stark-C，如果今天的内容对你有帮助请记得收藏，顺便点点关注，咱们下期再见！谢谢大家~