راه‌اندازی سرور دوربین امنیتی خودمیزبان که هزینه اجرای آن تقریباً صفر است

من هرگز نمی‌خواستم دوربین‌های امنیتی ضبط شده از آپارتمانم روی سرورهای دیگران ذخیره شوند. علاوه بر این، Ring، Nest، Arlo و سایر فروشندگان بزرگ برای نگهداری بیش از چند ساعت ضبط هزینه ماهیانه می‌خواهند، که این هزینه با افزودن دوربین‌ها به سرعت افزایش می‌یابد.

به همین دلیل به فهرست برنامه‌های خودمیزبان افزوده‌ام که سرور دوربین امنیتی خودمیزبان را راه‌اندازی می‌کند؛ هزینه اجرای آن تقریباً صفر است، داده‌ها به‌صورت محلی ذخیره می‌شوند و نیازی به سرورهای دیگر یا اینترنت ندارد.

بیش از یک ضبط‌کننده ویدیو

Frigate افزون بر تشخیص اشیاء توسط هوش مصنوعی به دوربین‌های امنیتی شما می‌افزاید

Frigate به دوربین‌های IP موجود شما از طریق RTSP وصل می‌شود، جریان ویدیو را می‌گیرد و به‌صورت محلی تشخیص اشیاء هوش مصنوعی را انجام می‌دهد؛ نیازی به عبور از ابر نیست. می‌تواند نفر، خودرو، بسته یا گربه شما را تشخیص دهد و تنها کلیپ‌های مهم را ذخیره کند، نه تمام ویدیوها.

به‌عنوان کسی که خانه‌اش را با Home Assistant اداره می‌کنم، از ادغام تمیز Frigate با Home Assistant خوشحالم؛ می‌توانم خودکاراً چراغی روشن کنم وقتی شخص خاصی در در را تشخیص می‌دهد، یا اعلان بفرستم، بدون نوشتن کدهای اضافی. همه چیز، از ویدیو تا پردازش هوش مصنوعی و تاریخچه رویدادها، روی سخت‌افزار کارگاه من به‌صورت ساکت اجرا می‌شود.

سخت‌افزاری که هزینه آن کم می‌شود

یک Raspberry Pi؟ یک لپ‌تاپ قدیمی؟ Frigate روی هر چیزی اجرا می‌شود

Frigate خود رایگان است و تحت لایسنس MIT عرضه می‌شود؛ هزینه اشتراک وجود ندارد. هزینه واقعی سخت‌افزار است و اگر از قبل سرورهای خودمیزبان دارید، صرفاً هزینه سخت‌افزار را اضافه می‌کنید. حتی اگر بخواهید سخت‌افزار خریداری کنید، نیازها بسیار کم است.

می‌توانید آن را روی Raspberry Pi ۴ یا ۵ با ۸ GB RAM به‌همراه شتاب‌دهنده Google Coral USB اجرا کنید؛ این شتاب‌دهنده پردازش‌های تشخیص اشیاء را با چند وات انرژی انجام می‌دهد. می‌توانید بدون Coral از شتاب‌دهنده Hailo AI یا GPU یکپارچه Intel با Quick Sync استفاده کنید؛ هر دو مصرف انرژی کمی دارند.

ذخیره‌سازی مورد بعدی است که باید در نظر بگیرید، اما نگرانی بزرگی نیست. یک SSD ساده SATA یا یک هارد دیسک اضافی برای چندین هفته نگهداری کافی است، اگر Frigate را طوری تنظیم کنید که تنها رویدادهای تشخیص‌داده‌شده را ذخیره کند نه تمام ویدیوی ۲۴ ساعته را با بیت‌ریت کامل. نیازی به خرید NVR اختصاصی نیست، هزینه لایسنس به ازای هر دوربین مانند برخی نرم‌افزارهای تجاری NVR وجود ندارد، و هیچ قفل سخت‌افزاری نیست، زیرا Frigate با عملاً هر دوربین سازگار با RTSP کار می‌کند، از جمله گوشی‌های قدیمی که به دوربین امنیتی تبدیل شده‌اند.

Docker بار سنگین را برمی‌دارد

استقرار تنها با چند فرمان

من Frigate را به‌صورت کانتینر Docker بر روی لپ‌تاپ قدیمی لینو‌کس خود که به‌عنوان سرور خانگی نیز کار می‌کند، اجرا می‌کنم. این مسیر رسمی و ساده‌ترین راه است؛ تمام کار با یک فایل Docker‑Compose ساده انجام می‌شود که استریم‌های دوربین، سخت‌افزار شناسایی‌گر و حافظه مشترک را تعریف می‌کند. می‌توانید برای هر دوربین یک YAML تنظیم کنید؛ مناطق و ماسک‌های تشخیص را تعریف کنید تا دوربین از تصویر خیابان شلوغ عبور نکند و سپس کانتینر را اجرا کنید.

services:
  frigate:
    container_name: frigate
    restart: unless-stopped
    stop_grace_period: 30s

    # Use the plain image if you have no GPU / just a CPU or Intel iGPU.
    # If you have an NVIDIA GPU, switch to: ghcr.io/blakeblackshear/frigate:stable-tensorrt
    image: ghcr.io/blakeblackshear/frigate:stable

    # Shared memory used for caching frames. 128-256mb is fine for 1-2 cameras
    # at 720p. Increase if you add more cameras or run at higher detect resolution.
    shm_size: "256mb"

    # --- Uncomment ONE of these hardware acceleration blocks depending on your GPU ---

    # Intel iGPU (VAAPI decode):
    # devices:
    #   - /dev/dri/renderD128:/dev/dri/renderD128

    # NVIDIA GPU (also requires nvidia-container-toolkit installed on the host,
    # and the frigate:stable-tensorrt image above):
    # deploy:
    #   resources:
    #     reservations:
    #       devices:
    #         - driver: nvidia
    #           count: 1
    #           capabilities: [gpu]

    volumes:
      - /etc/localtime:/etc/localtime:ro
      - ./config:/config
      - ./storage:/media/frigate
      - type: tmpfs
        target: /tmp/cache
        tmpfs:
          size: 1000000000   # 1GB tmpfs cache, adjust to your RAM

    ports:
      - "8971:8971"       # Web UI / API
      - "8554:8554"       # RTSP restream (go2rtc)
      - "8555:8555/tcp"   # WebRTC
      - "8555:8555/udp"   # WebRTC

    environment:
      - TZ=UTC   # set to your timezone, e.g. America/New_York

برنامه زمان‌بندی کوتاهی برای کالیبراسیون اولیه دارد، سپس پردازش‌های واقعی را شروع می‌کند. اگر قبلاً با Docker و YAML راحتید، تنها چند ساعت برای تنظیم کافی است؛ اگر می‌خواهید Home Assistant را هم به‌کار بگیرید، نیاز به MQTT‌ broker و افزودن افزونه Frigate از HACS دارید.

این یک راه‌حل کاملاً پلاگ‑این نیست

پیش از استفاده از Frigate باید پیکربندی کنید

علی‌رغم مزایایش، Frigate به‌صورت دست‌دست‌تر نسبت به یک دوربین Ring کار می‌کند. باید با کانتینرها، شبکه و عیب‌یابی زمانی که استریم دوربین قطع می‌شود یا شناسایی‌کننده شناسایی نمی‌کند، راحت باشید. اگر بر روی ماشین با GPU اختصاصی کار می‌کنید، عبور GPU به Docker می‌تواند گاهی مشکل‌ساز باشد.

اگر هنوز دوربین ندارید، باید آن‌ها را خریداری کنید؛ یک گوشی Android قدیمی می‌تواند به‌عنوان دوربین باشد، اما برای تعداد زیادی نیاز به دوربین‌های اختصاصی دارد.

صرفه‌جویی فراتر از هزینه اشتراک‌هاست

ذخیره‌سازی محلی، حریم خصوصی و کنترل کامل

برای من جذابیت تنها در صرفه‌جویی از یک اشتراک ماهانه دیگر نبود (هرچند این انگیزه بزرگی بود)؛ بلکه در این بود که می‌دانستم فیلم‌های خانه‌ام روی سرور خارجی قرار ندارد، در معرض نقض داده، تغییر خط‌مشی یا افزایش قیمت قرار نمی‌گیرد.

Frigate این کنترل را به من داد؛ ویژگی‌های تشخیص هوشمند که با سیستم‌های تجاری رقابت می‌کند و اثری بر قبض برق آن‌قدر کم که برای مشاهده آن باید به کنتور مراجعه کنم. همه‌این‌ها به هزینه یک بعدازظهر.

منبع: این مطلب یک بومی‌سازی و بازنویسی تحریری است بر اساس مقاله‌ای از MakeUseOf نوشته Yadullah Abidi: مشاهده مقاله اصلی.