Sicherheitskameras lokal mit KI überwachen

• Frigate NVR bietet eine lokale, KI-basierte Lösung zur Objekterkennung für in Haus und Büro installierte Sicherheitskameras
• Unterstützt die Integration mit beliebten Automatisierungsplattformen wie Home Assistant, OpenHab und NodeRed
• Frigate ist direkt im Home Assistant Media Browser integriert und kann für sofort verfügbare Kamera-Feeds sowie Automationen genutzt werden
• Durch die Bereitstellung von Echtzeitdaten für Sensoren und Schalter lassen sich verschiedene Benachrichtigungs- und Automatisierungsszenarien realisieren
• Auf Basis von MQTT ermöglicht eine skalierbare Anbindung, einen effizienten Aufbau eines Smart Homes

---

Wichtige Funktionen von Frigate NVR

• Frigate NVR führt die KI-gestützte Objekterkennung lokal aus, sodass Sicherheitskamerabilder analysiert werden können, ohne auf externe Cloud-Dienste zurückgreifen zu müssen
• Es lässt sich mit Home Assistant, OpenHab und NodeRed verbinden und lässt sich so leicht in verschiedene Smart-Home-Automatisierungsplattformen integrieren
• Frigate zeigt Kamerabilder direkt im Media Browser von Home Assistant an und stellt Kamera-Entitäten mit geringer Latenz bereit
• Durch die Bereitstellung von Objekterkennungsdaten als Echtzeitwerte für Sensoren und Schalter werden zahlreiche Einsatzmöglichkeiten wie Video-Ereigniserkennung, Automatisierungsregeln und Alarmkonfigurationen geschaffen
• Mit der MQTT-Protokollunterstützung ist eine skalierbare Interoperabilität mit anderen IoT- und Automatisierungssystemen möglich

[GN⁺]

Hacker News Kommentar

• Ich habe Frigate seit über zwei Jahren im Einsatz und erfahren, dass es in puncto Erkennungsgeschwindigkeit und Zuverlässigkeit deutlich besser ist als jedes System, das ich bisher getestet habe. Ich habe zuvor Ring-, Tapo- und Eufy-Security-Kameras ausprobiert, nutze jetzt aber nur noch eine Tapo-Kamera per RTSP-Stream mit Frigate. Dabei habe ich den Internetzugang dieser Kameras blockiert, sodass der Datenschutz vollständig gewährleistet ist. Eufy Security wirkte für mich nicht vertrauenswürdig, weil bei jedem Klick auf Bewegungserkennungsbenachrichtigungen neue Produktwerbung angezeigt wurde – als würde Werbung Vorrang vor Sicherheit haben. Dazu kam, dass sich trotz kostenpflichtiger Mitgliedschaft die Cloud-Aufnahmen nicht öffnen ließen und dass sensible Zugangsdaten wie Passwörter unverschlüsselt gespeichert wurden. Genau diese Punkte waren die Hauptgründe für meinen Wechsel zu einer Self-Hosting-Lösung. Frigate läuft mit gebrauchter Hardware und einer RX 550 GPU mit aktivierter Hardwarebeschleunigung; die Erkennungsverzögerung liegt immer unter 1 Sekunde. Mit der Frigate API habe ich außerdem eine eigene App gebaut, die Screenshot-Benachrichtigungen per Telegram und Pushover sendet, und habe das Setup zwei Jahre lang selbstversorgt betrieben. In dieser Zeit musste der Service nur zweimal neu gestartet werden. Ich nutze das Ganze über ein Tunneling vom VPS auf den lokalen Server zu Hause und kann es dadurch auch extern zuverlässig nutzen. Ich bin dieses tolle Projekt wirklich sehr dankbar.

  • Ich frage mich, ob du es zusammen mit Home Assistant einsetzt. Mein ISP blockiert den Zugriff auf die HACS-Seite, sodass die HACS-Integration nicht sauber funktioniert. Wenn ich mit wget get.hacs.xyz herunterladen und installieren will, erhalte ich SSL-Fehler und die Verbindung bricht ab.

  • Ich würde mich über einen Tipp freuen, wie man Kameras vom Internet abschneidet und nur im lokalen Netzwerk betreibt, sodass potenzielle Backchannels zusätzlich blockiert werden.

  • Ich frage, ob man Eufy-Kameras mit Frigate nutzen kann.

  • Mich interessiert, wie du die Tapo-Kameras stabil in den RTSP-Modus für Frigate bekommst. Bei mir wurde das Netzwerk schon instabil, wenn nur eine Kamera per WLAN verbunden war. Ich habe sogar Kanal/Access Point auf jeweils eine Kamera aufgeteilt, aber trotzdem blieb das Problem.

  • Ich bin überrascht, dass ich meine sensiblen Videoaufnahmen anfangs überhaupt an diese Anbieter gegeben habe. Früher fanden mir GNU-Aktivist*innen irgendwie seltsam, aber mittlerweile kann ich Kollegen nicht mehr verstehen, die nicht einmal einen Werbeblocker nutzen.

• Ich habe häufig eine Beschwerde: Im ersten Satz wird die Abkürzung NVR ohne Erklärung verwendet. NVR steht für Network Video Recorder. Nicht alle sind in dem Bereich erfahren, deshalb hätte ich mir gewünscht, das nicht so zu machen.

  • Es ist nachvollziehbar anzunehmen, dass Besucher*innen wissen, was NVR bedeutet. Außerdem kann man Frigate aus dem Kontext bereits erkennen.

  • Dem stimme ich nicht zu. Ich gehe davon aus, dass 90 % der Personen, die nach Frigate suchen, wissen, was NVR bedeutet. Natürlich wäre es gut, alle Fachbegriffe zu erklären, aber NVR ist mindestens Basiswissen für alle, die dieses Produkt nutzen möchten.

  • Ich bin im Allgemeinen eher dafür, aber NVR ist auch außerhalb der Industrie eine sehr häufige Abkürzung, nicht nur bei Konsument*innen. Wer sich mit einer CCTV-Lösung beschäftigt, trifft auf diesen Begriff fast immer. Wenn man ihn nicht kennt, ist auch „Network Video Recorder“ nicht wirklich aussagekräftig. Frigate soll genau solche geschlossenen, unflexiblen NVR-Boxen ersetzen, daher ist das Wort sogar im Produktnamen enthalten.

  • In realen Läden werden diese Geräte in der Regel als NVR oder NVR Recorder verkauft (nach meiner Erfahrung). Eine Suche liefert sofort passende Ergebnisse.

• GPU/TPU sind nicht zwingend erforderlich. Wenn die Anzahl der Kameras gering ist und die Erkennungsbereiche gut konfiguriert sind, reicht die CPU oft aus. Ich verwende einen Low-Resolution-/Low-Framerate-MJPEG-Substream zur Erkennung und nutze h264 nur für Aufzeichnung und Wiedergabe. Für CPU-Inferenz ist OpenVINO deutlich schneller als das Standard-TensorFlow; auf einer 6-Core-VM (Ivy Bridge Xeon) bleiben bei zwei Kameras etwa 20 % CPU-Auslastung.

• Die Video-Beschleunigung (also Decodierung, nicht Objekterkennung) ist etwas instabil, aber im Hinblick auf Echtzeit-Objekterkennung war es die beste Erfahrung, die ich hatte. Kein nächtliches Aufwachen mehr durch Kleintiere. Nebenbei biete ich mit meinem Jahresabo auch das Training von KI-Modellen mit False-Positive-Daten an, die ich bereitstelle. Das hat die Genauigkeit deutlich verbessert.

  • Dass ich nachts nicht mehr von kleinen Tieren geweckt werde, ist schön. Faszinierend ist aber, dass ich auch viele verschiedene Tierfotos sammeln kann – wie der Blick in eine verborgene Welt.

  • Die Treiber und Software für Coral-AI-Boards sind typisches Google-Abandonware(tm): Sie erzwingen veraltete Python-Versionen und lassen die Kompatibilität mit modernen OS und GPUs leiden. Im Grunde habe ich 2025 Hardware gekauft, für die ich wieder Software auf Windows-7-Niveau brauche.

  • In meinem Fall wird es mit der Zeit eher schlechter. Ich nutze die Kameras nun 2–3 Jahre und erhalte inzwischen ständig Fehlalarme durch Spielzeug, Gartentraktorscooter oder Piratenflaggen. Aus Datenschutzgründen kann ich keine Fehlalarme hochladen; ich plane, mein eigenes Modell mit den über lange Zeit gesammelten Daten zu trainieren.

  • Dieses Abo zahle ich gerne aus mehreren Gründen: 1) Entwickler-Support 2) Trainingskosten werden klar abgebildet 3) trainierte Modelle lassen sich dauerhaft speichern. AgentDVR ist genau das Gegenteil: Ich könnte Remote-Zugriff und Push-Benachrichtigungen selbst lösen, aber AgentDVR verlangt ein Monatsabo selbst für einfachen VPN-Zugriff.

• Die Ausgereiftheit des Frigate-Pakets überrascht. Go2RTC oder MediaMTX (go2rtc, MediaMTX) reichen als Grundlage aus, aber wenn man KI-Verarbeitung integrieren will, gibt es keine einfache „Unix-like“-Lösung; man muss es in Python selbst implementieren.

  • Ich habe Motion (Motion) lange genutzt. Die Grundeinstellung ist einfach und sehr flexibel. Für fortgeschrittene Einstellungen ist etwas Tuning nötig.

• Wenn ich keine Echtzeitverarbeitung für aufgezeichnete Videos brauche, sondern beispielsweise aus einem 5-Stunden-Video nur Abschnitte extrahieren möchte, in denen z. B. ein Auto einen bestimmten Punkt passiert oder ein Fahrer ein Handy in der Hand hält, womit sollte man anfangen und welches Framework wäre geeignet?

  • Ich empfehle OpenCV-Dokumentation und -Beispiele zu prüfen. Ich habe Gesichtserkennung mit OpenCV (face_recognition-Beispiel) umgesetzt, und für Autos etc. muss man entweder ein eigenes Modell trainieren oder auf etwas wie YOLOv3 (YOLO-Beispiel) zurückgreifen.

  • Wenn man eine gute kommerzielle KI fragt, würde sie dir wahrscheinlich sofort ein Python-Skript liefern, das ein Video lädt und nur bei Fahrerfotos mit gehaltener Handykamera im bestimmten Zeitfenster die Ausgabe erzeugt.

  • Die You Only Look Once-Technik könnte ebenfalls helfen.

• Ich habe die humorvolle Frage aufgebracht, ob man das System nicht einfach mit einem großen Schild umgehen kann: „Bitte ignoriert mein Sicherheitssystem!“

  • GitHub zeigt, dass OpenCV und TensorFlow genutzt werden. Bewegungserkennung basiert auf OpenCV, daher müsste jemand sich bewegen, und wenn es nicht extrem langsam ist, lässt sie sich schwer umgehen. Die Objekterkennung mit TensorFlow macht kein OCR, deshalb kann man das System nicht über eingeblendeten Text austricksen. Aber wenn die Zielliste eingeschränkt ist, kann man mit Tarnung wie Baumkostüm die Erkennung ggf. umgehen.

  • Hm, wäre nicht eine Art „Scramble Suit" oder ein Shirt mit bewusst adversarialen Mustern hilfreich?

  • Oder man läuft mit einem kompletten Raccoon-Suit herum.

  • Die Struktur ist zweistufig: Schritt 1 ist die Bewegungserkennung mit OpenCV, Schritt 2 die objektspezifische Erkennung im Bereich von Interesse mit je nach Hardware unterschiedlichem Modell. Unterstützt werden Coral TPU, Halio Accelerator und die meisten GPUs (AMD geht mit ROCm auf iGPU nicht). Coral unterstützt edgedet, außerdem YOLO-NAS, YOLO, D-Fine und RF-DETR. Es gibt kostenpflichtige YOLO-NAS-Spezialmodelle, oder man kann sie selbst trainieren.

  • Es handelt sich nicht um ein LLM, sondern um ein normales KI-Modell (allerdings kann ein LLM automatisch Erklärungen generieren).

• Ich nutze Frigate mit 5 IP-Kameras (3x Hikvision, 2x Amcrest) und 1 USB-Kamera. Mit einem USB Coral TPU läuft es auf einem älteren i7-6700 stabil mit rund 30 % CPU-Last. Nicht das Nonplusultra, aber trotzdem brauchbar. Bei Amcrest funktioniert der Stream einwandfrei, bei Hikvision ist gelegentlich Transcoding wegen Codec-Inkompatibilitäten nötig. Eine eingebaute Funktion, um gespeicherte Videos nach außen zu senden, gibt es nicht; selbst wenn ich das Storage-Verzeichnis selbst spiegelte, war es strukturell schwierig, nur wichtige Ereignisse separat zu sichern.

  • Neben der reinen Personenerkennung interessiert mich, ob eine „identified recognition“-Funktion mit vorher hochgeladenen Fotos für bestimmte Personen möglich ist.

• Ich betone noch einmal: GPU/TPU sind nicht zwingend nötig. Mit der richtigen Anzahl an Kameras und sauber gesetzten Detektionszonen reicht oft die CPU. Ich habe dafür verschiedene Modelle wie OpenVINO und TensorFlow erlebt.

• Etwas anderer Punkt: Ich frage mich, warum man heute noch eine Sicherheitskamera installiert und selbst überwacht. Es gibt psychologische Studien, die zeigen, dass solche Kameras sogar Stress und Angst erhöhen. Für die tatsächliche Verbrechensprävention helfen sie kaum, und für Polizeibearbeitung oder Versicherungsnachweise braucht man eher ein offsite-Backup. Auch bei weit verbreitetem Einsatz von CCTV ist der Beitrag zur Lösung relevanter Verbrechen (etwa Kennzeichenerkennung) sehr gering.

  • Der größte Nutzen einer Kamera ist meiner Meinung nach die Erzeugung sozialer Ordnung. Seitlich auf der Haustür installiert, verhalten sich Lieferdienste seltener grob, und Zaunschäden werden seltener. Außerdem ist sie nützlich für Katzen-Tracking, Fernüberwachung während der Abwesenheit und Versicherungsfälle. Bei den meisten günstigen CCTVs ist für mich nachts die IR-Empfindlichkeit wichtiger als die Auflösung. Für echte Identifikation nutze ich daher eher eine Low-Resolution-Profikamera. Bei Open Source kombiniere ich schon lange ZoneMinder mit lokaler KI.

  • Der Teil „Stress steigt und Unsicherheit wächst“ irritiert mich, weil er meine Gefühle kommentiert. Ich glaube, jeder hat andere Gründe für den Einsatz.

  • Menschen leben in unterschiedlichen Umfeldern mit unterschiedlichen Risiken und Polizeiaufmerksamkeit, deshalb nutzen sie Kameras mit unterschiedlichen Zielen und Prioritäten. Ich lebe in einer ruhigen Gegend und bin oft längere Zeit abwesend. Mir gibt die Möglichkeit der Überwachung mehr Sicherheit als ein Zeitraum ohne Kamera.

  • Meine Gegensprechanlage zeichnet lokal auf. Wenn jemand den Türgong drückt, bekomme ich ein Bild von ein paar Sekunden vor dem Klingeln als Desktop-/Handy-Benachrichtigung. So kann ich entscheiden, wie ich reagiere, und ich kann am Haus sogar mit LLM Abfragen stellen, etwa wie viele Vögel herumstreunen oder ob der Hund im Hinterhof ist.

  • Der Zweck von Frigate und ähnlichen Lösungen ist gerade, dass man nicht permanent überwachen muss. Kleine Fehlalarme durch Tiere oder bekannte Fahrzeuge brauche ich nicht mehr zu beachten – ich reagiere nur auf wirklich relevante Ereignisse.

• Ich bin ein Langzeitnutzer von Frigate (seit 4 Jahren). Ich habe lange nur Frigate ohne Home Assistant genutzt, aber in letzter Zeit wieder Home Assistant integriert und den WebRTC-Stream der Nest-Kamera an Frigate angebunden. So kann ich es jetzt wie bisher nutzen, ohne ein Nest Aware Abo, was sich finanziell lohnt.