Этот репозиторий содержит мой рабочий конфиг для Frigate 0.17-0, который:
- ✅ Детектирует людей
- ✅ Распознаёт лица
- ✅ Детектирует автомобили
- ✅ Распознаёт номера автомобилей (LPR)
- ✅ Работает без Coral (только CPU)
- ✅ Оптимизирован под слабое железо
Конфигурация протестирована в реальных условиях и стабильно работает на старом ПК.
- Автоматическое обнаружение лиц
- Поддержка обучения персон
- Процент уверенности распознавания
- Работа полностью на CPU
- Стабильный детект
person - Работает даже на слабом ПК
- Возможность фильтрации по размеру объекта
- Поддержка зон
- Детект
car - Поддержка зон
- Совместная работа с LPR
- Средняя загрузка CPU ~25–35%
- Оптимизированная детекция
- Face recognition не перегружает систему
- Детектор:
cpu - Уменьшен
detect.fps - Используется фильтрация
min_area - Оптимизированы snapshots
- Настроен TCP для RTSP потоков
model_size: small- Настроен
detection_threshold - Настроен
min_area - Используются snapshots + crop
- Автоматическое добавление в Face Library
Работает стабильно даже без аппаратного ускорителя.
- Работает через события
car - Включен
enhancement - Используется основной поток для лучшего качества
- Стабильное распознавание при правильном угле камеры
- Frigate: 0.17-0
- Детектор: CPU
- Камеры: RTSP (Onvif)
- Разрешение: 1280x720
- Docker
- Без Coral
✔ Подходит для старых ПК ✔ Не требует дополнительного оборудования ✔ Работают одновременно лица + люди + авто + номера ✔ Настроен баланс между качеством и нагрузкой ✔ Проверен в реальной эксплуатации
Если появляется предупреждение о высокой загрузке CPU:
- Уменьшить
detect.fps - Использовать substream для detect
- Ограничить
person.min_area - Проверить RTSP на TCP
- Отключить лишние классы в
objects.track
Frigate 0.17-0
💡 Файл можно скачать и сразу использовать как основу для своей системы, главное отредактируй ip и логин/пароль камеры.