Frigate & TPU's - object detection op je bewakingscamera's

[R.G]

Slonzo schreef op maandag 15 september 2025 @ 22:54:
[...]

Nee, dat wordt niks. En al zeker niet op die resolutie en 30fps

Wat raadt je aan

[Slonzo]

R.G schreef op dinsdag 16 september 2025 @ 00:09:
Wat raadt je aan

Een minimum aan moeite doen om de zeer bondige startpost te lezen

[R.G]

Slonzo schreef op dinsdag 16 september 2025 @ 20:39:
[...]

Een minimum aan moeite doen om de zeer bondige startpost te lezen

Oke gedaan, dus je zegt haal een tpu bijvoorbeeld usb plug dit in de Nas.

Vind een goede driver?
Maak de usb beschikbaar voor je docker image van frigate?

Moet je dan in frigate instellen Om de usb te gebruiken als processing power?

[tjanssen]

R.G schreef op woensdag 17 september 2025 @ 00:56:
[...]


Oke gedaan, dus je zegt haal een tpu bijvoorbeeld usb plug dit in de Nas.

Vind een goede driver?
Maak de usb beschikbaar voor je docker image van frigate?

Moet je dan in frigate instellen Om de usb te gebruiken als processing power?

Alle antwoorden op je vragen vind je hier.

[ErnstH]

Ik heb nu inmiddels ook Frigate draaien op een Raspberry Pi 5. Ik moet zeggen, dit werkt uitstekend: de standaard config met Mobilenetv2 haalde slechts 100 ms aan detector inference tijd (op zich ok voor 1 camera), maar via de OpenVINO backend gaat het zo snel dat ik inmiddels YOLOv9t gebruik (meer accuraat) en nog steeds slechts op 34 ms zit per frame.

[SaN]

Ook ik ben een tijdje bezig geweest met hetinstellen van frigate voor 2 Tapo C110 camera's. Ik wil ze eigenlijk alleen gebruiken als ik op vakantie ben, dus ze zullen niet constant draaien. Ik ben een hele tijd bezig geweest om de personendetectie werkend te krijgen, maar nu lijkt het allemaal redelijk te werken. Ik heb ze gekoppeld aan frigate die draait in een docker container op een unraid server met een uitsluitend een i5-7400 en 32GB aan ram. Als ik de twee cameras aanzet draait de CPU tussen de 15% en 30%.

Ik heb zoveel geklooid aan de config.yaml met stukjes van diverse fora en andere mensen gecombineerd met een beetje hulp van Gemini dat ik me afvraag wat mensen die er echt verstand van hebben ervan denken. Is dit iets, of zitten er hele rare dingen in?

code:

mqtt:
  enabled: true
  host: 192.168.xx.xxx
  port: 1883
  user: User
  password: Password
  topic_prefix: frigate

objects:
  track:
    - person

ffmpeg:
  hwaccel_args: preset-vaapi

detectors:
  ov:
    type: openvino
    device: AUTO

model:
  path: /openvino-model/ssdlite_mobilenet_v2.xml
  model_type: ssd             
  width: 300
  height: 300
  input_tensor: nhwc
  input_pixel_format: bgr
  labelmap:
    1: person

go2rtc:
  streams:
    camera1_main: rtsp://User:[e-mail].x:xxx/stream1
    camera1_sub: rtsp://User:[e-mail].x:xxx/stream2
    camera2_main: rtsp://User:[e-mail]:xxx/stream1
    camera2_sub: rtsp://User:[e-mail]:xxx/stream2

review:
  alerts:
    enabled: true
    labels:
      - person
  detections:
    enabled: true
    labels:
      - person

cameras:
  Camera1:
    enabled: true
    ffmpeg:
      inputs:
        - path: rtsp://127.0.0.1:8554/camera1_main
          input_args: preset-rtsp-restream
          roles:
            - record
        - path: rtsp://127.0.0.1:8554/camera1_sub
          input_args: preset-rtsp-restream
          roles:
            - detect
    detect:
      enabled: true
      fps: 5
    live:
      stream_name: camera1_main
    snapshots:
      enabled: true
      timestamp: true
      bounding_box: true
      retain:
        default: 7 
    record:
      enabled: true
      retain:
        days: 0 
        mode: all
      events:
        retain:
          default: 10 
          mode: active_objects

  Camera2:
    enabled: true
    ffmpeg:
      inputs:
        - path: rtsp://127.0.0.1:8554/camera2_main
          input_args: preset-rtsp-restream
          roles:
            - record
        - path: rtsp://127.0.0.1:8554/camera2_sub
          input_args: preset-rtsp-restream
          roles:
            - detect
    detect:
      enabled: true
      fps: 5
    live:
      stream_name: camera2_main
    snapshots:
      enabled: true
      timestamp: true
      bounding_box: true
      retain:
        default: 7
    record:
      enabled: true
      retain:
        days: 0 
        mode: all
      events:
        retain:
          default: 10
          mode: active_objects

[ErnstH]

ErnstH schreef op maandag 30 maart 2026 @ 13:53:
Ik heb nu inmiddels ook Frigate draaien op een Raspberry Pi 5. Ik moet zeggen, dit werkt uitstekend: de standaard config met Mobilenetv2 haalde slechts 100 ms aan detector inference tijd (op zich ok voor 1 camera), maar via de OpenVINO backend gaat het zo snel dat ik inmiddels YOLOv9t gebruik (meer accuraat) en nog steeds slechts op 34 ms zit per frame.

Eindelijk tijd gehad om de AI Hat 2+ te installeren. Nu draait de object detection op de Hailo 10h en kan ik yolov11l (37 ms) of yolov11m (28 ms) gebruiken. Leuke hobby wel.

[vonkkie]

vraag hoe weet ik nou of mijn nuc met HA en frigate snel genoeg is soms vindt ik het iophalen van live beelden best traag gaan is dit een frigate ding of iets anders

in ha zie ik meestal de processor niet hoger komen als 30%

[TheMystery]

vonkkie schreef op vrijdag 10 juli 2026 @ 18:53:
[Afbeelding]

vraag hoe weet ik nou of mijn nuc met HA en frigate snel genoeg is soms vindt ik het iophalen van live beelden best traag gaan is dit een frigate ding of iets anders

in ha zie ik meestal de processor niet hoger komen als 30%

Zou misschien kunnen liggen aan je instellingen van iframes op je camera.

[vonkkie]

@TheMystery


Wat bedoel je daar mee ?

[TheMystery]

vonkkie schreef op vrijdag 10 juli 2026 @ 23:22:
@TheMystery


Wat bedoel je daar mee ?

Zie documentatie: https://docs.frigate.video/configuration/live/

I-frame interval (sometimes called the keyframe interval, the interframe space, or the GOP length): match your camera's frame rate, or choose "1x" (for interframe space on Reolink cameras). For example, if your stream outputs 20fps, your i-frame interval should be 20 (or 1x on Reolink). Values higher than the frame rate will cause the stream to take longer to begin playback. See this page for more on keyframes. For many users this may not be an issue, but it should be noted that a 1x i-frame interval will cause more storage utilization if you are using the stream for the record role as well.


Bij mij scheelde dit veel in start tijd van live stream.