零基础搭建 AI+安防应用：从环境准备到人脸识别监控落地

想把普通摄像头变成能识别人员、车辆并自动报警的智能安防系统，最省事的做法是用 Docker 跑一个开源视频分析平台。
下面以 Frigate 为例，配合轻量人脸识别服务，讲清楚从硬件准备到报警验证的完整流程。

先确认硬件和系统条件

AI 视频分析吃 CPU 和内存，零基础用户优先选带核显的 Intel 平台，或者有 NVIDIA 显卡的机器。
纯 CPU 也能跑，但检测帧率要调低。

• 系统：Ubuntu 22.04 或 Debian 12，已安装 Docker 和 Docker Compose。
• 摄像头：支持 RTSP 协议的网络摄像头，海康、大华、TP-LINK 均可，在摄像头后台开启 RTSP 并记下地址，格式类似 rtsp://user:pass@192.168.1.64:554/Streaming/Channels/101。
• 存储：至少预留 20GB 给录像和模型文件。
• 确认 Docker 可用：

docker --version
docker compose version

如果提示命令不存在，先执行 sudo apt install docker.io docker-compose-plugin -y 并重启终端。

部署 Frigate 并接入摄像头

创建配置目录，避免容器重建后配置丢失：

mkdir -p /opt/frigate/config
cd /opt/frigate

新建 docker-compose.yml，写入以下内容（按实际摄像头地址替换 rtsp:// 部分）：

services:
  frigate:
    image: ghcr.io/blakeblackshear/frigate:stable
    container_name: frigate
    restart: unless-stopped
    privileged: true
    shm_size: "256mb"
    volumes:
      - ./config:/config
      - ./media:/media/frigate
      - /etc/localtime:/etc/localtime:ro
    ports:
      - "5000:5000"
      - "8971:8971"
    environment:
      - FRIGATE_RTSP_PASSWORD=你的摄像头密码

在同级目录新建 config/config.yml，最小可用配置如下：

mqtt:
  enabled: false

detectors:
  cpu1:
    type: cpu

cameras:
  front_door:
    ffmpeg:
      inputs:
        - path: rtsp://admin:密码@192.168.1.64:554/Streaming/Channels/101
          roles:
            - detect
    detect:
      width: 1280
      height: 720
      fps: 5

启动容器：

docker compose up -d
docker logs -f frigate

日志出现 Camera processor started 且没有反复报错，说明拉流成功。
浏览器访问 http://服务器IP:5000 能看到画面即部署完成。

开启智能检测与报警联动

Frigate 默认只做移动侦测，要识别人和车，需要在 config.yml 的摄像头下补充 objects 配置：

    objects:
      track:
        - person
        - car

保存后执行 docker compose restart frigate 生效。
此时画面中有人经过，事件列表会出现带标签的检测框。

报警联动推荐先用 MQTT 接入 Home Assistant 或 Node-RED。
在配置中加入：

mqtt:
  enabled: true
  host: 192.168.1.10
  user: mqttuser
  password: mqttpass

重启后，Frigate 会向 frigate/events 主题推送 JSON 消息，下游工具订阅该主题即可触发通知、开灯或录像。

避坑提醒：这些地方最容易卡住

• RTSP 地址写错：日志出现 Unable to open input 时，用 ffplay rtsp://... 在宿主机先验证地址能否播放，排除密码、通道号错误。
• CPU 占用过高：默认 CPU 检测器在 1080p 下容易跑满，把 detect 宽高降到 1280x720、fps 设为 5，可明显降低负载。
• 共享内存不足：多路摄像头时 shm_size 建议调到 512mb 或 1gb，否则容器会异常退出。
• 人脸识别不要一开始就上：Frigate 本身不做人脸比对，需要额外部署识别服务并通过 MQTT 联动。建议先把人员检测跑稳，再考虑人脸，避免一次引入太多变量。
• 配置改完不生效：确认修改的是宿主机 /opt/frigate/config/config.yml，而不是容器内路径，改完必须重启容器。

验证智能安防是否真正生效

完成配置后，按以下顺序检查：

1. 打开 http://服务器IP:5000，确认画面流畅、时间戳正常。
2. 在摄像头前走动，事件页应出现 person 标签的快照和录像片段。
3. 查看 docker stats frigate，CPU 占用长期低于 80% 视为可接受。
4. 若配置了 MQTT，用 mosquitto_sub -h 192.168.1.10 -t frigate/events 订阅，触发检测时应收到消息。

以上步骤全部通过，说明 AI+安防的基础链路已经跑通。
后续再根据实际场景增加摄像头、调整检测区域或接入人脸识别服务，排错时优先回看日志和 RTSP 地址这两处。