النقاط الرئيسية
- الإصدار المستقر الحالي هو Frigate 0.17.2 (28 يونيو 2026)، بينما 0.18.0 في مرحلة بيتا منذ 8 أغسطس 2026
- ابدأ بالكاشف: iGPU من Intel مع كاشف OpenVINO هو أرخص بداية جدّية، بينما تتوسع Hailo-8 أو بطاقة NVIDIA إلى ما هو أبعد
- أصبح Coral خيارًا احتياطيًا لا افتراضيًا — ولا يُنصح به إلا حين يكون استهلاك الطاقة هو القيد الحاسم
- تدفقان لكل كاميرا: 1280x720 بمعدل 5 fps للكشف، والتدفق الرئيسي بالدقة الكاملة بمعدل 15 fps للتسجيل
- ما يُنهي التنبيهات الكاذبة فعليًا هو المناطق مع required_zones و loitering_time و inertia، لا نموذج أفضل
- يشترط تكامل Home Assistant وجود تكامل MQTT مُعدًّا مسبقًا، وإلا فلن تظهر أي كيانات
- يحتاج البحث الدلالي إلى 8 GB من الذاكرة كحد أدنى، و 16 GB مع بطاقة رسوميات ليكون مريحًا، ومعالج يدعم AVX2
- يكلّف Frigate+ مبلغ 50 دولارًا سنويًا (الفوترة بالدولار الأمريكي) مقابل ما يصل إلى 12 نموذجًا مضبوطًا؛ ويعمل التعرف على الوجوه واللوحات دون اشتراك
ما الذي يقدّمه Frigate ولا يقدّمه مسجّل NVR عادي؟
يعمل Frigate على مرحلتين: كشف حركة منخفض التكلفة يحدّد المناطق الجديرة بالفحص، ثم نموذج حقيقي للكشف عن الأجسام يقرّر ما إذا كانت تحوي شخصًا أو سيارة أو كلبًا أو طردًا. أما مسجّل NVR التقليدي فيُطلق عند تغيّر البكسلات، ولهذا ينبّهك عند أضواء السيارات والمطر واهتزاز الشجيرات.
📍 في جملة واحدة
يستخدم Frigate كشف حركة منخفض التكلفة لاختيار مناطق من الإطار، ثم يشغّل نموذج الكشف عن الأجسام على تلك المناطق فقط، ولهذا يخدم مسرّع صغير واحد كاميرات كثيرة في الوقت نفسه.
- الحركة أولًا ثم الذكاء الاصطناعي: كشف الحركة الخفيف يحدّد *أين* يعمل الكاشف، فيغطي مسرّع صغير عددًا كبيرًا من الكاميرات.
- تسجيل على مستوى الجسم: يعتمد الاحتفاظ على ما تم كشفه لا على مخزن مستمر على مدار الساعة، فتمتد سعة التخزين أبعد بكثير.
- إعادة البث عبر go2rtc: يسحب Frigate كل كاميرا مرة واحدة ويعيد بثها، بدلًا من أن يضغط خمسة عملاء على الكاميرا مباشرة.
- مخرجات MQTT: يُنشر كل جسم متتبَّع وكل دخول إلى منطقة وكل عدّاد للأجسام، وهذا ما يجعل أتمتة Home Assistant ممكنة.
- عناصر المراجعة: تُفصل عمليات الكشف إلى *alerts* (ما تريد أن تُبلَّغ به) و *detections* (يُسجَّل بصمت).
📌ملاحظة: التمييز بين alerts و detections هو أنفع مفهوم في Frigate. التنبيهات هي ما يوقظ هاتفك، وعمليات الكشف هي السجل القابل للبحث. اضبط كلًّا منهما على حدة.
أي كاشف ينبغي شراؤه لـ Frigate في 2026؟
اشترِ جهازًا بمعالج Intel يحوي iGPU واستخدم كاشف OpenVINO إن كنت تبدأ من الصفر؛ واشترِ وحدة Hailo-8 إن كنت تريد أدنى زمن استجابة لكل واط؛ واستخدم كاشف ONNX إن كان الجهاز يحوي بطاقة NVIDIA أصلًا. ينصّ توثيق Frigate على أن Coral لم يعد موصى به في التركيبات الجديدة، إلا حين يكون قيد الطاقة صارمًا بصورة غير معتادة.
💬 بعبارات بسيطة
الكاشف هو الشريحة التي تجيب عن سؤال «هل هذا شخص؟». يمكنك استخدام وحدة الرسوميات المدمجة داخل معالج Intel، أو بطاقة NVIDIA مستقلة، أو وحدة ذكاء اصطناعي صغيرة بصيغة M.2. أما ذاكرة USB التي ينصح بها الجميع (Google Coral) فما زالت تعمل، لكنها لم تعد نقطة البداية الموصى بها.
- استخدم OpenVINO إذا كان الجهاز يحوي معالج Intel من الجيل السادس أو أحدث — فالـ iGPU مدفوع ثمنه سلفًا ولا يحتاج عتادًا إضافيًا.
- استخدم ONNX إذا كان الجهاز يحوي بطاقة NVIDIA أو AMD؛ إذ يكتشف Frigate المنصة تلقائيًا.
- استخدم Hailo-8 / Hailo-8L إذا أردت زمن استجابة بمستوى المسرّعات داخل منفذ M.2 وباستهلاك منخفض.
- استخدم TensorRT تحديدًا على لوحات NVIDIA Jetson — راجع مراجعة NVIDIA Jetson Orin Nano للذكاء الاصطناعي في المنزل الذكي.
- استخدم edgetpu (أي Coral) فقط حين يكون استهلاك الواط هو القيد الحاسم وتقبل بمجموعة نماذج تتقادم.
- تجنّب كاشف cpu تمامًا — فبحسب Frigate، يعمل OpenVINO في وضع المعالج بكفاءة أعلى من كاشف المعالج المخصص.
الكاشف | العتاد | زمن الاستدلال (منشور) |
|---|---|---|
| openvino | Intel Arc A750 | نحو 4 ms لـ MobileNetV2 / 8 ms لـ YOLOv9-320 |
| openvino | Intel NPU | نحو 6 ms لـ MobileNetV2 / 11 ms لـ YOLOv9-320 |
| openvino | Intel UHD 730 iGPU | نحو 10 ms لـ MobileNetV2 / 14 ms لـ YOLOv9-tiny |
| hailo8l | Hailo-8 | نحو 6 ms لـ SSD MobileNet / 7 ms لـ YOLOv6n |
| hailo8l | Hailo-8L | نحو 10 ms لـ SSD MobileNet / 11 ms لـ YOLOv6n |
| onnx | NVIDIA RTX 3070 | نحو 6–8 ms لـ YOLOv9 tiny→small 320 |
| onnx | NVIDIA RTX 3050 | نحو 8–10 ms لـ YOLOv9 tiny→small 320 |
| onnx | AMD Radeon 780M | نحو 14 ms لـ YOLOv9-tiny-320 |
| zmq | Apple M3 Pro | نحو 6 ms لـ YOLOv9-tiny-320 |
هذه الأرقام هي ما ينشره Frigate لكل كاشف، وليست قياسات أجرتها PromptQuorum. يوفّر Frigate كذلك أنواع الكواشف rknn (وحدات NPU من Rockchip) و memryx و synaptics و deepstack و degirum.
⚠️تحذير: ما زالت معظم أدلة Frigate تبدأ بعبارة «اشترِ وحدة Coral». هذه النصيحة تسبق العمل على OpenVINO و Hailo و ONNX في الإصدارين 0.16 و 0.17، وصفحة العتاد في Frigate نفسها باتت تناقضها صراحةً بالنسبة للتركيبات الجديدة.
💡نصيحة: تُقدَّر سعة Coral من حيث عدد الكاميرات بنحو 1000 / inference_speed إطارًا في الثانية، موزعة على جميع الكاميرات. عند كشف بمعدل 5 fps، تغطي ميزانية 10 ms نحو 20 تدفقًا نظريًا، لكن خفض التردد الحراري وحدود طاقة USB يقلّصان هذا الرقم.
ما الذي يحتاجه خادم Frigate نفسه؟
جهاز Mini PC صغير بمعالج Intel من سلسلة N أو Core i، مع 8–16 GB من الذاكرة، وقرص SSD لنظام التشغيل، وقرص صلب منفصل للتسجيلات، يغطي منزلًا نموذجيًا بأربع إلى ثماني كاميرات. نادرًا ما يكون المعالج هو عنق الزجاجة؛ القيود الحقيقية هي الذاكرة المشتركة، وتحمّل القرص للكتابة، وما إذا كنت تريد البحث الدلالي أيضًا.
- **الذاكرة المشتركة (
shm):** القيمة الافتراضية 128 MB تكفي لكاميرتين تقريبًا بدقة 720p. يقدّر Frigate نحو 66.63 MB لكل كاميرا بدقة 1280x720 مع السجلات، أي نحو 253 MB لثماني كاميرات. - **اضبط
--shm-sizeصراحةً:** القيمة--shm-size=512mbآمنة لمعظم التركيبات؛ والقيمة الصغيرة جدًا لا تظهر كخطأ واضح بل ككاميرات تسقط من الخدمة. - ثلاث نقاط تحميل: المسار
/configلملف YAML وقاعدة البيانات، و/media/frigateللمقاطع والتسجيلات والتصديرات، و/tmp/cacheللمقاطع قيد المعالجة. - التسجيلات على قرص صلب: الكتابة المستمرة تستهلك عمر أقراص SSD الاستهلاكية. ضع
/media/frigateعلى قرص صلب وأبقِ/tmp/cacheعلى تخزين سريع. - الذاكرة لميزات الذكاء الاصطناعي: يحتاج البحث الدلالي إلى 8 GB كحد أدنى ومعالج يدعم AVX و AVX2؛ والموصى به 16 GB مع بطاقة رسوميات.
التكوين | الكاشف | مناسب لـ |
|---|---|---|
| Mini PC بمعالج Intel N100/N150، 16 GB | openvino (iGPU) | من 2 إلى 6 كاميرات، دون بحث دلالي |
| Mini PC بمعالج Intel Core i5، 32 GB | openvino (iGPU) | من 6 إلى 12 كاميرا مع البحث الدلالي |
| أي جهاز مضيف مع Hailo-8 M.2 | hailo8l | استهلاك منخفض وعدد كبير من الكاميرات |
| حاسب مكتبي ببطاقة RTX 3050 فأعلى | onnx | تشغيل Frigate ونموذج LLM محلي على جهاز واحد |
| Raspberry Pi 5 | edgetpu / hailo8l | من 1 إلى 3 كاميرات، بميزانية طاقة ضيقة |
يدعم Frigate تشغيل Docker على نظام Debian مباشرةً، وإضافة Home Assistant، و Kubernetes عبر Helm، و Unraid، وأجهزة NAS من Synology و QNAP، و ESXi، و macOS على Apple Silicon. أما على Proxmox فاستخدم جهازًا افتراضيًا بنمط QEMU؛ إذ إن LXC غير مدعوم صراحةً.
⚠️تحذير: تشغيل Frigate داخل حاوية LXC على Proxmox غير مدعوم. تمرير وحدة Coral أو iGPU يبدو ناجحًا في البداية ثم يتعطل بطريقة لا يستطيع أحد تشخيصها نيابةً عنك. استخدم جهازًا افتراضيًا.
🛠️ممارسة: إن أردت جهازًا واحدًا يجمع Frigate و Home Assistant ونموذج LLM محلي، فحدّد المواصفات انطلاقًا من متطلبات النموذج أولًا — راجع ترشيحات أجهزة Mini PC لـ Home Assistant والذكاء الاصطناعي المحلي.
كيف ينبغي ضبط الكاميرات من أجل Frigate؟
اضبط تدفقين داخل برنامج الكاميرا نفسه: تدفق فرعي بدقة 1280x720 ومعدل 5 fps للكشف، والتدفق الرئيسي بالدقة الأصلية ومعدل 15 fps للتسجيل، وكلاهما بترميز H.264 وبنسبة أبعاد متطابقة. يعمل نموذج الكشف في Frigate على مدخل بحجم 320x320، لذا فإن تدفق كشف بدقة 4K لا يضيف شيئًا ويكلّف الكثير من قدرة فك الترميز.
- استخدم H.264 لا H.265 — فدعم المتصفحات لـ H.265 محدود، والعرض المباشر هو أول ما يتأثر.
- غيّر معدل الإطارات داخل الكاميرا لا داخل Frigate: فتقليل المعدل برمجيًا يستهلك المعالج بلا فائدة.
- فضّل PoE السلكي على الاتصال اللاسلكي؛ فانقطاع التدفق الفرعي يظهر على شكل كشف ضائع لا على شكل عطل واضح.
- للاطلاع على كاميرات تتيح RTSP و ONVIF على نحو سليم، راجع دليل شراء كاميرات المراقبة المحلية لتركيبات Frigate.
- 1داخل برنامج الكاميرا، اضبط التدفق الفرعي على 1280x720 و 5 fps وترميز H.264، مع فاصل إطار مفتاحي قدره 5 (إطار مفتاحي كل ثانية).
- 2اضبط التدفق الرئيسي على الدقة الأصلية للكاميرا — أي 2688x1520 في مستشعر 4 ميجابكسل شائع — بمعدل 15 fps وترميز H.264 وفاصل إطار مفتاحي قدره 30.
- 3أبقِ نسبة الأبعاد نفسها في التدفقين (16:9 مع 16:9) حتى تتطابق مربعات الإحاطة بين الكشف والتسجيل.
- 4أسنِد الدور
detectإلى التدفق الفرعي والدورrecordإلى التدفق الرئيسي. - 5لا ترفع الكشف إلى 10 fps إلا مع أجسام سريعة فعلًا، مثل سيارة تعبر مشهدًا ضيقًا للمدخل.
💡نصيحة: إذا كانت الأجسام في نهاية الممر لا تُكتشف أبدًا، فالسبب عادةً هو الدقة لا النموذج: عند تصغير 1280x720 إلى مدخل 320x320، لا يبقى من الشخص البعيد سوى بضع بكسلات. قسّم هذا المشهد على كاميرا ثانية أو تدفق مقرَّب بدل رفع دقة الكشف بصورة عامة.
📌ملاحظة: يسحب Frigate كل كاميرا مرة واحدة ويخدم بقية العملاء من تلك النسخة، ولهذا وجّه Home Assistant إلى Frigate لا إلى الكاميرا مباشرةً.
كيف تثبّت Frigate؟
استخدم Docker Compose على مضيف Debian مباشر إن أردت المسار المدعوم؛ واستخدم إضافة Home Assistant إن قبلت بتحكم أقل مقابل تثبيت بنقرة واحدة. وكلاهما يحتاج إلى ملف config.yml نفسه ووسيط MQTT نفسه.
- 1ثبّت Docker على مضيف مبني على Debian، ثم أنشئ مجلدَي
/configو/media/frigate. - 2اكتب ملف
config.ymlمبسّطًا بكاميرا واحدة ومن دون كتلة كواشف، ليبدأ Frigate بالقيم الافتراضية وتتأكد من وصول التدفق. - 3شغّل الحاوية بقيمة
shm_sizeصريحة ومع تمرير الجهاز المناسب:/dev/driلمعالجات Intel، أو بيئة تشغيل GPU لبطاقات NVIDIA، أو/dev/hailo0لوحدات Hailo. - 4افتح واجهة الويب وتحقق من صورة الكاميرا ومعدل إطارات الكشف وزمن الاستدلال المعروض في صفحة النظام.
- 5أضف كتلة
detectorsالفعلية، ثم أعد التشغيل وتحقق من هبوط زمن الاستدلال إلى الرقم المنشور لعتادك. - 6اضبط وسيط MQTT في
config.yml، ثم أضف تكامل Frigate داخل Home Assistant.
services:
frigate:
container_name: frigate
image: ghcr.io/blakeblackshear/frigate:0.17.2
restart: unless-stopped
privileged: true
shm_size: "512mb"
devices:
- /dev/dri/renderD128:/dev/dri/renderD128 # Intel iGPU (OpenVINO)
volumes:
- /etc/localtime:/etc/localtime:ro
- ./config:/config
- /srv/frigate/media:/media/frigate
- type: tmpfs
target: /tmp/cache
tmpfs:
size: 1000000000
ports:
- "8971:8971" # authenticated web UI
- "8554:8554" # RTSP restream
- "8555:8555/tcp"
- "8555:8555/udp"⚠️تحذير: ثبّت وسم الصورة على إصدار محدد بدلًا من stable. فمخططات إعداد Frigate تتغير بين الإصدارات الفرعية، وتنفيذ docker compose pull بلا إشراف عند الانتقال من 0.17 إلى 0.18 قد يترك لك حاوية ترفض العمل بملف YAML الحالي.
🛠️ممارسة: شغّل كاميرا واحدة قبل إضافة البقية. فمعظم النقاشات من نوع «Frigate لا يعمل» تنتهي عند رابط التدفق الفرعي لكاميرا بعينها، وهو أمر أسهل بكثير في الكشف حين لا يوجد سوى مدخل واحد في ملف الإعداد.
كيف يبدو ملف config.yml عملي في Frigate؟
**يتألف الإعداد العملي من أربع كتل: mqtt و detectors و cameras بدورَي تدفق، ثم مرشحات zones و review لكل كاميرا.** أما البقية فلها قيم افتراضية تكفي في اليوم الأول.
- القيمتان
subtype=1وsubtype=0هما عرف Dahua و Amcrest للتدفق الفرعي والرئيسي؛ بينما تستخدم Reolink الصيغتينh264Preview_01_subوh264Preview_01_main. - يحتفظ
retain.mode: motionبالتسجيل المستمر حيث وقعت حركة فقط، وهو أكبر عامل لتوفير مساحة التخزين. - يمنع
review.alerts.required_zonesأن توقظ سيارة عابرة في الطريق العام هاتفك. - أضاف الإصدار 0.17 إعدادًا كاملًا عبر الواجهة، فصار معظم ما سبق قابلًا للتحرير من المتصفح بدل الكتابة اليدوية.
mqtt:
host: 192.168.1.10
user: frigate
password: "{FRIGATE_MQTT_PASSWORD}"
detectors:
ov:
type: openvino
device: GPU
cameras:
driveway:
ffmpeg:
inputs:
- path: rtsp://user:pass@192.168.1.51:554/cam/realmonitor?channel=1&subtype=1
roles: [detect]
- path: rtsp://user:pass@192.168.1.51:554/cam/realmonitor?channel=1&subtype=0
roles: [record]
detect:
width: 1280
height: 720
fps: 5
record:
enabled: true
retain:
days: 3
mode: motion
alerts:
retain:
days: 30
snapshots:
enabled: true
motion:
mask:
- 0,0,0.35,0,0.35,0.12,0,0.12 # timestamp overlay
zones:
driveway_apron:
coordinates: 0.14,0.98,0.62,0.55,0.95,0.72,0.88,1.0
loitering_time: 4
inertia: 3
review:
alerts:
labels: [person, car]
required_zones: [driveway_apron]
detections:
labels: [person, car, dog, cat]💡نصيحة: أضاف الإصدار 0.17 أيضًا ملفات التعريف (Profiles) — وهي تجاوزات إعداد مسمّاة يمكن التبديل بينها دون إعادة تشغيل الحاوية. إنشاء ملف تعريف باسم «ضيوف في المنزل» يوسّع required_zones أفضل من تحرير YAML مرتين أسبوعيًا.
كيف تُنهي المناطق والأقنعة التنبيهات الكاذبة؟
تُرشّح المناطق ما يهمّك من عمليات الكشف، بينما تمنع أقنعة الحركة Frigate من النظر إلى منطقة أصلًا. استخدم منطقة حين يكون الجسم حقيقيًا لكنه غير مهم، واستخدم قناعًا حين لا تكون الحركة جسمًا أساسًا. يُقاس الوجود داخل المنطقة عند النقطة الوسطى السفلية لمربع الإحاطة، لذا يجب أن تغطي المنطقة الأرض حيث تقف الأقدام أو العجلات، لا ارتفاع الرؤوس.
📍 في جملة واحدة
في Frigate، يوقف قناع الحركة تشغيل الكشف في تلك المنطقة تمامًا، بينما تترك المنطقة مع required_zones الكشف يعمل بصورة طبيعية وتكتفي بتقييد أي عمليات كشف يُسمح لها بإطلاق تنبيه.
❌ نهج خاطئ
“تنبيهات عن كل شخص، على كل كاميرا، طوال اليوم — ثم إسكات الإشعارات بعد يومين لأن الرصيف المقابل يولّد أربعين تنبيهًا كل ليلة.”
✅ نهج صحيح
“منطقة باسم driveway_apron تغطي الأرض داخل حدود الملكية فقط، مع ضبط review.alerts.required_zones على تلك المنطقة، و loitering_time: 4، مع إبقاء detections (بلا إشعار) مفعّلة لكل ما عداها كي يبقى السجل القابل للبحث كاملًا.”
- قناع الحركة: لتغطية طوابع الوقت المطبوعة، أو شجرة مضطربة، أو راية. لا يشغّل Frigate الكشف هناك إطلاقًا. استخدمه مع حركة لن تكون أبدًا جسمًا يهمّك.
- قناع تصفية الأجسام: يكبح تسمية بعينها في منطقة بعينها — مثل سيارة الجار المتوقفة التي تُكتشف دائمًا بوصفها
car. - **منطقة مع
required_zones:** الجسم شخص فعلًا، لكن شخصًا على الرصيف ليس تنبيهًا. هذا هو العلاج الصحيح لحركة المارة. - **
loitering_time:** يشترط بقاء الجسم داخل المنطقة N ثانية — فعامل التوصيل الصاعد في الممر يستوفي الشرط، والمارّ العابر لا يستوفيه. - **
inertia:** يشترط بقاء الجسم داخل المنطقة N إطارًا متتاليًا (القيمة الافتراضية 3) حتى لا يُطلق ارتجاف مربع الإحاطة عند الحدّ تنبيهًا. - تقدير السرعة: منطقة بأربع نقاط بالضبط محاذية للأرض مع قائمة
distancesتُنتج قيمة سرعة في الواجهة وعبر MQTT.
⚠️تحذير: رسم منطقة في النصف العلوي من الإطار لا يفيد شيئًا. فالوجود يُقاس عند النقطة الوسطى السفلية لمربع الإحاطة — ارسم المناطق على مستوى الأرض.
🔍رؤية: التنبيهات الكاذبة لا تكاد تكون يومًا مشكلة في جودة النموذج. في تركيب سكني نموذجي، تزيل المناطق و required_zones ضجيجًا أكثر مما يزيله أي ترقية للكاشف.
كيف تربط Frigate بـ Home Assistant؟
اضبط تكامل MQTT في Home Assistant أولًا، ووجّه Frigate إلى الوسيط نفسه، ثم ثبّت تكامل Frigate — فهو ينشئ كيانات من نوع camera و image و sensor و switch و binary_sensor لكل كاميرا ولكل منطقة. ومن دون إعداد MQTT مسبقًا، سيُثبَّت التكامل ولن يُنتج شيئًا.
- 1ثبّت وسيط MQTT (وإضافة Mosquitto هي الخيار المعتاد) وأضف تكامل MQTT في Home Assistant.
- 2وجّه كتلة
mqttفي ملف config.yml الخاص بـ Frigate إلى الوسيط نفسه، باسم مستخدم وكلمة مرور مستقلين. - 3ثبّت تكامل Frigate عبر HACS أو بوصفه تكاملًا أساسيًا، ووجّهه إلى مضيف Frigate.
- 4فعّل تكامل Media Source لتظهر التسجيلات واللقطات في متصفح الوسائط.
- 5ابنِ الأتمتة على المستشعرات الثنائية الخاصة بالمناطق لا على تلك الخاصة بالكاميرات.
binary_sensor
- ما الذي تحصل عليه:
- الحركة ووجود الأجسام لكل كاميرا ولكل منطقة ولكل تسمية جسم
- فيمَ تستخدمه:
- محفّز كل أتمتة تقريبًا — فوجود شخص في منطقة محددة محفّز أفضل بكثير من حركة على كاميرا
camera
- ما الذي تحصل عليه:
- كيان بث مباشر يُقدَّم من إعادة بث Frigate على المنفذ 8554
- فيمَ تستخدمه:
- بطاقات لوحة التحكم والبث؛ وتوجيه Home Assistant إلى هنا بدل الكاميرا يتجنب اتصالًا ثانيًا بالكاميرا
image
- ما الذي تحصل عليه:
- أحدث لقطة لآخر جسم مكتشف في كل كاميرا
- فيمَ تستخدمه:
- إرفاق صورة بإشعار الهاتف من دون استدعاء واجهة اللقطات يدويًا
sensor
- ما الذي تحصل عليه:
- أعداد الأجسام لكل منطقة ولكل كاميرا، إضافةً إلى أرقام أداء الكاشف والعمليات
- فيمَ تستخدمه:
- منطق الإشغال ولوحة سلامة النظام — وزمن الاستدلال هنا هو إنذارك المبكر بأن الكاشف عاد إلى المعالج
switch
- ما الذي تحصل عليه:
- مفاتيح للكشف والتسجيل واللقطات لكل كاميرا
- فيمَ تستخدمه:
- أتمتة الخصوصية، مثل تعطيل الكشف الداخلي متى دلّ التواجد على أن أحدًا في المنزل
يوفّر التكامل أيضًا الإجراءين camera.turn_on و camera.turn_off، ويدعم عدة خوادم Frigate بإعدادات MQTT منفصلة، ويتيح تجاوز قالب رابط RTSP عبر Jinja2.
⚠️تحذير: إذا تم تثبيت تكامل Frigate ولم تظهر أي كيانات، فالسبب دائمًا تقريبًا هو MQTT: إما أن التكامل لم يُضَف أصلًا في Home Assistant، أو أن Frigate و Home Assistant يتصلان بوسيطين مختلفين.
🛠️ممارسة: أطلق الأتمتة من المستشعر الثنائي للمنطقة مع شرط على تسمية الجسم. فمستشعر حركة الكاميرا وحده سيُطلق مع المطر، أما binary_sensor.driveway_driveway_apron_person فلن يفعل.
ماذا يضيف البحث الدلالي والتعرف على الوجوه واللوحات؟
يتيح لك البحث الدلالي كتابة «شاحنة صغيرة سوداء في الممر ليلًا» فتحصل على المقاطع المطابقة؛ أما التعرف على الوجوه واللوحات فيحوّل عمليات الكشف المجهولة إلى عمليات كشف مسمّاة — وكلاهما يعمل من دون اشتراك Frigate+. تكلفة هذه الميزات ذاكرة لا مال.
- البحث الدلالي: يحتاج إلى 8 GB من الذاكرة كحد أدنى، ومعالج يدعم AVX و AVX2، والأمثل 16 GB مع بطاقة رسوميات مخصصة. ولن يعمل بصورة مفيدة على Raspberry Pi.
- نموذج التضمين: النموذج الافتراضي هو Jina CLIP V1؛ والنسخة
smallمُكمَّمة وتعمل بصورة مقبولة على المعالج، بينما تستخدم النسخةlargeبطاقة الرسوميات عند توفرها. - Jina CLIP V2 يدعم 89 لغة بدل الإنجليزية وحدها، لكن Frigate يوثّقه بتحسّن نحو 3% مقابل ذاكرة وزمن استدلال أعلى بكثير، ولا ينصح بتشغيله على المعالج.
- إعادة الفهرسة يدوية: تفعيل البحث الدلالي لا يفهرس الأجسام القديمة. استخدم زر «Reindex» في الواجهة أو اضبط
reindex: True، وتوقّع حملًا مرتفعًا على المعالج أثناء التنفيذ. - التعرف على الوجوه واللوحات يعملان محليًا ولا يحتاجان اشتراكًا، وإن كانت نماذج Frigate+ ترفع الكفاءة.
- أوصاف GenAI: أضاف الإصدار 0.17 دعم عدة مزوّدين وتكاملًا مخصصًا مع llama.cpp، فصار بالإمكان توليد الأوصاف من نموذج على عتادك — راجع أتمتة Home Assistant بنموذج LLM محلي.
💡نصيحة: فعّل البحث الدلالي قبل أن تتراكم لديك مقاطع سنة كاملة. فإعادة فهرسة 200,000 جسم متتبَّع على جهاز Mini PC بلا بطاقة رسوميات مهمة تستغرق ليلة كاملة.
📌ملاحظة: أضاف الإصدار 0.16 محفّزات البحث الدلالي — إذ يُطلق إجراء ما حين يطابق جسم متتبَّع صورة أو وصفًا محفوظًا. وهذا هو الجسر بين «البحث في تسجيلاتي» و«الأتمتة بناءً على معناها».
هل يستحق Frigate+ خمسين دولارًا سنويًا؟
يستحق Frigate+ التكلفة متى واجهت نتيجة إيجابية خاطئة محددة ومتكررة لا يعالجها النموذج القياسي؛ وإلا فالنماذج المجانية مع مناطق مضبوطة كافية. يكلّف الاشتراك 50 دولارًا سنويًا (الفوترة بالدولار الأمريكي) ويشمل ما يصل إلى 12 نموذجًا مضبوطًا، مع 5 دولارات لكل ضبط إضافي.
هل تختار Frigate+ أم النماذج القياسية؟
استخدم LLM محليًا إذا:
- •يُصنَّف جسم بعينه تصنيفًا خاطئًا بصورة متكررة في محيط منزلك
- •لديك زوايا كاميرا غير معتادة يتعامل معها النموذج القياسي بضعف
- •تريد تسميات مقترحة بالذكاء الاصطناعي لتسريع رفعك للصور
- •تريد تمويل استمرار تطوير المشروع مفتوح المصدر
استخدم نموذجًا سحابيًا إذا:
- •تنبيهاتك الكاذبة مصدرها حركة المارة على الرصيف — والمناطق تعالج ذلك مجانًا
- •تحتاج تسميات خارج قائمة Frigate؛ فالتسميات المخصصة غير متاحة بعد
- •لديك كاميرا أو كاميرتان فقط بمشاهد بسيطة
قرار سريع:
- →أصلح المناطق أولًا ثم أعد التقييم بعد أسبوعين
- →إن ظلّت التنبيهات خاطئة مع أجسام حقيقية، فاشترك
- →تبقى النماذج التي دربتها قابلة للتنزيل بعد إلغاء الاشتراك
- حُدِّث النموذج الأساسي في Frigate+ إلى الإصدار 2026.0 المبني على YOLOv9، مع تسميات مرشّحة جديدة مثل
lawnmowerوheron. - لا يمكن بعد إضافة تسميات مخصصة حرّة، إذ يقتصر التدريب على مجموعة التسميات التي يدعمها Frigate.
- لا يشترط التعرف على الوجوه واللوحات وجود اشتراك.
🔍رؤية: الاشتراك قبل ضبط المناطق هو أشيع طريقة لإنفاق 50 دولارًا من دون أي تحسن. فالنموذج المضبوط يجعل عمليات الكشف الصحيحة أكثر موثوقية، لكنه لا يجعل المارّ الذي كُشف بصورة صحيحة يكفّ عن كونه مارًّا.
كيف يقارَن Frigate بكاميرات الاشتراك من حيث التكلفة؟
يحوّل Frigate رسمًا سحابيًا متكررًا لكل كاميرا إلى تكلفة عتاد تُدفع مرة واحدة ولا تزيد بزيادة عدد الكاميرات. وابتداءً من كاميرتين، تقع نقطة التعادل عادةً داخل السنة الأولى.
الجانب | خدمة كاميرات سحابية | Frigate |
|---|---|---|
| التكلفة المتكررة | شهرية، وغالبًا لكل كاميرا | لا شيء |
| التكلفة الأولية | الكاميرا فقط | مضيف وكاشف وتخزين |
| الكشف بالذكاء الاصطناعي | سحابة الشركة المصنّعة | محلي (OpenVINO/Hailo/ONNX) |
| مكان حفظ اللقطات | مركز بيانات الشركة | قرصك الخاص |
| انقطاع الإنترنت | أداء منقوص أو توقف | يعمل بالكامل على الشبكة المحلية |
| خطر إلغاء الميزات | قد تغيّر الشركة الباقات | الإصدار الذي تشغّله يظل يعمل |
إضافة كاميرا إلى Frigate تكلّف ثمن الكاميرا فقط. أما إضافتها إلى خدمة اشتراك فتكلّف عادةً ثمن الكاميرا وسطرًا إضافيًا في الفاتورة — وهنا تتسع الفجوة. راجع أيضًا إدارة منزل ذكي بلا اشتراكات.
📌ملاحظة: احسب الكهرباء بصدق: جهاز Mini PC يعمل دائمًا مع أقراصه يستهلك نحو 15–30 واط. على مدى خمس سنوات هذا مبلغ حقيقي، لكنه يظل أقل بكثير من معظم الباقات السحابية متعددة الكاميرات.
أخطاء شائعة عند إعداد Frigate
خمسة أخطاء تفسّر معظم عمليات بناء Frigate الفاشلة، وواحد منها فقط يتعلق بالعتاد.
- تشغيل الكشف على التدفق الرئيسي: توجيه الدور
detectإلى تدفق 4K يضاعف تكلفة فك الترميز بلا أي مكسب في الدقة، لأن مدخل النموذج 320x320. اكشف دائمًا على التدفق الفرعي وسجّل على الرئيسي. - **ترك
shm_sizeعلى قيمته الافتراضية:** القيمة 128 MB تغطي كاميرتين تقريبًا بدقة 720p. وما زاد عن ذلك يسقط بصورة متقطعة بلا رسالة خطأ واضحة. اضبط--shm-size=512mbوامضِ. - تثبيت تكامل Home Assistant قبل MQTT: سيُثبَّت التكامل بسلاسة ولن يُنشئ شيئًا. اضبط أولًا تكامل MQTT في Home Assistant وكتلة
mqttفي Frigate على الوسيط نفسه. - معالجة التنبيهات الكاذبة بتغيير الكاشف: المارّ على الرصيف عملية كشف صحيحة. والعلاج منطقة مع
required_zonesوloitering_time، لا مسرّع أسرع ولا نموذج مدفوع. - التسجيل على قرص SSD الخاص بالنظام: الكتابة المستمرة للفيديو تستهلك عمر أقراص SSD الاستهلاكية بسرعة. ضع
/media/frigateعلى قرص صلب، وأبقِ/tmp/cacheسريعًا، واضبطretain.mode: motion. - النشر داخل حاوية LXC على Proxmox: يبدو تمرير الأجهزة ناجحًا ثم يتعطل بطريقة غير مدعومة وغير قابلة للتشخيص. استخدم جهازًا افتراضيًا بنمط QEMU.
الخلاصة: ما الذي ينبغي بناؤه فعليًا؟
اشترِ جهاز Mini PC بمعالج Intel وذاكرة 16 GB، وشغّل كاشف OpenVINO على وحدة الرسوميات المدمجة فيه، واستخدم كاميرات PoE بتدفق فرعي 720p ومعدل 5 fps، ثم اصرف أسبوعك الأول على ضبط المناطق لا على العتاد. يكفي هذا التكوين منزلًا عاديًا ويترك مجالًا لإضافة Hailo-8 لاحقًا إن ازداد عدد الكاميرات.
- استخدم OpenVINO على iGPU من Intel إن كنت تبدأ من الصفر — أقل تكلفة، بلا عتاد إضافي، وبهامش وافٍ لـ 2–6 كاميرات.
- استخدم وحدة Hailo-8 بصيغة M.2 إن تجاوزت ثماني كاميرات أو كان الاستهلاك مهمًا.
- استخدم ONNX على بطاقة NVIDIA موجودة إن كان الجهاز يحوي واحدة، خصوصًا إن كان يشغّل نموذج LLM محليًا أيضًا.
- استخدم Coral فقط حين يكون استهلاك الواط قيدًا صارمًا وتقبل بأنه لم يعد المسار الموصى به.
- تجنّب كاشف cpu؛ فوضع المعالج في OpenVINO خيار احتياطي أفضل.
- عند التردد، ابدأ بجهاز Mini PC بمعالج Intel N150 وكاميرتين، واضبط المناطق جيدًا، ثم توسّع.
🛠️ممارسة: ترتيب الإنفاق الذي ينجح فعلًا: الكاميرات ومبدّل PoE أولًا، ثم الجهاز المضيف، ثم التخزين، والمسرّع في النهاية فقط حين تقول أرقام صفحة النظام إنك تحتاجه. شراء المسرّع أولًا هو الانقلاب الكلاسيكي في الترتيب.
الأسئلة الشائعة
ما هو Frigate NVR؟
Frigate هو مسجّل فيديو شبكي مفتوح المصدر يشغّل الكشف عن الأجسام بالذكاء الاصطناعي محليًا على تدفقات كاميرات IP باستخدام OpenCV و TensorFlow. يسجّل المقاطع بناءً على ما تم كشفه لا على الحركة المجردة، وينشر كل عملية كشف عبر MQTT ليتمكن Home Assistant من الأتمتة بناءً عليها. ولا توجد في البرنامج الأساسي خدمة سحابية ولا اشتراك.
هل ما زلت أحتاج إلى Google Coral TPU مع Frigate في 2026؟
لا. ينصّ توثيق العتاد في Frigate على أن Coral لم يعد موصى به في التركيبات الجديدة، إلا حين يكون قيد الطاقة صارمًا بصورة غير معتادة. وللتركيب الجديد، فإن المسارات الموصى بها هي كاشف OpenVINO على iGPU من Intel، أو وحدة Hailo-8، أو كاشف ONNX على بطاقة NVIDIA موجودة.
أي إصدار من Frigate ينبغي تشغيله؟
الإصدار Frigate 0.17.2 الصادر في 28 يونيو 2026 هو الإصدار المستقر الحالي. أما 0.18.0 فهو في مرحلة بيتا منذ يوليو 2026، وصدرت البيتا الثالثة في 8 أغسطس 2026، لذا لا تشغّله إلا إن كنت مرتاحًا لتغيّر الإعدادات بين الإصدارات الفرعية.
كم من الذاكرة يحتاج Frigate؟
يعمل الكشف عن الأجسام والتسجيل بأريحية ضمن 8 GB. أما البحث الدلالي فيرفع هذا الحد: يوثّق Frigate 8 GB كحد أدنى، و 16 GB أو أكثر مع بطاقة رسوميات مخصصة كتوصية، ويشترط معالجًا يدعم تعليمات AVX و AVX2.
لماذا ينبّهني Frigate باستمرار على المارة أمام منزلي؟
لأن تلك عمليات كشف صحيحة. ارسم منطقة تغطي الأرض داخل ملكيتك فقط، واضبط review.alerts.required_zones على تلك المنطقة، وأضف loitering_time حتى يضطر المارّ إلى التوقف قبل إطلاق التنبيه. يُقاس الوجود عند النقطة الوسطى السفلية لمربع الإحاطة، لذا يجب أن تغطي المنطقة مستوى الأرض.
هل يعمل Frigate من دون اتصال بالإنترنت؟
نعم. يعمل الكشف والتسجيل و MQTT وأتمتة Home Assistant بالكامل على شبكتك المحلية. ولا يحتاج إلى اتصال سوى المشاهدة عن بُعد من خارج المنزل ومزوّدو GenAI السحابيون الاختياريون، وقد أضاف الإصدار 0.17 تكاملًا مع llama.cpp لتوليد الأوصاف محليًا أيضًا.
ما الفرق بين المنطقة والقناع في Frigate؟
قناع الحركة يمنع Frigate من تشغيل أي كشف في تلك المنطقة، وهو مناسب لطوابع الوقت المطبوعة وأوراق الشجر الدائمة الحركة. أما المنطقة فتترك الكشف يعمل بصورة طبيعية وتقيّد فقط، عبر required_zones، أي عمليات كشف يُسمح لها بإطلاق تنبيه. القناع لما ليس جسمًا، والمنطقة لأجسام حقيقية لا تعنيك.
كم كاميرا يستطيع خادم Frigate واحد تشغيلها؟
يتحدد ذلك بزمن الاستدلال أكثر من عدد الكاميرات مباشرةً: فعدد عمليات الكشف المفيدة في الثانية يساوي تقريبًا 1000 مقسومًا على زمن الاستدلال بالميلي ثانية، موزعًا على الكاميرات. وعند كشف بمعدل 5 fps لكل كاميرا وكاشف زمنه 8 ms مثل Intel Arc A750 على YOLOv9-320، يبقى هامش كبير لتركيب سكني نموذجي.
هل أحتاج إلى Frigate+ للتعرف على الوجوه أو لوحات المركبات؟
لا. يعمل التعرف على الوجوه واللوحات محليًا من دون اشتراك، وإن كانت نماذج Frigate+ ترفع الكفاءة. يكلّف Frigate+ مبلغ 50 دولارًا سنويًا ويشمل ما يصل إلى 12 نموذجًا مضبوطًا، مع 5 دولارات لكل ضبط إضافي — وهو مفيد مع التصنيف الخاطئ المتكرر، لا مع حركة المارة.
هل يمكنني تشغيل Frigate داخل حاوية LXC على Proxmox؟
لا — فـ LXC على Proxmox غير مدعوم صراحةً. استخدم جهازًا افتراضيًا بنمط QEMU بدلًا من ذلك. وقد يبدو تمرير iGPU أو Coral أو وحدة Hailo ناجحًا داخل LXC ثم يتعطل بطريقة لا يمكن دعمها.
المصادر
- العتاد الموصى به في Frigate — docs.frigate.video/frigate/hardware — أزمنة الاستدلال المنشورة لكل كاشف، والنص على أن Coral لم يعد موصى به في التركيبات الجديدة.
- إعداد كواشف الأجسام في Frigate — docs.frigate.video/configuration/object_detectors — القائمة الكاملة لقيم
typeوالملاحظة بأن كاشف المعالج غير موصى به. - إعداد الكاميرات في Frigate — docs.frigate.video/frigate/camera_setup — الدقّات ومعدلات الإطارات وفواصل الإطار المفتاحي لتدفقَي الكشف والتسجيل.
- إعداد المناطق في Frigate — docs.frigate.video/configuration/zones — القيم required_zones و loitering_time والقيمة الافتراضية لـ inertia ومتطلبات تقدير السرعة.
- البحث الدلالي في Frigate — docs.frigate.video/configuration/semantic_search — متطلبات الذاكرة و AVX2، ومقارنة Jina CLIP V1 و V2، وسلوك إعادة الفهرسة.
- تكامل Frigate مع Home Assistant — docs.frigate.video/integrations/home-assistant — اشتراط MQTT وأنواع الكيانات التي ينشئها التكامل.
- إصدارات Frigate على GitHub — github.com/blakeblackshear/frigate/releases — أرقام الإصدارات وتواريخ الإطلاق لـ 0.17.x وبيتا 0.18.0.
- Frigate+ — frigate.video/plus/ — سعر الاشتراك وعدد عمليات الضبط المشمولة وقيود التسميات.