5分钟搞定Docker+Frigate摄像头监控：手把手教你集成自定义目标检测算法

1次阅读

没有评论

共计 2081 个字符，预计需要花费 6 分钟才能阅读完成。

传统摄像头监控系统在集成自定义目标检测算法时，往往需要经历复杂的开发流程和漫长的部署周期。开发者需要手动配置环境、处理依赖关系、调试接口兼容性，这些步骤不仅耗时耗力，还容易引入各种难以排查的问题。

环境配置复杂：需要手动安装各种库和依赖，容易出现版本冲突
部署流程繁琐：从开发到生产环境迁移困难，缺乏标准化方案
维护成本高：系统升级或算法更新时需要重新部署整个流程

经过多方比较，我们选择了 Docker+Frigate 的组合方案，主要基于以下优势：

Docker 的优势
轻量级容器化，避免环境差异带来的问题
快速部署和扩展，简化依赖管理
隔离性好，安全性高
Frigate 的特点
专为摄像头监控优化的开源 NVR
内置智能检测功能，支持多种模型
REST API 丰富，便于二次开发

确保已安装 Docker 和 Docker Compose，并准备好可用的摄像头 RTSP 流地址。

创建 docker-compose.yml 文件：

version: '3'
services:
  frigate:
    container_name: frigate
    image: ghcr.io/blakeblackshear/frigate:stable
    restart: unless-stopped
    volumes:
      - ./config.yml:/config/config.yml
      - /etc/localtime:/etc/localtime:ro
    ports:
      - "5000:5000"
      - "1935:1935"
    environment:
      FRIGATE_RTSP_PASSWORD: "your_password"

创建 config.yml 配置文件：

mqtt:
  enabled: false

cameras:
  front_door:
    ffmpeg:
      inputs:
        - path: rtsp://your_camera_stream
          roles:
            - detect
    detect:
      enabled: true
      width: 1280
      height: 720

启动服务：

docker-compose up -d

创建自定义检测服务 Dockerfile：

FROM python:3.9-slim

WORKDIR /app
COPY requirements.txt .
RUN pip install -r requirements.txt

COPY . .

CMD ["python", "detector.py"]

示例检测服务代码detector.py：

import cv2
import numpy as np
from flask import Flask, request, jsonify

app = Flask(__name__)

# 加载你的自定义模型
# model = load_your_model()

@app.route('/detect', methods=['POST'])
def detect_objects():
    # 获取 Frigate 发送的图像
    image = request.files['image'].read()
    nparr = np.frombuffer(image, np.uint8)
    img = cv2.imdecode(nparr, cv2.IMREAD_COLOR)

    # 这里添加你的检测逻辑
    # detections = model.detect(img)

    # 返回标准格式的检测结果
    return jsonify({
        "detections": [# {"label": "person", "score": 0.95, "box": [x1,y1,x2,y2]}
        ]
    })

if __name__ == '__main__':
    app.run(host='0.0.0.0', port=5001)

修改 Frigate 配置以使用自定义检测服务：

detectors:
  custom:
    type: http
    url: http://your_custom_service:5001/detect

cameras:
  front_door:
    detect:
      enabled: true
      detector: custom