Chytrý zvonek s rozpoznáváním obličejů: jak na to lokálně

Před pár lety jsem měl Ring zvonek napojený na cloud. Fungovalo to skvěle — až do chvíle, kdy jsem si přečetl podmínky ochrany dat a zjistil, komu všemu moje záznamy potenciálně putují. Tehdy jsem si řekl: takhle ne. Dnes mám u dveří kameru s lokálním AI rozpoznáváním obličejů, vše běží v Home Assistantu a data neopustí moji síť. A víte co? Je to ještě lepší než cloud. Pojďme si projít, jak na to.

Proč lokální AI rozpoznávání obličejů dává smysl

Většina komerčních zvonků s rozpoznáváním obličejů — třeba Google Nest Doorbell s prémiovým předplatným nebo Eufy E340 — zpracovává snímky buď v cloudu, nebo na hranici zařízení (tzv. Edge AI), ale výsledky posílá na servery výrobce. Google vám za rozpoznávání obličeje nabídne prémiový plán za 10–20 dolarů měsíčně. To je v pořádku pro mainstream uživatele, ale pro někoho, kdo chce mít data pod kontrolou, je to slepá ulička.

V roce 2026 máme naštěstí silné alternativy. Klíčový koncept je jednoduchý: inference probíhá lokálně, na vašem hardware, bez odchozího spojení. Home Assistant zde hraje roli centrálního orchestrátora — propojuje kameru, AI model a notifikace.

Technicky to funguje takto:

1. Kamera zachytí snímek nebo stream (ideálně přes RTSP)
2. Snímek putuje do lokálního AI enginu (Frigate, Double Take nebo přímo HA integrace)
3. Model porovná tvář s vaší databází známých osob
4. HA spustí automatizaci — upozornění, odemknutí dveří, zapnutí světla

Frigate NVR je v tuto chvíli zlatý standard. Je to open-source NVR přímo navržené pro Home Assistant s podporou detekce osob přes TensorFlow Lite nebo OpenVINO. K rozpoznávání obličejů pak přidáte addon Double Take, který pracuje s enginem jako CompreFace nebo DeepStack — oba lze provozovat jako lokální Docker kontejnery.

Reálné latence? Na mém mini PC s Intel N100 procesorem mám detekci osoby do 300 ms od zachycení snímku, rozpoznání konkrétní tváře pak do dalších 200 ms. To je víc než dost na to, aby HA stihl odeslat push notifikaci dřív, než dotyčný zmáčkne zvonek.

Jaký hardware zvolit a na co si dát pozor

Výběr kamery je první a zásadní krok. Ne každý zvonek totiž umožňuje lokální RTSP stream, a bez něj s Frigate nic nezmůžete.

Co hledám u zvonkové kamery pro lokální AI:

• RTSP stream bez závislosti na cloudu
• Rozlišení alespoň 2K (pro spolehlivou detekci tváře potřebujete dostatečný detail)
• Lokální úložiště jako záloha (microSD nebo NVR)
• Ideálně PoE (Power over Ethernet) pro stabilní napájení

Z toho, co jsem v praxi testoval a co odpovídá dostupným datům: Reolink patří mezi nejspolehlivější volby pro lokální integraci — jejich zvonkové kamery podporují RTSP a lokální NVR nahrávání. Výrobce sám uvádí podporu microSD karet až do 256 GB. Nevýhoda? Žádný nativní RTSP u novějších WiFi modelů — u PoE verzí to ale funguje bez problémů.

Aqara Camera Hub G5 Pro jde zajímavou cestou — má vlastní Edge AI pro detekci obličejů a podporuje lokální automatizace i při výpadku internetu. Navíc mluví Matter a Thread, takže integrace s HA je čistá. Obličejová data jsou podle výrobce uložena lokálně v zašifrované paměti zařízení.

Jeden důležitý technický detail: kvalita noční kamery přímo určuje spolehlivost rozpoznávání. Modely jako Eufy E340 nebo Aqara G5 Pro mají barevné noční vidění díky doplňkovým světlům — a to je pro AI model zásadní rozdíl. Černobílý infrasnímek výrazně snižuje přesnost identifikace.

Praktické nastavení v Home Assistantu

Tady je můj reálný stack, který běží u mě doma:

Hardware: Mini PC s N100, 16 GB RAM, 512 GB SSD Software stack:

• Home Assistant OS
• Frigate addon (přes HACS nebo oficiální addon store)
• CompreFace jako Docker kontejner (lokální server pro rozpoznávání obličejů)
• Double Take addon jako most mezi Frigate a CompreFace

Základní postup:

Nejdřív zprovozníte Frigate a přidáte RTSP stream vaší kamery do jeho konfigurace. Frigate pak začne detekovat osoby a při každém záchytu uloží snapshot. Double Take tyto snapshoty automaticky předává CompreFace, který je porovnává s vaší databází tváří.

Databázi budujete jednoduše: nahrajete 5–10 fotek každé osoby z různých úhlů a osvětlení. Více fotek = vyšší přesnost. Z vlastní zkušenosti doporučuji alespoň 8 fotek na osobu, včetně snímků ve slabším světle.

Výsledek v HA pak vypadá takto: senzor double_take.firstname změní stav na home a HA automatizace odešle notifikaci „Karel je u dveří" na váš telefon. Nebo — pokud chcete — automaticky odemkne chytrý zámek.

Kritické upozornění k soukromí a legalitě: Rozpoznávání obličejů není právně neutrální technologie. V EU (a tedy i v ČR) se na zpracování biometrických dat vztahuje GDPR — kategorie zvláštních osobních údajů. Pro vlastní rodinu a domácnost je situace relativně přímočará. Problém nastává, pokud kamera snímá veřejný prostor nebo sousedy a provádí jejich identifikaci. Jak upozorňuje Wirecutter: „vaši sousedé možná preferují, aby nebyli tagováni rozpoznáváním obličeje — a v některých jurisdikcích může být obojí dokonce nezákonné." Tohle není planá hrozba. Nastavte kameru tak, aby snímala pouze váš pozemek, a rozpoznávání používejte výhradně pro osoby, které daly souhlas.

Kde jsme v roce 2026 a co přijde dál

Lokální AI pro chytré zvonky prošla za poslední dva roky výrazným skokem. Ještě nedávno bylo rozumné lokální rozpoznávání obličejů doménou nadšenců s výkonným serverem. Dnes to zvládne levný mini PC nebo i silnější Raspberry Pi 5 — a ekosystém kolem Frigate a Home Assistantu je dostatečně zralý na to, aby to nebylo utrpení.

Hranice se posouvá směrem k plně on-device inference — tedy situaci, kdy AI model běží přímo v čipu kamery, jako to dělá Aqara G5 Pro nebo zařízení jako OVAL Doorbell se svým Edge AI enginem. Výhoda je jasná: nulová latence přenosu, funkčnost i bez internetu, minimální útočná plocha pro případný průnik.

Pro mě osobně je tenhle směr — lokální zpracování, žádný cloud, plná kontrola — jediná cesta, která dává smysl. Nejen z pohledu soukromí, ale i spolehlivosti. Cloud může mít výpadek. Váš lokální server ne.

Máte u dveří chytrý zvonek? A víte, kde aktuálně jsou data z jeho kamerových záznamů?