Frigate NVR: lokální AI kamera systém, který chrání vaše soukromí

Pamatujete, jak jsem před pár lety nadšeně instaloval cloudové kamery a pak zjistil, že platím měsíční poplatek za to, aby někdo cizí skladoval záznamy z mého dvorku? Tehdy jsem začal hledat alternativu. A našel jsem Frigate NVR — open-source systém, který celé zpracování videa dělá lokálně, na vašem vlastním hardwaru, bez jediného bajtu odeslaného do cloudu. Dnes vám ukážu, jak to celé funguje, co to umí a jak to rozchodit doma.

Co Frigate vlastně dělá a proč je to jiné

Tradiční NVR systémy fungují jednoduše: detekují pohyb a nahrávají. Problém? Pohyb vyvolá vlající větev, projíždějící auto vrhající stín přes zeď nebo sousedova kočka. Výsledek je, že denně procházíte hodiny záznamu plného naprostých nesmyslů.

Frigate to řeší jinak. Kombinuje klasickou detekci pohybu s AI rozpoznáváním objektů v reálném čase pomocí TensorFlow a OpenCV. Systém nejprve detekuje pohyb — ale jen v oblastech, kde to dává smysl (díky maskám a zónám, které si sami nastavíte). Teprve pak spustí AI analýzu a zjistí, jestli jde o osobu, auto, psa, nebo jen mávající větev. To dramaticky snižuje počet falešných poplachů a šetří úložiště.

Technicky Frigate běží jako Docker kontejner a komunikuje přes MQTT, což znamená skvělou integraci do Home Assistantu nebo jakéhokoliv jiného systému. Záznamy se ukládají lokálně, live view funguje přes WebRTC s minimální latencí a kamery se připojují přes RTSP. Frigate navíc zvládá re-streaming — jednu kameru zpřístupní více aplikacím bez toho, aby ji zahltil spojeními.

Aktuální verze je Frigate 0.17.1 (vydána v březnu 2026) a přinesla pěkné novinky: podporu YOLOv9 pro Google Coral, Intel NPU podporu, detekci přes Apple Silicon NPU a automatický převod modelů pro Rockchip zařízení. Model Frigate+ byl přepracován na YOLOv9 s výrazně lepší přesností a méně falešnými poplachy.

Hardware: co opravdu potřebujete pro AI detekci

Tady přichází ta nejdůležitější otázka, kterou řeší každý začátečník: Stačí mi Raspberry Pi, nebo potřebuji server?

Frigate lze spustit i bez AI akcelerátoru — ale pak běží detekce na CPU, což je pomalé a procesor vytěžuje naplno. Jakmile přidáte AI akcelerátor, situace se dramaticky zlepší. Frigate podporuje několik možností:

Google Coral (USB nebo M.2) — dlouho byl standardní volbou, je extrémně energeticky úsporný a stále funkční. Frigate 0.17 přidal YOLOv9 podporu, takže přesnost výrazně vzrostla oproti staršímu modelu MobileDet. Pokud Coral už vlastníte, rozhodně ho nevyhazujte. Pokud ale teprve nakupujete, situace se v roce 2026 změnila — vývoj hardwaru Coral prakticky stagnuje.

Hailo-8L pro Raspberry Pi 5 — v roce 2026 je to podle projektu Frigate lepší volba pro nové sestavy. Aktivní podpora výrobce, jasný roadmap a skvělý výkon na kompaktním hardwaru.

Intel mini PC s OpenVINO — pokud chcete plnohodnotný mini server, Intel NUC nebo podobný stroj s integrovanou grafikou a OpenVINO je výborná a cenově dostupná cesta. Spustíte Docker, přidáte Frigate a jedete.

GPU (NVIDIA) — pro větší instalace nebo pokud chcete provozovat desítky kamer. Frigate zvládne s RTX kartou přes 100 detekcí za sekundu, takže žádný snímek neunikne.

Já osobně provozuji Frigate na Intel mini PC s Core i5 a OpenVINO — bez dedikovaného akcelerátoru, ale s integrovanou grafikou, která zvládá zpracování videa hardwarově. Na čtyřech kamerách to běží naprosto hladce, CPU load je minimální.

Jak to nastavit: od Dockeru po Home Assistant

Frigate se nejjednodušeji nasadí přes Docker Compose. Základní konfigurace vypadá takto:

version: "3.9"
services:
  frigate:
    container_name: frigate
    privileged: true
    restart: unless-stopped
    image: ghcr.io/blakeblackshear/frigate:stable
    volumes:
      - /etc/localtime:/etc/localtime:ro
      - /path/to/config:/config
      - /path/to/storage:/media/frigate
    ports:
      - "5000:5000"
      - "8554:8554"
      - "8555:8555/tcp"
      - "8555:8555/udp"

Pak přijde ta důležitější část — konfigurační soubor config.yml, kde definujete kamery, zóny a pravidla detekce. Frigate má vestavěný editor masek a zón přímo v UI, takže nemusíte ručně kreslit polygony do YAMLu — to mi osobně ušetřilo hodiny ladění.

Integrace s Home Assistantem je přes custom komponentu a funguje skvěle. Každá detekce přijde jako událost, na kterou můžete navázat automatizaci — třeba notifikace s fotkou přímo na telefon, nebo spuštění světel při detekci osoby u vchodu. V roce 2026 přibyly i chytřejší notifikace přes LLM Vision integraci, která dokáže z obrázku vygenerovat přirozenou větou popis toho, co se děje — například „osoba v červené bundě stojí u branky".

A ještě jedna věc, která mě fakt nadchla: sémantické vyhledávání v záznamech. Frigate 0.17 přinesl CLIP embeddings lokálně — to znamená, že do vyhledávacího pole napíšete třeba „auto vjíždí na příjezd v noci" a Frigate vám najde relevantní záznamy. Tohle je úroveň, kterou cloudové systémy nabízí za nemalé peníze, a tady to běží celé lokálně na vašem hardwaru.

Proč to stojí za tu námahu

Chápu, že oproti koupení Nest nebo Ring kamery a zaplacení předplatného to vypadá složitě. Ale já vám říkám — po prvním rozběhnutí zjistíte, že složité to nebylo. A výhody jsou reálné:

• Žádné měsíční poplatky — platíte jen za hardware
• Plná kontrola nad daty — záznamy nikdy neopustí vaši síť
• Inteligentní detekce bez falešných poplachů — AI rozlišuje lidi, auta, zvířata
• Těsná integrace s Home Assistantem — automatizace na základě konkrétních detekcí
• 32 800+ hvězd na GitHubu — živá komunita, aktivní vývoj, MIT licence

Frigate není produkt pro mainstreamového uživatele, který chce plug & play. Je to nástroj pro lidi, kteří chtějí mít technologii skutečně pod kontrolou — a to jste vy, pokud čtete tento blog.

Mám pro vás otázku na závěr: Jaký hardware pro home server máte doma? Pokud ještě váháte, jestli začít s Raspberry Pi 5 + Hailo, nebo rovnou s Intel mini PC — napište do komentářů, rád vám pomůžu vybrat.