视频解码

强烈建议在 Frigate 中使用 GPU 进行硬件加速视频解码。某些类型的硬件加速会被自动检测并使用，但您可能需要更新配置以在 ffmpeg 中启用硬件加速解码。

根据您的系统，这些参数可能不兼容。更多关于 ffmpeg 硬件加速解码的信息请参考：https://trac.ffmpeg.org/wiki/HWAccelIntro

对象检测

树莓派 3/4

确保为 GPU 分配至少 128MB 内存（通过 raspi-config > 性能选项 > GPU 内存设置）。 如果使用 Home Assistant 插件，可能需要使用完全访问版本并关闭"保护模式"以启用硬件加速。

# 如果要解码 h264 流
ffmpeg:
  hwaccel_args: preset-rpi-64-h264

# 如果要解码 h265 (hevc) 流
ffmpeg:
  hwaccel_args: preset-rpi-64-h265

备注

如果通过 Docker 运行 Frigate，需要以特权模式运行或将 /dev/video* 设备映射到 Frigate。使用 Docker Compose 添加：

services:
  frigate:
    ...
    devices:
      - /dev/video11:/dev/video11

或使用 docker run：

docker run -d \
  --name frigate \
  ...
  --device /dev/video11 \
  ghcr.io/blakeblackshear/frigate:stable

/dev/video11 是正确的设备（在树莓派 4B 上）。您可以通过运行以下命令并查找 H264 来检查：

for d in /dev/video*; do
  echo -e "---\n$d"
  v4l2-ctl --list-formats-ext -d $d
done

或者映射所有 /dev/video* 设备。

基于 Intel 的 CPU

信息

推荐硬件加速预设

CPU 代数	Intel 驱动	推荐预设	说明
1-7代	i965	preset-vaapi	不支持 qsv
8-12代	iHD	preset-vaapi	也可使用 preset-intel-qsv-*
13代+	iHD/Xe	preset-intel-qsv-*
Intel Arc GPU	iHD/Xe	preset-intel-qsv-*

备注

默认驱动是 iHD。您可能需要通过添加环境变量 LIBVA_DRIVER_NAME=i965 来改用 i965 驱动（在 docker-compose 文件中或在 HA 插件的 config.yml 中）。

参考Intel 文档确认您的 CPU 是第几代的。

通过 VAAPI

VAAPI 支持自动配置文件选择，可自动处理 H.264 和 H.265 流。

ffmpeg:
  hwaccel_args: preset-vaapi

通过 QuickSync

H.264 流

ffmpeg:
  hwaccel_args: preset-intel-qsv-h264

H.265 流

ffmpeg:
  hwaccel_args: preset-intel-qsv-h265

Docker 中配置 Intel GPU 统计

需要额外配置才能使 Docker 容器访问 intel_gpu_top 命令获取 GPU 统计信息。有两种选择：

1. 以特权模式运行容器。
2. 添加 CAP_PERFMON 能力（注意：您可能需要将 perf_event_paranoid 设置得足够低以允许访问性能事件系统。）

以特权模式运行

这种方法有效，但会赋予容器超出实际需要的权限。

Docker Compose - 特权模式

services:
  frigate:
    ...
    image: ghcr.io/blakeblackshear/frigate:stable
    privileged: true

Docker Run CLI - 特权模式

docker run -d \
  --name frigate \
  ...
  --privileged \
  ghcr.io/blakeblackshear/frigate:stable

CAP_PERFMON

只有较新版本的 Docker 支持 CAP_PERFMON 能力。您可以通过运行以下命令测试您的版本是否支持：docker run --cap-add=CAP_PERFMON hello-world

Docker Compose - CAP_PERFMON

services:
  frigate:
    ...
    image: ghcr.io/blakeblackshear/frigate:stable
    cap_add:
      - CAP_PERFMON

Docker Run CLI - CAP_PERFMON

docker run -d \
  --name frigate \
  ...
  --cap-add=CAP_PERFMON \
  ghcr.io/blakeblackshear/frigate:stable

perf_event_paranoid

注意：此设置必须针对整个系统修改。

关于不同发行版的值的更多信息，请参见 https://askubuntu.com/questions/1400874/what-does-perf-paranoia-level-four-do。

根据您的操作系统和内核配置，您可能需要更改 /proc/sys/kernel/perf_event_paranoid 内核可调参数。您可以通过运行 sudo sh -c 'echo 2 >/proc/sys/kernel/perf_event_paranoid' 来测试更改，这将持续到重启。通过运行 sudo sh -c 'echo kernel.perf_event_paranoid=2 >> /etc/sysctl.d/local.conf' 使其永久生效。

SR-IOV 设备统计

当通过 SR-IOV 使用虚拟化 GPU 时，需要额外参数才能使 GPU 统计功能正常工作。可以通过以下配置启用：

telemetry:
  stats:
    sriov: True

AMD/ATI GPU（Radeon HD 2000 及更新的 GPU）通过 libva-mesa-driver

VAAPI 支持自动配置文件选择，可自动处理 H.264 和 H.265 流。

备注

您需要通过添加环境变量 LIBVA_DRIVER_NAME=radeonsi 来改用 radeonsi 驱动（在 docker-compose 文件中或在 HA 插件的 config.yml 中）。

ffmpeg:
  hwaccel_args: preset-vaapi

NVIDIA GPU

虽然旧的 GPU 可能也能工作，但建议使用现代的、受支持的 GPU。NVIDIA 提供了支持的 GPU 和功能矩阵。如果您的显卡在列表中并支持 CUVID/NVDEC，它很可能可以用于 Frigate 的解码。但是，您必须使用与 FFmpeg 兼容的驱动版本。旧的驱动版本可能缺少符号而无法工作，而旧的显卡不受新驱动版本支持。解决这个问题的唯一方法是提供您自己的 FFmpeg，使其能与您的驱动版本一起工作，但这是不受支持的，可能效果不佳甚至完全无法工作。

更完整的显卡和兼容驱动列表可在驱动发布说明中找到。

如果您的发行版不提供 NVIDIA 驱动包，您可以在此下载。

Docker 中配置 NVIDIA GPU

Docker 容器需要额外配置才能访问 NVIDIA GPU。支持的方法是安装 NVIDIA Container Toolkit 并向 Docker 指定 GPU。具体方法取决于 Docker 的运行方式：

Docker Compose - Nvidia GPU

services:
  frigate:
    ...
    image: ghcr.io/blakeblackshear/frigate:stable
    deploy:    # <------------- 添加此部分
      resources:
        reservations:
          devices:
            - driver: nvidia
              device_ids: ['0'] # 仅在使用多个 GPU 时需要
              count: 1 # GPU 数量
              capabilities: [gpu]

Docker Run CLI - Nvidia GPU

docker run -d \
  --name frigate \
  ...
  --gpus=all \
  ghcr.io/blakeblackshear/frigate:stable

设置解码器

使用 preset-nvidia 时，ffmpeg 会自动为输入视频选择必要的配置文件，如果您的 GPU 不支持该配置文件，将记录错误。

ffmpeg:
  hwaccel_args: preset-nvidia

如果一切正常工作，您应该能看到性能显著提升。 通过运行 nvidia-smi 验证硬件解码是否正常工作，应该能看到 ffmpeg 进程：

备注

由于 Docker 限制，在容器内运行时 nvidia-smi 可能不会显示 ffmpeg 进程。参见此问题。

+-----------------------------------------------------------------------------+
| NVIDIA-SMI 455.38       Driver Version: 455.38       CUDA Version: 11.1     |
|-------------------------------+----------------------+----------------------+
| GPU  Name        Persistence-M| Bus-Id        Disp.A | Volatile Uncorr. ECC |
| Fan  Temp  Perf  Pwr:Usage/Cap|         Memory-Usage | GPU-Util  Compute M. |
|                               |                      |               MIG M. |
|===============================+======================+======================|
|   0  GeForce GTX 166...  Off  | 00000000:03:00.0 Off |                  N/A |
| 38%   41C    P2    36W / 125W |   2082MiB /  5942MiB |      5%      Default |
|                               |                      |                  N/A |
+-------------------------------+----------------------+----------------------+

+-----------------------------------------------------------------------------+
| Processes:                                                                  |
|  GPU   GI   CI        PID   Type   Process name                  GPU Memory |
|        ID   ID                                                   Usage      |
|=============================================================================|
|    0   N/A  N/A     12737      C   ffmpeg                            249MiB |
|    0   N/A  N/A     12751      C   ffmpeg                            249MiB |
|    0   N/A  N/A     12772      C   ffmpeg                            249MiB |
|    0   N/A  N/A     12775      C   ffmpeg                            249MiB |
|    0   N/A  N/A     12800      C   ffmpeg                            249MiB |
|    0   N/A  N/A     12811      C   ffmpeg                            417MiB |
|    0   N/A  N/A     12827      C   ffmpeg                            417MiB |
+-----------------------------------------------------------------------------+

如果您没有看到这些进程，请检查容器的 docker logs 中是否有解码错误。

这些说明最初基于 Jellyfin 文档。

社区支持

NVIDIA Jetson（Orin AGX、Orin NX、Orin Nano*、Xavier AGX、Xavier NX、TX2、TX1、Nano）

提供基于 Jetpack/L4T 的专用 Docker 镜像。它们包含使用 Jetson 专用媒体引擎的 ffmpeg 构建。如果您的 Jetson 主机运行 Jetpack 6.0+，请使用 stable-tensorrt-jp6 标签镜像。注意，Orin Nano 没有视频编码器，因此 frigate 将在此平台上使用软件编码，但该镜像仍然允许硬件解码和 tensorrt 对象检测。

您需要使用 nvidia 容器运行时：

Docker Run CLI - Jetson

docker run -d \
  ...
  --runtime nvidia
  ghcr.io/blakeblackshear/frigate:stable-tensorrt-jp6

Docker Compose - Jetson

services:
  frigate:
    ...
    image: ghcr.io/blakeblackshear/frigate:stable-tensorrt-jp6
    runtime: nvidia   # 添加此行

备注

旧版本的 docker-compose 不支持 runtime: 标签。如果遇到这种情况，您可以通过在 /etc/docker/daemon.json 中添加 "default-runtime": "nvidia" 来系统范围内使用 nvidia 运行时：

{
    "runtimes": {
        "nvidia": {
            "path": "nvidia-container-runtime",
            "runtimeArgs": []
        }
    },
    "default-runtime": "nvidia"
}

设置解码器

您需要在 hwaccel_args 中传递的解码器将取决于输入视频。

支持的编解码器列表（您可以在容器中使用 ffmpeg -decoders | grep nvmpi 来获取您的显卡支持的编解码器）

 V..... h264_nvmpi           h264 (nvmpi) (codec h264)
 V..... hevc_nvmpi           hevc (nvmpi) (codec hevc)
 V..... mpeg2_nvmpi          mpeg2 (nvmpi) (codec mpeg2video)
 V..... mpeg4_nvmpi          mpeg4 (nvmpi) (codec mpeg4)
 V..... vp8_nvmpi            vp8 (nvmpi) (codec vp8)
 V..... vp9_nvmpi            vp9 (nvmpi) (codec vp9)

例如，对于 H264 视频，您需要选择 preset-jetson-h264。

ffmpeg:
  hwaccel_args: preset-jetson-h264

如果一切正常工作，您应该能看到 ffmpeg CPU 负载和功耗显著降低。 通过运行 jtop（sudo pip3 install -U jetson-stats）验证硬件解码是否正常工作，应该能看到 NVDEC/NVDEC1 正在使用。

Rockchip 平台

所有 Rockchip SoC 都支持使用基于 Rockchip 的 mpp 库的 Nyanmisaka 的 FFmpeg 6.1 分支进行硬件加速视频编解码。

前提条件

请确保遵循 Rockchip 特定安装说明。

配置

在您的 config.yml 中添加以下 FFmpeg 预设之一以启用硬件视频处理：

# 如果要解码 h264 编码的流
ffmpeg:
  hwaccel_args: preset-rk-h264

# 如果要解码 h265 (hevc) 编码的流
ffmpeg:
  hwaccel_args: preset-rk-h265

备注

确保您的 SoC 支持您的输入流的硬件加速。例如，如果您的摄像头以 h265 编码和 4k 分辨率进行流式传输，您的 SoC 必须能够以 4k 或更高分辨率进行 h265 编解码。如果您不确定您的 SoC 是否满足要求，请查看数据手册。