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
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-h265NOTE
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 |
|---|---|---|---|
| 1-5代 | i965 | preset-vaapi | 不支持 qsv |
| 6-7代 | iHD | 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-* |
NOTE
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-h264H.265 流
ffmpeg:
hwaccel_args: preset-intel-qsv-h265Docker 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：
- 以特权模式运行容器。
- 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: trueDocker Run CLI - 特权模式
docker run -d \
--name frigate \
...
--privileged \
ghcr.io/blakeblackshear/frigate:stableCAP_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_PERFMONDocker Run CLI - CAP_PERFMON
docker run -d \
--name frigate \
...
--cap-add=CAP_PERFMON \
ghcr.io/blakeblackshear/frigate:stableperf_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或其他设备的统计信息配置
当通过SR-IOV使用虚拟化GPU时，需要额外参数才能获取GPU统计信息。您可以通过指定以下配置来启用此功能：即设置用于从intel_gpu_top收集统计信息的设备路径。以下示例可能适用于某些使用SR-IOV的系统：
telemetry:
stats:
sriov: true
intel_gpu_device: "sriov"对于其他虚拟化GPU，可以尝试直接指定设备路径：
telemetry:
stats:
intel_gpu_device: "drm:/dev/dri/card0"如果您指定了设备路径，请确保已将设备透传到容器中。
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。
NOTE
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-vaapiNVIDIA 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-tensorrt
deploy: # <------------- 添加此部分到底部的代码
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-tensorrt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：
NOTE
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 物体/目标检测。
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-jp6Docker Compose - Jetson
services:
frigate:
...
image: ghcr.io/blakeblackshear/frigate:stable-tensorrt-jp6
runtime: nvidia # 添加此行NOTE
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：
ffmpeg:
hwaccel_args: preset-rkmppNOTE
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。
警告
如果您的部分摄像头出现处理异常，且日志中显示如下错误信息：
[segment @ 0xaaaaff694790] Timestamps are unset in a packet for stream 0. This is deprecated and will stop working in the future. Fix your code to set the timestamps properly
[Parsed_scale_rkrga_0 @ 0xaaaaff819070] No hw context provided on input
[Parsed_scale_rkrga_0 @ 0xaaaaff819070] Failed to configure output pad on Parsed_scale_rkrga_0
Error initializing filters!
Error marking filters as finished
[out#1/rawvideo @ 0xaaaaff3d8730] Nothing was written into output file, because at least one of its streams received no packets.
Restarting ffmpeg...建议您尝试升级至 FFmpeg 7 版本。可通过以下配置选项实现升级：
ffmpeg:
path: "7.0"该选项可全局设置（为所有摄像头启用 FFmpeg 7），也可针对单个摄像头单独配置。请注意不要与以下摄像头配置项混淆：
cameras:
name:
ffmpeg:
inputs:
- path: rtsp://viewer:{FRIGATE_RTSP_PASSWORD}@10.0.10.10:554/cam/realmonitor?channel=1&subtype=2