CPU 占用过高
CPU 占用过高会影响 Frigate 的性能与响应速度。本文档列出最有效的配置修改方案，帮助降低 CPU 消耗并优化资源使用。
1. 视频解码硬件加速
优先级：关键
视频解码是 Frigate 中最消耗 CPU 的任务之一。AI 加速器仅负责目标检测，不参与视频流解码。 硬件加速（hwaccel）会将解码工作卸载到 GPU 或专用视频解码硬件，显著降低 CPU 占用，并让同一台设备支持更多路摄像头。
核心概念
分辨率与帧率影响：解码压力随分辨率和帧率指数级增长。 相同帧率下，一路 4K@30fps 流的处理需求约为 1080p 的 4 倍；帧率翻倍，解码负载也翻倍。 这就是多路高分辨率摄像头必须使用硬件加速的原因。
硬件加速优势：
- 大幅降低每路摄像头的 CPU 占用
- 同一硬件可支持 2–3 倍数量的摄像头
- 释放 CPU 资源用于移动检测及其他 Frigate 进程
- 降低系统发热与功耗
配置
Frigate 为常见硬件加速场景提供了预设配置。 请根据你的硬件，在配置文件中设置 hwaccel_args，具体可参考配置参考与快速入门指南。
硬件加速故障排查
如果硬件加速不生效：
- 查看 Frigate 日志中与 hwaccel 相关的 FFmpeg 错误
- 确认硬件设备在容器内可正常访问
- 确保摄像头流使用 H.264 或 H.265 编码（最常见）
- 若自动检测失败，尝试切换不同预设
- 确认宿主机已正确安装 GPU 驱动
2. 检测器选择与配置
优先级：关键
为硬件选择合适的检测器，是影响检测性能最重要的因素。 检测器负责运行 AI 模型，识别视频帧中的目标。不同类型检测器的性能与硬件要求差异极大，详见硬件文档。
理解检测器性能
Frigate 会先做移动检测，再执行计算量大的目标检测，详见移动检测文档。 检测到移动时，Frigate 会生成一个“区域”（调试界面中的绿色框）并发送给检测器。 检测器的推理速度决定了系统每秒能处理多少次检测。
检测器容量计算： 检测器的处理能力有限，单位为每秒检测次数。 若推理速度为 10ms，则检测器每秒可处理约 100 次检测（1000ms ÷ 10ms = 100）。 如果所有摄像头总需求超过该容量，会出现延迟、漏检或系统跟不上画面。
选择合适的检测器
不同检测器性能差异巨大，可查看硬件文档中目标检测器的预期性能。
多检测器实例
当单个检测器无法满足摄像头数量需求时，部分检测器（openvino、onnx）支持配置多个检测器实例来分担负载。 这对显存充足、可同时运行多个推理进程的 GPU 检测器尤其有用。
多检测器配置详见目标检测器文档。
需要添加第二个检测器的情况：
- 即使在正常活动下，跳过帧率（Skipped FPS）持续大于 0
模型选择与优化
使用的模型对检测器性能影响极大。Frigate 为每种检测器提供了优化后的默认模型，你也可以自定义，详见检测器文档。
模型大小权衡：
- 更小模型（320x320）：推理更快，Frigate 专门针对 320x320 模型做了优化
- 更大模型（640x640）：推理更慢，但对占据画面大部分的超大目标，精度可能更高