{"id":481,"date":"2026-09-19T14:15:00","date_gmt":"2026-09-19T12:15:00","guid":{"rendered":"https:\/\/www.lukaswojcik.com\/?p=481"},"modified":"2026-09-10T10:52:17","modified_gmt":"2026-09-10T08:52:17","slug":"ki-gestutzte-videouberwachung-am-edge-frigate-nvr-mit-google-coral-tpu","status":"publish","type":"post","link":"https:\/\/www.lukaswojcik.com\/blog\/de\/cctv-de\/tutorials-de-cctv-de\/ki-gestutzte-videouberwachung-am-edge-frigate-nvr-mit-google-coral-tpu\/","title":{"rendered":"KI-gest\u00fctzte Video\u00fcberwachung am Edge: Frigate NVR mit Google Coral TPU"},"content":{"rendered":"\r\n
Die traditionelle Bewegungserkennung in Video\u00fcberwachungssystemen (CCTV) basiert auf einfachen Pixelkontrastver\u00e4nderungen zwischen aufeinanderfolgenden Einzelbildern. Dieser rudiment\u00e4re Ansatz generiert permanent Fehlalarme durch Regen, fallendes Laub, sich bewegende B\u00e4ume oder wandernde Schatten. Die \u00dcbertragung hochaufl\u00f6sender Videostreams an cloudbasierte Computer-Vision-APIs verursacht hohe Latenzen, gravierende Datenschutzrisiken und erhebliche Bandbreitenkosten. Der lokale Betrieb von Frigate NVR mit einem Google Coral Edge TPU erm\u00f6glicht eine Echtzeit-Objekterkennung mit \u00fcber 100 Bildern pro Sekunde und Inferenzzeiten unter 10 Millisekunden. Witterungsbedingte Fehlalarme werden vollst\u00e4ndig eliminiert, w\u00e4hrend s\u00e4mtliche Videoaufnahmen strikt auf der lokalen Serverinfrastruktur verbleiben.<\/p>\r\n\r\n\r\n\r\n
Frigate NVR entkoppelt die Videodekodierung von der KI-Inferenz. Der Einsatz eines anwendungsspezifischen Integrierten Schaltkreises (ASIC) wie des Google Coral Edge TPU entlastet die Hauptprozessoren (CPU) massiv von rechenintensiven neuronalen Netzwerken:<\/p>\r\n\r\n\r\n\r\n
\r\n
Schnittstellenwahl:<\/strong> M.2- und PCIe-Coral-Beschleuniger bieten maximalen Datendurchsatz durch direkte Bus-Anbindung. USB-3.0-Module ben\u00f6tigen native USB-3.0-Controller-Anschl\u00fcsse; der Betrieb an USB-2.0-Hubs f\u00fchrt zu starken Flaschenh\u00e4lsen.<\/li>\r\n
Container-Pass-Through:<\/strong> Beim Betrieb in Docker oder Proxmox muss das USB-Ger\u00e4t (\/dev\/bus\/usb<\/code>) oder der PCIe-Ger\u00e4teknoten (\/dev\/apex_0<\/code>) direkt und ohne virtualisierte Zwischenschichten an den Frigate-Container durchgereicht werden.<\/li>\r\n
Hardware-Dekodierungs-Beschleunigung:<\/strong> Die Videodekodierung ist integrierten GPU-Encodern (Intel QuickSync via VAAPI<\/code> oder NVIDIA NVDEC) zuzuweisen, damit die CPU-Auslastung selbst bei mehreren parallelen Streams unter 15 % bleibt.<\/li>\r\n<\/ul>\r\n\r\n\r\n\r\n\n\nErst die Aufteilung macht Erkennung auf eigener Hardware m\u00f6glich: Die Inferenz l\u00e4uft auf einem winzigen Substrom, w\u00e4hrend der 4K-Hauptstrom nur geschrieben wird \u2014 und die Zonen halten den Gehweg aus den Meldungen heraus.<\/figcaption>\n<\/figure>\r\n\r\n\r\n\r\n
Die direkte Einbindung von 4K-Videostreams in einen Objektdetektor verschwendet Rechenressourcen, da Standard-KI-Modelle mit niedrigeren Aufl\u00f6sungsmatrizen arbeiten. Eine robuste CCTV-Architektur erfordert eine Dual-Stream-Konfiguration pro Kamera:<\/p>\r\n\r\n\r\n\r\n
\r\n
Detektions-Stream (Sub-Stream):<\/strong> Konfiguration eines IP-Kamera-Sub-Streams mit reduzierter Aufl\u00f6sung (z. B. 640x360<\/code> oder 1280x720<\/code>) mit 5 Bildern pro Sekunde (FPS)<\/strong>. Dieser Stream wird exklusiv von der Coral TPU f\u00fcr die Bounding-Box-Erkennung analysiert.<\/li>\r\n
Aufnahme-Stream (Main-Stream):<\/strong> Konfiguration des RTSP-Hauptstreams in maximaler Aufl\u00f6sung (z. B. 3840x2160<\/code> 4K) mit 15\u201320 FPS<\/strong>. Dieser Stream wird bei einer verifizierten Objekterkennung ohne Neukodierung direkt auf den Datenspeicher geschrieben.<\/li>\r\n<\/ol>\r\n\r\n\r\n\r\n
3. Schritt-f\u00fcr-Schritt-Konfiguration der Frigate YAML<\/h2>\r\n\r\n\r\n\r\n
Die folgende produktionsreife Konfigurationsdatei definiert den Edge-TPU-Detektor, aktiviert die Intel-QuickSync-Hardwaredekodierung und richtet die Dual-Stream-Topologie zur pr\u00e4zisen Filterung von Personen, Fahrzeugen und Tieren ein:<\/p>\r\n\r\n\r\n\r\n
Um Fehlalarme durch station\u00e4r geparkte Fahrzeuge oder angrenzende \u00f6ffentliche Stra\u00dfen zu verhindern, sind r\u00e4umliche Filterregeln \u00fcber die Frigate-Web-Oberfl\u00e4che einzurichten:<\/p>\r\n\r\n\r\n\r\n
\r\n
Privacy-Masking:<\/strong> Definition von Motion-Masken \u00fcber Kamera-Zeitstempeln, Texteinblendungen und sich bewegender Vegetation, um unn\u00f6tige Inferenzzyklen zu vermeiden.<\/li>\r\n
Zonen-Abgrenzung:<\/strong> Erstellung expliziter Erkennungszonen (z. B. einfahrt_privat<\/code> vs. oeffentliche_strasse<\/code>). Benachrichtigungen werden so konfiguriert, dass Alarme nur ausgel\u00f6st werden, wenn der untere Mittelpunkt (Bottom-Center) der Bounding Box die private Eigenschaftszone betritt.<\/li>\r\n
Filter f\u00fcr station\u00e4re Objekte:<\/strong> Aktivierung der Erkennung station\u00e4rer Objekte, damit dauerhaft in der Einfahrt geparkte Fahrzeuge nach der Erstklassifizierung keine wiederholten Benachrichtigungen ausl\u00f6sen.<\/li>\r\n<\/ol>\r\n\r\n\r\n\r\n
Was sich damit erreichen l\u00e4sst:<\/strong> Der erfolgreiche Aufbau eines lokal betriebenen, KI-gest\u00fctzten CCTV-\u00dcberwachungssystems auf Basis von Frigate NVR, Google Coral Edge TPU Hardwarebeschleunigung und einer Dual-Stream-Dekodierungsarchitektur.<\/p>\r\n\r\n\r\n\r\n
Resultierender Mehrwert:<\/strong> Fehlalarme durch Regen, Schatten oder Wind werden dank neuronaler Objekterkennung zu 100 % eliminiert. Die lokale Edge-TPU-Inferenz gew\u00e4hrleistet Reaktionszeiten unter 10 Millisekunden ohne Cloud-Abh\u00e4ngigkeit, ohne laufende Abonnementkosten und unter strikter Wahrung der Privatsph\u00e4re. Gleichzeitig sorgt die Trennung von Detektions- und Aufnahmestreams f\u00fcr gestochenscharfe 4K-Beweismittelsicherung bei minimaler CPU-Belastung.<\/p>\r\n\n\n
![\"Zwei-Strom-Aufbau](\"https:\/\/www.lukaswojcik.com\/blog\/wp-content\/uploads\/diagrams\/hand-frigate-de.png\")
\n