Интеграция Frigate NVR и камер с Яндекс Станцией через HA

Современное видеонаблюдение давно вышло за рамки простой записи видео на жесткий диск. Благодаря развитию технологий искусственного интеллекта и машинного зрения, мы можем научить наши камеры понимать, что именно происходит в кадре.

Интеллектуальный видеорегистратор Frigate NVR — это одно из лучших локальных решений для распознавания образов в реальном времени. Используя мощности центрального процессора или специализированные ускорители (такие как Google Coral TPU или встроенную графику Intel через OpenVINO), Frigate с высокой точностью определяет в видеопотоке людей, автомобили, животных и другие объекты. В отличие от стандартных датчиков движения камер, которые ложно срабатывают от дождя, падающих листьев, теней или пролетающих птиц, Frigate реагирует только на реальные физические объекты. Связав эту систему с Home Assistant и Яндекс Станцией, мы получим мощный комплекс безопасности: Алиса сможет голосом предупреждать вас о появлении гостей на пороге или выводить видео с камер на телевизор. Для настройки качественного голосового оповещения мы рекомендуем использовать интеграцию Яндекс TTS, подробно описанную в нашей статье по настройке голосовых TTS-уведомлений на Яндекс Станции из Home Assistant.

Шаг 1. Развертывание и базовая настройка Frigate NVR

Frigate NVR обычно запускается в Docker-контейнере или в виде надстройки (Add-on) для Home Assistant OS. Вся конфигурация описывается в файле config.yml.

1. Настройте подключение к вашей IP-камере по протоколу RTSP. Рекомендуется использовать два потока: субпоток с низким разрешением (например, 640x480 или 1280x720 пикселей) для детекции объектов силами ИИ и основной поток высокого разрешения (1080p или 4K) для записи архива. Это убережет центральный процессор от перегрева.
2. В файле конфигурации определите зоны детекции. Зоны позволяют ограничить область кадра, в которой будет происходить распознавание. Это важно, если в кадр попадает оживленная общественная улица или соседский двор, где постоянное движение прохожих будет вызывать лишние тревоги.
3. Пропишите детекцию человека (person) в секции объектов:

cameras:
  front_door:
    ffmpeg:
      inputs:
        - path: rtsp://admin:password@192.168.1.100:554/stream1
          roles:
            - detect
            - record
    detect:
      width: 1280
      height: 720
      fps: 5
    objects:
      track:
        - person

Шаг 2. Оптимизация детекции с помощью масок и ускорителей

Для стабильной работы искусственного интеллекта без ложных срабатываний и снижения нагрузки на сервер необходимо настроить маски детекции (masks). В Frigate существует два типа масок:

• Маска движения (Motion Mask): Закрывает области кадра со статическим повторяющимся движением (например, ветки деревьев, кусты, трава или штамп времени с часами в углу экрана). Frigate полностью игнорирует изменение пикселей в этих зонах, что снижает нагрузку на CPU.
• Маска объектов (Object Mask): Используется для фильтрации объектов, которые не должны детектироваться в определенном месте. Например, вы можете закрыть маской парковку соседа, чтобы его автомобиль не распознавался системой как «обнаруженная машина на вашей территории».

Шаг 3. Подключение Frigate к Home Assistant по протоколу MQTT

Связующим звеном между Frigate и Home Assistant выступает брокер сообщений MQTT (обычно используется сервер Mosquitto MQTT).

1. Убедитесь, что в настройках Frigate вписаны параметры вашего MQTT-брокера.
2. В Home Assistant перейдите в магазин HACS, найдите интеграцию Frigate и установите её.
3. Перезагрузите сервер Home Assistant.
4. Перейдите в раздел Настройки ➡️ Устройства и службы ➡️ Добавить интеграцию и выберите Frigate. Интеграция автоматически считает данные о ваших камерах из MQTT-топиков и создаст в Home Assistant множество полезных сущностей: бинарные датчики движения, счетчики объектов в реальном времени и переключатели режимов записи.

Шаг 4. Создание виртуальных сенсоров для Яндекса

Для того чтобы передать событие обнаружения человека в экосистему Яндекса, нам понадобится виртуальный тумблер-посредник (input_boolean). Это связано с тем, что облако Яндекса лучше всего реагирует на простые триггеры типа «включено/выключено».

1. Перейдите в Вспомогательные элементы в Home Assistant и создайте переключатель с именем «Движение у двери» (сущность input_boolean.front_door_motion).
2. Напишите автоматизацию, которая будет включать этот тумблер, когда ИИ-датчик Frigate (binary_sensor.front_door_person_motion) перейдет в состояние «Обнаружено» (on), и выключать его через 30 секунд после того, как человек исчезнет из кадра.

Пример YAML-кода для автоматизации:

alias: "Камера: Обнаружение человека у двери"
trigger:
  - platform: state
    entity_id: binary_sensor.front_door_person_motion
    to: "on"
action:
  - service: input_boolean.turn_on
    target:
      entity_id: input_boolean.front_door_motion
  - delay: "00:00:30"
  - service: input_boolean.turn_off
    target:
      entity_id: input_boolean.front_door_motion

Шаг 5. Настройка голосового сценария в Алисе

После создания тумблера и синхронизации устройств с Яндексом через интеграцию Yandex Smart Home, виртуальный выключатель появится в вашем приложении «Дом с Алисой».

1. Откройте приложение «Дом с Алисой» и найдите устройство «Движение у двери».
2. Создайте новый сценарий, назвав его, например, «Оповещение о гостях».
3. В качестве условия («Если») укажите: Движение у двери ➡️ Включилось.
4. В качестве действия («Тогда») выберите вашу Яндекс Станцию и добавьте команду: Произнести текст ➡️ «Внимание, у входной двери обнаружен человек!». Если у вас установлена Станция Макс или модуль Яндекс ТВ, вы также можете настроить автоматический вывод картинки с камеры на большой экран при обнаружении активности.

Благодаря локальной обработке видеопотока системой Frigate NVR и быстрой передаче сигналов через MQTT, задержка от момента реального появления человека перед камерой до голосового сообщения Алисы составит не более 1-2 секунд.