Docker安装GPU版frigate进行猫咪/修狗识别并转发微信群(保姆级教程)

最新推荐文章于 2025-04-24 13:01:58 发布

刘叙叙

最新推荐文章于 2025-04-24 13:01:58 发布

阅读量2.4k

点赞数 16

文章标签： docker 容器运维

本文链接：https://blog.csdn.net/jubba/article/details/144470642

版权

设备：

①一台旧游戏本（I5-7300HQ + 1050Ti + DDR4 16Gb+ 128GbM.2固态）

②3个支持onvif的监控摄像头（2个TP-LINK IPC45AW-PLUS、1个萤石C6c 3K版）

插句题外话，个人觉得TP-LINK的摄像头比萤石的好使。

功能：共三个步骤，按需操作即可（如不需要实现③，则可以跳过）

①使用frigate进行监控录制

②捕捉识别到猫咪的片段

③转发至微信群（虚拟机python实现，我这里由于旧笔记本配置有限，因此这部分功能是在我的NAS虚拟机实现的。如果你的设备配置有富裕，完全可以在同一个设备中进行实现。）

具体步骤：

一、使用frigate进行监控录制

0.安装Docker，这部分教程非常多，我就不赘述了

1.安装NVIDIA Container Toolkit(此处参考了 https://www.cnblogs.com/li508q/p/18444582，感谢原博主)

①首先，添加 NVIDIA Container Toolkit 的仓库密钥和源列表：

curl -fsSL https://nvidia.github.io/libnvidia-container/gpgkey | sudo gpg --dearmor -o /usr/share/keyrings/nvidia-container-toolkit-keyring.gpg \
  && curl -s -L https://nvidia.github.io/libnvidia-container/stable/deb/nvidia-container-toolkit.list | \
    sed 's#deb https://#deb [signed-by=/usr/share/keyrings/nvidia-container-toolkit-keyring.gpg] https://#g' | \
    sudo tee /etc/apt/sources.list.d/nvidia-container-toolkit.list

②更新系统包列表，然后安装 NVIDIA Container Toolkit：

sudo apt-get update
sudo apt-get install -y nvidia-container-toolkit

③安装完成后，必须重启 Docker 服务以使更改生效：

sudo systemctl restart docker

④执行以下命令以验证 NVIDIA Container Toolkit 是否正确安装：

nvidia-container-cli --version

⑤还可以通过以下命令确认Docker是否能访问GPU：

如果成功显示 GPU 信息，说明 NVIDIA Container Toolkit 已正确安装。

docker run --rm --gpus all nvidia/cuda:12.0-base nvidia-smi

2.安装frigate

①在指定位置创建一个文件夹用于存放相关文件，例如/home/xxxx/frigate

mkdir -p /home/xxxx/frigate
cd /home/xxxx/frigate

②创建docker-compose.yml文件,并复制以下配置文本

nano docker-compose.yml

version: "3.9"
services:
  frigate:
    environment: 
      - YOLO_MODELS=yolov7-320 # 可以使用别的型号，具体见后表。这里推荐yolov7-320，更好的配置可以使用yolov7-640
    container_name: frigate # 容器名称，填frigate即可
    privileged: true # 超级权限，默认即可
    restart: unless-stopped # 重启设置
    image: ghcr.io/blakeblackshear/frigate:stable-tensorrt #这里一定要用tensorrt的版本才支持NVIDIA GPU
    deploy:    # 这部分是设置NVIDIA GPU，必需填写
      resources:
        reservations:
          devices:
            - driver: nvidia
              device_ids: ['0'] # 如果有多个GPU，这里可以选择用哪一个
              capabilities: [gpu]

    shm_size: "256mb" # 共享内存大小，可以填大一点
    devices:
      - /dev/dri/renderD128:/dev/dri/renderD128 # 默认
    volumes:
      - /etc/localtime:/etc/localtime:ro
      - ./config:/config # frigate生成的配置文件存放位置
      - ./storage:/media/frigate # frigate生成的录像保存位置，可以自定义
      - type: tmpfs
        target: /tmp/cache
        tmpfs:
          size: 1000000000 # 这里存储空间是1G，可以适量调大
    ports:  # 下列端口若被占用，则自行更改即可
      - "8971:8971"
      - "5555:5000" # frigate的后台UI界面端口，请把5555修改为你当前未占用的端口即可
      - "8554:8554" # RTSP feeds流的端口
      - "8555:8555/tcp" # WebRTC over tcp端口
      - "8555:8555/udp" # WebRTC over udp端口

可用的yolo模型如下，根据自己的设备算力选择（目前没找到相关的表格来查比如哪些模型支持哪些显卡，先使用yolo7-320先试着）：

yolov3-288
yolov3-416
yolov3-608
yolov3-spp-288
yolov3-spp-416
yolov3-spp-608
yolov3-tiny-288
yolov3-tiny-416
yolov4-288
yolov4-416
yolov4-608
yolov4-csp-256
yolov4-csp-512
yolov4-p5-448
yolov4-p5-896
yolov4-tiny-288
yolov4-tiny-416
yolov4x-mish-320
yolov4x-mish-640
yolov7-tiny-288
yolov7-tiny-416
yolov7-640
yolov7-320
yolov7x-640
yolov7x-320

③使刚刚编辑好的docker-compose文件进行安装：

sudo docker compose up -d

注：安装过程会自动下载和编译yolo文件，需要较长时间。如果一直卡着不动，可以kill掉以后重新执行这条命令，直到后台端口xxx.xxx.xxx.xxx:5555能打开。

④打开后台端口：此时frigate已经安装完毕，但需要在端口中修改配置文件config才能实现摄像头的连接和后续功能。

xxx.xxx.xxx.xxx:5555

注：这里的5555端口可以在第②部的docker-compose文件中修改成任意没有被占用的端口即可

⑤在frigate中修改配置文件（也可以在命令行中使用nano/vim修改）

填写下列配置文件（这个版本的配置文件仅使用GPU转码实现录制功能，会流畅很多且减少CPU占用，如要实现目标识别请跳转至下一部分“二、捕捉识别到猫咪的片段”）

detectors:
  tensorrt:
    type: tensorrt # 使用tensorrt而不是CPU
    device: 0 # 使用哪个GPU，默认为0即第一块GPU

mqtt:
  enabled: false # 如果使用HA的可以自行打开，我暂无需求所以默认不开

# 录制配置
record:
  enabled: true
  retain: 
    days: 0 # 全部录像保留0天，这里自行设置天数
    mode: all

# 摄像头配置
cameras:
  camera1: # 自定义摄像头名字，我这里以camera1为例
    enabled: true # 摄像头是否启用
    ffmpeg: # 转码设置
      hwaccel_args: preset-nvidia-h265 # 这里推荐h265。你的设备若不支持H264，可改成h264（一般都支持h265）
      inputs:
        - path: rtsp://admin:12345678@192.168.0.158:554/stream1 # 我这里使用的是TPLINK摄像头，主码流格式为rtsp://username:password@192.168.0.158:554/stream1。别的品牌同理，可自行查阅手册
          roles:
            - record # 只执行录制
      output_args:
        record: preset-record-generic-audio-aac # 这里是设置是否录制声音。若不需要录制声音，可以去掉这一项。若报错可以改成preset-record-generic-audio-copy试试

    onvif: # 用于摄像头控制，port可以在TPLINK的手机app里看见。别的品牌同理，可自行查阅手册
      host: 192.168.0.158
      port: 80
      user: admin
      password: 12345678

  camera2：# 这里和camera1同理


version: 0.14

二、捕捉识别到猫咪的片段

①修改config文件

detectors:
  tensorrt:
    type: tensorrt # 使用tensorrt而不是CPU
    device: 0 # 使用哪个GPU，默认为0即第一块GPU

model:
  path: /config/model_cache/tensorrt/yolov7-320.trt # 生成的yolo文件路径
  input_tensor: nchw # 默认即可
  input_pixel_format: rgb # 三通道识别
  width: 320 #如果前面使用yolov7-640，这里可以改为640
  height: 320 #如果前面使用yolov7-640，这里可以改为640

mqtt:
  enabled: false # 如果使用HA的可以自行打开，我暂无需求所以默认不开

# 录制配置
record:
  enabled: true
  retain: 
    days: 0 # 全部录像保留0天，这里建议是0天，只保留下面特定事件的录像
    mode: all
  events:
    retain: 
      default: 10 # 事件录像保留 10 天
      mode: active_objects # 指事件是目标活动
      objects: # 这里可以给不同目标制定不同的保留期限，比如我这里是猫录像保留10天，狗录像保留8天
        cat: 10
	# dog: 8

objects:
  track:# 目标可以是猫可以是狗
    - cat
#  - dog  

cameras:
  bedroom: # 自定义摄像头名字，我这里第一个摄像头在卧室
    enabled: true # 摄像头是否启用
    ffmpeg:
      hwaccel_args: preset-nvidia-h265 # 这里推荐h265。你的设备若不支持H264，可改成h264（一般都支持h265）
      inputs: # 摄像头一般有主码流和副码流。主码流高清，用于录制。副码流低清，用于GPU目标识别可以减少计算量和负载
        - path: rtsp://admin:12345678@192.168.0.158:554/stream1 #使用TPLINK摄像头的主码流进行录制
          roles:
            - record # 用于录制
	- path: rtsp://admin:12345678@192.168.0.158:554/stream2 #使用TPLINK摄像头的副码流进行目标检测
          roles:
            - detect # 用于目标检测

      output_args:
        record: preset-record-generic-audio-aac # 这里是设置是否录制声音。若不需要录制声音，可以去掉这一项。若报错可以改成preset-record-generic-audio-copy试试

    detect: # 用于目标检测的输入配置，因为这里是副码流，用720P-5帧就可以，减少GPU负载
      width: 1280
      height: 720
      fps: 5

    onvif: # 填写摄像头的ONVIF地址和密码，可以用于摄像头控制
      host: 192.168.0.158
      port: 80
      user: admin
      password: 33055youxi

  camera2: # 其他摄像头同理

version: 0.14

三、将检测到猫咪的片段转发至微信群

注：虚拟机python实现，我这里由于旧笔记本配置有限，因此这部分功能是在我的NAS虚拟机实现的。如果你的设备配置有富裕，完全可以在同一个设备中进行实现。

1.首先需要在ubuntu中使用Samba把录制的文件夹开启“文件共享”，具体参看我的另一篇

Ubuntu中使用Samba服务来共享文件夹-CSDN博客

需要共享的文件为：

/home/xxxx/frigate/recordings

2.打开windows虚拟机（可以是同局域网别的设备如nas，也可以是ubuntu本设备）

①安装Miniconda

https://repo.anaconda.com/miniconda/

下载后打开安装即可

②打开Anaconda Powershell Prompt(miniconda3)

③创建一个pyhon虚拟环境并激活（建议使用python3.10），安装python-office包

conda create -n cat2wechat python=3.10
conda activate cat2wechat
pip install python-office -U

④在某个地方创建一个xxx.py文件，用记事本打开，复制并修改我的代码

import os
import shutil
import time
from pathlib import Path
from datetime import datetime
import office

# 找出最新的mp4视频，将所有新视频的地址保存为一个list
def find_new_mp4s(directory, start_check_time,last_check_time):
    new_files = []
    for root, dirs, files in os.walk(directory):
        for file in files:
            if file.lower().endswith('.mp4'):
                file_path = Path(root) / file
                # 如果文件创建时间在上一次检查之后，则认为是新文件
                if last_check_time > file_path.stat().st_ctime > start_check_time:
                    new_files.append(file_path)
    return new_files

# 使用微信发送所有list中的视频
def wechat_send(file_list,send_object):
    for i in file_list:
        office.wechat.send_file(who=send_object,file=i)

def main(source_directory, send_object, interval=60):
    # 初始检查
    start_check_time=float(time.time()-60) # 检查前1min的视频
    last_check_time=time.time()

    # 后续检查
    while True:
        # 记录此时的年月日
        timenow = datetime.today().strftime('%Y-%m-%d')
        # 检查保存文件夹是否存在
        new_source_directory = os.path.join(source_directory,timenow)

        new_mp4s = find_new_mp4s(new_source_directory, start_check_time, last_check_time)
        if new_mp4s:
            print("发现新的MP4文件，准备发送")
            wechat_send(new_mp4s,send_object)
        else:
            print("没有发现新的MP4文件")
        start_check_time = last_check_time
        last_check_time = time.time()
        time.sleep(interval)  # 等待一段时间后再次检查


if __name__ == "__main__":
    # 指定源文件夹和目标文件夹路径
    source_dir = r'\\xxx\shared_folder\recordings' # 录制文件的路径，这里xxx要修改为ubuntu服务器的地址
    send_object = "相亲相爱一家人" # 发到哪个群
    interval = 60 # 每隔60秒检查一次
    # 启动主程序
    main(source_dir,send_object,interval)

⑤保存后，打开微信

⑥使用prompt运行python代码，奇迹会出现

cd xxx # 该文件的路径
python xxx.py

完结撒花！