Caméras de sécurité avec IA locale : comment créer un NVR privé sans le cloud

Eva Wong est la rédactrice technique et bricoleuse résidente chez ZimaSpace. Geek depuis toujours, passionnée par les laboratoires informatiques personnels et les logiciels open source, elle se spécialise dans la vulgarisation de concepts techniques complexes au moyen de guides pratiques et concrets. Eva pense que l’hébergement personnel doit être amusant, et non intimidant. À travers ses tutoriels, elle aide la communauté à démystifier les configurations matérielles, de la construction de leur premier NAS à la maîtrise des conteneurs Docker.

Réponse rapide

Un système de caméras de sécurité avec IA locale enregistre et analyse les séquences de caméras IP sur du matériel situé sur le réseau domestique, plutôt que de dépendre du traitement infonuagique pour chaque alerte, clip ou détection.

Le système réunit généralement cinq composants :

  1. Des caméras IP qui fournissent des flux vidéo locaux stables.
  2. Une application NVR locale telle que Frigate.
  3. La détection d’objets tels que les personnes, les véhicules, les animaux, les colis ou d’autres catégories utiles.
  4. Le stockage des enregistrements, des clips, des instantanés, des bases de données et des index de recherche.
  5. Des règles qui déterminent quels événements doivent déclencher des alertes, être conservés ou être envoyés à un système domotique.

Un NAS peut héberger le NVR ou stocker les enregistrements, mais il n’est pas nécessaire qu’il effectue toutes les tâches. Dans les configurations plus exigeantes, un mini-PC ou un serveur d’IA distinct peut assurer le décodage vidéo et la détection, tandis que le NAS se charge du stockage.

Le principal avantage ne consiste pas simplement à « ajouter de l’IA » aux caméras de sécurité. Il s’agit de réduire les fausses alertes, de retrouver plus rapidement les événements importants, de garder le contrôle des séquences localement et d’éviter une dépendance inutile aux abonnements infonuagiques.

Qu’est-ce qu’un système de caméras de sécurité avec IA locale ?

L’enregistrement local et l’IA locale sont deux fonctions distinctes

L’enregistrement local signifie que la caméra envoie la vidéo à un appareil situé dans la maison, où les séquences sont stockées sans nécessiter de stockage infonuagique.

La détection locale par IA ajoute une couche supplémentaire. Le NVR analyse des images sélectionnées et tente d’identifier des objets ou des événements pertinents, par exemple :

  • Une personne qui entre dans l’allée
  • Un véhicule qui s’arrête près du garage
  • Un colis qui apparaît sur le pas de la porte
  • Un chien qui traverse le jardin
  • Un visage connu qui arrive à l’entrée
  • Une plaque d’immatriculation visible par une caméra de l’allée

Un système peut enregistrer localement sans IA et effectuer des détections sans enregistrer en continu. Ces deux fonctions doivent être planifiées séparément, car elles imposent des besoins différents en calcul, en réseau et en stockage.

La caméra, le NVR et le serveur de stockage ont des rôles différents

Composant Rôle principal Limite courante
Caméra IP Capture la vidéo et fournit des flux locaux. Peut encore dépendre des services infonuagiques du fournisseur ou fournir des flux instables.
NVR IA local Décode les flux, détecte les mouvements et les objets, crée des événements et gère les alertes. Peut être surchargé par un trop grand nombre de flux ou par une accélération non prise en charge.
Détecteur ou accélérateur d’IA Exécute plus efficacement l’inférence de détection d’objets. N’accélère pas nécessairement le décodage vidéo, le stockage ou l’interface utilisateur.
NAS ou serveur de stockage Stocke les enregistrements, les clips, les instantanés, les exports et les sauvegardes. Les écritures constantes des caméras peuvent concurrencer les charges de travail liées au stockage de fichiers et aux sauvegardes.
Système domotique Transforme les événements des caméras en notifications, lumières, tableaux de bord ou autres actions. Des règles mal conçues peuvent recréer la même lassitude face aux alertes que l’IA était censée résoudre.

Certains fournisseurs peuvent décrire une configuration intégrée de stockage et de détection comme un NAS IA. Pour les utilisateurs, toutefois, la question pratique n’est pas l’appellation. C’est de savoir si l’ensemble du flux de travail des caméras locales enregistre de manière fiable, filtre correctement les événements, protège les séquences vidéo et reste facile à entretenir.

Local ne signifie pas toujours entièrement hors ligne

Une caméra peut enregistrer sur un NVR local tout en communiquant avec les serveurs du fabricant pour la connexion au compte, la télémétrie, les notifications, la visualisation à distance, la synchronisation de l’heure ou les services de micrologiciel.

Une conception véritablement axée sur le local exige que les utilisateurs comprennent l’ensemble du parcours des données :

  • Où la caméra envoie la vidéo
  • Si la caméra nécessite un compte cloud
  • S’il est possible de bloquer l’accès à Internet sortant
  • Comment fonctionne la visualisation à distance
  • Où les notifications sont générées
  • Si les enregistrements ou les miniatures quittent le réseau

Que peut réellement faire l’IA locale pour les caméras ?

Détecter les personnes, les véhicules, les animaux et les colis

La détection de mouvement de base réagit aux changements entre les images vidéo. Le vent, les ombres, les insectes, la pluie, les phares, les branches d’arbres et les artefacts de compression peuvent tous générer du mouvement.

La détection d’objets pose une question plus utile : qu’est-ce qui a provoqué le mouvement ?

Frigate est un logiciel NVR local conçu pour la détection d’objets en temps réel à partir de caméras IP. Il utilise une détection de mouvement peu gourmande en ressources pour déterminer quand et où lancer la détection d’objets, au lieu d’analyser en continu chaque partie de chaque image.

La classe de l’objet détecté peut ensuite être combinée à l’emplacement, à l’heure, à la durée, au niveau de confiance et aux règles du foyer avant la création d’une alerte.

Filtrer les événements par zones et plages horaires

Détecter une personne ne suffit pas toujours. Le passage d’une personne sur un trottoir public peut être sans importance, tandis qu’une personne qui entre sur le porche après minuit peut nécessiter une attention immédiate.

Une règle d’alerte pratique peut combiner :

  • Type d’objet : personne
  • Zone requise : porche avant
  • Heure : après 23 h
  • Seuil de confiance minimal
  • Durée minimale de l’événement
  • Paramètres de notification propres à chaque caméra

Ce filtrage contextuel est souvent plus utile que l’ajout de nouvelles classes d’objets.

Rechercher des événements enregistrés par description

Les logiciels NVR locaux modernes peuvent faire bien plus que présenter des listes d’événements chronologiques. Frigate peut générer des représentations vectorielles locales des objets suivis et les utiliser pour la recherche sémantique.

Selon la recherche sémantique , les utilisateurs peuvent rechercher des objets suivis à partir d’une description textuelle, d’une image existante ou d’une description générée automatiquement. Les représentations vectorielles de l’image et du texte sont stockées et recherchées localement.

Exemples de recherches possibles :

  • Personne portant une veste rouge
  • Camionnette de livraison blanche dans l’allée
  • Chien courant près du portail
  • Personne portant une grande boîte
  • Véhicule similaire à celui d’un événement précédent

La recherche sémantique est utile pour les enquêtes et la consultation des enregistrements, mais ne doit pas être considérée comme un système d’alerte automatique infaillible. Les modèles de similarité visuelle peuvent renvoyer des événements similaires, mais incorrects, surtout lorsque les objets sont petits ou que les scènes se ressemblent.

Reconnaître les visages familiers

La reconnaissance faciale peut associer un nom connu à une personne détectée, une fois que le système a repéré un visage suffisamment net.

La fonctionnalité de reconnaissance faciale de Frigate fonctionne localement et prend en charge un modèle efficace adapté au processeur ainsi qu’un modèle plus volumineux destiné au matériel GPU ou NPU compatible.

La reconnaissance faciale doit être considérée comme un enrichissement facultatif, et non comme un substitut à la détection des personnes. Les résultats peuvent être affectés par :

  • La distance par rapport à la caméra
  • L’angle du visage
  • Flou de mouvement
  • Une faible luminosité ou des images infrarouges
  • Des chapeaux, des lunettes ou une obstruction partielle
  • Des images d’entraînement de mauvaise qualité ou peu représentatives

L’emplacement de la caméra et la netteté des visages comptent davantage que le simple fait d’augmenter la résolution d’enregistrement.

Reconnaître les plaques d’immatriculation

La reconnaissance des plaques d’immatriculation peut aider à identifier les véhicules connus qui entrent dans une allée ou à enregistrer le texte visible d’une plaque pour le consulter ultérieurement.

La documentation sur la reconnaissance des plaques d’immatriculation explique que Frigate peut associer aux voitures et aux motos suivies les caractères reconnus sur la plaque ou les noms connus.

La reconnaissance des plaques exige un angle de caméra et une qualité d’image permettant de lire la plaque. Une caméra d’ensemble grand angle installée en hauteur au-dessus d’une allée peut détecter un véhicule de façon fiable tout en étant incapable d’en lire la plaque.

Créer des descriptions et des résumés d’événements

Certains flux de travail de caméras locales peuvent ajouter des descriptions ou des résumés aux événements suivis. Selon la configuration choisie, ces fonctionnalités peuvent utiliser des modèles locaux ou externes de vision et de langage.

Les descriptions peuvent faciliter la recherche et l’examen des événements, mais il est conseillé de vérifier si le fournisseur configuré fonctionne localement avant de supposer qu’aucune image ni donnée d’événement ne quitte le réseau.

Processus de sécurité par caméra IA locale en six étapes : capture par caméra, détection de mouvement, détection d’objets, filtrage des événements, enregistrement local et contrôles de confidentialité

Le processus des caméras IA locales et des NVR

Un système de caméra IA locale fiable doit être compris comme un processus en plusieurs étapes plutôt que comme un seul modèle d’IA.

Étape du processus Ce qui se passe Ce qui peut échouer
1. Capture Les caméras IP fournissent des flux vidéo locaux horodatés et des connexions réseau stables. Les flux se déconnectent, saccadent ou dépendent de l’accès au cloud du fabricant.
2. Analyse des mouvements La détection de mouvement légère repère les zones et les moments qui peuvent nécessiter une analyse plus approfondie. La pluie, les insectes, les ombres, les phares ou des réglages trop sensibles génèrent une activité excessive.
3. Détection d’objets Un détecteur classe les personnes, les véhicules, les animaux, les colis et les autres objets pris en charge. Une faible luminosité, de mauvais angles, de petits objets ou des modèles inadaptés réduisent la précision.
4. Filtrage et enrichissement Les zones, les seuils de confiance, la reconnaissance faciale, la reconnaissance des plaques et les descriptions apportent du contexte. Des règles mal configurées génèrent trop d’alertes ou masquent des événements utiles.
5. Examen et stockage Le système crée des clips, des éléments à examiner, des chronologies, des enregistrements, des index de recherche et des exportations. Le stockage se remplit, la base de données ralentit ou les règles de conservation suppriment des séquences nécessaires.
6. Sécurité et accès L’isolation réseau, l’authentification, l’accès à distance, les autorisations et les mises à jour protègent le système. Les caméras appellent chez elles, les ports sont exposés ou trop d’utilisateurs disposent d’un accès administrateur.

Étape 1 : capturer des flux de caméras locaux et stables

Le NVR doit pouvoir accéder directement et de manière fiable aux flux des caméras. Le protocole RTSP est courant dans les systèmes de caméras auto-hébergés, tandis qu’ONVIF peut faciliter la détection des appareils, la gestion des profils et des événements, ainsi que l’interopérabilité.

La page Profils ONVIF explique que les appareils et clients compatibles doivent prendre en charge un ensemble défini de fonctionnalités de profil. Les utilisateurs doivent vérifier la conformité enregistrée au lieu de se fier uniquement à la mention commerciale « compatible ONVIF ».

Avant d’acheter une caméra, vérifiez les points suivants :

  • Il fournit un flux RTSP local ou compatible.
  • Il peut fonctionner sans abonnement obligatoire à un service cloud.
  • Le flux reste disponible même après le blocage de l’accès à Internet depuis le réseau local.
  • Il fournit un flux secondaire de résolution inférieure.
  • Son débit binaire, sa fréquence d’images et son codec peuvent être configurés.
  • Ses identifiants de connexion peuvent être modifiés et gérés localement.

Étape 2 : utiliser la détection de mouvement pour limiter la détection d’objets

Exécuter la détection d’objets sur chaque pixel de chaque image gaspillerait des ressources. Frigate commence par analyser les mouvements afin de repérer les zones où une détection plus poussée est nécessaire.

Cela permet à un seul détecteur de gérer plusieurs caméras plus efficacement. Cela signifie également que la configuration de la détection de mouvement reste importante même lorsque la détection d’objets est activée.

Étape 3 : détecter et suivre les objets pertinents

La détection d’objets s’effectue sur le flux attribué à ce rôle. Le flux sélectionné doit offrir suffisamment de détails pour les classes d’objets et les distances concernées, sans entraîner de charge de décodage inutile.

La configuration des caméras de Frigate permet d’attribuer des flux distincts à la détection et à l’enregistrement. Un flux de résolution inférieure peut être utilisé pour la détection, tandis qu’un flux de résolution supérieure est conservé pour les enregistrements.

Cette séparation est souvent préférable à l’utilisation d’un seul flux haute résolution pour tous les usages.

Étape 4 : décider quels événements sont importants

Une détection ne doit pas automatiquement déclencher une notification. Un événement n’est utile qu’une fois filtré en fonction des priorités du foyer.

Par exemple :

Activité détectée Traitement suggéré
Une personne marche sur le trottoir public Suivre la personne, mais ne pas envoyer d’alerte sauf si elle entre dans une zone privée.
Un véhicule passe dans la rue Ignorer ou conserver brièvement, sans notification.
Un véhicule entre dans l’allée Créer un élément à examiner et envoyer une notification selon l’heure ou le statut connu du véhicule.
Un colis apparaît sur le perron Enregistrer la séquence et envoyer une notification de livraison.
Un animal passe dans le jardin N’enregistrer ou n’envoyer des notifications que si le foyer souhaite recevoir des alertes concernant la faune ou les animaux de compagnie.

Étape 5 : conserver les séquences en fonction de leur valeur

Toutes les secondes de vidéosurveillance ne méritent pas la même durée de conservation.

Une politique pratique peut prévoir de conserver :

  • Les séquences continues, pendant une courte période
  • Les séquences de mouvement, pendant plusieurs jours supplémentaires
  • Les détections ou alertes importantes, plus longtemps
  • Les preuves exportées manuellement, jusqu’à ce qu’elles ne soient plus nécessaires

Les paramètres d’enregistrement de Frigate permettent d’appliquer différentes durées de conservation aux enregistrements continus, sur détection de mouvement, d’alerte et de détection.

Étape 6 : Sécurisez le réseau et l’accès à distance

Le système n’est axé sur le local que si son réseau et ses voies d’accès sont contrôlés. Les caméras ne devraient pas avoir le même niveau de confiance que les ordinateurs personnels, le stockage de documents ou les appareils d’administration.

L’accès à distance devrait normalement passer par une voie contrôlée, telle qu’un VPN de confiance, un proxy inverse authentifié ou une autre couche d’accès soigneusement sécurisée, plutôt que d’exposer le NVR directement à l’Internet public.

Quelles caméras sont compatibles avec un NVR IA local ?

Privilégiez la stabilité des flux locaux

La meilleure caméra pour un NVR IA local n’est pas nécessairement celle qui possède la plus longue liste de fonctionnalités « IA » intégrées. Un flux local stable est plus important.

Recherchez :

  • Prise en charge de RTSP
  • Conformité ONVIF vérifiée, le cas échéant
  • Flux principaux et sous-flux configurables
  • Sortie H.264 ou H.265 pris en charge
  • Débit binaire et fréquence d’images réglables
  • Ethernet filaire fiable ou Wi-Fi puissant
  • Comptes utilisateur locaux
  • Qualité d’image satisfaisante en basse lumière

Les flux principaux et les sous-flux de détection ont des fonctions différentes

Un flux haute résolution est utile pour examiner les preuves, lire les plaques d’immatriculation, identifier des visages ou zoomer sur un événement enregistré.

Un flux de résolution inférieure peut suffire à la détection d’objets et réduire considérablement la charge de décodage.

Une configuration courante est la suivante :

  • Flux de détection : résolution et fréquence d’images inférieures.
  • Flux d’enregistrement : résolution et qualité d’image supérieures.
  • Flux retransmis pour la vue en direct : choisi en fonction du tableau de bord ou de l’appareil client.

Les caméras filaires sont généralement plus faciles à exploiter de manière fiable

Les caméras Wi-Fi peuvent convenir, mais chacune mobilise une partie du temps d’antenne sans fil et peut être affectée par une perte de signal, la congestion, les modes d’économie d’énergie ou les changements de point d’accès.

Les caméras filaires, en particulier celles utilisant l’alimentation par Ethernet, peuvent simplifier l’alimentation, le réseau et la disponibilité. Le choix le plus adapté dépend toutefois des contraintes d’installation et de la faisabilité du câblage.

Comment Frigate réduit les fausses alertes

La détection de mouvement et la détection d’objets fonctionnent de concert

La détection de mouvement détermine où l’analyse doit avoir lieu. La détection d’objets détermine ce qui peut être présent.

Désactiver le mouvement ou appliquer trop de masques peut rendre le suivi des objets moins fiable. Une sensibilité au mouvement trop élevée peut gaspiller des ressources de traitement et générer des événements candidats inutiles.

Utilisez des zones pour les endroits importants

Les zones sont utiles lorsque l’on souhaite recevoir des alertes uniquement après qu’un objet est entré dans une partie définie de l’image, par exemple :

  • Porche avant
  • Allée
  • Portillon latéral
  • Entrée du garage
  • Patio arrière

Une zone peut être associée à des paramètres de zone obligatoire : un objet peut ainsi continuer à être suivi hors de la zone, mais ne déclencher l’alerte sélectionnée qu’en y entrant.

Utilisez les masques avec parcimonie

La documentation de Frigate sur les masques distingue les masques de mouvement des masques de filtrage des objets et précise que les deux sont des outils de réglage précis, pas des méthodes générales pour masquer une zone à la détection.

Les masques de mouvement peuvent aider à exclure les mouvements persistants tels que :

  • Un horodatage incrusté
  • Des arbres qui bougent en haut de l’image
  • Des reflets sur une surface fixe
  • Un drapeau qui bouge constamment

Les masques de filtrage d’objets sont plus adaptés aux faux positifs récurrents dans les endroits où un objet donné ne devrait pas pouvoir se trouver.

Un masquage excessif peut perturber le suivi. Si l’exigence est « ne recevoir une alerte que lorsqu’une personne entre dans cette zone », une zone obligatoire est généralement plus appropriée.

Le positionnement des caméras détermine toujours la qualité de la détection

L’IA ne peut pas reconstituer les détails que la caméra ne capture pas. La qualité de la détection dépend des éléments suivants :

  • Hauteur de montage
  • Angle de vue
  • Taille de l’objet dans le flux de détection
  • Contre-jour et éblouissement
  • Éclairage nocturne
  • Flou de mouvement
  • Propreté de l’objectif
  • Paramètres de compression

Un nombre réduit de caméras bien positionnées peut fournir des informations de sécurité plus pertinentes que de nombreux flux mal positionnés.

Fonctionnement de la recherche vidéo par IA locale

Les filtres classiques et la recherche sémantique répondent à des besoins différents

Les filtres classiques sont plus adaptés lorsque l’utilisateur connaît déjà un détail structuré :

  • Nom de la caméra
  • Date et heure
  • Catégorie d’objet
  • Zone
  • Visage connu
  • Plaque d’immatriculation reconnue

La recherche sémantique est utile lorsque le souvenir est descriptif plutôt que structuré :

  • Une personne transporte un objet long
  • Un livreur dépose un colis près de la porte
  • Un véhicule sombre recule dans l’allée
  • Un chien suit une personne qui franchit le portail

Associer des filtres structurés à la recherche sémantique donne généralement de meilleurs résultats que de s’appuyer uniquement sur la similarité sémantique.

La recherche sémantique nécessite plus de mémoire que la détection de base

La recherche sémantique exécute un modèle d’intégration vision-langage en plus du pipeline habituel des caméras.

Frigate recommande actuellement au moins 8 Go de RAM et un processeur prenant en charge les instructions AVX et AVX2 pour la recherche sémantique. Sa documentation recommande 16 Go ou plus et un GPU dédié pour de meilleures performances.

La réindexation d’un historique volumineux d’objets suivis peut entraîner temporairement une forte utilisation du processeur. Cette tâche doit être planifiée en tenant compte des enregistrements, des sauvegardes et des autres activités du serveur.

La recherche par similarité d’images est utile pour les enquêtes manuelles

L’utilisateur peut sélectionner un objet suivi précédemment et rechercher des événements visuellement similaires. Cela peut aider à repérer les visites répétées d’un véhicule similaire ou d’une personne portant des vêtements similaires.

Une ressemblance visuelle ne prouve pas qu’il s’agit de la même personne ou du même objet. Des véhicules, des vêtements, des éclairages et des angles de caméra similaires peuvent donner des résultats associés qui nécessitent malgré tout une vérification manuelle.

Frigate, domotique et NAS : que faut-il faire tourner sur chaque machine ?

Option 1 : un seul serveur domestique exécute tout

Dans une petite installation, une seule machine peut exécuter :

  • Frigate
  • MQTT
  • Home Assistant
  • Stockage des enregistrements
  • Notifications
  • Un petit nombre d’autres conteneurs

Cette solution est simple à comprendre et à gérer, mais une panne, un redémarrage ou un pic d’utilisation des ressources peut affecter tous les services à la fois.

Option 2 : un mini-PC exécute Frigate et un NAS stocke les enregistrements

C’est souvent un compromis pratique pour les systèmes de plus grande taille.

Le mini-PC prend en charge :

  • Décodage des flux
  • Analyse des mouvements
  • Détection d’objets
  • Recherche sémantique
  • Base de données et interface Frigate

Le NAS prend en charge :

  • Capacité d’enregistrement
  • Conservation plus longue
  • Exports sélectionnés
  • Sauvegardes importantes des clips

Cela évite que le traitement vidéo constant ne sollicite les principales charges de stockage, tout en profitant d’une capacité centralisée.

Option 3 : le NAS héberge Frigate avec une accélération prise en charge

L’exécution directe de Frigate sur un NAS peut fonctionner lorsque :

  • Le système d’exploitation prend en charge les conteneurs requis.
  • Le détecteur ou le GPU peut être correctement passé en relais.
  • Le nombre de caméras est modéré.
  • Le NAS dispose de suffisamment de mémoire.
  • Les écritures des caméras n’interfèrent pas avec les services essentiels.
  • La pile logicielle prend en charge le chemin de décodage vidéo prévu.

Le guide interne sur les charges de travail domestiques à exécuter en dehors du NAS fournit un cadre plus général pour déterminer quand séparer le stockage et le calcul.

Le NAS reste utile même sans exécuter l’IA

Un NAS axé sur le stockage peut toujours prendre en charge des flux de données domestiques locaux pratiques, même si une autre machine effectue l’inférence des caméras.

Le matériel de stockage et le matériel d’IA n’ont pas besoin d’être le même appareil.

Quel matériel faut-il à un NVR IA local ?

CPU : gestion des flux et tâches générales du système

Le processeur peut gérer :

  • Analyse des mouvements
  • Processus FFmpeg
  • Services de conteneurs
  • Activité de la base de données
  • Requêtes API
  • Génération de la chronologie
  • Tout décodage vidéo qui n’est pas déchargé

L’ajout d’un accélérateur IA ne supprime pas toutes les tâches du processeur.

Décodeur vidéo : décompression des flux des caméras

Le décodage vidéo et l’inférence IA sont deux tâches distinctes. Un accélérateur de détection d’objets peut traiter efficacement les images, tandis que le processeur reste surchargé par le décodage de plusieurs flux haute résolution.

Le décodage vidéo par une puce graphique ou un GPU pris en charge peut réduire considérablement la charge du processeur. La configuration exacte dépend du processeur, du système d’exploitation, de l’image du conteneur, du codec et de la version de Frigate.

Détecteur : inférence pour la détection d’objets

La documentation Matériel recommandé de Frigate prend en charge plusieurs solutions de détection, notamment Hailo, OpenVINO sur le matériel Intel compatible, les GPU NVIDIA, AMD ROCm, Apple Silicon, Jetson, Rockchip, Coral et d’autres plateformes.

Les recommandations actuelles de Frigate ne préconisent généralement plus Coral pour les nouvelles installations, sauf lorsque la faible consommation d’énergie ou les limitations matérielles le justifient. Les installations Coral existantes restent prises en charge, mais les nouvelles configurations doivent comparer toutes les options de détection actuellement prises en charge.

RAM : NVR, base de données et fonctionnalités d’enrichissement

La détection d’objets de base peut nécessiter une quantité modérée de mémoire, mais la recherche sémantique, la reconnaissance faciale, la reconnaissance des plaques d’immatriculation, les modèles plus volumineux, les caméras supplémentaires et les autres conteneurs augmentent les besoins totaux en RAM.

Prévoyez la mémoire nécessaire à l’ensemble du serveur, pas seulement au détecteur.

SSD : base de données et données d’examen actives

Un SSD peut améliorer la réactivité pour :

  • Fichiers de la base de données Frigate
  • Vignettes et aperçus
  • Séquences récentes
  • Index de recherche
  • Données des conteneurs
  • Enregistrements consultés fréquemment

Les écritures constantes des caméras entraînent de l’usure ; il faut donc tenir compte de l’endurance du SSD, de l’espace disponible et de la surveillance.

HDD : conservation des enregistrements sur une plus longue durée

Le stockage sur HDD est généralement plus économique pour de grandes quantités d’enregistrements historiques. Il permet de les conserver plus longtemps, tandis que la base de données et les données applicatives fréquemment utilisées restent sur SSD.

Le guide interne Le goulot d’étranglement de votre IA locale concerne-t-il le calcul, la mémoire, le stockage ou le réseau ? peut aider à déterminer quel élément d’un système multicaméra limite les performances.

De combien de stockage les caméras de sécurité ont-elles besoin ?

Le stockage dépend principalement du débit binaire moyen, de la durée d’enregistrement, du nombre de caméras et de la durée de conservation.

Une estimation décimale approximative est :

Stockage par jour en Go ≈ débit binaire en Mbit/s × 10,8

Débit binaire moyen par caméra Stockage approximatif par caméra et par jour Stockage approximatif par jour pour quatre caméras
2 Mbit/s 21,6 Go 86,4 Go
4 Mbit/s 43,2 Go 172,8 Go
8 Mbit/s 86,4 Go 345,6 Go

Il s’agit d’estimations prévisionnelles, et non de valeurs d’utilisation garanties. Le débit binaire variable, le niveau d’activité, l’audio, les codecs, la complexité des scènes et la conservation basée sur les événements peuvent modifier la consommation réelle.

Enregistrement continu ou conservation basée sur les événements

L’enregistrement continu offre le meilleur contexte historique, mais nécessite davantage de stockage. L’enregistrement basé uniquement sur les événements réduit les besoins en capacité, mais peut faire manquer des activités pertinentes avant ou après l’événement détecté.

Une politique équilibrée peut prévoir une courte durée de conservation des enregistrements continus et une durée plus longue pour les alertes et les détections importantes.

Sauvegarder les événements importants, pas nécessairement chaque image

Les séquences des caméras génèrent beaucoup de données. Il peut être coûteux et inutile de sauvegarder chaque seconde indéfiniment.

De nombreux foyers peuvent répartir les séquences vidéo comme suit :

  • Enregistrements courants qui expirent automatiquement
  • Séquences de détection conservées pour les enquêtes
  • Exports importants copiés sur un stockage protégé
  • Preuves essentielles stockées en dehors du NVR principal

NVR IA local ou caméras de sécurité cloud

Critère de comparaison NVR IA local Plateforme de caméras cloud
Configuration Nécessite de configurer la caméra, le serveur, le logiciel, le stockage et le réseau. Généralement plus faciles à installer et à utiliser.
Traitement par IA Peuvent fonctionner localement avec des modèles et du matériel compatibles. Souvent traitées via l’infrastructure du fournisseur.
Stockage La capacité et la durée de conservation sont définies par l’utilisateur. Souvent lié à un abonnement.
Dépendance à Internet L’enregistrement et la détection peuvent continuer localement en cas de panne. Les services à distance et certaines fonctionnalités peuvent cesser de fonctionner.
Maintenance L’utilisateur gère les mises à jour, les disques, les sauvegardes et la sécurité. Le fournisseur gère la majeure partie de l’infrastructure.
Accès à distance Doit être configuré et sécurisé par l’utilisateur. Généralement intégrées à l’application du fournisseur.
Contrôle des données Davantage de séquences vidéo et de métadonnées peuvent rester sur le réseau domestique. Cela dépend de l’architecture et de la politique du fournisseur.

Le bon choix dépend de ce que le foyer privilégie : la simplicité d’utilisation, le contrôle de la confidentialité, des coûts prévisibles, la personnalisation ou un minimum de maintenance.

Comment préserver la confidentialité des caméras IP

Placez les caméras sur un réseau séparé

Un VLAN dédié ou un réseau de caméras isolé peut limiter les ressources auxquelles les caméras peuvent accéder.

Une règle courante autorise les caméras à communiquer avec le NVR et les services locaux nécessaires, tout en bloquant l’accès aux appareils personnels et aux espaces de stockage sensibles.

Bloquez les accès inutiles à Internet

Le blocage du trafic sortant peut réduire la dépendance au cloud du fabricant, mais aussi désactiver l’accès à l’application, la synchronisation de l’heure, les notifications ou les mises à jour du micrologiciel.

Testez une caméra avant d’appliquer une règle stricte à l’ensemble du système.

La discussion publique Caméra IP qui communique avec son fabricant illustre un problème courant de l’auto-hébergement : l’enregistrement local n’empêche pas nécessairement une caméra de tenter d’établir des connexions sortantes.

Utilisez un accès à distance par VPN ou authentifié

N’exposez pas directement les flux des caméras, l’interface du NVR ou les ports d’administration sans avoir soigneusement évalué la sécurité du système.

Utilisez une authentification forte, des connexions chiffrées, des comptes aux accès limités et un moyen contrôlé d’accès à distance.

Séparez les comptes de consultation et d’administration

Tous les membres du foyer n’ont pas besoin de l’autorisation pour :

  • Modifier les configurations des caméras
  • Supprimer des enregistrements
  • Exporter des séquences vidéo
  • Modifier les bibliothèques de visages
  • Modifier les règles de notification
  • Accéder à toutes les caméras intérieures

Accordez aux utilisateurs le niveau d’accès minimal requis pour leur rôle.

Vérifiez les lois locales et les attentes des membres du foyer

Les règles concernant l’enregistrement audio, la surveillance des espaces publics, la reconnaissance faciale, la conservation des images et le filmage des visiteurs varient selon les lieux.

Les capacités techniques ne rendent pas automatiquement chaque usage approprié. Informez les membres du foyer, évitez la surveillance inutile des espaces privés et vérifiez les exigences locales applicables.

Liste pratique de vérification pour installer un système de caméras à IA locale

  1. Définissez votre objectif réel. Décidez si la priorité est de recevoir des alertes de livraison de colis, de surveiller l’allée, d’assurer la sécurité à l’intérieur, de détecter les animaux ou de rechercher des enregistrements.
  2. Planifiez la couverture des caméras. Choisissez les emplacements et les angles avant d’acheter d’autres caméras.
  3. Vérifiez les flux locaux. Confirmez le fonctionnement de RTSP, la conformité ONVIF lorsque nécessaire et le fonctionnement sans accès obligatoire au cloud.
  4. Choisissez les flux de détection et d’enregistrement. Utilisez un flux de résolution inférieure pour la détection et, si possible, un flux de meilleure qualité pour les preuves.
  5. Estimez le stockage nécessaire. Calculez le débit binaire, le nombre de caméras, la durée de conservation des enregistrements continus et celle des événements.
  6. Choisissez du matériel compatible. Adaptez le détecteur et le chemin de décodage vidéo à la version de Frigate sélectionnée.
  7. Commencez avec une seule caméra. Vérifiez la stabilité du flux, l’utilisation du processeur, la vitesse d’inférence, les enregistrements et les notifications.
  8. Créez des zones avant d’ajouter des masques complexes. Définissez les endroits où les alertes sont vraiment utiles.
  9. Testez en conditions réelles. Vérifiez le fonctionnement en journée, la nuit, sous la pluie, avec les phares, les animaux domestiques, les livraisons et les activités habituelles du foyer.
  10. Segmentez le trafic des caméras. Établissez des règles de pare-feu et de réseau avant que le système ne prenne de l’ampleur.
  11. Configurez les comptes et l’accès à distance. Évitez de partager les identifiants d’administrateur et d’exposer directement le système sur Internet.
  12. Testez la conservation et l’exportation. Vérifiez que vous pouvez retrouver et copier les séquences importantes avant l’expiration des anciens enregistrements.
  13. Surveillez l’état du serveur. Suivez l’utilisation du processeur et de la RAM, la latence du détecteur, les erreurs de flux, l’espace disque, l’usure du SSD et les interruptions d’enregistrement.

Problèmes et limites courants

Les flux des caméras se déconnectent ou saccadent

Les causes possibles comprennent une connexion Wi-Fi instable, un trop grand nombre de connexions à la caméra, des codecs inadaptés, un débit binaire excessif, des commutateurs peu performants, une perte de paquets ou des problèmes liés au micrologiciel de la caméra.

Testez le flux local brut avant de mettre en cause le détecteur IA.

Les détections de personnes ou de véhicules sont incorrectes

Examinez les cadres de détection, les scores de confiance, la résolution de détection, la taille des objets et l’adéquation du modèle. Les faux positifs récurrents peuvent être filtrés par objet, tandis qu’il est généralement préférable de gérer les zones non pertinentes à l’aide de zones.

La détection nocturne est bien moins performante

Les reflets infrarouges, les insectes, la pluie, les phares, le flou de mouvement et le faible contraste peuvent nuire aux performances nocturnes.

Améliorez l’éclairage, repositionnez la caméra, réduisez les surfaces réfléchissantes et adaptez séparément vos attentes pour le jour et la nuit.

L’utilisation du processeur reste élevée après l’ajout d’un détecteur

Le détecteur peut accélérer l’inférence d’objets tandis que le processeur continue de décoder la vidéo, de suivre les mouvements, de gérer les conteneurs, d’écrire les enregistrements et de fournir l’interface.

Vérifiez le décodage vidéo matériel, la résolution du flux, la fréquence d’images de la caméra et si les fonctions non prises en charge sont exécutées par le processeur.

Les écritures liées à l’enregistrement affectent les autres services du NAS

L’enregistrement des caméras génère continuellement de nombreuses écritures. Il peut entrer en concurrence avec les sauvegardes, les bibliothèques multimédias, les bases de données et les accès habituels aux fichiers.

Si nécessaire, utilisez un stockage distinct, des jeux de données dédiés, une durée de conservation planifiée ou un hôte Frigate séparé.

La recherche sémantique sollicite davantage le matériel que prévu

La recherche sémantique nécessite un modèle d’embeddings et un index distincts. Les objets suivis plus anciens peuvent également nécessiter une réindexation gourmande en ressources processeur.

N’activez les fonctions avancées d’enrichissement qu’une fois l’enregistrement de base et la détection d’objets stabilisés.

La reconnaissance faciale n’est pas fiable

La reconnaissance faciale nécessite des détails faciaux suffisants, des angles de caméra adaptés et un jeu d’entraînement diversifié. Une caméra optimisée pour couvrir une grande propriété risque de ne pas fournir assez de détails pour identifier les personnes.

Utilisez la reconnaissance faciale comme élément de contexte supplémentaire, et non comme seul fondement des décisions de sécurité.

L’enregistrement local n’empêche pas les caméras de communiquer avec des serveurs externes

La destination de stockage et le comportement réseau sont deux sujets distincts. Examinez les requêtes DNS, le trafic sortant, les fonctions du micrologiciel, les dépendances aux applications du fabricant et les règles du pare-feu.

La détection par IA ne constitue pas à elle seule un système de sécurité complet.

L’IA locale des caméras peut filtrer les événements et réduire le temps consacré à leur examen. Elle ne peut pas garantir que chaque événement sera détecté, identifié, enregistré ou signalé par une notification.

Les serrures, l’éclairage, la sécurité physique, le placement judicieux des caméras, les sauvegardes et le jugement humain restent essentiels.

Quand vaut-il la peine de créer un système local de caméras IA ?

Un NVR IA local mérite d’être envisagé lorsque :

  • Les alertes de détection de mouvement génèrent trop de bruit.
  • Le foyer souhaite filtrer les personnes, les véhicules, les animaux ou les colis.
  • Les abonnements aux caméras dans le cloud deviennent coûteux.
  • Les séquences privées ou filmées à l’intérieur doivent rester en local.
  • Les utilisateurs souhaitent une conservation plus longue ou plus flexible.
  • Il faut pouvoir examiner les images de plusieurs marques de caméras dans une seule interface.
  • Les événements des caméras doivent déclencher des automatisations domotiques.
  • Les événements enregistrés doivent faire l’objet d’une recherche sémantique locale.
  • Le foyer est prêt à assurer la maintenance du serveur et du réseau.

Un enregistreur plus simple ou une caméra dans le cloud peut être préférable lorsque :

  • Le foyer ne compte qu’une ou deux caméras.
  • Un simple enregistrement sur détection de mouvement suffit.
  • Personne ne souhaite gérer le stockage ou les mises à jour.
  • La facilité d’accès à distance compte davantage que le contrôle local.
  • Les caméras ne fournissent pas de flux locaux fiables.

L’objectif n’est pas de construire le système de caméras le plus complexe. Il s’agit de réduire le temps nécessaire pour comprendre ce qui s’est passé, tout en assurant un fonctionnement fiable et un niveau de confidentialité adapté.

Conclusion

Un système local de caméras de sécurité IA associe des flux stables de caméras IP, un NVR privé, une détection sélective des objets, des filtres d’événements, des enregistrements consultables, un stockage planifié et un accès à distance contrôlé.

Le NAS peut exécuter le logiciel, stocker les séquences ou servir uniquement de couche de stockage à long terme. La détection sur plusieurs caméras, le décodage, la reconnaissance faciale, la reconnaissance des plaques d’immatriculation et la recherche sémantique, plus exigeants, peuvent être mieux adaptés à un mini-PC distinct ou à un serveur IA.

Commencez par les bases : des flux fiables, une caméra fonctionnelle, des zones bien définies, des règles de conservation claires, une accélération prise en charge et un accès réseau sécurisé. N’ajoutez la reconnaissance faciale, la reconnaissance des plaques d’immatriculation, la recherche sémantique et les descriptions génératives qu’une fois le processus d’enregistrement et de détection stabilisé.

Le meilleur système de caméras IA locales n’est pas celui qui génère le plus d’alertes. C’est celui qui fait ressortir les événements pertinents, garde les séquences importantes accessibles et permet au foyer de contrôler clairement où ses vidéos sont traitées et stockées.

FAQ

Les caméras de sécurité IA peuvent-elles fonctionner sans le cloud ?

Oui. Les caméras IP compatibles peuvent envoyer des flux locaux à un NVR tel que Frigate, où l’enregistrement et la détection d’objets sont exécutés sur du matériel local.

Vérifiez si les caméras elles-mêmes nécessitent toujours des comptes chez le fabricant ou des connexions sortantes pour d’autres fonctions.

Puis-je exécuter Frigate directement sur un NAS ?

Oui, si le NAS prend en charge les conteneurs requis, la configuration du stockage, le passthrough des périphériques, le décodage vidéo et le matériel de détection.

Pour les installations plus exigeantes, exécuter Frigate sur un mini-PC distinct tout en utilisant le NAS pour les enregistrements peut améliorer l’isolation et les performances.

Ai-je besoin d’un GPU pour Frigate ?

Pas nécessairement. Frigate prend en charge plusieurs types d’accélérateurs, notamment Intel OpenVINO, Hailo, Coral, NVIDIA, AMD, Apple Silicon, Jetson, Rockchip et d’autres.

Un accélérateur pris en charge est vivement recommandé pour la détection régulière d’objets. Un GPU devient plus utile pour le décodage vidéo, les modèles de détection plus volumineux, la recherche sémantique, la reconnaissance faciale et d’autres enrichissements.

Google Coral est-il toujours recommandé pour une nouvelle installation de Frigate ?

Frigate prend toujours en charge Coral, mais ses recommandations matérielles actuelles ne le préconisent généralement pas pour les nouvelles installations, sauf lorsque la faible consommation d’énergie ou les limitations matérielles le justifient.

Pour les nouvelles installations, il convient de comparer les options d’accélérateur actuellement prises en charge au matériel hôte et à la charge de travail des caméras.

De combien de RAM la recherche sémantique de Frigate a-t-elle besoin ?

Frigate nécessite actuellement au moins 8 Go de RAM et un processeur compatible AVX/AVX2 pour la recherche sémantique. Sa documentation recommande 16 Go ou plus et un GPU dédié pour de meilleures performances.

Dois-je utiliser le flux haute résolution de la caméra pour la détection ?

Pas toujours. Un flux secondaire de résolution inférieure peut fournir suffisamment de détails pour la détection d’objets tout en réduisant la charge de décodage. Un flux de meilleure qualité peut être conservé pour les enregistrements.

La reconnaissance faciale et la reconnaissance des plaques d’immatriculation peuvent nécessiter plus de détails que la simple détection de personnes ou de véhicules ; le flux approprié dépend donc de la scène.

Quelle est la différence entre une zone et un masque ?

Une zone définit un espace dans lequel l’activité suivie peut être pertinente pour les alertes ou les enregistrements. Un masque de mouvement empêche le mouvement dans une zone étroite de déclencher la détection. Un masque de filtre d’objets supprime les fausses détections récurrentes d’un type d’objet particulier dans un emplacement précis.

Les masques doivent être utilisés avec parcimonie. Les zones sont généralement préférables lorsque l’objectif est de déclencher des alertes uniquement dans une zone sélectionnée.

Frigate peut-il rechercher d’anciennes séquences vidéo à l’aide du langage naturel ?

La recherche sémantique de Frigate permet de rechercher des objets suivis et indexés à l’aide de descriptions textuelles ou d’images similaires. Il peut être nécessaire de réindexer les événements plus anciens après l’activation de la recherche sémantique.

L’enregistrement local garantit-il la confidentialité des caméras ?

Non. Les caméras peuvent tout de même contacter les serveurs du fabricant, et l’enregistreur vidéo en réseau (NVR) peut rester exposé en raison de paramètres d’accès à distance non sécurisés.

La protection de la vie privée exige l’isolation du réseau, des règles de pare-feu, une authentification sécurisée, un accès à distance contrôlé, des mises à jour logicielles et des autorisations utilisateur appropriées.

Faut-il sauvegarder les enregistrements continus des caméras de sécurité ?

Pas nécessairement. Les enregistrements continus courants peuvent être conservés pendant une durée limitée. Les alertes importantes, les séquences exportées ou les preuves doivent être copiées sur un stockage protégé lorsqu’une conservation à long terme est nécessaire.

Références

Centre technologique et IA

À lire aussi

Get More Builds Like This

Stay in the Loop

Get updates from Zima - new products, exclusive deals, and real builds from the community.

Stay in the Loop preferences

We respect your inbox. Unsubscribe anytime.