簡単な回答
ローカルAIセキュリティカメラシステムは、すべてのアラート、クリップ、検知でクラウド処理に依存するのではなく、家庭内ネットワークの機器でIPカメラの映像を録画・解析します。
通常、システムは5つのコンポーネントを組み合わせて構成します。
- 安定したローカル映像ストリームを提供するIPカメラ。
- FrigateなどのローカルNVRアプリケーション。
- 人、車両、動物、荷物、その他の有用なクラスを対象とする物体検出。
- 録画、クリップ、スナップショット、データベース、検索インデックス用のストレージ。
- どのイベントでアラートを発生させるか、保存するか、ホームオートメーションシステムに送るかを決めるルール。
NASでNVRを動かしたり、録画を保存したりできますが、すべてのタスクを担う必要はありません。負荷の大きい構成では、ミニPCや独立したAIサーバーで動画のデコードと検知を行い、NASをストレージ層として使うことができます。
主な利点は、セキュリティカメラに単に「AIを追加する」ことではありません。誤報を減らし、重要なイベントをすばやく見つけ、映像をローカルで管理し、不要なクラウドサブスクリプションへの依存を避けることです。
ローカルAIセキュリティカメラシステムとは?
ローカル録画とローカルAIは別々の機能
ローカル録画とは、カメラから家庭内のデバイスに映像を送り、クラウドストレージを必要とせずにその映像を保存することです。
ローカルAI検知は、さらにもう1つのレイヤーを加えます。NVRが選択したフレームを解析し、人、車両、動物、荷物など、意味のある物体やイベントの特定を試みます。
- 車道に入ってくる人
- ガレージの近くに停車する車両
- 玄関先に置かれた荷物
- 庭を移動する犬
- 玄関に到着した既知の顔
- 車道を映すカメラに映ったナンバープレート
AIなしでローカル録画を行うことも、常時録画せずに検知を行うこともできます。必要な計算資源、ネットワーク、ストレージが異なるため、2つの機能は分けて計画する必要があります。
カメラ、NVR、ストレージサーバーの役割はそれぞれ異なる
| コンポーネント | 主な役割 | よくある制約 |
|---|---|---|
| IPカメラ | 映像を撮影し、ローカルストリームを提供します。 | ベンダーのクラウドサービスに依存していたり、ストリームが不安定だったりする場合があります。 |
| ローカルAI NVR | ストリームをデコードし、動きや物体を検出してイベントを作成し、アラートを管理します。 | ストリームが多すぎたり、対応していないアクセラレーションを使用したりすると、過負荷になることがあります。 |
| AI検出器またはアクセラレーター | 物体検出の推論処理をより効率的に実行します。 | 動画のデコード、ストレージ、ユーザーインターフェースが必ずしも高速化されるわけではありません。 |
| NASまたはストレージサーバー | 録画、クリップ、スナップショット、エクスポート、バックアップを保存します。 | カメラからの絶え間ない書き込みが、ファイル保存やバックアップの処理と競合する可能性があります。 |
| ホームオートメーションシステム | カメラのイベントを通知、照明、ダッシュボード、その他のアクションにつなげます。 | 設計の悪いルールでは、AIが解決するはずだったアラート疲れを再び招くことがあります。 |
ベンダーによっては、ストレージと検知機能を統合した構成をAI NASと呼ぶことがあります。しかし、ユーザーにとって重要なのは名称ではありません。ローカルカメラのワークフロー全体で、確実に録画でき、イベントを正しく絞り込み、映像を保護し、継続的に管理できるかどうかです。
ローカルでも完全オフラインとは限らない
カメラはローカルNVRに録画できますが、それでもアカウントへのログイン、テレメトリ、通知、リモート視聴、時刻同期、ファームウェア関連のサービスのために、ベンダーのサーバーに接続する場合があります。
真にローカルファーストな設計を実現するには、データの流れ全体を把握する必要があります。
- カメラが動画を送信する先
- カメラにクラウドアカウントが必要か
- 外部へのインターネットアクセスを遮断できるか
- リモート視聴の仕組み
- 通知が生成される場所
- 録画やサムネイルがネットワークの外に送信されるか
ローカルカメラAIで実際にできること
人物、車両、動物、荷物を検出
基本的な動体検知は、動画フレーム間の変化に反応します。風、影、虫、雨、ヘッドライト、木の枝、圧縮ノイズは、いずれも動きとして検出されることがあります。
物体検出では、動きを引き起こしたものは何か、というより有用な問いに答えます。
Frigate は、IPカメラ向けにリアルタイムの物体検出を中心に設計されたローカルNVRです。低負荷の動体検知を使って、すべてのフレームのすべての部分を常時解析するのではなく、物体検出を実行するタイミングと場所を判断します。
検出された対象クラスに、場所、時刻、継続時間、信頼度、家庭内のルールを組み合わせてから、アラートを作成できます。
ゾーンと時間ルールでイベントを絞り込む
人物を検出するだけでは、常に十分とは限りません。公共の歩道を歩く人物は問題にならなくても、深夜0時以降に玄関ポーチに入る人物には、すぐに注意を払う必要があるかもしれません。
実用的なアラートルールでは、次の条件を組み合わせることがあります。
- 対象の種類:人物
- 必須ゾーン:玄関ポーチ
- 時刻:午後11時以降
- 信頼度の最低しきい値
- イベントの最短時間
- カメラごとの通知設定
こうした文脈に基づく絞り込みは、対象クラスを増やすよりも役立つことがよくあります。
説明から録画イベントを検索
最新のローカルNVRソフトウェアは、時系列のイベント一覧にとどまりません。Frigateは追跡対象のローカル埋め込みデータを生成し、セマンティック検索に利用できます。
セマンティック検索 によると、ユーザーはテキストによる説明、既存の画像、または自動生成された説明を使って、追跡対象を検索できます。画像とテキストの埋め込みデータはローカルに保存され、検索されます。
検索例:
- 赤いジャケットを着た人物
- driveway に駐車された白い配送バン
- ゲートの近くを走る犬
- 大きな箱を持つ人物
- 以前のイベントに似た車両
セマンティック検索は調査や確認に役立ちますが、完全な自動アラート機能として扱うべきではありません。視覚的類似性モデルは、関連していても誤ったイベントを返すことがあります。特に、対象が小さい場合やシーンが似ている場合に起こりやすくなります。
見慣れた顔を認識
顔認識では、まずシステムが十分鮮明な顔を検出すると、検出した人物に既知の名前を紐付けられます。
Frigateの顔認識機能はローカルで動作し、CPU向けの効率的なモデルと、対応するGPUまたはNPUハードウェア向けの大型モデルをサポートしています。
顔認識は、人の検出に代わるものではなく、任意で追加する機能として扱う必要があります。結果は次の要因によって変わることがあります。
- カメラからの距離
- 顔の角度
- モーションブラー
- 暗所または赤外線映像
- 帽子、眼鏡、または部分的な遮蔽
- 不鮮明、または代表性に欠ける学習画像
録画解像度を上げることよりも、カメラの設置場所と顔の細部が重要です。
ナンバープレートを認識する
ナンバープレート認識を使うと、私道に入る登録済みの車両を特定したり、後で確認できるように読み取ったナンバーを記録したりできます。
ナンバープレート認識のドキュメントでは、Frigateが認識したナンバーの文字列や登録名を、追跡中の車やオートバイに紐付けられると説明されています。
LPRには、ナンバープレートを読み取れる撮影角度と画質が必要です。私道の上方に高く設置された広角の全景カメラは、車両を確実に検出できても、ナンバープレートを読み取れない場合があります。
イベントの説明と要約を作成する
一部のローカルカメラのワークフローでは、追跡されたイベントに説明や要約を追加できます。選択した設定に応じて、これらの機能はローカルまたは外部の視覚言語モデルを使用する場合があります。
説明を使うとイベントの検索や確認がしやすくなりますが、画像やイベントデータがネットワーク外に送信されないと考える前に、設定したプロバイダーがローカルで動作するかどうかを確認してください。

ローカルAIカメラとNVRのパイプライン
信頼性の高いローカルAIカメラシステムは、1つのAIモデルではなく、パイプラインとして捉える必要があります。
| パイプラインの段階 | 処理内容 | 発生する可能性のある問題 |
|---|---|---|
| 1. 撮影 | IPカメラは、タイムスタンプ付きのローカル映像ストリームと安定したネットワーク接続を提供します。 | ストリームが切断されたり、途切れたり、ベンダーのクラウドアクセスに依存したりする。 |
| 2. 動きの分析 | 軽量な動体検知により、詳細な分析が必要となる可能性のある領域やタイミングを特定します。 | 雨、虫、影、ヘッドライト、または感度が高すぎる設定によって、不要な動きが増えます。 |
| 3. 物体検出 | 検出器が、人、車両、動物、荷物、その他の対応する物体を分類します。 | 暗所、悪い撮影角度、小さな物体、不適切なモデルによって精度が低下する。 |
| 4. フィルタリングと情報付加 | ゾーン、信頼度しきい値、顔認識、LPR、説明によってコンテキストが加わります。 | 不適切なルールにより、アラートが多すぎたり、有用なイベントが見落とされたりする。 |
| 5. レビューとストレージ | システムはクリップ、レビュー項目、タイムライン、録画、検索インデックス、エクスポートを作成します。 | ストレージがいっぱいになる、データベースの動作が遅くなる、または保存期間のルールによって必要な映像が削除される。 |
| 6. セキュリティとアクセス | ネットワーク分離、認証、リモートアクセス、権限管理、アップデートでシステムを保護します。 | カメラが外部に通信する、ポートが公開されている、または管理者権限を持つユーザーが多すぎる。 |
ステップ1:安定したローカルカメラストリームを取得する
NVR はカメラのストリームに直接、安定してアクセスできる必要があります。RTSP はセルフホスト型カメラシステムで広く使われており、ONVIF はデバイスの検出、プロファイル、イベント、相互運用性に役立ちます。
ONVIF プロファイルのページでは、対応するデバイスとクライアントが、規定された一連のプロファイル機能をサポートする必要があると説明されています。「ONVIF 対応」という販売上の表示だけを頼りにせず、登録された適合性を確認してください。
カメラを購入する前に、次の点を確認してください。
- ローカルの RTSP ストリーム、または互換性のあるストリームを提供します。
- 必須のクラウドサブスクリプションなしで動作します。
- 外部インターネットへのアクセスを遮断した後も、ストリームを利用できます。
- 低解像度のサブストリームを利用できます。
- ビットレート、フレームレート、コーデックを設定できます。
- 認証情報はローカルで変更・管理できます。
ステップ2:モーションを使って物体検知の範囲を絞る
すべてのフレームの全ピクセルを対象に物体検知を実行すると、リソースの無駄になります。Frigate はまずモーション解析を行い、追加の検知が必要な場所を特定します。
これにより、1つの検知器で複数のカメラをより効率的に処理できます。また、物体検知が有効でも、モーション設定が重要であることに変わりはありません。
ステップ3:関連する物体を検知して追跡する
物体検知は、検知用に割り当てられたストリームに対して実行されます。選択するストリームは、不要なデコード負荷を発生させずに、対象の物体クラスや距離を判別できるだけの詳細度を備えている必要があります。
Frigate のカメラ設定では、検知用と録画用に別々のストリームを割り当てられます。検知には低解像度のストリームを使い、録画には高解像度のストリームを保存できます。
このように役割を分けるほうが、1つの高解像度ストリームにすべてを担わせるより効果的な場合がよくあります。
ステップ4:重要なイベントを決める
検知したからといって、自動的に通知する必要はありません。イベントは、家族の優先事項に沿って絞り込んで初めて役立ちます。
たとえば、次のとおりです。
| 検知された動き | 推奨される対応 |
|---|---|
| 人物が公道の歩道を歩行 | 追跡しますが、人物が私有エリアに入らない限り通知しません。 |
| 車両が道路を通過 | 無視するか、通知せずに短期間保存します。 |
| 車両が driveway に進入 | 確認項目を作成し、時間帯や登録済み車両の状態に応じて通知します。 |
| 玄関先に荷物が出現 | クリップを保存し、配達通知を作成します。 |
| 裏庭を動物が通過 | 家族が野生動物やペットのアラートを希望する場合にのみ、録画または通知します。 |
ステップ5:映像を価値に応じて保存する
カメラ映像の1秒1秒すべてに、同じ保存期間を設ける必要はありません。
実用的な運用ルールでは、次のように保存できます。
- 常時録画の映像は短期間保存
- モーション映像をさらに数日間保存
- 重要な検知映像やアラートをより長期間保存
- 必要がなくなるまで、手動でエクスポートした証拠映像を保存
Frigate の録画設定では、常時録画、モーション録画、アラート録画、検知録画で、それぞれ異なる保存期間を設定できます。
ステップ6:ネットワークとリモートアクセスを保護する
ネットワークとアクセス経路を管理してこそ、ローカルファーストのシステムと言えます。カメラを、個人用コンピューター、文書ストレージ、管理者用デバイスと同じ信頼レベルに置かないでください。
リモートでの映像確認には通常、信頼できる VPN、認証付きリバースプロキシ、または慎重に保護された別のアクセス層など、管理された経路を使い、NVR をインターネットに直接公開しないようにしてください。
ローカル AI NVR に対応するカメラは?
安定したローカルストリームを優先する
ローカル AI NVR に最適なカメラは、内蔵の「AI」機能が最も豊富なカメラとは限りません。安定したローカルストリームのほうが重要です。
次の点を確認してください。
- RTSP 対応
- 該当する場合は、ONVIF 準拠が確認されていること
- メインストリームとサブストリームを設定できること
- H.264 または対応する H.265 の出力
- ビットレートとフレームレートを調整できること
- 信頼性の高い有線イーサネット、または強力な Wi-Fi
- ローカルユーザーアカウント
- 暗所で十分な画質を確保できること
メインストリームと検出用サブストリームは用途が異なる
高解像度のストリームは、証拠映像の確認、ナンバープレートの読み取り、顔の識別、録画イベントのズームに役立ちます。
低解像度のストリームでもオブジェクト検出には十分な場合があり、デコード負荷を大幅に軽減できます。
一般的な構成は次のとおりです。
- 検出用ストリーム:低解像度、低フレームレート。
- 録画用ストリーム:高解像度、高画質。
- ライブビューの再ストリーミング:ダッシュボードやクライアントデバイスに合わせて選択。
有線カメラのほうが安定運用しやすい
Wi-Fiカメラも使用できますが、各カメラが無線通信の帯域を共有するため、電波の損失や混雑、省電力動作、アクセスポイントの変更などの影響を受けることがあります。
有線カメラ、特に PoE(Power over Ethernet)対応カメラは、電源、ネットワーク、稼働時間の管理を簡素化できます。ただし、最適な選択は設置条件や配線の可否によって異なります。
Frigate が誤報を減らす仕組み
動体検出とオブジェクト検出は連携して動作する
動体検出は、どこを解析するかを決めます。オブジェクト検出は、何が存在するかを判定します。
動体検出を無効にしたり、マスクをかけすぎたりすると、オブジェクト追跡の信頼性が低下することがあります。動体検出の感度が高すぎると、処理負荷が無駄に増え、不要なイベント候補が生成されることがあります。
重要なエリアにはゾーンを使う
次のように、対象が画像内の指定エリアに入った後にのみアラートを受け取りたい場合は、ゾーンが適しています。
- 玄関ポーチ
- 私道
- サイドゲート
- ガレージの入口
- 裏庭のパティオ
ゾーンに必須ゾーンの設定を組み合わせると、対象がエリアの外でも追跡される一方、該当するゾーンに入るまでは指定したアラートを発生させないようにできます。
マスクは最小限に使う
Frigate の マスク のドキュメントでは、動体マスクとオブジェクトフィルターマスクを区別し、どちらも検出範囲からエリアを隠す一般的な方法ではなく、細かな調整に使う限定的なツールだと注意を促しています。
モーションマスクは、次のような継続的な動きを除外するのに役立ちます。
- タイムスタンプのオーバーレイ
- 画面上部で動く木々
- 固定された面からの反射
- 絶えず動く旗
特定の物体が存在するはずのない場所で繰り返し誤検出が起きる場合は、物体フィルターマスクのほうが適しています。
マスクをかけすぎると追跡に支障が出ることがあります。「この場所に人が入ったときだけ通知する」場合は、通常、必須ゾーンを設定するほうが適切です。
カメラの設置場所は検出品質を左右する
カメラが捉えられない細部をAIが復元することはできません。検出品質は次の要素に左右されます。
- 設置の高さ
- 視野角
- 検出用ストリームにおける物体の大きさ
- 逆光とグレア
- 夜間照明
- モーションブラー
- レンズの汚れ
- 圧縮設定
適切な位置に設置した少数のカメラのほうが、設置場所の悪い多数の映像ストリームより、セキュリティに役立つ情報を得られる場合があります。
ローカルAI映像検索の仕組み
従来のフィルターとセマンティック検索は異なるニーズに対応
構造化された詳細がすでにわかっている場合は、従来のフィルターが最適です。
- カメラ名
- 日時
- 物体の種類
- ゾーン
- 既知の顔
- 認識されたナンバープレート
記憶が構造化されておらず、説明的な場合、セマンティック検索が役立ちます。
- 長い物を持ち運ぶ人
- 配達員がドアの近くに箱を置く
- 暗い色の車がバックで私道に入る
- 人の後を追ってゲートを通る犬
構造化フィルターとセマンティック検索を組み合わせると、通常、セマンティック類似度だけに頼るより良い結果が得られます。
セマンティック検索には基本的な検出より多くのメモリが必要
セマンティック検索では、通常のカメラ処理に加えて、視覚言語埋め込みモデルを実行します。
Frigateのセマンティック検索の要件は、RAM 8GB以上とAVXおよびAVX2命令に対応したCPUです。より良いパフォーマンスを得るため、ドキュメントではRAM 16GB以上と専用GPUを推奨しています。
追跡対象の大量の履歴を再インデックスすると、一時的にCPU使用率が高くなることがあります。録画、バックアップ、その他のサーバー作業を考慮して、この処理をスケジュールしてください。
画像類似検索は手動調査に便利
ユーザーは過去に追跡した対象を選び、見た目が似ているイベントを検索できます。似た車両や、似た服装の人が繰り返し訪れた場合の発見に役立ちます。
見た目が似ているだけでは、同一であるとは判断できません。似た車両、服装、照明、カメラアングルによって関連する検索結果が表示されても、手動での確認が必要です。
Frigate、ホームオートメーション、NAS: それぞれ何を動かす?
選択肢1: 1台のホームサーバーですべてを稼働
小規模な構成では、1台のマシンで次のものを稼働できます。
- Frigate
- MQTT
- Home Assistant
- 録画ストレージ
- 通知
- その他の少数のコンテナ
理解しやすく管理も簡単ですが、障害や再起動、リソースの急増が起きると、すべてのサービスに同時に影響する可能性があります。
選択肢2: ミニPCでFrigateを稼働し、NASに映像を保存
より大規模なシステムでは、これが実用的なバランスになることがよくあります。
ミニPCが担当する処理:
- ストリームのデコード
- 動体分析
- 物体検出
- セマンティック検索
- Frigateのデータベースとインターフェース
NASが担当する処理:
- 録画容量
- 長期保存
- 選択したエクスポート
- 重要なクリップのバックアップ
これにより、中央のストレージ容量を活用しながら、継続的な動画処理を主要なストレージ処理から切り離せます。
オプション3:対応アクセラレーションを利用してNAS上でFrigateを実行
次の条件を満たす場合、NAS上でFrigateを直接実行できます。
- OSが必要なコンテナに対応している。
- 検出器またはGPUを正しくパススルーできる。
- カメラの台数が少ない。
- NASに十分なメモリがある。
- カメラからの書き込みが重要なサービスの妨げにならない。
- ソフトウェアスタックが目的の動画デコード方式に対応している。
内部ガイド家庭内のワークロードをNASの外で実行するべき場合では、ストレージとコンピューティングを分離するタイミングを判断するための、より広範な指針を紹介しています。
AIを実行しなくてもNASは役立つ
ストレージを優先するNASでも、別のマシンでカメラの推論処理を行えば、実用的な家庭内データワークフローを引き続きサポートできます。
ストレージ用ハードウェアとAI用ハードウェアを同じデバイスにする必要はありません。
ローカルAI NVRにはどのようなハードウェアが必要?
CPU:ストリーム管理と一般的なシステム処理
CPUが処理する可能性のある項目:
- 動体分析
- FFmpegプロセス
- コンテナサービス
- データベース処理
- APIリクエスト
- タイムラインの生成
- オフロードされない動画デコード
AIアクセラレーターを追加しても、CPUのすべての処理負荷がなくなるわけではありません。
動画デコーダー:カメラストリームの解凍
動画デコードとAI推論は別々の処理です。物体検出アクセラレーターでフレームを効率よく分類できても、複数の高解像度ストリームのデコードでCPUが過負荷になることがあります。
対応する内蔵グラフィックスまたはGPUによる動画デコードを利用すると、CPUへの負荷を大幅に軽減できます。具体的な構成は、プロセッサー、OS、コンテナイメージ、コーデック、Frigateのビルドによって異なります。
検出器:物体検出の推論
Frigateの推奨ハードウェアのドキュメントでは、Hailo、対応するIntelハードウェア上のOpenVINO、NVIDIA GPU、AMD ROCm、Apple Silicon、Jetson、Rockchip、Coralなど、複数の検出器の選択肢が紹介されています。
現在のFrigateのガイダンスでは、新規インストールにCoralを一般的に推奨していません。ただし、低消費電力やハードウェアの制約から適している場合は除きます。既存のCoral環境は引き続きサポートされていますが、新規構築では現在サポートされているすべての検出器オプションを比較してください。
RAM:NVR、データベース、拡張機能
基本的な物体検出のメモリ要件は中程度でも、セマンティック検索、顔認識、LPR、大規模モデル、カメラの増設、その他のコンテナによって、必要なRAMの総量は増加します。
検出器だけでなく、サーバー全体のメモリを計画しましょう。
SSD:データベースとレビュー用データ
SSDを使うと、次の項目の応答性が向上します。
- Frigateのデータベースファイル
- サムネイルとプレビュー
- 最近のクリップ
- 検索インデックス
- コンテナデータ
- 頻繁に確認する録画
カメラからの書き込みが絶えず発生するため、SSDの耐久性、空き容量、状態の監視を考慮する必要があります。
HDD:録画の長期保存
大量の録画データを保存する場合、通常はHDDのほうが経済的です。データベースや頻繁にアクセスするアプリケーションデータをSSDに保存しながら、録画データをより長期間保存できます。
内部ガイドローカルAIのボトルネックは演算能力、メモリ、ストレージ、ネットワークのどれ?を参考にすると、マルチカメラシステムの性能を制限している要素を特定できます。
防犯カメラに必要なストレージ容量は?
ストレージ容量は主に、平均ビットレート、録画時間、カメラ台数、保存期間によって決まります。
概算は次のとおりです。
1日あたりのストレージ容量(GB) ≈ ビットレート(Mbps) × 10.8
| カメラ1台あたりの平均ビットレート | カメラ1台の1日あたりの概算ストレージ容量 | カメラ4台の1日あたりの概算ストレージ容量 |
|---|---|---|
| 2 Mbps | 21.6 GB | 86.4 GB |
| 4 Mbps | 43.2 GB | 172.8 GB |
| 8 Mbps | 86.4 GB | 345.6 GB |
これらは計画用の概算であり、実際の使用量を保証するものではありません。可変ビットレート、動きの量、音声、コーデック、シーンの複雑さ、イベントベースの保存期間によって、実際の使用量は変わります。
連続録画とイベントベースの保存期間
連続録画は過去の状況を最もよく把握できますが、より多くのストレージが必要です。イベントのみ録画する方式では必要容量を減らせますが、検知されたイベントの前後に役立つ動きがあっても記録されない可能性があります。
バランスの取れたポリシーでは、連続録画の保存期間を短くし、アラートや重要な検知の保存期間を長くできます。
すべてのフレームではなく、重要なイベントをバックアップ
カメラ映像は頻繁に更新されるデータです。すべての映像を無期限にバックアップすると、コストがかさみ、不要な場合もあります。
多くの家庭では、映像を次のように分けて保存できます。
- 一定期間が過ぎると自動的に削除される通常の録画
- 調査用に検知クリップを保存
- 重要なエクスポートデータを保護されたストレージにコピー
- 重要な証拠映像をメインのNVR以外にも保存
ローカルAI NVRとクラウドセキュリティカメラ
| 比較項目 | ローカルAI NVR | クラウドカメラプラットフォーム |
|---|---|---|
| セットアップ | カメラ、サーバー、ソフトウェア、ストレージ、ネットワークの設定が必要です。 | 一般に、インストールして使うのが簡単です。 |
| AI処理 | 対応するモデルとハードウェアを使えば、ローカルで実行できます。 | 多くの場合、プロバイダーのインフラを経由して処理されます。 |
| ストレージ | 容量と保存期間をユーザーが管理できます。 | サブスクリプションプランに含まれていることが多いです。 |
| インターネットへの依存 | 障害発生中も、録画や検知をローカルで継続できます。 | リモートサービスや一部の機能が停止する可能性があります。 |
| メンテナンス | ユーザーがアップデート、ディスク、バックアップ、セキュリティを管理します。 | インフラの大部分をプロバイダーが管理します。 |
| リモートアクセス | ユーザー自身が設定し、セキュリティを確保する必要があります。 | 通常はプロバイダーのアプリに組み込まれています。 |
| データの管理 | より多くの映像やメタデータをホームネットワーク内に保存できます。 | プロバイダーのアーキテクチャやポリシーによって異なります。 |
最適な選択は、利便性、プライバシーの管理、予測しやすい費用、カスタマイズ性、最小限のメンテナンスのうち、家庭で何を最も重視するかによって異なります。
IPカメラのプライバシーを守る方法
カメラを別のネットワークに配置する
専用VLANまたは分離されたカメラネットワークを使うと、カメラの接続先を制限できます。
一般的な方針では、カメラからNVRや必要なローカルサービスへの通信は許可しつつ、個人用デバイスや機密データの保存先へのアクセスはブロックします。
不要な外部インターネットアクセスをブロックする
外向きの通信をブロックすると、ベンダーのクラウドへの依存を減らせますが、アプリへのアクセス、時刻の同期、通知、ファームウェアの更新が無効になることもあります。
システム全体に厳格なルールを適用する前に、カメラ1台でテストしてください。
公開ディスカッションの IPカメラが自宅に通信している は、セルフホスティングでよくある問題を示しています。ローカル録画をしていても、カメラが外部への接続を試みるのを必ずしも防げるとは限りません。
VPNベースまたは認証付きのリモートアクセスを使用する
セキュリティ設計を慎重に検証していない限り、カメラのストリーム、NVRインターフェース、管理用ポートを直接公開しないでください。
強固な認証、暗号化された接続、制限付きアカウント、管理されたリモートアクセス経路を使用します。
閲覧者アカウントと管理者アカウントを分ける
すべての同居人に次の権限が必要なわけではありません。
- カメラ設定の変更
- 録画の削除
- 映像のエクスポート
- 顔データベースの変更
- 通知ルールの変更
- 屋内カメラすべてへのアクセス
ユーザーには、役割に必要な最小限のアクセス権を付与します。
現地の法律と同居する人の意向を確認する
音声の録音、公共エリアの撮影、顔認識、映像の保存、来訪者の撮影に関する規則は、地域によって異なります。
技術的に可能だからといって、どの用途も適切とは限りません。同居する人に知らせ、プライベートな場所の不要な監視を避け、該当する地域の要件を確認してください。
実用的なローカルAIカメラ設置チェックリスト
- 本当の目的を明確にしましょう。優先するのが荷物の通知、車道の監視、屋内の安全、動物の検知、検索可能な録画のどれなのかを決めます。
- カメラの撮影範囲を割り当てましょう。カメラを追加購入する前に、設置場所と角度を決めます。
- ローカルストリームを確認しましょう。RTSP、必要に応じてONVIFへの準拠、クラウドへの接続が必須でない状態での動作を確認します。
- 検知用と録画用のストリームを選びましょう。可能であれば、検知には低解像度のストリームを、証拠映像には高画質のストリームを使います。
- ストレージ容量を見積もりましょう。ビットレート、カメラ台数、連続録画の保存期間、イベント録画の保存期間を計算します。
- 対応ハードウェアを選びましょう。選択したFrigateビルドに検知器と動画デコード方式を合わせます。
- カメラ1台から始めましょう。ストリームの安定性、CPU使用率、推論速度、録画、通知を検証します。
- 複雑なマスクを追加する前に、ゾーンを作成しましょう。アラートが本当に必要な場所を定義します。
- 実際の環境でテストします。昼間、夜間、雨、ヘッドライト、ペット、配達、日常の家庭内活動を確認してください。
- カメラの通信を分離します。システムが大規模になる前に、ファイアウォールとネットワークのルールを設定してください。
- アカウントとリモートアクセスを設定します。管理者認証情報を共有したり、システムをインターネットに直接公開したりしないでください。
- 保持期間とエクスポートをテストします。古い映像が削除される前に、重要なクリップを見つけてコピーできることを確認してください。
- サーバーの状態を監視します。CPU、RAM、検出器のレイテンシ、ストリームエラー、ディスク容量、SSDの消耗、録画の欠落を確認してください。
よくある問題と制限事項
カメラのストリームが切断される、または途切れる
原因として、Wi-Fiの不安定さ、カメラ接続数の多さ、不適切なコーデック、過度なビットレート、性能の低いスイッチ、パケットロス、カメラのファームウェアの問題などが考えられます。
AI検出器の問題と決めつける前に、生のローカルストリームをテストしてください。
人物や車両の検出が正しくない
バウンディングボックス、信頼度スコア、検出解像度、物体のサイズ、モデルの適性を確認してください。固定的に発生する誤検知には物体フィルターが有効な場合がありますが、関係のない場所を除外するにはゾーンの使用が適しています。
夜間の検出性能が大幅に低下する
赤外線の反射、虫、雨、ヘッドライト、動体ブレ、低コントラストは、夜間の性能を低下させることがあります。
照明を改善し、カメラの位置を調整し、反射面を減らしたうえで、昼と夜で期待値を分けて設定してください。
検出器を追加してもCPU使用率が高いまま
検出器が物体推論を高速化しても、CPUは引き続き動画のデコード、動きの追跡、コンテナの管理、録画の書き込み、インターフェースの提供を行う場合があります。
ハードウェアによるビデオデコード、ストリーム解像度、カメラのフレームレートを確認し、非対応の機能がCPU処理に切り替わっていないか確かめてください。
録画の書き込みが他のNASサービスに影響する
カメラ録画では、常時、大量の書き込みが発生します。バックアップ、メディアライブラリ、データベース、通常のファイルアクセスと競合することがあります。
必要に応じて、ストレージを分ける、専用のデータセットを使う、保持期間を計画する、または別のFrigateホストを用意してください。
セマンティック検索は想定以上にハードウェアを使用する
セマンティック検索では、別途、埋め込みモデルとインデックスが必要です。以前に追跡された物体についても、CPUに負荷のかかる再インデックス処理が必要になる場合があります。
基本的な録画と物体検出が安定してから、高度な補助機能を有効にしてください。
顔認識は信頼性に欠ける
顔認識には、顔を十分に鮮明に捉えること、適切なカメラアングル、多様な学習データが必要です。敷地全体を広く撮影するよう最適化されたカメラでは、個人の特定に必要な詳細を捉えられない場合があります。
顔認識は補足情報として利用し、セキュリティ上の判断を顔認識だけに頼らないでください。
ローカル録画をしていても、カメラのホームへの通信は止まりません
保存先とネットワーク上の挙動は別の問題です。DNSリクエスト、外向きの通信、ファームウェアの機能、ベンダー製アプリへの依存関係、ファイアウォールルールを確認してください。
AI検知だけでは包括的なセキュリティシステムにならない
ローカルカメラAIはイベントを絞り込み、映像の確認にかかる時間を短縮できます。ただし、すべてのイベントが検知、識別、録画され、通知として届くことを保証するものではありません。
鍵、照明、物理的な防犯対策、適切なカメラの設置、バックアップ、人の判断も引き続き重要です。
ローカルAIカメラシステムを構築する価値があるのはどんなとき?
次のような場合は、ローカルAI NVRの構築を検討する価値があります。
- 動体検知のアラートが多すぎて煩わしい。
- 人物、車両、動物、荷物でフィルタリングしたい。
- クラウドカメラのサブスクリプション料金が高くなってきている。
- プライベートな映像や屋内の映像をローカルに保存したい。
- より長い、または柔軟な保存期間を設定したい。
- 複数ブランドのカメラを一つの画面で確認したい。
- カメラのイベントをホームオートメーションのトリガーにしたい。
- 録画イベントをローカルでセマンティック検索したい。
- 家庭内でサーバーとネットワークを保守できる。
次のような場合は、よりシンプルなレコーダーやクラウドカメラのほうが適している可能性があります。
- 家庭内のカメラが1台か2台しかない。
- 基本的な動体検知録画で十分。
- ストレージやアップデートを管理したくない。
- ローカルでの管理より、簡単なリモートアクセスを重視する。
- カメラから安定したローカルストリームを取得できない。
目指すのは、最も複雑なカメラシステムを構築することではありません。信頼性と適切なプライバシーを保ちながら、何が起きたかを把握するのにかかる時間を短縮することです。
まとめ
ローカルAIセキュリティカメラシステムは、安定したIPカメラのストリーム、プライベートなNVR、必要なものに絞った物体検知、イベントフィルター、検索可能な録画、計画的なストレージ、管理されたリモートアクセスを組み合わせたものです。
NASでソフトウェアを動かすことも、映像を保存することも、長期保存用のストレージとしてのみ使うこともできます。複数カメラの高負荷な検知、デコード、顔認識、ナンバープレート認識、セマンティック検索には、別のミニPCやAIサーバーのほうが適している場合があります。
まずは基本から始めましょう。安定したストリーム、動作するカメラ1台、適切なゾーン、明確な保存期間のルール、対応するアクセラレーション、安全なネットワークアクセスを整えます。録画・検知のパイプラインが安定してから、顔認識、ナンバープレート認識、セマンティック検索、生成AIによる説明を追加しましょう。
最適なローカルAIカメラシステムとは、最も多くのアラートを出すシステムではありません。適切なイベントを知らせ、重要な映像をいつでも確認でき、映像の処理と保存の場所を家庭内で明確に管理できるシステムです。
よくある質問
AIセキュリティカメラはクラウドなしで使えますか?
はい。対応するIPカメラは、FrigateなどのNVRにローカルストリームを送信でき、録画や物体検知をローカルのハードウェアで実行できます。
カメラ自体が、ほかの機能を使うためにベンダーアカウントや外部への接続を引き続き必要とするか確認してください。
FrigateをNAS上で直接実行できますか?
はい。NASが必要なコンテナ、ストレージ構成、デバイスパススルー、動画デコード、検知用ハードウェアに対応していれば可能です。
高負荷な構成では、Frigateを別のミニPCで動かし、録画にはNASを使用することで、分離性とパフォーマンスが向上する場合があります。
FrigateにはGPUが必要ですか?
必ずしもそうではありません。Frigateは、Intel OpenVINO、Hailo、Coral、NVIDIA、AMD、Apple Silicon、Jetson、Rockchipなど、複数の種類の検知器に対応しています。
定期的に物体検知を行う場合は、対応アクセラレーターの使用を強くおすすめします。動画のデコード、大規模な検知モデル、セマンティック検索、顔認識、その他の機能拡張には、GPUがあるとより便利です。
新規にFrigateを導入する場合、Google Coralは今も推奨されていますか?
Frigateは引き続きCoralをサポートしていますが、現在のハードウェアガイドでは、新規導入にCoralを一般的には推奨していません。消費電力の低さや限られたハードウェアが理由で適している場合は除きます。
新たに構築する場合は、現在サポートされている検知器の選択肢を、ホストのハードウェアやカメラの負荷と照らし合わせて検討してください。
Frigateのセマンティック検索には、どのくらいのRAMが必要ですか?
Frigateのセマンティック検索には、現在、最低8GBのRAMとAVX/AVX2対応CPUが必要です。パフォーマンス向上のため、ドキュメントでは16GB以上のRAMと専用GPUが推奨されています。
検知にはカメラの高解像度ストリームを使うべきですか?
必ずしもそうではありません。低解像度のサブストリームでも物体検知には十分な場合があり、デコード負荷を抑えられます。録画には、より高画質のストリームを使用できます。
顔認識やナンバープレート認識には、基本的な人物・車両検知よりも高い詳細度が必要な場合があるため、適切なストリームは撮影シーンによって異なります。
ゾーンとマスクの違いは何ですか?
ゾーンは、追跡対象の動きがアラートや録画に関係するエリアを定義します。モーションマスクは、狭いエリアの動きが検知のトリガーになるのを防ぎます。物体フィルターマスクは、特定の場所で特定の種類の物体が繰り返し誤検知されるのを抑制します。
マスクは必要最小限にとどめてください。選択したエリア内だけでアラートを出したい場合は、通常、ゾーンを設定する方が適しています。
Frigateで自然言語を使って過去のカメラ映像を検索できますか?
Frigateのセマンティック検索では、テキストによる説明や類似画像を使って、インデックス化された追跡対象を検索できます。セマンティック検索を有効にした後、以前のイベントは再インデックス化が必要になる場合があります。
ローカル録画すればカメラのプライバシーは保証されますか?
いいえ。カメラがベンダーのサーバーに接続する場合があり、危険なリモートアクセス設定によってNVRが外部にさらされる可能性もあります。
プライバシーを守るには、ネットワークの分離、ファイアウォールルール、安全な認証、管理されたリモートアクセス、ソフトウェアの更新、適切なユーザー権限が必要です。
防犯カメラの連続映像はバックアップすべきですか?
通常、すべての映像を保存する必要はありません。通常の連続映像には、保存期間を限定するポリシーを適用できます。長期保存が必要な場合は、重要なアラート、エクスポートしたクリップ、証拠映像を保護されたストレージにコピーしてください。
参考資料
テクノロジー&AIハブ
続きを読む

llama.cpp 1.0を解説:ローカルAIサーバーにどんな変化がある?
llama.cpp 1.0との互換性、モデルとバックエンドの確認、アップグレードのテスト、メモリの計画、NASストレージの役割について理解しましょう。

Maxwell-V1-Flashをローカルで実行:RAM、VRAM、長文コンテキストの要件
Maxwellの元のチェックポイントの容量、実用的なGPUの計画、長文脈のキャッシュコスト、文書化されたローカルvLLMのデプロイ手順を理解しましょう。

NASにアダルト動画を保存する方法:初心者向けガイド
NASにアダルト動画を保存する方法、ストレージの選び方、ファイルの転送、再生とバックアップの設定、コンテンツのレビューやオンラインメタデータについて学びましょう。



