Commençons par un peu de contexte : j’héberge Gladys et Frigate sur un Rock64 ( ROCK64 - PINE64 ), c’est un CPU plutôt basique épaulé par 4Go de mémoire. Pour Gladys, ça « fait le job ». Pour Frigate en plus, ça semble plutôt compromis. Voici l’état de charge lorsque Frigate est en mode « détection » :
De plus, Frigate ne détecte rien, et c’est là que je me demande si ma configuration de Frigate est correcte. Les instructions relatives à l’installation et configuration de l’intégration sont très précises (mais je l’avoue reste un peu complexes pour un novice), en revanche, j’ai suivi les instructions basiques de Claude pour configurer une caméra de tests …
Je vais commencer par essayer de trouver un Coral USB, le configurer et faire chuter la charge CPU avant d’aller plus loin …
Ce qui est certain c’est que le Coral pourra énormément soulager ton CPU !!
C’est quand même important surtout que tu as déjà Gladys dessus, qui pâtit de cette forte charge lors des détections Frigate
Si ça peut t’aider, voici la config de Frigate chez moi, sur un serveur sans TPU.
L’astuce c’est de faire de la détection sur une image plus basse qualité et sur un nombre d’images limité par seconde. Je n’ai rien inventé, Claude l’a fait pour moi.
Extrait en question :
detect:
enabled: true # détection d'objets active par défaut
width: 1536
height: 864
fps: 5
Config complète :
# Géré par Ansible — rôle frigate
# Documentation : https://docs.frigate.video/configuration/
mqtt:
enabled: true
host: IP_GLADYS_ICI
port: 1883
topic_prefix: frigate
client_id: frigate
user: gladys
password: SUPPRIMÉ
# Accélération matérielle pour mon CPU qui est un iGPU Intel UHD 770 (i5-13500T)
ffmpeg:
hwaccel_args: preset-intel-qsv-h264
output_args:
record: preset-record-generic-audio-aac
# Détecteur d'objets
# https://docs.frigate.video/configuration/object_detectors
detectors:
ov:
type: openvino
device: GPU # iGPU Intel via OpenVINO
# Modèle de détection (requis pour OpenVINO) — SSDLite MobileNet v2 fourni
# dans l'image à /openvino-model (rapide, léger).
model:
width: 300
height: 300
input_tensor: nhwc
input_pixel_format: bgr
path: /openvino-model/ssdlite_mobilenet_v2.xml
labelmap_path: /openvino-model/coco_91cl_bkgr.txt
# Go2rtc — restream des flux cameras (Mes caméras sont des raspberry Pi)
go2rtc:
streams:
pi3-cam: rtsp://10.15.10.155:8554/cam
# Enregistrement — schéma Frigate 0.16+
# https://docs.frigate.video/configuration/record
record:
enabled: true
# Enregistrement continu (0 = désactivé, garde seulement motion/alertes)
continuous:
days: 0
# Enregistrement déclenché par mouvement
motion:
days: 30
# Conservation des segments liés aux alertes / détections d'objets
alerts:
retain:
days: 30
mode: motion
detections:
retain:
days: 30
mode: motion
# Détection de mouvement globale
motion:
threshold: 30
improve_contrast: true
# Objets suivis globalement — limite la détection et alimente les topics MQTT
# d'état par objet : frigate/<cam>/<objet> (ON/OFF) + frigate/<cam>/<objet>/snapshot
objects:
track:
- person
# Caméras
cameras:
pi3-cam:
ffmpeg:
inputs:
- path: rtsp://10.15.10.155:8554/cam
roles: [detect, record]
detect:
enabled: true # détection d'objets active par défaut
width: 1536
height: 864
fps: 5
# Masque de mouvement : exclut la zone de l'OSD (date/heure/hostname gravés
# côté MediaMTX) — sinon le texte qui défile déclenche mouvement + détection.
# Coordonnées normalisées 0-1, polygone "x1,y1,x2,y2,...".
motion:
mask:
- 0,0,0.33,0,0.33,0.07,0,0.07
record:
enabled: true
snapshots:
enabled: true
timestamp: true # horodatage gravé sur les snapshots
bounding_box: true
retain:
default: 30
version: 0.17-0
