Xây Dựng Hệ Thống Nhận Diện Khuôn Mặt Và Phát Hiện Chuyển Động Thông Minh Với Frigate AI Trên VPS GPU
Hướng dẫn chi tiết xây dựng hệ thống giám sát thông minh với Frigate AI trên VPS GPU, tích hợp nhận diện khuôn mặt và phát hiện chuyển động, tối ưu hiệu năng và chi phí cho doanh...
Xây Dựng Hệ Thống Giám Sát Thông Minh Với Frigate AI Trên VPS GPU
Trong thời đại số hóa, việc triển khai hệ thống giám sát an ninh thông minh đã trở thành nhu cầu thiết yếu cho doanh nghiệp nhỏ, văn phòng, và nhà ở. Với sự phát triển của AI, Frigate AI đã trở thành một giải pháp tự host mạnh mẽ, cho phép phát hiện chuyển động và nhận diện khuôn mặt từ camera IP, chạy hiệu quả trên VPS GPU. Hướng dẫn này sẽ hướng dẫn bạn xây dựng hệ thống giám sát thông minh với Frigate AI, tối ưu chi phí và hiệu năng.
Giới Thiệu Về Frigate AI
Frigate AI là một hệ thống giám sát video tự host, tích hợp AI để phát hiện chuyển động và nhận diện khuôn mặt. Dựa trên GitHub Frigate, hệ thống này sử dụng TensorFlow Lite hoặc ONNX để phân tích video thời gian thực, hỗ trợ nhiều camera IP, và có khả năng cảnh báo qua email, MQTT, hoặc ứng dụng di động.
Đặc biệt, Frigate AI hỗ trợ GPU acceleration để tăng tốc xử lý hình ảnh, giúp hệ thống xử lý nhiều camera cùng lúc mà không bị lag. Với cấu hình VPS GPU, bạn có thể triển khai hệ thống này mà không cần đầu tư vào phần cứng đắt tiền.
Yêu Cầu Trước Khi Triển Khai
Để xây dựng hệ thống, bạn cần:
- Một VPS có GPU hỗ trợ CUDA (tối thiểu 8GB RAM, GPU NVIDIA T4 hoặc RTX 30xx)
- Camera IP hỗ trợ RTSP (ví dụ: Hikvision, Dahua)
- OS: Ubuntu 22.04 LTS hoặc Debian 11
- Đã cài Docker và Docker Compose
Tham khảo hướng dẫn cài đặt Docker tại: Cloud VPS RAM lớn cho Self-Host LLM & API Gateway.
Triển Khai Frigate AI Trên VPS GPU
Chúng ta sẽ sử dụng Docker để triển khai Frigate AI. Tạo file docker-compose.yml với nội dung sau:
version: '3.8'
services:
frigate:
container_name: frigate
image: cr.frigate.video/frigate:stable-amd64
runtime: nvidia
restart: unless-stopped
volumes:
- /etc/localtime:/etc/localtime:ro
- ./config:/config
- ./recordings:/recordings
- /dev/bus/usb:/dev/bus/usb
ports:
- "5000:5000"
- "1935:1935" # RTMP
devices:
- /dev/dri:/dev/dri
environment:
- FRIGATE_CAMERA__CAMERA1__RTSP_URL=rtsp://username:[email protected]:554/stream1
- FRIGATE_CAMERA__CAMERA1__FPS=5
- FRIGATE_CAMERA__CAMERA1__WIDTH=1280
- FRIGATE_CAMERA__CAMERA1__HEIGHT=720
- FRIGATE_CAMERA__CAMERA1__FPS=5
- FRIGATE_CAMERA__CAMERA1__MODEL=face
- FRIGATE_CAMERA__CAMERA1__MODEL__DETECTIONS__FACE__ENABLED=true
- FRIGATE_CAMERA__CAMERA1__MODEL__DETECTIONS__FACE__CONFIDENCE=0.6
- FRIGATE_CAMERA__CAMERA1__MODEL__DETECTIONS__FACE__THRESHOLD=0.6
- FRIGATE_CAMERA__CAMERA1__MODEL__DETECTIONS__FACE__RECOGNITION__ENABLED=true
- FRIGATE_CAMERA__CAMERA1__MODEL__DETECTIONS__FACE__RECOGNITION__DATABASE=/config/face_database.db
- FRIGATE_CAMERA__CAMERA1__MODEL__DETECTIONS__FACE__RECOGNITION__MODEL=vgg-face
- FRIGATE_CAMERA__CAMERA1__MODEL__DETECTIONS__FACE__RECOGNITION__SIMILARITY_THRESHOLD=0.6
cap_add:
- SYS_ADMIN
- DAC_READ_SEARCH
Thay thế rtsp://username:[email protected]:554/stream1 bằng URL RTSP của camera bạn dùng. Cấu hình trên cho phép phát hiện chuyển động và nhận diện khuôn mặt với độ tin cậy 60%.
Phát Hiện Chuyển Động Và Nhận Diện Khuôn Mặt
Frigate AI phân tích video theo từng khung hình. Khi phát hiện chuyển động, hệ thống sẽ:
- Tạo clip ngắn (10 giây)
- Lưu vào thư mục
/recordings - So sánh khuôn mặt với cơ sở dữ liệu đã đăng ký
- Gửi cảnh báo qua MQTT hoặc email nếu nhận diện được người quen
Để nhận diện khuôn mặt, bạn cần huấn luyện mô hình. Sử dụng face_recognition để tạo cơ sở dữ liệu khuôn mặt. Ví dụ:
import face_recognition
import cv2
# Load images of known faces
known_face_encodings = []
known_face_names = []
# Add known faces
image = face_recognition.load_image_file("person1.jpg")
encoding = face_recognition.face_encodings(image)[0]
known_face_encodings.append(encoding)
known_face_names.append("John")
# Save to database
import pickle
with open("/config/face_database.db", "wb") as f:
pickle.dump({"encodings": known_face_encodings, "names": known_face_names}, f)
Xác Minh Và Khắc Phục Sự Cố
Để kiểm tra hệ thống hoạt động đúng:
- Mở trình duyệt và truy cập
http://:5000 - Kiểm tra xem camera có hiển thị không
- Chạy lệnh để xem log:
docker logs frigate -f
Nếu không thấy camera, kiểm tra:
- Đường dẫn RTSP đúng không?
- Camera có mở RTSP không?
- GPU có được nhận diện bởi Docker không?
Kết Luận
Với Frigate AI trên VPS GPU, bạn có thể xây dựng hệ thống giám sát thông minh, nhận diện khuôn mặt và phát hiện chuyển động với chi phí thấp. Hệ thống tự host giúp bảo mật dữ liệu, kiểm soát hoàn toàn và tối ưu hiệu năng nhờ GPU.
Tham khảo thêm: Dedicated Server riêng biệt cho Workload AI/Inference.
Cấu hình Cloud VPS RAM cao tối ưu cho AI, Database & Cache
SSD NVMe Enterprise RAID 10, đường truyền CMC & FPT Quận 9 chống DDoS Anycast, Uptime SLA 99.99%.
VPS-4E
Đã gồm VAT 10%
- CPU: 4 vCPU
- RAM: 8 GB
- SSD: 50 GB NVMe
VPS-5E
Đã gồm VAT 10%
- CPU: 8 vCPU
- RAM: 16 GB
- SSD: 100 GB NVMe
