madsciencetist/frigate-jetson

镜像概述

这是Frigate NVR的预览镜像，提供NVIDIA Jetson平台的硬件加速解码与推理支持(https://github.com/blakeblackshear/frigate/pull/6458)%E3%80%82%E9%80%9A%E8%BF%87%60ffmpeg%60%E5%AE%9E%E7%8E%B0NVDEC%E5%8A%A0%E9%80%9F%E8%A7%A3%E7%A0%81%EF%BC%88%E9%9C%80%E8%AE%BE%E7%BD%AE%60hwaccel_args%60%E4%B8%BA%60preset-jetson-h264%60%E6%88%96%60preset-jetson-h265%60%EF%BC%89%EF%BC%8C%E9%80%9A%E8%BF%87%60tensorrt%60%E6%A3%80%E6%B5%8B%E5%99%A8%E6%8F%90%E4%BE%9BGPU%E5%92%8CDLA%E5%8A%A0%E9%80%9F%E6%8E%A8%E7%90%86%E3%80%82

标签说明

• jetpack5.1.1：基于Jetpack 5.1.1（L4T 35.3.1，TensorRT 8.5.2），要求主机CUDA版本11.4+，支持Orin和AGX平台，不支持Jetson Nano、TX1或TX2。
• jetpack4.6.1：基于Jetpack4.6.1（L4T32.7.1，TensorRT8.2.1），要求主机CUDA版本10.2+，支持Jetson Nano、TX1、TX2和Xavier系列，不支持Orin平台。

AGX平台可选择匹配主机Jetpack版本的镜像，Jetpack5.0因TensorRT8.4.1修复YOLO模型转换bug更推荐。

使用方法

Docker Compose部署示例

yaml
version: '2.4'
services:
  frigate:
    container_name: frigate
    image: docker.xuanyuan.run/madsciencetist/frigate-jetson:jetpack5.0.2   # 本镜像
    privileged: true
    shm_size: "164mb"
    volumes:
      - /etc/localtime:/etc/localtime:ro
      - <config_dir>:/config  # 替换为你的配置目录
      - <media_dir>:/media/frigate  # 替换为媒体存储目录
      - <cache_dir>:/tmp/cache  # 替换为缓存目录
    ports:
      - "5000:5000"
      - "8554:8554"
    runtime: nvidia                                     # 启用NVIDIA运行时
    environment:
      YOLO_MODELS: "yolov7-320"                         # 指定生成的YOLO模型
    network_mode: host
    restart: unless-stopped

需安装NVIDIA容器运行时：sudo apt install nvidia-container-toolkit。若旧版docker-compose不支持runtime标签，可修改/etc/docker/daemon.json设置默认运行时：

json
{
    "runtimes": {
        "nvidia": {
            "path": "nvidia-container-runtime",
            "runtimeArgs": []
        }
    },
    "default-runtime": "nvidia"
}

Frigate配置示例（config.yaml）

yaml
ffmpeg:
  hwaccel_args: preset-jetson-h264            # H265摄像头用preset-jetson-h265
cameras:
  garage:
    ffmpeg:
      inputs:
        - path: rtsp://USER:PASSWORD@URL:554  # 替换为摄像头RTSP地址
          roles: [record, detect]
detectors:
  tensorrt:
    type: tensorrt
    model:
      path: /config/model_cache/tensorrt/yolov7-320_dla.trt  # 模型缓存路径
model:
  input_tensor: nchw                              # YOLO模型输入格式
  width: 320                                      # 与模型尺寸一致
  height: 320                                     # 与模型尺寸一致