好处	具体说明
即时检测	AI 实时扫描每帧画面，不会疲劳、不会走神
完全离线	在本地硬件上运行，不依赖云服务，数据不出内网
开箱即用	一键部署，自带演示视频，部署完成立即看到效果
硬件灵活	支持 NVIDIA Jetson（GPU 加速）和 reComputer R2000 + Hailo（NPU 加速）

场景	怎么用
校园安防	在出入口安装摄像头，检测到枪支立即告警
零售安保	24 小时监控店内摄像头，自动标记枪支事件并录像
办公大楼	在现有监控系统上增加枪支检测，通过 MQTT 接入报警系统
公共场馆	多摄像头实时监控，通过 Web 仪表盘集中管理

方案	加速方式	推荐路数	设备价格	每路成本
reComputer R2000 + Hailo	Hailo NPU	约 2 路	$350	$175/路
reComputer J3011（Jetson 入门）	TensorRT GPU	约 2 路	$630	$315/路
reComputer J4012（Jetson 多路） ⭐	TensorRT GPU	约 6 路	$1000	$150/路（性价比最优）
reComputer J5012（Jetson 高配）	TensorRT GPU	约 9 路	$2500	$300/路

套餐: NVIDIA Jetson {#jetson}

使用 Frigate NVR 在 NVIDIA Jetson 上进行实时枪支检测，搭配 TensorRT GPU 加速。

设备	用途
NVIDIA Jetson (reComputer)	支持 TensorRT GPU 加速的边缘 AI 设备
网络摄像头（可选）	RTSP 监控视频源

部署完成后你可以：

实时检测画面中的枪支，显示检测框和置信度
通过 Web 仪表盘查看实时监控和事件回放
检测到枪支时自动录像和截图
通过 MQTT 集成报警和自动化系统

前提条件： 目标设备已安装 Docker + NVIDIA Container Toolkit

步骤 1: 初始化摄像头 {#init_cameras_jetson type=manual required=false}

设置网络摄像头并获取 RTSP 视频流地址。

接线

将网络摄像头连接到与部署设备相同的网络
查找摄像头 IP 地址（查看路由器 DHCP 客户端列表，或使用厂商搜索工具）
访问摄像头 Web 管理界面（通常为 http://<摄像头IP>）
在摄像头设置中启用 RTSP 串流（通常默认已启用）
记录摄像头的 RTSP 地址

常见 RTSP 地址格式：

海康威视： rtsp://admin:password@<ip>:554/Streaming/Channels/101（主码流）或 /102（子码流）

大华： rtsp://admin:password@<ip>:554/cam/realmonitor?channel=1&subtype=0（主码流）或 &subtype=1（子码流）

通用 ONVIF： 使用摄像头的 ONVIF 发现工具获取流地址

提示： 建议使用子码流（低分辨率）做检测以减少 CPU/GPU 负载，主码流用于录像。

可使用 VLC 测试 RTSP 地址：媒体 > 打开网络串流 > 粘贴地址。

故障排查

问题	解决方法
无法访问摄像头管理界面	用 `ping <摄像头IP>` 验证连通性。检查摄像头与电脑是否在同一子网
RTSP 流无法播放	确认摄像头设置中已启用 RTSP。先用 VLC 测试。检查用户名和密码
网络上找不到摄像头	重启摄像头电源。检查网线连接。尝试使用厂商搜索工具（如海康 SADP、大华 ConfigTool）

步骤 2: 部署 Frigate {#deploy_frigate_jetson type=docker_deploy required=true config=devices/jetson.yaml}

将 Frigate NVR 和 TensorRT 加速的枪支检测 AI 部署到 NVIDIA Jetson。

部署目标: 远程部署 {#jetson_remote type=remote config=devices/jetson.yaml default=true}

通过 SSH 部署到远程 NVIDIA Jetson 设备。

接线

将 Jetson 连接到与电脑相同的网络
输入 Jetson 的 IP 地址和 SSH 凭据
可选填写 RTSP 摄像头地址（最多 2 个）
点击部署开始安装

提示： 首次启动需要 5-10 分钟——系统会下载并编译枪支检测模型以进行 TensorRT 优化。

部署完成

在浏览器打开 http://<设备IP>:5000
你将看到两个演示摄像头正在检测枪支
如果填写了 RTSP 地址，你的摄像头也会出现并启用枪支检测

后续修改摄像头配置，SSH 登录设备并编辑：

cd ~/gun-detection-frigate
nano config/config.yml
docker compose restart

故障排查

问题	解决方法
找不到 NVIDIA 运行时	安装 NVIDIA Container Toolkit：`sudo apt install nvidia-container-toolkit && sudo systemctl restart docker`
端口 5000 被占用	停止占用服务：`docker stop $(docker ps -q --filter publish=5000)`
模型编译很慢	首次启动需 5-10 分钟进行 TensorRT 优化，后续启动秒开
容器反复重启	查看日志：`docker logs frigate`——可能是 GPU 内存或驱动问题
RTSP 摄像头未显示	用 VLC 验证 RTSP 地址是否可用。编辑设备上的 `config/config.yml` 后重启：`docker compose restart`

部署目标: 本机部署 {#jetson_local type=local config=devices/jetson_local.yaml}

直接在当前机器上部署（需要 NVIDIA GPU）。

接线

确保已安装 Docker 和 NVIDIA Container Toolkit
点击部署开始安装

提示： 首次启动需要 5-10 分钟进行 TensorRT 模型编译。

部署完成

在浏览器打开 http://localhost:5000
你将看到两个演示摄像头正在检测枪支

添加 RTSP 摄像头，编辑配置文件后重启：

cd ~/gun-detection-frigate
nano config/config.yml
docker compose restart

故障排查

问题	解决方法
找不到 NVIDIA 运行时	安装 NVIDIA Container Toolkit：`sudo apt install nvidia-container-toolkit && sudo systemctl restart docker`
端口 5000 被占用	停止占用服务：`docker stop $(docker ps -q --filter publish=5000)`
容器反复重启	查看日志：`docker logs frigate`——可能是 GPU 内存或驱动问题

套餐: reComputer R2000 + Hailo {#r2000_hailo}

使用 Frigate NVR 在 reComputer R2000 上进行实时枪支检测，搭配 Hailo AI 加速器。

设备	用途
reComputer R2000 + Hailo	搭载 Hailo NPU 加速的边缘 AI 设备
网络摄像头（可选）	RTSP 监控视频源

部署完成后你可以：

实时检测画面中的枪支，显示检测框和置信度
通过 Web 仪表盘查看实时监控和事件回放
检测到枪支时自动录像和截图
通过 MQTT 集成报警和自动化系统

前提条件： 目标设备已安装 Docker · 已安装 Hailo AI 加速器

步骤 1: 初始化摄像头 {#init_cameras_r2000 type=manual required=false}

设置网络摄像头并获取 RTSP 视频流地址。

接线

将网络摄像头连接到与部署设备相同的网络
查找摄像头 IP 地址（查看路由器 DHCP 客户端列表，或使用厂商搜索工具）
访问摄像头 Web 管理界面（通常为 http://<摄像头IP>）
在摄像头设置中启用 RTSP 串流（通常默认已启用）
记录摄像头的 RTSP 地址

常见 RTSP 地址格式：

海康威视： rtsp://admin:password@<ip>:554/Streaming/Channels/101（主码流）或 /102（子码流）

大华： rtsp://admin:password@<ip>:554/cam/realmonitor?channel=1&subtype=0（主码流）或 &subtype=1（子码流）

通用 ONVIF： 使用摄像头的 ONVIF 发现工具获取流地址

提示： 建议使用子码流（低分辨率）做检测以减少 CPU/GPU 负载，主码流用于录像。

可使用 VLC 测试 RTSP 地址：媒体 > 打开网络串流 > 粘贴地址。

故障排查

问题	解决方法
无法访问摄像头管理界面	用 `ping <摄像头IP>` 验证连通性。检查摄像头与电脑是否在同一子网
RTSP 流无法播放	确认摄像头设置中已启用 RTSP。先用 VLC 测试。检查用户名和密码
网络上找不到摄像头	重启摄像头电源。检查网线连接。尝试使用厂商搜索工具（如海康 SADP、大华 ConfigTool）

步骤 2: 部署 Frigate {#deploy_frigate_r2000 type=docker_deploy required=true config=devices/r2000_hailo.yaml}

将 Frigate NVR 和 Hailo 加速的枪支检测 AI 部署到 reComputer R2000。

部署目标: 远程部署 {#r2000_remote type=remote config=devices/r2000_hailo.yaml default=true}

通过 SSH 部署到远程 reComputer R2000。

接线

确保设备已安装 Hailo AI Kit（运行 ls /dev/hailo* 检查）
将设备连接到与电脑相同的网络
输入设备的 IP 地址和 SSH 凭据
可选填写 RTSP 摄像头地址（最多 2 个）
点击部署开始安装

提示： 部署时会自动检测并安装所需的 HailoRT 4.21.0 驱动（首次安装约需 5-10 分钟）。至少需要 4 GB 可用磁盘空间。

部署完成

在浏览器打开 http://<设备IP>:5000
你将看到两个演示摄像头正在检测枪支
如果填写了 RTSP 地址，你的摄像头也会出现并启用枪支检测

后续修改摄像头配置，SSH 登录设备并编辑：

cd ~/gun-detection-frigate
nano config/config.yml
docker compose restart

故障排查

问题	解决方法
找不到 Hailo 设备	检查 Hailo 是否正确安装在 M.2 插槽：`ls /dev/hailo*` 应显示 `/dev/hailo0`
HailoRT 版本不匹配	Frigate 需要 HailoRT 4.21.0。查看版本：`dpkg -l hailort`。安装正确驱动：`curl -sfL https://raw.githubusercontent.com/blakeblackshear/frigate/dev/docker/hailo8l/user_installation.sh \| sudo bash`，然后重启
磁盘空间不足	至少需要 4 GB 可用空间。运行 `docker system prune -a` 和 `sudo apt clean` 释放空间
端口 5000 被占用	停止占用服务：`docker stop $(docker ps -q --filter publish=5000)`
容器反复重启	查看日志：`docker logs frigate-hailo`——可能是 Hailo 驱动问题
RTSP 摄像头未显示	用 VLC 验证 RTSP 地址是否可用。编辑设备上的 `config/config.yml` 后重启：`docker compose restart`

部署目标: 本机部署 {#r2000_local type=local config=devices/r2000_hailo_local.yaml}

直接在当前机器上部署（需要 Hailo AI 加速器）。

接线

确保已安装 Docker 且 Hailo 设备可访问（ls /dev/hailo*）
点击部署开始安装

提示： Frigate Docker 镜像约需 4 GB 磁盘空间。

部署完成

在浏览器打开 http://localhost:5000
你将看到两个演示摄像头正在检测枪支

添加 RTSP 摄像头，编辑配置文件后重启：

nano config/config.yml
docker compose restart

故障排查

问题	解决方法
找不到 Hailo 设备	检查 Hailo 是否正确安装：`ls /dev/hailo*` 应显示 `/dev/hailo0`
端口 5000 被占用	停止占用服务：`docker stop $(docker ps -q --filter publish=5000)`
容器反复重启	查看日志：`docker logs frigate-hailo`——可能是 Hailo 驱动问题

部署完成

恭喜！Frigate 枪支检测系统已部署成功。

快速验证

在浏览器打开 Frigate 仪表盘（部署完成后显示的地址）
查看 Birdseye 视图概览所有摄像头
确认演示视频上出现枪支检测框
点击事件查看带时间戳的录像截图

添加或修改摄像头

要添加更多 RTSP 摄像头或修改现有配置，SSH 登录设备并编辑：

cd ~/gun-detection-frigate
nano config/config.yml

在 cameras: 下添加摄像头：

  my_camera:
    enabled: true
    ffmpeg:
      inputs:
        - path: rtsp://admin:password@192.168.1.100:554/Streaming/Channels/101
          roles:
            - detect
            - record
    detect:
      width: 1920
      height: 1080
      fps: 5
    objects:
      track:
        - gun

常见 RTSP 地址格式：

海康威视： rtsp://admin:password@<ip>:554/Streaming/Channels/101
大华： rtsp://admin:password@<ip>:554/cam/realmonitor?channel=1&subtype=0

然后重启 Frigate：

docker compose restart

后续步骤

通过 MQTT 配置告警通知（MQTT Broker 运行在端口 1883）
在 config/config.yml 中调整检测阈值（objects.filters.gun.threshold）
设置录像保留策略（record.retain.days）
Frigate 官方文档

AI 视觉枪支检测

这个方案能帮你做什么

核心价值

适用场景

使用须知

接入方式

输出对接

摄像头安装建议

方案对比

使用说明

部署方案

NVIDIA Jetson

reComputer R2000 + Hailo

下载与安装

套餐: NVIDIA Jetson {#jetson}

步骤 1: 初始化摄像头 {#init_cameras_jetson type=manual required=false}

接线

故障排查

步骤 2: 部署 Frigate {#deploy_frigate_jetson type=docker_deploy required=true config=devices/jetson.yaml}

部署目标: 远程部署 {#jetson_remote type=remote config=devices/jetson.yaml default=true}

接线

部署完成

故障排查

部署目标: 本机部署 {#jetson_local type=local config=devices/jetson_local.yaml}

接线

部署完成

故障排查

套餐: reComputer R2000 + Hailo {#r2000_hailo}

步骤 1: 初始化摄像头 {#init_cameras_r2000 type=manual required=false}

接线

故障排查

步骤 2: 部署 Frigate {#deploy_frigate_r2000 type=docker_deploy required=true config=devices/r2000_hailo.yaml}

部署目标: 远程部署 {#r2000_remote type=remote config=devices/r2000_hailo.yaml default=true}

接线

部署完成

故障排查

部署目标: 本机部署 {#r2000_local type=local config=devices/r2000_hailo_local.yaml}

接线

部署完成

故障排查

部署完成

快速验证

添加或修改摄像头

后续步骤