Cam en wifi ?
Quelques trames qui passent mal peut-être.
Yes cam toutes en wifi… Pas le choix malheureusement.
L’enfer Frigate… Je suis en plein dedans…
Je tourne sous PROXMOX 8.2.2 avec HA en VM sur un mini pc NiPoGi (I7, 16Go Ram), et je viens de recevoir ma coral USB pour passer sous FRIGATE…
Avant de recevoir la coral je testais FRIGATE directement en addon dans HA.
2 jours que je bataille avec le coral (non reconnu en usb avec conflit conbee2 par dessus) avant d’arriver à la faire reconnaitre grace à un HUB et faire enfin cohabiter tout le monde…
Cependant le coral est reconnu en Global Unichip Corp. au lieu de Google Inc. malgré tout ce que j’ai pu trouver comme tutos…
et dans les logs FRIGATE :
valueerror: failed to load delegate from libedgetpu.so.1.0
La finalité serait de passer FRIGATE en LXC quand le coral sera bien reconnu…
1 « J'aime »
Bonjour,
Les résultats de l’IA de détection des Réocams est bien inférieur à celui de frigate.
Exemple une Réocam ne verra qu’un seul véhicule tant qu’il y en un ou plus sur l’image. Donc une Réocam sur le périphérique parisien ne verra qu’une voiture par jour. Après comme indiqué plus bas rien n’est parfait, c’est juste une question d’adéquation entre le besoin et le taux d’efficacité du système
Bonjour,
En effet, cela dépend du besoin, de mon côté elles sont dans mon salon, salle à manger, chambre, pour l’instant il n’y a pas de faux positifs: détection d’une masse mouvante, changement d’éclairages, … sont détectés en Motion detected et humains (moi par exemple) détectés en Person detected. Donc pour l’instant je ne vais pas plus loin.
Bonjour
Juste pour savoir par rapport à vos caméras extérieur en détection de personne.
Est ce que ça a été utile pour vous d’envoyer vos snapshot sur frigate plus pour les éditer sur une détection non fiable ?
Je dois être à plus de 300 snap envoyés et corrigés mais mon barbecue ou d’autres éléments de la terrasse sont tjs détectés comme une personne. Ça me désespère !
Tu veux dire, détecté comme une personne en mouvement ?
Oui il me fait des enregistrements de 8 heures de nuit avec une personne (mon barbecue) qui passe son temps à changer entre actif et stationnaire
Ça arrive la journée sur de courtes périodes mais systématiquement la nuit.
J’ai tenté de mettre le threshold au max pour voir une nuit mais pas d’amélioration.
Le seul truc que je n’ai pas fait c’est d’envoyer des détections correctes de nuit à frigate+ pour validation, faut que je me motive à faire ça avant de dormir !
Si ton BBQ ne bouge pas, ce qui je pense doit être le cas, tu peux placer un masque à son endroit 
j’ai du faire pareil avec une tête de Buddha qui trône devant chez moi, Frigate avait tendance à déclencher lors de changements de luminosité
1 « J'aime »
Malheureusement il n’y a pas que le BBQ, c’est celui qui revient le plus souvent. Voila par exemple :
Ca fait masquer un bon tiers de la camera.
En plus quand tu vois qu’il est plus sûr de lui quand il détecte une tuile à 80% plutôt qu’une vrai personne, c’est compliqué de lui poser des limites sur le score.
J’ai encore augmenté le threshold sans succès cette nuit à 150 et le contour area a 30, ça n’a pas eu le succès espéré. Mais quand je vois les configs plus haut dans le sujet, ça me parait énorme comme valeurs.
D’où la question que je me posais à la base, est ce que les vérifications sur Frigate+ ont un vrai effet, parce que très honnêtement j’en ai déjà validé pas mal et je ne vois pas d’améliorations de ce coté là.
Après il faut que je me motive à sortir la nuit pour créer quelques vraies détections de nuit, mais comme je vois que ça merde également avec les tuiles ou le barbecue de jour…
Par contre, en regardant ce qui se passait dans les vues debug cette nuit, j’ai l’impression que ce sont des insectes de nuit qui font déclencher les évènements.
peux-tu poster ta config ? cela évitera de poser à chaque fois une question concernant les options utilisées et leur valeurs.
Oui bien sur.
Config
mqtt:
enabled: true
host: X
user: X
password: X
topic_prefix: frigate
ffmpeg:
hwaccel_args: preset-vaapi
record:
enabled: true
retain:
days: 1 #nb de jours pour sauvegarde toutes les détections, mettre 0 pour purger
mode: motion
events:
retain:
default: 15 #nb de jour pour sauvegarder les AI détectés (personnes, ...), mettre 0 pour purger
mode: active_objects
pre_capture: 2
post_capture: 5
snapshots:
enabled: true
retain:
default: 30
detectors:
coral:
type: edgetpu
device: usb
#Go2RTC
go2rtc:
streams:
jardin_haut:
- rtsp://X/videoMain
jardin_bas:
- rtsp://X/1
garage:
- rtsp://X/1
# Include all cameras by default in Birdseye view
birdseye:
enabled: true
mode: continuous
#Global Object Settings
objects:
track:
- person
filters:
person:
min_area: 5000
max_area: 150000
cameras:
jardin_haut:
ffmpeg:
inputs:
# High Resolution Stream
- path: rtsp://X/videoMain
roles:
- record
# Low Resolution Stream
- path: rtsp://X/videoSub
roles:
- detect
birdseye:
mode: objects
objects:
track:
- person
filters:
person:
threshold: 0.78
motion:
mask:
- 0,0,80,0,0,177
threshold: 160
contour_area: 30
zones:
terrasse:
coordinates: 298,454,250,406,127,457,166,506,0,562,0,720,978,720,1215,517,1257,451,1186,392,1140,458,998,347,837,241
jardin:
coordinates: 225,307,262,367,116,429,68,377,0,405,0,0,528,0,547,74,676,142,428,226
toit:
coordinates: 1134,100,1280,187,1280,436,1000,230,774,109,962,21
jardin_bas:
ffmpeg:
inputs:
# High Resolution Stream
- path: rtsp://X/1
roles:
- record
- detect
objects:
track:
- person
filters:
person:
threshold: 0.78
birdseye:
mode: objects
motion:
mask:
- 266,287,323,720,377,720,366,597,332,257,308,0,242,0
threshold: 160
contour_area: 30
garage:
ffmpeg:
inputs:
# High Resolution Stream
- path: rtsp://X/1
roles:
- record
- detect
birdseye:
mode: objects
C’est surtout jardin_haut qui est plus pénible que les autres. Nota j’ai déja repassé le threshold a 160 pour la nuit prochaine
Cool Merci.
Peux-tu ajouter dans la partie motion de jardin_haut e qui suit ? j’ai lu dans certaines « issues » sur github que dela pouvait aider la nuit
improve_contrast: True
Je vois aussi que tu n’utilise qu’un seul flux pour la détection et l’enregistrement. Normalement Frigate recommande de faire la détection sur des flux de basse résolution ( qui pourrait t’aider a invalider les insectes )
as-tu des caméras qui supportent deux flux ? ( high et low res )
Merci, je vais essayer improve_contrast: True
Oui camera jardin_haut a bien 2 flux, dont celui en basse résolution pour la détection.
Pour les 2 autres caméras, j’ai essayé tous les endpoint fournis sur un site dédié (oublié le nom…) et je n’ai que le /1 qui fonctionne et qui est en haute résolution.
1 « J'aime »
Hello Herbs
Ah zut !
hello
Pour avoir eu un pb similaire la nuit avec des chaises de jardin, j’ai réglé le problème en jouant sur le treshold et le min_score.
Depuis, aucun faux positif
objects:
track:
- person
filters:
person:
# Optional: minimum score for the object to initiate tracking (default: shown below)
min_score: 0.5
# Optional: minimum decimal percentage for tracked object's computed score to be considered a true positive (default: shown below)
threshold: 0.7
@+
1 « J'aime »
Hello
Merci je vais essayer ça pour cette nuit
Le mieux, c’est de moins picoler, tes chaises de jardin arrêteront de se balader toutes seules la nuit 
4 « J'aime »
Hello
Première nuit sans faux positifs sur la caméra jardin_haut.
Ni sur la caméra du bas, mais elle ne détecte plus rien même quand je passe devant ! Je vais revenir à des valeurs plus cohérentes sur le threshold et le contour_area, ca va le faire.