Ich nutze Frigate seit längerem und finde es eigentlich richtig gut — nur mit der Gesichtserkennung bin ich nie warm geworden. Gerade wenn mehrere Personen regelmäßig über das Grundstück laufen, waren mir die Zuordnungen zu oft daneben, und nachvollziehen konnte man sie auch nicht.
Statt daran zu verzweifeln, baue ich seit ein paar Wochen einen Aufsatz dafür: suslik, ein eigener Container, der neben Frigate läuft und dessen Personen-Events mit einem stärkeren Erkennungsmodell gegenprüft. Alles lokal, keine Cloud, Frigate bleibt unangetastet (nur lesender API-Zugriff). Die Tagesansicht beantwortet mir morgens die eigentliche Frage: Wer war auf dem Grundstück, wann, und wo ist er langgelaufen — als Durchgänge über alle Kameras statt als Event-Wust.
Hardware-seitig läuft schon einiges, zum Teil mit Testern aus anderen Communities verifiziert: Intel iGPU und NPU, Arc, seit dieser Woche auch die alten UHD-iGPUs der 6.-10. Generation, dazu NVIDIA — und ohne Beschleuniger eben CPU, nur langsamer. An AMD arbeite ich gerade mit einem Tester.
Vielleicht noch als persönliche Note: Ich bin ein älterer Software-Architekt, aufgewachsen mit Assembler, C und Pascal — und ich baue das Ganze zusammen mit Claude Code (dem neuen Fable-5-Modell). Wie sich diese Arbeitsweise anfühlt, ist für mich fast so spannend wie das Projekt selbst: Ich gebe Architektur, Anforderungen und Qualitätsmaßstäbe vor und entscheide, die KI baut, misst und dokumentiert — mit einer Disziplin bei Tests und Nachvollziehbarkeit, die ich in manchem Profi-Team vermisst habe.
Repo mit Doku und fertigen Docker-Images: https://github.com/BennoBaer-dev/suslik Die erste Beta (dann auch mit Quelltext) ist in Arbeit — aktuell baue ich an einer geführten Anlernphase, damit das System die Bewohner sauber aus dem eigenen Kamera-Betrieb lernt statt aus hochgeladenen Fotos.
Wenn jemand so etwas auch vermisst hat oder Hardware zum Testen beisteuern will (besonders AMD): Ich freue mich über Rückmeldungen.
