De los sistemas tradicionales al NVR moderno

Durante años, la videovigilancia doméstica ha estado dominada por soluciones propietarias que encierran al usuario en ecosistemas cerrados. Cámaras que dependen de sus nubes, sistemas de grabación con interfaces obsoletas y, lo peor de todo, la imposibilidad de integrar equipos de diferentes fabricantes en una sola plataforma coherente.

Los sistemas NVR tradicionales (Network Video Recorder) suelen presentar limitaciones significativas: interfaces web lentas, aplicaciones móviles deficientes, detección de movimiento por cambios de píxeles (con sus infames falsos positivos por sombras o insectos) y dependencia total del fabricante para actualizaciones de seguridad.

La revolución llegó con los NVR modernos basados en software: soluciones open source que puedes desplegar en tu propio hardware, con detección inteligente mediante IA, integración total con plataformas domóticas y, sobre todo, privacidad garantizada al mantener todo el procesamiento local. En este artículo exploramos Frigate, probablemente la mejor opción actual para videovigilancia inteligente en entornos NAS y homelab.

¿Qué es Frigate?

Frigate es un NVR (Network Video Recorder) de código abierto que utiliza inteligencia artificial para el procesamiento de video en tiempo real. A diferencia de los sistemas tradicionales que detectan movimiento analizando cambios entre fotogramas, Frigate emplea modelos de deep learning para identificar objetos específicos: personas, vehículos, animales y mucho más.

Desarrollado específicamente para funcionar con procesamiento local, Frigate no envía imágenes a la nube para su análisis. Todo el procesamiento de IA ocurre en tu propio hardware, garantizando la privacidad de tu hogar mientras reduce la latencia y elimina dependencias externas.

Frigate se diseñó pensando en la integración con Home Assistant, aunque funciona perfectamente como sistema independiente. Su arquitectura modular permite escalar desde una simple cámara IP hasta docenas de flujos de video simultáneos, optimizando el uso de recursos mediante detección de zonas de interés y grabación basada en eventos.

Características principales

Detección de objetos con IA

El corazón de Frigate es su sistema de detección por IA. Utilizando modelos TensorFlow Lite, puede identificar:

• Personas – Con alta precisión incluso en condiciones de poca luz
• Vehículos – Coches, camiones, motocicletas y bicicletas
• Animales – Perros, gatos, aves y otros animales domésticos
• Paquetes – Detección de entregas en porches y entradas

La precisión es notablemente superior a los sistemas de detección por movimiento tradicional. Olvídate de alertas falsas por sombras cambiantes, ramas moviéndose con el viento o insectos volando frente a la lente.

Zonas y máscaras de exclusión

Frigate permite definir zonas de detección específicas dentro del campo visual de cada cámara. Por ejemplo, puedes configurar que solo detecte personas que cruzan una línea específica de tu jardín, ignorando el tránsito peatonal en la acera pública.

Grabación flexible

Ofrece dos modos de grabación complementarios:

• Grabación 24/7 – Almacenamiento continuo con gestión automática de retención
• Grabación por eventos – Solo conserva clips donde se detectó actividad relevante

La combinación de ambos modos permite mantener un buffer continuo mientras se prioriza el almacenamiento permanente para eventos significativos.

Notificaciones inteligentes

Integrado con Home Assistant, Frigate puede enviar notificaciones enriquecidas con:

• Imágenes de la detección directamente en la notificación
• Enlace a la transmisión en vivo
• Botones de acción rápida (encender luces, activar alarma)
• Clips de video de la detección completa

Interfaz web moderna

La interfaz de usuario de Frigate está construida con tecnologías modernas, ofreciendo visualización en tiempo real de múltiples cámaras, reproducción con scrubbing fluido y exploración de eventos con filtros avanzados. Es accesible desde cualquier navegador y está optimizada para dispositivos móviles.

Requisitos hardware

Frigate está diseñado para ser eficiente, pero el procesamiento de IA tiene demandas específicas:

CPU (sin aceleración)

Es posible ejecutar Frigate únicamente con CPU, utilizando modelos TensorFlow Lite optimizados. Para 1-2 cámaras con detección básica, un procesador moderno (Intel i3/i5 o AMD equivalente) es suficiente. Sin embargo, el consumo de CPU será elevado y la latencia en la detección mayor.

Coral TPU (recomendado)

El Google Coral USB Accelerator o el módulo Coral PCIe transforman la experiencia de Frigate. Este coprocesador de IA dedicado maneja la inferencia de modelos de detección, liberando completamente la CPU y reduciendo la latencia a milisegundos.

¿Es obligatorio? No. Pero para sistemas con más de 2-3 cámaras o cuando se busca respuesta en tiempo real, el Coral TPU es prácticamente imprescindible. Su precio (aproximadamente 60-100€) se amortiza rápidamente en rendimiento y eficiencia energética.

Almacenamiento

Frigate es flexible respecto al almacenamiento:

• Grabación continua: Requiere capacidad sustancial (1-2GB por cámara/día en 1080p)
• Solo eventos: Mínimo impacto en almacenamiento (MB por detección)

Para entornos NAS, se recomienda configurar volúmenes dedicados o utilizar almacenamiento en red mediante NFS o SMB.

Configuración Docker Compose

Frigate se despliega fácilmente mediante Docker Compose. A continuación, una configuración funcional lista para producción:

version: "3.9"
services:
  frigate:
    container_name: frigate
    image: ghcr.io/blakeblackshear/frigate:stable
    privileged: true
    restart: unless-stopped
    shm_size: "256mb"
    devices:
      - /dev/bus/usb:/dev/bus/usb  # Para Coral USB
      - /dev/dri:/dev/dri          # Para aceleración por GPU Intel/AMD
    volumes:
      - /path/to/config:/config
      - /path/to/storage:/media/frigate
      - type: tmpfs
        target: /tmp/cache
        tmpfs:
          size: 1000000000
    ports:
      - "5000:5000"
      - "8554:8554"  # RTSP feeds
      - "8555:8555/tcp"  # WebRTC
      - "8555:8555/udp"  # WebRTC
    environment:
      - FRIGATE_RTSP_PASSWORD=contraseña_segura_aqui
      - TZ=Europe/Madrid
    networks:
      - frigate_network

  mosquitto:
    container_name: mosquitto
    image: eclipse-mosquitto:2
    restart: unless-stopped
    volumes:
      - /path/to/mosquitto/config:/mosquitto/config
      - /path/to/mosquitto/data:/mosquitto/data
      - /path/to/mosquitto/log:/mosquitto/log
    ports:
      - "1883:1883"
      - "9001:9001"
    networks:
      - frigate_network

networks:
  frigate_network:
    driver: bridge

El servicio Mosquitto MQTT es esencial para la integración con Home Assistant, permitiendo la comunicación en tiempo real de eventos de detección.

Guía de instalación paso a paso

Paso 1: Preparar el entorno

1. Crea las carpetas necesarias:

   mkdir -p ~/frigate/config
   mkdir -p ~/frigate/storage
   mkdir -p ~/frigate/mosquitto/config

2. Crea el archivo de configuración de Mosquitto:

   echo "listener 1883
   allow_anonymous true" > ~/frigate/mosquitto/config/mosquitto.conf

Paso 2: Configurar Frigate

Crea el archivo ~/frigate/config/config.yml con la siguiente estructura básica:

mqtt:
  enabled: true
  host: mosquitto
  port: 1883

detectors:
  coral:
    type: edgetpu
    device: usb
  # Si no tienes Coral, usa:
  # cpu:
  #   type: cpu

cameras:
  camara_entrada:
    enabled: true
    ffmpeg:
      inputs:
        - path: rtsp://usuario:pass@192.168.1.100:554/stream1
          roles:
            - detect
            - record
    detect:
      width: 1920
      height: 1080
      fps: 5
    record:
      enabled: true
      retain:
        days: 7
        mode: all
      events:
        retain:
          default: 30
          mode: active_objects
    snapshots:
      enabled: true
      timestamp: true
      bounding_box: true
      retain:
        default: 30

Paso 3: Iniciar los servicios

cd ~/frigate
docker compose up -d

Paso 4: Verificar funcionamiento

1. Accede a http://tu-nas:5000
2. Comprueba que las cámaras aparecen en el panel
3. Revisa los logs: docker logs -f frigate
4. Verifica que la detección funciona generando movimiento

Paso 5: Optimización

Una vez funcionando, ajusta las zonas de detección y zonas excluidas mediante la interfaz de configuración visual de Frigate. Define máscaras para áreas con movimiento constante no relevante (árboles, carreteras).

Integración con Home Assistant

La verdadera potencia de Frigate se despliega al integrarlo con Home Assistant:

Instalación de la integración

1. En Home Assistant, ve a Configuración → Dispositivos y servicios → Añadir integración
2. Busca «Frigate» e instálala desde HACS (Home Assistant Community Store)
3. Configura la URL de tu instancia Frigate (http://tu-nas:5000)

Entidades disponibles

La integración crea automáticamente:

• Binary sensors – Detección de persona, vehículo, animal por cámara
• Cámaras – Feed en tiempo real y último evento detectado
• Switch – Activar/desactivar detección y grabación
• Sensores – Conteo de objetos detectados, estado del detector

Automatizaciones de ejemplo

Notificación con imagen cuando detecta persona:

alias: "Alerta - Persona detectada"
trigger:
  - platform: state
    entity_id: binary_sensor.frigate_camara_entrada_person_occupancy
    to: "on"
action:
  - service: notify.mobile_app_telefono
    data:
      message: "Persona detectada en la entrada"
      data:
        image: "/api/frigate/notifications/{{ trigger.from_state.attributes.event_id }}/thumbnail.jpg"
        clickAction: "/lovelace/camaras"

Encender luces al detectar movimiento nocturno:

alias: "Seguridad - Iluminación entrada"
trigger:
  - platform: state
    entity_id: binary_sensor.frigate_camara_entrada_person_occupancy
    to: "on"
condition:
  - condition: sun
    after: sunset
action:
  - service: light.turn_on
    target:
      entity_id: light.porche_entrada
    data:
      brightness_pct: 100

Comparativa: Frigate vs ZoneMinder vs Shinobi

¿Cuál elegir?

• Frigate – Si priorizas detección por IA, integración con Home Assistant y privacidad. Ideal para nuevas instalaciones.
• ZoneMinder – Si necesitas un sistema estable con años de desarrollo, configuración 100% vía GUI y no te importa la falta de IA nativa.
• Shinobi – Alternativa moderna con buena interfaz, aunque con menor desarrollo activo y comunidad más pequeña.

Conclusión

Frigate representa el estado del arte en videovigilancia doméstica open source. Su combinación de detección por IA local, integración nativa con Home Assistant y arquitectura eficiente lo convierten en la elección obvia para cualquier entusiasta del homelab preocupado por la privacidad.

La curva de aprendizaje inicial (especialmente la configuración YAML) se compensa ampliamente con el resultado: un sistema de videovigilancia inteligente que reduce las falsas alarmas al mínimo, ofrece notificaciones contextuales y mantiene tus datos bajo tu control absoluto.

Si estás montando un sistema de cámaras desde cero o buscas modernizar una instalación existente, invertir en un Coral TPU y desplegar Frigate es una de las mejoras con mayor impacto que puedes hacer en tu infraestructura domótica.