Saltar a contenido

Cameras + Frigate + AI vision — strategy

Si vas a tener cámaras en la casa, Frigate local + Intel OpenVINO es la elección 2026 (no Coral, no cloud NVR). Combinado con AI Task vision (Q7), permite "person detected → es familia o desconocido" sin que el video deje tu casa. Trade-off: añade un servicio más al mini-PC + storage de video + setup de cámaras RTSP.

Contexto

Cameras son opcionales pero significativos: si las tenés, son el caso de uso fuerte de Q7 (AI vision). Esta página define cómo encajan en la arquitectura sin sacrificar local-first ni tu meta "no tinkering".

Contenido

Cuándo SÍ cámaras

  • Querés monitoring de entrada/salida (security pasiva).
  • Querés "package detection" en la puerta.
  • Querés validar quién entra (delivery vs visitante vs intruso).
  • Tenés outdoor o gates que querés monitorear.

Cuándo NO cámaras

  • No tenés use case real más allá de "estaría bueno tener". Cameras = mantenimiento real.
  • No estás listo para invertir en cámaras decentes RTSP (no las cloud-only baratas).
  • Privacy de los habitantes te incomoda (cámaras internas en convivencia requieren acuerdo explícito).

Hardware recomendado 2026

Item Recomendación Notas
Host AI Mini-PC Intel N100 o N305 con iGPU (OpenVINO) El mismo del experimental tier sirve
Cameras Reolink (RTSP-friendly) o Amcrest (ONVIF). 2-4 MP suficiente. Evitar cualquier marca "cloud-only" — Wyze, Ring sin local API
Storage SSD dedicado para grabaciones (recording continuo) o NAS via NFS 1-2 TB cubre 30 días de 4 cams 2MP típico
Coral USB (opcional) Solo si tu CPU no soporta OpenVINO bien $60, low-power 2W

Setup arquitectónico

Cameras (en VLAN IoT)
   ↓ RTSP streams
Frigate (container en mini-PC, VLAN Trusted)
   ↓ object detection events
HA (Yellow o Container twin)
   ↓ automations
Notifications + actions

Frigate cruza VLAN boundary porque vive en mini-PC; rule firewall: Mini-PC (Trusted) puede pull RTSP de IoT VLAN.

Use cases por valor / esfuerzo

Tier S (alto valor, alto efecto si funciona):

  1. Person detection → entrada principal: alert tier 1 si unknown person + nadie esperado.
  2. Package detection en puerta: tier 3 (info) "tu paquete llegó".

Tier A:

  1. Vehicle detection en driveway: notify tier 3 cuando llega un car (filtro: solo si nadie en casa).
  2. Pet vs human filter: NO triggear automation de "alarm intruso" si solo es el gato.

Tier B (más nicho):

  1. License plate recognition (LPR): identificar autos específicos. Addon Frigate específico.
  2. Activity zones: detectar "person en zona prohibida" (piscina sin adultos).

Integration con AI Task (Q7)

Patrón canónico:

automation:
  - alias: "Person at front door"
    trigger:
      - platform: state
        entity_id: binary_sensor.front_door_camera_person
        to: 'on'
    action:
      - service: camera.snapshot
        target: { entity_id: camera.front_door }
        data: { filename: '/config/snapshot.jpg' }
      - service: ai_task.generate_data
        data:
          entity_id: ai_task.cloud  # o local con vision model
          task: |
            Esta imagen muestra una persona en la entrada de mi casa.
            Clasificá: ¿es familia conocida (Paulo, partner, hijos), delivery,
            o desconocida? Responde con confidence 0-100.
          attachments: ['/config/snapshot.jpg']
          structure:
            classification: string  # familia|delivery|desconocido
            confidence: int
            reasoning: string
        response_variable: ai_result
      - if:
          - "{{ ai_result.classification == 'desconocido' and ai_result.confidence > 70 }}"
        then:
          # Tier 1 alert
          - service: notify.mobile_app_paulo
            data:
              title: "🚨 Desconocido en entrada"
              data:
                push: { interruption-level: critical }
                image: '/config/snapshot.jpg'
      - if:
          - "{{ ai_result.classification == 'delivery' }}"
        then:
          # Tier 3 info
          - service: notify.telegram
            data: { message: "📦 Posible delivery en la puerta" }

Esto es el ejemplo perfecto de AI propone + determinista decide: Frigate detecta person (determinista), AI clasifica (propone), automation actúa según confidence (umbral determinista).

Cost analysis

Setup Hardware initial Recurring (electricity) AI cost
Mini-PC OpenVINO (sin GPU dedicada) $0 extra (ya tenés) $5/mes Cloud AI Task per event
+ Coral USB $60 $0.5/mes extra Cloud AI Task per event
+ RTX 3060 (vision local con llava) $250 $10/mes $0 AI cost
Cameras (4× decent) $200-400 minimal —
Storage 2TB SSD $100-150 minimal —

Recomendación: empezar con mini-PC + OpenVINO (gratis si ya tenés el mini-PC) + AI Task cloud para classifications puntuales. Si volumen alto, considerar local vision (RTX 3060 → llava model).

Privacy considerations

  • Frigate corre 100% local — video no sale de tu casa.
  • AI Task con cloud: enviás snapshots puntuales al vendor (no streams). Anthropic/OpenAI tienen retention policies — leer fine print.
  • AI Task con local Ollama + llava: cero data leaving. Máxima privacy.
  • Cameras outdoor vs indoor: outdoor está bien; indoor requiere acuerdo familiar explícito.

Failure modes específicos

A registrar:

  1. Frigate consume mucho CPU: tune OpenVINO settings, reducir resolution.
  2. Camera offline sin detection: Gatus check del RTSP endpoint.
  3. AI Task vision falla (model not loaded, cloud quota): fallback a determinista "alert siempre que person + nadie esperado".
  4. Storage full (recording sin retention): cron de purge.

Recomendación final

Si nunca tuviste cámaras y tu meta es "invisible no tinkering":

  • Considerá saltearlas inicialmente. Mes 6+ del setup, cuando todo demás corre estable.
  • Si las querés: 2 cámaras (front door + driveway) son suficientes para los use cases de mayor ROI.
  • NO empieces con 8 cameras y full monitoring — es tinkering disfrazado de proyecto.

Relaciones

Citas / evidencia

Abierto / gaps

  • Cameras outdoor specific brands (Reolink RLC-810A? Amcrest?). Reviews 2026.
  • LPR (license plate) accuracy reales con Frigate 2026.
  • Pet detection accuracy — falsos positivos por ardilla / pájaro.