Как я отказался от облачного видеонаблюдения и построил свой локальный NVR

Первым устройством для домашней безопасности, которое я приобрел, стал дверной звонок Ring. Это отличное решение, которое позволяло видеть посетителей у входа и сохранять записанные видеоролики. Система фиксировала каждый случай появления людей или автомобилей возле крыльца в тупиковой зоне. Со временем меня начала смущать ежемесячная абонентская плата за хранение видеоданных, поэтому я решил настроить локальный NVR и полностью отказаться от любых регулярных подписок.

Отказ от облачных сервисов и переход на хранение данных

Экосистема Ring работает вполне надежно. Мне нравилась охранная сигнализация, а все компоненты отлично интегрировались с автоматическими уведомлениями и телефонными звонками при срабатывании тревоги. Базовый блок оснащен встроенным аккумулятором и поддержкой мобильной связи, поэтому система продолжает функционировать даже при отключении домашнего интернета или электричества. На бумаге всё звучит прекрасно, пока не задумываешься о том, что корпорации собирают все сохраняемые данные. Компания получает доступ не только к нашим записям, но и к голосовым командам через помощников, информации с датчиков и даже нашим покупательским привычкам. Если вы не платите за продукт, значит, продуктом становитесь вы сами. Практически все крупные технологические бренды собирают данные пользователей, особенно через бесплатные сервисы.

В качестве аппаратной альтернативы я рассматривал продукцию Reolink. Ее модельный ряд позволял осуществлять локальное администрирование благодаря слотам для карт памяти MicroSD, а качество изображения оказалось на достойном уровне. Однако, если действовать неосмотрительно, легко снова оказаться в ловушке жесткой зависимости от облака. Все три мои камеры поддерживают облачные службы и управляются через мобильное приложение. Это удобно, избавляет от необходимости настраивать внешний доступ к запущенному серверу и упрощает обновление прошивок, но мы снова зависим от сторонней компании. Мне же хотелось перенести на локальный уровень абсолютно всё: не только хранение на самих камерах, но и видеоархив, фрагменты с важными событиями и прочие данные. Фирменный сетевой видеорегистратор от Reolink выглядел логичным выбором, но я задался вопросом: почему бы не собрать собственный домашний видеорегистратор?

Самостоятельная сборка домашнего видеорегистратора

Брендовый видеорегистратор по своей сути представляет собой обычный сервер с несколькими установленными жесткими дисками. Его главная задача — принимать потоковое видео с камер по локальной сети и сохранять записи. На этом базовый функционал исчерпывается. Специализированное программное обеспечение затем распознает объекты для экономии дискового пространства, отправляет уведомления и выполняет прочие задачи. Старые устройства просто вели запись, тогда как современные комплексы задействуют искусственный интеллект, автоматизацию и многое другое. При этом вполне реально развернуть локальный NVR, используя старый ПК и программное обеспечение Frigate. Вместо того чтобы IP-камеры передавали данные на удаленные серверы производителей в облаке для анализа с помощью ИИ, мы оставляем все процессы внутри дома. Мой самодельный комплекс обрабатывает все видеозаписи и детекцию на базе искусственного интеллекта, а также полностью интегрируется с Home Assistant, что обеспечивает безупречную работу в связке с системой Alarmo. Такой подход полностью изменил мое отношение к записи и просмотру видео с камер наблюдения. Подписка на сервис Ring ушла в прошлое, а оборудование Reolink стало работать исключительно локально.

Облачные хранилища невероятно удобны, будь то размещение документов, резервных копий или всех записей с дверного звонка и уличных камер. Как Ring, так и Reolink предлагают платные подписки для хранения видеоматериалов в сети. Это обеспечивает доступ к устройствам с любого аккаунта, но одновременно означает полную зависимость от внешних серверов. К тому же видео хранится ограниченное время, а объем архива жестко лимитирован.

Затраты на содержание собственной инфраструктуры

В сфере домашних серверов и систем self-hosted нередко бытует заблуждение, будто любое решение, развернутое своими силами, обходится абсолютно бесплатно, но это далеко от истины. Я управляю всей домашней инфраструктурой на базе единого сервера с производительным процессором, который объединил прежние мини-ПК и компактные компьютеры в одну мощную систему, потребляющую около 160 ватт в течение дня. Только на электричество уходит примерно 3,8 киловатт-часов в сутки, а итоговая стоимость зависит от региона проживания. В пересчете на месяц это составляет около 15 долларов, а за год набегает около 180 долларов. Запуск видеонаблюдения на специализированном оборудовании взамен ежегодных подписок на общую сумму 85 долларов позволил бы сэкономить примерно 40 долларов в год. Получается, что за текущую систему я технически плачу больше, однако это устройство обладает избыточной производительностью для конкретных задач.

Рассматриваемый сервер функционирует под управлением гипервизора Proxmox, который также обслуживает платформу Home Assistant, облачное хранилище Nextcloud, интерфейс Open WebUI для работы с большими языковыми моделями и многое другое. Если приплюсовать расходы на подписки для голосовых помощников, офисный пакет и нейросети, общие затраты на содержание инфраструктуры заметно возрастают. При этом все сервисы работают локально, а сторонним провайдерам не нужно платить абонентскую плату. Никакой сторонний сервис не сможет внезапно прекратить работу по решению компании. Суть подхода заключается в замене облачных платформ более выгодными альтернативами. До переноса системы видеозаписи на основной сервер она функционировала на отдельном компактном бизнес-ПК с процессором Intel Core i5-7400 и скромным объемом оперативной памяти. Даже при запущенном Proxmox и Frigate со всеми подключенными камерами этот мини-компьютер потреблял от розетки всего около 30 ватт. Организация работы системы видеонаблюдения на выделенном железе ради отказа от подписок стоимостью 85 долларов в год обеспечивала реальную экономию около 40 долларов ежегодно. Все зависит от того, как подходить к организации домашней лаборатории и какие цели преследует пользователь.

Интеграция искусственного интеллекта для анализа видео

Интеграция большой языковой модели в Home Assistant для обработки видеопотоков оказывается значительно проще, чем может показаться на первый взгляд. Надежный локальный NVR позволяет задействовать инструмент LLM Vision — специальный компонент для Home Assistant, который позволяет платформе анализировать изображения, короткие видеоролики и прямые трансляции с помощью моделей, обладающих зрительными функциями. Для настройки после скачивания LLM Vision из каталога сообщества HACS мастер установки запрашивает лишь IP-адрес и порт сервера llama-server. После завершения интеграции пользователь получает мощное распознавание объектов и поддержку искусственного интеллекта для генерации детальных отчетов. Удивительно, каких результатов можно достичь, имея в распоряжении лишь компактный компьютер, Home Assistant и несколько камер.

Источник: xda-developers.com