DIY Kamera Keamanan AI di Raspberry Pi: Lebih Baik dari Solusi Profesional?

Beberapa dari kita mungkin menghindari perangkat rumah pintar, terutama kamera keamanan, karena kekhawatiran privasi data. Insiden seperti kasus Ring beberapa waktu lalu membuktikan mengapa menyerahkan rekaman pengawasan pribadi ke server perusahaan pihak ketiga adalah ide yang kurang baik. Untungnya, ada cara untuk membangun solusi pengawasan yang canggih dan tetap menjaga privasi kita. Saya menambahkan sebuah AI kit ke kamera keamanan Raspberry Pi saya, dan hasilnya melampaui ekspektasi.

Berawal dari Raspberry Pi 5 yang tidak terpakai, saya memutuskan untuk menggabungkannya dengan beberapa kamera CCTV lama dan sebuah kamera RTSP buatan sendiri dari smartphone bekas. Dengan bantuan Frigate dan AI Kit resmi (modul OG, bukan varian +), saya berhasil mengubah Raspberry Pi menjadi hub NVR yang solid dengan kemampuan deteksi objek.

Mengapa Frigate Menjadi Pilihan Terbaik

Ada banyak aplikasi perekam video jaringan (NVR) di ekosistem self-hosted, tetapi saya memilih Frigate untuk pengaturan kamera keamanan lokal saya. Pertama, Frigate sangat ringan sehingga tidak membebani sumber daya saat menghubungkan banyak kamera ke Raspberry Pi. Pembaruan terbaru juga membuatnya lebih mudah diakses dengan menambahkan penyesuaian, tombol, dan pengaturan penting ke antarmuka web minimalisnya.

Namun, yang paling penting, Frigate mendukung akselerator AI, termasuk modul Hailo-8L yang ada di dalam AI Kit yang saya gunakan. Fitur ini krusial untuk menambahkan kemampuan deteksi objek yang efisien. Frigate sendiri adalah salah satu alat NVR terbaik karena fitur pengawasan yang lengkap.

Untuk sistem operasi, saya memilih varian Lite dari Raspberry Pi OS. Sistem ini cukup ringan dan tidak akan menghabiskan banyak sumber daya. Meskipun ada opsi yang lebih barebones seperti Armbian, saya tidak ingin kesulitan memecahkan masalah driver acak, terutama karena saya berencana untuk menghubungkan akselerator AI dengan single-board computer ini.

Membangun NVR Dasar dengan Docker

Langkah pertama adalah menyiapkan Raspberry Pi saya dengan Docker. Saya menggunakan skrip dockerd-rootless-setuptool.sh install untuk memastikan Docker tidak menjalankan kontainer dalam mode istimewa. Setelah itu, saya mengambil perintah dari dokumentasi resmi Frigate untuk menyebarkan kontainer.

Frigate memiliki antarmuka web yang mendukung penambahan kamera baru tanpa perlu mengedit file konfigurasi secara manual. Saya pun dengan mudah menghubungkan dua kamera, satu beresolusi 720p dan satu 1080p, ke server NVR Raspberry Pi. Setelah beberapa handshake RTSP, kamera-kamera tersebut segera muncul di Dashboard, di mana saya bisa memantau stream mereka dan memicu tugas perekaman screenshot dan video.

Menambahkan Kekuatan AI dengan Hailo-8L HAT

Pada tahap ini, pengaturan Frigate saya sudah cukup baik untuk tugas pemantauan video dasar. Namun, saat mencoba mengaktifkan deteksi objek, latensinya melonjak melewati ambang 70ms. Ini terjadi karena CPU ARM dari Raspberry Pi tidak memiliki kemampuan pemrosesan yang cukup untuk tugas inferensi AI. Di sinilah Hailo-8L AI Kit berperan, mengambil alih beban penuh operasi deteksi objek.

Pemasangan HAT Hailo-8L ternyata lebih mudah dari yang saya duga. Karena saya menggunakan versi terbaru Raspberry Pi OS, saya harus terlebih dahulu membongkar driver Hailo-8L yang sudah terpaket dengan distro tersebut:

bash
sudo modprobe -r hailo_pci

Setelah itu, saya mengganti nama driver tersebut untuk mencegah Raspberry Pi secara tidak sengaja menggunakannya untuk tugas inferensi Frigate. Kemudian, saya menggunakan perintah wget untuk mengunduh skrip instalasi khusus pengguna:

bash
wget https://raw.githubusercontent.com/blakeblackshear/frigate/dev/docker/hailo8l/user_installation.sh

Saya mengubah skrip tersebut menjadi executable dengan chmod +x user_installation.sh, lalu menjalankannya. Setelah proses instalasi selesai, saya beralih ke file Konfigurasi di antarmuka web Frigate dan menambahkan argumen tertentu (dengan aturan indentasi yang benar) sebelum me-restart kontainer.

Sayangnya, Frigate pada awalnya menolak bekerja dengan akselerator AI. Setelah memeriksa log, saya menyadari bahwa variabel desc_page_size menyebabkan masalah. Setelah membaca ulang dokumentasi Frigate, saya menjalankan perintah berikut untuk mengatasi masalah tersebut:

bash
echo 'options hailo_pci force_desc_page_size=4096' | sudo tee /etc/modprobe.d/hailo_pci.conf

Setelah itu, Frigate akhirnya bekerja dengan AI accelerator.

Mengoptimalkan Deteksi Objek dengan Konfigurasi Frigate

Dengan AI HAT sekarang berfungsi, saya kembali ke Editor Konfigurasi. Saya menambahkan blok detect dan record dengan snippet yang diperlukan untuk setiap kamera.

Untuk menghindari pembebanan berlebihan pada sistem, saya menurunkan parameter FPS di bawah deteksi menjadi 8. Selain itu, saya juga menyertakan blok object dengan variabel animal, person, dan vehicle di bawah bagian track. Meskipun ada akselerator AI, sistem saya tetap memiliki batasan, sehingga optimisasi tetap penting.

Untuk memaksimalkan sumber daya, saya membuat zona guna menentukan wilayah mana yang ingin saya arahkan fitur deteksi objek Frigate, alih-alih membuang sumber daya untuk memantau bagian feed kamera yang tidak perlu.

Setelah menambahkan kamera tambahan dan menyempurnakan mask, saya melakukan beberapa eksperimen deteksi objek. Untuk deteksi manusia, instansi Frigate saya hampir selalu akurat, meskipun kadang salah melabeli selang gardening sebagai ular. Namun, selama saya tidak berlebihan dengan pengaturan frame rate, pengaturan ini bekerja dengan sangat baik di semua kamera keamanan saya.

Bagian terbaiknya? Tidak seperti solusi NVR berbasis cloud di luar sana, semua data di hub Frigate bertenaga Raspberry Pi dan AI ini tetap berada di jaringan lokal saya, menjaga privasi sepenuhnya. Bahkan, saya juga menggabungkan Frigate dengan Home Assistant untuk mendapatkan notifikasi terperinci dari kamera pengawasan saya, memanfaatkan blueprint yang tersedia.