viseron

GitHub
2.7k 325 中等 1 次阅读 2天前MIT图像开发框架视频
AI 解读 由 AI 自动生成,仅供参考

Viseron 是一款专为本地部署设计的开源网络视频录像机(NVR)与 AI 计算机视觉软件。它致力于解决传统监控方案依赖云端服务、隐私泄露风险高以及缺乏智能分析能力的痛点,让用户能够完全在本地环境中掌控家庭、办公室或其他场所的安防监控。

与普通监控软件不同,Viseron 深度融合了人工智能技术,支持物体检测、运动追踪及人脸识别等高级功能。这意味着它不仅能录制视频,还能“看懂”画面内容,精准识别特定目标并触发警报,从而大幅减少误报并提升监控效率。其独特的技术亮点在于完全本地化运行,所有视频数据与 AI 处理均在用户自己的硬件上完成,无需上传云端,极大保障了隐私安全。此外,Viseron 基于 Docker 容器部署,配置简单,并提供直观的 Web 界面供用户调整参数,同时拥有灵活的组件系统,可按需扩展功能。

这款软件非常适合注重数据隐私的家庭用户、希望搭建私有化智能监控系统的技术爱好者,以及需要定制化视觉方案的开发者。无论是想为家中添加智能看家助手,还是为项目集成低成本视觉分析能力,Viseron 都能提供强大而自由的解决方案。

使用场景

一位拥有小型仓库的店主希望利用现有的旧摄像头构建一套智能安防系统,以替代昂贵且数据不安全的云端监控方案。

没有 viseron 时

  • 只能依赖传统的移动侦测功能,风吹草动或光影变化都会触发误报,导致手机每天收到数百条无效通知。
  • 想要识别特定物体(如“人”或“车辆”)必须订阅昂贵的商业云存储服务,且视频数据需上传至第三方服务器,存在隐私泄露风险。
  • 缺乏本地人脸识别能力,无法区分是自家员工正常进出还是陌生人闯入,事后排查录像耗时费力。
  • 系统扩展性差,每增加一个摄像头或新功能都需要购买专用的硬件录像机(NVR),成本高昂且配置僵化。

使用 viseron 后

  • 利用内置的 AI 物体检测模型,仅当画面中出现“人”或“车”时才触发警报,彻底消除了因树叶晃动产生的误报干扰。
  • 所有视频流处理与存储均在本地 Docker 容器中完成,无需上传云端,既保护了隐私又节省了持续的云存储订阅费用。
  • 启用人脸识别组件后,系统能自动标记已知员工并忽略其活动,仅在检测到未知面孔时推送高优先级告警,大幅提升响应效率。
  • 通过灵活的组件化配置,店主仅用一台旧电脑就整合了多个品牌摄像头,并自由添加了车牌识别等高级功能,无需额外硬件投入。

viseron 将普通的监控摄像头升级为具备本地 AI 大脑的智能安防系统,在零隐私风险的前提下实现了精准、低成本的自动化监控。

运行环境要求

操作系统
  • 未说明 (通过 Docker 运行,理论上支持所有兼容 Docker 的系统)
GPU

未说明 (支持 AI 计算机视觉功能,通常建议配备 NVIDIA GPU 以加速推理,但 README 未明确具体型号或 CUDA 版本)

内存

未说明

依赖
notes该工具主要通过 Docker 容器部署。用户只需启动容器并通过内置的 Web 界面编辑配置文件即可开始使用。具体的硬件需求(如 GPU、内存)取决于所启用的组件(如物体检测、人脸识别等)及摄像头数量,README 中未提供具体数值,建议参考官方文档获取详细配置指南。
python未说明 (基于 Docker 容器部署,内部版本未在 README 中列出)
Docker
viseron hero image

快速开始


Viseron

自托管、纯本地的网络视频录像机(NVR)及人工智能计算机视觉软件。

凭借物体检测、移动侦测、人脸识别等功能,它能帮助您随时监控家庭、办公室或其他任何需要监视的场所。


入门指南

入门非常简单!您只需启动一个 Docker 容器,并通过内置的 Web 界面编辑配置文件即可。

请前往 文档 查看详细的入门说明。

组件

Viseron 的功能由 组件 提供支持。

您可以通过 组件浏览器 查找所有可用的组件。

贡献

我们非常欢迎各位为本项目贡献力量。请参阅 贡献指南,了解如何开始参与。

您可以从以下方面提供帮助:

  • 实现 问题追踪器 中的公开功能请求或问题
  • 改进文档
  • 回答问题追踪器中的问题或 讨论区 中的问题

您也可以通过下方链接为 Viseron 提供赞助,或进行一次性捐赠。

赞助 请我喝杯咖啡

版本历史

v3.5.22026/04/02
v3.5.12026/03/31
v3.5.02026/03/25
v3.4.12025/12/16
v3.4.02025/12/12
v3.3.12025/10/18
v3.3.02025/10/07
v3.2.32025/08/25
v3.2.22025/08/24
v3.2.12025/08/03
v3.2.02025/07/17
v3.1.22025/05/15
v3.1.12025/04/17
v3.1.02025/04/16
v3.0.02025/03/15
v3.0.0b132025/03/10
v3.0.0b122024/11/27
v3.0.0b112024/10/15
v3.0.0b102024/08/31
v3.0.0b92024/07/09

常见问题

相似工具推荐

stable-diffusion-webui

stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面,旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点,将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。 无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师,还是想要深入探索模型潜力的开发者与研究人员,都能从中获益。其核心亮点在于极高的功能丰富度:不仅支持文生图、图生图、局部重绘(Inpainting)和外绘(Outpainting)等基础模式,还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外,它内置了 GFPGAN 和 CodeFormer 等人脸修复工具,支持多种神经网络放大算法,并允许用户通过插件系统无限扩展能力。即使是显存有限的设备,stable-diffusion-webui 也提供了相应的优化选项,让高质量的 AI 艺术创作变得触手可及。

162.1k|★★★☆☆|今天
开发框架图像Agent

everything-claude-code

everything-claude-code 是一套专为 AI 编程助手(如 Claude Code、Codex、Cursor 等)打造的高性能优化系统。它不仅仅是一组配置文件,而是一个经过长期实战打磨的完整框架,旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能,everything-claude-code 能显著提升 AI 在复杂任务中的表现,帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略,使得模型响应更快、成本更低,同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库,还是需要 AI 协助进行安全审计与自动化测试,everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目,它融合了多语言支持与丰富的实战钩子(hooks),让 AI 真正成长为懂上

139k|★★☆☆☆|今天
开发框架Agent语言模型

ComfyUI

ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎,专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式,采用直观的节点式流程图界面,让用户通过连接不同的功能模块即可构建个性化的生成管线。 这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景,也能自由组合模型、调整参数并实时预览效果,轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性,不仅支持 Windows、macOS 和 Linux 全平台,还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构,并率先支持 SDXL、Flux、SD3 等前沿模型。 无论是希望深入探索算法潜力的研究人员和开发者,还是追求极致创作自由度的设计师与资深 AI 绘画爱好者,ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能,使其成为当前最灵活、生态最丰富的开源扩散模型工具之一,帮助用户将创意高效转化为现实。

107.7k|★★☆☆☆|2天前
开发框架图像Agent

NextChat

NextChat 是一款轻量且极速的 AI 助手,旨在为用户提供流畅、跨平台的大模型交互体验。它完美解决了用户在多设备间切换时难以保持对话连续性,以及面对众多 AI 模型不知如何统一管理的痛点。无论是日常办公、学习辅助还是创意激发,NextChat 都能让用户随时随地通过网页、iOS、Android、Windows、MacOS 或 Linux 端无缝接入智能服务。 这款工具非常适合普通用户、学生、职场人士以及需要私有化部署的企业团队使用。对于开发者而言,它也提供了便捷的自托管方案,支持一键部署到 Vercel 或 Zeabur 等平台。 NextChat 的核心亮点在于其广泛的模型兼容性,原生支持 Claude、DeepSeek、GPT-4 及 Gemini Pro 等主流大模型,让用户在一个界面即可自由切换不同 AI 能力。此外,它还率先支持 MCP(Model Context Protocol)协议,增强了上下文处理能力。针对企业用户,NextChat 提供专业版解决方案,具备品牌定制、细粒度权限控制、内部知识库整合及安全审计等功能,满足公司对数据隐私和个性化管理的高标准要求。

87.6k|★★☆☆☆|今天
开发框架语言模型

ML-For-Beginners

ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程,旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周,包含 26 节精炼课程和 52 道配套测验,内容涵盖从基础概念到实际应用的完整流程,有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。 无论是希望转型的开发者、需要补充算法背景的研究人员,还是对人工智能充满好奇的普通爱好者,都能从中受益。课程不仅提供了清晰的理论讲解,还强调动手实践,让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持,通过自动化机制提供了包括简体中文在内的 50 多种语言版本,极大地降低了全球不同背景用户的学习门槛。此外,项目采用开源协作模式,社区活跃且内容持续更新,确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路,ML-For-Beginners 将是理想的起点。

85k|★★☆☆☆|今天
图像数据工具视频

ragflow

RAGFlow 是一款领先的开源检索增强生成(RAG)引擎,旨在为大语言模型构建更精准、可靠的上下文层。它巧妙地将前沿的 RAG 技术与智能体(Agent)能力相结合,不仅支持从各类文档中高效提取知识,还能让模型基于这些知识进行逻辑推理和任务执行。 在大模型应用中,幻觉问题和知识滞后是常见痛点。RAGFlow 通过深度解析复杂文档结构(如表格、图表及混合排版),显著提升了信息检索的准确度,从而有效减少模型“胡编乱造”的现象,确保回答既有据可依又具备时效性。其内置的智能体机制更进一步,使系统不仅能回答问题,还能自主规划步骤解决复杂问题。 这款工具特别适合开发者、企业技术团队以及 AI 研究人员使用。无论是希望快速搭建私有知识库问答系统,还是致力于探索大模型在垂直领域落地的创新者,都能从中受益。RAGFlow 提供了可视化的工作流编排界面和灵活的 API 接口,既降低了非算法背景用户的上手门槛,也满足了专业开发者对系统深度定制的需求。作为基于 Apache 2.0 协议开源的项目,它正成为连接通用大模型与行业专有知识之间的重要桥梁。

77.1k|★★★☆☆|昨天
Agent图像开发框架