Siguran dom: Podesi AI kameru da prepozna ukućane [DIY]

Profesionalni sistemi za video nadzor sa prepoznavanjem lica koštaju preko 3.500 KM za instalaciju. Hardver košta 300 KM, dok ostalih 3.200 KM plaćaš za tuđe znanje i brendiranu kutiju koja radi istu stvar. Ti to možeš sklopiti za jedan vikend koristeći stari mini-PC i par kvalitetnih IP kamera, pod uslovom da znaš razliku između RTSP protokola i običnog USB kabla. Tvoja privatnost vrijedi više od pretplate na Amazonov Cloud, a ovaj vodič će ti pokazati kako da tvoja kuća postane pametna, a da podaci nikada ne napuste tvoju lokalnu mrežu.

Hardverska baza: Zašto tvoj stari laptop ne može žvakati AI video

Da bi AI prepoznao tvoje ukućane u realnom vremenu, potrebna mu je snaga, ali ne ona koju misliš. Ako pokušaš vrtjeti prepoznavanje lica direktno na CPU-u, tvoj server će vrištati kao mlazni motor, a latencija će biti tolika da će kamera javiti da je provalnik ušao tek kad on već bude iznosio televizor. Za pravi DIY AI nadzor, potreban ti je Google Coral USB Accelerator ili barem solidna integrisana grafika. Čućeš tihi zvuk ventilatora dok procesor žvače frejmove, ali prava magija se dešava u TPU (Tensor Processing Unit) jedinici. Bez ovog malog hardverskog dodatka, tvoj ‘pametni’ dom će biti samo skupi digitalni ram za slike koji kasni za realnošću. Ako želiš dublje ući u to kako mašine uopšte procesuiraju sliku, pogledaj ovaj vodič o osnovama kompjuterskog vida.

Kod odabira kamera, bježi od onih koje rade samo na baterije. One ‘spavaju’ da bi štedjele energiju i AI ih ne može konstantno analizirati. Tebi trebaju PoE (Power over Ethernet) kamere. Miris svježe probušene cigle dok provlačiš mrežni kabal kroz zid je cijena koju plaćaš za stabilnost. Jednom kad ‘uloviš’ video stream preko RTSP-a, tvoj lokalni server preuzima kontrolu. Ne oslanjaj se na Wi-Fi; u 2026. godini zagušenje signala u naseljima je tolika da će ti frejmovi pucati baš kad je najbitnije. Zapamti: kabal je svetinja.

WARNING: Nikada ne spajaj kamere direktno na internet bez firewall-a. Većina jeftinih kamera ima ‘backdoor’ propuste. Ako ne izoluješ svoju mrežu, tvoja kamera za prepoznavanje ukućana mogla bi postati prozor za hakere širom svijeta. Dodirni metalno kućište rutera tek nakon što si siguran da si ugasio UPnP port forwardinge.

Instalacija Frigate-a: Kako ‘prisiliti’ kameru da razmišlja

Zaboravi na gotove aplikacije sa Play Store-a. Mi ovdje koristimo Frigate NVR. To je srce tvog sistema koje radi unutar Docker-a. Prvi put kad pokreneš config fajl, vjerovatno ćeš dobiti grešku jer si promašio jedan razmak u YAML kodu. To je normalno. Isfrustriranost je dio procesa. Ali kad se prvi put pojavi zeleni kvadrat oko tvog lica u dashboardu, znaćeš da si pobijedio sistem. Ključna stvar je podešavanje ‘detect’ i ‘record’ rezolucije. AI ne treba 4K sliku da bi znao da je to tvoj brat; 720p je više nego dovoljno za detekciju i štedi resurse tvog procesora.

Evo kako to radi u praksi. Frigate koristi detekciju pokreta da ‘probudi’ AI model. Ako model kaže ‘čovjek’, on šalje taj frejm na analizu prepoznavanja lica. Ako preskočiš ovaj korak i staviš AI da stalno analizira svaki piksel, tvoj hardver će se istopiti za dva mjeseca. Ovdje je bitno da razumiješ kako optimizacija funkcioniše, jer ista pravila važe i za procesuiranje podataka u lokalu. Slather (namaži) debeli sloj termalne paste na svoj mini-PC procesor prije nego što ga zatvoriš u ormar – trebaće mu hlađenje.

Anatomija zajeba: Zašto tvoja kamera misli da je poštar zapravo tvoja mama

Desiće se. Dobit ćeš notifikaciju na telefon: ‘Mama je ispred vrata’, a na slici će biti komšijin pas ili dostavljač sa kačketom. Ovo se zove ‘False Positive’. Do toga dolazi jer si trenirao model sa premalo slika ili pod lošim uglom. Da bi izbjegao ovaj scenario, moraš ‘uhvatiti’ ukućane u različitim dobima dana. Sjena u 5 popodne drastično mijenja geometriju lica. Ako ne napraviš bazu od barem 50 fotografija po osobi, tvoj sistem će biti beskoristan. Ne budi lijen. Natjeraj ukućane da se vrte ispred kamere dok ti snimaš frejmove. Dosadno je. Tvoja djeca će kolutati očima. Izdrži, jer je to jedini način da sistem zapravo radi.

Zašto ne koristiti Cloud? Privatnost kao prioritet

Mnogi će ti reći ‘kupi Ring’ ili ‘kupi Nest’. Ne slušaj ih. Ti uređaji šalju video tvoje spavaće sobe ili hodnika na servere u Irskoj ili Americi. U 2026. godini smo naučili da brisanje istorije pretrage nije dovoljno ako tvoj hardver konstantno strimuje tvoj život drugima. Lokalni AI znači da prepoznavanje lica ostaje unutar tvoja četiri zida. Čak i ako ti nestane interneta, tvoja brava će se otključati kad te kamera prepozna jer sistem ne zavisi od tamo nekog servera u oblaku koji je pao jer je neko u Data centru prosuo kafu. Instaliraj lokalni AI na svoj PC i osiguraj da tvoji podaci pripadaju samo tebi.

Da li sistem prepoznaje maske?

Da, moderni modeli poput FaceNet-a ili InsightFace-a koje koristiš u DIY varijanti mogu prepoznati osobu čak i sa hirurškom maskom, fokusirajući se na regiju oko očiju. Međutim, procenat tačnosti pada sa 99% na oko 85%. Ako je neko skroz maskiran, tvoj sistem će ga označiti kao ‘Unknown’ i odmah aktivirati alarm.

Koliko prostora na disku mi treba?

Za 4 kamere u Full HD rezoluciji, 4TB hard disk će ti trajati oko 14 dana konstantnog snimanja. Ali pošto koristimo pametno snimanje samo na detekciju pokreta i prepoznavanje, isti taj disk može trajati mjesecima. Koristi isključivo ‘Purple’ ili ‘Red’ serije diskova dizajnirane za 24/7 rad. Obični diskovi će ‘prolupati’ nakon tri mjeseca stalnog pisanja.

Fizička montaža i uglovi: Umjetnost skrivanja kablova

Kamera postavljena previše visoko vidi samo tjeme glave. To je najčešća greška početnika. Da bi AI prepoznao lice, kamera mora biti u visini očiju ili maksimalno 30 stepeni iznad. Ako je staviš na krov kuće, dobićeš prelijep snimak komšijinog dvorišta, ali nikada nećeš znati ko ti je pozvonio na vrata. Osjetićeš kako ti prsti trnu od hladnoće dok balansiraš na merdevinama pokušavajući da pogodiš pravi ugao. Podesi je tako da lice zauzima barem 15% frejma kada je osoba na tri metra od vrata. Ako koristiš smart osvjetljenje, poveži ga sa kamerom. AI voli svjetlo. Podesi pametno osvjetljenje tako da se upali čim kamera detektuje pokret, čime drastično povećavaš šansu za uspješno prepoznavanje lica tokom noći.

Zašto ovo radi: Nauka iza prepoznavanja lica

Vjerovatno se pitaš kako komad koda zna da si to ti. Ne radi se o poređenju slika piksel po piksel. AI pretvara tvoje lice u dugački niz brojeva koji se zove ’embedding’. On mjeri razmak između očiju, širinu nosa, dubinu jagodica i te mjere pakuje u matematički vektor. Kada se pojaviš ispred kamere, on u milisekundi izračuna tvoj trenutni vektor i uporedi ga sa onima u bazi. Ako je podudaranje veće od 0.7 (70%), sistem kaže ‘To si ti’. Ovaj proces je toliko brz jer koristimo linearne algebre i optimizovane neuronske mreže. Više o tome kako ovi algoritmi donose odluke možeš pročitati u tekstu o decision logici.

Zaključak: Tvoj dom, tvoja pravila

Podešavanje AI kamere za prepoznavanje ukućana nije samo ‘gadget’ projekat. To je čin digitalne nezavisnosti. Potrošićeš sate debugirajući Docker logove, psovaćeš loš Wi-Fi signal i možda ćeš pasti s merdevina, ali onaj trenutak kada ti kuća poželi dobrodošlicu jer te je prepoznala, vrijedi svakog truda. Nemoj dozvoliti da te strah od tehnologije spriječi. Kreni polako, jednu po jednu kameru. I zapamti, u DIY svijetu, ako nešto ne radi iz prve, samo ti treba veći čekić ili bolji config fajl. Sretno u radionici!