Crowd Estimation

Pengenalan

Crowd Estimation (NFV4-CE) adalah pipeline analitik video real-time yang memperkirakan jumlah orang di dalam satu atau lebih area (ROI) pada sebuah stream video. Alih-alih mendeteksi setiap orang sebagai bounding box seperti People Analytics, model utamanya menghasilkan sekumpulan titik kepadatan — perkiraan lokasi kepala/orang dalam frame — sehingga tetap dapat memberi estimasi yang masuk akal meski kerumunan sangat padat dan saling menutupi (occlusion berat).

---

Apa yang Dilakukan

Kemampuan

• Estimasi jumlah orang per ROI — setiap ROI polygon yang Anda definisikan pada areas diproses dan menghasilkan estimasi jumlah orang secara independen dari ROI lain.
• Titik kepadatan, bukan bounding box — model utama mengembalikan sekumpulan titik (points) beserta jumlahnya; estimasi per ROI dihitung dengan menyaring titik-titik yang jatuh di dalam polygon ROI.
• Deteksi pelengkap otomatis untuk kerumunan kecil — saat estimasi keseluruhan frame rendah, pipeline menyalakan model deteksi orang (person_detection) tambahan untuk memperkuat akurasi di kondisi renggang, dan mematikannya kembali saat kerumunan sudah cukup padat.
• Event periodik dengan statistik — setiap interval detik, pipeline menerbitkan satu event per ROI berisi estimasi rata-rata (estimation) beserta nilai minimum (history_min) dan maksimum (history_max) yang tercatat selama interval tersebut.
• Multi-ROI dalam satu pipeline — satu pipeline dapat memantau beberapa area sekaligus; setiap ROI menghasilkan event terpisah pada setiap interval.
• Visualisasi overlay — live view (GET /visual/...) menampilkan outline ROI, titik kepadatan, dan label estimasi per area secara real-time.

Yang TIDAK Dilakukan

• Tidak melakukan tracking individu — tidak ada tracker_id atau identitas per orang; gunakan People Analytics jika Anda memerlukan rute atau identitas per individu.
• Tidak melakukan counting line-crossing.
• Tidak menghasilkan atribut demografis (usia, gender, warna pakaian, dll).
• Tidak mengenali identitas wajah — gunakan Face Recognition untuk itu.
• Tidak memiliki alert threshold bawaan — pipeline hanya menerbitkan angka estimasi; logika alert kapasitas (mis. "kirim notifikasi jika > 500 orang") perlu diimplementasikan di sisi aplikasi Anda.

---

Use Cases

---

Cara Kerja

Pipeline berjalan pada 1 FPS dan memproses setiap frame melalui dua model yang saling melengkapi:

1. Model crowd counting utama (Service 0, selalu aktif) — memproses frame yang di-resize ke 768×384 dan mengembalikan sekumpulan titik (crowd_counting.points) beserta jumlahnya. Titik-titik ini kemudian disaring per ROI: titik yang jatuh di dalam polygon suatu area dihitung sebagai estimasi untuk area tersebut.
2. Model deteksi orang pelengkap (Service 1, person_detection, aktif kondisional) — memproses frame yang di-resize ke 512×352. Model ini otomatis diaktifkan saat estimasi kerumunan di seluruh frame turun di bawah ±10 orang, dan dimatikan saat estimasi melebihi ±500 orang atau saat jumlah deteksi orangnya sendiri di bawah 2. Hasil deteksinya dikonversi menjadi titik tambahan (posisi tengah bounding box) untuk memperkuat estimasi saat kerumunan renggang, di mana model density-point saja kurang presisi. Ambang batas ini bersifat internal dan tidak dapat dikonfigurasi lewat API.

Setiap interval detik, rata-rata jumlah titik per ROI selama interval tersebut dihitung dan diterbitkan sebagai satu event, bersama nilai minimum dan maksimum yang tercatat pada interval yang sama.

---

Modul Terkait