Varian & Cara Kerja
Delapan varian pipeline Face Recognition, perbedaan arsitektur Native vs Hybrid, dan alur pemrosesan dari frame video sampai event.
Visionaire menyediakan delapan varian Face Recognition. Pilih berdasarkan ketersediaan GPU server, jenis kamera/perangkat sumber, dan apakah Anda membutuhkan atribut demografis.
Tabel Varian
| Analytic ID | Nama | Arsitektur | Input | Atribut | Use case singkat |
|---|---|---|---|---|---|
NFV4-FR | Face Recognition | Native GPU | Stream video (ROI) | Tidak | Default; deteksi + recognition penuh di GPU server, akurasi maksimal |
NFV4-FRA | Face Recognition With Attributes | Native GPU | Stream video (ROI) | Ya | NFV4-FR + gender, usia, kacamata, masker, penutup kepala, warna pakaian, ekspresi wajah |
NFV4-FRA2 | Face Recognition With Attributes 2 | Native GPU | Stream video (ROI) | Ya (set diperluas) | Seperti NFV4-FRA ditambah sarung tangan, jenis pakaian atas/bawah, tipe tubuh, warna alas kaki, dan barang bawaan |
NFV4-LFR | Face Recognition Lite | Native GPU | Stream video (full-frame) | Tidak | Versi ringan untuk deployment edge dengan resource terbatas |
NFV4H-FR | Hybrid Face Recognition | Hybrid | Perangkat edge Nodeflux (WebSocket event) | Tidak | Kamera/perangkat edge Nodeflux yang sudah menjalankan deteksi wajah on-device |
NFV4H-ISAPI-FR | ISAPI Face Recognition | Hybrid | Kamera Hikvision (ISAPI Face Snap) | Tidak | Kamera Hikvision dengan fitur Face Snap aktif |
NFV4H-WZMND-FR | Wizmind Face Recognition | Hybrid | Kamera Dahua (snapshot CGI + metadata ONVIF) | Tidak | Kamera Dahua dengan WizMind Face Detection aktif |
NFV4H-MOBLE-FR | Mobile Face Recognition | Hybrid | Aplikasi mobile Nodeflux (RTMP + capture hub) | Tidak | Perangkat Android yang menjalankan aplikasi face capture Nodeflux |
Atribut hanya dihasilkan oleh NFV4-FRA dan NFV4-FRA2. Varian Hybrid meregistrasi service atribut, tetapi pada versi saat ini alur pemrosesannya tidak mengisi field atribut ke dalam event. Jika Anda membutuhkan data demografis, gunakan varian Native dengan atribut.
ROI vs full-frame — varian bertanda ROI menerima konfigurasi areas (polygon whitelist/blacklist) untuk membatasi area deteksi. Varian full-frame memproses seluruh frame dan mengabaikan areas.
Native vs Hybrid
Native
Pada varian Native (NFV4-FR, NFV4-FRA, NFV4-FRA2, NFV4-LFR), GPU server melakukan seluruh tahap: deteksi wajah pada frame video, tracking antar frame, filter kualitas, ekstraksi embedding, dan pencarian ke FREMIS-N. Pendekatan ini memberikan akurasi maksimal dan kontrol penuh atas parameter deteksi, tetapi membutuhkan kapasitas GPU yang lebih besar per stream.
NFV4-LFR memakai detektor dan ekstraktor yang lebih ringan sehingga cocok untuk perangkat edge dengan satu atau dua kamera.
Hybrid
Pada varian Hybrid (NFV4H-*), kamera atau perangkat edge melakukan deteksi wajah secara mandiri dan mengirimkan crop wajah ke server. Server kemudian:
- Menjalankan detektor wajah ringan (single-face) pada crop yang diterima untuk mendapatkan landmark dan melakukan alignment.
- Mengekstrak embedding dari wajah yang sudah di-align.
- Mencari kecocokan ke FREMIS-N, lalu memancarkan event.
Karena detektor full-frame tidak berjalan di server, beban GPU per stream jauh lebih ringan dibandingkan Native. Sebagai gantinya, perangkat sumber harus mendukung protokol yang sesuai:
| Varian | Cara server menerima wajah |
|---|---|
NFV4H-FR | Stream harus dibuat dengan service_capability yang mendukung NFV4-FR-H. Server berlangganan event deteksi dari perangkat melalui WebSocket ws://<host-kamera>:40080/event. Jika capability tidak ada, pipeline berhenti dengan pesan "Stream capability doesn't exists. Please check your camera". |
NFV4H-ISAPI-FR | Server memeriksa GET /ISAPI/System/capabilities untuk memastikan Face Snap aktif, lalu membuka GET /ISAPI/Event/notification/alertStream/ (multipart) dan memproses setiap bagian image/jpeg dengan content-disposition faceImage. Host dan kredensial diambil dari URL stream. |
NFV4H-WZMND-FR | Server membuka GET /cgi-bin/snapManager.cgi?action=attachFileProc&Flags[0]=Event&Events=[FaceDetection]&channel=1 (port 80, multipart) pada kamera Dahua dan memproses setiap snapshot image/jpeg dari event Face Detection. Metadata ONVIF (tt:VideoAnalytics) dipakai untuk menggambar bounding box di live view. Host dan kredensial diambil dari URL stream. |
NFV4H-MOBLE-FR | URL stream harus berbentuk rtmp://<host>/live/mobile/<RTMP_ID>. Server mengekstrak RTMP_ID dan membuka WebSocket ws://<host>:9994/api/image-captures/<RTMP_ID> untuk menerima crop wajah (JPEG) dan pembaruan posisi GPS ({"lat": "...", "long": "..."}) yang otomatis memperbarui stream_latitude/stream_longitude pada event. |
Varian Hybrid spesifik vendor memerlukan firmware/aplikasi yang kompatibel. Versi firmware Hikvision/Dahua dan versi aplikasi mobile tidak diverifikasi oleh kode — konfirmasikan dengan tim deployment Nodeflux sebelum pengadaan perangkat.
Pada varian Hybrid, server tetap menjalankan deteksi wajah pada frame stream RTSP hanya untuk visualisasi bounding box di live view (dapat dimatikan dengan environment variable FR_HYBRID_USE_SERVER_DETECTION=0). Event recognition selalu bersumber dari crop yang dikirim perangkat, bukan dari deteksi visualisasi ini. Supresi wajah statis juga tidak berlaku pada varian Hybrid.
Cara Kerja
Alur Native
Saat frame video masuk, GPU server mendeteksi semua wajah beserta koordinat dan landmark-nya. Setiap wajah diberi track_id agar bisa dilacak antar frame. Wajah di luar ROI (jika dikonfigurasi) dan wajah yang tidak memenuhi syarat kualitas — terlalu kecil (fr_min_face_size), terlalu buram (fr_blur_filter_threshold), atau tidak frontal saat frontal_only aktif — langsung difilter. Wajah yang lolos dikumpulkan selama beberapa frame (fr_sampling_size) untuk mendapatkan sampel terbaik, lalu sistem mengekstrak embedding dan memeriksa kualitasnya (stddev_threshold) sebelum mencari kecocokan di FREMIS-N.
Jika similarity tertinggi berada di bawah similarity_threshold dan fitur identitas anonim aktif, sistem mencari di keyspace anonim; bila tidak ditemukan, wajah tersebut didaftarkan sebagai identitas anonim baru. Terakhir, supresi wajah statis mencegah event berulang untuk wajah yang tidak bergerak (foto, poster).
Alur Hybrid
Pada alur Hybrid, server tidak menjalankan tracking maupun sampling multi-frame — setiap crop yang dikirim perangkat diproses secara individual. Filter kualitas yang berlaku adalah fr_primary_threshold (confidence detektor single-face pada crop) dan stddev_threshold (kualitas embedding).
Memilih Varian
Gunakan panduan berikut untuk menentukan varian:
- Server memiliki GPU yang cukup dan butuh akurasi maksimal →
NFV4-FR - Sama seperti di atas, tetapi membutuhkan atribut demografis dan ekspresi →
NFV4-FRA; jika butuh atribut pakaian/barang bawaan yang lebih lengkap →NFV4-FRA2 - Deployment edge dengan resource GPU terbatas →
NFV4-LFR - Memiliki kamera Hikvision dengan Face Snap →
NFV4H-ISAPI-FR - Memiliki kamera Dahua dengan WizMind Face Detection →
NFV4H-WZMND-FR - Menggunakan aplikasi face capture mobile Nodeflux →
NFV4H-MOBLE-FR - Menggunakan perangkat edge Nodeflux dengan deteksi wajah on-device →
NFV4H-FR
Setelah varian ditentukan, lanjutkan ke Persyaratan.
Face Recognition
Deteksi wajah real-time, pengenalan identitas, dan pencocokan dengan database wajah terdaftar untuk access control, absensi, identifikasi VIP, dan monitoring keamanan.
Persyaratan
Spesifikasi kamera, panduan penempatan kamera agar Face Recognition bekerja optimal, persyaratan perangkat Hybrid, dan dependensi FREMIS-N.