Persyaratan

Spesifikasi kamera, panduan penempatan kamera agar PPE Analytics bekerja optimal, dan dependensi model.

PPE Analytics (NFV4-PPE) mendeteksi orang lalu mengklasifikasikan atribut alat pelindung diri pada crop tubuhnya. Akurasi klasifikasi atribut sangat bergantung pada seberapa besar dan jelas tubuh orang tersebut terekam — bukan hanya pada resolusi kamera. Halaman ini menjelaskan spesifikasi minimum dan cara menempatkan kamera agar atribut PPE (helm, vest, sarung tangan, dsb.) terlihat jelas oleh model.

Spesifikasi Kamera

Persyaratan	Minimum	Rekomendasi
Resolusi	1080p (1920×1080)	1080p sudah cukup — investasikan pada lensa dan sensor, bukan resolusi
Frame rate	7 fps	15–25 fps
Codec	H.264	H.264 / H.265
Lensa	Fixed, dipilih sesuai jarak area kerja	Varifocal berkualitas agar FOV bisa disesuaikan dengan area yang diawasi
Pencahayaan	Cukup untuk membedakan warna	≥ 150 lux di area kerja — klasifikasi warna helm/vest butuh cahaya yang representatif

Deteksi orang pada NFV4-PPE memproses frame yang sudah diperkecil ke resolusi internal 512×352 (src/packages/multi_logics/config.hpp, struct ppe_analytic). Yang menentukan kualitas hasil bukan resolusi sumber, melainkan berapa besar tubuh orang tersebut mengisi frame setelah resize — sama seperti prinsip pada Face Recognition. Menaikkan resolusi kamera ke 4K tanpa menyempitkan sudut pandang tidak memberi keuntungan.

Penempatan Kamera

Tujuan penempatan: setiap pekerja yang melintas atau berada di area kerja memberi frame dengan tubuh bagian atas dan bawah terlihat jelas, cukup besar, dan tidak banyak terhalang.

Sudut dan tinggi

Parameter	Nilai	Alasan
Sudut tunduk (pitch)	30–45° dari horizontal	Sudut top-down penuh (mendekati 90°) menyembunyikan bagian depan tubuh — vest, face mask, dan gloves jadi sulit dinilai
Tinggi pemasangan	2,5–4 m	Cukup tinggi untuk cakupan area, cukup rendah agar tubuh tidak terlalu terdistorsi perspektifnya
Jarak ke area kerja	Sesuaikan dengan lensa agar seluruh tubuh (kepala sampai kaki) masuk frame	Atribut seperti `footwear_type` hanya andal jika kaki terlihat

Ukuran objek

Filter minimum_object_area_size (default 2000 piksel², lihat Konfigurasi) membuang deteksi yang terlalu kecil pada logic Dwelling. Sebagai panduan operasional, jaga agar bounding box orang setidaknya berukuran 50×100 piksel pada frame asli agar crop yang dikirim ke model atribut cukup detail.

Yang perlu dihindari

Sudut bird's-eye view penuh (kamera tepat di atas kepala) — bagian tubuh yang membawa atribut penting (vest depan, face mask, gloves) tidak terlihat.
Oklusi berat — lebih dari separuh tubuh tertutup objek lain (rak, kendaraan, pekerja lain) menurunkan akurasi seluruh atribut.
Backlight kuat atau kamera menghadap langsung ke sumber cahaya — siluet membuat warna helm/vest tidak terbaca.
Kamera overview yang mencakup banyak orang berjauhan sekaligus — gunakan kamera per titik pengawasan (gate, workstation, ROI) agar setiap orang cukup besar di frame.

Dependensi

Komponen	Wajib untuk	Keterangan
Model deteksi orang (`person_detection`)	Semua sub-analytic	Berjalan di GPU (TensorRT) atau CPU Intel (OpenVINO) sesuai `run_mode` node.
Model atribut PPE (`ppe_attribute`)	Klasifikasi atribut pada semua sub-analytic	Dijalankan melalui service `attribute_classification` — device NVIDIA/Jetson memakai TensorRT, device Intel memakai OpenVINO (`src/services/attribute_classification/attribute_classification.hpp`). Model ini berjalan lokal di node; PPE Analytics tidak memanggil layanan eksternal seperti FREMIS-N atau fremis coordinator.

Berbeda dari Face Recognition (NFV4-FRA/NFV4-FRA2), atribut PPE tidak memiliki toggle aktif/nonaktif per atribut melalui API — semua 11 atribut selalu dihitung. Yang dapat Anda atur hanyalah *_confidence_threshold per atribut (lihat Konfigurasi).

Setelah persyaratan terpenuhi, buat pipeline sesuai API Reference — Manajemen Pipeline dengan parameter dari Konfigurasi.