Rancangan Teknis CCTV + OCR Auto-Recording System

1️⃣ Gambaran Arsitektur Besar

Alur Kerja Utama

CCTV Stream RTSP

Stream video real-time dari setiap meja packaging

Service OCR/QR Detector

Deteksi otomatis QR code dan nomor resi

Trigger Event

Pemicu otomatis saat QR/Resi terdeteksi

Auto Record 30 Detik

Perekaman otomatis selama 30 detik

Compress & Rename

Kompresi dan penamaan file sesuai nomor resi

Upload ke Storage

Upload file video ke server penyimpanan

Admin Panel Access

Akses melalui panel admin untuk pencarian dan playback

2️⃣ Komponen yang Harus Dipersiapkan

A. Hardware (Meja Packaging)

Wajib:

IP Camera RTSP (bukan USB)
• Resolusi min 1080p
• 25–30 FPS
• Support RTSP stream
Lighting konsisten (lampu putih, anti bayangan)
Posisi kamera top-down / angled fokus ke resi

Rekomendasi Kamera:

Hikvision / Dahua / Uniview
ONVIF + RTSP support

Catatan penting:
OCR & QR lebih ditentukan oleh pencahayaan & sudut kamera daripada merek kamera.

B. Network & Infrastruktur

LAN Gigabit (50 CCTV = traffic besar)
Switch PoE untuk CCTV
VLAN khusus CCTV (opsional tapi ideal)
Static IP per kamera

3️⃣ Integrasi CCTV (Bagian Paling Krusial)

🔹 Cara Akses CCTV

Semua CCTV diakses via RTSP URL, contoh:

rtsp://user:password@192.168.1.20:554/Streaming/Channels/101

🔹 Mekanisme Kerja (Detail Teknis)

1. Stream Reader

Gunakan:

FFmpeg
atau GStreamer
atau OpenCV VideoCapture (RTSP)

Best practice:
Gunakan FFmpeg untuk stabilitas multi-camera.

2. OCR & QR Detection (Real-time)

Kebutuhan	Teknologi
QR Code	OpenCV + ZBar
OCR Resi	Tesseract OCR
Akurasi tinggi	YOLOv8 + PaddleOCR
Edge AI	NVIDIA Jetson (opsional)

Workflow:

Capture frame setiap 0.5–1 detik
Crop area resi (ROI)
Jalankan QR detector
Jika QR terbaca → trigger event

3. Auto Record 30 Detik

Saat QR terdeteksi:

ffmpeg -rtsp_transport tcp -i rtsp://cam \
-t 30 \
-vcodec libx264 -preset fast -crf 26 \
-acodec aac \
resi123456.mp4

Penjelasan:

-t 30 → record 30 detik
-crf 24–28 → kompresi (good quality)
Output size ± 5–15 MB / video

4. Penamaan File

{no_resi}_{timestamp}.mp4

Contoh:

JNE123456789_2025-12-13_14-05-22.mp4

4️⃣ Backend & Server

A. Bahasa & Framework (Rekomendasi)

Core Processing (CCTV & OCR)

Python
- OpenCV
- PaddleOCR / Tesseract
- FFmpeg
Async (multiprocessing / asyncio)

Backend API

Laravel (cocok dengan ekosistem)
atau Node.js (NestJS)

Kenapa dipisah?

OCR & video = CPU/GPU heavy
API & admin panel = I/O heavy

B. Arsitektur Microservice (Ideal)

[ CCTV ]
   ↓ RTSP
[ OCR Service (Python) ]
   ↓ Event
[ Video Recorder Service ]
   ↓
[ Object Storage ]
   ↓
[ Backend API ]
   ↓
[ Admin Web ]

5️⃣ Database Design (Sederhana tapi Efektif)

Tabel `packages`

Field	Tipe
id	bigint
resi	varchar (indexed)
camera_id	int
recorded_at	datetime
video_path	text
file_size_mb	decimal
status	enum
created_at	timestamp

Tabel `cameras`

Field	Tipe
id	int
name	varchar
rtsp_url	text
meja_no	int
active	boolean

6️⃣ Storage Video (Sangat Penting)

Opsi Penyimpanan

Skala	Solusi
Kecil	Local HDD + RAID
Menengah	MinIO (S3 compatible)
Besar	AWS S3 / GCP

Rekomendasi:
➡ MinIO di server lokal (murah + scalable)

7️⃣ Aplikasi Admin (Fitur Wajib)

Role Admin

Search resi
List hasil
Play video (HTML5 video)
Info:
- Kamera
- Waktu
- Durasi
- File size

Tech Stack

Laravel + Blade / React
Video streaming via signed URL
Pagination & indexing (resi)

8️⃣ Server Specification (Estimasi 50 CCTV)

Minimum (Tanpa GPU)

CPU: 16 Core
RAM: 32–64 GB
Storage:
- Video: ≥10 TB
Network: Gigabit

Ideal (Dengan AI)

GPU: NVIDIA T4 / RTX 3060
OCR & detection jauh lebih cepat

Rule kasar:
1 CPU core ≈ 2–3 CCTV stream OCR ringan

9️⃣ Tantangan & Mitigasi

Solusi untuk Masalah Umum

Masalah	Solusi
OCR salah baca	ROI + lighting
Beban server	Queue & async
Duplicate scan	Cache resi (TTL)
Storage penuh	Auto delete > X hari
CCTV down	Health check

🔟 Ringkasan Singkat

Yang HARUS disiapkan:

IP Camera RTSP (50 unit)
Server kuat (CPU/GPU)
Python OCR + FFmpeg

Laravel Admin Panel
Object Storage (MinIO)
Network stabil & lighting bagus

Rancangan Teknis End-to-End

Daftar Isi

Quick Actions