Controles de casco y hi-viz
Señalá a una persona dentro de una zona de trabajo, en horario laboral, sin un casco o chaleco requerido por más de N frames consecutivos — un empujón consultivo para un supervisor, no una penalidad automática.
Todas las apps de Studio
Visión & CCTV
Experimental
Monitor de EPP
EXPERIMENTAL · casco · hi-viz
Señales consultivas cuando una persona en una zona de trabajo no lleva un casco o chaleco hi-viz requerido — para que las revise un humano.
Leé esto primero — EXPERIMENTAL
Este plugin usa un modelo comunitario abierto existente (nada se entrena in-house), sus afirmaciones de precisión son auto-reportadas, y sus datos de entrenamiento están sesgados hacia imágenes de construcción al aire libre. Tratá cada evento como una señal consultiva para que la revise un humano — no es un sistema de seguridad certificado, ni un sustituto de uno.
El problema
Los controles de EPP son manuales y esporádicos. Una cámara que mira una zona de trabajo puede señalar los casos obvios — alguien en el muelle sin casco o chaleco hi-viz — para que un supervisor los mire, sin pretender ser un sistema de seguridad certificado. Seguridad EPP está deliberadamente acotado a esa señal consultiva, con límites honestos declarados por adelantado.
Casos de uso
Monitoreo consultivo de muelle y predio
Apuntalo a un muelle de carga o predio durante el turno; las violaciones sostenidas (con cooldown) capturan cada una un JPEG de evidencia para que un humano confirme antes de que alguien actúe.
Cómo funciona
Entrada
HLS en vivo + zonas y horario
Un worker muestrea el stream (1 fps por defecto), condicionado por horario: los frames fuera de horario se saltan por completo. Dibujás las zonas de trabajo y fijás las horas.
Detección
Modelo EPP YOLOv8m (ONNX)
Un modelo comunitario de casco/chaleco/persona corrido por onnxruntime asocia a cada persona con el EPP en su recuadro, y luego un rastreador de violaciones sostenidas filtra los transitorios.
Callback firmado
ppe.violation (consultivo)
Un faltante sostenido (zona, ítem) dispara un ppe.violation a tu URL de callback, firmado con HMAC con el mismo esquema que los callbacks de la app, y luego enfría por zona e ítem.
Tu sistema
Evidencia + revisión humana
Cada evento guarda un JPEG de evidencia y una fila en SQLite y se muestra en la tabla de violaciones. Un humano confirma antes de que algo aguas abajo actúe — por diseño.
Eventos que emite
Declarados en el manifiesto del plugin y retransmitidos por los callbacks firmados con HMAC de la app (webhook + MQTT). Cualquier cosa que un worker intente emitir fuera de esta lista se rechaza — sin suplantar eventos del core.
ppe.violation
Alcance y límites (honestos)
- No es un sistema de seguridad certificado ni un sustituto de uno — solo señales consultivas, para que las revise un humano.
- Sesgo del dataset: luz de día, exterior, imágenes de construcción. Esperá degradación en interiores, de noche / IR, y en depósitos y fábricas.
- Sesgo de color de chaleco hacia el amarillo/naranja hi-viz; los chalecos no estándar fallan. Los cascos por debajo de ~20 px (más allá de ~15–20 m en 1080p) se pierden — cámaras más cercanas o con zoom ayudan.
- La procedencia de los pesos del modelo está legalmente sin probar; correr el archivo ONNX por onnxruntime mantiene el runtime AGPL fuera de StreamHub, pero la ambigüedad de licencia queda (declarada en la documentación).
Requisitos mínimos
- Solo CPU: YOLOv8m a 640² cuesta ~1 s de un núcleo moderno por frame analizado. Presupuestá 1–1,5 núcleos + ~2 GB de RAM por stream al 1 fps por defecto — no subas los fps en CPU; bajalos (0,5) para apilar streams.
- GPU recomendada para más de un stream o fps ≥ 2: cualquier GPU NVIDIA con ≥ 4 GB de VRAM vía onnxruntime-gpu y el toggle cuda (fallback a CPU con degradación).
- Disco: ~100 MB de caché del modelo + JPEGs de evidencia (uno por evento, acotado por cooldown) + la DB SQLite.
Los números son mediciones honestas de los autores del plugin, no marketing. La GPU es opcional en cada plugin de visión salvo donde se indique.
Corre como una app completa
Cada app de Studio es una aplicación de primera clase, no un modal de configuración — y no tiene por qué vivir dentro de StreamHub.
Vista de página completa en el dashboard
Se abre como su propia página dentro de la app tenant — zonas, paneles en vivo, historial y ajustes en una sola superficie, no apretados en un diálogo.
Su propia base de datos
Guarda su estado en una base SQLite dedicada por app — lecturas, alertas, ocupación y filas de evidencia — que es tuya y podés consultar.
Bundle exportable
Descargá la app como un bundle autocontenido — worker, Dockerfile, compose y una plantilla de env — para hostearla en tu propia infra y extenderla, hablando de vuelta por la API REST y los webhooks firmados.
¿Tenés cámaras o streams para poner a trabajar?
Contanos qué estás monitoreando y definimos las apps correctas, las conectamos a tus sistemas y las operamos con vos. El software es open source — el despliegue y la operación es lo que hacemos.