Sistem keamanan di wilayah publik dengan intensitas aktivitas tinggi, seperti lingkungan kampus, saat ini masih sangat bergantung pada pengawasan manual petugas melalui perangkat CCTV konvensional. Ketergantungan pada observasi manusia ini memiliki kelemahan signifikan berupa kelelahan kognitif dan risiko kesalahan manusia (human error) yang tinggi, sehingga deteksi dini terhadap ancaman keamanan sering kali terlambat. Oleh karena itu, diperlukan solusi teknologi otomatis yang mampu melakukan pemantauan dan pelacakan individu secara presisi dan real-time. Penelitian ini menawarkan solusi berupa sistem pelacakan manusia berbasis wajah dengan memanfaatkan layanan cloud AWS Rekognition. Sistem ini dirancang menggunakan arsitektur hybrid yang mengintegrasikan infrastruktur lokal untuk ekstraksi frame video menggunakan FFmpeg dengan ekosistem serverless AWS untuk analisis biometrik yang berat. Metodologi yang digunakan mencakup pengembangan backend menggunakan Hapi.js dan frontend berbasis React.js untuk visualisasi data, serta PostgreSQL sebagai penyimpanan metadata hasil deteksi. Orisinalitas penelitian ini terletak pada integrasi antarmuka web yang fleksibel dengan layanan cloud tanpa bergantung pada infrastruktur CCTV tetap yang mahal, sehingga memungkinkan skalabilitas yang tinggi. Eksperimen dilakukan dengan menguji sistem pada berbagai kondisi pencahayaan dan skenario, baik untuk wajah yang terdaftar maupun pengunjung asing. Hasil uji coba menunjukkan bahwa sistem mampu mencapai tingkat akurasi deteksi sebesar 99,97% pada kondisi pencahayaan ideal dan tetap stabil pada angka 98,85% di lingkungan operasional kelas. Analisis kinerja juga mengonfirmasi bahwa penggunaan in-memory buffer processing dapat meminimalkan latensi transmisi data secara signifikan, menjadikannya solusi yang efisien untuk kebutuhan keamanan modern.