Sistem pengawasan CCTV konvensional saat ini dinilai kurang optimal karena bersifat pasif dan masih bergantung pada pemantauan manual yang rentan terhadap kesalahan. Untuk mengatasi permasalahan tersebut, penelitian ini bertujuan mengembangkan sistem keamanan otomatis berbasis arsitektur YOLOv8n untuk mendeteksi aktivitas mencurigakan pada citra inframerah. Sistem dikonfigurasi untuk mengenali tiga kelas postur, yaitu standing person, bending person, dan looking around. Sumber data diperoleh secara real-time dari kamera Tapo C200 melalui protokol Real-Time Streaming Protocol (RTSP). Hasil deteksi divalidasi berdasarkan nilai confidence, kewajaran bounding box, dan filter bingkai batas geometris, untuk merespons langsung saat objek divalidasi. Sistem juga terintegrasi dengan Application Programming Interface (API) bot Telegram untuk mengirimkan pesan peringatan beserta bukti visual kepada pengguna. Untuk memastikan keandalan data pengujian, hasil deteksi real-time, indikasi false positive, status suara peringatan, dan data pengujian lainnya dicatat secara kuantitatif dalam file CSV. Pendekatan ini diharapkan dapat menghasilkan mekanisme peringatan dini yang lebih akurat dan terukur berdasarkan data pengujian