ضبط التعرّف على الوجوه

تعرض Settings → Face Recognition عناصر التحكم التي يقوم عليها مسار التعرّف: Member Matching وShadow Profiles وSelf Learning (إضافةً إلى Blacklist Faces، الموثقة في القائمة السوداء). يقدّم كل قسم إعدادات مسبقة Lenient / Balanced / Strict، مع إمكانية ضبط كل حدّ أساسي على حدة، وتظهر قيمته الافتراضية بجوار شريط التمرير، مثل "(Default: 30 mins)".

قواعد أساسية قبل تغيير أي شيء:

• الإعداد Balanced هو الافتراضي الموصى به لكل قسم: ابدأ به والتزم به إلى أن تتوفر لديك بيانات حقيقية على مدى أسابيع تُظهر مشكلة محددة.
• تعبّر الإعدادات المسبقة عن موازنة واحدة: Lenient يتعرّف على عدد أكبر من الأشخاص لكنه يزيد خطر المطابقات الخاطئة؛ وStrict لا يخطئ في التصنيف تقريبًا، لكنه يترك عددًا أكبر من الأشخاص في حالة "Unsure".
• غيّر قسمًا واحدًا في كل مرة وامنحه بضعة أيام قبل الحكم عليه، إذ لا تظهر الآثار إلا في المحصّلة الإجمالية (راقب مؤشر الأداء الرئيسي لنسبة Unsure في Reports).
• تتضمن صفحات الإعدادات مخططًا تدفقيًا مباشرًا باسم Logic Visualisation يُعرض بالقيم الحالية لمنشأتك، وعُقده قابلة للنقر ("Tap to scroll to this setting")، مما يجعله أفضل طريقة للتحقق مما يفعله التغيير فعلًا.

مطابقة الأعضاء

يتحكم في القرار المتخذ في الخطوات 3–5 من المسار: متى يُعدّ الوجه عضوًا بثقة؟

الشكل 1: Member Matching: الإعدادات المسبقة في الأعلى، والمخطط التدفقي المباشر Logic Visualisation في الأسفل

الإعدادات المسبقة

الحدود الفردية

الشكل 2: أشرطة التمرير الفردية في Member Matching، وعلى كل منها قيمته الافتراضية

متى تحيد عن Balanced:

• نسبة Unsure مرتفعة رغم أن الأعضاء يمكن التعرّف عليهم بوضوح في الكاميرا ← حسّن صور الأعضاء أولًا (صفِّ قائمة People حسب "Invalid Photo")، ثم فكّر بعد ذلك فقط في Lenient.
• أي تعرّف خاطئ مؤكد ← انتقل إلى Strict (أو ارفع حدّ المطابقة) فورًا، فربط هوية خاطئة بالاكتشافات أعلى تكلفة بكثير من زائر لم يُتعرّف عليه.
• كاميرا مكتب استقبال مع ارتباط واسع بتسجيل الوصول ← قد تؤدي إطالة Check-in Lookback Window قليلًا إلى رفع معدل التعرّف في المنشآت التي يمكث فيها الأعضاء بعض الوقت قبل المرور أمام كاميرا؛ أبقِ النقاط الإضافية معتدلة.

الملفات الشخصية الظلية

يتحكم في الخطوتين 6–7 من المسار: متى ترتبط الوجوه غير المطابقة بملفات ظل موجودة، ومدى تشدد النظام في إنشاء ملفات جديدة.

الشكل 3: Shadow Profiles: الإعداد المسبق للجودة، والحدود، والمخطط التدفقي لملفات الظل

يحدد الإعداد المسبق للجودة (Lenient / Balanced / Strict) المستوى المطلوب في Tier 1 — Fast Quality Checks ("Sharpness · Contrast · Lighting · Exposure · Dynamic Range · Eye Aspect Ratio"، نحو 10–60 ms) وTier 2 — ISO Quality Checks ("Face Occlusion · Eyes · Mouth · Head Pose · Illumination · Exposure · Compression · Expression"، نحو 5–10 s). يمكن ضبط كل قيمة أساسية على حدة، مثل الحد الأدنى للدقة، والحدة، والتباين، وتناظر الإضاءة، وحدود التعريض، والنطاق الديناميكي، ونسبة أبعاد العين، والمجموعة الكاملة لفحوص ISO بما فيها مرشّح الأشعة تحت الحمراء/الرؤية الليلية وحد أدنى لدرجة الجودة الإجمالية، لكن التجاوزات الفردية هنا مجال يُفضَّل أن يكون بتوجيه من الدعم؛ فالإعدادات المسبقة تغطي جميع المنشآت الفعلية تقريبًا.

جدول الأعراض:

التعلم الذاتي

يتحكم في مسار ربط الزيارات. لا يظهر إلا عند تفعيل Enhanced AI Analysis.

الشكل 4: إعدادات Self Learning: متطلبات الأدلة وفحوص التحقق

فهم الإعدادات المسبقة: Lenient يربط بسرعة أكبر استنادًا إلى أدلة أقل (مناسب للمنشآت الصغيرة التي يراجع فيها الموظفون القائمة على أي حال)؛ وStrict يتطلب زيارات أكثر وتحققًا أشد (مناسب حيث يكون الربط التلقائي الخاطئ غير مقبول). تذكّر الضمانة البنيوية التي لا يغيّرها أي إعداد مسبق: يجب أن يشير الربط إلى عضو واحد بالضبط، وإلا تكون النتيجة No match.

ما لا يمكنك ضبطه

للاكتمال، هذه أجزاء من المسار ثابتة بحكم التصميم:

• حدّ فحص القائمة السوداء (95%)؛ راجع القائمة السوداء.
• قواعد صور الظل التلقائية (تشابه 99% أو أكثر، وحد أقصى صغير متجدد لكل شخص، وفترات انتظار) التي تُبقي التعرّف محدّثًا؛ راجع Self Learning.

صفحات ذات صلة

• كيف يعمل: المسار الذي تتحكم فيه هذه الإعدادات
• Self Learning: وحدة المراجعة
• استكشاف الأخطاء وإصلاحها: مشكلات التعرّف وأسبابها المعتادة