Feinabstimmung der Gesichtserkennung
Auf dieser Seite
Unter Settings → Face Recognition finden Sie die Stellschrauben der Identifizierungs-Pipeline: Member Matching, Shadow Profiles und Self Learning (sowie Blacklist Faces, beschrieben unter Sperrliste). Jeder Abschnitt bietet die Voreinstellungen Lenient / Balanced / Strict, wobei sich jeder zugrunde liegende Schwellenwert einzeln anpassen lässt und sein Standardwert neben dem Schieberegler angezeigt wird – z. B. "(Default: 30 mins)".
Grundregeln, bevor Sie etwas ändern:
- Balanced ist die empfohlene Standardeinstellung für jeden Abschnitt – beginnen Sie damit und bleiben Sie dabei, bis Sie über Wochen echte Daten haben, die ein konkretes Problem zeigen.
- Die Voreinstellungen bilden einen einzigen Zielkonflikt ab: Lenient identifiziert mehr Personen, birgt aber ein höheres Risiko falscher Zuordnungen; Strict ordnet fast nie falsch zu, lässt aber mehr Personen im Status "Unsure".
- Ändern Sie jeweils nur einen Abschnitt und warten Sie einige Tage, bevor Sie das Ergebnis beurteilen – die Auswirkungen zeigen sich erst in der Gesamtheit (beobachten Sie die KPI Unsure % in den Berichten).
- Die Einstellungsseiten enthalten ein Live-Flussdiagramm Logic Visualisation, das mit den aktuellen Werten Ihrer Einrichtung dargestellt wird – die Knoten sind anklickbar ("Tap to scroll to this setting"). So können Sie am besten prüfen, was eine Änderung tatsächlich bewirkt.
Mitgliederabgleich
Steuert die Entscheidung aus den Pipeline-Schritten 3–5: Wann gilt ein Gesicht mit ausreichender Sicherheit als Mitglied?
Abbildung 1: Member Matching – oben die Voreinstellungen, darunter das Live-Flussdiagramm Logic Visualisation
Voreinstellungen
| Schwellenwert | Lenient | Balanced (Standard) | Strict |
|---|---|---|---|
| Identified Match Threshold | 80 | 85 | 92 |
| Drop Threshold | 55 | 45 | 35 |
| Identified Collection Search Floor | 35 | 40 | 47 |
Einzelne Schwellenwerte
Abbildung 2: Die einzelnen Schieberegler für Member Matching, jeweils mit ihrem Standardwert beschriftet
| Einstellung | Standard | Funktion |
|---|---|---|
| Identified Match Threshold | 85% | Mindestähnlichkeit, um ein Gesicht als Mitglied zu bestätigen. Der Schieberegler mit den größten Auswirkungen |
| Drop Threshold | 45% | Unterhalb dieses Werts wird eine Teilübereinstimmung verworfen, statt als "unsure" erhalten zu bleiben |
| Identified Collection Search Floor | 40% | Mindestähnlichkeit, ab der Kandidaten von der Suche überhaupt zurückgegeben werden |
| Visiting Member Bonus | +5 | Ähnlichkeitspunkte, die hinzukommen, wenn der Kandidat kürzlich eingecheckt hat – besuchsgestützter Abgleich |
| Check-in Lookback Window | "(Default: 30 mins)" | Wie kurz ein Check-in zurückliegen muss, damit der Bonus gewährt wird |
| Borderline Confidence Zone | "(Default: +7)" | Werte innerhalb dieses Bereichs oberhalb des Übereinstimmungsschwellenwerts durchlaufen die zusätzliche Prüfung der Kopfhaltung |
| Identified pose limits | Yaw 55° / Pitch 30° / Roll 30° | Maximal zulässige Kopfwinkel für Grenzfall-Übereinstimmungen |
Wann Sie von Balanced abweichen sollten:
- Hoher Anteil Unsure, obwohl Mitglieder auf der Kamera klar erkennbar sind → verbessern Sie zuerst die Mitgliederfotos (filtern Sie die Liste People nach "Invalid Photo"); erst danach sollten Sie Lenient in Betracht ziehen.
- Jede bestätigte Fehlidentifizierung → wechseln Sie sofort zu Strict (oder erhöhen Sie den Übereinstimmungsschwellenwert) – eine falsche Identität, die Erkennungen zugeordnet wird, ist weitaus kostspieliger als ein nicht identifizierter Besucher.
- Kamera am Empfang mit großem zeitlichem Abstand zum Check-in → ein leicht verlängertes Check-in Lookback Window kann die Identifizierung in Einrichtungen verbessern, in denen sich Mitglieder eine Weile aufhalten, bevor sie an einer Kamera vorbeigehen; halten Sie den Bonus moderat.
Schattenprofile
Steuert die Pipeline-Schritte 6–7: wann nicht zugeordnete Gesichter mit vorhandenen Shadow Profiles verknüpft werden und wie wählerisch das System beim Anlegen neuer Profile ist.
Abbildung 3: Shadow Profiles – Qualitätsvoreinstellung, Schwellenwerte und das Flussdiagramm für Shadow Profiles
| Einstellung | Standard | Funktion |
|---|---|---|
| Profile Link Threshold | 80% | Mindestähnlichkeit, um eine Erkennung mit einem vorhandenen Shadow Profile zu verknüpfen – die Entscheidung "derselbe Besucher wie gestern" |
| Duplicate Prevention Threshold | 90% | Ähnlichkeit, ab der die abschließende Prüfung auf Race Conditions ein "neues" Gesicht als bereits angelegtes Profil behandelt |
| Minimum Detection Confidence | 90% | Sicherheit, die die KI haben muss, dass das Bild ein echtes Gesicht enthält, bevor ein Profil angelegt wird |
| Unidentified pose limits | Yaw 30° / Pitch 35° / Roll 60° | Maximale Kopfwinkel, damit ein Foto als Grundlage für ein neues Profil dienen kann – bewusst strenger als beim Abgleich, da dieses Foto zu einer langfristigen Referenz wird |
| Quality preset | Balanced | Steuert die unten beschriebenen zweistufigen Qualitätsprüfungen für Fotos |
Die Qualitätsvoreinstellung (Lenient / Balanced / Strict) legt die Anforderungen für Tier 1 — Fast Quality Checks ("Sharpness · Contrast · Lighting · Exposure · Dynamic Range · Eye Aspect Ratio", ~10–60 ms) und Tier 2 — ISO Quality Checks ("Face Occlusion · Eyes · Mouth · Head Pose · Illumination · Exposure · Compression · Expression", ~5–10 s) fest. Jeder zugrunde liegende Wert lässt sich einzeln anpassen – Mindestauflösung, Schärfe, Kontrast, Lichtsymmetrie, Belichtungsgrenzen, Dynamikumfang, Augenseitenverhältnis sowie der vollständige ISO-Satz einschließlich eines IR-/Nachtsichtfilters und einer Mindestbewertung der Gesamtqualität –, einzelne Überschreibungen sollten Sie hier jedoch nur in Absprache mit dem Support vornehmen; die Voreinstellungen decken praktisch alle realen Einrichtungen ab.
Die Symptomtabelle:
| Symptom | Wahrscheinliche Lösung |
|---|---|
| Derselbe Besucher erhält jeden Tag ein neues "Unsure"-Profil | Qualitätsvoreinstellung zu streng für Ihre Lichtverhältnisse oder Profile Link Threshold zu hoch – versuchen Sie zuerst die Qualitätsstufe Lenient |
| Zwei verschiedene Personen wurden zu einem Shadow Profile zusammengeführt | Erhöhen Sie den Profile Link Threshold / wechseln Sie zu Strict |
| Massenhaft unbrauchbare Profile (Schatten, Spiegelungen, Bildschirme) | Erhöhen Sie Minimum Detection Confidence; setzen Sie statische Verursacher auf die Sperrliste |
Selbstlernend
Steuert die Pipeline zur Besuchskorrelation. Nur sichtbar, wenn Enhanced AI Analysis aktiviert ist.
Abbildung 4: Einstellungen für Self Learning – Anforderungen an die Nachweise und Validierungsprüfungen
| Einstellung | Standard bei Balanced | Funktion |
|---|---|---|
| Minimum visits | 8 | Erforderliche korrelierte Besuche vor einer Verknüpfungsentscheidung – die Nachweisschwelle |
| Lookback period | ~2 Monate (60 Tage) | Wie weit die Korrelation in die Vergangenheit zurückblickt |
| Timing window | ±10 Minuten | Wie nah eine Erkennung an einem Check-in liegen muss, um als korreliert zu gelten |
| Gender check | ein | Erkannte Merkmale müssen mit dem Mitgliedsdatensatz übereinstimmen, sonst → Pending Review |
| Age check | aus (Toleranz 10 Jahre) | Optionale zweite Validierung |
Faustregel zu den Voreinstellungen: Lenient verknüpft schneller mit weniger Nachweisen (gut für kleine Einrichtungen, in denen das Personal die Warteschlange ohnehin prüft); Strict verlangt mehr Besuche und eine strengere Validierung (gut dort, wo eine automatische Fehlverknüpfung inakzeptabel ist). Denken Sie an die strukturelle Schutzmaßnahme, die keine Voreinstellung ändert: Die Korrelation muss auf genau ein Mitglied verweisen, sonst lautet das Ergebnis No match.
Was Sie nicht anpassen können
Der Vollständigkeit halber – Teile der Pipeline, die bewusst fest vorgegeben sind:
- Der Schwellenwert für die Sperrlistenprüfung (95%) – siehe Sperrliste.
- Die Regeln für automatische Shadow-Fotos (Ähnlichkeit ab 99%, kleine rotierende Obergrenze pro Person, Wartezeiten), die die Erkennung aktuell halten – siehe Self Learning.
Verwandte Seiten
- So funktioniert es – die Pipeline, die diese Einstellungen steuern
- Self Learning – die Prüfkonsole
- Fehlerbehebung – Erkennungsprobleme und ihre üblichen Ursachen