Performance Hub-LogoPerformance Hub
Websitebereich: Dokumentation

Fehlerbehebung

Auf dieser Seite

Symptomorientierte Diagnose für die Personen- und KI-Ebene. Bei Problemen mit Kameras, Aufzeichnung, Upload oder Appliance beginnen Sie mit der Fehlerbehebung der Videoüberwachung – alles auf dieser Seite setzt voraus, dass das Video selbst einwandfrei funktioniert.

Auf der Personen-Zeitachse erscheint nichts

Die Zeitachse zeigt "No face detections — There are no face detection items in this current view range of the timeline."

  1. Ist Personenverfolgung eingeschaltet? Sie wird pro Kamera eingestellt und ist standardmäßig ausgeschaltet – prüfen Sie jede Kamera unter Kameras und Geräte.
  2. Blendet der Filter für den Erkennungsschwellenwert alles aus? Standardmäßig benötigen Personen genügend Erkennungen über genügend Minuten, um angezeigt zu werden. Schalten Sie den Schwellenwertfilter aus – erscheinen dann Personen, lagen sie lediglich unter den Mindestwerten.
  3. Prüfen Sie das Datumsfenster – der Zeitraum 1D/2D/3D und die Datumsauswahl stehen leicht noch auf dem falschen Tag.
  4. Erfasst die Kamera tatsächlich Gesichter? Die Personenerkennung benötigt Gesichter in verwertbarer Größe und in verwertbarem Winkel. Eine Deckenkamera, die senkrecht nach unten blickt, erkennt Köpfe, keine Gesichter. Prüfen Sie den Bildausschnitt der Kamera in der Live-Ansicht.
  5. Aktivierung der Funktion – fehlt der gesamte Bereich People oder geben APIs "People feature is not enabled for this facility" zurück, ist die Funktion nicht aktiviert; wenden Sie sich an Ihren Kundenbetreuer.

Ein Mitglied wird nie identifiziert (immer "Unsure")

Das häufigste Problem, und fast immer liegt es am Foto:

  1. Prüfen Sie den Fotostatus. Suchen Sie das Mitglied in der Liste People. Ein Badge "Invalid Photo" (der Tooltip zeigt die Bewertung und den Ablehnungsgrund) oder der Status "Not Processed" bedeutet, dass der Gesichtsabgleich keine Grundlage hat. Korrigieren Sie das Foto in Ihrem Mitgliedersystem oder bearbeiten Sie es direkt ("Edit Profile" → "Change").
  2. Gar kein Foto? Self Learning kann das Mitglied dennoch über die Besuchskorrelation identifizieren – prüfen Sie, ob es sich in der Warteschlange befindet, und stellen Sie sicher, dass Enhanced AI Analysis eingeschaltet ist.
  3. Identifizieren Sie es einmal manuell. Die Aktion "Identify This Person" in seinem Unsure-Profil verknüpft es sofort, und die sich ansammelnden Shadow Photos verbessern den künftigen Abgleich.
  4. Anhaltend knappe Fehlzuordnungen (das Popover zeigt eine Ähnlichkeit knapp unter 85%) → siehe Feinabstimmung der Gesichtserkennung – verbessern Sie aber zuerst das Foto, bevor Sie die Schwellenwerte ändern.

Dieselbe Person erhält immer wieder neue "Unsure"-Profile

Die Erkennung verknüpft ihre Besuche nicht miteinander:

  1. Führen Sie die Duplikate zusammen – wählen Sie die Profile auf der Zeitachse aus und führen Sie sie zusammen. Jede Zusammenführung bündelt Gesichtsreferenzen und erhöht die Wahrscheinlichkeit, dass der nächste Besuch verknüpft wird.
  2. Prüfen Sie die Bildqualität der Kamera – verschmutzte Kuppeln, Gegenlicht (eine Kamera, die auf einen hellen Eingang gerichtet ist) und schwaches Licht erzeugen Referenzfotos, die für einen Abgleich zu schlecht sind. Die Lösung liegt im Kamerabild, nicht in den Einstellungen.
  3. Betrifft es die gesamte Einrichtung, ist die Qualitätsvoreinstellung für Shadow Profiles möglicherweise zu streng für Ihre Lichtverhältnisse – siehe die Symptomtabelle.

Falsche Person identifiziert

Selten, aber ernst zu nehmen:

  1. Korrigieren Sie den Datensatz: Öffnen Sie das Profil der Person und prüfen Sie ihre Shadow Photos – eine fehlerhafte Zusammenführung oder ein schlechtes automatisch hinzugefügtes Foto ist meist erkennbar. Entfernen Sie die falschen Bilder oder führen Sie das Profil zusammen bzw. identifizieren Sie es neu mit dem richtigen Mitglied.
  2. Wenn Self Learning die Verknüpfung erstellt hat, verwenden Sie "Unlink" für den Datensatz ("the self-learn record will be reverted") und lehnen Sie die Übereinstimmung mit "Reject" und einem Grund ab, damit sie nicht erneut vorgeschlagen wird.
  3. Verschärfen Sie den Abgleich: Stellen Sie Member Matching in Richtung Strict ein – siehe Feinabstimmung der Gesichtserkennung.

Ein Plakat, eine Schaufensterpuppe oder ein Fernseher erscheint immer wieder als Person

Das System funktioniert wie vorgesehen, und es gibt eine eigens dafür gedachte Lösung: setzen Sie es auf die Sperrliste. Öffnen Sie das Menü der falschen Person → "Add to Blacklist" mit einem Grund ("e.g. Store Mannequin"). Künftige Erkennungen werden vor jeder Verarbeitung verworfen. Bleiben Erkennungen aus einem zweiten Kamerawinkel bestehen, fügen Sie einen zweiten Sperrlisteneintrag aus einer dieser Erkennungen hinzu.

Berichte sind leer oder es fehlen Zonen

  1. Berichte sind bewusst zeitversetzt – Snapshots werden über Nacht für den Vortag erstellt. Eine ganz neue Einrichtung sieht Daten ab dem zweiten Tag.
  2. "No zones configured — assign cameras to access zones in Settings" – Zonenanalysen benötigen Zugangszonen mit zugewiesenen Kameras.
  3. KPIs wirken im Vergleich zu den Check-ins niedrig – prüfen Sie, bei welchen Kameras Personenverfolgung eingeschaltet ist; Berichtsdaten stammen nur von analysierten Kameras.

Zugangsverstöße wirken falsch

  1. Falsche Verstöße nach der Einrichtung sind fast immer Regelfehler – ein berechtigter Tarif fehlt in der Liste der erlaubten Tarife einer Zone. Prüfen Sie die Regeln für Membership Plans der Zone, bevor Sie von Fehlverhalten der Mitglieder ausgehen.
  2. Denken Sie an die Definition: Ein Verstoß ist eine Abweichung von den Tarifregeln – "excluded, or not in the allowed plans" – einschließlich der Zeitfenster aus Access Hours. Ein Mitglied mit dem richtigen Tarif zur falschen Zeit begeht trotzdem einen Verstoß.
  3. Offene Zonen lösen nie Verstöße aus – wenn Sie Verstöße in einer Zone mit dem Badge "Anyone can access" erwarten, benötigt sie zuerst Regeln.
  1. Enhanced AI Analysis muss eingeschaltet sein – ist die Option ausgeschaltet, läuft die Korrelation überhaupt nicht (und der Einstellungsabschnitt ist ausgeblendet).
  2. Prüfen Sie die Nachweisschwelle – Profile benötigen die Mindestanzahl korrelierter Besuche (Standard 8). Die Registerkarte In Pipeline zeigt den Fortschritt pro Profil ("N/M visits"); bei seltenen Besuchern dauert es Wochen, bis genügend Nachweise vorliegen.
  3. Check-ins müssen synchronisiert werden – ohne Check-in-Daten keine Korrelation. Prüfen Sie dies mit dem MCP-Tool insights_checkins oder anhand des Status Ihrer Partner integration.
  4. Eine umfangreiche Registerkarte "No Match" betrifft oft Paare, die immer gemeinsam ankommen – das System weigert sich, zwischen zwei Kandidaten zu raten. Identifizieren Sie eine der beiden Personen manuell.
  5. Eine umfangreiche Registerkarte "Unable to Link" deutet auf Probleme mit der Datenqualität im Mitgliedersystem hin – typischerweise fehlen in Datensätzen die Felder, die zum Abschluss der Verknüpfung nötig sind.

Ein Zusammenführen, Identifizieren oder Löschen scheint festzuhängen

Diese Vorgänge laufen als nachverfolgte Hintergrundprozesse – die Neuzuordnung einer langen Erkennungshistorie braucht Zeit. Karten zeigen vorübergehende Zustände ("PROCESSING", "DELETING..."); Zusammenführungen zeigen "Processing N of M…" mit der Option "Retry Failed" bei teilweisem Fehlschlag, und fehlgeschlagene Löschvorgänge zeigen "DELETE FAILED - RETRY". Versuchen Sie es einmal erneut, bevor Sie sich mit der Personen-ID ("Copy Person ID") an den Support wenden.

Wenn Sie sich an den Support wenden

Geben Sie Folgendes an: den Namen der Einrichtung, die Person ID (aus jedem Kachelmenü oder Profil kopierbar), die betroffene Kamera, das Datums- und Zeitfenster und – bei Identifizierungsproblemen – ob der Fotostatus des Mitglieds gültig ist. Anonymisierte Screenshots des Popovers (das den Ähnlichkeitswert zeigt) verkürzen die meisten Untersuchungen zum Abgleich erheblich.