Cómo funciona

Esta página explica el modelo conceptual de AI Insights & People: qué ocurre desde que una cámara ve un rostro hasta que ese rostro aparece en tu línea de tiempo de personas como un miembro identificado, como un visitante "Unsure" o no aparece en absoluto.

No necesitas nada de esto para usar el producto, pero facilita mucho entender la configuración de ajuste y la cola de revisión de Self Learning. El mismo proceso se representa en vivo, con los umbrales reales de tu instalación, en los paneles Logic Visualisation de las páginas de configuración de Member Matching y Shadow Profiles.

Los elementos principales

El proceso de identificación

Cada rostro detectado pasa por la misma cadena ordenada de decisiones. El orden importa: el resultado de una etapa anterior impide que se ejecuten las etapas posteriores.

1. Comprobación de la lista negra (siempre primero)

El rostro se compara con la colección de la lista negra de tu instalación con un umbral fijo del 95% (no configurable). Si hay coincidencia, el procesamiento se detiene de inmediato: la detección se descarta y nunca aparece en la línea de tiempo. Esto es lo que hace que la lista negra sea eficaz contra falsos positivos estáticos, como carteles y maniquíes; consulta Lista negra.

2. Extracción del rostro

El sistema verifica que la imagen contenga realmente un rostro utilizable y extrae sus rasgos, su pose y una puntuación de confianza. Sin rostro → se descarta.

3. Búsqueda entre los miembros identificados

El rostro se busca en la colección de identificados: todos los miembros con fotos validadas o con detecciones confirmadas previamente. La búsqueda se ejecuta a partir del Identified Collection Search Floor (de forma predeterminada, 40% de similitud en el ajuste predefinido Balanced), de modo que los candidatos dudosos al menos se tienen en cuenta.

4. Asociación asistida por la visita

Antes de la decisión final, el sistema comprueba los registros de entrada recientes de la instalación. Si un miembro candidato registró su entrada dentro del Check-in Lookback Window (de forma predeterminada, 30 mins), su puntuación de similitud recibe el Visiting Member Bonus (de forma predeterminada, +5). La lógica: si alguien que se parece en un 82% a Alex Nguyen deslizó la tarjeta de Alex Nguyen hace tres minutos, es casi seguro que se trata de Alex.

5. La decisión de coincidencia

• Puntuación ≥ Identified Match Threshold (de forma predeterminada, 85%, Balanced) → la detección se confirma como ese miembro.
• Puntuaciones dudosas, dentro de la Borderline Confidence Zone (de forma predeterminada, +7 puntos por encima del umbral), pasan por una comprobación de la pose adicional: el rostro debe estar razonablemente de frente (límites predeterminados para identificados: yaw 55° / pitch 30° / roll 30°). Los rostros con ángulos pronunciados y una confianza dudosa se descartan para no arriesgar una identificación incorrecta.
• Puntuación por debajo del Drop Threshold (de forma predeterminada, 45%) → la similitud "not high enough to confirm the correct person with certainty" y la detección se descarta de la asociación.
• Cualquier valor intermedio → la persona se trata como unsure y continúa al paso 6.

6. Asociación con perfiles en la sombra

Los rostros sin coincidencia se buscan en la colección de no identificados: los perfiles en la sombra de personas "unsure" vistas anteriormente:

• Puntuación ≥ Profile Link Threshold (de forma predeterminada, 80%) → la detección se vincula con ese perfil en la sombra existente. El mismo visitante conserva la misma identidad "Unsure - …" a lo largo de los días y entre cámaras.
• Sin coincidencia → la detección pasa a ser candidata para un perfil en la sombra nuevo, pero solo después de superar los filtros de calidad (siguiente paso).

7. Filtros de calidad para perfiles en la sombra nuevos

Crear un perfil en la sombra implica fijar una foto de referencia con la que el sistema hará comparaciones durante semanas, por lo que la foto tiene que ser buena. Se ejecutan dos niveles en secuencia:

Las fotos que los superan pasan por un análisis de atributos (edad estimada, género, emoción) y, después, por una comprobación final de condiciones de carrera: como las detecciones se procesan en paralelo, el sistema vuelve a buscar en la colección de perfiles en la sombra antes de crear el perfil, para que dos fotogramas del mismo visitante nuevo no generen dos perfiles. El resultado es New Shadow Profile Created o Matched Existing Shadow Profile.

Todos estos umbrales se pueden ajustar mediante los ajustes predefinidos Lenient / Balanced / Strict; consulta Ajuste del reconocimiento facial.

Self Learning: cómo se cierra la brecha de identificación

La asociación facial por sí sola no puede identificar a un miembro que no tiene foto, o cuya foto es de tan mala calidad que no supera la validación. Self Learning lo resuelve con el comportamiento en lugar de la biometría:

1. Los horarios de detección de cada persona no identificada se correlacionan con los registros de entrada de los miembros durante un período de revisión (de forma predeterminada se requieren 8 visitas correlacionadas, con un historial de los últimos meses y una ventana de tiempo de unos 10 minutos antes y después de cada registro de entrada).
2. Si exactamente un miembro registró su entrada de forma constante cada vez que se detectó a esta persona, se ejecutan comprobaciones de validación (coincidencia de género y, opcionalmente, tolerancia de edad).
3. Si las comprobaciones se superan → el perfil se vincula automáticamente con ese miembro. Si fallan → pasa a la cola Pending Review para que una persona decida. Varios miembros candidatos → sin coincidencia; el sistema sigue observando.

Por otro lado, una vez que una persona está identificada, el sistema mantiene actualizada su referencia facial de forma discreta: las coincidencias casi perfectas (similitud del 99% o más) se pueden agregar automáticamente como fotos en la sombra, con un límite de un conjunto pequeño y rotativo (6) por persona, para que el reconocimiento siga funcionando aunque cambie la apariencia. Estas fotos agregadas automáticamente se etiquetan como "Auto-added by self-learning" en el perfil.

El proceso completo, sus estados y el flujo de trabajo de revisión se documentan en Self Learning.

De las detecciones a la línea de tiempo

Las detecciones sin procesar serían ilegibles, así que la línea de tiempo muestra visitas: detecciones combinadas en grupos según la configuración de Detection Grouping. De forma predeterminada, una visita nueva comienza tras un intervalo de 45 minutos, y las personas no identificadas solo aparecen si tienen al menos 3 detecciones a lo largo de 5 minutos (así, alguien que pasa brevemente frente a la cámara de una puerta no satura la vista). Un interruptor de la barra de herramientas de la línea de tiempo permite desactivar este filtro de umbral cuando quieres ver cada aparición breve.

Qué se ejecuta y dónde

Cada instalación tiene sus propias colecciones faciales aisladas (identificados, no identificados y lista negra): el reconocimiento nunca se comparte entre instalaciones. Las imágenes faciales y los metadatos de IA se almacenan en la región de almacenamiento que elijas y caducan según la retención de AI Metadata (de forma predeterminada, 24 meses). Consulta Seguridad y privacidad.

Glosario