Autoaprendizaje
En esta página
La pestaña Self Learning (AI Insights & People → Self Learning) es la consola del proceso de identificación automática. En palabras de la propia página, "Automatically links unidentified people to real members by correlating visit patterns with check-in data. Useful when members don't have valid profile photos or their photos are of low quality."
Mientras que la asociación facial responde a "¿este rostro se parece a la foto de un miembro?", Self Learning responde a otra pregunta: "¿el patrón de asistencia de esta persona coincide con el patrón de registros de entrada de exactamente un miembro?". Así es como el sistema identifica a los miembros que la cámara nunca podría asociar: sin foto, o con una foto de tan mala calidad que no supera la validación.
Self Learning requiere que Enhanced AI Analysis esté habilitado en CCTV Settings → General. Si está desactivado, las ejecuciones de correlación se detienen y la sección de configuración de Self Learning se oculta.
Figura 1: La vista Self Learning, con la tarjeta Decision Flow, los recuentos de resumen y la cola de perfiles
Cómo se resuelve un perfil
Figura 2: La tarjeta Decision Flow ("How profiles resolve"), con la marca de tiempo de la última ejecución de correlación
La tarjeta Decision Flow resume los cuatro resultados, tal como los enumera la interfaz:
| Condición | Resultado |
|---|---|
| "Successfully linked to member profile" | Automatically Linked |
| "Has visit/swipe logs but not enough info to link (e.g. missing name)" | Unable to Link |
| "Enough visits + validation checks failed" | Pending Review |
| "No single member correlation" | No match |
Internamente, cada ejecución de correlación (la marca de tiempo "Last run:" de la tarjeta) hace lo siguiente con cada perfil no identificado:
- Correlaciona los horarios de detección del perfil con los registros de entrada de los miembros durante el período de revisión, usando una ventana de tiempo alrededor de cada registro de entrada (de forma predeterminada, ±10 minutos).
- Cuenta la evidencia. El perfil necesita el número mínimo configurado de visitas correlacionadas: de forma predeterminada, 8 en el ajuste predefinido Balanced. Los perfiles con algo de evidencia (3 o más) pero por debajo del mínimo permanecen In Pipeline: "Profiles still gathering evidence from repeat visits and check-ins." La tarjeta del proceso muestra el "Average progress" como "N/M visits".
- Exige exactamente un candidato. Si las visitas se correlacionan con más de un miembro (por ejemplo, una pareja que siempre llega junta), el resultado es No match. El sistema no elige al azar entre candidatos.
- Valida. Con un candidato y suficientes visitas, se ejecutan las comprobaciones de validación: coincidencia de género entre los atributos detectados del perfil y el registro del miembro (activada de forma predeterminada) y, opcionalmente, una comprobación de tolerancia de edad. Si se supera → Automatically Linked. Si falla → Pending Review: "Strong timing match, but one or more validation checks did not pass."
Cada registro tiene una puntuación de confianza basada en la cantidad de visitas, el número de días distintos y el desfase promedio entre el registro de entrada y la detección (un desfase corto y constante obtiene la puntuación más alta).
Todos los umbrales (mínimo de visitas, período de revisión, ventana de tiempo y comprobaciones de validación) se pueden configurar con los ajustes predefinidos Lenient / Balanced / Strict en Settings → Face Recognition → Self Learning.
Figura 3: La configuración de Self Learning, con los ajustes predefinidos, el mínimo de visitas, el período de revisión, la ventana de tiempo y las comprobaciones de validación
Las tarjetas de resumen
| Tarjeta | Significado (texto de la interfaz) |
|---|---|
| In Pipeline | "Profiles still gathering evidence from repeat visits and check-ins." |
| Automatically Linked | "Successfully matched and linked to a real member profile." |
| Pending Review | "Strong timing match, but one or more validation checks did not pass." |
| Rejected | "Reviewed mismatches that staff have explicitly ruled out." |
| Monitoring | "Profiles being monitored — guests, staff, or ambiguous visit patterns." |
La cola
Figura 4: La cola, con los rostros, el miembro candidato, las visitas, el desfase promedio, la puntuación de confianza y el estado
Las pestañas dividen la cola por estado: In Pipeline, Pending Review, Automatically Linked, Unable to Link, Rejected, Manually Approved y Monitoring. Un cuadro de búsqueda ("Search by name, ID, or personId...") acota las colas extensas, y un botón "Duplicates" en la pestaña del proceso muestra los perfiles en la sombra posiblemente duplicados que conviene combinar primero: los duplicados dividen la evidencia de las visitas y ralentizan todo.
Columnas de la tabla: Faces (las fotos de detección del perfil), Person / Member (el perfil en la sombra y su miembro candidato), Visits, Avg Lag (del registro de entrada a la detección de la cámara), Score, Status, Updated. Los estados de las filas incluyen "Pipeline", "Pending Review", "Automatically Linked", "Unable to Link", "No Match", "Rejected", además de los transitorios "Linking..." y "Link Failed" ("Link failed — will retry on next run").
Revisar las coincidencias pendientes
En cada fila Pending Review, compara los rostros de las detecciones con la foto del miembro candidato y la evidencia de sus visitas, y luego:
- Approve: confirma la coincidencia y vincula el perfil con el miembro. Las aprobaciones quedan atribuidas ("Approved by ").
- Reject: la descarta. El cuadro de diálogo pide un motivo: "Please provide a reason for rejecting this match. This will be recorded for audit purposes." (por ejemplo, "Photos clearly show different people, member data is incorrect, etc."). Los perfiles rechazados no se vuelven a proponer para el mismo miembro.
Otras dos acciones completan el flujo de trabajo:
- Link: en las filas Unable to Link, un cuadro de diálogo de búsqueda manual te permite elegir tú mismo el miembro correcto; la evidencia temporal existe, pero al paso automático le faltaron datos para terminar.
- Unlink: revierte un vínculo automático. La confirmación indica con precisión lo que hace: "Are you sure you want to unlink this profile? The face data will remain merged with the member but the self-learn record will be reverted." Si los datos faciales se combinaron por error, haz el seguimiento en el perfil de la persona.
La otra mitad: mantener actualizado el reconocimiento
Self Learning también trabaja de forma silenciosa con las personas ya identificadas. Cuando una detección confirmada es una coincidencia casi perfecta (similitud del 99% o más) y supera las comprobaciones de calidad y de pose, el sistema puede agregarla como foto en la sombra, con un límite de un conjunto pequeño y rotativo de 6 por persona y con períodos de espera para que una sola visita no sature el conjunto. Por eso los perfiles acumulan fotos etiquetadas como "Auto-added by self-learning" (Personas y perfiles), y por eso el reconocimiento sigue funcionando aunque cambien el corte de pelo, la barba o los anteojos.
Consejos prácticos
- Revisa la cola Pending Review cada semana. Cada aprobación mejora la identificación de forma permanente; cada fila sin revisar es un miembro que se cuenta como "Unsure" en tus informes.
- Combina primero los duplicados. Consulta la vista "Duplicates" antes de revisar: combinar consolida la evidencia de las visitas y a menudo hace que los perfiles del proceso superen directamente el umbral.
- Una pestaña Unable to Link muy grande indica problemas de calidad de los datos en tu sistema de miembros; normalmente, faltan nombres en registros que pueden registrar entradas.
- Las parejas y los compañeros de entrenamiento que siempre llegan juntos son el caso típico de No match. Identifica a uno de ellos manualmente y la ambigüedad desaparece para el otro.
Páginas relacionadas
- Cómo funciona: dónde se ubica Self Learning en el proceso
- Ajuste del reconocimiento facial: los ajustes predefinidos y los umbrales de Self Learning
- Personas y perfiles: identificación y combinación manuales