שאלות נפוצות

בדף זה

המוצר

מה ההבדל בין מודול הטלוויזיה במעגל סגור לבין AI Insights & People? מודול הטלוויזיה במעגל סגור מקליט, מאחסן ומשמיע וידאו; AI Insights & People מזהה ומבין את האנשים שבווידאו — פרופילים, צירי זמן, דוחות, אזורי גישה. זוהי תכונת מתקן שנבנית מעל מודול הטלוויזיה במעגל סגור ופועלת על אותו מכשיר. ראו הגבול בין המודולים.

האם צריך חומרה נוספת? לא — אותו Edge Processor מפעיל את שניהם. אבל הסקת בינה מלאכותית צורכת קיבולת: צפו בערך למחצית מזרמי המצלמות של מכשיר VSaaS בלבד (לדוגמה, 8 זרמי 1080p שמנותחים בבינה מלאכותית בדגם 32 GB, לעומת כ-16 זרמים להקלטה בלבד).

האם זה עובד בלי מערכת לניהול חברים? באופן חלקי. זיהוי, פרופילי Unsure, ניתוח נתוני אזורים, סנטימנט ונתונים דמוגרפיים עובדים כולם. התאמת חברים, מתאם עם צ׳ק-אינים, Self Learning וכללי תוכניות של אזורי גישה דורשים חברים וצ׳ק-אינים מסונכרנים. אפשר גם להוסיף אנשים באופן ידני או באמצעות "Import Members".

מה בעצם עושה Enhanced AI Analysis? בציטוט מההגדרה: "Generates richer metadata including heatmaps, path tracking, and self learning. Disabling this will also turn off automatic profile matching. Increases storage usage." בפועל: השאירו אותה מופעלת אם אתם משתמשים במודול הזה — Self Learning נעלם בלעדיה.

זיהוי

עד כמה מדויק זיהוי החברים? בהגדרה הקבועה מראש Balanced, פנים מאושרים רק בדמיון של 85% ומעלה — וצ׳ק-אין אחרון מוסיף ראיה תומכת (התאמה בסיוע ביקור). ציונים גבוליים עוברים בדיקת תנוחה נוספת במקום ניחוש. הדיוק בפועל נקבע בעיקר על ידי איכות תמונות החברים — המסנן "Invalid Photo" ברשימת People הוא המנבא הטוב ביותר למי שלא יזוהה.

למה מישהו מוצג כ-"Unsure - 9f3c21ab"? המערכת רואה אותו באופן עקבי, אבל אינה יכולה לקשר אותו לחבר — בדרך כלל בגלל תמונת חבר חסרה או לא תקינה, או שמדובר באמת במי שאינו חבר (אורח, מתנסה). האפשרויות: לזהות אותו באופן ידני, לתקן את התמונה, או לתת ל-Self Learning לבצע מתאם מתוך הצ׳ק-אינים.

האם המערכת יכולה לבלבל בין שני אנשים? היא מתוכננת למנוע זאת: סף של 85%, בדיקת תנוחה בציונים גבוליים, בדיקה חוזרת מחמירה של 90% למניעת כפילויות, והדרישה של Self Learning למועמד אחד בלבד מבין החברים. כשבכל זאת מתרחשת התאמה שגויה, אפשר לתקן אותה — ראו פתרון בעיות.

מהן תמונות צל? "Additional face images used by the facial recognition engine to help identify this person" — נפרדות מתמונת הפרופיל המסונכרנת. חלקן נוספות באופן ידני; התאמות כמעט מושלמות (99% ומעלה) יכולות להתווסף אוטומטית על ידי הלמידה העצמית, עד לסט קטן ומתחלף, כך שהזיהוי שורד תספורות ומשקפיים חדשים.

מישהו מופיע במצלמה אבל אף פעם לא בציר הזמן. למה? בדקו את People Tracking במצלמה הזו, ולאחר מכן את מסנן סף הזיהוי — הופעות קצרות מוסתרות כברירת מחדל. בנוסף: פנים שברשימה השחורה לעולם אינם מופיעים, וזה מכוון.

פרטיות

האם זה חוקי להפעיל את זה? זיהוי פנים כפוף לרגולציה, והחובות מוטלות עליכם כמפעילים: שילוט, מדיניות פרטיות, בסיס חוקי (בדרך כלל הסכמה בעת ההרשמה) וכיבוד בקשות מחיקה. לרשימת הבדיקה, ראו אבטחה ופרטיות.

היכן מאוחסנים נתוני הפנים? באוספים המבודדים של המתקן שלכם, באזור האחסון שבחרתם. הזיהוי לעולם אינו חוצה מתקנים. מטא-נתוני הבינה המלאכותית נמחקים לאחר תקופת השמירה שהוגדרה (ברירת מחדל: 24 חודשים).

האם אורחים עם קישורי שיתוף יכולים לראות נתוני אנשים? לא. קישורי שיתוף לאורחים יכולים לחשוף מצלמות וצילומים, אבל נתוני אנשים ונתוני זיהוי פנים מוחרגים במפורש מאסימוני אורחים.

איך מוחקים נתונים של מישהו? פרופילים לא מזוהים: "Delete this person". חברים: "Delete Member" בחלק Advanced של הפרופיל — והסירו אותם גם ממערכת ניהול החברים שלכם, אחרת סנכרון עתידי עלול ליצור את הפרופיל מחדש. ראו אבטחה ופרטיות.

האם הנתונים הדמוגרפיים הם נתוני חברים אמיתיים? לא — גיל, מגדר, מוצא אתני והתנהגות משוערים הם הערכות של בינה מלאכותית מתוך תמונות, שמשמשות לניתוח נתונים מצטבר. הם לעולם אינם קובעים גישה, והממשק מזהיר שהם "may not match the data in your member management system."

תכונות

למה משמשת הרשימה השחורה — חברים שהכניסה שלהם נאסרה? בעיקר להפך: היא הפתרון לזיהויים שגויים — פוסטרים, בובות תצוגה, טלוויזיות — שמזוהים כאנשים בכל יום. היא משמיטה פנים תואמים לפני כל עיבוד. היא אינה מתריעה לאף אחד; זו השתקה, לא מעקב. ראו רשימה שחורה.

מה נחשב להפרת גישה? כניסה "where a member's active membership plan was not permitted by the zone's access rules (excluded, or not in the allowed plans)" — כולל מחוץ לשעות הגישה של האזור. היא מסמנת ומדווחת; היא אינה נועלת דלתות. ראו אזורי גישה.

מה המשמעות של Card Sharing ו-Tailgating בציר הזמן? Card Sharing: התבצע צ׳ק-אין, אבל הפנים שזוהו אינם של בעל הכרטיס. Tailgating: מישהו נמצא באתר ללא צ׳ק-אין תואם. שניהם שבבי סינון בציר הזמן — ראו ציר זמן של אנשים.

איך מחושב ציון הסנטימנט? הבעות פנים שזוהו, משוקללות לפי ה-Business Context שלכם (הגדרות Sentiment Scoring) ומצטברות לסולם של 0–100: חיובי ≥ 70, ניטרלי 40–69, שלילי < 40. ההקשר Gym/Fitness מונע ממאמץ באימון להיקרא כחוסר שביעות רצון. השתמשו בו באופן מצטבר — מגמות באזורים, לא אנשים בודדים.

למה המספרים של היום אינם מופיעים ב-Reports? תמונות המצב של הדוחות נוצרות במהלך הלילה עבור היום הקודם. ציר הזמן הוא התצוגה החיה; Reports היא תצוגת המגמות.

האם אפשר לייצא את הנתונים או לשלוף אותם? כן — "Export Members" לרשימת האנשים, ושבעת כלי ה-MCP מסוג insights_* לכל השאר (ציר זמן, פרופילים, צ׳ק-אינים, תמונות מצב של דוחות), רצוי דרך סוכן הבינה המלאכותית שלכם.

האם כדאי לשנות את ספי הזיהוי? כמעט אף פעם לא. ההגדרות הקבועות מראש Balanced מתאימות כמעט לכל המתקנים; איכות התמונות ומיקום המצלמות הם שקובעים את התוצאות. קראו את כוונון זיהוי הפנים לפני שאתם משנים משהו, שנו חלק אחד בכל פעם ושפטו את התוצאות לאורך כמה ימים.