תחילת העבודה

המדריך הזה לוקח מתקן מ"הקלטת טלוויזיה במעגל סגור" ל"זיהוי חברים בציר הזמן של האנשים". הוא מניח שהמודול CCTV / VSaaS שלכם כבר פועל — Edge Processor מחובר, מצלמות נוספו, וצילומים מוקלטים.

שלב 1: הפעלת התכונה

AI Insights & People היא תכונת מתקן שנבנית מעל מודול הטלוויזיה במעגל סגור. היא מופעלת לכל מתקן על ידי מנהל החשבון שלכם ב-Performance Hub:

• People — תכונת הליבה: ציר הזמן של האנשים, פרופילים, התאמת חברים, דוחות, אזורי גישה וכלי ה-MCP‏ insights_*.
• AI Insights — שכבת הניתוח המשופר שמשמשת עיבוד ברקע, כמו מתאם Self Learning ויצירה מוקדמת של מפות חום.

לאחר ההפעלה, AI Insights & People מופיע בסרגל הצד של Performance Hub, והקבוצות Access Zones, People, Face Recognition ו-Insights מופיעות בסרגל הצד המשותף של Settings. אם קוראים ל-People API עבור מתקן שאין לו את התכונה, הוא מחזיר "People feature is not enabled for this facility" — ראו פתרון בעיות.

שלב 2: הפעלת מעקב אחר אנשים לכל מצלמה

זיהוי אנשים מופעל לפי בחירה לכל מצלמה. במודול הטלוויזיה במעגל סגור, פתחו את ההגדרות של כל מצלמה והפעילו את מעקב אחר אנשים (ראו מצלמות ומכשירים).

בחרו בשיקול דעת:

• הפעילו אותו בכניסות, בקבלה ובאזורים מרכזיים — בכל מקום שבו אתם רוצים כיסוי של נוכחות, זיהוי או אזורי גישה.
• דלגו עליו במקומות שבהם בינת אנשים לא מוסיפה דבר (חניונים, חדרי מכונות) — כל הזנה שמנותחת בבינה מלאכותית צורכת מקיבולת ההסקה של המכשיר. ככלל אצבע, מכשיר מטפל בערך במחצית ממספר הזנות המצלמה עם הסקת בינה מלאכותית לעומת הקלטה בלבד; ראו החומרה למספרים לפי דגם.
• באזורים רגישים לפרטיות (שירותים, חדרי הלבשה) לא אמורות להיות מצלמות בכלל — ראו אבטחה ופרטיות.

שלב 3: הפעלת Enhanced AI Analysis

ב-Settings → General (הגדרה ששייכת לטלוויזיה במעגל סגור), הפעילו את Enhanced AI Analysis:

"מייצר מטא-דאטה עשיר הכולל מפות חום, מעקב נתיבים ולמידה עצמית. השבתה זו תכבה גם את התאמת הפרופילים האוטומטית. מגדיל את שימוש באחסון."

זה מה שפותח את Self Learning — כשהיא כבויה, קטע ההגדרות של Self Learning מוסתר וצינור המתאם לא פועל. התאמת פנים בסיסית עובדת גם בלעדיה, אבל במתקן שמאמץ את המודול הזה כמעט תמיד תרצו שהיא תהיה מופעלת.

שלב 4: חיבור סנכרון החברים

התאמת חברים צריכה חברים להתאים מולם. שילוב השותפים של Performance Hub מסנכרן ממערכת ניהול החברים שלכם:

• רשומות חברים — שם, סטטוס חברות, תוכניות, תגיות ותמונת פרופיל.
• צ׳ק-אינים — אירועי העברת כרטיס/כניסה, שמניעים את ההתאמה בסיוע ביקור ואת Self Learning.

תמונות מסונכרנות עוברות בדיקת איכות אוטומטית לפני שהן משמשות לזיהוי (חדות, תאורה, תנוחה, הסתרה — וגם בדיקת תוכן שדוחה תמונות שאינן של אדם, כמו חיות מחמד או דמויות מצוירות). תמונות שנכשלות מציגות תג "Invalid Photo" ברשימת People, ואפשר לסנן לפי Photo Status ("Valid Photo", "Invalid Photo", "Not Processed") כדי למצוא אותן. אי אפשר לבצע התאמת פנים לחבר עם תמונה לא תקינה — אבל Self Learning עדיין יכול לזהות אותו באמצעות מתאם ביקורים.

אתם קובעים אילו שדות קשר אופציונליים יסונכרנו (אימייל, טלפון נייד, כתובת) ב-Settings → People → Profile Info.

אין לכם מערכת ניהול חברים? עדיין אפשר להוסיף אנשים ידנית ("Add people") או לבצע "Import Members" מרוכז מקובץ — ראו אנשים ופרופילים.

שלב 5: מעקב אחר הזיהויים הראשונים

בתוך יום של פעילות אמורים לראות:

1. את ציר הזמן מתמלא — פתחו את AI Insights & People → Timeline. חברים מזוהים מופיעים לפי שם; מבקרים חדשים מופיעים כ-"Unsure - ". ראו ציר זמן של אנשים.

איור 1: ציר הזמן של האנשים ביום הראשון — שילוב של חברים מזוהים ומבקרים "Unsure"

2. פרופילי אנשים מתמלאים — לחצו על כל אדם כדי לראות את יומן הפעילות, דפוסי הביקור ותובנות הבינה המלאכותית שלו. ראו אנשים ופרופילים.

3. דוחות מופיעים מהיום שלמחרת — תמונות מצב של הדוחות נוצרות במהלך הלילה עבור היום הקודם, כך שהתצוגה דוחות מתחילה להציג נתונים אחרי היום המלא הראשון.

שלב 6: כוונון בשבוע הראשון

כמה דברים שכדאי לעשות כשנתונים אמיתיים מתחילים לזרום:

השאירו את ספי הזיהוי על הערכות הקבועות מראש Balanced לפחות כשבועיים לפני ששוקלים שינויים — ראו כוונון זיהוי פנים כדי לדעת מתי ואיך לכוונן.

השלבים הבאים

• איך זה עובד — הבינו את הצינור לפני שאתם מכווננים אותו.
• ציר זמן של אנשים — התצוגה התפעולית היומיומית.
• Integrations ו-MCP — שאלו על נתוני אנשים מסוכן הבינה המלאכותית שלכם.