איך זה עובד

בדף זה

הדף הזה מסביר את המודל הרעיוני שמאחורי AI Insights & People: מה קורה מהרגע שמצלמה רואה פנים ועד שהפנים האלה מופיעות בציר הזמן של האנשים כחבר מזוהה, כמבקר "Unsure", או לא מופיעות בכלל.

אין צורך בשום דבר מזה כדי להשתמש במוצר — אבל זה מקל מאוד על ההבנה של הגדרות הכוונון ושל תור הסקירה של Self Learning. אותו צינור מוצג באופן חי, עם הספים האמיתיים של המתקן שלכם, בחלוניות Logic Visualisation בדפי ההגדרות Member Matching ו-Shadow Profiles.

הדמויות המשתתפות

מונח	משמעות
Detection	פנים בודדות שנקלטו בפריים של מצלמה
Track	צפייה רציפה אחת באותו אדם במצלמה אחת — זיהויים רבים שמוזגו יחד
Visit	מסלולים שקובצו על פני מצלמות לנוכחות אחת — נשלט על ידי הגדרות Detection Grouping
Identified person	זיהוי שהותאם לרשומת חבר מסונכרנת
Unsure person	אדם אמיתי שהמערכת עוקבת אחריו באופן עקבי אבל עדיין לא יכולה לקשר לחבר — מוצג כ-"Unsure - "
Shadow profile	הפרופיל הפנימי שנוצר עבור אדם unsure — הפניית הפנים שהמערכת משווה אליה זיהויים עתידיים
Shadow photos	"Additional face images used by the facial recognition engine to help identify this person. They are separate to the profile photo synchronised from external systems like your member management system." (ציטוט מהממשק)
Blacklisted face	פנים שהוריתם למערכת להתעלם מהן לחלוטין — ראו רשימה שחורה
Check-in	אירוע העברת כרטיס/כניסה שמסונכרן ממערכת ניהול החברים שלכם — משמש להתאמה בסיוע ביקור ול-Self Learning

צינור הזיהוי

כל פנים שזוהו עוברות באותה שרשרת החלטות מסודרת. הסדר חשוב — התוצאה של שלב מוקדם מונעת משלבים מאוחרים יותר לרוץ.

1. בדיקת הרשימה השחורה (תמיד ראשונה)

הפנים מושוות לאוסף הרשימה השחורה של המתקן שלכם בסף קבוע של 95% (לא ניתן להגדרה). במקרה של התאמה, העיבוד נעצר מיד: הזיהוי מושמט ולעולם לא מופיע בציר הזמן. זה מה שהופך את הרשימה השחורה ליעילה נגד זיהויים חיוביים שגויים קבועים כמו פוסטרים ובובות ראווה — ראו רשימה שחורה.

2. חילוץ פנים

המערכת מוודאת שבאמת יש בתמונה פנים שמישות ומחלצת את המאפיינים שלהן, את התנוחה וציון ודאות. אין פנים → מושמט.

3. חיפוש בחברים מזוהים

הפנים מחופשות מול האוסף המזוהה — כל חבר עם תמונות מאומתות או זיהויים שאושרו בעבר. החיפוש פועל מ-Identified Collection Search Floor ומעלה (ברירת מחדל 40% דמיון בערכה הקבועה מראש Balanced), כך שמועמדים גבוליים לפחות נשקלים.

4. התאמה בסיוע ביקור

לפני ההחלטה הסופית, המערכת בודקת צ׳ק-אינים אחרונים במתקן. אם חבר מועמד עשה צ׳ק-אין בתוך Check-in Lookback Window (ברירת מחדל 30 mins), ציון הדמיון שלו מקבל את Visiting Member Bonus (ברירת מחדל +5). ההיגיון: אם מישהו שדומה ב-82% ל-Alex Nguyen העביר את הכרטיס של Alex Nguyen לפני שלוש דקות, כמעט בוודאות זה Alex.

5. החלטת ההתאמה

ציון ≥ Identified Match Threshold (ברירת מחדל 85%, Balanced) → הזיהוי מאושר כאותו חבר.
ציונים גבוליים — בתוך Borderline Confidence Zone (ברירת מחדל +7 נקודות מעל הסף) — עוברים בדיקת תנוחה נוספת: הפנים חייבות להיות פונות קדימה במידה סבירה (מגבלות ברירת המחדל לזיהוי: yaw 55° / pitch 30° / roll 30°). פנים בזווית חדה עם ודאות גבולית מושמטות במקום להסתכן בזיהוי שגוי.
ציון מתחת ל-Drop Threshold (ברירת מחדל 45%) → הדמיון "not high enough to confirm the correct person with certainty" והזיהוי מושמט מההתאמה.
כל מה שביניהם → האדם מטופל כ-unsure וממשיך לשלב 6.

6. התאמת פרופיל צל

פנים שלא הותאמו מחופשות מול האוסף הלא מזוהה — פרופילי הצל של אנשי unsure שנראו בעבר:

ציון ≥ Profile Link Threshold (ברירת מחדל 80%) → הזיהוי מקושר לפרופיל הצל הקיים הזה. אותו מבקר שומר על אותה זהות "Unsure - …" לאורך ימים ומצלמות.
אין התאמה → הזיהוי הופך למועמד לפרופיל צל חדש, אבל רק אחרי שערי איכות (השלב הבא).

7. שערי איכות לפרופילי צל חדשים

יצירת פרופיל צל פירושה התחייבות לתמונת הפניה שהמערכת תשווה אליה במשך שבועות — ולכן התמונה צריכה להיות טובה. שני שלבים פועלים ברצף:

שער	מה הוא בודק	מהירות
Detection Confidence Gate	מידת הוודאות של הבינה המלאכותית שהיא מצאה פנים אמיתיות בכלל (מינימום ברירת מחדל 90). מתחת לכך, התמונה מושמטת מיד — "no quality checks, no profile search"	מיידי
Pose check	מחמירה יותר מהתאמת חברים (מגבלות ברירת המחדל ללא מזוהים: yaw 30° / pitch 35° / roll 60°) — תמונות הפניה בזווית גרועה גורמות בהמשך לקיבוץ שגוי של אנשים	מיידי
Tier 1 — Fast Quality Checks	"Sharpness · Contrast · Lighting · Exposure · Dynamic Range · Eye Aspect Ratio" — דוחה תמונות שבבירור אינן שמישות	כ-10–60 ms
Tier 2 — ISO Quality Checks	הערכת איכות תמונה מבוססת תקנים: "Face Occlusion · Eyes · Mouth · Head Pose · Illumination · Exposure · Compression · Expression"	כ-5–10 s

תמונות שעוברות מקבלות ניתוח מאפיינים (גיל משוער, מגדר, רגש) ולאחר מכן בדיקה חוזרת סופית למניעת מרוץ תהליכים: מכיוון שזיהויים מעובדים במקביל, המערכת מחפשת שוב באוסף הצל לפני יצירת הפרופיל, כדי ששני פריימים של אותו מבקר חדש לא ייצרו שני פרופילים. התוצאה היא New Shadow Profile Created או Matched Existing Shadow Profile.

את כל הספים האלה אפשר לכוונן באמצעות הערכות הקבועות מראש Lenient / Balanced / Strict — ראו כוונון זיהוי פנים.

Self Learning: סגירת פער הזיהוי

התאמת פנים לבדה לא יכולה לזהות חבר שאין לו תמונה — או שהתמונה שלו גרועה מכדי לעבור אימות. Self Learning פותר זאת באמצעות התנהגות במקום ביומטריה:

זמני הזיהוי של כל אדם לא מזוהה מתואמים מול צ׳ק-אינים של חברים לאורך תקופת בדיקה לאחור (ברירת המחדל דורשת 8 ביקורים מתואמים, תוך בחינת היסטוריה של החודשים האחרונים, עם חלון תזמון של כ-10 דקות לפני ואחרי כל צ׳ק-אין).
אם חבר אחד בדיוק עשה צ׳ק-אין באופן עקבי בכל פעם שהאדם הזה זוהה, מופעלות בדיקות אימות (התאמת מגדר, סבילות גיל אופציונלית).
הבדיקות עוברות → הפרופיל מקושר אוטומטית לחבר הזה. הבדיקות נכשלות → הוא נכנס לתור Pending Review להחלטה אנושית. כמה חברים מועמדים → אין התאמה; המערכת ממשיכה לעקוב.

בנפרד, לאחר שאדם זוהה, המערכת שומרת בשקט על הפניית הפנים שלו עדכנית: התאמות כמעט מושלמות (דמיון של 99% ומעלה) יכולות להתווסף אוטומטית כתמונות צל, עד לסט קטן ומתחלף (6) לכל אדם, כך שהזיהוי ממשיך לעבוד כשהמראה משתנה. התמונות שנוספו אוטומטית מסומנות "Auto-added by self-learning" בפרופיל.

הצינור המלא, הסטטוסים שלו ותהליך הסקירה מתועדים ב-Self Learning.

מזיהויים לציר הזמן

זיהויים גולמיים היו בלתי קריאים, ולכן ציר הזמן מציג ביקורים: זיהויים שמוזגו לקבוצות לפי הגדרות Detection Grouping — כברירת מחדל ביקור חדש מתחיל אחרי פער של 45 דקות, ואנשים לא מזוהים מופיעים בכלל רק עם לפחות 3 זיהויים על פני 5 דקות (כך שמישהו שחולף לרגע ליד מצלמת דלת לא מעמיס על התצוגה). מתג בסרגל הכלים של ציר הזמן יכול לבטל את מסנן הסף הזה כשאתם רוצים לראות כל הופעה קצרה.

מה רץ איפה

שלב	איפה הוא רץ
קליטת וידאו, זיהוי אנשים בפריימים	על Edge Processor במתקן שלכם
התאמת פנים, פרופילי צל, שערי איכות, ניתוח מאפיינים	בענן, מול אוספי הפנים הפרטיים של המתקן שלכם
סנכרון חברים/צ׳ק-אינים	ענן, ממערכת ניהול החברים שלכם דרך שילוב השותפים
מתאם Self Learning	ענן, לפי לוח זמנים חוזר (דורש Enhanced AI Analysis)
תמונות מצב של דוחות	ענן, נוצרות מדי יום (היום הקודם, מחושב במהלך הלילה לפי השעון המקומי של המתקן)

לכל מתקן יש אוספי פנים מבודדים משלו (מזוהים, לא מזוהים ורשימה שחורה) — הזיהוי אף פעם לא חוצה מתקנים. תמונות פנים ומטא-נתוני בינה מלאכותית מאוחסנים באזור האחסון שבחרתם ונמחקים בהתאם לשמירת AI Metadata (ברירת מחדל 24 חודשים). ראו אבטחה ופרטיות.

מילון מונחים

מונח	הגדרה
Identified Match Threshold	הדמיון המינימלי לאישור פנים כחבר (ברירת מחדל 85, Balanced)
Drop Threshold	מתחת לערך זה, התאמה חלקית נמחקת לגמרי (ברירת מחדל 45)
Identified Collection Search Floor	הדמיון המינימלי כדי שמועמד בכלל יוחזר מהחיפוש (ברירת מחדל 40)
Visiting Member Bonus	נקודות דמיון שמתווספות כשלמועמד יש צ׳ק-אין אחרון (ברירת מחדל +5)
Check-in Lookback Window	כמה רחוק אחורה לחפש צ׳ק-אינים (ברירת מחדל 30 mins)
Borderline Confidence Zone	טווח הציונים מעל סף ההתאמה שבו חלה בדיקת התנוחה (ברירת מחדל +7)
Profile Link Threshold	הדמיון המינימלי לקישור זיהוי לפרופיל צל קיים (ברירת מחדל 80)
Duplicate Prevention Threshold	הדמיון שבו הבדיקה החוזרת למניעת מרוץ תהליכים מתייחסת לפנים "חדשות" כפרופיל קיים (ברירת מחדל 90)
Minimum Detection Confidence	מידת הוודאות שהבינה המלאכותית צריכה שתמונה מכילה פנים לפני ניסיון ליצור פרופיל צל (ברירת מחדל 90)
Enhanced AI Analysis	הגדרה כללית של הטלוויזיה במעגל סגור שמאפשרת מטא-נתונים עשירים יותר, מעקב מסלולים ו-Self Learning
Demeanor	קריאה רגשית לכל אדם, "Calculated from detected emotions during the visit"
Sentiment score	ציון 0–100 ברמת אזור/מתקן שנגזר מהבעות פנים שזוהו, משוקלל לפי תצורת Sentiment Scoring שלכם