सामान्य प्रश्न
इस पेज पर
प्रोडक्ट
सीसीटीवी मॉड्यूल और AI Insights & People में क्या अंतर है? सीसीटीवी वीडियो रिकॉर्ड, संग्रहीत और प्लेबैक करता है; AI Insights & People उस वीडियो में मौजूद लोगों की पहचान करता है और उन्हें समझता है — प्रोफ़ाइल, टाइमलाइन, रिपोर्ट, एक्सेस ज़ोन। यह सीसीटीवी मॉड्यूल के ऊपर बनाया गया एक सुविधा-स्तरीय फ़ीचर है, जो उसी उपकरण पर चलता है। देखें सीमा।
क्या मुझे अतिरिक्त हार्डवेयर की आवश्यकता है? नहीं — वही एज प्रोसेसर दोनों को चलाता है। लेकिन AI इन्फ़रेंस क्षमता का उपयोग करता है: केवल-VSaaS उपकरण की तुलना में लगभग आधे कैमरा फ़ीड की अपेक्षा करें (जैसे 32 GB मॉडल पर 8 AI-विश्लेषित 1080p फ़ीड, जबकि केवल-रिकॉर्डिंग के लिए ~16)।
क्या यह सदस्य प्रबंधन सिस्टम के बिना काम करता है? आंशिक रूप से। पहचान, अनिश्चित प्रोफ़ाइल, ज़ोन एनालिटिक्स, सेंटिमेंट और जनसांख्यिकी, सभी काम करते हैं। सदस्य मिलान, चेक-इन सहसंबंध, Self Learning और एक्सेस-ज़ोन प्लान नियमों के लिए सिंक किए गए सदस्यों और चेक-इन की आवश्यकता होती है। आप लोगों को मैन्युअल रूप से या "Import Members" के माध्यम से भी जोड़ सकते हैं।
Enhanced AI Analysis वास्तव में क्या करता है? सेटिंग का उद्धरण: "Generates richer metadata including heatmaps, path tracking, and self learning. Disabling this will also turn off automatic profile matching. Increases storage usage." व्यावहारिक रूप से: यदि आप इस मॉड्यूल का उपयोग करते हैं, तो इसे चालू रखें — इसके बिना Self Learning गायब हो जाता है।
पहचान
सदस्य पहचान कितनी सटीक है? Balanced प्रीसेट पर, किसी चेहरे की पुष्टि केवल 85%+ समानता पर होती है — और हाल का कोई चेक-इन सहायक प्रमाण जोड़ता है (विज़िट-सहायता प्राप्त मिलान)। सीमा-रेखा वाले स्कोर पर अनुमान लगाने के बजाय एक अतिरिक्त पोज़ जाँच की जाती है। व्यवहार में सटीकता मुख्य रूप से सदस्य फ़ोटो की गुणवत्ता पर निर्भर करती है — People सूची में "Invalid Photo" फ़िल्टर इस बात का सबसे अच्छा संकेतक है कि किसकी पहचान नहीं हो पाएगी।
किसी को "Unsure - 9f3c21ab" के रूप में क्यों दिखाया जाता है? सिस्टम उन्हें लगातार देखता है, लेकिन उन्हें किसी सदस्य से नहीं जोड़ पाता — आमतौर पर सदस्य फ़ोटो न होने या अमान्य होने के कारण, या वे वास्तव में गैर-सदस्य (अतिथि, ट्रायल) होते हैं। विकल्प: उन्हें मैन्युअल रूप से पहचानें, फ़ोटो ठीक करें, या Self Learning को चेक-इन से उनका सहसंबंध बनाने दें।
क्या सिस्टम दो लोगों को लेकर भ्रमित हो सकता है? इसे इससे बचने के लिए डिज़ाइन किया गया है: 85% सीमा, सीमा-रेखा वाले स्कोर पर पोज़ जाँच, डुप्लिकेट रोकने के लिए सख्त 90% पुनः जाँच, और Self Learning की ठीक एक उम्मीदवार सदस्य की शर्त। यदि कभी गलत मिलान होता है, तो उसे ठीक किया जा सकता है — देखें समस्या निवारण।
शैडो फ़ोटो क्या हैं? "Additional face images used by the facial recognition engine to help identify this person" — सिंक की गई प्रोफ़ाइल फ़ोटो से अलग। कुछ मैन्युअल रूप से जोड़ी जाती हैं; लगभग पूर्ण मिलान (99%+) को सेल्फ़-लर्निंग द्वारा अपने आप जोड़ा जा सकता है, जो एक छोटे घूमने वाले सेट तक सीमित है, ताकि नए हेयरकट और नए चश्मे के बाद भी पहचान बनी रहे।
कोई कैमरे पर है, लेकिन टाइमलाइन पर कभी नहीं। क्यों? उस कैमरे पर लोगों की ट्रैकिंग जाँचें, फिर डिटेक्शन-थ्रेशोल्ड फ़िल्टर — थोड़ी देर के लिए दिखने वाले लोग डिफ़ॉल्ट रूप से छिपे रहते हैं। साथ ही: ब्लैकलिस्ट किए गए चेहरे डिज़ाइन के अनुसार कभी दिखाई नहीं देते।
गोपनीयता
क्या इसे चलाना कानूनी है? चेहरा पहचान विनियमित है और ऑपरेटर के रूप में दायित्व आपके हैं: संकेत-पट (signage), गोपनीयता नीति, एक वैध आधार (आमतौर पर साइन-अप के समय सहमति), और डेटा हटाने के अनुरोधों का पालन। चेकलिस्ट के लिए सुरक्षा और गोपनीयता देखें।
फ़ेस डेटा कहाँ संग्रहीत होता है? आपकी सुविधा के अपने अलग संग्रहों में, आपके चुने गए स्टोरेज क्षेत्र में। पहचान कभी भी एक सुविधा से दूसरी सुविधा तक नहीं जाती। AI मेटाडेटा कॉन्फ़िगर की गई प्रतिधारण अवधि (डिफ़ॉल्ट 24 महीने) के बाद समाप्त हो जाता है।
क्या शेयर लिंक वाले अतिथि लोगों का डेटा देख सकते हैं? नहीं। अतिथि शेयर लिंक कैमरे और फ़ुटेज दिखा सकते हैं, लेकिन लोगों और फ़ेस-डिटेक्शन डेटा को अतिथि टोकन से स्पष्ट रूप से बाहर रखा गया है।
मैं किसी का डेटा कैसे हटाऊँ? अज्ञात प्रोफ़ाइल: "Delete this person"। सदस्य: प्रोफ़ाइल के Advanced अनुभाग में "Delete Member" — और उन्हें अपने सदस्य सिस्टम से भी हटाएँ, अन्यथा भविष्य का कोई सिंक प्रोफ़ाइल को फिर से बना सकता है। देखें सुरक्षा और गोपनीयता।
क्या जनसांख्यिकी वास्तविक सदस्य डेटा है? नहीं — अनुमानित आयु, लिंग, जातीयता और हाव-भाव, चित्रों से लगाए गए AI अनुमान हैं, जिनका उपयोग समग्र एनालिटिक्स के लिए किया जाता है। ये कभी भी पहुँच को नियंत्रित नहीं करते, और UI चेतावनी देता है कि ये "may not match the data in your member management system."
फ़ीचर
ब्लैकलिस्ट किसलिए है — प्रतिबंधित सदस्यों के लिए? ज़्यादातर इसके विपरीत: यह गलत पॉज़िटिव का समाधान है — पोस्टर, मैनेक्विन, टीवी — जिन्हें हर दिन लोगों के रूप में पहचाना जाता है। यह किसी भी प्रोसेसिंग से पहले मेल खाने वाले चेहरों को छोड़ देता है। यह किसी को अलर्ट नहीं करता; यह दमन (suppression) है, निगरानी नहीं। देखें ब्लैकलिस्ट।
एक्सेस उल्लंघन किसे माना जाता है? एक प्रविष्टि "where a member's active membership plan was not permitted by the zone's access rules (excluded, or not in the allowed plans)" — जिसमें ज़ोन के एक्सेस घंटों के बाहर की प्रविष्टि भी शामिल है। यह चिह्नित और रिपोर्ट करता है; दरवाज़े लॉक नहीं करता। देखें एक्सेस ज़ोन।
टाइमलाइन पर Card Sharing और Tailgating का क्या अर्थ है? Card Sharing: एक चेक-इन हुआ, लेकिन पहचाना गया चेहरा कार्ड का मालिक नहीं है। Tailgating: साइट पर कोई ऐसा व्यक्ति जिसका कोई संबंधित चेक-इन नहीं है। दोनों टाइमलाइन फ़िल्टर चिप हैं — देखें लोगों की टाइमलाइन।
सेंटिमेंट स्कोर की गणना कैसे होती है? पहचाने गए चेहरे के भाव, आपके Business Context (Sentiment Scoring सेटिंग्स) के अनुसार भारित, और 0–100 तक एकत्रित: Positive ≥ 70, Neutral 40–69, Negative < 40। Gym/Fitness संदर्भ वर्कआउट के तनाव को नाखुशी के रूप में पढ़े जाने से रोकता है। इसका उपयोग समग्र रूप में करें — ज़ोन के रुझान, व्यक्ति नहीं।
आज के आँकड़े Reports में क्यों नहीं दिखते? रिपोर्ट स्नैपशॉट पिछले दिन के लिए रात भर में बनते हैं। टाइमलाइन लाइव व्यू है; Reports रुझानों का व्यू है।
क्या मैं डेटा एक्सपोर्ट या क्वेरी कर सकता हूँ?
हाँ — लोगों की सूची के लिए "Export Members", और बाकी सब (टाइमलाइन, प्रोफ़ाइल, चेक-इन, रिपोर्ट स्नैपशॉट) के लिए सात insights_* MCP टूल, आदर्श रूप से आपके एआई एजेंट के माध्यम से।
क्या मुझे पहचान की सीमाएँ बदलनी चाहिए? लगभग कभी नहीं। Balanced प्रीसेट लगभग सभी सुविधाओं के लिए उपयुक्त हैं; परिणाम मुख्य रूप से फ़ोटो की गुणवत्ता और कैमरे की स्थिति पर निर्भर करते हैं। कुछ भी बदलने से पहले फ़ेस रिकग्निशन ट्यूनिंग पढ़ें, एक बार में एक अनुभाग बदलें, और कई दिनों तक परिणाम आँकें।