सेल्फ लर्निंग
इस पेज पर
Self Learning टैब (AI Insights & People → Self Learning) स्वचालित पहचान पाइपलाइन का कंसोल है। पेज के अपने शब्दों में, यह "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."
जहाँ फ़ेस मिलान इस सवाल का जवाब देता है कि "क्या यह चेहरा किसी सदस्य की फ़ोटो जैसा दिखता है?", वहीं Self Learning एक अलग सवाल का जवाब देता है: "क्या इस व्यक्ति की उपस्थिति का पैटर्न ठीक एक सदस्य के चेक-इन पैटर्न से मेल खाता है?" इसी तरह सिस्टम उन सदस्यों की पहचान करता है जिनका कैमरा कभी मिलान नहीं कर सकता: जिनकी फ़ोटो नहीं है, या इतनी खराब है कि सत्यापन पास नहीं कर सकती।
Self Learning के लिए CCTV Settings → General में Enhanced AI Analysis सक्षम होना आवश्यक है। इसके बंद होने पर सहसंबंध रन रुक जाते हैं और Self Learning सेटिंग्स अनुभाग छिप जाता है।
चित्र 1: Self Learning व्यू: Decision Flow कार्ड, सारांश गिनती और प्रोफ़ाइल कतार
प्रोफ़ाइल का निर्णय कैसे होता है
चित्र 2: Decision Flow कार्ड: "How profiles resolve", पिछले सहसंबंध रन के टाइमस्टैम्प के साथ
Decision Flow कार्ड चार परिणामों का सारांश देता है, ठीक उसी तरह जैसे UI उन्हें सूचीबद्ध करता है:
| स्थिति | परिणाम |
|---|---|
| "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 |
पर्दे के पीछे, हर सहसंबंध रन (कार्ड पर "Last run:" टाइमस्टैम्प) हर अपहचानी प्रोफ़ाइल के लिए ये काम करता है:
- लुकबैक अवधि में प्रोफ़ाइल के डिटेक्शन समय का सदस्यों के चेक-इन से सहसंबंध करता है, हर चेक-इन के आसपास एक समय-सीमा (डिफ़ॉल्ट ±10 मिनट) का उपयोग करके।
- साक्ष्य गिनता है। प्रोफ़ाइल को कॉन्फ़िगर की गई न्यूनतम सहसंबद्ध विज़िट चाहिए: Balanced प्रीसेट पर डिफ़ॉल्ट 8। जिन प्रोफ़ाइलों के पास कुछ साक्ष्य (3+) है लेकिन न्यूनतम से कम है, वे In Pipeline रहती हैं: "Profiles still gathering evidence from repeat visits and check-ins." पाइपलाइन कार्ड "Average progress" को "N/M visits" के रूप में दिखाता है।
- ठीक एक उम्मीदवार माँगता है। यदि विज़िट एक से अधिक सदस्यों से सहसंबद्ध होती हैं, उदाहरण के लिए कोई जोड़ा जो हमेशा साथ आता है, तो परिणाम No match होता है। सिस्टम उम्मीदवारों के बीच अनुमान नहीं लगाता।
- सत्यापन करता है। एक उम्मीदवार और पर्याप्त विज़िट होने पर सत्यापन जाँचें चलती हैं: प्रोफ़ाइल के पहचाने गए गुणों और सदस्य रिकॉर्ड के बीच लिंग का मेल (डिफ़ॉल्ट रूप से चालू), और वैकल्पिक रूप से आयु सहनशीलता जाँच। पास → Automatically Linked। विफल → Pending Review: "Strong timing match, but one or more validation checks did not pass."
हर रिकॉर्ड में एक विश्वास स्कोर होता है, जो विज़िट की संख्या, अलग-अलग दिनों की संख्या, और चेक-इन व डिटेक्शन के बीच औसत अंतराल से बनता है (कम और एक जैसा अंतराल सबसे अधिक स्कोर पाता है)।
सभी थ्रेशोल्ड, यानी न्यूनतम विज़िट, लुकबैक, समय-सीमा और सत्यापन जाँचें, Settings → Face Recognition → Self Learning में Lenient / Balanced / Strict प्रीसेट से कॉन्फ़िगर किए जा सकते हैं।
चित्र 3: Self Learning सेटिंग्स: प्रीसेट, न्यूनतम विज़िट, लुकबैक अवधि, समय-सीमा और सत्यापन जाँचें
सारांश कार्ड
| कार्ड | अर्थ (UI पाठ) |
|---|---|
| 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." |
कतार
चित्र 4: कतार: चेहरे, उम्मीदवार सदस्य, विज़िट, औसत अंतराल, विश्वास स्कोर और स्थिति
टैब कतार को स्थिति के अनुसार बाँटते हैं: In Pipeline, Pending Review, Automatically Linked, Unable to Link, Rejected, Manually Approved और Monitoring। एक खोज बॉक्स ("Search by name, ID, or personId...") बड़ी कतारों को छोटा करता है, और पाइपलाइन टैब पर "Duplicates" बटन संदिग्ध डुप्लिकेट शैडो प्रोफ़ाइलें दिखाता है जिन्हें पहले मर्ज करना चाहिए: डुप्लिकेट विज़िट के साक्ष्य को बाँट देते हैं और सब कुछ धीमा कर देते हैं।
तालिका कॉलम: Faces (प्रोफ़ाइल की डिटेक्शन फ़ोटो), Person / Member (शैडो प्रोफ़ाइल और उसका उम्मीदवार सदस्य), Visits, Avg Lag (चेक-इन से कैमरा डिटेक्शन तक), Score, Status, Updated। पंक्ति की स्थितियों में "Pipeline", "Pending Review", "Automatically Linked", "Unable to Link", "No Match", "Rejected" शामिल हैं, साथ ही अस्थायी "Linking..." और "Link Failed" ("Link failed — will retry on next run")।
लंबित मिलानों की समीक्षा करना
हर Pending Review पंक्ति के लिए, डिटेक्शन चेहरों की तुलना उम्मीदवार सदस्य की फ़ोटो और उनके विज़िट साक्ष्य से करें, फिर:
- Approve: मिलान की पुष्टि करता है और प्रोफ़ाइल को सदस्य से लिंक करता है। स्वीकृतियाँ व्यक्ति के नाम दर्ज होती हैं ("Approved by ")।
- Reject: इसे खारिज करता है। डायलॉग कारण पूछता है: "Please provide a reason for rejecting this match. This will be recorded for audit purposes." (जैसे "Photos clearly show different people, member data is incorrect, etc.")। अस्वीकृत प्रोफ़ाइलें उसी सदस्य के लिए दोबारा प्रस्तावित नहीं की जाएँगी।
दो और कार्रवाइयाँ वर्कफ़्लो को पूरा करती हैं:
- Link: Unable to Link पंक्तियों के लिए, एक मैन्युअल खोज डायलॉग आपको सही सदस्य स्वयं चुनने देता है; समय का साक्ष्य मौजूद है, बस स्वचालित चरण के पास इसे पूरा करने के लिए डेटा नहीं था।
- Unlink: किसी स्वचालित लिंक को वापस लेता है। पुष्टि संदेश सटीक रूप से बताता है कि यह क्या करता है: "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." यदि चेहरे का डेटा गलत तरीके से मर्ज हुआ था, तो व्यक्ति की प्रोफ़ाइल में आगे की कार्रवाई करें।
दूसरा पहलू: पहचान को ताज़ा रखना
Self Learning पहले से पहचाने गए लोगों पर भी चुपचाप काम करता है। जब कोई पुष्ट डिटेक्शन लगभग पूर्ण मिलान (99%+ समानता) हो और गुणवत्ता व मुद्रा जाँच पास करे, तो सिस्टम उसे शैडो फ़ोटो के रूप में जोड़ सकता है: प्रति व्यक्ति 6 के एक छोटे घूमते सेट तक सीमित, कूलडाउन के साथ ताकि एक ही विज़िट सेट को न भर दे। इसी कारण प्रोफ़ाइलों में "Auto-added by self-learning" लेबल वाली फ़ोटो जमा होती हैं (लोग और प्रोफ़ाइल), और इसी कारण बाल कटवाने, दाढ़ी और चश्मा बदलने पर भी पहचान काम करती रहती है।
व्यावहारिक सुझाव
- Pending Review कतार पर साप्ताहिक रूप से काम करें। हर स्वीकृति पहचान को स्थायी रूप से बेहतर बनाती है; हर बिना समीक्षा की पंक्ति एक ऐसा सदस्य है जिसे आपकी रिपोर्ट में "Unsure" गिना जा रहा है।
- पहले डुप्लिकेट मर्ज करें। समीक्षा से पहले "Duplicates" व्यू देखें: मर्ज करने से विज़िट के साक्ष्य एक साथ आते हैं और अक्सर पाइपलाइन प्रोफ़ाइलें सीधे थ्रेशोल्ड पार कर जाती हैं।
- बड़ा Unable to Link टैब आपके सदस्य सिस्टम में डेटा गुणवत्ता की समस्या दर्शाता है: आमतौर पर चेक-इन करने योग्य रिकॉर्ड में नाम का न होना।
- जोड़े और ट्रेनिंग पार्टनर जो हमेशा साथ आते हैं, No match का क्लासिक उदाहरण हैं। उनमें से एक की मैन्युअल रूप से पहचान करें, और दूसरे के लिए अस्पष्टता खत्म हो जाती है।
संबंधित पेज
- यह कैसे काम करता है: पाइपलाइन में Self Learning की जगह
- फ़ेस रिकग्निशन ट्यूनिंग: Self Learning प्रीसेट और थ्रेशोल्ड
- लोग और प्रोफ़ाइल: मैन्युअल पहचान और मर्ज