Autoapprendimento
In questa pagina
La scheda Self Learning (AI Insights & People → Self Learning) è la console della pipeline di identificazione automatica. Con le parole della pagina stessa, "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."
Mentre l'abbinamento facciale risponde alla domanda "questo volto somiglia alla foto di un membro?", Self Learning risponde a una domanda diversa: "il modello di presenza di questa persona corrisponde al modello di check-in di esattamente un membro?" È così che il sistema identifica i membri che la telecamera non potrà mai abbinare: senza foto, o con una foto troppo scadente per superare la convalida.
Self Learning richiede che Enhanced AI Analysis sia attivato in CCTV Settings → General. Se è disattivato, le esecuzioni della correlazione si interrompono e la sezione delle impostazioni Self Learning è nascosta.
Figura 1: la vista Self Learning: la scheda Decision Flow, i conteggi di riepilogo e la coda dei profili
Come si risolve un profilo
Figura 2: la scheda Decision Flow: "How profiles resolve", con l'orario dell'ultima esecuzione della correlazione
La scheda Decision Flow riassume i quattro esiti, esattamente come li elenca l'interfaccia:
| Condizione | Esito |
|---|---|
| "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 |
Dietro le quinte, ogni esecuzione della correlazione (l'orario "Last run:" sulla scheda) esegue le seguenti operazioni per ogni profilo non identificato:
- Correla gli orari di rilevamento del profilo con i check-in dei membri nel periodo di riferimento, usando una finestra temporale intorno a ogni check-in (predefinita ±10 minuti).
- Conta le evidenze. Il profilo ha bisogno del numero minimo configurato di visite correlate, per impostazione predefinita 8 con il preset Balanced. I profili con alcune evidenze (3 o più) ma sotto il minimo restano In Pipeline: "Profiles still gathering evidence from repeat visits and check-ins." La scheda della pipeline mostra "Average progress" come "N/M visits".
- Richiede esattamente un candidato. Se le visite sono correlate a più di un membro, ad esempio una coppia che arriva sempre insieme, il risultato è No match. Il sistema non tira a indovinare tra più candidati.
- Convalida. Con un solo candidato e un numero sufficiente di visite, vengono eseguiti i controlli di convalida: corrispondenza del genere tra gli attributi rilevati del profilo e il record del membro (attiva per impostazione predefinita) e, facoltativamente, un controllo di tolleranza sull'età. Superati → Automatically Linked. Non superati → Pending Review: "Strong timing match, but one or more validation checks did not pass."
Ogni record riporta un punteggio di confidenza costruito a partire dal numero di visite, dal numero di giorni distinti e dal ritardo medio tra check-in e rilevamento (un ritardo breve e costante ottiene il punteggio più alto).
Tutte le soglie (visite minime, periodo di riferimento, finestra temporale e controlli di convalida) sono configurabili con i preset Lenient / Balanced / Strict in Settings → Face Recognition → Self Learning.
Figura 3: le impostazioni Self Learning: preset, visite minime, periodo di riferimento, finestra temporale e controlli di convalida
Le schede di riepilogo
| Scheda | Significato (testo dell'interfaccia) |
|---|---|
| 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." |
La coda
Figura 4: la coda: volti, membro candidato, visite, ritardo medio, punteggio di confidenza e stato
Le schede suddividono la coda per stato: In Pipeline, Pending Review, Automatically Linked, Unable to Link, Rejected, Manually Approved e Monitoring. Una casella di ricerca ("Search by name, ID, or personId...") restringe le code più grandi e un pulsante "Duplicates" nella scheda della pipeline mostra gli shadow profile sospettati di essere duplicati che conviene unire per primi: i duplicati dividono le evidenze delle visite e rallentano tutto.
Colonne della tabella: Faces (le foto dei rilevamenti del profilo), Person / Member (lo shadow profile e il relativo membro candidato), Visits, Avg Lag (dal check-in al rilevamento della telecamera), Score, Status, Updated. Gli stati delle righe includono "Pipeline", "Pending Review", "Automatically Linked", "Unable to Link", "No Match", "Rejected", oltre agli stati temporanei "Linking..." e "Link Failed" ("Link failed — will retry on next run").
Rivedere le corrispondenze in sospeso
Per ogni riga Pending Review, confronta i volti dei rilevamenti con la foto del membro candidato e le relative evidenze delle visite, quindi:
- Approve: conferma la corrispondenza e collega il profilo al membro. Le approvazioni vengono attribuite ("Approved by ").
- Reject: la esclude. La finestra chiede un motivo: "Please provide a reason for rejecting this match. This will be recorded for audit purposes." (ad esempio "Photos clearly show different people, member data is incorrect, etc."). I profili rifiutati non verranno riproposti per lo stesso membro.
Altre due azioni completano il flusso di lavoro:
- Link: per le righe Unable to Link, una finestra di ricerca manuale ti permette di scegliere tu stesso il membro giusto; le evidenze temporali ci sono, al passaggio automatico mancavano solo i dati per completare l'operazione.
- Unlink: annulla un collegamento automatico. La conferma è precisa su ciò che fa: "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." Se i dati del volto sono stati uniti per errore, intervieni nel profilo della persona.
L'altra metà: mantenere aggiornato il riconoscimento
Self Learning lavora silenziosamente anche sulle persone già identificate. Quando un rilevamento confermato è una corrispondenza quasi perfetta (somiglianza del 99% o superiore) e supera i controlli di qualità e di posa, il sistema può aggiungerlo come shadow photo, fino a un piccolo insieme a rotazione di 6 per persona, con periodi di attesa affinché una sola visita non riempia l'insieme. Ecco perché i profili accumulano foto etichettate "Auto-added by self-learning" (Persone e profili) e perché il riconoscimento continua a funzionare quando cambiano taglio di capelli, barba e occhiali.
Consigli pratici
- Gestisci la coda Pending Review ogni settimana. Ogni approvazione migliora in modo permanente l'identificazione; ogni riga non rivista è un membro conteggiato come "Unsure" nei tuoi report.
- Unisci prima i duplicati. Controlla la vista "Duplicates" prima della revisione: l'unione consolida le evidenze delle visite e spesso porta i profili della pipeline direttamente oltre la soglia.
- Una scheda Unable to Link molto piena indica un problema di qualità dei dati nel tuo sistema dei membri, in genere nomi mancanti nei record che possono effettuare check-in.
- Coppie e compagni di allenamento che arrivano sempre insieme sono il caso classico di No match. Identifica uno dei due manualmente e l'ambiguità scompare anche per l'altro.
Pagine correlate
- Come funziona: dove si colloca Self Learning nella pipeline
- Ottimizzazione del riconoscimento facciale: i preset e le soglie di Self Learning
- Persone e profili: identificazione e unione manuali