セルフラーニング
このページの内容
Self Learning タブ（AIインサイト & ピープル → Self Learning）は、自動識別パイプラインのコンソールです。ページでは次のように説明されています。"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."
顔照合が 「この顔はメンバーの写真に似ているか」 に答えるのに対し、Self Learning は別の質問に答えます。「この人物の来訪パターンは、ちょうど 1 人のメンバーのチェックインパターンと一致するか」 です。これにより、写真がない、または写真の品質が低すぎて検証に合格しないために、カメラでは決して照合できないメンバーを識別できます。
Self Learning を使用するには、CCTV Settings → General で Enhanced AI Analysis を有効にする必要があります。オフの場合、関連付けの実行は停止し、Self Learning の設定セクションは非表示になります。
図 1：Self Learning ビュー。Decision Flow カード、概要の件数、プロフィールのキュー
プロフィールの判定方法
図 2：Decision Flow カード。「How profiles resolve」と、最後に関連付けを実行した日時が表示されています
Decision Flow カードには、UI に表示されるとおりの 4 つの結果がまとめられています。
| 条件 | 結果 |
|---|---|
| "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 |
内部では、関連付けの各実行（カードの "Last run:" の日時）で、未識別のすべてのプロフィールに対して次の処理が行われます。
- 関連付ける。 プロフィールの検出時刻を、遡及期間にわたってメンバーの チェックイン と関連付けます。各チェックインの前後にタイミング幅（デフォルト ±10 分）を使用します。
- 証拠を数える。 プロフィールには、設定された最小回数の関連付けられた来訪が必要です（Balanced プリセットのデフォルトは 8 回）。ある程度の証拠（3 回以上）があるものの最小回数に満たないプロフィールは、In Pipeline のままになります（"Profiles still gathering evidence from repeat visits and check-ins."）。パイプラインのカードには、"Average progress" が "N/M visits" として表示されます。
- 候補がちょうど 1 人であることを求める。 来訪が複数のメンバーと関連付けられる場合（たとえば、いつも一緒に来る 2 人など）、結果は No match になります。システムは候補の中から推測で選ぶことはしません。
- 検証する。 候補が 1 人で来訪回数も十分な場合、検証チェックが実行されます。プロフィールの検出された属性とメンバーの記録の 性別の一致（デフォルトでオン）と、任意の 年齢の許容範囲 のチェックです。合格 → Automatically Linked。不合格 → Pending Review（"Strong timing match, but one or more validation checks did not pass."）。
各記録には 信頼度スコア があり、来訪回数、異なる日の数、チェックインから検出までの平均の時間差から算出されます（時間差が短く一貫しているほど高いスコアになります）。
すべてのしきい値（最小来訪回数、遡及期間、タイミング幅、検証チェック）は、Settings → Face Recognition → Self Learning の Lenient / Balanced / Strict プリセットで設定できます。
図 3：Self Learning の設定。プリセット、最小来訪回数、遡及期間、タイミング幅、検証チェック
概要カード
| カード | 意味（UI の表示） |
|---|---|
| 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." |
キュー
図 4：キュー。顔、候補のメンバー、来訪回数、平均の時間差、信頼度スコア、ステータス
キューは状態ごとにタブで分かれています。In Pipeline、Pending Review、Automatically Linked、Unable to Link、Rejected、Manually Approved、Monitoring です。検索ボックス（"Search by name, ID, or personId..."）で大きなキューを絞り込めます。また、パイプラインのタブにある "Duplicates" ボタンを使うと、先に 統合 すべき、重複が疑われるシャドウプロフィールが表示されます。重複があると来訪の証拠が分散し、すべての処理が遅くなります。
表の列：Faces（プロフィールの検出写真）、Person / Member（シャドウプロフィールとその候補のメンバー）、Visits、Avg Lag（チェックインからカメラによる検出まで）、Score、Status、Updated。行のステータスには、"Pipeline"、"Pending Review"、"Automatically Linked"、"Unable to Link"、"No Match"、"Rejected" に加え、一時的な "Linking..." と "Link Failed"（"Link failed — will retry on next run"）があります。
保留中の照合の確認
Pending Review の各行について、検出された顔を候補のメンバーの写真と来訪の証拠と比較し、次のいずれかを行います。
- Approve：照合を確定し、プロフィールをメンバーに結び付けます。承認には実行者が記録されます（"Approved by "）。
- Reject：候補から除外します。ダイアログで理由の入力が求められます。"Please provide a reason for rejecting this match. This will be recorded for audit purposes."（例："Photos clearly show different people, member data is incorrect, etc."）。却下されたプロフィールが同じメンバーに再度提案されることはありません。
ワークフローを補う操作がさらに 2 つあります。
- Link：Unable to Link の行では、手動検索のダイアログで正しいメンバーを自分で選択できます。タイミングの証拠はそろっており、自動処理を完了するためのデータが不足していただけです。
- Unlink：自動的な結び付けを元に戻します。確認メッセージでは、何が行われるかが正確に説明されます。"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." 顔データが誤って統合されていた場合は、人物のプロフィールで対応してください。
もう 1 つの役割：認識を最新の状態に保つ
Self Learning は、すでに識別された 人物に対しても目立たない形で動作します。確定した検出結果がほぼ完全な一致（類似度 99% 以上）で、品質チェックと姿勢チェックに合格した場合、システムはそれを シャドウ写真 として追加できます。人物ごとに 6 枚の入れ替わる少数のセットに制限され、1 回の来訪でセットが埋まらないようにクールダウンが設けられています。そのため、プロフィールには "Auto-added by self-learning" というラベルの付いた写真が蓄積され（人物とプロフィール）、髪型、ひげ、眼鏡が変わっても認識が機能し続けます。
実用的なヒント
- Pending Review のキューは毎週処理してください。 承認するたびに識別の精度が恒久的に向上します。確認されていない行は、レポート で「Unsure」としてカウントされているメンバーです。
- 最初に重複を統合してください。 確認の前に "Duplicates" ビューを確認してください。統合すると来訪の証拠がまとめられ、パイプラインのプロフィールがそのまましきい値を超えることがよくあります。
- Unable to Link タブの件数が多い場合は、メンバーシステムのデータ品質に問題があります。通常は、チェックインが可能な記録に名前が入っていないことが原因です。
- いつも一緒に来るカップルやトレーニングパートナー は、典型的な No match のケースです。そのうち 1 人を 手動で 識別すると、もう 1 人についての曖昧さは解消されます。
関連ページ
- 仕組み：パイプラインにおける Self Learning の位置付け
- 顔認識のチューニング：Self Learning のプリセットとしきい値
- 人物とプロフィール：手動での識別と統合