얼굴 인식 조정
이 페이지의 내용
Settings → Face Recognition에서는 식별 파이프라인을 제어하는 설정인 Member Matching, Shadow Profiles, Self Learning을 사용할 수 있습니다(Blacklist Faces도 있으며, 블랙리스트에 설명되어 있습니다). 각 섹션에는 Lenient / Balanced / Strict 프리셋이 있으며, 모든 기본 임계값을 개별적으로 조정할 수 있고 각 슬라이더 옆에 기본값이 표시됩니다. 예: "(Default: 30 mins)".
설정을 변경하기 전에 지켜야 할 기본 원칙:
- Balanced가 모든 섹션의 권장 기본값입니다. Balanced로 시작하고, 특정 문제를 보여 주는 실제 데이터가 몇 주 동안 쌓일 때까지 그대로 유지하십시오.
- 프리셋은 하나의 절충 관계를 나타냅니다. Lenient는 더 많은 사람을 식별하지만 잘못된 매칭 위험이 커지고, Strict는 잘못 분류하는 경우가 거의 없지만 더 많은 사람이 "Unsure"로 남습니다.
- 한 번에 한 섹션씩 변경하고, 판단하기 전에 며칠을 기다리십시오. 효과는 누적된 결과에서만 나타납니다(Reports의 Unsure % KPI를 확인하십시오).
- 설정 페이지에는 시설의 현재 값으로 렌더링되는 실시간 Logic Visualisation 흐름도가 있습니다. 노드를 클릭할 수 있어("Tap to scroll to this setting") 변경 사항이 실제로 어떤 영향을 주는지 점검하는 가장 좋은 방법입니다.
회원 매칭
파이프라인 3~5단계의 결정을 제어합니다. 즉, 언제 얼굴을 확실하게 회원으로 판단하는지를 결정합니다.
그림 1: Member Matching: 상단의 프리셋과 그 아래의 실시간 Logic Visualisation 흐름도
프리셋
| 임계값 | Lenient | Balanced(기본값) | Strict |
|---|---|---|---|
| Identified Match Threshold | 80 | 85 | 92 |
| Drop Threshold | 55 | 45 | 35 |
| Identified Collection Search Floor | 35 | 40 | 47 |
개별 임계값
그림 2: 각각 기본값이 표시된 개별 Member Matching 슬라이더
| 설정 | 기본값 | 기능 |
|---|---|---|
| Identified Match Threshold | 85% | 얼굴을 회원으로 확인하는 데 필요한 최소 유사도입니다. 가장 큰 영향을 주는 슬라이더입니다 |
| Drop Threshold | 45% | 이 값보다 낮으면 부분 매칭은 "unsure"로 유지되지 않고 폐기됩니다 |
| Identified Collection Search Floor | 40% | 검색에서 후보가 반환되기 위한 최소 유사도입니다 |
| Visiting Member Bonus | +5 | 후보가 최근에 체크인한 경우 더해지는 유사도 점수입니다. 방문 기반 매칭을 참조하십시오 |
| Check-in Lookback Window | "(Default: 30 mins)" | 보너스를 받으려면 체크인이 얼마나 최근이어야 하는지를 정합니다 |
| Borderline Confidence Zone | "(Default: +7)" | 매칭 임계값보다 이 범위 내에서 높은 점수는 추가 자세 검사를 받습니다 |
| Identified pose limits | Yaw 55° / Pitch 30° / Roll 30° | 경계선 매칭에 허용되는 최대 머리 각도입니다 |
Balanced에서 벗어나야 하는 경우:
- Unsure 비율이 높지만 카메라에서 회원을 분명히 알아볼 수 있는 경우 → 먼저 회원 사진을 개선하십시오(People 목록을 *"Invalid Photo"*로 필터링). 그런 다음에만 Lenient를 고려하십시오.
- 잘못된 식별이 하나라도 확인된 경우 → 즉시 Strict로 전환하십시오(또는 매칭 임계값을 높이십시오). 감지에 잘못된 신원이 연결되는 것은 미확인 방문객보다 훨씬 더 큰 비용을 초래합니다.
- 체크인 상관 범위가 넓은 프런트 데스크 카메라 → 회원이 카메라를 지나치기 전에 머무르는 시설에서는 Check-in Lookback Window를 약간 늘리면 식별률을 높일 수 있습니다. 보너스는 적당한 수준으로 유지하십시오.
섀도우 프로필
파이프라인 6~7단계를 제어합니다. 즉, 매칭되지 않은 얼굴이 언제 기존 섀도 프로필에 연결되는지, 그리고 시스템이 새 프로필 생성에 얼마나 까다로운지를 결정합니다.
그림 3: Shadow Profiles: 품질 프리셋, 임계값 및 섀도 프로필 흐름도
| 설정 | 기본값 | 기능 |
|---|---|---|
| Profile Link Threshold | 80% | 감지를 기존 섀도 프로필에 연결하는 데 필요한 최소 유사도입니다. "어제와 같은 방문객"인지 판단합니다 |
| Duplicate Prevention Threshold | 90% | 최종 경합 조건 재확인에서 "새" 얼굴을 이미 생성된 프로필로 간주하는 유사도입니다 |
| Minimum Detection Confidence | 90% | 프로필 생성을 시도하기 전에 이미지에 실제 얼굴이 있다고 AI가 확신해야 하는 신뢰도입니다 |
| Unidentified pose limits | Yaw 30° / Pitch 35° / Roll 60° | 사진이 새 프로필의 기준이 되기 위한 최대 머리 각도입니다. 이 사진은 오래 사용되는 참조가 되므로 매칭보다 의도적으로 더 엄격합니다 |
| Quality preset | Balanced | 아래의 2단계 사진 품질 게이트를 결정합니다 |
품질 프리셋(Lenient / Balanced / Strict)은 Tier 1 — Fast Quality Checks("Sharpness · Contrast · Lighting · Exposure · Dynamic Range · Eye Aspect Ratio", 약 1060 ms)와 Tier 2 — ISO Quality Checks("Face Occlusion · Eyes · Mouth · Head Pose · Illumination · Exposure · Compression · Expression", 약 510 s)의 기준을 설정합니다. 최소 해상도, 선명도, 대비, 조명 대칭, 노출 범위, 다이내믹 레인지, 눈 종횡비, 그리고 IR/야간 투시 필터와 최소 전체 품질 점수를 포함한 전체 ISO 항목 등 모든 기본 값을 개별적으로 조정할 수 있습니다. 다만 여기서 개별 값을 재정의하는 것은 지원팀의 안내를 받아 진행해야 하며, 실제 시설의 거의 모든 경우는 프리셋으로 충분합니다.
증상별 해결 방법:
| 증상 | 가능한 해결 방법 |
|---|---|
| 같은 방문객에게 매일 새 "Unsure" 프로필이 생성됨 | 조명 조건에 비해 품질 프리셋이 너무 엄격하거나 Profile Link Threshold가 너무 높습니다. 먼저 Lenient 품질을 시도하십시오 |
| 서로 다른 두 사람이 하나의 섀도 프로필로 병합됨 | Profile Link Threshold를 높이거나 Strict로 전환하십시오 |
| 불필요한 프로필(그림자, 반사, 화면)이 급증함 | Minimum Detection Confidence를 높이고, 고정된 원인은 블랙리스트에 등록하십시오 |
자동 학습
방문 상관 파이프라인을 제어합니다. Enhanced AI Analysis가 활성화된 경우에만 표시됩니다.
그림 4: Self Learning 설정: 증거 요구 사항 및 검증 검사
| 설정 | Balanced 기본값 | 기능 |
|---|---|---|
| Minimum visits | 8 | 연결 여부를 결정하기 전에 필요한 상관 방문 횟수로, 증거 기준입니다 |
| Lookback period | 약 2개월(60일) | 상관 분석에서 고려하는 이력 기간입니다 |
| Timing window | ±10분 | 감지가 상관된 것으로 간주되려면 체크인과 얼마나 가까워야 하는지를 정합니다 |
| Gender check | 켜짐 | 감지된 속성이 회원 기록과 일치해야 하며, 그렇지 않으면 → Pending Review |
| Age check | 꺼짐(허용 오차 10년) | 선택적 두 번째 검증입니다 |
프리셋의 직관적 이해: Lenient는 더 적은 증거로 더 빠르게 연결합니다(직원이 어차피 대기열을 검토하는 소규모 시설에 적합합니다). Strict는 더 많은 방문과 더 엄격한 검증을 요구합니다(자동 오연결을 허용할 수 없는 곳에 적합합니다). 어떤 프리셋으로도 바뀌지 않는 구조적 안전장치를 기억하십시오. 상관 분석은 정확히 한 명의 회원을 가리켜야 하며, 그렇지 않으면 결과는 No match입니다.
조정할 수 없는 항목
참고로, 설계상 고정된 파이프라인 요소는 다음과 같습니다.
- 블랙리스트 검사 임계값(95%): 블랙리스트를 참조하십시오.
- 인식을 최신 상태로 유지하는 자동 섀도 사진 규칙(99% 이상의 유사도, 사람당 소규모 순환 상한, 쿨다운): Self Learning을 참조하십시오.
관련 페이지
- 작동 방식: 이러한 설정이 제어하는 파이프라인
- Self Learning: 검토 콘솔
- 문제 해결: 인식 문제와 일반적인 원인