자동 학습
이 페이지의 내용
Self Learning 탭(AI Insights & People → Self Learning)은 자동 식별 파이프라인을 관리하는 콘솔입니다. 페이지의 설명은 다음과 같습니다. "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."
얼굴 매칭이 *"이 얼굴이 회원 사진과 닮았는가?"*에 답한다면, Self Learning은 다른 질문에 답합니다. "이 사람의 출석 패턴이 정확히 한 회원의 체크인 패턴과 일치하는가?" 이를 통해 시스템은 사진이 없거나 검증을 통과하지 못할 정도로 사진 품질이 낮아 카메라로는 절대 매칭할 수 없는 회원을 식별합니다.
Self Learning을 사용하려면 CCTV Settings → General에서 Enhanced AI Analysis를 활성화해야 합니다. 꺼져 있으면 상관 분석 실행이 중지되고 Self Learning 설정 섹션이 숨겨집니다.
그림 1: Self Learning 보기: Decision Flow 카드, 요약 개수 및 프로필 대기열
프로필이 결정되는 방식
그림 2: Decision Flow 카드: 마지막 상관 분석 실행의 타임스탬프와 함께 표시되는 "How profiles resolve"
Decision Flow 카드는 네 가지 결과를 UI에 표시되는 그대로 요약합니다.
| 조건 | 결과 |
|---|---|
| "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 |
내부적으로 각 상관 분석 실행(카드의 "Last run:" 타임스탬프)은 모든 미식별 프로필에 대해 다음을 수행합니다.
- 상관 분석: 각 체크인 전후의 시간 범위(기본값 ±10분)를 사용하여 조회 기간 동안 프로필의 감지 시간과 회원 체크인을 상관 분석합니다.
- 증거 집계: 프로필에는 구성된 최소 상관 방문 횟수가 필요합니다(Balanced 프리셋의 기본값 8). 어느 정도 증거(3회 이상)가 있지만 최솟값에 미치지 못하는 프로필은 In Pipeline 상태로 유지됩니다. "Profiles still gathering evidence from repeat visits and check-ins." 파이프라인 카드에는 *"Average progress"*가 "N/M visits" 형식으로 표시됩니다.
- 후보가 정확히 한 명이어야 함: 예를 들어 항상 함께 도착하는 커플처럼 방문이 두 명 이상의 회원과 상관되면 결과는 No match입니다. 시스템은 후보 사이에서 추측하지 않습니다.
- 검증: 후보가 한 명이고 방문이 충분하면 검증 검사가 실행됩니다. 프로필의 감지된 속성과 회원 기록 간의 성별 일치(기본적으로 켜짐)와 선택적인 연령 허용 오차 검사입니다. 통과 → Automatically Linked. 실패 → Pending Review: "Strong timing match, but one or more validation checks did not pass."
각 기록에는 방문 횟수, 고유 일수, 체크인과 감지 사이의 평균 지연 시간으로 구성된 신뢰도 점수가 있습니다(지연 시간이 짧고 일정할수록 점수가 높습니다).
최소 방문 횟수, 조회 기간, 시간 범위 및 검증 검사를 포함한 모든 임계값은 Settings → Face Recognition → Self Learning에서 Lenient / Balanced / Strict 프리셋으로 구성할 수 있습니다.
그림 3: Self Learning 설정: 프리셋, 최소 방문 횟수, 조회 기간, 시간 범위 및 검증 검사
요약 카드
| 카드 | 의미(UI 문구) |
|---|---|
| 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." |
대기열
그림 4: 대기열: 얼굴, 후보 회원, 방문, 평균 지연 시간, 신뢰도 점수 및 상태
탭은 대기열을 상태별로 나눕니다. In Pipeline, Pending Review, Automatically Linked, Unable to Link, Rejected, Manually Approved, Monitoring입니다. 검색 상자("Search by name, ID, or personId...")로 큰 대기열의 범위를 좁힐 수 있으며, 파이프라인 탭의 "Duplicates" 버튼은 먼저 병합할 만한 중복 의심 섀도 프로필을 표시합니다. 중복은 방문 증거를 분산시켜 모든 과정을 느리게 만듭니다.
표 열: Faces(프로필의 감지 사진), Person / Member(섀도 프로필과 후보 회원), Visits, Avg Lag(체크인부터 카메라 감지까지), Score, Status, Updated. 행 상태에는 "Pipeline", "Pending Review", "Automatically Linked", "Unable to Link", "No Match", "Rejected"와 일시적인 상태인 "Linking..." 및 "Link Failed"("Link failed — will retry on next run")가 있습니다.
보류 중인 매칭 검토
각 Pending Review 행에 대해 감지된 얼굴을 후보 회원의 사진 및 방문 증거와 비교한 후 다음 중 하나를 수행하십시오.
- Approve: 매칭을 확인하고 프로필을 회원과 연결합니다. 승인한 사람이 기록됩니다("Approved by ").
- Reject: 매칭을 배제합니다. 대화 상자에서 이유를 묻습니다. "Please provide a reason for rejecting this match. This will be recorded for audit purposes."(예: "Photos clearly show different people, member data is incorrect, etc."). 거부된 프로필은 같은 회원에 대해 다시 제안되지 않습니다.
워크플로를 완성하는 두 가지 작업이 더 있습니다.
- Link: Unable to Link 행의 경우 수동 검색 대화 상자에서 올바른 회원을 직접 선택할 수 있습니다. 시간 증거는 있지만 자동 단계에서 완료하는 데 필요한 데이터가 부족했던 경우입니다.
- Unlink: 자동 연결을 되돌립니다. 확인 메시지에서 수행되는 작업을 정확히 설명합니다. "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." 얼굴 데이터가 잘못 병합된 경우 해당 사람의 프로필에서 후속 조치를 하십시오.
나머지 절반: 인식을 최신 상태로 유지
Self Learning은 이미 식별된 사람에 대해서도 조용히 작동합니다. 확인된 감지가 거의 완벽한 매칭(유사도 99% 이상)이고 품질 및 자세 검사를 통과하면, 시스템은 이를 섀도 사진으로 추가할 수 있습니다. 사람당 6장의 소규모 순환 세트로 제한되며, 한 번의 방문으로 세트가 가득 차지 않도록 쿨다운이 적용됩니다. 이 때문에 프로필에 "Auto-added by self-learning" 레이블이 붙은 사진이 쌓이며(사람 및 프로필), 헤어스타일, 수염, 안경이 바뀌어도 인식이 계속 작동합니다.
실용적인 팁
- Pending Review 대기열을 매주 처리하십시오. 승인할 때마다 식별이 영구적으로 향상되며, 검토하지 않은 행은 보고서에서 "Unsure"로 집계되는 회원입니다.
- 중복을 먼저 병합하십시오. 검토하기 전에 "Duplicates" 보기를 확인하십시오. 병합하면 방문 증거가 통합되어 파이프라인 프로필이 바로 임계값을 넘는 경우가 많습니다.
- Unable to Link 탭의 항목이 많다면 회원 시스템의 데이터 품질 문제를 의미합니다. 일반적으로 체크인이 가능한 기록에 이름이 없는 경우입니다.
- 항상 함께 도착하는 커플과 운동 파트너는 대표적인 No match 사례입니다. 둘 중 한 명을 수동으로 식별하면 다른 사람의 모호함도 사라집니다.