Cara ia berfungsi

Halaman ini menerangkan model konseptual di sebalik AI Insights & People: apa yang berlaku antara kamera melihat wajah dan wajah itu muncul pada garis masa People anda sebagai ahli yang dikenal pasti, pelawat "Unsure", atau tidak muncul langsung.

Anda tidak memerlukan semua ini untuk menggunakan produk — tetapi ia menjadikan tetapan penalaan dan baris gilir semakan Self Learning lebih mudah difahami. Saluran paip yang sama dilukis secara langsung, dengan ambang sebenar kemudahan anda, dalam panel Logic Visualisation pada halaman tetapan Member Matching dan Shadow Profiles.

Istilah utama

Saluran paip pengenalpastian

Setiap wajah yang dikesan melalui rantaian keputusan tertib yang sama. Tertib adalah penting — hasil peringkat yang lebih awal menghalang peringkat seterusnya daripada berjalan.

1. Semakan senarai hitam (sentiasa yang pertama)

Wajah dibandingkan dengan koleksi senarai hitam kemudahan anda pada ambang tetap 95% (tidak boleh dikonfigurasi). Jika sepadan, pemprosesan berhenti serta-merta: pengesanan digugurkan dan tidak pernah muncul pada garis masa. Inilah yang menjadikan senarai hitam berkesan terhadap positif palsu statik seperti poster dan patung peraga — lihat Senarai hitam.

2. Pengekstrakan wajah

Sistem mengesahkan bahawa memang terdapat wajah yang boleh digunakan dalam imej dan mengekstrak cirinya, pose dan skor keyakinan. Tiada wajah → digugurkan.

3. Cari ahli yang dikenal pasti

Wajah dicari dalam koleksi dikenal pasti — setiap ahli dengan foto yang disahkan atau pengesanan yang telah disahkan sebelum ini. Carian berjalan dari Identified Collection Search Floor ke atas (lalai 40% persamaan pada pratetap Balanced) supaya calon di sempadan sekurang-kurangnya dipertimbangkan.

4. Pemadanan berbantukan lawatan

Sebelum keputusan akhir, sistem menyemak daftar masuk kemudahan baru-baru ini. Jika calon ahli mendaftar masuk dalam tempoh Check-in Lookback Window (lalai 30 minit), skor persamaan mereka menerima Visiting Member Bonus (lalai +5). Alasannya: jika seseorang yang kelihatan 82% seperti Alex Nguyen meleret kad Alex Nguyen tiga minit lalu, hampir pasti itu ialah Alex.

5. Keputusan padanan

• Skor ≥ Identified Match Threshold (lalai 85%, Balanced) → pengesanan disahkan sebagai ahli tersebut.
• Skor di sempadan — dalam Borderline Confidence Zone (lalai +7 mata di atas ambang) — menjalani semakan pose tambahan: wajah mesti menghadap ke hadapan secara munasabah (had dikenal pasti lalai: yaw 55° / pitch 30° / roll 30°). Wajah bersudut curam pada keyakinan di sempadan digugurkan daripada berisiko menghasilkan pengenalpastian yang salah.
• Skor di bawah Drop Threshold (lalai 45%) → persamaan "not high enough to confirm the correct person with certainty" dan pengesanan digugurkan daripada pemadanan.
• Apa-apa di antaranya → orang tersebut dianggap sebagai unsure dan diteruskan ke langkah 6.

6. Pemadanan profil bayangan

Wajah yang tidak dipadankan dicari dalam koleksi tidak dikenal pasti — profil bayangan orang unsure yang pernah dilihat sebelum ini:

• Skor ≥ Profile Link Threshold (lalai 80%) → pengesanan dipautkan kepada profil bayangan sedia ada tersebut. Pelawat yang sama mengekalkan identiti "Unsure - …" yang sama merentas hari dan kamera.
• Tiada padanan → pengesanan menjadi calon untuk profil bayangan baharu, tetapi hanya selepas melepasi get kualiti (langkah seterusnya).

7. Get kualiti untuk profil bayangan baharu

Mencipta profil bayangan bermakna menetapkan foto rujukan yang akan digunakan sistem untuk perbandingan selama beberapa minggu — jadi foto itu mestilah baik. Dua peringkat berjalan mengikut urutan:

Foto yang lulus menjalani analisis atribut (anggaran umur, jantina, emosi) dan kemudian semakan semula keadaan perlumbaan terakhir: oleh sebab pengesanan diproses secara selari, sistem mencari koleksi bayangan sekali lagi sebelum mencipta profil, supaya dua bingkai pelawat baharu yang sama tidak mencipta dua profil. Hasilnya sama ada New Shadow Profile Created atau Matched Existing Shadow Profile.

Semua ambang ini boleh ditala melalui pratetap Lenient / Balanced / Strict — lihat Penalaan pengecaman wajah.

Pembelajaran kendiri: merapatkan jurang pengenalpastian

Pemadanan wajah sahaja tidak dapat mengenal pasti ahli yang tiada foto — atau fotonya terlalu buruk untuk lulus pengesahan. Self Learning menyelesaikan masalah ini menggunakan tingkah laku dan bukannya biometrik:

1. Masa pengesanan setiap orang yang tidak dikenal pasti dikorelasikan dengan daftar masuk ahli sepanjang tempoh imbas kembali (lalai 8 lawatan berkorelasi diperlukan, dengan melihat sejarah beberapa bulan kebelakangan, dengan tetingkap masa kira-kira 10 minit sebelum dan selepas setiap daftar masuk).
2. Jika tepat seorang ahli secara konsisten mendaftar masuk setiap kali orang ini dikesan, semakan pengesahan dijalankan (kesepadanan jantina, toleransi umur pilihan).
3. Semakan lulus → profil dipautkan secara automatik kepada ahli tersebut. Semakan gagal → ia dimasukkan ke dalam baris gilir Pending Review untuk keputusan manusia. Beberapa calon ahli → tiada padanan; sistem terus memerhati.

Secara berasingan, setelah seseorang telah dikenal pasti, sistem secara senyap memastikan rujukan wajahnya sentiasa segar: padanan yang hampir sempurna (persamaan 99%+) boleh ditambah secara automatik sebagai foto bayangan, dihadkan kepada set kecil yang bergilir (6) bagi setiap orang, supaya pengecaman terus berfungsi apabila penampilan berubah. Foto yang ditambah secara automatik ini dilabel "Auto-added by self-learning" dalam profil.

Saluran paip penuh, statusnya dan aliran kerja semakan didokumenkan dalam Self Learning.

Daripada pengesanan kepada garis masa

Pengesanan mentah sukar dibaca, jadi garis masa menunjukkan lawatan: pengesanan yang digabungkan menjadi kumpulan menggunakan tetapan Detection Grouping — secara lalai lawatan baharu bermula selepas jurang 45 minit, dan orang yang tidak dikenal pasti hanya muncul jika mempunyai sekurang-kurangnya 3 pengesanan merangkumi 5 minit (supaya seseorang yang sekadar lalu di hadapan kamera pintu tidak menyemakkan paparan). Togol bar alat pada garis masa boleh menyahdayakan penapis ambang ini apabila anda mahu melihat setiap kemunculan ringkas.

Apa yang berjalan di mana

Setiap kemudahan mempunyai koleksi wajah terpencilnya sendiri (dikenal pasti, tidak dikenal pasti dan senarai hitam) — pengecaman tidak pernah merentas kemudahan. Imej wajah dan metadata AI disimpan dalam wilayah storan pilihan anda dan luput mengikut pengekalan AI Metadata (lalai 24 bulan). Lihat Keselamatan & privasi.

Glosari