Pembelajaran Kendiri

Tab Self Learning (AI Insights & People → Self Learning) ialah konsol bagi saluran paip pengenalpastian automatik. Dalam kata-kata halaman itu sendiri, ia "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."

Sementara pemadanan wajah menjawab "adakah wajah ini kelihatan seperti foto seorang ahli?", Self Learning menjawab soalan yang berbeza: "adakah corak kehadiran orang ini sepadan dengan corak daftar masuk tepat seorang ahli?" Beginilah sistem mengenal pasti ahli yang tidak dapat dipadankan oleh kamera — tiada foto, atau foto yang terlalu buruk untuk lulus pengesahan.

Self Learning memerlukan Enhanced AI Analysis didayakan dalam CCTV Settings → General. Apabila dimatikan, larian korelasi berhenti dan bahagian tetapan Self Learning disembunyikan.

Rajah 1: Paparan Self Learning — kad Decision Flow, kiraan ringkasan dan baris gilir profil

Cara profil diselesaikan

Rajah 2: Kad Decision Flow — "How profiles resolve", dengan cap masa larian korelasi terakhir

Kad Decision Flow meringkaskan empat hasil, sama seperti yang disenaraikan oleh UI:

Di sebalik tabir, setiap larian korelasi (cap masa "Last run:" pada kad) melakukan perkara berikut bagi setiap profil yang tidak dikenal pasti:

1. Korelasikan masa pengesanan profil dengan daftar masuk ahli sepanjang tempoh imbas kembali, menggunakan tetingkap masa di sekitar setiap daftar masuk (lalai ±10 minit).
2. Kira bukti. Profil memerlukan bilangan minimum lawatan berkorelasi yang dikonfigurasikan — lalai 8 pada pratetap Balanced. Profil yang mempunyai sedikit bukti (3+) tetapi di bawah minimum kekal In Pipeline: "Profiles still gathering evidence from repeat visits and check-ins." Kad saluran paip menunjukkan "Average progress" sebagai "N/M visits".
3. Tuntut tepat seorang calon. Jika lawatan berkorelasi dengan lebih daripada seorang ahli — contohnya pasangan yang sentiasa tiba bersama — hasilnya ialah No match. Sistem tidak akan meneka antara calon.
4. Sahkan. Dengan seorang calon dan lawatan yang mencukupi, semakan pengesahan dijalankan: kesepadanan jantina antara atribut yang dikesan pada profil dan rekod ahli (hidup secara lalai), dan secara pilihan semakan toleransi umur. Lulus → Automatically Linked. Gagal → Pending Review: "Strong timing match, but one or more validation checks did not pass."

Setiap rekod membawa skor keyakinan yang dibina daripada bilangan lawatan, bilangan hari unik dan purata sela antara daftar masuk dan pengesanan (sela yang rapat dan konsisten mendapat skor tertinggi).

Semua ambang — lawatan minimum, imbas kembali, tetingkap masa dan semakan pengesahan — boleh dikonfigurasikan dengan pratetap Lenient / Balanced / Strict dalam Settings → Face Recognition → Self Learning.

Rajah 3: Tetapan Self Learning — pratetap, lawatan minimum, tempoh imbas kembali, tetingkap masa dan semakan pengesahan

Kad ringkasan

Baris gilir

Rajah 4: Baris gilir — wajah, calon ahli, lawatan, purata sela, skor keyakinan dan status

Tab membahagikan baris gilir mengikut keadaan: In Pipeline, Pending Review, Automatically Linked, Unable to Link, Rejected, Manually Approved dan Monitoring. Kotak carian ("Search by name, ID, or personId...") menyempitkan baris gilir yang besar, dan butang "Duplicates" pada tab saluran paip memaparkan profil bayangan yang disyaki pendua yang wajar digabungkan terlebih dahulu — pendua memecahkan bukti lawatan dan melambatkan segala-galanya.

Lajur jadual: Faces (foto pengesanan profil), Person / Member (profil bayangan dan calon ahlinya), Visits, Avg Lag (daftar masuk hingga pengesanan kamera), Score, Status, Updated. Status baris termasuk "Pipeline", "Pending Review", "Automatically Linked", "Unable to Link", "No Match", "Rejected", serta status sementara "Linking..." dan "Link Failed" ("Link failed — will retry on next run").

Menyemak padanan yang belum selesai

Bagi setiap baris Pending Review, bandingkan wajah pengesanan dengan foto calon ahli dan bukti lawatannya, kemudian:

• Approve — mengesahkan padanan dan memautkan profil kepada ahli. Kelulusan direkodkan bersama namanya ("Approved by ").
• Reject — menolaknya. Dialog meminta sebab — "Please provide a reason for rejecting this match. This will be recorded for audit purposes." (contohnya "Photos clearly show different people, member data is incorrect, etc."). Profil yang ditolak tidak akan dicadangkan semula untuk ahli yang sama.

Dua lagi tindakan melengkapkan aliran kerja:

• Link — bagi baris Unable to Link, dialog carian manual membolehkan anda memilih ahli yang betul sendiri; bukti masa sudah ada, cuma langkah automatik tidak mempunyai data untuk menyelesaikannya.
• Unlink — membalikkan pautan automatik. Pengesahan menyatakan dengan tepat apa yang dilakukannya: "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." Jika data wajah tersalah gabung, buat susulan dalam profil orang tersebut.

Separuh lagi: memastikan pengecaman sentiasa segar

Self Learning juga berfungsi secara senyap pada orang yang sudah dikenal pasti. Apabila pengesanan yang disahkan ialah padanan hampir sempurna (persamaan 99%+) dan lulus semakan kualiti serta pose, sistem boleh menambahnya sebagai foto bayangan — dihadkan kepada set kecil yang bergilir sebanyak 6 bagi setiap orang, dengan tempoh bertenang supaya satu lawatan tidak membanjiri set tersebut. Itulah sebabnya profil mengumpul foto berlabel "Auto-added by self-learning" (Orang & profil) — dan sebabnya pengecaman terus berfungsi apabila potongan rambut, janggut dan cermin mata berubah.

Petua praktikal

• Uruskan baris gilir Pending Review setiap minggu. Setiap kelulusan meningkatkan pengenalpastian secara kekal; setiap baris yang tidak disemak ialah ahli yang dikira sebagai "Unsure" dalam laporan anda.
• Gabungkan pendua dahulu. Semak paparan "Duplicates" sebelum menyemak — penggabungan menyatukan bukti lawatan dan sering menolak profil saluran paip terus melepasi ambang.
• Tab Unable to Link yang besar menunjukkan masalah kualiti data dalam sistem ahli anda — lazimnya nama yang tiada pada rekod yang boleh mendaftar masuk.
• Pasangan dan rakan latihan yang sentiasa tiba bersama ialah kes No match yang klasik. Kenal pasti salah seorang daripada mereka secara manual dan kekaburan itu hilang bagi yang seorang lagi.

Halaman berkaitan

• Cara ia berfungsi — kedudukan Self Learning dalam saluran paip
• Penalaan pengecaman wajah — pratetap dan ambang Self Learning
• Orang & profil — kenal pasti dan gabung secara manual