Aprendizado Automático
Nesta página
A guia Self Learning (AI Insights & People → Self Learning) é o console do pipeline de identificação automática. Nas palavras da própria página, ele "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."
Enquanto a correspondência facial responde "este rosto se parece com a foto de um membro?", o Self Learning responde a uma pergunta diferente: "o padrão de frequência desta pessoa corresponde ao padrão de check-in de exatamente um membro?" É assim que o sistema identifica membros que a câmera nunca conseguiria reconhecer — sem foto ou com uma foto ruim demais para passar na validação.
O Self Learning requer que o Enhanced AI Analysis esteja habilitado em CCTV Settings → General. Com ele desativado, as execuções de correlação param e a seção de configurações do Self Learning fica oculta.
Figura 1: A visualização Self Learning — o cartão Decision Flow, as contagens de resumo e a fila de perfis
Como um perfil é resolvido
Figura 2: O cartão Decision Flow — "How profiles resolve", com a data e hora da última execução de correlação
O cartão Decision Flow resume os quatro resultados, exatamente como a interface os lista:
| Condição | Resultado |
|---|---|
| "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 |
Nos bastidores, cada execução de correlação (a data e hora "Last run:" no cartão) faz o seguinte para cada perfil não identificado:
- Correlaciona os horários de detecção do perfil com os check-ins dos membros ao longo do período de análise, usando uma janela de tempo em torno de cada check-in (padrão de ±10 minutos).
- Conta as evidências. O perfil precisa do número mínimo configurado de visitas correlacionadas — padrão de 8 na predefinição Balanced. Perfis com alguma evidência (3 ou mais), mas abaixo do mínimo, permanecem In Pipeline: "Profiles still gathering evidence from repeat visits and check-ins." O cartão do pipeline mostra "Average progress" como "N/M visits".
- Exige exatamente um candidato. Se as visitas se correlacionarem com mais de um membro — um casal que sempre chega junto, por exemplo —, o resultado é No match. O sistema não tenta adivinhar entre candidatos.
- Valida. Com um candidato e visitas suficientes, são executadas verificações de validação: compatibilidade de gênero entre os atributos detectados no perfil e o registro do membro (ativada por padrão) e, opcionalmente, uma verificação de tolerância de idade. Aprovado → Automatically Linked. Reprovado → Pending Review: "Strong timing match, but one or more validation checks did not pass."
Cada registro tem uma pontuação de confiança calculada a partir do número de visitas, do número de dias distintos e do atraso médio entre o check-in e a detecção (um atraso curto e consistente recebe a pontuação mais alta).
Todos os limites — mínimo de visitas, período de análise, janela de tempo e verificações de validação — podem ser configurados com as predefinições Lenient / Balanced / Strict em Settings → Face Recognition → Self Learning.
Figura 3: As configurações de Self Learning — predefinições, mínimo de visitas, período de análise, janela de tempo e verificações de validação
Os cartões de resumo
| Cartão | Significado (texto da interface) |
|---|---|
| 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." |
A fila
Figura 4: A fila — rostos, membro candidato, visitas, atraso médio, pontuação de confiança e status
As guias dividem a fila por estado: In Pipeline, Pending Review, Automatically Linked, Unable to Link, Rejected, Manually Approved e Monitoring. Uma caixa de pesquisa ("Search by name, ID, or personId...") restringe filas grandes, e um botão "Duplicates" na guia do pipeline mostra shadow profiles possivelmente duplicados que vale a pena mesclar primeiro — os duplicados dividem as evidências de visitas e deixam tudo mais lento.
Colunas da tabela: Faces (as fotos de detecção do perfil), Person / Member (o shadow profile e o membro candidato), Visits, Avg Lag (do check-in à detecção pela câmera), Score, Status, Updated. Os status das linhas incluem "Pipeline", "Pending Review", "Automatically Linked", "Unable to Link", "No Match", "Rejected", além dos transitórios "Linking..." e "Link Failed" ("Link failed — will retry on next run").
Como revisar correspondências pendentes
Para cada linha Pending Review, compare os rostos detectados com a foto do membro candidato e as evidências de visitas dele e, em seguida:
- Approve — confirma a correspondência e vincula o perfil ao membro. As aprovações são atribuídas ("Approved by ").
- Reject — descarta a correspondência. A caixa de diálogo pede um motivo — "Please provide a reason for rejecting this match. This will be recorded for audit purposes." (por exemplo, "Photos clearly show different people, member data is incorrect, etc."). Perfis rejeitados não serão propostos novamente para o mesmo membro.
Mais duas ações completam o fluxo de trabalho:
- Link — para linhas Unable to Link, uma caixa de diálogo de pesquisa manual permite que você mesmo escolha o membro correto; as evidências de horário existem, apenas faltaram dados para a etapa automática ser concluída.
- Unlink — reverte um vínculo automático. A confirmação é precisa sobre o que faz: "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." Se os dados faciais tiverem sido mesclados incorretamente, faça o acompanhamento no perfil da pessoa.
A outra metade: manter o reconhecimento atualizado
O Self Learning também atua silenciosamente em pessoas já identificadas. Quando uma detecção confirmada é uma correspondência quase perfeita (similaridade de 99% ou mais) e passa nas verificações de qualidade e pose, o sistema pode adicioná-la como shadow photo — limitada a um pequeno conjunto rotativo de 6 por pessoa, com intervalos de espera para que uma única visita não sobrecarregue o conjunto. É por isso que os perfis acumulam fotos identificadas como "Auto-added by self-learning" (Pessoas e perfis) — e por isso o reconhecimento continua funcionando à medida que cortes de cabelo, barbas e óculos mudam.
Dicas práticas
- Trabalhe na fila Pending Review semanalmente. Cada aprovação melhora a identificação de forma permanente; cada linha não revisada é um membro sendo contado como "Unsure" nos seus relatórios.
- Mescle os duplicados primeiro. Verifique a visualização "Duplicates" antes de revisar — a mesclagem consolida as evidências de visitas e muitas vezes faz perfis do pipeline ultrapassarem o limite imediatamente.
- Uma guia Unable to Link grande indica problemas de qualidade dos dados no seu sistema de membros — normalmente nomes ausentes em registros com check-in habilitado.
- Casais e parceiros de treino que sempre chegam juntos são o caso clássico de No match. Identifique um deles manualmente e a ambiguidade desaparece para o outro.
Páginas relacionadas
- Como funciona — onde o Self Learning se encaixa no pipeline
- Ajuste do reconhecimento facial — as predefinições e os limites do Self Learning
- Pessoas e perfis — identificação e mesclagem manuais