Самообучение
На этой странице
Вкладка Self Learning (AI Insights & People → Self Learning) — это консоль процесса автоматической идентификации. Как сказано на самой странице, функция "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."
Если сопоставление лиц отвечает на вопрос «похоже ли это лицо на фотографию участника?», то Self Learning отвечает на другой: «совпадает ли закономерность посещений этого человека с закономерностью отметок при входе ровно одного участника?» Так система идентифицирует участников, которых камера никогда не сможет сопоставить: без фотографии или с фотографией настолько плохого качества, что она не проходит проверку.
Для Self Learning необходимо включить Enhanced AI Analysis в разделе CCTV Settings → General. Если этот параметр выключен, корреляция не выполняется, а раздел настроек Self Learning скрыт.
Рисунок 1. Представление Self Learning: карточка Decision Flow, сводные счётчики и очередь профилей
Как определяется результат для профиля
Рисунок 2. Карточка Decision Flow — "How profiles resolve" — с отметкой времени последнего запуска корреляции
Карточка Decision Flow кратко описывает четыре возможных результата именно так, как они перечислены в интерфейсе:
| Условие | Результат |
|---|---|
| "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 |
При каждом запуске корреляции (отметка времени "Last run:" на карточке) для каждого неидентифицированного профиля выполняются следующие действия:
- Корреляция времени обнаружений профиля с отметками при входе участников за период ретроспективы с использованием временного окна вокруг каждой отметки (по умолчанию ±10 минут).
- Подсчёт доказательств. Профилю требуется заданное минимальное число коррелирующих посещений — по умолчанию 8 в предустановке Balanced. Профили с некоторыми доказательствами (от 3), но ниже минимума остаются в статусе In Pipeline: "Profiles still gathering evidence from repeat visits and check-ins." На карточке процесса отображается "Average progress" в виде "N/M visits".
- Требование ровно одного кандидата. Если посещения коррелируют более чем с одним участником — например, с парой, которая всегда приходит вместе, — результат No match. Система не выбирает наугад между кандидатами.
- Проверка. При одном кандидате и достаточном числе посещений выполняются проверки: соответствие пола между обнаруженными признаками профиля и записью участника (включено по умолчанию) и, при необходимости, проверка допуска по возрасту. Проверка пройдена → Automatically Linked. Не пройдена → Pending Review: "Strong timing match, but one or more validation checks did not pass."
У каждой записи есть оценка уверенности, которая рассчитывается по числу посещений, числу уникальных дней и средней задержке между отметкой при входе и обнаружением (наибольшую оценку даёт небольшая стабильная задержка).
Все пороги — минимальное число посещений, период ретроспективы, временное окно и проверки — настраиваются с помощью предустановок Lenient / Balanced / Strict в разделе Settings → Face Recognition → Self Learning.
Рисунок 3. Настройки Self Learning: предустановки, минимальное число посещений, период ретроспективы, временное окно и проверки
Сводные карточки
| Карточка | Значение (текст интерфейса) |
|---|---|
| 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." |
Очередь
Рисунок 4. Очередь: лица, участник-кандидат, посещения, средняя задержка, оценка уверенности и статус
Вкладки разделяют очередь по состояниям: In Pipeline, Pending Review, Automatically Linked, Unable to Link, Rejected, Manually Approved и Monitoring. Поле поиска ("Search by name, ID, or personId...") помогает сузить большие очереди, а кнопка "Duplicates" на вкладке процесса показывает предположительно дублирующиеся теневые профили, которые стоит сначала объединить: дубликаты разделяют доказательства посещений и замедляют весь процесс.
Столбцы таблицы: Faces (фотографии обнаружений профиля), Person / Member (теневой профиль и его участник-кандидат), Visits, Avg Lag (от отметки при входе до обнаружения камерой), Score, Status, Updated. Статусы строк: "Pipeline", "Pending Review", "Automatically Linked", "Unable to Link", "No Match", "Rejected", а также временные "Linking..." и "Link Failed" ("Link failed — will retry on next run").
Проверка ожидающих совпадений
Для каждой строки Pending Review сравните лица на обнаружениях с фотографией участника-кандидата и доказательствами его посещений, а затем выполните одно из действий:
- Approve — подтверждает совпадение и привязывает профиль к участнику. Подтверждения сохраняются с указанием автора ("Approved by ").
- Reject — исключает совпадение. В диалоговом окне нужно указать причину — "Please provide a reason for rejecting this match. This will be recorded for audit purposes." (например, "Photos clearly show different people, member data is incorrect, etc."). Отклонённые профили больше не предлагаются для того же участника.
Работу дополняют ещё два действия:
- Link — для строк Unable to Link диалоговое окно поиска позволяет самостоятельно выбрать нужного участника: доказательства по времени есть, просто для завершения автоматического шага не хватило данных.
- Unlink — отменяет автоматическую привязку. В подтверждении точно описано, что произойдёт: "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." Если данные лица были объединены ошибочно, исправьте это в профиле человека.
Вторая сторона: поддержание актуальности распознавания
Self Learning также незаметно работает с уже идентифицированными людьми. Если подтверждённое обнаружение почти идеально совпадает с эталоном (сходство от 99%) и проходит проверки качества и позы, система может добавить его как теневую фотографию — с ограничением в небольшой ротируемый набор из 6 фотографий на человека и периодами ожидания, чтобы одно посещение не заполнило весь набор. Поэтому в профилях накапливаются фотографии с пометкой "Auto-added by self-learning" (Люди и профили), и поэтому распознавание продолжает работать, когда меняются причёска, борода или очки.
Практические советы
- Разбирайте очередь Pending Review еженедельно. Каждое подтверждение навсегда улучшает идентификацию, а каждая непроверенная строка — это участник, который учитывается как "Unsure" в ваших отчётах.
- Сначала объединяйте дубликаты. Перед проверкой откройте представление "Duplicates": объединение сводит воедино доказательства посещений и часто сразу выводит профили процесса за порог.
- Большое число записей на вкладке Unable to Link указывает на проблемы с качеством данных в вашей системе управления участниками — как правило, на отсутствие имён в записях, по которым возможны отметки при входе.
- Пары и партнёры по тренировкам, которые всегда приходят вместе, — классический случай No match. Идентифицируйте одного из них вручную, и неоднозначность для второго исчезнет.
Связанные страницы
- Как это работает — место Self Learning в процессе идентификации
- Настройка распознавания лиц — предустановки и пороги Self Learning
- Люди и профили — ручная идентификация и объединение