工作原理

本页说明 AI Insights & People 背后的概念模型：从摄像头看到一张人脸，到这张人脸以已识别会员、"Unsure" 访客的身份出现在您的人员时间线上（或根本不出现），中间发生了什么。

使用本产品并不需要了解这些内容，但了解之后，您会更容易理解调优设置和 Self Learning 审核队列。在 Member Matching 和 Shadow Profiles 设置页面的 Logic Visualisation 面板中，同样的流程会按您设施的实际阈值实时呈现。

基本概念

识别流程

每张检测到的人脸都会经过同一条有序的决策链。顺序很重要：前一阶段的结果会阻止后续阶段运行。

1. 黑名单检查（始终最先执行）

人脸会以固定的 95% 阈值（不可配置）与您设施的黑名单集合进行比对。一旦匹配，处理会立即停止：该检测被丢弃，永远不会出现在时间线上。正因如此，黑名单能够有效处理海报、人体模特等固定的误检，请参阅黑名单。

2. 人脸提取

系统会核实图像中确实存在可用的人脸，并提取其特征、姿态和置信度分数。没有人脸 → 丢弃。

3. 搜索已识别会员

人脸会在已识别集合中搜索，该集合包含所有拥有已验证照片或已确认检测记录的会员。搜索从 Identified Collection Search Floor 起始（Balanced 预设下默认相似度为 40%），因此边界候选人至少会被纳入考虑。

4. 到访辅助匹配

在最终判定之前，系统会检查设施近期的签到记录。如果某位候选会员在 Check-in Lookback Window（默认 30 mins）内签到，其相似度分数会获得 Visiting Member Bonus（默认 +5）。原因在于：如果一个与 Alex Nguyen 相似度为 82% 的人在三分钟前刷了 Alex Nguyen 的卡，那几乎可以肯定就是 Alex。

5. 匹配判定

• 分数 ≥ Identified Match Threshold（默认 85%，Balanced）→ 该检测被确认为该会员。
• 边界分数，即处于 Borderline Confidence Zone（默认高于阈值 +7 分）内的分数，需要额外进行姿态检查：人脸必须大致朝向正面（已识别人员的默认限制：yaw 55° / pitch 30° / roll 30°）。处于边界置信度且角度较大的人脸会被丢弃，以避免错误识别。
• 分数低于 Drop Threshold（默认 45%）→ 相似度 "not high enough to confirm the correct person with certainty"，该检测不再参与匹配。
• 介于两者之间 → 该人员被视为 unsure，进入第 6 步。

6. 影子档案匹配

未匹配的人脸会在未识别集合中搜索，即之前见过的 unsure 人员的影子档案：

• 分数 ≥ Profile Link Threshold（默认 80%）→ 该检测被关联到现有的影子档案。同一位访客在不同日期和不同摄像头上都保持同一个 "Unsure - …" 身份。
• 无匹配 → 该检测成为创建新影子档案的候选，但必须先通过质量门槛（下一步）。

7. 新影子档案的质量门槛

创建影子档案意味着确定一张系统将在数周内用于比对的参考照片，因此照片质量必须良好。两级检查依次运行：

通过检查的照片会进行属性分析（估计年龄、性别、情绪），然后进行最后一次竞态条件复查：由于检测是并行处理的，系统会在创建档案之前再搜索一次影子集合，以免同一位新访客的两帧画面创建出两个档案。结果为 New Shadow Profile Created 或 Matched Existing Shadow Profile。

所有这些阈值都可以通过 Lenient / Balanced / Strict 预设进行调整，请参阅人脸识别调优。

自主学习：弥补识别空白

仅靠人脸匹配，无法识别没有照片（或照片质量太差而无法通过验证）的会员。Self Learning 通过行为而非生物特征解决这一问题：

1. 在回溯期内，将每个未识别人员的检测时间与会员签到记录进行关联（默认需要 8 次关联到访，查看最近几个月的历史，每次签到前后约 10 分钟的时间窗口）。
2. 如果每次检测到此人时，都恰好只有一位会员持续签到，则运行验证检查（性别一致性，可选的年龄容差）。
3. 检查通过 → 档案自动关联到该会员。检查未通过 → 进入 Pending Review 队列，由人工决定。存在多位候选会员 → 无匹配；系统会继续观察。

此外，一旦某人已被识别，系统会在后台持续更新其人脸参考：近乎完全匹配（99% 以上相似度）的照片可以被自动添加为影子照片，每人上限为一小组轮换照片（6 张），这样即使外貌发生变化，识别仍能正常工作。这些自动添加的照片在档案中标记为 "Auto-added by self-learning"。

完整流程、各状态以及审核工作流程在 Self Learning 中说明。

从检测到时间线

原始检测数据难以阅读，因此时间线显示的是到访：使用 Detection Grouping 设置将检测合并成组。默认情况下，间隔 45 分钟后开始新的到访；未识别人员只有在 5 分钟内至少有 3 次检测时才会显示（因此短暂经过门口摄像头的人不会让视图变得杂乱）。当您希望看到每一次短暂出现时，可以使用时间线工具栏上的开关停用此阈值筛选。

各环节的运行位置

每个设施都有各自独立的人脸集合（已识别、未识别和黑名单），识别绝不会跨设施进行。人脸图像和 AI 元数据存储在您选择的存储区域中，并按 AI Metadata 保留期限（默认 24 个月）到期清除。请参阅安全与隐私。

术语表