โซลูชัน: กล้อง Face Recognition + People Counting บนคลาวด์ (แยกพนักงานออกจากลูกค้า)

ใช้ทำอะไรได้บ้าง

• นับจำนวนผู้เข้าห้าง/ร้าน/โชว์รูมแบบเรียลไทม์ ดูยอดเข้า-ออกต่อชั่วโมง/วัน/สาขา บนแดชบอร์ดคลาวด์

• แยก “พนักงาน” ออกจาก “ลูกค้า” อัตโนมัติ ลงทะเบียนใบหน้าพนักงานล่วงหน้าใน White List กล้องจะไม่คิดรวมในสถิติ ทำให้ KPI แม่นยำ

• รายงานเชิงลึกสำหรับฝ่ายการตลาด/ปฏิบัติการ เทียบช่วงเวลาพีค, ทำ staffing plan, วัดผลแคมเปญหน้างาน และวิเคราะห์ conversion หน้าร้าน

• แจ้งเตือนเหตุการณ์สำคัญ กำหนดการแจ้งเตือน (เช่น บุคคล VIP/Black List) พร้อมส่งข้อมูลขึ้นคลาวด์หรือระบบเดิมขององค์กร

ไฮไลต์ฟีเจอร์ที่ตอบโจทย์องค์กร

• Face Recognition & Face Capture แม่นยำ: ตั้งโซนตรวจจับ, ขนาดใบหน้าขั้นต่ำ/สูงสุด, โหมดจับภาพ (เน้นเร็ว/เน้นคุณภาพ/สมดุล) เพื่อให้ได้คุณภาพข้อมูลที่เหมาะกับหน้างาน

• ฐานข้อมูลใบหน้า (White/Black List): เพิ่มรายชื่อเป็นชุด (batch import), ตั้ง “Similarity Threshold” ให้ตรงนโยบายความปลอดภัย/การบริการ

• อัปโหลดขึ้นคลาวด์สะดวก: รองรับหัวข้อ (Topic) และการเลือกอัปโหลดเฉพาะ metadata หรือรวมภาพได้ (ช่วยประหยัดแบนด์วิธ)

• ค้นประวัติ/สถิติง่าย: หน้าจอค้นบันทึกเหตุการณ์ (captured/stranger) พร้อมรูปประกอบ เหมาะกับงาน Audit และ Compliance

• เชื่อมระบบเดิมในองค์กร: ใช้โปรโตคอลมาตรฐาน (เช่น RTSP/ONVIF) และต่อ API/Message Broker ไป BI, ERP, หรือแอปสาขาได้

• ความเป็นส่วนตัว & สิทธิ์ผู้ใช้: กำหนดสิทธิ์, บันทึก log, ตั้งโซน masking บางพื้นที่ไม่ให้ตรวจจับ/แสดงผลตามนโยบาย PDPA ขององค์กร

การตั้งค่า whitelist/blacklist และ threshold ทำให้ “การไม่นับพนักงาน” ทำได้จริงในระดับอุปกรณ์ + คลาวด์ และผลลัพธ์ในแดชบอร์ดจะสะอาดขึ้น เหมาะกับการตัดสินใจทางธุรกิจของ B2B

ทำไมระบบจึง “ไม่นับพนักงาน” ได้จริง?

ตอบ: ใช้ฐานข้อมูลใบหน้าพนักงาน (Whitelist) และกำหนด Similarity Threshold เมื่อตรงเกณฑ์จะจัดเป็น "พนักงาน" และตัดออกจากสถิตินับคน โดยยังเก็บ log เพื่อตรวจสอบย้อนหลังตามสิทธิ์ได้

ต้องส่งภาพขึ้นคลาวด์ทุกครั้งหรือไม่?

ตอบ: ไม่จำเป็น สามารถตั้งให้ส่งเฉพาะ metadata (เวลา/รหัสอุปกรณ์/ผลจำแนก) หรือส่งพร้อมภาพได้ ตามนโยบายแบนด์วิธและความเป็นส่วนตัว

เรื่อง PDPA ดูแลอย่างไร?

ตอบ: กำหนดสิทธิ์ผู้ใช้ ทำ Masking โซนละเอียดอ่อน ตั้ง Retention บนคลาวด์ และเลือกระดับข้อมูลที่ส่ง (ภาพ/ไม่ภาพ) ให้สอดคล้องนโยบายองค์กร

แยกเพศชาย–หญิงได้ไหม?

ตอบ: ได้ ระบบรองรับ Gender Classification เพื่อสรุปสัดส่วนชาย/หญิงในรายงานเชิงสถิติ (ไม่ใช่การยืนยันตัวตน) สามารถเปิด/ปิดฟังก์ชันได้ตามนโยบาย PDPA และใช้เพื่อ Insight ทางการตลาด เช่น ช่วงเวลาที่กลุ่มเป้าหมายมาเยี่ยมชมมากที่สุด

ถ้าพนักงานเปลี่ยนทรงผมหรือใส่หน้ากาก จะยังแยกออกไหม?

ตอบ: ระบบใช้คุณลักษณะหลายมิติของใบหน้าและสามารถอัปเดตรูปอ้างอิงเป็นระยะ เพื่อคงความแม่นยำในโลกจริง

ไฟสลัว/แสงย้อนแรง ๆ จะกระทบความแม่นยำไหม?

ตอบ: ใช่ ควรใช้กล้องที่มี WDR/IR และปรับ Exposure/White Balance ให้เหมาะกับสภาพหน้างาน พร้อมทดสอบในช่วงเวลาใช้งานจริง (เช้า/เย็น)

ระยะจับไกลไหม? ควรติดตั้งห่างเท่าไร?

ตอบ: ขึ้นกับเลนส์และ "ความละเอียดต่อใบหน้า" (pixels-per-face). แนวปฏิบัติที่ใช้ได้จริง:

• สำหรับ การรู้จำตัวบุคคล (Face Recognition) แนะนำระยะที่ใบหน้ามีความกว้าง ~120–160 พิกเซล หรือระยะทำงานราว 2–6 เมตร กับเลนส์มาตรฐาน 2.8–4mm บนกล้อง 2–5MP

• สำหรับ การนับคน/จับใบหน้า (Face Detection/Tracking) สามารถทำได้ไกลกว่า แต่ความแม่นยำการยืนยันตัวตนจะลดลง

• หลีกเลี่ยงมุมย้อนแสงแรง ๆ และปรับมุมกล้องให้ระดับ อก–ศีรษะ ของผู้สัญจรอยู่กลางเฟรม เพื่อคุณภาพสูงสุด