ACS-FR-HG22:กล้องจดจำใบหน้า ลงเวลาเข้างาน นับคน 2MP Face Recognition
Related Documents:
-Motherboard performance : Computing power 1.0Tops, memory: 1GB, flash memory: 8GB EMMC
-Sensor type : 1/3"CMOS
-Lens type : Electric zoom
-Focal length : 2.8-12mm
-Detection type : face capture, recognition
-Number of detections : Maximum support for simultaneous detection and capture of 32 targets
-Face detection area: Supports 4 locales
-Face whitelist database :80,000 faces
-Logs Event : 100,000 events
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
นับคนที่สาขาเยอะ ๆ หลายประตู จะซ้ำหรือไม่? วางกล้องและนิยามโซนจับภาพที่ไม่ทับซ้อนกัน พร้อมดีดดูดซ้ำด้วยกฎเวลา จะช่วยลดการนับซ้ำ
ไฟสลัว/แสงย้อนแรง ๆ จะกระทบความแม่นยำไหม?
ใช้กล้องที่มี WDR/IR และปรับ exposure/white balance ให้เหมาะกับสภาพแสงจริง จะคงเสถียรภาพของการจับใบหน้า
ถ้าพนักงานเปลี่ยนทรงผมหรือใส่หน้ากาก จะยังแยกออกไหม? ระบบอาศัยหลายคุณลักษณะของใบหน้าและสามารถอัปเดตรูปพนักงานเป็นระยะเพื่อคงความแม่นยำ
จะรู้ได้อย่างไรว่าโมเดล AI ทำงานปกติ? มีหน้าจอมอนิเตอร์สถานะอัลกอริทึมและล็อกเหตุการณ์ ให้ทีมไอทีตรวจสอบได้
เหมาะสำหรับ
ศูนย์การค้า/ค้าปลีกหลายสาขา: วางกล้องที่ประตูเข้า-ออกทุกจุด เพื่อวิเคราะห์ทราฟฟิกและจัดพนักงานตามพีคไทม์
โชว์รูม/ธนาคาร/ศูนย์บริการ: แยกพนักงานออกจากลูกค้าจริง ลด bias ในตัวเลข walk-in
ออฟฟิศ/โรงงาน/แคมปัส: ดูจำนวน visitor ตามช่วงเวลา พร้อม whitelist พนักงานระยะยาว


