Nesta etapa, o algoritmo detecta e acompanha cada pessoa, veículo e objeto em sua respectiva posição, a cada fração de segundo. Cada pessoa é identificada de forma impessoal e puramente demográfica, sem qualquer associação com a pessoa em questão.
Depois de detectar cada pessoa, seguimos acompanhando cada indivíduo, identificando seus movimentos e checando a direção de seu olhar. Esperamos até que a pessoa esteja em um bom ângulo para estimar sua idade e gênero.
Em paralelo com a análise de imagens, também monitoramos o ambiente através de sensores de rede, que nos permitem estimar a renda média da audiência, mapear o ambiente e medir conversões.