تعتمد بيانات REVIEW على بيانات الاحتمال، مما يعني أن الكائن يمكن أن يظهر تحت قيم سمات متعددة. على سبيل المثال، إذا تم اكتشاف كائن يرتدي قميصا بنمط أحمر وأزرق، فسيظهر الكائن في حل REVIEW عند التصفية إلى كل من الأحمر والأزرق.

تعتمد بيانات RESEARCH على القيمة القصوى لجميع قيم احتمالية سمة الكائن. في المثال الموضح أعلاه، إذا كان اللون الرئيسي للقميص المكتشف هو اللون الأحمر، فسيتم ربط الكائن باللون الأحمر فقط في حل RESEARCH.

في مثال آخر، إذا تم تصنيف كائن باحتمالية ٤٠٪ كرجل واحتمالية ٦٠٪ كامرأة، فسيتم تضمين الكائن عند تصفية الكائنات إلى كل من فئتي الرجل والمرأة في حل REVIEW (طالما أنه يجتاز حد التسامح). في حل RESEARCH، لن يتم تضمين هذا العنصر نفسه إلا عند تصفية العناصر إلى فئة المرأة.

لذلك، قد تختلف نتائج التصفية بين حلول REVIEW وRESEARCH.

في وحدة REVIEW، يتم عرض كل ظهور لشخص ما كصورة مصغرة مختلفة لتزويد المحقق بجميع المعلومات ذات الصلة بالتحقيق. عندما يتم نقل هذه البيانات إلى وحدة RESEARCH، يتم تطبيق آلية أخرى، تسمى إعادة المعرف (انظر تتبع الأشخاص عبر الكاميرات بناء على التعرف على الوجوه)، لربط مظاهر الشخص بهوية واحدة. يهدف هذا إلى ضمان أن يكون عد الأشخاص دقيقا ومتسقا.