Introducing Amazon Go and the world’s most advanced shopping technology
leiphone 作者：亚峰
12 月 5 日，亞馬遜發佈 Amazon Go 震驚業界。小編第一時間研究了專利文件，並採訪資深電腦視覺算法工程師，最終出文從2份專利文件，一窺Amazon Go到底藏了什麼高科技？
今天小編特地採訪了無人零售商店創業者陳維龍（微信：daoyuan3），為大家更加詳細地解讀 Amazon Go ，以及無人零售商店項目。陳維龍畢業於中國中山大學，曾親自參與並實施過多套類似的無人零售解決方案系統，對整個項目的流程化體系，有著較深的認知和實踐經驗。
Amazon Go 系統構成
陳維龍把 Amazon Go 系統「拆分」為三部分：人/貨架/進出口。其中軟硬體構成如下表：
| 人 | 货架 | 进出口 | |
| 硬件 | 手机 | 摄像头/压力/红外/体积位传感器/光幕 | 二维码识别器/自动门 |
| 软件 | 专门应用 | 库存管理系统 | 定制系统 |
佈局如下圖所示：
貨架牆壁上安裝多個攝影機，多種傳感器埋在每層貨架的底部或頂部。
攝影機負責拍照，光幕/紅外線感測器負責製造一個水平面，如果用戶的手穿過此面，表示用戶開始實施某種動作，提高圖像分析效率。壓力/紅外線感測器用來表示商品的位置和狀態，為用戶的行為提供數據。
利用這些數據進行深度學習，建立商品—動作—人的判別模型，提高系統反作弊/辨識能力。
Amazon Go 的核心技術是什麼？
陳維龍向小編透露，其實 Amazon Go 的核心技術是反作弊/辨識系統，不管它能提供多強大的商業功能，作為無人超市系統，反作弊/辨識是它存在的第一要素。
在現有超市，通過便衣巡邏保全人員，和監控攝影幾辨識顧客行為是否合法，例如是放在購物袋/車，還是放在衣服裡，將用戶的行為規範到指定的範圍，最後通過收銀員辨識商品和顧客的對應關係，成功解決了誰對什麼商品做了什麼，從而達成交易。
其中人防和機防是反作弊系統，負責解釋顧客行為，從而保證商品與顧客的關係，而收銀員負責確認商品和顧客關係。在 Amazon Go 中，系統也要解決誰對什麼商品做了什麼的問題。
接下來的內容分為大三塊，詳解 Amazon Go 是如何做的。
一、如何檢測和辨識顧客的行為：拿走或放回？
陳維龍指出，顧客購物行為非常豐富，從貨架的角度來看，核心動作只有拿走或放回兩種。
不論如何，商品被從貨架拿走了，最大的可能就是被買走了，而被放回來就是你不需要了。如果能辨識拿走或放回，那麼就解決了核心問題。根據 Amazon Go 專利顯示，它是這樣做的：
- 採集用戶的手進入貨架平面前的圖像。
- 採集用户的手離開貨架平面後的圖像。
- 兩者對比，可以知道是拿出貨物還是放入貨物。
如果是拿起，進入前的手和進入後的手，及手中的物品等特徵是可區分的，這個特徵與放入是相反的。簡單說，如果是拿起，進入之前手是空的，沒有商品的，離開後是手裡有物品的。放入則相反。
那麼如何辨識手呢？從形狀和圖片顏色（膚色）可以辨識。在貨架前利用光幕或者紅外形成一個平面，就可以知道用戶的手到了那裡。
除了圖片分析，傳感器也可以提供這樣的數據。多種數據結合，可判斷用戶行為是拿走還是放回。
二、如何準確辨識出被拿走的物品和被放回的物品？
我們知道，有了顧客動作，還要辨識動作承受的商品，不然會出現張冠李戴的現象。陳維龍繼續解釋到，這部分分成兩個步驟來處理：辨識被拿走的物品和辨識放回的物品。
辨識被拿走的物品
- 因為物品是被僱員人工放置的，所以該物品可以直接標記到系統中，因此不用圖像辨識是何種物品（它已經被人工辨識了）。用傳感器表示它被拿走即可。
- 在某些情況下，商品可能沒有被提起設置，或者設置後被混亂了，那麼此時需要圖像辨識該位置現有的商品，與應該有的商品是否一致。例如，物品 A 被放在 B 物品處，如果只有上面提到的那種方式處理，就會被當成物品 B，不過這種情況較少
- 如果是高置信度事件，可直接確認，更新（增加）物品清單，否則還有顧客協作確認的環節。
辨識被放回的物品
- 在放回物品前，可以通過物品清單確定用戶與物品的關係，這些物品的圖片被儲存在系統內。
- 檢索圖片，與被放回物品進行比較，辨識物品。
- 高置信度即可判斷物品正確，更新（刪除）物品清單，否則還有顧客協作確認的環節。
- 被放回的物品會存在錯放位置的情況，辨識後通知僱員整理。
- 不管是拿走還是放回，如果是低置信度事件，會被系統記錄分析。
對於正常的購物，在固定區域的商品種類單一，容易辨識。對於被錯放的物品，因為概率較少，辨識難度和計算量不會顯著增加。但是對於故意作弊的行為，需要極大的計算資源辨識。這個問題後面討論。
三、對某商品進行了某動作的人是誰？
根據資料顯示，Amazon Go 在進出口設置了「轉移區」，類似現有超市的防盜門，此門可掃描用戶二維碼辨識進出口的顧客。陳維龍解釋到，這裡問題的關鍵是 Amazon Go 需要實時辨識「對某商品進行了某動作的人是誰」。
從問題可以發現，解決這個問題的關鍵，還是要在貨架上入手，因為任何人對商品實施動作的時候，必須在貨架前。關於這部分細節，Amazon Go 專利給出的解釋是，利用用戶位置資訊定位進行辨識。
例如，張三站在貨架 A 前，此時 A 貨架商品被取走，那麼就認定張三購買了商品。這裡存在很大的隱憂是張冠李戴問題，因為僅通過位置定位顧客，只要在此區域的用戶，都可能被當成購買者，從而形成商品和顧客一對多的關係。如果這個位置定位區域限制在足夠小的區域，就能實現一一對應關係。
Amazon Go 使用的圖像分析和音頻分析。通過攝影機可檢測用戶及其方位，天花板或貨架裡的多個音頻，可根據時差分析用戶位置。此外，天花板上的天線可用三角測量確定位置，用戶手機 GPS 也能提供定位。
關於室內定位或擁擠區域定位問題，一般的定位技術是無法解決的。目前國外有 GPS 定位到毫米等級，但是費用極高，應用很少。iBeacon 技術也可以用於室內定位，可達到釐米等級，但是僅限於 IOS 設備。
總的來說，Amazon Go 反作弊/辨識系統是通過「商品—辨識動作—辨識承受動作的商品—商品與用戶清單/用戶關聯」進行運作的。
對 Amazon Go 反作弊/辨識系統而言，它只需要知道哪些商品被拿走或放回了，並且知道是誰實施的，那麼就知道是誰購買/放回了什麼商品。最後在出口（轉移區），顧客刷卡確認顧客與商品的關係即可。
商品辨識問題討論
此時有個疑問：故意作弊的行為，能辨識動作，但是辨識商品難度較大，因為大型超市商品種類有 10 萬種，依據現有的水平是無法解決的。
陳維龍就這一問題給出以下解決方案：
- 限制特定種類商品。從亞馬遜官方影片中，看到超市商品種類，與日常生活超市相比要少很多，而且形狀規格等都比較統一。
- 限制開店區域和人群。在中高端市場，用戶的可信度較高，超市防盜壓力減少。影片中顯示的商品也趨向中高端市場。
- 特殊人群跟踪。上面提高用戶行為被系統判定為低置信度事件會被記錄跟蹤分析，這部分人群需要單獨的技術限制和人工干預。
0 comments:
張貼留言