Optimizing the customer flow in stores with AI-based video analytics
使用基於 AI 的影像分析優化商店中的客戶流
（歡迎點擊收聽 3S MARKET PODCAST）
https://studio.firstory.me/episodes/ckzsh9sdh07mq0916oriypb4l/analytics
更有效的營運管理可能會成為零售商競爭優勢的關鍵驅動力。
一個簡單的閉路電視攝影機與智慧影像分析解決方案相結合，有助於實現這一目標。如何？智慧影像分析是簡化零售業務的新途徑。這種人工智慧驅動的解決方案處理影像片段以檢測和分類各種對象（如人、零售產品或車輛），並簡化從客戶和對象追踪數據中提取業務價值的過程。
目前，影像監控系統主要用於錄製以備將來使用，例如在事件發生後查看鏡頭。這主要是由於有效監控所有傳入資訊的高成本，以及工作本身的重複性和乏味。然而，透過智慧影像分析，你的閉路電視系統還可以作為優化工具來優化貨架空間、更好地規劃庫存或減少佔地面積。
什麼是智慧影像分析？
智慧影像分析系統，可以影響日常零售現實的各個領域。從遠端收銀台監控，到向人流量大的地區分配額外員工，定位錯放物品或丟失兒童，並通知工作人員，此類技術的潛在用途清單不勝枚舉。
零售商店和中心可以使用影像分析解決方案，對店內情況做出即時反應，還可以根據客戶的行為改進未來的銷售策略。
由於電腦可以比人類更快地處理大量數據，機器學習驅動的軟體，在這些任務中提供了寶貴的洞察力、檢測模式、辨識問題，並在幾秒鐘內提供解決方案。讓我們仔細看看如何將這樣的系統付諸實踐。
智慧影像分析的隱私挑戰
在我們關注大數據和隱私的時代，智慧影像分析的好處之一，是我們可以依靠檢測人員，及其在即時影像源上的行為。這不需要個人辨識功能即可正常運行。知道它是在看 John Smith 還是 Jane Brown 並不能改善系統的工作。
事實上，由於影像數據已經佔用了大量空間，臉部辨識等附加功能，實際上可能會降低系統效率，延長處理影像片段所需的時間。
零售商如何從智慧影像分析中受益
那麼為什麼零售商應該考慮使用智慧影像分析呢？從財務、技術和營運的角度來看，引入這樣的解決方案似乎具有挑戰性。但是，我們有一些關於如何使其預算友好和高效的提示。
實現即時資訊處理
智慧影像分析系統的技術，要求一開始似乎是壓倒性的，但你可以讓它們負擔得起且易於佈署。
為了實現穩健的性能，我們需要使用深度學習(DL)，或者更具體地說，是專用於電腦視覺的深度神經架構：卷積神經網路(CNN) 或更新的視覺轉換器。這些網路確保了人員檢測和活動辨識的高性能。
卷積神經網路 (CNN)
CNN 是專門設計用於有效處理圖像的網路，這是任何類型的影像片段分析的基礎。儘管目前它們具有非常高的預測精度，並且優於該領域的任何其他解決方案，但由於技術和知識水準低下，它們的發展受到了相當長的一段時間的阻礙。
早在 1990 年代，CNN 就被 Yann LeCun 首次用於ATM 機中的數位辨識，並且從那時起發展迅速。2014 年是這項技術的轉折點。那一年，Alex Krizhevsky 在 ImageNet 競賽中，提出的解決方案 AlexNet，透過引入深度學習作為創新驅動力，徹底改變了 CNN。
因此，它啟動了圖像辨識和處理技術的快速發展，我們今天可以在各個領域使用，例如智慧影像分析。
視覺變形金剛
另一方面，視覺轉換器是在電腦視覺中應用，已知自然語言處理解決方案的最新發現。它們具有與 CNN 相似的性能，但速度更快，因此可以顯著改善圖像辨識。視覺轉換器的研究仍在進行中，所以很快我們可能會看到它們在電腦視覺中，一直取代 CNN。
深度神經網路是圖像辨識的完美搭檔，然而，它們的能力是有代價的。它們需要強大的圖形處理單元 (GPU) ，以近乎即時的方式運行，這可能非常昂貴。這同樣適用於雲端運算。
同時為許多商店執行雲端運算會在月底產生巨額賬單 —— 更不用說高頻寬和可靠性要求了。但是，有一些方法可以最大限度地降低成本。
降低成本，提高效率
降低智慧影像分析解決方案成本的一種方法，是運行軟即時系統。這意味著按時計算，但是如果任何過程花費更長的時間，它不會削弱系統的整體性能，因為我們可以丟棄幾幀。
我們只需要確保處理隊列不會變得太長，因為使用 24/7 操作，我們將沒有時間稍後分析它。我們必須牢記時間解析度。
大多數攝影機以每秒 24-30 幀 (FPS) 的速度拍攝，這是使單個圖像被感知為運動所需的速度。但是，出於監控的目的，1 FPS 可能就足夠了，因為它不需要像運動一樣快，也不需要像運動一樣精確。
這些解決方案可以大大降低所需的處理能力，但標準的 CPU（中央處理器）仍然不夠用。相反，應該使用專用的邊緣運算系統。
根據需要，我們可以在許多選項中進行選擇，但最可靠的是：
- 英特爾神經棒，
- 谷歌珊瑚，
- 英偉達傑森。
最後一個選項似乎是最通用的選項，價格低至 60 美元，功能強大。與長時間在雲中執行計算的成本相比，這種一次性費用很快就會得到回報。
Nvidia Jetson Nano 解決方案 - 一個例子
Nvidia Jetson Nano 能夠解碼多達 8 個全高清影像流，並且有足夠的能力在運行中，運行大型深度神經網路。它的售價為 99 美元，功率為 15W。這是一款入門級硬體，但這足以讓小型零售店，以低成本開始使用智慧影像分析系統。
Nvidia Jetson Nano 還提供元數據和統計數據的處理並將它們發送到雲應用程序。此功能簡化了零售連鎖店的管理，並在一些商業智能工具的支持下，可以輕鬆比較不同地點的商店。
透過智慧影像分析改善零售營運
你不需要最強大的機器來進行智慧影像分析。降低影像品質，並因此降低硬體和能源成本不會降低系統的效率。
透過客製化的解決方案，可以提高檢測的準確性和運行速度。這就是我們在這裡的目的。利用我們在機器學習方面的專業知識，我們能夠構建高效且具有成本效益的智慧影像分析系統，以滿足你的特定業務需求。給我們留言，看看我們如何運用我們的專業知識，將你的業務提升到一個新的水準。
沒有留言:
張貼留言