電腦視覺如何塑造零售業的未來
高效能的人臉辨識，幫助辨識零售店中的已知和潛在罪犯
即使在網上購物激增之後，世界各地的實體店仍然蓬勃發展。然而，與虛擬商店不同的是，實體店不斷面臨著防止入店行竊、客戶盜竊和退款詐欺的艱鉅任務。
入店行竊每年給零售業造成數十億美元的損失，是造成庫存萎縮和損失的主要原因。許多零售商正在增加他們的防損團隊的預算，其中對技術的投資增加最多。
零售商因入店行竊損失數十億美元
根據美國全國零售聯合會和佛羅里達大學的 Richard Hollinger 博士聯合進行的第 28 次美國 2019 年全國零售安全調查，由於入店行竊、盜竊、錯誤或詐欺導致庫存減少或損失過去幾年一直保持穩定。然而，調查顯示，如果將這一 1.38% 的平均縮減率外推到整個美國零售業，則該行業的損失估計為 506 億美元。
在美國主要零售商的防損團隊中，共有 68.2% 的受訪專業人士表示，他們會為防損分配額外的資源，主要是在技術方面。
入店行竊對另一個主要零售市場英國產生了重大影響。
英國零售聯盟發布的 2019 年零售犯罪調查顯示，客戶盜竊（由客戶或自稱是誠實客戶的人進行的盜竊）直接導致該行業損失超過 7 億英鎊，同比成長 31%。該行業所有類型犯罪的總成本估計為 19 億英鎊。這大約相當於整個英國零售業預計利潤的 20% 左右。
零售商在發現扒手時面臨的挑戰
通常，實體店的保全人員可以有效地處理和記住臉孔。然而，一個人可以立即處理、辨識和記住，以供將來參考的臉孔數量是有限的，尤其是在最繁忙的購物時間和日子。此外，包括鬍鬚、假髮、帽子或眼鏡在內的外貌變化，很容易欺騙一個人處理臉部的能力，並將臉部與他們對臉部圖像的記憶進行比較。更重要的是，零售商從經驗中了解到，扒手和扒手通常看起來像一個誠實的潛在客戶。
約克大學的一個研究小組最近的一項研究試圖回答「人們認識多少張臉孔？」這個問題。研究顯示，人們平均「認識」5000 張臉孔，包括名人的臉孔。但研究發現，辨識以前見過的臉孔和從未見過的臉孔之間，存在根本區別。該研究的作者說，一個人辨識以前看不見的臉孔的能力很容易被圖像的變化所破壞。
電腦視覺有助於高效的人臉辨識
在這裡，電腦視覺技術可以幫助辨識和處理大量臉孔，並且效率更高。該技術目的在自動化和複製人類視覺系統的認知過程。在從圖像和影像中獲取資訊後，電腦視覺系統使用機器學習方法訓練電腦處理和分析臉部模式。
因此，即使人們沒有直視安全攝影機或戴眼鏡、留鬍鬚或改變髮型，零售商也能夠在他們的商店中發現可疑人員。
Ontotext 使用電腦視覺的智慧監控解決方案
Ontotext 開發了一種智慧監控解決方案，以幫助零售商有效地辨識和處理商店中的人臉。該解決方案基於 Sirma Group 自 2013 年以來開發的電腦視覺技術，現在補充了 Ontotext 在 Sirma AI 中的產品組合。
Ontotext 的智慧監控系統，使零售連鎖店能夠接收可疑人員或行為的即時通知。它創建簡短的影像剪輯，並根據需要回顧性地複製它們，以展示感興趣的人的行為。該解決方案使零售連鎖店能夠保存一個中央數據庫，其中包含已知罪犯的圖像和影像，並在其所有商店中使用。這顯著改進了有效發現潛在犯罪者的過程，並為客戶和員工創造了一個更安全的環境。
這款高效人臉辨識智慧監控解決方案是為保加利亞一家大型連鎖店開發的。
你是否面臨類似的問題？
沒有留言:
張貼留言