🛗 零售公司的電腦視覺解決方案

智慧人體活動辨識技術可降低維護成本並提升客戶體驗

tietoevery

關於客戶

我們的客戶是亞洲最大的零售商、購物中心開發商和營運商之一。他們擁有一個由約300家合併子公司組成的零售網路，業務範圍涵蓋便利商店、超市、購物中心和專賣店等。

地點：亞洲
產業：零售與電子商務
員工人數：10萬+

商業挑戰

作為行業領導者，我們的客戶致力於在日常營運中引入最新技術，以提供卓越的客戶服務、改進決策並更好地了解消費者需求。為了優化策略並獲取有價值的數據，我們的客戶決定佈署一套由人工智慧驅動的監控系統。

我們需要在連鎖商場中，一家面積超過兩千平方公尺（20,000平方英尺）的大型商場內，佈署一套電腦視覺解決方案。該方案與龐大的攝影機系統整合，能夠收集顧客行為、人流、訪客數量，以及他們在商場內的動線等各種數據。透過整合所有這些功能，該解決方案將為我們的客戶提供全面的數據，從而支援他們進行數據驅動的決策。

為了實現精準效能的電腦視覺解決方案，必須做到以下幾點：

選擇最符合技術要求的硬體；
在面積達 2,000 平方米（20,000 平方英尺）的大型兩層超市內，建立並配置一套高效能的監控系統；
在商店安全系統中引入智慧人體活動辨識技術，以偵測慣犯；
收集、儲存和分析店內顧客行為數據，以調整公司的行銷策略；
提供客流量和熱力圖數據，以便有效維護場所，並優化能源利用；
確保在新冠肺炎預防措施，和口罩佩戴檢測中準確辨識人員；
在短時間內佈署該解決方案。

解決方案

Tietoevry Create 的認知運算專家與客戶團隊緊密合作，確保解決方案按照既定目標順利實施。我們的專家提供全方位服務，涵蓋從初始環境評估到系統配置，和資料科學模型培訓的各個環節。

營運

Tietoevry Create 團隊採用端到端的開發和實施方法，確保了系統的流暢運作：

根據數據處理需求，就伺服器和攝影機等硬體選擇提供建議；
在現場定位、配置和校準了 50 多台攝影機，以最大程度地滿足專案目標；
無需連接任何外部服務，即可實現本地運算和資料處理；
不斷研究最先進的數據科學模型，以便在專案中使用，以獲得最佳結果；
透過收集、標註專案現場的真實數據，並將這些數據輸入到模型中，從而客製化數據科學模型，使其能夠進行訓練；
收集了有關客戶行為的擴展數據，包括人數和行動追蹤；
提供數據視覺化儀表板，例如人員追蹤圖和門市熱力圖；
確保本地資料儲存安全，並採用基於角色的連線權限；
利用 AWS 雲端平台進行安全備份和測試環境。

數據科學

Tietoevry Create 開發了一款客製化的電腦視覺解決方案，用於智慧型客戶行為分析，其功能包括人員偵測、辨識和行動追蹤。

人數統計：

在商場入口處安裝一台高精準度人臉攝影機，掃描頻率為每秒 10 幀；
啟用進入商店後的即時人員追蹤和計數功能；
透過影像分割和偵測每位訪客的獨特特徵，進一步實現了身分辨識。

流線分析（Flowline analysis）：

引入了全身圖像重辨識模型，該模型對佩戴口罩、兜帽、圍巾、眼鏡不敏感，即使在疫情期間，和強制佩戴個人防護裝備的情況下，也能進行精確的客流分析；
利用行人重辨識模型，追蹤顧客在店內移動。此方案透過收集不同攝影機的數據，可以追蹤顧客在商場各區域的移動路徑；
為了滿足資料處理能力的要求，實現了惰性追蹤模型(lazy tracking model)。

熱力圖：

實現了商場不同區域的即時人流統計；
配置掃描頻率為每 4 秒 1 幀，以提高成本效益和資源利用效率；
實現了一個電腦視覺模型，用於檢測攝影機範圍內的人群密度，並計算每幀中的人數；
啟用熱圖儀表板更新功能，每 10 秒更新一次，實現即時數據視覺化。

年齡與性別辨認：

對電腦視覺解決方案採用客製化方法，以消除疫情防護措施（包括戴口罩）的副作用；
基於生產數據，實現了自訂數據集，透過臉部和上半身圖像進行年齡和性別辨識。

使用科技

資料科學： Keras、TensorFlow Serving、OpenCV、MobileNet 上的 SSD、TensorFlow 物件偵測 API、TensorFlow、EfficientDet、時空行人重辨識（Spatial-Temporal Person Re-identification）、DeepFace、即時物件偵測、ESR-9
後端： Python 3、TimescaleDB、Kafka、RabbitMQ、Kubernetes、Redis、Docker