Особенности проектирования и внедрения систем видеонаблюдения с видеоаналитикой на торговых объектах
Современное IP видеонаблюдение на торговых обектах
Что же такое видеоаналитика сегодня?
Видеоаналитика — комплекс решений на базе компьютерного зрения, при помощи которых данные с камер видеонаблюдения используются для распознавания объектов и лиц, обнаружения скоплений людей, подсчета посетителей, создания тепловых карт и решения других задач, а также создания аналитических отчетов для последующей оптимизации бизнес-процессов.
Какие типовые задачи для видеоаналитики ставят заказчики на реальных торговых объектах?
Какая аналитика, где, и для каких задач востребована? Какое решение выбрать?
- подсчет посетителей,
- распознавание лиц,
- состав посетителей (пол, возраст),
- тепловые карты,
- карты активностей покупателей,
- подсчет длины очереди,
- контроль кассовых операций,
- контроль заполненности полок и т.п.?
Какие реальные цифры увеличения прибыли торгового объекта можно получить, основываясь на опыте внедрения пилотных проектов?
Распознавание лиц для предотвращения воровства
Аналитический модуль распознавания лиц «запоминает» посетителей, ранее попавших в черный список. Это эффективное лекарство от так называемых дрейфующих воров, которые буквально поставили кражи в магазинах одной сети на поток.В калифорнийской компании FaceFirst подсчитали, что системы распознавания лиц правильно идентифицируют «хронических шоплифтеров (магазинный вор. — «РБК Pro»)» в 60% случаев. Умные алгоритмы помогают поймать злоумышленника с поличным прямо на выходе из магазина и сокращают количество краж на 34%.
Распознавание лиц для развития программ лояльности
Традиционные программы лояльности на глазах теряют эффективность. Ретейлер узнает, что постоянный покупатель пришел в магазин, только если он использует пластиковую карту постоянного покупателя на кассе. Тем временем покупатели все реже используют «пластик». Карт лояльности становится слишком много, и простимулировать людей использовать их не удается даже с помощью бонусов.
Распознавание лиц, интегрированное с CRM-системой, также хорошо подходит магазинам класса люкс, для которых очень важен высокий Retention Rate (коэффициент удержания покупателей). Видеоаналитика позволит провести более глубокий анализ данных. В отчете, который выдает модуль по распознаванию лиц, ретейлер увидит, что постоянный клиент пришел в магазин, но ничего не купил, и сможет учесть это в будущем.
- X5 Retail Group установила в некоторых магазинах камеры для распознавания эмоций и возраста покупателей. Анализируя данные, система выводит на экран монитора в торговом зале товары, которые могут понравиться человеку. Решение помогло сети сократить количество посетителей, которые уходят из магазина с пустыми руками, на 10%.
- В Lolli & Pops, большом кондитерском магазине в США, система распознавания лиц определяет постоянных покупателей и посылает на их смартфоны уведомления с товарами, которые могут им понравиться (с учетом индивидуальных предпочтений). Как заявил CEO компании, подобный персонализированный подход повышает лояльность клиентов, они чаще возвращаются и покупают больше товаров — их доверие растет, а вместе с ним укрепляется репутация бренда
Сокращение очередей на кассах
Сократить очереди на кассах помогают камеры видеонаблюдения с детектором очередей. Как только у кассы выстраивается очередь, администратор получает уведомление об этом. После чего может отправить в зал дополнительных кассиров. Может сложиться и обратная ситуация — когда в магазине больше кассиров, чем требуется в тот или иной промежуток времени. С момента подключения детектора очередей начинает накапливаться статистика, и система формирует график загруженности магазина за необходимый отчетный период. На графике ретейлер видит, как меняется наплыв покупателей в зависимости от времени. Опираясь на эти данные, он может скорректировать часы работы кассиров
Тепловые зоны. Эффективное планирование расположения товара.
Тепловая карта, или карта активности покупателей, на основе треков движения посетителей позволяет определить наиболее эффективную планировку магазина и расположения товаров. Оценить популярность той или иной витрины. Понять, равномерно ли распределены потоки покупателей по площади магазина.
Конечно, можно провести исследования, проанализировав видеоархив с камер системы видеонаблюдения, но это займет слишком много времени и очень субъективно. Если у вас 20 магазинов в сети, то можно за 15 минут провести полный анализ и выявить проблемные зоны.
С помощью совместной работы пары этих модулей можно провести оценку эффективности и качества проведения рекламной акции. Системы видеоанализа могут помочь и предоставить объективную картину об изменении количества посетителей магазина с начала рекламной компании, и помочь оценить заинтересованность витриной с рекламируемым товаром.
Детектор подсчета посетителей. Точные данные о конверсии.
Он предназначен для подсчета входящих и выходящих людей на торговом объекте или в рамках выделенной наблюдаемой зоны. Это наиболее точный на сегодняшний день метод подсчета посетителей, основанный на видеоанализе. Существуют алгоритмы как встроенные в камеру, так и на базе программных продуктов видеонаблюдения для PC-based платформ. Камера, установленная над зоной контроля, способна различать отдельных людей и фиксировать направление прохода.
С помощью результатов работы этого детектора можно оценить эффективность работы розничного магазина. Оценкой может служить показатель конверсии. Это базовый показатель эффективности торговой точки, показывающий отношение количества посетителей торговой точки к числу транзакций. Иными словами - сколько посетителей стали покупателями. Сравнивая полученные точные данные между магазинами, можно определить, где менеджмент работает эффективно, а где требуется анализ и вмешательство.
Демонстрация работы системы здесь>>
Развитие ситуационных детекторов - детекторы нетривиального поведения.
Существует такое направление видеоаналитики, задача которого идентифицировать конкретные ситуации или поведение людей. Это так называемые детекторы нетривиального поведения. Принцип действия построен на более сложном сопоставлении записанных треков с заранее заданными всевозможными шаблонами, имитирующими поведение.
Такие детекторы - мечта службы безопасности многих объектов. Но давайте разберемся на примере драки. Происходит она в торговом центре или вагоне метро. Объективно тревожное событие, на которое необходимо оперативно среагировать. Но давайте подумаем, насколько в действительности выявление такой ситуации может быть достоверным. Вероятность совпадения с шаблонами не высока, а также ситуация может быть неверно распознана. Например, объятие друзей тоже можно посчитать началом драки. Большое количество ложных срабатываний и вероятность пропуска реальной драки не позволяет считать подобные системы коммерчески применимыми. Хотя, возможно, в будущем ситуация изменится, и подобная аналитика станет более совершенной и эффективной. Уже сейчас неплохо работают алгоритмы определения нарушений направления движения (человек идущий поперек направления движения толпы, вход через выход), бегущего человека и т.п
Нет дыма без огня. Обнаружение задымления и огня с использованием видеоаналитики
Любое здание обязательно оснащается системой пожарной сигнализации которая получает извещение о возгорании с использованием специальных сенсоров (датчиков различного типа). Развитие в этой области не прекращается и появляются все более совершенные устройства. В период развития видеоаналитики не заставили себя ждать и цифровые варианты для решения этой задачи.
Детектор дыма, на основании уникального алгоритма анализа изображения, позволяет в большинстве случаев фиксировать задымление раньше пожарных датчиков. А уникальная математика позволяет обнаруживать в поле зрения камеры открытый огонь.
Детектирование возгорания с использованием специальной видеоаналитики может быть востребовано там, где использование датчиков затруднительно или невозможно. Как правило - это открытые площадки, автостоянки, внутренняя территория предприятий, контроль противопожарной обстановки лесных массивов. Раннее обнаружение и локализация возгорания может сэкономить огромные средства на борьбу с бушующим пожаром и ущербом с ним связанным.
Распознавание автомобильных номеров - автоматизация парковок
Система выискивает попавший номер автомобиля в поле зрения камеры, распознает его и сравнивает с заранее созданной базой номеров на предмет совпадения. Либо просто ведет реестр распознанных номеров с возможностью дальнейшего поиска по нему. Можно с уверенностью сказать, что данная технология эффективно применяется на реальных объектах и давно известна на рынке. Вариантов реализации и алгоритмов работы систем с применением распознавания номеров множество. Оборудуют парковки, скоростные трассы, используют на въездах на территорию складов, дачных поселков и т.д. А также для контроля доступа на территорию или фиксации проезжающих автомобилей.
Какая экономическая выгода может быть от использования подобной системы?
Давайте представим такую ситуацию. Есть производственная территория, въезд на которую ограничен или платный. Когда контроль осуществляется оператором, всегда существует вероятность, что с ним можно будет договориться и за вознаграждение попасть на территорию. Человеческий фактор, несомненно, имеет место. Установка системы распознавания номеров и реализация автоматического контроля проезда позволяет исключить такие случаи. Тем самым заказчик будет уверен в контроле, а прибыль останется в его кармане.
При реализации подобных систем стоит отметить, что качество распознавания зависит от того, как установлена камера, какая это камера и какого разрешения. Нужно понимать, что обзорная камера эту задачу, скорее всего не решит. Понадобится дополнительная камера, специальным образом настроенная для этой задачи. При условии грамотной установки и настройки камеры можно добиться 95% распознавания. Но 100% вы никогда не достигнете. В некоторых случаях это критично, и для этого применяются специальные программные алгоритмы.