大家好，我是黃雅，今天我要分享的主題為《基于ReID的顧客熱區(qū)分析及線下商超應(yīng)用》，我們會(huì)分為4個(gè)部分：

1、零售行業(yè)的變化帶來的機(jī)遇與挑戰(zhàn)

2、圖普ReID技術(shù)的實(shí)踐演化之路

3、REID技術(shù)實(shí)現(xiàn)顧客熱區(qū)的難點(diǎn)及解決思路

4、如何利用顧客熱區(qū)優(yōu)化線下商超運(yùn)營

自2016年底計(jì)算機(jī)視覺進(jìn)入到零售領(lǐng)域，我們發(fā)現(xiàn)線下零售行業(yè)具備大體量的門店和海量的攝像頭，因此產(chǎn)生大量數(shù)據(jù)，這是一個(gè)堪比公共安防的傳統(tǒng)存量市場(chǎng)。這些存量市場(chǎng)具有被人工智能開發(fā)的巨大的潛力，同時(shí)人工智能也會(huì)擴(kuò)展零售行業(yè)里面很多新的場(chǎng)景。傳統(tǒng)零售經(jīng)過了三個(gè)時(shí)代，由基于場(chǎng)地、基于粗放式運(yùn)營、基于各種各樣品牌的亂戰(zhàn)階段，逐漸走向品牌的精細(xì)化，線下精細(xì)化運(yùn)營的階段。我們認(rèn)為這是一個(gè)很好的切入時(shí)機(jī)，投入到零售場(chǎng)景去做更多的服務(wù)。

從頂層來講，新零售以人為核心，通過一些數(shù)字化技術(shù)重構(gòu)人、貨、場(chǎng)。這三要素以客戶體驗(yàn)的升級(jí)為向?qū)В跀?shù)據(jù)實(shí)現(xiàn)精細(xì)化運(yùn)營，最后把銷售做得更好?；谙嚓P(guān)技術(shù)，能夠做出很多類似于老客戶提醒、客流統(tǒng)計(jì)、客戶畫像、店內(nèi)互動(dòng)、商品的轉(zhuǎn)化率分析、商品陳列和品類組合、庫存的優(yōu)化、熱力圖分析、顧客的行為分析以及顧客軌跡追蹤等，產(chǎn)生出一系列的賦能效果。看到上圖右上角是在客戶場(chǎng)景里做的一個(gè)真實(shí)的顧客追蹤與軌跡分析的例子，接下來是基于人、貨、場(chǎng)的賦能技術(shù)，對(duì)存量的門店進(jìn)行劃分，給出很多合理化的建議，這都對(duì)傳統(tǒng)零售有很大的幫助。

在一個(gè)具體的分析場(chǎng)景里，把顧客從過店，到進(jìn)店瀏覽商品，到上手試穿產(chǎn)生購買意愿，以及離店整個(gè)行為，通過數(shù)字化技術(shù)串聯(lián)起來。在這樣的整體體驗(yàn)和轉(zhuǎn)換漏斗里，每個(gè)節(jié)點(diǎn)都可以精細(xì)化的分析顧客行為與意愿，推出相應(yīng)的改造和優(yōu)化，達(dá)到提升整個(gè)零售業(yè)績的目的。這里面包括了一系列的定制化服務(wù)體驗(yàn)的提升、商品的品類組合和柔性的供應(yīng)鏈、運(yùn)營分析的提效以及數(shù)據(jù)資產(chǎn)的相關(guān)沉淀。

顧客熱力技術(shù)是基于區(qū)域績效和員工績效的場(chǎng)的分析，在區(qū)域分析里面它的本質(zhì)是場(chǎng)的價(jià)值，上面疊加商品和陳列的價(jià)值，在疊加流量的價(jià)值，讓三個(gè)層面的價(jià)值最大化，這樣可以讓銷售達(dá)到最高的情況，比如不同區(qū)域里的流量轉(zhuǎn)換的價(jià)值是完全不同的，但在真實(shí)情況下，往往場(chǎng)、商品和流量的價(jià)值是沒有辦法洞察和完全匹配的，所以基于區(qū)域分析的技術(shù)，實(shí)際本質(zhì)希望通過這些數(shù)據(jù)的洞察，給零售商、品牌商一個(gè)很高頻化的能力，讓三個(gè)維度的價(jià)值都能夠最大化的疊加在一起。簡單說就是最好的位置，放最好的商品，用最好的陳列吸引最好的流量，達(dá)到最高的銷售額。

首先主要從兩個(gè)方面開展，第一個(gè)是ReID，它是為每個(gè)檢測(cè)到的行人分配正確的ID，我們?cè)贛arket1501測(cè)試集上已經(jīng)取得了非常好的成績，業(yè)界平均水平在92%左右，我們?nèi)〉昧?7.5%/96%（Rank-1/mAP）的成績。第二個(gè)是基于行人重識(shí)別技術(shù)做的行人追蹤，不僅了包括單攝像頭的追蹤，也有多攝像頭的追蹤，在跨越不同攝像頭之間的追蹤跟識(shí)別，也取得了較好的成績。

行人重識(shí)別的流程可以拆分為三部分，第一階段是本地化檢測(cè)，包括行人檢測(cè)、姿態(tài)預(yù)測(cè)；第二階段是識(shí)別，行人的ID識(shí)別，根據(jù)特征做屬性的識(shí)別和聚類；第三階段是不同ID之間的追蹤。行人重識(shí)別簡單來說是一個(gè)搜索問題，它是在一個(gè)很大的行人特征庫里面去查詢一個(gè)感興趣的人，把它聚到一起。檢測(cè)系統(tǒng)是用深度學(xué)習(xí)技術(shù)去抽取檢測(cè)到的行人，然后把人的特征抽取出來，進(jìn)行相似度比較，最后判斷這一系列的特征是否為同一個(gè)人。

基于前面的行人檢測(cè)與行人重識(shí)別技術(shù)，行人追蹤本身是一個(gè)關(guān)聯(lián)性的問題，把單一攝像頭下的不同幀和多攝像頭下的不同幀通過統(tǒng)一的ID關(guān)聯(lián)起來，在特征技術(shù)里面會(huì)投入兩個(gè)先驗(yàn)認(rèn)知去提升效能，一個(gè)是我們預(yù)期大部分人行走速度不會(huì)很快，那在兩個(gè)相鄰的正中間，檢測(cè)框在物理位置上會(huì)比較接近，這是一種空間的近似。第二個(gè)是行人在運(yùn)行中不太可能頻繁的改變方向，所以我們可以做用線性的運(yùn)動(dòng)模型，比如用卡爾曼濾波去模擬一個(gè)人的活動(dòng)、動(dòng)作預(yù)測(cè)，這在一個(gè)人被遮擋時(shí)非常有用。

除了之前的行人檢測(cè)、行人重識(shí)別、行人追蹤之外，也會(huì)針對(duì)人身體的關(guān)鍵幀進(jìn)行姿態(tài)層面的識(shí)別。因?yàn)橛辛岁P(guān)鍵幀，即使沒有臉部特征，也可以知道人的眼睛、肩膀、腰、手臂的大致位置，以決定它的方向和朝向性信息。那具備這樣的超長信息之后，很多時(shí)候是可以預(yù)判兩個(gè)人的某個(gè)部位之間的相關(guān)距離，這些相關(guān)距離對(duì)于雙方的關(guān)系的判斷，或者某些物體拿起的判斷會(huì)有很大的幫助。

行人重識(shí)別也就是跨攝像頭追蹤，同一個(gè)人從進(jìn)店到各個(gè)位置，然后被遮擋，它整條路徑都被追蹤起來，之后給它一個(gè)統(tǒng)一的ID，其實(shí)通過行人特征進(jìn)行停留時(shí)長的預(yù)判，才是零售場(chǎng)景里面顧客停留時(shí)長判斷的正確方式，而不是用人臉，因?yàn)槿四様z像頭在布置時(shí)很難達(dá)到客戶移動(dòng)到哪個(gè)位置都有相應(yīng)的覆蓋，所以用人臉計(jì)算在購物的某個(gè)階段里的時(shí)長是不夠準(zhǔn)確的。

模型的應(yīng)用還包括戶外選址，使用追蹤來獲得行人的軌跡，然后應(yīng)用進(jìn)一步的分析性別、年齡等。ReID最常規(guī)的應(yīng)用是熱力圖技術(shù)，通過追蹤熱力特征把顧客、店員區(qū)分出來，然后在場(chǎng)地里面投影。我們針對(duì)于行人身份的風(fēng)格，實(shí)際上可以組合多種技術(shù)，包括識(shí)別追蹤以及區(qū)分導(dǎo)購和顧客。根據(jù)姿態(tài)識(shí)別和朝向，決定身體特征相關(guān)的位置和距離，同時(shí)基于人臉攝像頭，比如收銀臺(tái)上或柜臺(tái)上人臉攝像頭的抓拍，將這三者進(jìn)行關(guān)聯(lián)，實(shí)際上可以比較精準(zhǔn)的分析出導(dǎo)購在崗、離崗的時(shí)間，以及服務(wù)的深度，包括服務(wù)的時(shí)長、服務(wù)的質(zhì)量，這些都可以通過導(dǎo)購與顧客之間的交互時(shí)間、關(guān)鍵位置的距離的遠(yuǎn)近來做初步預(yù)判，而且能達(dá)到較好的準(zhǔn)確度。

前面都是行人技術(shù)的直接應(yīng)用，下面是行人技術(shù)去輔助做人臉識(shí)別，大家知道因?yàn)楣庹照趽鹾徒嵌鹊那闆r，會(huì)有一些人臉沒辦法被算法進(jìn)行聚類，這些人如果丟失掉，會(huì)影響整體客流量的精準(zhǔn)統(tǒng)計(jì)，所以會(huì)引入Video-Face技術(shù)，通過半生的身體特征去追蹤聚類，把那些人臉信息沒法識(shí)別的客戶也精準(zhǔn)識(shí)別出來，這些客戶和人臉識(shí)別出來的客戶進(jìn)行并集，實(shí)現(xiàn)店內(nèi)的完整的數(shù)據(jù)。

前面介紹了大致的時(shí)間路徑，這里面有很多相關(guān)問題，第一個(gè)是遮擋和誤解；第二個(gè)是行人姿態(tài)的差異很大；第三個(gè)是一個(gè)極端照明條件下會(huì)影響模型的穩(wěn)健性。

第一個(gè)問題就是密集人群的遮擋，在大型商超里經(jīng)?？梢钥吹?，如上圖左邊所示是沃爾瑪，可以看到有大量的遮擋，包括人跟人之間的遮擋，人和物之間的遮擋。右邊幾個(gè)女孩子在一起去拍照，中間女孩子把她的手從左邊一個(gè)女孩子那邊伸出，實(shí)際上在傳統(tǒng)的處理檢測(cè)時(shí)，如果標(biāo)注中間那個(gè)女孩子，會(huì)引入到大量的左邊黑人女孩的特征，會(huì)影響程序本身的健康性，所以對(duì)這類型方法的解決方案，首先約定一些標(biāo)注技術(shù)，比如我們通過紅框標(biāo)出核心的特征點(diǎn)，丟棄其他部分，同時(shí)也會(huì)通過檢測(cè)模型、人工標(biāo)注的迭代交互，不斷提高模型的承載能力。

第二個(gè)問題是多角度，左圖的上面一部分是人工標(biāo)注測(cè)試集，在這里面是有標(biāo)注錯(cuò)誤的，很多的衣服上的顏色圖案不一樣，明顯是兩個(gè)人。但因?yàn)樘貏e像，所以把它合并到一起。下面是公開數(shù)據(jù)集里面的一些錯(cuò)誤，也看到其實(shí)是兩個(gè)人，這里面有很多問題，一個(gè)是細(xì)粒度識(shí)別問題，就是兩個(gè)形態(tài)很相似的人可能是因?yàn)樯砩弦路?，比如白色T恤衫只有圖案上的差異，或者鞋子上面有沒有蝴蝶結(jié)之類；第二個(gè)是最常見的光線問題，在不同的室內(nèi)、室外，不同的光線下造成的差異；第三個(gè)問題是遮擋，遮擋是無時(shí)無刻不在發(fā)生的；第四個(gè)問題是圖像大小調(diào)整后的尺寸變化。

上圖左邊是多角度與圖片拉伸的問題，這個(gè)人在同一個(gè)場(chǎng)景，同一個(gè)攝像頭，在同一個(gè)時(shí)間上面，因?yàn)閿z像頭不是垂直向下的，它是有一個(gè)斜角。在這個(gè)環(huán)境下，即使同一個(gè)人在相同的時(shí)間里，角度變化會(huì)造成檢測(cè)框的長、寬會(huì)有巨大的差異，需要用一些規(guī)劃技術(shù)把它拉到同樣的長框里面去處理，這樣就給算法帶來很大的挑戰(zhàn)。中間是行人特征的細(xì)微變化，看到左邊的女生扎了頭發(fā)，戴著眼鏡，之后散著頭發(fā)，沒帶眼鏡，其實(shí)是她們是一個(gè)人，但是這種差異也會(huì)對(duì)模型造成困擾。最右邊是不同的人，他們的衣服顏色、穿著都是極度相似的，那怎么去處理？對(duì)于這些問題，首先是不斷去堆積數(shù)據(jù)提升程序的魯棒性。接下來通過一些綜合因素，比如朝向分析、關(guān)鍵點(diǎn)，細(xì)粒度分類的方法來提升模型的處理能力。

下面是行人重識(shí)別常用的優(yōu)化方法，首先是數(shù)據(jù)準(zhǔn)備，在人工標(biāo)注下不斷的優(yōu)化、清洗數(shù)據(jù)的質(zhì)量。

第二是會(huì)通過數(shù)據(jù)增強(qiáng)技術(shù)，比如說排重、增加隨機(jī)的高斯模糊、擦除、背景分割與替換，以防止某些干擾性因素造成模型過擬合。

第三是用ResNet做全局特征提取，把特征分給不同的層，然后去進(jìn)行聚合。

第四是成本優(yōu)化，比如模型蒸餾的方法，因?yàn)槲覀儠?huì)運(yùn)行一些輕量級(jí)的網(wǎng)絡(luò)，但輕量級(jí)網(wǎng)絡(luò)的性能不夠強(qiáng)，需要通過一個(gè)重量級(jí)的網(wǎng)絡(luò)不斷進(jìn)行迭代訓(xùn)練，來提升整體的效能。

因?yàn)槌槿×松眢w特征，理論上是可以分析顧客的屬性，基于ReID技術(shù)，可以做年齡、性別識(shí)別，還包括朝向、包包、鞋子，帽子的一系列分析。相較于人臉識(shí)別，存在很大的困難，首先以中性著裝識(shí)別難度大；第二是包包的遮擋，顏色的相似，很難分辨它與衣服上圖案的差別；第三個(gè)是年齡，年齡最大問題是在零售場(chǎng)景里面，數(shù)據(jù)是有聚合效應(yīng)的，幼齡段和老年段的數(shù)據(jù)是明顯不足的，很容易造成模型的過擬合的問題。同時(shí)，出于成本層面考慮，在訓(xùn)練時(shí)是通過一個(gè)訓(xùn)練模型去提取不同的特征，不同特征的訓(xùn)練，梯度的深度在不同時(shí)間是不一樣，這會(huì)造成模型會(huì)對(duì)某類型的屬性分析的特別到位，但是對(duì)于其他特征效果會(huì)比較差。

上圖所示看下具體的案例，首先左邊是特征不明顯，女性化的男人，男性化的女人，女人穿的像女漢子一樣很中性化。右邊是奇怪的背包造型，有些放在后面被遮擋的很厲害，有些造型跟傳統(tǒng)的包看上去是不太一樣，還有一些跟衣服的顏色非常相似，對(duì)于這種情況，除了提升模型本身能力之外，更多的是有一個(gè)比較好的運(yùn)營團(tuán)隊(duì)，他們會(huì)持續(xù)的在真實(shí)的客戶應(yīng)用場(chǎng)景里面觀察跟實(shí)踐，發(fā)現(xiàn)很多的誤判，然后把它們?nèi)ニ鸭鰜恚笾匦碌挠?xùn)練，不停的重復(fù)這個(gè)過程。針對(duì)屬性層面，還會(huì)用到注意力機(jī)制，我們會(huì)要求模型去關(guān)注，比如背包在人身體的中部或背部的位置，在訓(xùn)練時(shí)，模型會(huì)根據(jù)調(diào)參自動(dòng)化的聚焦在某個(gè)點(diǎn)上，這樣也可以顯著的提升模型對(duì)于某些特定的屬性的識(shí)別能力。

接著為年齡問題，行人重識(shí)別的特征里最核心的除了性別之外就是年齡，因?yàn)橹袊牧闶垡呀?jīng)發(fā)展到品牌精準(zhǔn)匹配年齡的階段，甚至很多頭部的零售企業(yè)已經(jīng)能做到在不同的店型中，甚至在不同店的區(qū)域里都匹配不同的年齡。

我們可以看下左邊的圖是一個(gè)3C店里面，他的年齡是集中在20~40歲之間，他是比較聚焦的，在低齡段里面是基本上沒有的。右邊這張圖是一個(gè)運(yùn)動(dòng)品牌，可以看到它是有點(diǎn)符合正態(tài)分布的，但是它的年齡段是偏年輕。

基于差異性，怎么樣在模型中讓它去很好的支撐，同時(shí)也面臨數(shù)據(jù)收集的問題，可以看到高齡段跟低齡段在所有的學(xué)界測(cè)試集或公開測(cè)試集里都很難找到，而且年齡有一個(gè)很嚴(yán)重的問題，就是它的人為因素太大，大家都知道人工智能是人工+智能，由人先通過標(biāo)注來教模型，讓模型知道這個(gè)人是多少歲，是什么顏值，他是誰？這樣有時(shí)不同人根據(jù)經(jīng)驗(yàn)判斷有不同的標(biāo)注，會(huì)顯著造成模型的過擬合的現(xiàn)象。解決方案就是在一個(gè)特定年齡段里，根據(jù)正態(tài)分布的情況，給不同年齡段去釋放一個(gè)概率，假設(shè)在21~25歲的年齡段里面標(biāo)注這個(gè)人，我們會(huì)根據(jù)正態(tài)分布在先給出一個(gè)概率，可能他是5歲的概率很低，他可能是在22歲或30歲這個(gè)年齡段里概率高些，這樣我們會(huì)在里面增加一個(gè)人為的影響因素去訓(xùn)練它。

實(shí)際上并不是讓所有的品牌、門店、客戶都用一個(gè)模型，我們可以組合不同模型，比如運(yùn)動(dòng)品牌偏年輕，它的模型對(duì)于年輕的準(zhǔn)確度就會(huì)更好一點(diǎn)，或者還有一部分是壯年類的產(chǎn)品為核心，那么我們會(huì)把這部分的模型換上去，這個(gè)過程是動(dòng)態(tài)可以設(shè)置的。

下面是梯度歸一化，基于前面提到在一個(gè)訓(xùn)練中有很多不同的屬性特征，包括性別、年齡及身上的標(biāo)識(shí)特征，那每個(gè)任務(wù)訓(xùn)練時(shí)，它的訓(xùn)練速率和權(quán)重都會(huì)不同，造成模型會(huì)出現(xiàn)過擬合的情況。我們的解決方案是通過初始參數(shù)去調(diào)整下降速度，讓同一個(gè)訓(xùn)練中的每個(gè)屬性按照自己的需要去投入更多的訓(xùn)練主導(dǎo)，這種解決方案既能節(jié)省成本，又不會(huì)造成一個(gè)特性很strong，其他屬性很weak的情況。

上圖是行人追蹤的一些問題，它主體是一個(gè)遮擋的問題，看下左邊有很多種遮擋，遮擋首先關(guān)系不同，有人和人之間的遮擋，人和物體之間的遮擋，還有可能是同一個(gè)攝像頭在人的移動(dòng)的不同視角下的變化，這導(dǎo)致了檢測(cè)的突變及漏框。我們回顧下整個(gè)過程是先要檢測(cè)出人，再給每個(gè)人分一個(gè)ID，然后把相似的ID全部都關(guān)聯(lián)在一起，整個(gè)流程再把這些ID的特征抽取出來，識(shí)別出一些屬性。在這個(gè)過程中，檢測(cè)對(duì)于物體的誤判是比較好解決的。解決方案是通過標(biāo)注失敗案例，對(duì)模型進(jìn)行增強(qiáng)的重復(fù)訓(xùn)練。對(duì)于說其他問題，首先還是會(huì)用這些數(shù)據(jù)增加模型的魯棒性，所以數(shù)據(jù)是非常重要的。第二會(huì)通過時(shí)間和空間的關(guān)系去預(yù)測(cè)，因?yàn)槿烁矬w的遮擋是一個(gè)固定的，但如果說能夠知道多個(gè)人在一起，就能判斷遮擋是人或物體，甚至如果知道它的朝向信息，可以在這里面去疊加很多的時(shí)間、空間算法去解決相互關(guān)系的問題，即使模型本身不夠強(qiáng)大去判斷這個(gè)人，也可以通過這種增補(bǔ)的方法，把整個(gè)流程串聯(lián)起來。

上圖是行人追蹤的完整解決方案，左邊看到是一個(gè)容易場(chǎng)景，在容易場(chǎng)景里面可以把增率降的很低，即使如此也可以通過關(guān)鍵點(diǎn)、時(shí)空的疊加，把效果做到很好的狀態(tài)，這是一個(gè)成本考量。

右邊的話是一個(gè)真實(shí)場(chǎng)景，它是深圳羅湖口岸過境的畫面，過境時(shí)候人很多，遮擋很嚴(yán)重，穿行速度很快，對(duì)于情況沒有特別好的解決方案。首先，很好的模型是必須的，其次是把這個(gè)視頻流完整圖像都傳遞過來，通過大量的抽幀找到人物之間遮擋，把不好的圖片都給去掉，捕捉到一個(gè)非常好的姿態(tài)，然后對(duì)它進(jìn)行計(jì)算，同樣也要運(yùn)用到對(duì)于這個(gè)人的相關(guān)性，時(shí)空跟周邊人的關(guān)系的一些疊加算法，去最終反映出這個(gè)人的軌跡?；谶@幾個(gè)技術(shù)的疊加，最終看到的效果還是非常理想的。

我們都希望有一個(gè)通用的模型，在每個(gè)場(chǎng)景里都能很好的去解決問題。但事實(shí)上只能在一些特定的場(chǎng)景里，通過數(shù)據(jù)增強(qiáng)疊加和其他的算法方式去提升整體的效果，而在其他地方會(huì)表現(xiàn)得非常的普通。從這個(gè)角度上來看，這是現(xiàn)在人工智能領(lǐng)域的一些困境，我們只有聚焦才能在某些點(diǎn)上做的好，但我們很希望在未來能有更通用的模型去解決所遇到的各種問題。

下面是真實(shí)的一些應(yīng)用場(chǎng)景，第一個(gè)是熱力圖技術(shù)，在熱力圖技術(shù)里可以對(duì)人進(jìn)行排重，對(duì)人的方向性進(jìn)行圈定，同時(shí)可以劃分出這個(gè)人，所以我們的熱力圖是分層次的，它可以有多個(gè)維度，首先是基于人數(shù)的多少去分析，第二可以基于這個(gè)人的停留時(shí)長去分析，第三個(gè)會(huì)區(qū)分這個(gè)區(qū)域里面所有人的一個(gè)朝向。熱力圖中紅色的區(qū)域代表的密度高、數(shù)值大，綠色相對(duì)少一點(diǎn)，這個(gè)圖是針對(duì)局部場(chǎng)的來劃分的。很多時(shí)候會(huì)發(fā)現(xiàn)人數(shù)多，不代表這個(gè)地方關(guān)注的人會(huì)多，所以我們有三種不同的視圖方便零售商去切換，然后做出相應(yīng)的綜合性決策。

上圖是基于行人追蹤技術(shù)做的單店單攝像頭下的軌跡追蹤，可以看下地上有很多黃色的線，這些線是在一段時(shí)間內(nèi)整個(gè)場(chǎng)內(nèi)移動(dòng)的顧客，他排除了所有的干擾因素，包括方向性信息和他們最多走的一個(gè)路線，顏色的深淺決定了這個(gè)人數(shù)的多少，方向就是他們要走的路徑?；诼窂降姆治?，零售商可以很容易看出他的陳列和動(dòng)線設(shè)計(jì)，可以容易看出顧客實(shí)際上走的路線符不符合他的預(yù)期，可以輔助他們盡快對(duì)店內(nèi)進(jìn)行調(diào)整。

接著看下訪客分布和停留時(shí)長分布的差異，上圖是在真實(shí)超市里的不同的區(qū)域。首先，本質(zhì)上不同區(qū)域里的客戶密度會(huì)有差異，但停留時(shí)長可以看到左上角的圖，在L型的折疊區(qū)域里面人次最多的，它呈現(xiàn)出一個(gè)極大的熱力圖，但是在左邊右上的地方，基于時(shí)長來分析，那個(gè)區(qū)域并不是停留時(shí)間最長的，反而靠右邊一點(diǎn)的區(qū)域是更長的，這些細(xì)節(jié)的差異可以方便零售商去很精細(xì)化的調(diào)優(yōu)商品陳列、組合，改善相關(guān)的業(yè)績。

實(shí)際上在零售實(shí)踐里面，原有品類的位置輕微的陳列改變，都會(huì)對(duì)銷售額造成一個(gè)立竿見影的變化，更別說是針對(duì)到店的客群的畫像去做精細(xì)化匹配，這里面的想象空間是非常大的。我們可以簡單看下，前面的這種朝向熱力圖的上面這張圖是正常的，他的精品的客戶是有400多位，平均停留時(shí)長是在十幾秒鐘，男女比例明顯看到女性的比例會(huì)更高，因?yàn)槭莻€(gè)促銷區(qū)，女性肯定是更喜歡待在這個(gè)地方的，包括一系列的年齡分布。

但是下面還有一個(gè)聚焦模式，針對(duì)于大的區(qū)域可以象征到任何一個(gè)方格一個(gè)寬度里面有多少人，我們可以看到下面這張圖明顯只有兩個(gè)人，它平均停留時(shí)間會(huì)很長，它基本到了半分鐘，男女比例可能是趨于均衡，因?yàn)閿?shù)字非常的小，所以會(huì)呈現(xiàn)出一半的情況，但是基于聚焦模式的這種雙向切換的理解和調(diào)優(yōu)，就能達(dá)到一個(gè)非常精細(xì)的程度。

下面是場(chǎng)的效率和商品效率的一個(gè)匹配，在店里面有多條通道，有主有次，在不同的通道里面，可以看左邊這個(gè)圖，淺色的柱子是精品的客流，它是通過ReID去排除去計(jì)算的，可以明顯看到A通道是一個(gè)主通道，他直接對(duì)著門，所以它的人是最多的，看一下它的銷售情況，紅色的是銷售的絕對(duì)值數(shù)字，它也是最高的。

但我們發(fā)現(xiàn)對(duì)于客流的轉(zhuǎn)換上來講，它卻不是最高的，大概就是15個(gè)點(diǎn)左右，我們發(fā)現(xiàn)通道c通道的客流不是很多，甚至排在倒數(shù)，但是它的轉(zhuǎn)化率卻非常高，這個(gè)現(xiàn)象在零售門店里面是很普遍的。針對(duì)這個(gè)案例，我們做過研究，由于這個(gè)地方是商品的價(jià)值比較高，利潤各方面都很好，同時(shí)它有兩臺(tái)美容儀，基本上顧客到這個(gè)位置上經(jīng)過一個(gè)體驗(yàn)之后，對(duì)商品有一個(gè)更深刻的認(rèn)識(shí)，所以轉(zhuǎn)化率會(huì)偏高一點(diǎn)，基于這樣的情況，我們是否能夠做出相應(yīng)的調(diào)整來充分釋放這個(gè)位置或者說這種模式的商業(yè)價(jià)值。

現(xiàn)在有更多的零售會(huì)做很大的類型店，比如說運(yùn)動(dòng)品牌店、大型的超市、商業(yè)地產(chǎn)，它需要有多個(gè)攝像頭做分析，通過一種叫全服熱力圖的技術(shù)，把多個(gè)攝像頭下的行人數(shù)據(jù)、識(shí)別分析關(guān)聯(lián)起來，然后通過投影技術(shù)垂直地投放到整個(gè)的CAD圖上面，這樣無論是總部也好，還是督查也好，還是門店的運(yùn)營層也好，可以一瞬間看到客戶的客流在不同的時(shí)間段間整個(gè)場(chǎng)地的分布。

從上圖看到，全局里面人次和時(shí)間的分布，但這部分我們做行人識(shí)別是抽取了特征的，理論上還根據(jù)這個(gè)人，比如他的年齡、性別來看分布的情況，甚至可以用是不是帶背包、戴帽子這類的屬性特征去進(jìn)行篩選，這樣就可以很清晰的看到海量客戶在大廠內(nèi)的流量運(yùn)營的表現(xiàn)情況，這也是一個(gè)真實(shí)的數(shù)據(jù)。不同年齡段的客戶注意力是有很大的差異的，國內(nèi)也有很多的優(yōu)秀企業(yè)已經(jīng)把業(yè)務(wù)精細(xì)到在一個(gè)店里面不同區(qū)域，可以按照小時(shí)來調(diào)整它的一個(gè)陳列的商品組合。在這項(xiàng)技術(shù)普及之前，想做到這點(diǎn)是沒有辦法的，但這點(diǎn)又是零售走向就未來的一個(gè)很關(guān)鍵的是扶手。

另外一個(gè)應(yīng)用是選址戶外，傳統(tǒng)零售基本上認(rèn)為人多的地方人氣旺，東西就好賣。雖然到現(xiàn)在為止，電商也好，包括一些新品牌、新流量、新的場(chǎng)景，已經(jīng)大大削弱了選址對(duì)于傳統(tǒng)零售的價(jià)值，但這個(gè)仍然在他們的日常的工作里面占很大的比例。傳統(tǒng)選址對(duì)于精品門店的人流勘察是非常麻煩的，需要多個(gè)勘測(cè)員輪換，每天去那個(gè)地方去進(jìn)行計(jì)數(shù)。這個(gè)技術(shù)有幾個(gè)問題，首先工人不能離開，風(fēng)餐露宿，風(fēng)雨無阻；第二個(gè)是一個(gè)人在一段時(shí)間內(nèi)會(huì)陷入疲勞，需要不停的切換；第三個(gè)是人工成本會(huì)越來越高，所以基于行人重識(shí)別技術(shù)，也開發(fā)了相應(yīng)的硬件，可以懸掛在戶外，這些硬件有很好的生存能力，一段時(shí)間內(nèi)持續(xù)的進(jìn)行人群的追蹤，數(shù)字的技術(shù)以及畫像的分析，準(zhǔn)確度遠(yuǎn)遠(yuǎn)高于最好的勘察員的水平，所以現(xiàn)在有很多零售客戶已經(jīng)開始考慮完全用機(jī)器+行人重識(shí)別技術(shù)去完成選址的作用，這會(huì)是大大釋放社會(huì)的勞動(dòng)力。

下面是選址的一個(gè)真實(shí)應(yīng)用場(chǎng)景，我們上圖的左下角，周邊經(jīng)停了很多人全部都被精準(zhǔn)的抓取識(shí)別出來，不眠不休，不分白天黑夜，然后完成這樣一個(gè)工作，以前這些工作全部是由人完成的，而且現(xiàn)在還會(huì)有很多人在做這樣的工作，來幫助推動(dòng)占GDP將近百分之四五十的零售行業(yè)。

把人臉技術(shù)與姿態(tài)技術(shù)相關(guān)聯(lián)，用來分析員工在崗、離崗、接待效率，這在實(shí)際場(chǎng)景中效果也非常好。最后是我們實(shí)踐的頭部客戶，有OPPO手機(jī)、名創(chuàng)優(yōu)品、有贊、愛回收，還有一些優(yōu)秀的運(yùn)動(dòng)品牌像李寧，還有像天虹這樣的一些集團(tuán)，可以說現(xiàn)在的行人重識(shí)別技術(shù)相較于人臉識(shí)別技術(shù)在零售的成熟度還是偏低的，所以，許多頭部客戶愿意嘗試，愿意去用我們的技術(shù)，我們才能夠不斷的優(yōu)化、迭代。