Im Bereich datengesteuerter Erkenntnisse sammelt FootfallCam kontinuierlich Marktfeedback und beleuchtet kritische Verbesserungsbereiche für inkrementelle Produktverbesserungen.
Herausforderungen: Geräteverlagerung ohne Konfigurationsaktualisierungen, Anpassungen der Zählerposition, Hindernisse über Kopf, Lärmbelästigungen während Betriebs- und Nichtbetriebszeiten und anspruchsvolle Umgebungsfaktoren.
Wir sind uns der Bedeutung des durch KI unterstützten intelligenten Umweltlernens bewusst und gehen diese Probleme an, um Genauigkeit und Leistung zu verbessern.
1.1 Automatische Betriebsstundenerkennung
Basierend auf den unten erkannten Bedingungen lernt jedes Gerät mithilfe von maschinellem Lernen (Random Forest) aus historischen Trends. kann die genaue Öffnungs- und Schließzeit (Minutenauflösung) jedes Tages genau bestimmen
(i) Verkehrsmuster
(ii) Lichtverhältnisse
(iii) Status der Rollladentür (falls vorhanden)
1.1.1 Ladenbeleuchtung ein-/ausschalten
Erkennung von Änderungen der Umgebungsbeleuchtung
1.1.2 Rollladentür öffnen/schließen
Automatischer Alarm, wenn der Eingang als nah erkannt wird
1.2 Überkopf-Blockierungsalarm
Wenn mithilfe der 3D-Bildgebung angenommen wird, dass eine Deckendekoration die Gehwege blockiert, wird eine Warnung gesendet, um weitere Hilfe anzufordern.
1.2.1 Erkennung von Überkopfblockaden
Festliche Dekoration(en) blockieren teilweise die Live-Ansicht der Theke
1.3 Warnung zu Gehwegänderungen
Wenn „zusätzliche“ Objekte auf den Gehwegen erkannt werden UND ein ungewöhnliches Verkehrsmuster erkannt wird, sendet das Gerät eine Warnung mit der Bitte um weitere Hilfe.
1.3.1 Wechsel der Ladenmöbel
(i) Änderung der Produktanzeige
(ii) Möbel an der Ladenfront hinzufügen/entfernen
1.4 Ausschluss von Personal und Wachpersonal
Man zählt die Anzahl der Kunden, nicht das Personal. Dies ist besonders wichtig für Luxusgeschäfte mit geringer Kundenfrequenz.
1.4.1 5x Methoden des Personalausschlusses
(i) Zähllinien-/Zonenausschluss
(ii) Ausschluss der Verweildauer
(iii) Schaltfläche „Wandausschluss“.
(iv) AI-Mitarbeiter-Tag
(v) Diskreter Stoffanhänger
1.4.2 Ausschluss von Wachen
Basierend auf dem „schwebenden“ Gehwegmuster; Der KI-Algorithmus würde die Person als „Wächter“ klassifizieren.
1.5 Änderung der Gerätepositionserkennung
Jedes Gerät lernt kontinuierlich etwas über seine Umgebung. Wenn es zu einer globalen Verschiebung der Umgebung kommt, wird eine „Device Change Position“-Warnung gesendet.
1.5.1 Gerät erkennt seine Umgebung:
(i) Die Live-Ansicht des Schalters zeigt eine andere Eingangsumgebung
(ii) Möglicherweise hat sich die Ein-/Aus-Richtung umgekehrt
1.6 Erkennung von Geräteverlagerungen
Kunden verlegten die Geräte häufig an einen anderen Standort, ohne das System zu aktualisieren. Dies führte zu ungültigen Zähldaten. Der neue KI-Algorithmus würde eine Umgebungsveränderung erkennen und eine Warnung zur weiteren Unterstützung senden.
Vor: Gerät ist gekoppelt mit Filial-ID6213
Nach: Gerät bleibt dabei Filial-ID6213Es kommt jedoch zu einer abrupten Änderung der Umgebung (erkannt von FootfallCam AI)
