En el ámbito de la información basada en datos, FootfallCam recopila constantemente comentarios del mercado, arrojando luz sobre áreas críticas de mejora para mejoras incrementales del producto.
Desafios: Reubicación del dispositivo sin actualizaciones de configuración, ajustes de posición del contador, obstrucciones superiores, perturbaciones de ruido durante períodos operativos y no operativos y factores ambientales desafiantes.
Reconociendo la importancia del aprendizaje ambiental inteligente impulsado por IA, abordamos estos problemas para mejorar la precisión y el rendimiento.
1.1 Detección automática de horas de funcionamiento
Con base en las condiciones detectadas a continuación, cada dispositivo aprende de las tendencias históricas utilizando Machine Learning (Random Forest); Puede determinar con precisión la hora exacta de apertura y cierre (resolución de minutos) de cada día.
(i) Patrón de tráfico
(ii) Condiciones de iluminación
(iii) Estado de la puerta de la persiana (si corresponde)
1.1.1 Iluminación de tienda encendida/apagada
Detección de cambios de iluminación ambiental.
1.1.2 Puerta de persiana abierta/cerrada
Alerta automática si la entrada se detecta tan cerca
1.2 Alerta de bloqueo aéreo
Utilizando imágenes en 3D, si hay una decoración en el techo que se cree que ha bloqueado los senderos, se enviará una alerta para solicitar más ayuda.
1.2.1 Detecciones de bloqueos aéreos
Decoraciones festivas que bloquean parcialmente la vista en vivo del mostrador.
1.3 Alerta de cambios en el camino a pie
Cuando se detectaran objetos "adicionales" en los senderos Y se detectara un patrón de tráfico anormal, el dispositivo enviaría una alerta para solicitar más ayuda.
1.3.1 Cambio de Mobiliario de Tienda
(i) Cambio de exhibición del producto
(ii) Agregar o quitar muebles en el frente de la tienda
1.4 Exclusión de personal y guardias
Contando el número de clientes, no el de personal. Esto es particularmente importante para las tiendas de lujo donde el tráfico es bajo.
1.4.1 Métodos 5x de exclusión del personal
(i) Exclusión de línea/zona de conteo
(ii) Exclusión del tiempo de permanencia
(iii) Botón de exclusión de muro
(iv) Etiqueta de personal de IA
(v) Etiqueta de tela discreta
1.4.2 Exclusión de guardia
Basado en el patrón del sendero para caminar "flotante"; El algoritmo de IA clasificaría a la persona como 'Guardia'.
1.5 Detección de cambio de posición del dispositivo
Cada dispositivo aprende continuamente sobre su entorno. Si hay un cambio global del entorno, se enviará una alerta de "Posición de cambio de dispositivo".
1.5.1 Dispositivo consciente de su entorno:
(i) La vista en vivo del mostrador muestra un entorno de entrada diferente
(ii) Podría haber invertido la dirección de entrada/salida
1.6 Detección de reubicación de dispositivos
Los clientes a menudo trasladaban los dispositivos a otros sitios sin actualizar el sistema. Provocó datos de conteo no válidos. El nuevo algoritmo de IA detectaría un cambio ambiental y enviaría una alerta para obtener más ayuda.
Antes de: El dispositivo está emparejado con SucursalID6213
Después: El dispositivo permanece con SucursalID6213, sin embargo hay un cambio abrupto de ambiente (detectado por FootfallCam AI)