Dans le domaine des informations basées sur les données, FootfallCam recueille régulièrement les commentaires du marché, mettant en lumière les domaines d'amélioration critiques pour des améliorations progressives des produits.
Défis: Déplacement de l'appareil sans mises à jour de la configuration, ajustements de la position du compteur, obstructions aériennes, perturbations sonores pendant les périodes opérationnelles et non opérationnelles et facteurs environnementaux difficiles.
Reconnaissant l’importance de l’apprentissage environnemental intelligent alimenté par l’IA, nous abordons ces problèmes pour améliorer la précision et les performances.
1.1 Détection automatique des heures de fonctionnement
Sur la base des conditions détectées ci-dessous, chaque appareil apprend des tendances historiques à l'aide de l'apprentissage automatique (Random Forest) ; peut déterminer avec précision l'heure exacte d'ouverture et de fermeture (résolution en minutes) de chaque jour
(i) Modèle de trafic
(ii) Conditions d'éclairage
(iii) État de la porte d'obturation (le cas échéant)
1.1.1 Allumer/éteindre l'éclairage du magasin
Détection des changements d’éclairage d’environnement
1.1.2 Ouverture/Fermeture de la porte du volet
Alerte automatique si l'entrée est détectée comme proche
1.2 Alerte de blocage aérien
Grâce à l'imagerie 3D, s'il y a une décoration aérienne qui aurait bloqué les sentiers piétonniers, une alerte serait envoyée pour obtenir une assistance supplémentaire.
1.2.1 Détections de blocages aériens
Décoration(s) festive(s) bloquant partiellement la vue en direct du comptoir
1.3 Alerte de changement de chemin de marche
Lorsque des objets « supplémentaires » étaient détectés dans les sentiers piétonniers ET qu'un modèle de circulation anormal était détecté, l'appareil enverrait une alerte pour obtenir une assistance supplémentaire.
1.3.1 Changement de mobilier du magasin
(i) Changement de présentation du produit
(ii) Ajouter / Supprimer des meubles à la devanture du magasin
1.4 Exclusion du personnel et des gardes
Compter le nombre de clients, pas le personnel. Ceci est particulièrement important pour les magasins de luxe où la fréquentation est faible.
1.4.1 5x Méthodes d'exclusion du personnel
(i) Exclusion de ligne/zone de comptage
(ii) Exclusion du temps de séjour
(iii) Bouton d'exclusion de mur
(iv) Étiquette du personnel de l'IA
(v) Étiquette en tissu discrète
1.4.2 Exclusion de garde
Basé sur le modèle de sentier pédestre « en vol stationnaire » ; L'algorithme de l'IA classerait la personne comme « Garde ».
1.5 Détection de changement de position de l'appareil
Chaque appareil apprend continuellement à connaître son environnement. S'il y a un décalage global de l'environnement, une alerte « Device Change Position » sera envoyée.
1.5.1 Appareil conscient de son environnement :
(i) La vue en direct du compteur montre un environnement d'entrée différent
(ii) Peut-être avoir inversé le sens d'entrée/sortie
1.6 Détection de relocalisation de périphérique
Les clients déplaçaient souvent les appareils vers d'autres sites sans mettre à jour le système. Cela provoquait des données de comptage invalides. Le nouvel algorithme d'IA détecterait un changement d'environnement et enverrait une alerte pour obtenir une assistance supplémentaire.
Avant: L'appareil est associé à ID de succursale6213
Après: L'appareil reste avec ID de succursale6213, cependant il y a un changement brusque d'environnement (détecté par FootfallCam AI)
