Módulos de contagem

1.1 Contagem de passos

Diferentes algoritmos de contagem são usados ​​em diferentes circunstâncias. Os tipos e diferenças dos vários algoritmos usados ​​pelo FootfallCam são indicados nas seções a seguir.

1.1.1 Algoritmo 3D Padrão

Em circunstâncias normais, FootfallCamTM usa um algoritmo 3D padrão para contar em seu nível ideal. A altura ideal para FootfallCamTM é de 2.5m a 4.5m.

Algoritmo 3D padrão funciona por:

  • Diferenciando entre a ponta da cabeça e do ombro humano, formando uma bolha 3D e uma linha de trilha que rastreia seu movimento.
  • Isso excluirá uma pessoa que faz meia-volta e não entrou na loja de ser contada usando uma zona de início e fim.
  • Ele vai diferenciar crianças, adultos e objetos inanimados por meio da detecção de altura e formar um mapa de profundidade.
  • Pode funcionar bem em casos de tráfego intenso, uma vez que o ponto de bolha e cabeça estarão limpos.
  • Pode aplicar uma linha de exclusão em uma parte específica da linha de rastreamento que é freqüentemente usada por equipes para evitar a contagem de equipes.
Visualização ao vivo padrão A inversão de marcha não é contada
Crianças não são contadas Pessoas com carrinho são contadas como um

 

1.1.2 Algoritmo de Contagem de Área

O algoritmo de contagem de área funciona usando a tecnologia de rastreamento 3D Blob para rastrear cada pessoa em uma área para oferecer suporte a contagem múltipla quando mais de uma pessoa entra na zona. Também evita a contagem excessiva de um indivíduo. O algoritmo rastreia automaticamente a duração (ajustável) que uma pessoa entra na zona e uma vez que a pessoa exceda o limite de duração, a pessoa será considerada como dentro, se a pessoa sair da zona, será considerada como fora.

Ficar por um certo período Contagem múltipla em uma área
Padrão Aleatório em Movimento Sem entrada específica

A contagem de área é mais adequada para

  • Lojas sem entradas específicas. Isso significa que qualquer visitante pode entrar e sair de qualquer direção da loja.
  • Lojas onde o visitante andaria em um padrão aleatório em vez de apenas entrar e sair. Isso geralmente é causado pelos displays de estoque próximos à área de contagem, fazendo com que os visitantes interajam com os displays.
  • A área de rastreamento é muito limitada e não tem distância de caminhada suficiente para que o algoritmo de contagem 3D padrão funcione bem.

Limitação de contagem de área

  • A linha de exclusão não é aplicável, pois não usa linha de contagem.

 

Coleção de dados 1.1.3

Para o algoritmo 3D padrão, uma vez que um visitante entra e sai da zona de rastreamento de um dispositivo enquanto aciona a linha de entrada e saída no meio, a contagem é acionada Quanto à contagem de área, uma vez que um visitante tenha permanecido na zona de rastreamento de um dispositivo por mais tempo do que o limite definido, a contagem será acionada.

Os dados serão salvos da seguinte forma:

Serial do Dispositivo Timestamp ID da linha
00000000xxxxxxxxx 12/2/2017 1:00pm 1
00000000xxxxxxxxx 12/2/2017 1:03pm 1
00000000xxxxxxxxx 12/2/2017 2:09pm 2

A série do dispositivo indica de qual dispositivo são os dados, o carimbo de data / hora indica quando um visitante está sendo contado e o ID da linha indica qual linha foi acionada pelo visitante correspondente.

1.1.4 Processo de Upload de Dados

Os dados coletados por cada dispositivo são carregados no servidor em um intervalo de 15 minutos, que será apagado após 7 dias. No entanto, o processo de envio de dados depende muito da conexão do site com a Internet. Se a velocidade for lenta, a velocidade de upload de dados também será reduzida, o que afetará ainda mais a exibição de dados nos relatórios.

Uma vez que os dados tenham sido carregados para o servidor, eles serão posteriormente agregados em horários e diários dependendo da necessidade do relatório de uma área ou site específico. Os dados agregados não serão excluídos até que o dispositivo seja desalocado de seu site.

1.1.5 Conversão de Vendas

A conversão de vendas é uma simples questão de dividir o número de transações que são feitas em um período de tempo pelo visitante da loja nesse mesmo período de tempo. Esse resultado permite que o gerente tenha uma visão mais profunda do desempenho da loja. Por exemplo, uma movimentação elevada significa que a loja está atraindo muitos clientes do tráfego externo, mas uma taxa de conversão baixa indicará que ela não está maximizando as oportunidades de vendas.

Note

Para obter o relatório de conversão de vendas e os dados, o varejista precisa importar ou integrar os dados de vendas de seu sistema EPoS ao servidor.

1.1.6 Códigos de Métricas

As principais métricas usadas para contagem de passos serão:

  • PFC01 - Contagem de Footfall IN
  • PFC02 - Contagem de Footfall OUT
  • SFC03 - Discrepância IN OUT
  • PFC07 - Contagem total de transações
  • PFC08 - Volume Total de Vendas
  • SFC09 - Contagem de visitantes para conversão de vendas
Note

 Para obter mais informações sobre o código de métricas, consulte Apêndice B - Documentação de Métricas.

1.2 Análise de Wi-Fi

Além da contagem que é acionada pelo algoritmo de rastreamento, há também uma contagem que pode ser acionada por sinais wi-fi.

1.2.1 Cobertura de Dados

O módulo Wi-Fi no Footfall Counter funciona como qualquer outro dispositivo habilitado para Wi-Fi, pois pode captar o sinal de outro dispositivo habilitado para Wi-Fi nas proximidades. O módulo Wi-Fi pode coletar os sinais Wi-Fi emitidos pelos dispositivos habilitados para Wi-Fi em um raio de 100m. No entanto, o alcance real de trabalho pode ser reduzido devido à configuração das paredes internas das lojas.

Note

Os usuários que desejam ajustar o limite da contagem de Wifi podem solicitar que o pessoal do FootfallCam o ajuste diretamente.

Os smartphones que não têm seus recursos Wi-Fi desativados estão conectados a um ponto de acesso Wi-Fi ou procurando um para se conectar. Para fazer isso, eles emitem mensagens Wi-Fi - se conectados, transmitem mensagens de dados e, em caso de pesquisa, sondam mensagens que sinalizam para um ponto de acesso responder. A frequência desses sinais varia, dependendo do fornecedor do smartphone e do status do dispositivo, mas, em geral, eles têm em média de dois a nove sinais por minuto.

1.2.1.1 Sobre a randomização de MAC e como são detectados

A randomização de MAC faz parte do setor de rede há algum tempo e envolve a alteração do endereço MAC de um dispositivo quando ele envia solicitações de sondagem. Isso ajuda a evitar o rastreamento de dispositivos não conectados. No entanto, isso está mudando com o lançamento dos sistemas operacionais mais recentes, como iOS 14/WatchOS 7, Android 10+ e algumas versões do Windows 10. Esses sistemas agora randomizam endereços MAC não apenas durante a fase de descoberta, mas também enquanto o dispositivo está conectado à rede.

Para smartphones equipados com a tecnologia MAC Randomization, isso não afetará a precisão da contagem dos dados gerados por meio de análise de Wi-Fi. A randomização do endereço MAC afetará apenas dispositivos móveis que não estejam conectados a uma rede móvel. Além disso, quando o endereço MAC é aleatório, ele se transforma em um endereço MAC sem sentido, diferente do endereço MAC genuíno.

Reconhecer endereços MAC aleatórios é simples. A seção OUI de um endereço MAC tem um bit definido para indicar um endereço aleatório ou administrado localmente. Basta verificar o segundo caractere em um endereço MAC e, se for 2, 6, A ou E, é um endereço aleatório. Por exemplo, o endereço Wi-Fi 92:B1:B8:42:D1:85 é aleatório porque seu segundo caractere é 2. Nosso contador de passos filtrará os endereços MAC sem sentido que são captados pelo sensor Wi-Fi e excluirá a partir dos dados de contagem.

1.2.2 Amostragem Estatística

A principal função da contagem de Wi-Fi é usar os sinais de Wi-Fi emitidos pelos smartphones dos visitantes para aproximar o fluxo de tráfego de pessoas em uma determinada área. No entanto, nem todas as pessoas carregam um smartphone, e algumas pessoas podem carregar mais de um dispositivo Wi-Fi, como iPads.

Nosso algoritmo de contagem de Wi-Fi pode superar as limitações acima e fornecer uma aproximação precisa do tráfego usando Amostragem Estatística. Isso garante que, mesmo que nem todos os visitantes contribuam com os dados de Wi-Fi, desde nem todo visitante carrega um telefone celular, esses usuários são uma pequena proporção do número total de visitantes e não contribuem para uma grande margem de erro.

A Amostragem Estatística é amplamente usada em muitos setores diferentes, como Avaliação de Televisão e Pesquisa Eleitoral. A Nielsen Company usa técnicas sofisticadas de amostragem para medir e relatar as classificações e a audiência na indústria da televisão em todo o mundo. Nos Estados Unidos, por exemplo, a empresa seleciona residências para instalar pequenos aparelhos que monitoram os hábitos de visualização.

Outro exemplo foi usado na pesquisa eleitoral. Por muitos anos, as pesquisas de opinião foram mantidas por meio de telecomunicações ou contato pessoal. Os métodos e técnicas variam, embora sejam amplamente aceitos na maioria das áreas. Algumas organizações de pesquisa, pesquisas na Internet, em que uma amostra é retirada de um grande painel de voluntários e os resultados são ponderados para refletir a demografia da população de interesse.

1.2.3 Normalização de dados Wi-Fi

A normalização é freqüentemente usada para converter os dados estatísticos em números da vida real; por exemplo, o fator de normalização é aplicado ao número de dispositivos Wi-Fi detectados para convertê-lo no número de pessoas na área.

Ao correlacionar o número de pessoas que entraram no site usando a contagem de vídeo e o número de dispositivos Wi-Fi detectados que entraram pela porta, o contador usa os dados das duas últimas semanas para construir um perfil estatístico e aproximar a porcentagem de pessoas que transportam smartphones.

Este modelo estatístico é baseado em contador; ou seja, cada contador tem seu próprio modelo estatístico, que é ajustado automaticamente com base nos dados demográficos das pessoas e nas características de Wi-Fi ao redor.

 

1.2.4 Coleta de Dados

Os dados coletados serão salvos em nosso banco de dados, incluindo serial do dispositivo, intensidade do sinal, endereço Mac e carimbo de data / hora.

Abaixo está o método de coleta de dados de Wi-Fi:

  1. Os dados do Wi-Fi serão coletados da multidão ao redor do local onde o dispositivo está instalado.
  2. O dongle Wi-Fi conectado ao dispositivo será o módulo que constantemente capta o sinal Wi-Fi enviado pelos dispositivos habilitados para Wi-Fi, como smartphones, tablets etc.
  3. O Mac ID é processado no dispositivo com a intensidade do sinal e o carimbo de data / hora conforme a tabela mostrada:

Endereço Mac de Wi-Fi com hash

Hora detectada

Sinal de força

aaa

12/2/2017 1:00pm

-65

bbb

12/2/2017 1:03pm

-66

ccc

12/2/2017 2:09pm

-100

O endereço MAC bruto desses dispositivos será armazenado no banco de dados e constantemente carregado no servidor central (a cada hora) para posterior agregação no relatório. O FootfallCam coleta esses dados e, em seguida, os encaminha com segurança para a nuvem FootfallCam de hora em hora para processamento e análise.

O algoritmo de hash para o endereço MAC usado é PBKDF2WithHmacSHA256, que é projetado para hash de senha, portanto, é um algoritmo lento. Isso é bom para hashing de senha, pois reduz o número de senhas por segundo que um invasor pode fazer hash ao criar um ataque de dicionário. Ter um salt adicionado à senha reduz a capacidade de usar hashes pré-computados para ataques e significa que várias senhas devem ser testadas individualmente, não todas de uma vez. O padrão recomenda um comprimento de sal de pelo menos 64 bits. O Instituto Nacional de Padrões e Tecnologia dos EUA recomenda um comprimento de sal de 128 bits e o FootfallCam está usando 256 bits neste caso.

 

1.2.5 Processamento e Classificação de Dados

À medida que os dados fluem para o FootfallCam Cloud de hora em hora, todos os dispositivos detectados são classificados em um banco de dados de série temporal, com algoritmos robustos aplicados para criar o perfil de todos os dispositivos detectados e ainda classificados os dados em alguns valores:

  1. Diferencie o Mac ID coletado como "passar por" e "entrar na loja" pelas sondas Wi-Fi de intensidade do sinal e confiança.
  2. Mapeie ainda mais a "duração da visita" ao obter o "visto pela primeira vez" e "visto pela última vez" com a condição de intensidade de sinal mais alta detectada nas sondas recebidas em 2 marcações de tempo diferentes.

A intensidade do sinal por si só é um método de aproximação bruto e impreciso, pois os sinais de Wi-Fi tendem a variar em diferentes configurações ambientais. Além disso, a intensidade do sinal depende de muitas condições ambientais em tempo real.

Adicionar o número de sondas, carimbo de data / hora, nível de confiança e o limite aumentará a precisão dos dados Wi-Fi. Existem dois limites de Wi-Fi: o limite 1 filtra o sinal fraco que está longe do contador. O limite 2 captura a força do sinal forte que está no tráfego da loja. Todos os detalhes da solicitação de sondagem abaixo do limite 1 serão armazenados em uma tabela de banco de dados mac bruto no dispositivo. O lado do servidor processará a lista de endereços mac para calcular o tempo de permanência e retornar os valores do cliente, agregando os dados diários às análises.

 

1.2.5.1 Vários contadores instalados em uma loja

Quando houver vários contadores instalados em um único armazenamento, os dados de contagem dos contadores serão carregados no banco de dados para processamento posterior para evitar a contagem excessiva de um único indivíduo. Este processo irá assegurar que os dados de contagem gerados pelo FootfallCam serão genuínos e prontos para processamento analítico adicional pelo sistema de inteligência de negócios do usuário.

Dados de contagem Contador 1 + Contador 2 + Contador 3

Quando houver vários contadores instalados em um único armazenamento, os dados de contagem de Wi-Fi serão carregados para o banco de dados central para filtrar entradas duplicadas de endereços MAC. Os endereços MAC duplicados não serão usados ​​na agregação dos dados. Este método evita que a contagem em excesso de um único endereço MAC seja contada duas vezes.

Dados de Wi-Fi Contador 1 + Contador 2 + Contador 3

Quando há vários contadores instalados em uma entrada ampla, a zona de rastreamento e as linhas de contagem precisam ser desenhadas de maneira conservadora. A zona de rastreamento e as linhas de contagem desenhadas em um contador não devem se sobrepor à zona de contagem e as linhas de rastreamento desenhadas em outro contador. Isso é necessário para evitar a contagem excessiva de dados do visitante, ao mesmo tempo que pode levar a uma contagem imprecisa de visitantes e dados de taxa de conversão de vendas falsificados.

1.2.5.2 Exclusão de endereço MAC de dispositivo da equipe

Se a equipe estiver carregando dispositivos com WiFi ativado, seu endereço MAC também será capturado por dispositivos de footfall. Você pode excluir manualmente o endereço MAC dos dispositivos da equipe na página do site. Referir Parte 15.5 para guia passo a passo.

1.2.5.3 Duração Média da Visita

Podemos obter a duração da visita do cliente utilizando os 2 picos de intensidade do sinal Wi-Fi, pois são o local mais próximo da entrada com dispositivo instalado. Se o perfil tiver dois picos acima de um limite de intensidade de sinal definido, eles serão identificados como o tempo de ENTRADA e o tempo de SAÍDA do visitante.

Duração máxima da visita - alguns visitantes podem visitar o site várias vezes no mesmo dia. A duração máxima da visita é o máximo razoável que um visitante pode esperar permanecer no local para uma única visita. O valor padrão é 2 horas.

Note

Os usuários podem configurar o limite de duração da visita

Por exemplo,

Visitante A: primeira visita => 1h05 às 1h30 segunda visita => 4h05 às 5:43

Resultado: 2 visitas. A primeira visita dura 25 minutos. A segunda visita dura 98 minutos.

Primeiro, a duração da visita é medida com base no identificador único (sondas de MAC ID) do smartphone do usuário.

Visite Duração

Tempo (In) - Tempo (Out)

Condição:

  1. Definindo o limite do rastreamento de Wi-Fi
  2. Lista de funcionários excluídos e lista de dispositivos
Note

Em vez): Perfil de sinal de Wi-Fi de todos os smartphones ao redor no momento (visto pela primeira vez) o visitante está sendo contado por contagem de vídeo

Tempo esgotado): Perfil do sinal de Wi-Fi de todos os smartphones ao redor no momento (visto pela última vez) o visitante está sendo contado por contagem de vídeo

 Agregação de categorias de duração da visita

O FootfallCam classificou ainda a coleta de dados de duração da visita em três categorias. Por padrão, existem 3 minutos abaixo, dentro de 15 minutos a 15 minutos e acima de 30 minutos.

Note

As categorias podem ser facilmente ajustadas pelo varejista na página de configuração do portal do servidor com base em suas necessidades de negócios e objetivos de negócios. (Página do site> Configurações avançadas> Duração da visita)

Duração da visita para sites com vários contadores

Ao enviar as informações de rastreamento de Wi-Fi de todos os dispositivos do Site Entrance para um servidor central, o servidor realizaria a análise e estimaria os tempos de ENTRADA e SAÍDA dos dispositivos Wi-Fi. O sistema agregaria as informações de rastreamento de Wi-Fi de todos os contadores do site.

Note

Embora nem todas as pessoas carreguem um dispositivo Wi-Fi, como um smartphone, a normalização não é necessária porque o sistema calcula a duração média da visita em uma grande amostra de dados. Consulte a seção Amostragem estatística em Cobertura de dados para mais detalhes.

1.2.6 Códigos de Métricas de Wi-Fi

As principais métricas usadas para o Módulo Wi-Fi serão:

  • PWA01 - Tráfego Externo
  • SWA02 - Taxa de Entrada
  • PWA03 - Duração média da visita
  • SWA04 - Taxa de devolução de clientes nos últimos 14 dias
  • SWA05 - Taxa de devolução de clientes nos últimos 60 dias
  • SWA06 - Taxa de novos clientes nos últimos 14 dias
  • SWA07 - Taxa de novos clientes nos últimos 60 dias
Note

 Para obter mais informações sobre o código de métricas, consulte Apêndice B - Documentação de Métricas.

1.3 Ocupação do Espaço

A ocupação do espaço é o número de pessoas que ficaram em um local em um determinado momento. É equivalente a Contagem acumulativa IN deduzir Contagem de SAÍDA acumulativa.

Ocupação

(ENTRADA acumulativa - SAÍDA acumulativa)

Contagem acumulativa IN é a soma de toda a contagem IN desde o início da hora de operação até a hora atual. Esses dados são atualizados instantaneamente. Da mesma forma para Contagem de SAÍDA acumulativa.

1.3.1 Erro Acumulativo

Não pessoas contador é 100% preciso. Haveria erros acumulativos com o passar do dia.

Exemplo

99% preciso pessoas contador poderia contar erroneamente 10 pessoas em 1000 passadas, em média. Digamos que na primeira hora ele perca 10 em 1000 pessoas, na 10ª hora ele perderia 100 pessoas no total. Se o local tiver um limite máximo de ocupação de 200 capacidade, o erro acumulado já é de 50% da ocupação.

Contagens agregadas a cada hora. Linhas verticais cinza indicam pequena imprecisão do contador.

 

1.3.2 Modos de ocupação

Existem dois modos de ocupação: Ocupação Ingênua e Ocupação Inteligente.

Comparações
Ocupação Ingênua Ocupação Inteligente
Fórmula ENTRADA - SAÍDA IN - OUT + correção de erros
A correção de erros ×
Requer coleta de amostra de dados históricos × √ (automático)
Painel em tempo real
Relatório de dados históricos
Métrica no nível do site
Métrica de nível de área
Precisão Alta Mais alto
Soma dos dados de nível de área igual aos dados de nível de agência ×(Veja a nota)
Modos × Modo 1 e Modo 2
Adicionar ao carrinho Seção 15.3.1.4 Seção 15.3.1.5 &
Seção 15.3.1.6
Note

A correção de erros aplicada aos dados de ocupação de nível de área é baseada em sua Modelagem AI e pode ser diferente dos dados de ocupação de nível de filial. Portanto, não é garantido que a soma de smart ocupação de área igual smart ocupação da filial.

1.3.2.1 Casos de uso recomendados

Geralmente, Ocupação Inteligente é a opção preferida para quase todas as situações, exceto sites de baixo volume de tráfego.

Casos de uso Ingênuo Gestão Inteligente
Supermercados ou mercearias com alto volume de tráfego ×
Ocupação do banheiro ×
Restaurantes ou cantinas ×
Controle de capacidade de ocupação via painel ou portão automático ×
Biblioteca ou joalheria com baixo volume de tráfego ×
exposições ×
Cinemas ×

1.3.2.2 Ocupação ingênua

O gráfico de ocupação geralmente se parece com uma curva em forma de sino, com o pico de ocupação em algum lugar entre as horas de operação. Alguns podem ter vários picos, indicando vários horários de pico.

Devido ao erro acumulativo, a Ocupação Ingênua pode apresentar um erro significativo no final do horário de funcionamento.


Ocupação ingênua = IN - OUT. O erro acumulado aumenta com o passar do dia.

 

1.3.2.3 (Ocupação inteligente) Correção de erro em tempo real

Uma vez que a ocupação é atualizada instantaneamente e mostrada em Painel de ocupação ao vivo, correção de erros em tempo real é aplicado à ocupação ingênua para minimizar o erro acumulado. Isso garante que:

  • A ocupação é mais precisa em relação à contagem real
  • A ocupação nunca cai além de 0 para números negativos
  • A ocupação se aproxima de quase 0 no final do horário de funcionamento
 
Falando logicamente, a correção de erros é proporcional ao erro acumulativo. Quanto maior o erro, maior será a correção.

 

Nos bastidores, o sistema usa Modelagem avançada de IA para encapsular a tendência de ocupação dos últimos 14 dias ou mais e gerar um modelo preditivo que reduz com precisão o erro de ocupação acumulativo.

Ocupação ao vivo

Ocupação ingênua + correção de erro em tempo real

Existem 2 modos para Ocupação Inteligente.

modo 1 modo 2
Uso Modelagem Estatística Avançada para generalizar os padrões de ocupação de um local / área. Expira a ocupação de uma pessoa se exceder o configurado prazo de validade.
Não requer entrada do usuário. O usuário deve definir o período de expiração.
Requer coleta de dados históricos (automático). Não requer coleta de dados históricos.
Adequado para sites de alto volume de tráfego, por exemplo: mercearias, supermercados, restaurantes, exposições. Adequado para situações em que a duração da visita é conhecida e bastante constante, por exemplo: ocupação de WC, ocupação de cinema.
Note

1. Cada local tem um padrão de tendência de ocupação exclusivo, portanto, o modelo de IA é personalizado para cada local.

2. O Modo 1 não oferece suporte a lojas que tenham um horário de funcionamento de 24 horas.

Note

Os dados de ocupação inteligente estão disponíveis apenas depois de ele está configurado. Os dados coletados antes de serem configurados não terão o recurso de ocupação inteligente.

Referência: https://www.semanticscholar.org/paper/PreCount%3A-a-predictive-model-for-correcting-count-Sangogboye-Kj%C3%A6rgaard/8db6e7809f9eec131aee63a851a6b27ea6deed5b

1.3.2.4 (Ocupação inteligente) Correção de erro de pós-processamento

Para ocupação de dados do dia anterior em Relatório de ocupação do espaço, correção de erros de pós-processamento é aplicado à ocupação com base na discrepância geral de entrada e saída diária. Isso tem os mesmos efeitos da Correção de erro de ocupação em tempo real, exceto que agora está em pós-processamento.

Ocupação Histórica

Ocupação ativa + Correção de erro de pós-processamento

Note

Depois de correção de erros de pós-processamento for aplicado, Live Occupancy pode ser diferente de Historical Occupancy.

Referência: https://www.semanticscholar.org/paper/PLCount%3A-A-Probabilistic-Fusion-Algorithm-for-from-Sangoboye-Kj%C3%A6rgaard/b68ccf4d6a43bbf104e598fbbae988eb7bd3f160

1.3.3 Códigos de Métricas

As principais métricas usadas para ocupação do espaço serão:

  • PSO01 - Ocupação Ingênua
  • SSO02 - Ocupação vs. Capacidade
  • PSO05 - Ocupação Inteligente
Note

 Para obter mais informações sobre o código de métricas, consulte Apêndice B - Documentação de Métricas.

1.4 Contagem de Grupo

A contagem do grupo identifica um ou mais indivíduos como uma unidade coletiva e os agrupa. o trajetória de rastreamento do indivíduo está sendo analisado em relação a outro indivíduo, e lógica de filtragem avançada com base no limite de distância pessoa a pessoa, velocidade da trajetória, direção e duração, são aplicados para garantir a contagem precisa do grupo.

A contagem de grupo abre possibilidades para melhores dados e métricas:

  • No varejo, 1 grupo familiar é considerado 1 unidade de compra. A contagem de grupo fornece mais precisão conversão de venda métrica.
  • Para o cálculo dos tempos de espera da fila, 1 par de pares é considerado como 1 unidade de espera. A contagem de grupos fornece uma métrica de tempo de espera mais precisa.

Requisitos:

  • Aplicável para conter o firmware v3.4.2 e superior, que pode ser atualizado a partir do mínimo v3.3.0.
  • A contagem de grupo está atualmente disponível para contagem padrão de passos só. É compatível com a exclusão de pessoal. Disponibilidade para contagem de área, contagem de fila e contagem de mapa de calor são ainda trabalho em andamento.

A contagem de grupo é projetada para funcionar junto com outros algoritmos de contagem como um processamento separado adicional.

Isso significa que, se o contador estiver configurado para contagem de entrada padrão + contagem de grupo, haverá 2 conjuntos separados de dados coletados:

  • dados de contagem de entrada
  • adicional dados de contagem de grupo

Por exemplo, se houver 1 visitante entrando pela entrada, o balcão irá coletar os dois:

  • 1 visitante IN
  • 1 grupo IN

Portanto, é Não aconselhável para combinar dados de contagem de footfall padrão e dados de contagem de grupo, pois isso causará a duplicação de dados.

1.4.1 Lógica de Agrupamento

Na contagem de grupos, algoritmos de agrupamento são adotados para processar as coordenadas de localização 3D de pessoas que aparecem na zona de rastreamento e gerar grupos de pessoas que ficam próximos uns dos outros. Um limite de distância é usado para controlar a lógica de agrupamento de forma que uma pessoa seja atribuída a um grupo existente se a distância relativa da pessoa do grupo estiver dentro do limite de distância. Abaixo estão dois cenários de exemplo que ilustram como os grupos são formados durante a contagem de grupos.

Figura 15.4.1


Para o cenário com ≤ 3 pessoas na zona de rastreamento, as pessoas que ficarem dentro de um limite de distância fixa umas das outras serão consideradas como um grupo. Conforme mostrado na figura 15.4.1, P1 e P2 estão suficientemente próximos um do outro (ou seja, a distância entre eles é ≤ limite de distância) e formam um grupo de 2 pessoas, enquanto P3 que está localizado a uma distância maior do que o limite de distância fixa de ambos P1 e P2 formam ele próprio um grupo de 1 pessoa. O valor limite de distância comumente usado varia de 1m a 1.5m (pode ser ajustado com base no ambiente do local de instalação). 

Figura 15.4.2


Para o cenário com mais de 3 pessoas na zona de rastreamento, uma técnica de agrupamento mais avançada é adotada para identificar grupos de pessoas de forma hierárquica usando vários níveis de limite de distância que são determinados dinamicamente com base na distribuição de localização de todas as pessoas na zona de rastreamento . Por exemplo, conforme mostrado na Figura 15.4.2 com um total de 5 pessoas, nossa lógica de agrupamento irá identificar 3 grupos únicos descritos abaixo:

  • P1 e P2 estão a 1.3 m um do outro e formam o grupo G1 de 2 pessoas,
  • P3 e P4 estão a 0.7 m um do outro e formam o grupo G2 de 2 pessoas,
  • P5 está a 2.5m do grupo G1 e a 2.0m do grupo G2, formando assim o grupo G3 de 1 pessoa.

Os grupos G1 e G2, distantes 2m um do outro, NÃO formam um grupo. Observe que o limite de distância não é mais um valor fixo (como no cenário de ≤ 3 pessoas), mas é determinado dinamicamente para se adaptar à mudança de distribuição de localização de todas as pessoas na zona de rastreamento, portanto, capaz de formar grupo com nível de densidade variável.

1.4.2 Lógica de Filtragem

A lógica de filtragem é aplicada na saída da lógica de agrupamento para refinar ainda mais os resultados do agrupamento. Ao contrário da lógica de agrupamento que usa apenas as coordenadas de localização mais recentes de pessoas como entrada para realizar o agrupamento, a lógica de filtragem leva na trajetória de rastreamento de cada pessoa na zona de rastreamento para analisar sua direção de movimento e velocidade para permitir o agrupamento refinado e remover agrupamentos falsos. Existem dois tipos de mecanismo de filtragem sendo implementados, ou seja, filtragem de direção e filtragem de velocidade, que são aplicados aos resultados do agrupamento de maneira sequencial, com a filtragem de direção precede a filtragem de velocidade.

A. Filtragem de direção
O objetivo da filtragem de direção é dividir um grande grupo de pessoas em vários grupos menores, comparando a diferença angular entre cada pessoa no grupo. Um novo subgrupo será formado se houver pelo menos uma pessoa com sua diferença angular excedendo um valor limite predefinido após a comparação com outras pessoas no grupo.

Um exemplo básico em que a filtragem de direção ajuda na contagem de grupos é que ela identifica grupos de pessoas que viajam em direções opostas e evita que sejam atribuídos a um grande grupo quando se aproximam e permanecem relativamente estáticos por certo período de tempo dentro do rastreamento zona.

B. Filtragem de velocidade

Para a filtragem de velocidade aplicada na saída da filtragem de direção, sua função principal é identificar outlier (uma pessoa cuja velocidade de movimento é significativamente diferente da outra pessoa no grupo) em um grupo e excluir o outlier do grupo. Na ocasião em que um outlier se aproxima temporariamente de um grupo existente que permaneceu estático por algum tempo, a filtragem de velocidade ajudará a evitar que o outlier se junte ao grupo imediatamente, mas, em vez disso, trata o outlier como outro grupo. 

Além da filtragem de direção e velocidade, a contagem de grupo também faz uso de um limite de duração que pode ser ajustado para controlar a rapidez com que um novo grupo pode ser formado e com que rapidez um grupo existente pode ser dissolvido.

1.4.3 Lógica de acionamento de contagem de grupo

Os dados de contagem de grupo serão acionados quando:

  • O grupo acionou um evento de contagem. Por exemplo, o grupo cruzou a linha de contagem IN, e
  • Todos os Produtos membros do grupo deixaram a zona de rastreamento.

Note: Esta lógica de acionamento não afeta a contagem normal de passos individuais, pois a contagem em grupo é um processo em execução separado. A contagem individual de pegadas será acionada conforme descrito em Esta seção.

Os dados de contagem do grupo serão salvos no seguinte ilustrado * formato.

Serial do Dispositivo Timestamp ID da linha ÉGrupo
00000000xxxxxxxxx 12/2/2017 1:00pm 1 Sim
00000000xxxxxxxxx 12/2/2017 1:03pm 1 Sim
00000000xxxxxxxxx 12/2/2017 2:09pm 2 Sim

Note: As informações sobre o tamanho do grupo não são armazenadas.

Os dados de contagem do grupo serão carregados para o servidor conforme descrito em Esta seção.

* apenas para fins ilustrativos.

1.4.4 Métricas de Contagem de Grupo 

As principais métricas usadas para contagem de passos serão:

  • PFC21 - Grupo Footfall IN
  • PFC22 - Grupo Footfall OUT
Note

 Para obter mais informações sobre o código de métricas, consulte Apêndice B - Documentação de Métricas.

1.4.5 Indicação de resultados de contagem de grupo na visualização ao vivo

Figura 15.4.3


A Figura 15.4.3 descreve algumas informações gerais que serão exibidas na visualização ao vivo do contador quando a contagem de grupo estiver habilitada, que inclui:

  • Número de grupos detectados na zona de rastreamento (no canto superior esquerdo da visualização ao vivo)
  • Pai do grupo (ou seja, a pessoa que está no grupo há mais tempo, marcada com um círculo vermelho)
  • Duração de cada pessoa em um grupo (em segundos)
  • Tamanho do grupo (mostrado apenas sob o texto de duração do pai do grupo)
  • Linha amarela conectando todas as pessoas no mesmo grupo

1.4.6 Regulamento Geral de Proteção de Dados (GDPR)

  1. Nenhuma PII (Informação de Identificação da Pessoa), como biométrica ou faces, é coletada para fins de processamento ou análise.
  2. Nenhuma garantia ou suposição de que as pessoas agrupadas em um grupo tenham qualquer forma de relacionamento social ou biológico.
  3. A análise é puramente baseada na trajetória e no tempo.
  4. Uma pessoa de um grupo será marcada como líder do grupo, com o único propósito de melhorar a precisão da contagem do grupo. Qualquer um pode ser o líder do grupo, ao contrário (por exemplo) apenas o mais velho do grupo pode ser o líder do grupo.

1.4.7 Limitações 

  • A relação das pessoas no mesmo grupo não pode ser inferida com a contagem de grupos no estágio atual, pois não coletamos informações biométricas, de gênero ou faciais das pessoas.
  • Não é aconselhável habilitar a contagem de grupo no local com zona de rastreamento relativamente pequena porque haverá dados insuficientes de rastreamento de trajetória de pessoas para a contagem de grupo processar e gerar resultados de agrupamento. O tamanho mínimo recomendado da zona de rastreamento deve ser de pelo menos 3m x 3m para uma precisão de contagem de grupo satisfatória.

1.5 Contagem de análise de vídeo

O Video Analytics usa o algoritmo de IA para realizar detecção e rastreamento humano. É usado em FootfallCam Centroid para produzir dados de passos. Abaixo está um diagrama de fluxo completo de uma configuração típica do Centroid com câmeras IP, desde como o dispositivo obtém a entrada das câmeras até o processamento dos dados e o upload para o servidor.

Diagrama de fluxo de análise de vídeo

1.5.1 Algoritmo de IA

O algoritmo de IA usa Deep Neural Network treinado por técnicas de Machine Learning para identificar e detectar humanos. Ele rastreia apenas humanos que têm alta confiança do algoritmo. Graças à tecnologia avançada, tem baixa taxa de falsos negativos. Raramente detecta erroneamente carrinhos ou objetos como humanos porque são visualmente distintos.

Detecção Humana

Opcionalmente, a análise demográfica pode ser feita em cada humano detectado para obter mais informações com base no rosto da pessoa, como Idade, Gênero e Emoção. Isso pode fornecer uma boa segmentação estatística das características da pessoa e é útil para medir a eficácia da campanha promocional, entender a base de clientes, obter feedback expressivo etc.

Limitações:

  • Pode detectar erroneamente estruturas semelhantes a humanos, como pinturas ou humanóides
  • Pode não detectar crianças
  • Pode não detectar humanos bloqueados ou ocluídos, quando em uma multidão
  • Pode não detectar se o humano está muito longe ou muito embaçado
  • Ativar a análise demográfica pode afetar o normal contagem de pessoas precisão
  • A análise demográfica só funciona na face frontal da pessoa sem qualquer máscara

1.5.2 Modos de Contagem

1.5.2.1 Contagem de entrada e saída

Zona de rastreamento (vermelha) e linha de entrada e saída

In Out Counting funciona por:

  • Rastreando cada humano detectado pelo algoritmo de IA
  • Verificando constantemente se o humano está dentro da zona de rastreamento
  • Se o humano cruzar o In-line ou Out-line, um evento de contagem é registrado.
  • No entanto, o evento é ignorado se o humano fizer uma inversão de marcha.
  • Quando o humano sai da zona de rastreamento, o evento é coletado e enviado.

Coleção de dados 1.5.3

Quando um visitante entra e sai da zona de rastreamento de um dispositivo enquanto aciona a linha de entrada e saída no meio, o dispositivo aciona um evento de contagem.

Os dados serão salvos no seguinte formato:

Serial do Dispositivo Timestamp ID da métrica ID do ROI Combinar ID do tipo de objeto
142xxxxxxxxxxxx 12/2/2022 1:00pm 1 1 23311
142xxxxxxxxxxxx 12/2/2022 1:03pm 1 2 14511
142xxxxxxxxxxxx 12/2/2022 2:09pm 2 1 12311

Definições:

  • Serial do Dispositivo
    • o número de série do dispositivo
  • Timestamp
    • o momento em que o evento acontece
  • ID da métrica
    • 1: quando um visitante cruza o In-line
    • 2: quando um visitante cruza o Out-line
  • ID do ROI
    • o ID da câmera CCTV onde o evento acontece
  • Combinar ID do tipo de objeto
    • uma combinação de ID que codifica os detalhes da pessoa, como análise demográfica

Os dados são armazenados no banco de dados do dispositivo por até 14 dias.

Nenhum dado de imagem sensível de informações de identificação pessoal (PII) de pessoa ou rosto é armazenado no dispositivo.

1.5.4 Processo de Upload de Dados

Os dados coletados por cada dispositivo são enviados ao servidor instantaneamente via protocolo websocket. Os dados também serão processados ​​em tempo real no servidor, portanto é possível visualizar o dashboard ao vivo dos dados no Portal. Um exemplo é o painel de ocupação ao vivo.

Assim que os dados chegam ao servidor, eles são imediatamente agregados à granularidade de nível de site ou área e ficam prontamente disponíveis para os usuários finais consultarem via API de contagem de dados. Os usuários podem recuperar os dados em várias granularidades de tempo, como 1 minuto, 15 minutos, 30 minutos, por hora, diariamente, semanalmente, mensalmente ou anualmente.

Os dados também estão disponíveis para relatórios históricos. Ver Apêndice B Definição de Métricas por quanto tempo os dados são armazenados no servidor.

Nenhuma informação de identificação pessoal (PII) de imagem sensível de pessoa ou rosto é enviada ao servidor.

1.5.5 Códigos de Métrica

Os códigos métricos são exatamente os mesmos que Códigos de métricas de contagem de passos.

Atualizado em novembro 14, 2023