商贩
由视觉人工智能赋能
人工智能模型、广角成像和边缘处理技术的进步，使得我们可以检测特定行为，并将其转化为整个环境中可衡量的运行指标。
行为，而不仅仅是动作
早期的系统追踪运动。现在，人工智能模型检测特定区域内的特定行为：
- 排队形成与排队分散
- 桌子有人坐 vs 空着
- 已完成任务与未完成任务（例如打包、清洁）
这并非开放式的解释。
广覆盖经济学
鱼眼和广角光学镜头可实现全区域可视性：
- 整个排队区域
- 休息区
- 厨房工作站
一台设备即可覆盖整个作业区域（约 3,000-4,000 平方英尺），而无需使用多台窄摄像头。
现实世界的问题现在可以解决了
之前的系统在实际环境中失败了：
- 人群中的遮挡
- 端着托盘/物品的人
- 儿童、群体、不规则运动
现代模型基于密集、真实的场景进行训练，从而能够：
- 稳定队列测量
- 在杂乱场景中也能可靠地追踪目标。
- 角色区分（例如，通过统一的标识区分员工和顾客）
从观察到评分
所有检测到的状态都被转换为结构化指标：
- 队列长度 → 基于时间的分布
- 餐桌占用率 → 利用率
- 任务完成 → 合规性评分
这些并非原始信号。它们会被转换成标准化变量，这些变量可以：
- 各门店对比
- 按时间段（小时/天/活动）比较
- 各队之间的比较
原本看不见的东西现在可以测量了。
运营不再靠推断，而是通过测量来衡量；执行不再靠抽样，而是持续可见；绩效不再是主观的，而是可以跨地域、跨团队、跨时间进行比较。