在数据驱动的洞察领域，FootfallCam 不断收集市场反馈，揭示关键的改进领域，以实现增量产品改进。
挑战：无需配置更新、计数器位置调整、头顶障碍物、运行和非运行期间的噪音干扰以及具有挑战性的环境因素的设备搬迁。
认识到人工智能驱动的智能环境学习的重要性，我们解决这些问题以提高准确性和性能。
1.1 自动检测工作时间
根据下面检测到的条件，每个设备使用机器学习（随机森林）从历史趋势中学习； 可以准确确定每天准确的开盘和收盘时间（分钟分辨率）
（一）交通格局
(ii) 照明条件
(iii) 卷帘门状态（如有）
1.1.1 商店照明开/关
环境光照变化检测
1.1.2 卷帘门打开/关闭
如果检测到入口接近则自动发出警报
1.2 架空堵塞警报
使用 3D 成像，如果认为头顶装饰堵塞了人行道，就会发送警报以寻求进一步帮助。
1.2.1 架空堵塞检测
节日装饰部分遮挡柜台实时视野
1.3 步行路径变更警报
当在步行路径中检测到“其他”物体并且检测到异常交通模式时，设备将发出警报以寻求进一步帮助。
1.3.1 店内家具更换
(i) 产品陈列变更
(ii) 添加/移除店面的家具
1.4 工作人员和警卫排除
计算顾客数量，而不是员工数量。 这对于客流量较低的奢侈品店尤其重要。
1.4.1 员工排除的五种方法
(i) 计数线/区域排除
(ii) 停留时间排除
(iii) 墙壁排除按钮
(iv) AI员工标签
(v) 谨慎的织物标签
1.4.2 守卫排除
基于“悬停”的步行路径模式； 人工智能算法会将该人归类为“警卫”。
1.5 设备位置变化检测
每个设备都在不断地了解其环境。 如果环境出现全局偏移，则会发出“设备更改位置”警报。
1.5.1 设备感知其环境：
(i) 柜台实时视图显示不同的入口环境
(ii) 可能反转进/出方向
1.6 设备搬迁检测
客户经常将设备迁移到其他站点而不更新系统。 导致计数数据无效。 新的人工智能算法将检测环境变化并发送警报以寻求进一步帮助。
之前： 设备已与 分行ID6213
后： 设备仍保留 分行ID6213，但是环境突然发生变化 （由 FootfallCam AI 检测到）
