Магазин узнает в лицо
В ближайшие годы системы распознавания лиц начнут массово появляться в торговых центрах, помогая увеличить прибыль ретейлерам и сокращая число преступлений.
Это затратные проекты, которые непросто запустить в полной мере сейчас, когда ретейл сфокусирован на оптимизации затрат. Впрочем, передовым компаниям это не мешает пилотировать новые продукты, чтобы при первой возможности тиражировать самые успешные проекты в своих торговые сети.
Объем мирового рынка распознавания лиц, по данным компании MarketsandMarkets, к 2021 году вырастет до 6,84 миллиарда долларов. Очевидно, что крупные компании и небольшие стартапы заинтересованы в том, чтобы представить свое видение в этом направлении.
Самыми продвинутыми магазинами с распознаванием лиц в мире сегодня в первую очередь может похвастаться американский Amazon. В них вообще нет продавцов и касс. Нужно только скачать мобильное приложение и приложить его к турникету. Деньги за покупки спишутся автоматически. Специалисты уверены, что практику Amazon можно перенести и на российские торговые центры. "Сегодня точность распознавания лица - около 90 процентов. И с каждым годом системы работают все лучше. Эти технологии сильно повлияют на покупательские привычки в ближайшем будущем", - отметил Сергей Кулешов, эксперт по распознаванию лиц сервиса "Битрикс24".
Недавно компания Watcom Group, специализирующаяся на анализе посетительских потоков в торговых центрах и магазинах, рассказала о своей новой технологии распознавания лиц, которая позволит торговым площадкам получать сведения о возрасте, поле, поведении и эмоциях покупателей, подсчитывать поток, число повторных визитов, вычислять конверсию от посетителя к покупателю.
Кроме того, система будет следить за сотрудниками, предоставляя статистику их перемещений, выявлять случаи мошенничества и факты присутствия нежелательных посетителей.
По словам Сергея Кулешова, по отдельности подобные разработки уже существуют в России. Так, в магазинах X5 Retail Group видеоаналитика используется для уменьшения потока покупателей. Система определяет, сколько человек стоит в очереди на каждую кассу, и предупреждает, когда нужно открыть дополнительную. Также фиксируется трафик покупателей.
"Торговая сеть "Дикси" меняет рекламу в каждом магазине в зависимости от гендерного состава покупателей. Когда среди покупателей преобладают мужчины - рекламируют одни товары, когда женщины - другие. А в некоторых супермаркетах "Лента" трудятся роботы от пермской компании Promobot, которые рассказывают о новых скидках и сканируют лица покупателей. Потом специалисты анализируют предпочтения каждого покупателя и формируют индивидуальные акции", - рассказал Сергей Кулешов.
Например, поняв, что перед камерой находится мужчина 30 лет в компании девушки и ребенка, система может передать эти данные дальше, и управление рекламным контентом на дисплеях и поможет эффективно таргетировать его в потенциально интересный для человека. При этом система идентифицирует эмоции и степень заинтересованности клиента в рекламе.
Помимо промоакций и ликвидации очередей системы распознавания лиц будут следить за безопасностью. По данным X5 Retail Group, применение решений по видеоаналитике (компьютерного зрения) позволяет сократить до 20% потери магазинов от краж. Такие системы значительно повышают эффективность работы службы безопасности, которая использует систему видеонаблюдения для анализа ситуации в торговом зале и других помещениях. С помощью искусственного интеллекта в режиме реального времени происходит поиск людей по заданным критериям среди метаданных, которые сформировала система в процессе анализа видеопотока.
Система видеоаналитики может отслеживать подозрительных посетителей, действуя по принципу Tag&Track, когда она сначала выявляет подозрительный объект, а потом начинает отслеживание объекта по пространству торгового зала. Ее функционал позволяет отслеживать объекты, выбираемые оператором, как в режиме реального времени, так и на исторических данных. Это дает возможность расследовать инциденты различных типов (кражи, порча имущества, информация по запросу от внешних органов). Объекты для наблюдения могут быть выбраны согласно сформулированным критериям в настройках системы, например по значению совокупности признаков: пол, настроение, цвет и тип одежды, возраст и другие.
Например, компания КРОК разработала решение для детекции нетипичного поведения посетителей магазина (unusual motion detection, UMD). Первым этапом внедрения UMD-решения является непрерывное обучение системы на реальных данных заказчика, которое может занимать до двух недель. Эти данные поступают в систему с камер видеонаблюдения. "По результатам обучения система умеет быстро определять нетипичные: человек бежит, хотя нужно идти, стоит там, где покупатели обычно не задерживаются, долго застегивается или держит большой рюкзак в руках, одет в объемную одежду", - отметил Сергей Стрелков, директор по разработке программного обеспечения ИТ-компании КРОК.
Текст: Юлия Кривошапко, Екатерина Ясакова
Источник: Российская газета
