中文字幕三级无码专区,国产午夜福利不卡天堂网,1024手机看片网,日韩精品无码视频一区二区蜜桃

無人零售中的傳感器技術

導讀： 無人零售除了應用了計算機視覺等 AI 技術外，還涉及到大規模的傳感器和智能設備，在整個入店、購物到結算的環節，可以說，沒有傳感器技術無人零售那只是一個傳說。

無人零售的技術難點
無人零售已成為線上線下商家的共同搶占的市場高地，而zui終的勝利者必將是看誰先*具備了*成熟、穩定可靠的技術體系，這里我們來關注一下無人零售的技術難點。
1、無人零售的核心問題　
打造 無人零售商店zui核心的是要解決“什么商品被誰怎么處理了”這個問題，需要處理的因素有5個：人、人的位置、商品、商品的位置、動作。
動作主要是通過商品與手或貨架的狀態來識別的，例如手進入或退出貨架的手勢、物品在手的狀態識別拿取或放回商品。
商品識別主要是通過初始狀態的選擇，中間狀態通過購物清單核對來縮小識別范圍，降低難度，同時通過雇員保證初始狀態不被破壞。
位置主要通過手機定位、傳感器定位和圖片定位，利用人體姿態識別可以很好的將動作定位到人。
對于超市而言，商品存在兩種狀態——賣掉或沒賣掉；對貨架而言，商品的狀態是在或不在；對顧客而言，商品的狀態是買或不買；對人的手而言，商品的狀態是在手或不在手，進一步簡化成拿起或放回。
它們的關系鏈如下表：
那么如何表示或測量這兩種狀態呢？用相機和傳感器都可以表示該狀態。
a、相機如何處理
在手進入貨架拿取商品前和拿取商品后，對手拍攝 1 組圖片，記為*圖片和第二圖片，對貨架拍攝 1 組圖片，記為第三圖片和第四圖片。比較*圖片和第二圖片的差異，此時需要利用到 CV 算法識別出膚色找到手，從而知道*和第二圖片手勢的差異，識別握姿和舒展姿態，根據兩個姿態在*第二圖片出現的順序可以判斷拿取還是放回。例如，*圖片是握姿，第二圖片是舒展，即放回；*圖片是舒展，第二圖片是握姿，即拿取。
隨后利用膚色找到手后，再識別*第二圖片手邊緣的色差識別商品是否在手，根據前后順序可以判斷拿取或放回。例如，*圖片手邊緣色差較淺，表示沒有商品，第二圖片手邊緣色差較深，表示有商品，即商品在手且是拿取過程。放回同理。
利用第三第四圖片，對貨架進行處理，同樣可以判斷拿取或放回。例如第四圖片比第三圖片多了一個或多個商品，那么就是放回；如果第四圖片比第三圖片少一個或多個商品就是拿取。

b、傳感器如何處理
對重力傳感器來說，商品被拿取，商品減少，重量減少；商品被放回，商品增加，重量增加。所以重量數值變化可以表示拿取或放回。
對于紅外來說，在特定地方，商品被放回，紅外會被遮擋，商品被拿取，紅外不會被遮擋?？梢酝ㄟ^紅外遮擋狀態表示拿取或放回。
 2、如何有效識別商品
商品的識別應該是難度大的關鍵點之一。
在初始狀態，特定品類的商品被放在特定位置，由相機和傳感器偵測。對相機和傳感器而言，它們只需優先識別少數且特定的商品類及數量。這個相對而言是簡單的。即使圖片無法識別，也可以根據重量識別和篩查。在品類擺放的時候可以選擇易區分的品類擺放一起，所有被拿取的商品記錄在顧客的購物清單里。
困難在中間狀態。由于顧客放回會破壞初始狀態，導致識別難度急劇上升。因為顧客可能放回任意商品，所以商品的識別范圍又擴大到無法解決的情況。
先討論放回后的zui終狀態，一般分成 2 種：放回正確或錯誤。
對于放回正確，識別難度在初始狀態的水平。
對于放回錯誤，存在 3 種情況：放回錯誤但可識別；放回錯誤無法識別；放回錯誤且識別錯誤。
放回錯誤但可識別的情況是因為商品本身易通過圖像和重量識別，此種情況較少。大多數情況是放回錯誤且無法識別或識別錯誤。放回錯誤且無法識別的情況可以給用戶發送消息，讓用戶確認。識別錯誤的情況只能提高算法精度，同時調整判斷極限值，將部分識別錯誤的情況向無法識別裝換，同時及時通知雇員來整理回到初始狀態。
一般而言拿取商品后放回的情況較多，且不放回正確的位置情況也不少，其中放回錯誤且無法識別或識別錯誤又占大多數，放回錯誤但可識別是少數?？偟膩碚f無法識別和誤判比例不容忽視，甚至導致整個系統無法工作。
剛才說到，由于顧客放回商品，導致識別范圍擴大到所有商品，這是可以部分解決的。因為商品的每次放回都是基于顧客的前 N 次拿取，他放回的商品必須是之前拿取的商品，所以優先識別顧客的購物清單即可，在這種情況下，識別難度又回到初始狀態相當的水平。
3、如何知道動作發起者的身份？
將商品記錄到動作的發起者身上是一件較為復雜的工程。
識別人大體通過 2 種方式：身體特征或附帶物，例如人臉和手機。人臉識別的精度在室內還在可接受范圍，幾乎可以當做標識。手機也是一個人的標識，通過判斷是誰的手機從而判斷顧客是誰。
4、如何匹配顧客 ID 與商品 ID？
要匹配顧客和商品的 ID，首先要確定人和商品的定位。
關于人的定位，可以用到追蹤系統。手機的 GPS、wifi、藍牙也可以提供較準確豐富的位置信息。
關于商品的定位，紅外、重量感應、相機、商品和貨架初始的問題都是已知的，可以推測出來。例如，通過隔板，將同類商品分在不同的網格種，每個網格對應不同的紅外或重量感應器，可以知道被拿取或放回商品的位置。
通過人和商品的位置匹配，連接了“什么商品”“被誰”兩個因素。
因為成本和技術問題，位置精度是一個很大的問題，再加上這個定位人和商品位置的方案本身的缺陷，顧客和商品的匹配誤差較大。例如，顧客 A 站在商品 A 前，顧客 B 站在商品 B 前，顧客 A 伸手去拿商品 B，這種情況系統是無法準確判斷的。當然可以由顧客確認，但是這僅僅是無力的補救措施。
之前有人提到過 Amazon Go 可能利用多角度的完整的人體姿態識別來定位匹配人—動作—商品的關系。這種方法的關鍵是攝像頭需要很好的視野和足夠的攝像頭。從宣傳視頻來看， Amazon Go 的貨架設計使得zui低層和中間層是無法獲取足夠好的視野，可能的解決方式是依靠對面貨架和天花板的攝像頭。Amazon Go 的貨架構造非常重要，只要再提供一份貨架結構圖或者實物圖就可以進一步推測實施方案。貨架結構包括是否每層都有設想頭，承載商品的承重面的形狀及尺寸，特殊開口和螺絲位置等。
5、總結
通過上述方法，難度沒有憑空想象的難，但是工程量不小。即使動作和商品識別能達到 100%，因為定位方案和精度問題，導致整體的識別存在一定的誤差，而使整個方案無法使用，或者只能部分依靠顧客協助實現。所以 Amazon Go 以及未來的其他無人零售店還只能在小部分范圍內對特定人群使用，例如信用度較高的會員。
顯然，無人商店已成為零售業的新風口，甚至可說是零售業一個新的戰略高地，誰能夠在*時間占據無疑會具備先發優勢，這也是目前像亞馬遜、阿里巴巴這些*涉足的原因，但它距真正全面落地尚需時日，技術是其瓶頸!