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 процентов 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.

rg.ru