Бизнес-эффекты
- сокращение количества сотрудников, нарушивших дресс-код
- сокращение затрат рабочего времени управляющего на контроль соблюдения дресс-кода
- нематериальная мотивация персонала в ношении формы
- исключение человеческого фактора в процессе принятия решений
Стек-технологий
- компьютерное зрение
- видеоаналитика
Применение
- безопасность торговых центров, стадионов, аэропортов
- безопасность на производстве (ношение СИЗ)
- маркетинг (контроль соблюдения стандартов дресс-кода, мерчендайзинга, промо-акций, поведение покупателей и тд)
Соблюдение корпоративных стандартов, в том числе в отношении дресс-кода, один из факторов формирования правильного имиджа компании и сохранения лояльности покупателей. При наличии разветвленной сети (более 400 магазинов) и большого числа сотрудников проанализировать соответствие внешнего вида персонала принятым нормам проблематично.
Внедрение системы видеоаналитики в торговом зале позволяет автоматизировать процесс контроля и эффективно решить масштабную задачу.
Внедрение системы видеоаналитики в торговом зале позволяет автоматизировать процесс контроля и эффективно решить масштабную задачу.
Решение
В проекте решено было использовать уже имеющуюся инфраструктуру клиента- в большинстве торговых залов были установлены видеокамеры, которые просматривались службой охраны для противодействия кражам. Это создало ряд проблем для детектирования заданных объектов (имеющееся оборудование не давало необходимого качества картинки, изображения были разнородными из-за различий в условиях освещения и типах камер), но позволило существенно сэкономить на стоимости проекта. Обычно для аналогичных задач мы рекомендуем использовать специальные камеры машинного зрения, которые позволяют обеспечить высокое качество изображения и в дальнейшем выполнять более сложные задачи с применением технологий искусственного интеллекта (аналитику поведения покупателей, анализ выкладки товаров или соответствия ценников).
На первом этапе был реализован программный конвейер обработки изображений, состоящий из двух нейросетевых модулей:
На втором этапе собраны и сбалансированы обучающие и валидационные наборы данных (примеры корректного и некорректного ношения униформы), проведены обучение и характеризация нейросетевых модулей.
- детектор объектов интереса, обнаруживающий сотрудников компании на изображении. Реализован на основе модифицированной и дообученной архитектуры YOLO.
- классификатор объектов интереса. Реализован на основе сверточной сети архитектуры ResNet50.
На втором этапе собраны и сбалансированы обучающие и валидационные наборы данных (примеры корректного и некорректного ношения униформы), проведены обучение и характеризация нейросетевых модулей.
В результате на изображениях со сложным фоном, содержащим посетителей, прилавки и стеллажи с товарами, система определяла сотрудников магазинов по наличию элементов фирменной одежды. Для каждого обнаруженного сотрудника система давала заключение о соответствии внешнего вида внутренним требованиям компании. Если у сотрудника отсутствовал хотя бы один из необходимых атрибутов (жилет или головной убор) то система регистрировала факт нарушения в базе данных (в качестве подтверждения использовался скриншот с выделенным нарушителем).
Результаты работы
В результате командной работы удалось добиться точности детектирования объектов интереса на валидационной выборке 92.5% (mAP), и верности классификатора 92% (accuracy).