Содержание страницы

Система видео-аналитики для розничной сети

Авторская система для камер CamHi: подсчёт посетителей, контроль присутствия оператора на рабочем месте и поиск нужных кадров

Возможности

Автоматически с помощью Computer Vision

  • Оценка проходимости
  • Контроль присутствия оператора на рабочем месте
  • Оценка количества покупателей с расчетом конверсии (опционально)
  • Сведение данных в Dashboard

Автоматизировано

  • Обзор статистической выборки фотографий (можно использовать без Computer Vision)
  • Фильтры фотографий по наличию людей и их размещению в зале
  • Визуализация работы системы

Особенности

  • Камера 2 мп 2.8 мм должна охватывать всю площадь точки (не более 45 мкв)
  • Чем ближе площадь точки к квадратной форме, тем выше точность
  • Работает при низкой скорости интернета на точке (0.1 мбит/с)
  • Можно использовать обычные офисные компьютеры

Дополнительно

  • Контроль работы всех камер сети с оповещением и отчетами в Telegram
  • Оценка качества работы системы
  • Настройка параметров алгоритма подсчета посетителей для каждой точки

Внедрение для вашей торговой сети

Хотите получать статистику по своим точкам, но нужна помощь с технической частью? Обратитесь ко мне — автору системы. Обсудим, подходит ли она для ваших помещений и камер, что потребуется для запуска и какие доработки нужны под вашу задачу.

Могу помочь с настройкой сбора фотографий, развёртыванием программ, подбором зон и параметров подсчёта, проверкой качества результатов и доработкой системы.

Для самостоятельной установки ниже доступны готовые комплекты. Если вы планируете изучать или дорабатывать код, переходите к разделу для разработчиков и интеграторов.

Самостоятельная установка

Для знакомства с системой и самостоятельного развёртывания используйте руководство и готовые комплекты программ. Выбирать и скачивать каждую утилиту отдельно не требуется.

Если камеры сохраняют архив на FTP-хостинг Beget, настройте автоматическую очистку старых файлов, чтобы освобождать место без постоянно включённого компьютера.

Начните с руководства: оно поможет разобраться в настройке и взаимодействии компонентов.

Выберите комплект по роли компьютера

Компьютер с Computer Vision обрабатывает фотографии и выполняет видеоаналитику. ПК-клиент используется для работы с системой со стороны пользователя. Клиентский комплект сам по себе не заменяет компьютер с Computer Vision.

Версии и даты указаны в карточках комплектов. Изменения в исходном коде на GitHub могут появляться раньше, чем обновлённые готовые сборки.

Если нужна помощь на любом этапе, напишите мне в Telegram: укажите выбранный комплект и шаг, на котором возник вопрос.

Для разработчиков и интеграторов

Для изучения устройства системы, изменения алгоритмов и интеграции с вашими инструментами доступен публичный репозиторий. В нём находятся исходные программы на Python, список зависимостей и команды сборки EXE.

Открыть исходный код на GitHub →

Состав программ и изменения смотрите в репозитории. Для работы с кодом потребуется самостоятельно подготовить окружение и проверить совместимость компонентов с вашей установкой.

Работа системы
  • Камеры отправляют свои кадры на промежуточный FTP-сервер. Этот сервер является буфером, который обеспечивает стабильность работы системы при обрыве связи с обрабатывающим ПК. Через него кадры попадают на обрабатывающий ПК и ПК-клиентов системы.

  • На обрабатывающем ПК кадры просматриваются нейросетью Yolo v10x. На выходе первичная таблица метаданных для каждой торговой точки: одна строка – один силуэт человека. В этой строке фиксируются время, UID и координаты: силуэта, текущие основной зоны детекции и кассовой зоны.

  • Каждый день обрабатывающий ПК запускает алгоритм подсчета посетителей и алгоритм контроля продавцов. На выходе две соответствующие таблицы посетителей и работы продавцов с распределением данных по часам для каждой торговой точки отдельно. Одна строка – один день.

  • Каждую неделю обрабатывающий ПК запускает алгоритм прогноза покупателей на основе модели Prophet. Алгоритм просматривает таблицу посетителей и формирует таблицу прогноза по неделям для каждой торговой точки отдельно. Этот алгоритм создает скользящее окно с прогнозом посетителей на ближайшие полгода и полгода в прошлое для оценки своей работы. Окно движется с шагом в одну неделю, в котором модель полностью переобучается с учетом новых данных.

  • Все таблицы образуют базу данных, часть которой сводятся в Dashboard системы. Dashboard построен и автоматизирован через Power Query книги Excel. В книге есть страница с общим обзором системы, страница с прогнозом посетителей и страницы с детализацией данных для каждой торговой точки отдельно. Так же в книге организован первичный анализ данных с визуализацией на графиках и цветовой маркировки основных показателей для быстрого понимания общего здоровья сети и торговых точек отдельно.

  • ПК-клиенты могут использовать полный функционал системы с помощью программ, которые накладывают базу данных на базу фотографий (кадров). База фотографий собирается и поддерживается в актуальном состоянии на ПК-клиентах с помощью специальных загрузчиков. Также доступ к базе данных обрабатывающего ПК организован с помощью Google Drive и специальной программы обновления.

  • На обрабатывающем ПК система запускается и останавливается с помощью одной кнопки. При запуске система каскадно разворачивает свои модули, которые организовывают стабильность и слаженность работы всех процессов. Также система полностью сворачивается при остановке. Имеются отдельные программы, которые позволяют настраивать, оценивать качество, корректировать работу и оповещать в случаях, когда что-то пошло не так.

Основные принципы работы
  • Концентрат информации сразу на камере. В самом начале проводится исследование, которое определяет главный элемент – временной шаг захвата кадров на камере. Этот шаг определяет баланс между количеством информации и весом ее носителя – количеством кадров. Исследование включает в себя сбор плотного потока кадров на периоде, который отражает полную картину задачи. Для торговой сети по продаже бытовой химии было достаточно одного месяца работы одной торговой точки. Затем производится ручной подсчет для каждого рабочего дня с распределением по часам. В конце проводится серия экспериментов с прореживанием кадров и сравнением результата с подсчитанным вручную. Для вышеупомянутой сети был определен шаг в 45 секунд.
  • Адаптивная стабилизация в алгоритме подсчета посетителей. Одна из главных проблем, с которой сталкивается система в подсчете посетителей – «моргание» данных. Такое моргание происходит из-за: перекрытия людей друг друга, временного выпадения из кадра в скрытых зона и зонах, сильно удаленных от камеры. Решение – адаптивная стабилизация, состоящая из двух параметров алгоритма подсчета, которая позволяет системе предполагать в условиях недостаточной информации. В наборе программ системы имеется модуль, который помогает определить идеальное сочетание таких параметров для каждой торговой точки сети.
  • Эффект прозрачности кадров от статичности. Специфика данных от статичных камер видеонаблюдения позволяет взглянуть на объект наблюдения под другим углом. Если собрать кадры в стопку и посмотреть сверху, то они становятся прозрачными и позволяют выделить перемещающиеся объекты. Такой принцип используют основные алгоритмы системы.
  • Два удаленных канала информации для камер. Все захваченные кадры камерой дублируются на своей карте памяти для увеличения надежности работы системы в случаях разрыва связи на объекте. В наборе программ системы есть модуль, который определяет пропущенные кадры и с помощью специального загрузчика проверяет их наличие на карте памяти камеры удаленно.

Если для интеграции нужна помощь автора или доработка под конкретный процесс, обсудим задачу в Telegram. В сообщении опишите, с какой системой нужно связать видеоаналитику и какой результат требуется.