AI视觉赋能新零售

当前位置:首页 > 解决方案
AI视觉智能赋能新零售应用主要由三项关键技术决定最终落地的效果,首先是对物品能多目标检测 其次是对物品做到精准识别,最后是针对针对无人零售的购物 行为进行行为分析, 对选取、放回等动作 进行准确识别以及针对无人零售的偷盗 破坏行为进行行为分 析,对异常行动路线、 动作进行准确识别。
多目标检测原理:快速卷积神经网络

快速卷积神经网络模型

计算机视觉多目标检测-过程解析
1、使用RPN网络 模型,找出多个目标 区域(实际找到的目标区域比真实的物体多很多)
2、 使用深度网 络识别目标区域真伪与归属
3、对相同归属 目标进行合并得到最 终检测结果

计算机视觉多目标检测-效果
准确区分出背景和前景,并对多目标进行准确分割和检测
物体精准识别过程解析
1、 多层CNN进行深度学习,浅层提取局部细小特征,逐层提高特征抽象程度和完整度
2、压缩特征维度, 减小过拟合,提高计算速度
3、针对特定识别目标集进行针对性调优,提高识别精度

物体精准识别的效果如图
在有部分遮挡的情况 下精准识别目标物品

行为分析过程
1、基于KCF算法对物 体进行运动跟踪
2、 根据物体(行为的操作对象)运动轨迹进行行为分析
3、 针对特定应用场景进行针对性调优,通过 减法思维去除不必要的环 节,进一步加快速度
4、持续跟踪算法的新动态,对效果和效率进行提高
 
AI视觉新零售应用
>立即查看产品详情