如何在零售中实施人工智能自助结账？

在线零售有一个关键优势——客户体验。没有排队，没有延误，也没有什么活动可以进行购买。根据 Forrester 的研究，美国 72% 的零售额仍将发生在实体店，因为人们希望在购买前与产品互动，或者只是不想等待交货。人工智能零售结账可能是解决这个问题的方法。

在 Amazon Go、Tesco、Walmart 等场所实现免结账购物的想法得到了体现。使用带有计算机视觉的全自动结账的想法是零售自动化的一个成功例子。但是，一些店主想要建立一个全新的门店来线下经营他们的业务。因为它需要一个集成的软件基础架构，以及我们今天将讨论的开发和财务挑战。

在本文中，我们将分析任何实体店如何通过计算机视觉系统实现自动化。在这里，我们将看看它是如何工作的，结账自动化的选项是什么，以及挑战是什么。

用于实体零售的计算机视觉结账自动化

大多数店内操作，如货架管理、结账或产品称重，都需要人工监督。人力生产力基本上是零售商的绩效指标，它经常成为瓶颈，也成为客户的挫败因素。

也就是说，结账队列是客户和零售商的痛点。不仅是排队——实际的人力成本是要花钱的。那么计算机视觉如何应用于这些操作呢？

计算机视觉 (CV) 是人工智能背后的一项技术，它使机器能够从图像中提取有意义的信息。计算机视觉的核心是模仿人类的视觉。类似于眼睛，CV 依赖于捕捉环境的相机传感器。反过来，一个底层的神经网络，也就是它的大脑，将识别物体、它们在框架中的位置，或一些其他特定属性（例如将百事可乐罐与 Pepper 博士罐区分开来）。

这是我们了解计算机视觉如何适应实体零售任务的基础，因为它可以识别位于框架中的产品。这些产品可以放在货架上，也可以由客户随身携带，这样我们就可以排除条码扫描、收银操作或自助结账机。

尽管计算机视觉的实现在复杂性和预算方面存在显着差异，但有两种常见的场景可以用于零售自动化。首先，让我们看看如何构建全店自动化。

人工智能驱动的自主结账：全店自动化

自动结账被称为不同的名称：“cashierless”、“grab-and-go”、“checkout-free”等。在亚马逊、乐购甚至沃尔玛的购物体验中，此类商店在购物时会检查产品，并在你走出去时为他们收费。这听起来很简单，这就是它的工作原理：

购物环节开始。像亚马逊这样的商店使用十字转门通过扫描二维码开始购物。此时，系统会将亚马逊个人资料和数字钱包与进入商店的实际人员进行匹配。

人员检测。这是通过计算机视觉相机完成的人和物体的识别和跟踪。摄像头会记住这个人是谁，一旦他们从货架上拿走产品，系统就会将其放入虚拟购物车中。一些商店使用数百个摄像头从不同角度查看并覆盖所有商店区域。

产品识别。一旦人们从架子上抓起东西并随身携带，相机就会捕捉到这个动作。将视频中的产品图像与零售商数据库中的实际产品相匹配，商店将商品放入虚拟购物车中。

结帐。随着产品清单的完成，该人可以走出去。当人离开被摄像头覆盖的区域时，计算机视觉将其视为购物会话的结束。这会触发系统计算总金额并从客户的数字钱包中收取费用。

从客户的角度来看，这样的系统代表了与在线商店类似的购物体验，只是您不需要结账。你进入，找到你想要的东西，抓住它，然后离开。虽然，为了给客户提供完全的自主权，并覆盖所有的边缘情况，我们需要从技术上解决大量的问题。

人工智能驱动的自治商店的挑战

客户行为可能无法预测，因为我们将为同时结账和购买数千种产品的数十人自动结账。这给计算机视觉带来了许多挑战：

连续人员跟踪

当顾客进入商店时，系统应该能够沿着购物路线持续跟踪他们。我们需要知道是同一个人在商店的不同地方拿走了这个或那个物品。在拥挤的商店中，连续跟踪可能很困难。只要不允许使用人脸识别，模型就应该通过人的外表来识别人。那么，如果有人脱下外套，或者肩上扛着孩子，会发生什么？

为了实现连续跟踪，我们需要为摄像头提供 100% 的覆盖率，以检测从一个区域到另一个区域的人员。将相机放置在不同的角度，我们还需要传感器来传达它们的精确位置，以便我们可以使用这些数据更准确地跟踪物体。

“谁拿走了什么？” 问题

产品种类繁多，客户的购物过程不是线性的。他们移动物品，闻它们，放回去，然后去另一个架子。特别是当一个货架上有多个人时，模型很难识别谁拿走了什么，以及他们是否真的拿走了产品。

例如，亚马逊  通过实施 人体姿势估计 和人体活动分析解决了这个问题。基本上，这是人工智能与计算机视觉相结合的另一层——它测量一个人的位置和运动，以预测他或她抓住了什么以及产品是否被购买。

这解决了货架上有多个顾客的问题，并有助于表明谁拿走了特定产品，即使相机被某人挡住了。

识别相似产品

关于产品，我们还需要处理类似的包裹。有些产品的外观差异很小，这使得模型更难获取所有细节，尤其是在框架中发生一些障碍物或物体快速移动的情况下。我们可以通过训练模型来发现小细节并使用具有更高分辨率和帧速率的相机来解决这个问题。

虽然使用自动结账似乎是有益的，但这种系统的复杂性可能很困难。对于一家技术优先的公司来说，这不是问题。但对于普通零售商来说，人工智能带来的负担降低了这种自动化的价值。这就是为什么带有计算机视觉的部分商店自动化可能更适合许多企业。

智能自动售货机：部分商店自动化

自动售货机可以完美解决跟踪整个商店所带来的问题。自动售货机可以用带有玻璃门的货架或使用计算机视觉摄像头操作购买流程的普通冰箱来表示。通过安装二维码扫描仪，我们可以将结账程序最小化到单个冰箱的位置。所以这个想法很简单：

购物环节开始。一旦有人接近冰箱并打开它，会话就开始了。如果是关门冰箱，可以通过移动应用程序扫描二维码来完成。在普通货架的情况下，摄像头可以跟踪从中抓取的内容以启动会话。

创建一个虚拟购物车。当这个人扫描二维码时，这是系统为这个特定用户创建购物车的信号。

产品识别。摄像头可能安装在自动售货机的内部或外部。内部摄像头应该能够跟踪取回/放回的产品。外部摄像头可能会跟踪打开冰箱内的操作，就像使用普通架子一样。两种类型的相机都可以捕获产品并将它们放入购物车。

由于该人可能会检查多个项目并从一侧移动到另一侧，因此 CV 摄像机还可以跟踪框架中的人。这将帮助我们验证购买的是一个人，而不是附近的另一个人。

验证产品。当产品被拿走时，系统会发送此数据以将产品的图像与数据库中的图像进行比较并提取价格。此外，我们可以在库存管理系统中自动更新可用性。

编辑产品列表。一旦产品被拿走，它们将被发送到用户智能手机上的购物车或冰箱上的平板电脑上。在这里，客户可以修改项目，然后进行付款。

结帐。在移动应用程序和二维码扫描的情况下，关闭冰箱可能是完成购买并从数字钱包中收取一笔款项的触发点。但是，也可能安装了一个 POS 终端以允许信用卡支付。至此，购买完成，该人可以离开商店。

虽然它似乎是自动结账系统的一个相对较弱的替代方案，但自动售货机可以轻松扩展以实现整个商店的自动化，这可以在客户体验方面产生影响，但需要更少的工程工作和预算。

模块化自动化的相同概念可以应用于许多其他情况。除了超市和杂货店，还可以在餐饮服务场所或咖啡店安装计算机视觉信息亭。

免结账餐饮服务

餐厅、咖啡馆和食堂经常使用自助餐服务系统，例如餐具柜，顾客可以选择分份的菜肴。顾客将盘子放在托盘上，然后需要检查他们的订单，这可能由计算机视觉信息亭处理。

可以训练位于后端的机器学习模型识别放置在托盘上的盘子和其他产品以启动结帐流程。这个想法可以实现为一个结账亭，其中一组摄像头将扫描订单。实际支付可以通过普通的 POS 终端或使用移动应用程序和数字钱包完成。

无收银员操作的概念可以像星巴克一样发挥到极致。使用亚马逊的系统，星巴克成为第一家外卖咖啡店。客户可以通过移动应用程序下订单，然后来喝咖啡，而无需像 Amazon GO 那样进行任何结账。但是，处理计算机视觉项目需要了解某个主题。具体来说，数据科学和机器学习专业知识。

所以现在让我们谈谈你应该知道的一些关于基于计算机视觉的结账自动化的知识。

如何进行基于 AI 的结账

让我们来看看为零售自动化创建计算机视觉系统所需的步骤。我们将专注于智能冰箱外壳，因为它是最平易近人且用途广泛的。