{"id":9301,"date":"2018-09-06T21:16:11","date_gmt":"2018-09-06T19:16:11","guid":{"rendered":"https:\/\/www.aitech.vision\/?p=9301"},"modified":"2018-09-06T21:17:07","modified_gmt":"2018-09-06T19:17:07","slug":"analisi-video-e-retail-e-possibile-riutilizzare-le-camere-di-sorveglianza","status":"publish","type":"post","link":"https:\/\/www.aitech.vision\/it\/2018\/09\/06\/analisi-video-e-retail-e-possibile-riutilizzare-le-camere-di-sorveglianza\/","title":{"rendered":"Analisi video e retail:  \u00e8 possibile (ri)utilizzare le camere di sorveglianza?"},"content":{"rendered":"<p>Migliorare le performance della propria attivit\u00e0 commerciale richiede la conoscenza della clientela che la affolla. Oggigiorno, una telecamera intelligente, combinata con un software di analisi video in grado di effettuare in modo automatico l\u2019elaborazione delle immagini, pu\u00f2 rispondere a questa esigenza. Questo \u00e8 il motivo scatenante per cui i retailer sono sempre pi\u00f9 interessati alle soluzioni che oggi l\u2019analisi video pu\u00f2 offrire. Ma il budget non sempre permette di realizzare tutti i sogni di un retailer. E cos\u00ec, la domanda che spesso sento porre \u00e8: \u201c<em>Posso utilizzare le camere di sorveglianza che sono gi\u00e0 installate nel mio negozio, oppure ho bisogno di acquistarne di nuove?<\/em>\u201d E cos\u00ec si avvia una lunga discussione che tipicamente inizia con la seguente risposta: \u201c<em>Dipende<\/em>\u201d. Da cosa? Scopriamolo.<\/p>\n<p>Quando ci si trova di fronte a questa situazione, non resta che porre le seguenti domande al retailer, finalizzate da un lato a soddisfare al meglio le sue esigenze, ma allo stesso tempo rispettando il budget che ha a disposizione:<\/p>\n<ol>\n<li><em>Quali sono le funzionalit\u00e0 che desideri all\u2019interno della tua area di vendita?<\/em><\/li>\n<li><em>A quale di queste sei disposto a rinunciare?<\/em><\/li>\n<\/ol>\n<p><strong>Quali sono le funzionalit\u00e0 che il cliente richiede?<\/strong><\/p>\n<p>Scopriamo quelle che sono le funzionalit\u00e0 che oggi un retailer pu\u00f2 avere, grazie ai prodotti gi\u00e0 disponibili sul mercato, all\u2019interno della sua area di vendita.<\/p>\n<p><strong>Conteggio persone ai varchi<\/strong>: \u00e8 la funzionalit\u00e0 di cui tipicamente non si riesce a fare a meno. Una camera, montata all\u2019ingresso in vista zenitale, ad inquadrare le teste delle persone, effettua il conteggio delle persone che entrano e che escono dalla porta. Un esempio \u00e8 riportato in Figura 1.<\/p>\n<p><img loading=\"lazy\" decoding=\"async\" class=\"aligncenter wp-image-9303 size-medium_large\" src=\"http:\/\/172.16.35.8\/wp-content\/uploads\/2018\/09\/AS_CamereRetail_fig-People-768x487.png\" alt=\"\" width=\"768\" height=\"487\" srcset=\"https:\/\/www.aitech.vision\/wp-content\/uploads\/2018\/09\/AS_CamereRetail_fig-People-768x487.png 768w, https:\/\/www.aitech.vision\/wp-content\/uploads\/2018\/09\/AS_CamereRetail_fig-People-300x190.png 300w, https:\/\/www.aitech.vision\/wp-content\/uploads\/2018\/09\/AS_CamereRetail_fig-People-600x380.png 600w, https:\/\/www.aitech.vision\/wp-content\/uploads\/2018\/09\/AS_CamereRetail_fig-People.png 824w\" sizes=\"auto, (max-width: 768px) 100vw, 768px\" \/><\/p>\n<p>Figura 1- Conteggio persone ai varchi. L&#8217;esempio \u00e8 tratto da <a href=\"http:\/\/172.16.35.8\/prodotti\/ai-people\/\" target=\"_blank\" rel=\"noopener\">AI-People<\/a><\/p>\n<p>Questa funzionalit\u00e0, tra l\u2019altro, \u00e8 quella che abilita al calcolo del cosiddetto \u201cconversion rate\u201d, ossia il rapporto tra il numero di scontrini emessi e il numero di ingressi, che in qualche modo \u00e8 indice del numero di potenziali clienti (quelli che accedono all\u2019area di vendita) che si trasformano in clienti (ossia coloro che acquistano e producono quindi uno scontrino).<\/p>\n<p><strong>Stima affollamento<\/strong>: questa funzionalit\u00e0 pu\u00f2 concretizzarsi in due modi; (1) attraverso la stima del numero di persone all\u2019interno di una area; o (2) attraverso la valutazione della percentuale di occupazione di una area. Nel primo caso, il vincolo installativo \u00e8 stretto, poich\u00e9 la camera ha bisogno di essere installata con vista zenitale. Viceversa, nel secondo caso non ci sono vincoli installativi. Nel primo caso, il dato che il retailer riesce ad ottenere \u00e8 legato al numero di persone, mentre nel secondo caso il dato \u00e8 decisamente meno pregiato poich\u00e9 si riferisce alla percentuale di occupazione di una area. Insomma, avere un dato pregiato richiede che la camera sia posizionata come l\u2019analisi video richiede. Utilizzare invece le camere magari gi\u00e0 installate per fini sorveglianza \u00e8 possibile, ma consente di ottenere un dato meno pregiato (la percentuale di occupazione di un\u2019area appunto).<\/p>\n<p>&nbsp;<\/p>\n<p><img loading=\"lazy\" decoding=\"async\" class=\"aligncenter wp-image-9302 size-medium_large\" src=\"http:\/\/172.16.35.8\/wp-content\/uploads\/2018\/09\/AS_CamereRetail_fig-Heat-768x390.png\" alt=\"\" width=\"768\" height=\"390\" srcset=\"https:\/\/www.aitech.vision\/wp-content\/uploads\/2018\/09\/AS_CamereRetail_fig-Heat-768x390.png 768w, https:\/\/www.aitech.vision\/wp-content\/uploads\/2018\/09\/AS_CamereRetail_fig-Heat-300x152.png 300w, https:\/\/www.aitech.vision\/wp-content\/uploads\/2018\/09\/AS_CamereRetail_fig-Heat-1024x520.png 1024w, https:\/\/www.aitech.vision\/wp-content\/uploads\/2018\/09\/AS_CamereRetail_fig-Heat-600x304.png 600w, https:\/\/www.aitech.vision\/wp-content\/uploads\/2018\/09\/AS_CamereRetail_fig-Heat.png 1214w\" sizes=\"auto, (max-width: 768px) 100vw, 768px\" \/>Figura 2- Alcuni dei plugin di analisi video per il retail prodotti da A.I. Tech: <a href=\"http:\/\/172.16.35.8\/prodotti\/ai-crowd\/\" target=\"_blank\" rel=\"noopener\">AI-Crowd<\/a>, sulla sinistra, per la valutazione dell\u2019affollamento; <a href=\"http:\/\/172.16.35.8\/prodotti\/ai-heat\/\" target=\"_blank\" rel=\"noopener\">AI-Heat<\/a>, sulla destra, per la valutazione della heatmap.<\/p>\n<p><strong>Stima sovraffollamento<\/strong>: aumentare la customer experience signifca minimizzare il tempo di attesa in coda dei clienti che hanno deciso di acquistare un prodotto e di pagare quindi alla cassa. Plugin di analisi video per la gestione delle code e la valutazione del tempo di attesa in coda risultano quindi estremamente utili per la gestione di un punto vendita. Stimare il sovraffollamento infatti significa generare un allarme laddove ci siano troppe persone in attesa alla cassa, consentendo una immediata apertura di una nuova cassa.<\/p>\n<p>Anche in questo caso, possiamo adottare due strategie differenti: (1) generare un allarme se il numero di persone all\u2019interno di una area \u00e8 superiore ad una determinata soglia; (2) generare un allarme se la percentuale di occupazione di un\u2019area \u00e8 superiore ad una determinata soglia. Tutte le osservazioni fatte sopra possono essere ancora applicate in merito al posizionamento della camera e al tipo di informazioni, pi\u00f9 o meno pregiate che si riescono ad ottenere.<\/p>\n<p><strong>Heatmap<\/strong>: Alle informazioni di carattere quantitativo prodotte dai moduli di analisi video sopra descritti (per la stima dell\u2019affollamento e del sovraffollamento), se ne pu\u00f2 aggiungere un\u2019altra di carattere qualitativo, ossia la valutazione della heatmap, che consente di classificare le aree della scena inquadrata dalla telecamera sulla base del tempo di permanenza delle persone al loro interno, consentendo quindi la distinzione tra le aree maggiormente visitate dai clienti (hot spots) e quelle di minore affollamento (dead areas). Un esempio \u00e8 quello riportato in Figura 2, dove in rosso sono riportate le aree pi\u00f9 affollate e progressivamente in verde e blu quelle meno affollate. Come per la valutazione della percentuale di occupazione, tipicamente anche in questo caso non vi sono particolari vincoli installativi, sebbene la camera preferita dai retailer sia una fisheye montata al soffitto. \u00a0<strong>\u00a0<\/strong><\/p>\n<p><strong>Stima genere, fascia d\u2019et\u00e0, sentimento e etnia<\/strong>: quando il numero di persone non \u00e8 sufficiente, le tecnologie oggi disponibili sul mercato consentono anche di valutare il tipo, ossia caratterizzare l\u2019affollamento in termini di tipologia delle persone: uomo o donna?\u00a0 Bambino, adulto o anziano? Espressione felice, triste o neutra? Asiatico, Caucasico o di colore?<\/p>\n<p>Per ottenere queste informazioni, \u00e8 necessario effettuare una analisi del volto delle persone; questo richiede un vincolo installativo ancora pi\u00f9 forse rispetto a quelli menzionati in precedenza: la camera, infatti, deve essere posizionata in vista frontale, ad una altezza di circa 1 metro e 70. Installazione che evidentemente \u00e8 tutt\u2019altro che semplice. A questo si aggiunge il fatto che tali sistemi, per loro natura, non sono collaborativi. Pensiamo ad esempio ad un sistema di controllo accessi basato su analisi del volto: una persona \u00e8 portata a guardare la camera e a fermarsi fin quando il software di analisi video non la riconosce e consente l\u2019accesso: tali sistemi possono quindi considerarsi collaborativi. Una persona in un negozio, al contrario, non si ferma davanti alla telecamera (tanto pi\u00f9 se inquadra i volti e si trova ad altezza uomo) e potrebbe addirittura sentirsi infastidita dalla sua presenza, girando il volto. Cosa che inevitabilmente rischierebbe di impedire il corretto funzionamento del plugin di analisi video per la stima di genere, fascia d\u2019et\u00e0 ecc. Pertanto, in questi casi tipicamente la soluzione \u00e8 l\u2019impiego di una camera pinhole, con una ottica tanto piccola da potersi nascondere facilmente (magari all\u2019interno di un manichino piuttosto che dentro uno scaffale). Non saranno collaborativi questi sistemi, ma l\u2019utilizzo di questo tipo di camere almeno evitano che il sistema diventi anti-collaborativo.<\/p>\n<p><strong>Camere di sorveglianza: si o no?<\/strong><\/p>\n<p>Alla luce di quanto detto fino a questo momento, se vogliamo utilizzare le stesse camere che installiamo per fini sorveglianza, le uniche informazioni che possiamo ottenere sono quelle legate alla valutazione della heatmap e al calcolo della percentuale di occupazione di una area (per la valutazione dell\u2019affollamento e del sovraffollamento). E dobbiamo rinunciare a tutto il resto.<\/p>\n<p>Il nostro cliente \u00e8 disposto a farlo? No? Allora sar\u00e0 necessario installare nuove camere, nel modo in cui l\u2019analisi video richiede, e quindi con i vincoli detti in precedenza. E dobbiamo essere pronti a convincerlo che risultati accurati richiedono un corretto posizionamento delle camere. Non abbiamo alternativa. Dobbiamo solo diffidare da chi sostiene il contrario.<\/p>\n","protected":false},"excerpt":{"rendered":"<p>Migliorare le performance della propria attivit\u00e0 commerciale richiede la conoscenza della clientela che la affolla. Oggigiorno, una telecamera intelligente, combinata con un software di analisi video in grado di effettuare in modo automatico l\u2019elaborazione delle immagini, pu\u00f2 rispondere a questa esigenza. Questo \u00e8 il motivo scatenante per cui i retailer sono sempre pi\u00f9 interessati alle&#8230;<\/p>\n","protected":false},"author":3,"featured_media":9304,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[50,39],"tags":[],"class_list":["post-9301","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-pils","category-retail"],"_links":{"self":[{"href":"https:\/\/www.aitech.vision\/it\/wp-json\/wp\/v2\/posts\/9301","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.aitech.vision\/it\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.aitech.vision\/it\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.aitech.vision\/it\/wp-json\/wp\/v2\/users\/3"}],"replies":[{"embeddable":true,"href":"https:\/\/www.aitech.vision\/it\/wp-json\/wp\/v2\/comments?post=9301"}],"version-history":[{"count":2,"href":"https:\/\/www.aitech.vision\/it\/wp-json\/wp\/v2\/posts\/9301\/revisions"}],"predecessor-version":[{"id":9306,"href":"https:\/\/www.aitech.vision\/it\/wp-json\/wp\/v2\/posts\/9301\/revisions\/9306"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.aitech.vision\/it\/wp-json\/wp\/v2\/media\/9304"}],"wp:attachment":[{"href":"https:\/\/www.aitech.vision\/it\/wp-json\/wp\/v2\/media?parent=9301"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.aitech.vision\/it\/wp-json\/wp\/v2\/categories?post=9301"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.aitech.vision\/it\/wp-json\/wp\/v2\/tags?post=9301"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}