Создание умного решения для аналитики данных розничной торговли

Используйте возможности обработки данных компьютерного зрения в Intel® Distribution of OpenVINO™ toolkit для аналитики информации об удовлетворенности клиентов, количестве посетителей и наличия товаров на полках магазина.

Целевая операционная система:Ubuntu* 16.04 LTS

Время на реализацию: 60 минут

Использованное ПО:

Intel® Distribution of OpenVINO™ Toolkit

Использованные модели:

face-detection-adas-0001

head-pose-estimation-adas-0001

emotions-recognition-retail-0003

mobilenet-ssd

GitHub* (Python*)

Что вы изучите

Создайте несколько выходных видеопотоков и процесс обработки данных компьютерного зрения для оптимизации операций розничной торговли.

Узнайте больше о следующих решениях:

Приложения компьютерного зрения для Интернета вещей.
Обработка и анализ видеоданных
Интернет вещей в розничной торговле

Узнайте, как создать и использовать приложение со следующими возможностями:

❶ Обнаружение посетителей в определенной области с отображением вокруг них зеленого прямоугольника, а также подсчет их общего количества и времени пребывания в кадре.
❷ Использование процесса обработки данных для идентификации лиц, эмоций и положений головы.
❸ Представление полученных данных на информационной панели.

Принцип работы

Приложение разделено на три контейнерных компонента: один отвечает за мониторинг посетителей магазина с помощью функции обнаружения, второй — за идентификацию взглядов и настроение покупателей и третий — за проверку наличия товаров на полках.

❶ Обученная нейронная сеть обнаруживает людей в определенной области, используя модель mobilenet-ssd для обработки полученных данных, а затем сохраняет и отображает информацию о текущем количестве людей в кадре и общую историю посещений.

❷ Процесс обработки данных использует модель идентификации лиц для определения присутствия покупателя, заинтересовавшегося товаром. Эти данные передаются модели распознавания эмоций и поз головы посетителя для определения его интереса и настроения.

❸ Полученные аналитические данные пересылаются в InfluxDB для хранения и дальнейшего анализа с отображением на многофункциональной информационной панели с использованием Grafana.