ИИ-анализ пешеходных потоков и геоданных
Торговый центр хочет понять: какие зоны притягивают посетителей, где образуются пробки, насколько эффективна навигация. GPS-данные со смартфонов дают агрегированные треки, но не позволяют видеть поведение внутри здания. Комбинация видеоаналитики с геоданными даёт полную картину.
Источники данных
Видеоаналитика — камеры внутри помещений, плотность пешеходов в реальном времени, трекинг траекторий, тепловые карты. Покрывает здания и контролируемые территории.
Мобильные геоданные — агрегированные треки из SDK мобильных приложений или телеком-операторов. Покрывают открытые пространства, позволяют анализировать откуда приехали посетители и куда уходят.
Wi-Fi/Bluetooth-сенсоры — proximity analytics по MAC-адресам (анонимизированным). Простой и дешёвый метод для ритейла.
Computer Vision из спутников/БПЛА — для больших открытых территорий: парки, площади, транспортные узлы.
CV-компоненты системы потоков
Детекция и трекинг людей — YOLOv8 + ByteTrack или BoT-SORT. ByteTrack устойчив к окклюзии: сохраняет треки при временном перекрытии, восстанавливает ID после. На стандартной камере 1080p с потоком до 50 человек в кадре: latency 35ms на RTX 3060.
Подсчёт пересечений линий — виртуальные линии на видео, алерт при пересечении, счётчик направлений (in/out). Для подсчёта посетителей через входы/выходы.
Построение траекторий — интерполяция треков от камеры к камере через homography transforms. Результат: траектория человека через несколько зон здания.
from supervision import ByteTrack, BoundingBoxAnnotator
from ultralytics import YOLO
model = YOLO("yolov8m.pt")
tracker = ByteTrack(
track_activation_threshold=0.25,
lost_track_buffer=30,
minimum_matching_threshold=0.8,
frame_rate=25
)
def process_frame(frame):
results = model(frame, classes=[0], verbose=False)[0] # только люди
detections = sv.Detections.from_ultralytics(results)
tracked = tracker.update_with_detections(detections)
return tracked # .tracker_id содержит устойчивые ID
Геопространственный анализ
Heatmap накопления — aggregation треков по пространственным ячейкам (0.5×0.5м для indoor). KDE (Kernel Density Estimation) на координатах точек треков дает сглаженную тепловую карту.
Анализ задержки (dwell time) — сколько времени трек провёл в каждой зоне. Для ритейла: dwell time перед стендом → конверсия в покупку.
Origin-Destination матрица — откуда в какую зону переходят люди. Visualizes с Sankey-диаграммами, помогает оптимизировать навигацию.
Пиковые часы и паттерны — временные ряды потоков по часам и дням. Прогнозирование пиков через Prophet или SARIMA для планирования персонала.
Приватность и анонимность
Треки людей — персональные данные при возможности реидентификации. Технические меры:
- Лица всегда размываются (в реальном времени, до записи)
- ID трекинга — временные, не персональные
- Треки агрегируются в статистику, не хранятся индивидуально
- Retention: сырые треки — 24–48 часов, агрегаты — постоянно
Re-identification через appearance features (одежда, цвет) технически возможна — явно отключается: feature extractor не используется для cross-camera matching.
Integration с бизнес-системами
- BI-дашборды: Grafana, Power BI — real-time и исторические метрики потоков
- ERP/WMS: пиковые часы → планирование смен персонала
- Рекламные системы: heatmap зон внимания → оптимизация размещения рекламы
Сроки
Система видеоаналитики потоков (5–20 камер): 6–10 недель. Integration с геоданными и BI: дополнительно 3–5 недель. Стоимость рассчитывается по количеству камер и требуемому функционалу.