计算机视觉赋能新零售

□ 文/沈修平

在为华为云生态零售领域，悠络客是优秀的代表。悠络客不仅让“新零售”的概念落地，而且发展出视频的大数据平台，让计算机视觉技术为零售业带来全新的变革。

人工智能下一个时代——“进化计算”

新零售一定不是悠络客提出来的，但悠络客却是最早将新零售概念落地的。悠络客在新零售领域已经探索了快10年的时间。这近10年时间里，悠络客有三年只做研发，这对一个创业公司来说也非常痛苦的一件事情。三年研发没有收入，而且技术难度是前所未有的。

悠络客坚持了只做一件事情，即，把基于摄像头的计算机视觉技术赋能新零售。这两年总共签约了30万门店数量，也算是取得了一些小成绩。这一路能撑下来，除了一个打不死的小强精神，还有很多投资者的支持。所以，资本也起到了很大的作用。技术加上资本，才让这项事业一直发展到现在。

当然，新零售离不开大的生态。华为云生态的支持下，悠络客在这个行业也做了很多探索，实现了不少“第一”。比如第一个真正吃新零售螃蟹的，第一个把人脸技术用到门店的，第一个针对连锁业态推出了整个连锁的地域模式，第一个做到秒级的云端视频基础等等。悠络客这几年的发展就是如此。

大家都在谈人工智能，而关注“进化计算”的人相对而言还不太多。进化计算不是我们发明出来的，国际上有很多公司已经在研究，这是人工智能之后的下一个时代。深度学习非常火，但是有一个致命的缺陷，深度学习只能用于特定的任务，深度学习是需要人工的，而这些问题基于进化计算都可以很好的解决。

这些年来，基于进化的发育模型，用基因调控网去解决在神经网络中自动学习的能力，包括对神经网络机理的研究和认识都是我们的成绩。比如现在非常火热的人脸识别，人脸识别有一个特点：对尺寸、大小、角度要求非常高，所以你看我们去机场，说站着别动，给你拍一下照，做一个人脸识别。

再比如说数据处理。贵阳作为大数据中心，数据最关键的是建模，现在越来越难了。比如说进化计算，我们首席科学家已经在芬兰的国家电网、空中客车已经有一些应用案例，相信会有更多的人关注这些。

零售门店的大数据应用

既然我的主题是讲零售门店大数据，到底零售门店数据有什么特点呢？

第一、门店的数据。现在的线下门店已经有2000万TB的视频数据，只不过原来数据都是信息孤岛、本地化的，我想去用的话很难。未来，一它是需要云端化，二、需要结构化，因为原来是非结构化的视频数据，那个数据用起来真的很累。当然智能化也是未来发展的趋势，通过云端化之后，把数据在云端关联起来，比如说人脸识别当中，我们讲的有人脸库、特征值数据、关联数据、商品标签数据和人脸标签数据等等，都是基于视频数据提取之后的结构化数据。

第二、人的数据。现在线下门店每天有20亿人次的人流量大概有7000亿的数据，这些数据如果用人脸识别技术去抓取，每天有7000亿的数据，有非常了不起的数据，我们需要智能数据把它结构化。

第三、货的数据，在门店我们通过店里的交易数据和商品数据，这些数据放在云端和其他的数据关联起来，创造价值，也就是现在大家谈的基于零售、人货场的价值。

相关应用也在一些餐饮企业开着手进行了。餐饮业后厨的规范特别麻烦，大家对餐饮的管理真的很头痛，也许可以通过行为分析把餐饮业的后厨通过关联全部做起来。

2015年出现了无人零售至今，风口应该到了。现在说的无人零售，当然也不是完全“无人”，没有做得那么快，但是我们在慢慢减少我们的店面人员、管理人员。人工智能的发展真的是无可估量。未来会是什么样子？实在令人遐想。

悠络客在MegaFace排名中冲入全球公司前五

近日，悠络客的人工智能研究院（ULUFace）,在国际知名人脸识别数据库MegaFace百万级别人脸测试中(Challenge1/FaceScrub identification)，以97.4869%的成绩取得全球公司第五的好成绩。参加这项测试的还有来自微软、复旦、苏宁、腾讯优图等公司。

目前世界知名的人脸识别技术验证平台有LFW和MegaFace,这两者是人脸识别研究领域最重要的人脸图像测评集合之一和目前最权威的、热门的评价人脸识别性能指标之一。

LFW人脸图像集合中有13000多张从网上搜集来的非约束环境下的人像照片，主要用于验证给定两张照片中的人是否为同一人（Face Verification）即1：1场景。由于场景较容易，人脸库数量较少，准确率普遍达到99%以上，目前国内公司普遍采用这一人脸库宣传自己技术。

Megaface是一项百万规模级别的面部识别算法测试基准，由美国华盛顿大学计算机科学与工程实验室发布并维护。该测试资料集中包含69万人的100万张图片，以海量人脸注册情况下的辨识率为主要指标，难度较大，其中还包含同一个名人不同年龄跨度的照片，其中不乏让人难以分辨的例子，例如下图：

在MegaFace竞赛中，各大公司普遍使用多模型和较高的算法层数，这样虽然可以使准确率大幅提高，但是相比单模型的“一人投票决定制”，多模型的“少数服从多数”显然要占用更大的计算资源，更别说动辄一两百层的深度计算神经网络。

注重实战应用，一直是悠络客的一大优点，拥有30万+签约门店，覆盖各行各业，海量的到店人脸识别数据也帮助训练出了悠络客精准的实战化算法。采用单模型，52层深度计算神经网络，依然可以轻松冲击到MegaFace榜单的第六名。而且整套算法更小巧，方便嵌入在摄像监控等终端内，帮助门店监控抓取到店客户的人脸数据，形成更精准的顾客分析数据,做到让技术走出实验室。

目前，已有多家知名企业在自己的门店内使用基于悠络客的人脸识别技术的顾客分析，VIP导购，精准客流等功能帮助提高门店管理运营效率，随着悠络客PaaS平台业务的展开，相信在未来，有更多的企业用低成本享受到这一精准的人脸识别技术。

结束语

悠络客在全球的相关技术以及细分领域，SaaS服务方面已有九年的累积经验。除了与华为云生态的合作，悠络客还会与更多的伙伴携手，共创新零售市场。

未来悠络客的平台上将有一千万的摄像头数据。真正基于视频的大数据时代，这些摄像头在这一平台上，形成一个大数据平台。AI时代渐行渐近，以创新技术拥抱未来，让我们携手为这个时代创造价值。