【科讯】2018世界人工智能大会

本篇文章3773字，读完约9分钟

9月18日上午，以ai无界智未来为主题的世界人工智能大会腾讯分科论坛在上海举行。 在前一天的大会高峰论坛上，腾讯董事会主席兼CEO马化腾说，人工智能的迅速发展将实现人与物、人与服务的更好连接，与大社会交流时代相连。 作为数字工具箱的胜利法宝，人工智能必须与大数据、云计算共同构成新的基础设施，腾讯必须通过人工智能继续发挥连接器和生态共同建设者的作用。

在腾讯ai分论坛上，腾讯公布了目前的ai技术和应用成果，腾讯在人工智能行业的战术布局继续围绕基础研究场景建设ai开放三层结构。 在ai的应用中，腾讯专注于复印、社会交流、医疗、零售、游戏等行业，实现技术落地。

腾讯优图实验室总经理吴运音现场共享腾讯优图计算机视觉技术在智慧零售中的实践与采用，吴运音是:智慧零售是以人为中心的网上数据联动。 计算机视觉技术是建立人、物、场三者之间联系的重要纽带。 目前，基于面部识别、人流密度分解、商品识别、手势识别等计算机视觉技术，腾讯优图联合腾讯云推出了腾讯优mall和腾讯智能集装箱处理方案。

根据腾讯优mall智能零售系统，客户在去商店、去商店、购买之前，可以获得更高品质费用的新体验。 另外，商家可以通过从vip的老客户到商店、精细粒度的客流统计、客流轨迹统计等，全面描述场内客户的行为，实现精确的营销。 现在腾讯优mall正在和深圳百丽国际等百货公司合作。 最近，腾讯优图与腾讯云、每日优生新推出的智能集装箱处理方案相结合，根据研究中心的商品识别技术，在取东西关门后，可以自动生成订单结算，即实现带走的顺畅购物体验，准确率为99。

吴运声表示，未来腾讯优mall和智能集装箱处理方案将在超市、家庭、3c数字、化妆品等9个零售领域继续宣传落地。

以下是吴运声演讲的实录

早上好。 我很高兴有机会在这里和大家分享计算机视觉技术在智能零售中的应用。 在过去的一年多中，腾讯在智能零售中发生了许多事件，确立了支持以前流传下来的零售领域数字化变革的基础设施。 在这个过程中，优图首先作为帐篷内部的顶级ai实验室，我们也利用计算机视觉技术参加了这样的过程。

首先看看零售在日常理解中到底是什么。 历史上，零售实际上是一个持续接触顾客的过程，无论是通过地区代理人的方法，还是在线开店，都是通过这种方法接触顾客的。 而且，到了电子商务时代，商家会在网上开店，通过网上的方法与顾客接触，所以对商家来说，如何与顾客接触呢？ 我怎样才能保持客户？ 是他们非常关心的事件。

什么是智能零售？ 我们以人为本，主要是构建以客户为中心的全面数据系统，实现在线联动。 我们知道，在我们以前传达的在线平台上，客户的很多行为都被记录下来，保存下来了，实际上到今天为止，我们去了购物边上的店铺，我们可以在网上记录、识别和保存很多行为。 智能零售的重要事件，我们必须进行离线场景的数据化。 我们把离线顾客从他放入商户，他在商户中怎么逛商店，他对商品有什么意思，他是否完成了交易，直到他离开商店的过程，我们必须记录整个数据化。 包括他最后是否重新购买了。

我们在离线场景数据化后，重新结合，用某种方法结合离线数据行为和在线数据行为，就可以形成整个数据的互联网化表现。 所以，对我们来说，智能零售是一个想通过网上和网上的过程。 网上行为首先有三个层次。 一个是人，另一个是货，另一个是场。

人在我店里的人分布是什么样的，一天来多少人，一天开店时几小时来多少人，男性，女性分布怎么样，年龄分布怎么样，来的人，逛商店的行为怎么样，在店里怎么走，呆在哪里的时间， 重复购买的比例有多少，这些是关于人的维度。

对商品来说，这个商家可能有100种商品或200种商品。 他到底应该怎么排？ 那些商品应该多放一些。 请不要放太多那些商品。 那些商品是顾客停留时间最长的，那些商品对顾客没有兴趣。 这些也希望有非常深刻的发现。

对场上来说，整个零售店是100-500平方米，场内分成不同的区域。 那些区域的客人是最关心的。 那些区域的客人逗留时间最长。 这些是我们关注的情况。

我认为计算机视觉技术可以更好地处理这样的问题。 计算机视觉真的可以捕捉到他进店到闲逛的过程，是否发生了交易，退场后的过程，所以我们有相应的计算机视觉技术支持。 所以今后也会向大家深入介绍腾讯优图是智能零售。 我们研究了那些技术。

这是比较完善的图，首先是最下面的技术研究，腾讯优图实验室通过多年的积累，我们在面部相关的研究中有非常多的积累，包括面部检测、对准、跟踪、属性，包括一对一的面部比对、大面部搜索。

我们在人体中也有很多积累，如人体检查、人的头部检查、人的头部追踪、人流密度的分解等。

在这两个比较的基础上，我们的reid技术关系到人体的，单摄像头和多摄像头的跟踪。

除了计算机视觉，我还融合了多传感器新闻。 除了这些基础研究外，我们还进行了专门研究零售领域的深入研究。 比如，制作面部文件，给客户，即使是小店，一天也有2，300人，一天有数万人的大规模商业综合体。 我们希望进来的每个人都给他做文件，下次他会叫我文件。

还有空间轨迹的匹配。 通过这些研究，我们进行了整合，满足了最终高层、具体业务的诉求(包括刷脸支付、客流拆除、动线拆除)。 整个过程都有技术支持，最初非常不完全，不断得到适当的反馈来优化算法。

第一种体脸识别技术，大家接触的也很多，优图在这里也更新了一些记录，在刷脸支付中也结合了生物检测相关的技术，提出了刷脸支付的方案。 这里困难的是画客户画像的方案，客户在场景下面走的时候不合作。 第二，我们识别了面部的人体属性。 我评价身体的年龄。 通过脸，评价你是否留长头发，戴眼镜，戴口罩，通过人体，评价你穿什么颜色的衣服，短袖还是长袖，裤子还是裙子。 根据这些技术，制作客户入场整体的文件。 第三种是刚才提到的reid技术，很多场景拍不到脸。 用百货商店门口的照相机尽量拍脸，做种子库。 百货公司内部的照相机不一定拍人的脸，这种情况下，我们根据身材、服装、步行的特征，将其对准人的脸。

也有商品识别和人才匹配的技术。 我们现在有一千多种商品识别，必须进行细致的粒度识别。 架子上的商品列非常紧密，怎么能正确识别。 还有很好的手势识别技术。 评价客户是否得到了某个商品。 我们比较研究了具体的场景。 在研究的基础上，我们必须对整体研究制定完善的实践处理方案。

腾讯优图在研究的基础上发表了什么样的处理方案？ 首先，有智能集装箱的处理方案。 第二比较商有数字化的整体处理方案。 被称为腾讯优mall，是把网上的零售场景完全数字化。 顾客一到商店，我就做id，识别老顾客，vip，勾画出顾客的特征，建立顾客的文件。 常客必须注意他去商店的频率，关于顾客到达商店后逛商店的过程也要注意全体顾客的路线。 关于客户在哪个地区待了多久，我们需要进行正确的分解，接触有他行为的商品，分析取出了哪些商品。 购买时由人出面支付的处理方案，左边是计算机视觉上得到的相关数据，我们内部有其他相关数据，结合起来成为在线连接的处理方案。

第一，有vip老客户来店里的识别，他可以去店里直接把消息推送给导购，导购可以根据这个消息提供更好的服务。 第二，有非常精细的粒度客流统计。 每隔一分钟，每隔几小时的客流分布是怎么样的，男装、女装区域的客流分布是怎么样的，整体的流程是怎么样的，正确把握。 整个客流轨迹，包括他在哪个地区、发烧怎么样、哪个地区非常热、哪个地区没有人走，我们都会非常直观地发烧吧。 在系统新闻层面上多个商店是同步的，像我们的名创优品一样全国有很多商店，同一个城市不同商店之间的数据看起来我们非常直观地表现出来。 最后，我们有完美的颜值处理方案，和微信支付在一起，所以这是我们完美的优mall处理方案。

这个处理方案也确实有现在一些商家非常成功的效果。 我们是深圳百丽国际的一家店，我们首先引进了这个系统。 一个月后，店长发现这个数据有点意思。 也就是说，我们的数据告诉他这家店的女性客户所占比例超过了女性客户销售额的10%以上。 也就是说，很多女性客户没有被发掘。 店长发现这个消息后，向总部申请，增加了他店里女性商品的配置，把女性相关商品的陈列变成了特别的配置。 再过一个月后，我们发现这里女性类别的销售额确实增长了40%以上，但其他类别的商品没有下降。 另外，我们与前一年相比以其他商家为对象。 这不是为了限时打折和节日。 因为我们深入发掘了里面的女性顾客。 这是一个非常典型的例子。

还有一个智能集装箱的处理方案。 智能集装箱的电脑视觉技术不太一样，照相机是从集装箱的上部拍摄的。 商品有很多东西，在排列太密、隐藏、曝光不足的情况下，用什么样的技术处理这样的问题，对研究者提出了很大的挑战。 内部研究者通过各种方法，以各种数据增强方法，在stn中学习仿射矩阵来处理这些问题。 看到最后的结果很好，5月我们初步推出了这样的产品。 我们当时每天平均订购240张以上，分辨率达到99.05%，8月在重庆展出，商品分辨率达到99.72%，这是一个很好的例子。

以上是我的帐篷优mall和帐篷智能集装箱的处理方案。 今后，将在超市、家庭、3c数码、化妆品等9个零售领域继续发售腾讯优mall智能零售的处理方案。 谢谢你！