16 Февраль 2017

Магазин, который умеет видеть

Возможно, мы стоим на пороге того времени, когда проводить границу между обычными и интернет-магазинами больше не имеет смысла. Одна из технологий, которая ведет к этому — компьютерное зрение. Сегодня покупатель, заходя в торговый зал, может получить персональное обслуживание — исчезло еще одно отличие от онлайн-ретейла. Retailer.ru узнал у Александра Ханина, основателя и генерального директора VisionLabs, какие еще возможности для ретейла открывает компьютерное зрение.
Компания VisionLabs начала зарождаться в 2011 году, когда Александр Ханин еще жил в общежитии МГТУ им. Баумана. Вместе с единомышленниками он занимался робототехникой в целом, и такой ее сферой, как компьютерное зрение. Тогда технологии компьютерного зрения в основном имели военное назначение. Но Александр Ханин предпочел найти им мирное применение. Уже в 2012 году проект «умная камера» был одобрен в Сколково. После этого и была зарегистрирована компания. В Сколково Александр Ханин познакомился с Алексеем Нехаевым, который стал сооснователем VisionLabs, а позднее и с Иваном Лаптевым — известным ученым в сфере компьютерного зрения и машинного обучения.

— То есть всего за один год возникла компания?
— Меньше, чем за год. Но в том виде, в котором она существует сейчас, компания сформировалась только в 2014 году. Предшествующее время мы искали применение технологии, пробовали разные клиентские сегменты, проверяли гипотезы. В итоге мы сфокусировались на распознавании лиц и отказались от планов по производству камер. All-in-one устройство, которое мы изначально хотели сделать, представляло собой камеру, включающую в себя аналитику. Но потом было принято решение, что лучше работать с существующими производителями камер, не изобретать велосипед и делать только софт. Это оказалось правильным вектором.

— Откуда пришла идея заниматься компьютерным зрением?
— Я по образованию инженер роботов и робототехнических систем. В Бауманке я занимался разными интеллектуальными системами. То, что сейчас называется роботами — это большие и дорогие машинки на дистанционном управлении. В механическом плане сейчас роботы умеют бегать, летать и всё что угодно. Но у них нет мозга. Задача компьютерного зрения в том, чтобы компьютер мог сам ориентироваться в пространстве и сам принимать решения.

— Вам пришлось дополнительно изучать программирование?
— Оно изначально заложено в робототехническое образование. Это ведь достаточно обширная область, и я выбрал себе специализацию, связанную с компьютерным зрением. Сюда входят задачи не кинематики роботов, а понимания окружающей среды, ориентирования в пространстве, классификации объектов.

— Откуда взялось первичное финансирование проекта?
— Было два источника финансирования. Один появился в конце 2014 года. Это был контракт с Министерством образования и науки на проведение научных исследований по теме «Анализ видео в крупномасштабных сетях видеокамер». Нужно было распознавать потоки людей и наличие каких-то опасных ситуаций, например, ДТП. Если использовать алгоритмы компьютерного зрения, то можно фиксировать любые происшествия автоматически и уведомлять диспетчеров.
А другой источник — грант Бортника — появился в 2015 году. Эти средства были направлены на создание облачного сервиса и на совершенствование алгоритма по распознаванию лиц.

— А где это облако находится, у вас собственный сервер?
— Я расскажу небольшую предысторию. Мы сначала представляли нашим заказчикам библиотеку — такой низкоуровневый элемент, который должен встраиваться в инфраструктуру заказчика. Со временем у нас появился продукт LUNA — платформа, распознающая лица, которая включает в себя много компонентов. В основном ее используют банки. Были также пожелания сделать подписку на сервис, который не будет требовать затрат: нравится — пользуйся, не нравится — отключайся. Таким образом, у нас появилась облачная версия продукта — LUNA Cloud. Этим сервисом пользуется не только ретейл, но и некоторые учреждения дистанционного образования, где они могут идентифицировать человека, сдающего экзамен, чтобы он не сдавал за кого-то другого.

— Основное отличие платформы LUNA от LUNA Cloud в том, что последняя оперирует удаленной базой данных?
— LUNA решает базовые задачи: верификация и идентификация. Допустим, когда вы пытаетесь залогиниться в свой компьютер, то система должна сравнить ваше лицо с уже имеющейся записью. Также и LUNA оперирует своими собственными данными. То есть один банк — одна LUNA. Банки не делятся информацией о своих клиентах и очень строго подходят к вопросу конфиденциальности.

— А у облачного сервиса в чем основная суть?
— У LUNA Cloud основная суть заключается в том, что это облачный сервер, который позволяет решать задачи идентификации и авторизации клиентов. Эту информацию можно использовать в программах лояльности, как альтернативу дисконтным картам. Типичная ситуация, когда клиент забывает карту и нужен легкий способ подтвердить его личность. В нашем же случае клиент может любые действия подтвердить своим лицом. Другая задача — это работа со списками. Есть списки как VIP-клиентов, так и нежелательных клиентов, ранее пойманных на воровстве. И к каждому из этих списков применима своя модель поведения ретейлера.
Еще одна важная функция — подсчет уникальных клиентов без каких-либо списков. Программа может выделять из потока отдельных людей и считать, сколько было уникальных клиентов, сколько повторных в рамках какого-то установленного промежутка времени — например, за месяц.
Что это дает ретейлерам? Можно узнавать клиента только после того, как он совершил покупку и покидает магазин, а можно узнать посетителя в лицо уже в тот момент, когда он перешагнул порог магазина. Это одна из главных задач LUNA Cloud. Программа также будет уведомлять о том, что человек зашел в магазин больше одного раза.

— А что ретейлер будет делать с человеком, которого узнает в лицо?
— Сейчас многие работают над повышением эффективности, увеличением выручки с квадратного метра площади, качеством обслуживания. LUNA Cloud помогает контролировать входящий поток. Система уведомляет, что пришел постоянный покупатель, и продавцы смогут уделить ему особое внимание. В премиальных сегментах ретейла очень важно знать предпочтения клиента, в каком бы магазине сети он ни оказался. Допустим, вы посещаете магазин в Москве, который расположен возле вашего дома, а в командировке решили посетить магазин той же сети. И вас будут помнить, как дома, помнить ваши предпочтения.
Кроме этого есть стандартная функция распознавания пола и возраста, что также дает понимание того, к какой категории относится покупатель и как с ним работать. А знание количества уникальных посетителей позволяет делать выводы об эффективности менеджмента конкретной точки.

— Подразумевается, что информация о покупках человека остается внутри этой сети?
— Да, она остается внутри сети. Это полностью обезличенная информация, но по ID она связана с человеком в рамках системы лояльности ретейлера. Она может содержать те данные, которые клиент оставляет сам, когда заполняет анкету на получение карты покупателя. Мы же никакие персональные данные не храним.

— Если человек 10 раз попал в поле зрения LUNA Cloud, сколько раз она его узнает?
— Она его узнает всегда, все 10 раз. Если говорить о качестве распознавания, то мы тестируем систему по определенной методологии и на больших объемах — несколько десятков тысяч проходов. Учитывая то, что люди могут приходить в больших солнечных очках, в натянутых шапках, система узнает больше 90% людей. Если никакими аксессуарами человек не закрывает свое лицо, то качество распознавания приближается к 99,9%.

— А если человек сбрил бороду?
— Это классическая задача машинного обучения, когда невозможно предугадать все изменения во внешнем виде человека. Мы делаем нашу систему максимально устойчивой к изменению растительности на лице, макияжу, возрастным изменениям, мимике, ракурсу (углу поворота лица относительно камеры). Эту задачу мы решили.

Читать статью на retailer.ru