ردیابی چندگانه و پایدار اشیا در محیط‌های خرده‌فروشی

در محیط‌های خرده‌فروشی مدرن، درک رفتار مشتری حیاتی است. با این حال، تشخیص اشیا به تنهایی زمانی که افراد در راهروهای شلوغ همدیگر را قطع می‌کنند، ناکافی است. برای تحلیل واقعی ترافیک پیاده‌رو، زمان توقف و سفرهای مشتری، توسعه‌دهندگان باید ردیابی چندگانه اشیا در زمان واقعی (MOT) را همراه با شناسایی مجدد (Re-ID) پیاده‌سازی کنند. این پست وبلاگ به بررسی نحوه معماری این پایپ‌لاین‌های مقاوم می‌پردازد.

چالش اصلی صحنه‌های شلوغ

دشواری اصلی در تحلیل خرده‌فروشی، پنهان‌شدگی (Occlusion) است. وقتی خریداری یک کالا را برمی‌دارد یا پشت ویترینی می‌ایستد، از دید دوربین ناپدید می‌شود. ردیابی ساده با جعبه محاطی (Bounding Box) اغلب در اینجا شکست می‌خورد و منجر به تغییر هویت می‌شود؛ جایی که یک نفر به عنوان دو مشتری مختلف شمارش می‌شود. علاوه بر این، افرادی که لباس‌های مشابه می‌پوشند—مانند یونیفرم کارکنان یا سبک‌های مد مشابه—می‌توانند سیستم‌های تشخیص بصری را گیج کنند. برای کاهش این مشکل، باید فراتر از پیش‌بینی مختصات ساده حرکت کنیم. ما به سیستمی نیاز داریم که با بهره‌گیری از ویژگی‌های ظاهری و مدل‌های حرکتی، ثبات هویت را در طول زمان حفظ کند. این امر نیازمند یک رویکرد دو مرحله‌ای است: تشخیص و ارتباط‌دهی (Association).

معماری پایپ‌لاین ردیابی

یک پایپ‌لاین مقاوم معمولاً یک تشخیص‌دهنده پیشرفته مانند YOLOv8 را با یک الگوریتم ردیابی مانند DeepSORT یا ByteTrack ادغام می‌کند. تشخیص‌دهنده جعبه‌های محاطی و نمرات اطمینان را ارائه می‌دهد، در حالی که ردیاب با استفاده از فیلتر کالمن برای تخمین حرکت و جاسازی‌های Re-ID برای تطبیق ظاهری، شناسه‌های منحصر به فرد اختصاص می‌دهد. برای پیاده‌سازی، پایتون همراه با OpenCV و PyTorch مجموعه ابزار استاندارد است. در زیر یک نمونه مفهومی ساده‌شده از نحوه ادغام یک تشخیص‌دهنده با یک ردیاب با استفاده از ساختار کتابخانه `trackers` آورده شده است.

import cv2
import torch
from deepsort_realtime import DeepSortRealtime

# Initialize the detector (YOLOv8 example)
model = torch.hub.load('ultralytics/yolov5', 'yolov5s', pretrained=True)

# Initialize the tracker with specific Re-ID model
tracker = DeepSortRealtime(
    model_weights="/path/to/reid_model.pth",
    device="cuda",  # Use GPU for performance
    max_dist=0.2,   # Cosine distance threshold for matching
    min_confidence=0.3,
    nms_max_overlap=1.0
)

# Process video stream
cap = cv2.VideoCapture("retail_footage.mp4")

while cap.isOpened():
    ret, frame = cap.read()
    if not ret:
        break

    # Run detection
    results = model(frame)
    
    # Update tracks with detection results
    tracks = tracker.update_tracks(results, frame=frame)
    
    for track in tracks:
        if not track.is_confirmed():
            continue
            
        track_id = track.track_id
        bbox = track.to_ltrb()
        
        # Draw results
        x1, y1, x2, y2 = map(int, bbox)
        cv2.rectangle(frame, (x1, y1), (x2, y2), (0, 255, 0), 2)
        cv2.putText(frame, f"ID: {track_id}", (x1, y1 - 10), 
                    cv2.FONT_HERSHEY_SIMPLEX, 0.5, (0, 255, 0), 2)
                    
    cv2.imshow("Retail Analytics", frame)
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break

cap.release()
cv2.destroyAllWindows()

بهینه‌سازی برای عملکرد و دقت

استقرار این مدل‌ها در زمان واقعی نیازمند بهینه‌سازی دقیق است. اول، مطمئن شوید که مدل Re-ID شما سبک است. مدل‌هایی مانند OSNet یا ResNet50 ممکن است برای دستگاه‌های لبه (Edge Devices) سنگین باشند؛ در نظر بگیرید که از نسخه‌های MobileNet یا مدل‌های فشرده‌شده (Distilled) برای استنتاج سریع‌تر استفاده کنید. دوم، آستانه‌های IoU (تقاطع بر اجتماع) را در فیلتر کالمن خود تنظیم کنید. در صحنه‌های شلوغ، آستانه بالاتر از شکست‌های غیرضروری ردیابی جلوگیری می‌کند، اما ممکن است باعث ادغام‌های نادرست شود. علاوه بر این، یک بافر "ردیابی از دست رفته" پیاده‌سازی کنید. اگر یک ردیابی برای بیش از N فریم از دست برود، هویت را بلافاصله از بین نبرید. در عوض، آن را در حالت نگهداری نگه دارید. اگر شخص دوباره ظاهر شد، ماژول Re-ID می‌تواند او را با شناسه قدیمی تطبیق دهد و پیوستگی سفر مشتری را حفظ کند.

نتیجه‌گیری

ساخت یک سیستم ردیابی در زمان واقعی برای خرده‌فروشی پیچیده اما پاداش‌ده است. با ترکیب تشخیص‌دهندگان قدرتمند با تکنیک‌های پیشرفته Re-ID، کسب‌وکارها می‌توانند بینش‌های بی‌سابقه‌ای درباره رفتار مشتری کسب کنند. بر مدیریت پنهان‌شدگی و بهینه‌سازی عملکرد تمرکز کنید تا اطمینان حاصل کنید پایپ‌لاین شما هم دقیق و هم کارآمد است.