Desafío
Colaboramos con Accenture para crear muchos pilotos y plataformas impulsadas por IA para el sector minorista. Ellos vinieron a nosotros expresamente para explorar si era posible crear un sistema que pudiera detectar automáticamente eventos de robo en tiendas y enviar una alarma a una pantalla distante. También quieren un sistema que identifique espacios vacíos en las estanterías de los supermercados y proporcione alertas a los trabajadores para reabastecer los productos.
Solución
La asociación comenzó con una definición de las formas más típicas en que los criminales roban mercancía de los supermercados. A partir de ello, comenzamos a trabajar en las bases de datos que se utilizarían para entrenar y evaluar los modelos y aplicaciones.
El enfoque presentado se basó en técnicas de visión por computadora y aprendizaje profundo. El núcleo de la solución consiste en emplear modelos de aprendizaje profundo para extraer información sobre objetos y áreas importantes del cuerpo de la persona a partir de cámaras de video colocadas a lo largo de las estanterías. Luego utilizamos estos datos de métodos de seguimiento y algoritmos tradicionales de visión por computadora para extraer información temporal de los artículos. Finalmente, todos estos datos espaciales y temporales son evaluados por algoritmos diseñados a mano para detectar comportamientos sospechosos. El programa se colocó en un servicio en la nube de AWS y se puso a disposición a través de una API para el consumo de la aplicación de front-end, que mostraba la imagen de la cámara y los resultados de los algoritmos.
Además, para localizar esos espacios vacíos, construimos un modelo de identificación de objetos basado en una red neuronal de vanguardia. También creamos la base de datos utilizada para entrenar el modelo en asociación con Accenture.
Tecnologías / Herramientas
