无人零售尚处初级阶段 生物识别与行为识别是基础

无人零售尚处初级阶段 生物识别与行为识别是基础

互联网巨头纷纷入局无人零售尚处初级阶段

　　(1)互联网巨头纷纷入局，多足鼎立之势渐成

　　互联网巨头向来作为市场风向标，从亚马逊的Amazon Go到阿里的淘咖啡，无人商店风口将至。从2016年亚马逊推出Amazon Go以后，便利蜂、罗森推出“无人化”便利店;TakeGo无人店2017年2月份在北京芝麻信用大会上亮相，它由深兰科技推出的快猫智能零售系统实现; 2017年6月初，欧尚、大润发等大型超市相继开始尝试BingBox无人店模式。2017年6月25日，在上海深兰科技联合蚂蚁金服，支付宝，英伟达等发布了三款TakeGo无人店技术，娃哈哈更与深兰科技签订了3年10万台Takego无人店协议。随后，乳业大佬伊利也计划在2000多个社区内推广和深兰科技合作推出的无人便利微店。在7月8日-12日举办的2017淘宝造物节上，免去排队、无需扫描、甚至不掏手机的线下快闪店——“淘咖啡”无人结算版亮相。

　　(2)无人零售尚处初级阶段，但红利期有望快速增长

　　除了知名科技企业自建或联合线下资源共建无人零售的试点场所，还有不少初创公司也从这个领域切入市场。例如，无人便利店缤果盒子宣布近期完成亿元人民币的A轮融资，领投方为GGV纪源资本，还有启明创投、源码资本、银泰资本等跟投。目前，缤果盒子在全国有8个网点，第一个网点于2016年8月在广东中山设立。网点主要布局在封闭或半封闭的高端小区，主营便利性应急品，价格比品牌连锁便利店略微便宜一些。

　　根据艾媒咨询数据显示，2017年无人零售商店交易额预计达389.4亿元，未来五年无人零售商店将会迎来发展红利期，2020年预计增长率可达281.3%，至2022年市场交易额将超1.8万亿元。2017年中国无人零售商店用户规模仅有600万，未来五年用户规模将大幅增长。至2022年，用户规模可达2.45亿人。从互联网及电商巨头纷纷布局未来电商的趋势来看，无人零售商店理念的渗透会随店面覆盖率上升而逐渐深入用户群体，平台流量导流的情况下用户规模会呈现明显喷发趋势。

　　生物识别与行为识别是基础，全自动检测仍存挑战

　　亚马逊提到其无人零售的技术来源于无人驾驶领域，包括计算机视觉、深度学习等。我们按照整体购物流程，对其中的关键技术进行分析，围绕不同技术路径和成熟度展开讨论。首先，我们认为生物识别和行为识别是支撑整个流程的核心，前者可以用于身份识别和授权，后者则用于自动检测购物状态，为结算、支付、售后等后续环节储备数据。

　　(1)基于生物识别的用户身份管理

　　根据阿里巴巴公布的初步信息判断，在进店环节其主要将结合手机(尤其是支付宝)的个人账号信息进行身份识别与绑定，交互方式包括扫描二维码等。这采用的是移动互联网场景中的身份认证机制，已经解决得非常成熟。而在亚马逊、微软等解决方案中，则重点围绕人脸识别的计算机视觉技术进行顾客身份的识别。另外，阿里版无人零售的购物环节也可能采用类似的方案以跟踪用户的购物行为。

　　人脸识别技术已经发展的较为成熟，是机器学习和深度学习等技术较早落地应用的领域。基本的人脸识别原理是通过滑动窗口实现画面内的人脸检测，然后获取五官、轮廓等特征点(face landmark)信息，随后通过比对进行识别处理。这部分内容已经广为所知，本节不再赘述。

　　现有人脸识别技术面临的常见问题是对光线、角度等环境敏感，即在注册与识别两个阶段时如果有不同的光照条件、拍摄角度，则可能导致识别失败。而在无人零售超市这样的环境中，一般可以保证较好的光照条件，并通过部署摄像头的位置维持较为一致的拍摄角度。因此，无人零售场景可以在一定程度上弱化传统人脸识别技术面临的问题。

　　当然，还有一个问题是商超的顾客一般不会事先完成人脸注册过程。我们观察到，在微软的解决方案中是采用的人脸ID概念，即通过一个人脸的face landmark特征点的独特性作为一个用户的标识。这是一种后验式的技术方案，可以不用借助先验的人脸注册照片信息自动完成一个用户的初始化过程。

　　在微软方案的具体演示中，界面上显示的可能用于标识一个人脸ID的特征点包括：瞳距、双眼高度、眉内外距、上下唇高、唇长、内外眼角距、鼻梁宽等，以及可能用到的整体属性判断，如性别、年龄段等。

　　当获取了这些特征点信息后即形成了一套特征点集合，假设每个人的特征点集合是各不相同的，那么就可以用这个集合作为一个人脸ID分配给当前用户。当发现集合数据已经存在，即完成了一个已有用户的识别任务。

　　这些技术在微软内部已经研发很久，之前还曾推出过通过人脸测试年龄、相似度等的网页工具，一度引起用户热议。但是在应用到唯一性检测的时候，可能会遇到一些问题：(1)在数据量较大(即人流量大)的时候可能会因误差导致唯一性失效;(2)在角度不同的时候可能会导致同一人脸对应用户的绑定失败;(3)实际使用过程中可能出现人脸彼此遮挡或佩戴配饰而产生遮挡的问题;以及(4)检测失败时用户可能需要面向指定角度完成识别过程而带来的用户体验受损等。

　　因此，虽然人脸识别作为生物识别的重要方法之一已经发展的比较成熟，但在无人零售环境下也还是存在一些天然障碍。我们认为，完整的用户识别与授权将采用多种方法融合的途径，借助人脸、指纹、声纹等外在的生物特征、手机应用的账号，以及手机NFC等交互方式综合实现。

　　(2)通过行为识别检测购物操作

　　检测用户的动作行为不仅可以帮助系统为用户的虚拟购物车进行响应的操作，而且也影响到对商品的存在性(presence，包括是否缺货、何处的商品缺货等)管理。以Amazon Go超市为例，用户只需通过拿起或放下一件商品，系统就可以相应判断他的购买行为。根据亚马逊官方介绍，我们认为这个功能是将通过压力传感器、计算机视觉来实现的。