Исследователи из Новосибирска разработали экономичную систему видеоаналитики на основе нейросетей для розничной торговли. Хотя это не первая подобная технология, она дает возможность в режиме реального времени отслеживать действия клиентов и быстро вносить изменения, к примеру, в расположение продукции.
Как сообщается на сайте Новосибирского государственного технического университета НЭТИ, там создали нейросетевую систему, которая отслеживает передвижение покупателей по магазину и формирует тепловые карты, отображающие зоны их скопления.
Решение ориентировано на ритейл. Оно обрабатывает изображение с камер наблюдения онлайн и дает возможность мгновенно получать сведения о действиях посетителей, пояснил руководитель проекта, ассистент кафедры автоматизированных систем управления НГТУ НЭТИ Егор Антонянц.
Эти сведения можно применять для оперативного изменения схемы размещения товаров, добавил ведущий разработчик, студент четвертого курса факультета автоматики и вычислительной техники Дмитрий Гордиенко: «Наша система позволяет сразу оценить, насколько эффективно товар размещен на новой полке или в каком отделе зала люди задерживаются дольше всего».
Ее также можно задействовать в различных публичных местах — музеях, экспозиционных комплексах, аэровокзалах. В будущем систему возможно доработать для решения более сложных аналитических задач и подключения к действующим комплексам видеонаблюдения, уточнили в университете.
В основе разработки лежат методы машинного зрения и нейронные сети. Алгоритм идентифицирует людей в видео, собирая данные об их позиции, после чего специальный математический модуль преобразует эту информацию в наглядную визуализацию.
«Программа учитывает число посетителей, записывает маршруты их хождения и точки остановок. Все эти данные сразу же отображаются на видео в виде цветовой шкалы — так называемой тепловой карты. Чем "горячее" оттенок, тем больше людей находилось в данной области», — отметил Антонянц.
Традиционно системы видеонаблюдения в магазинах лишь считают количество вошедших, фиксируя их у входа, тогда как новый алгоритм раскрывает полную картину поведения покупателя. Как пояснил Гордиенко, аналогичные программные продукты существуют, но они либо имеют высокую стоимость для малого бизнеса, либо предоставляют лишь обобщенную статистику, не показывая в реальном времени, что именно вызвало интерес человека.
Искусственный интеллект в сфере торговли способствует изучению потребительского поведения, оптимизации управления ассортиментом, прогнозированию потребностей, созданию индивидуальных предложений и совершенствованию логистических процессов.
Гордиенко проиллюстрировал это на конкретном случае: «В демонстрационной записи отчетливо заметно, что клиенты задерживаются у холодильника с мороженым, в то время как сотрудник постоянно находится на месте кассира».
Другой областью использования является совершенствование организации труда сотрудников, как отмечал в июне 2025 года на CNews FORUM Кейсы 2025 заместитель ИТ-директора ювелирной компании Sokolov Дмитрий Дубенецкий. Прежде всего, технологии искусственного интеллекта способствуют улучшению планирования смен и эффективности работы персонала в торговом зале. Основная цель, подчеркнул Дубенецкий, состоит в определении необходимого времени для обслуживания каждого посетителя.
