Hỏi ba nhà cung cấp về độ chính xác của camera đếm người và bạn có thể nhận được 95%, 98% và 99%. Những con số đó có thể không đo cùng một thứ. Không nhất thiết nhà cung cấp nào cũng gian dối — các con số chỉ đơn thuần là không được định nghĩa rõ, và một con số không rõ định nghĩa thì không thể so sánh, không thể dùng để lập ngân sách, cũng không thể dùng để giải quyết tranh chấp sau khi lắp đặt.
Độ chính xác là thuộc tính của một triển khai, không phải của một sản phẩm. Nó phụ thuộc vào vị trí lắp camera, cảnh quan quan sát và cách tính con số. Con số độ chính xác duy nhất có ý nghĩa với bạn là con số bạn tự đo tại địa điểm của mình, với lưu lượng của mình, bằng phương pháp bạn đã định trước.
Bài viết này trình bày ý nghĩa của các chỉ số độ chính xác khác nhau, những gì làm thay đổi chúng trong thực tế, và — phần mà hầu hết dự án bỏ qua — cách thực hiện một bài kiểm tra nghiệm thu tại địa điểm có thể bảo vệ được lập luận.
"Độ chính xác" thực sự có nghĩa là gì
Bốn phép đo khác nhau thường được gọi chung là "độ chính xác". Trước khi mua, hãy xác định bạn cần loại nào.
Độ chính xác đếm so với số liệu chuẩn (theo từng khoảng thời gian)
Thiết bị báo cáo N người đã vào trong một khoảng thời gian; con người đếm được M. Đây là chỉ số vận hành cho báo cáo lưu lượng khách.
- sai số đếm % = (số đếm thiết bị − số liệu chuẩn) / số liệu chuẩn × 100
- độ chính xác % = 100 − |sai số đếm %|
Một thiết bị báo 1.020 khi thực tế có 1.000 người vào thì có sai số +2%, tức độ chính xác 98%, trong khoảng thời gian đó. Hãy lưu ý dấu. Đếm thừa và đếm thiếu có hệ quả khác nhau: độ lệch +5% nhất quán sẽ triệt tiêu trong xu hướng so sánh tuần này với tuần trước nhưng lại làm sai lệch mọi phép tính tỷ lệ chuyển đổi tuyệt đối, trong khi sai số ngẫu nhiên tạo nhiễu ở cả hai phía. Hãy hỏi xem sai số được nêu là có dấu (độ lệch hệ thống) hay là giá trị tuyệt đối.
Độ chính xác (precision) và độ bao phủ (recall) của phát hiện (cấp sự kiện)
Ở cấp độ từng lần phát hiện:
- Độ bao phủ (recall) — trong tổng số người thật có mặt, hệ thống phát hiện được bao nhiêu phần trăm?
- Độ chính xác (precision) — trong tất cả các phát hiện mà hệ thống đưa ra, bao nhiêu phần là người thật?
Độ bao phủ thấp gây đếm thiếu. Độ chính xác thấp gây phát hiện nhầm và đếm thừa. Một tỷ lệ "độ chính xác" duy nhất che giấu việc bạn đang gặp kiểu lỗi nào, và hai kiểu lỗi này đòi hỏi cách khắc phục khác nhau.
Tỷ lệ sai số đếm — và vì sao giá trị trung bình che giấu các đỉnh
Các nhà cung cấp thường báo cáo sai số trung bình trong một khoảng thời gian dài. Giá trị trung bình che giấu các đỉnh. Một hệ thống có sai số trung bình 3% nhưng vọt lên 20% vào giờ cao điểm buổi sáng thì chấp nhận được cho báo cáo năm nhưng vô dụng cho quản lý hàng đợi hay bố trí nhân sự giờ cao điểm. Hãy luôn yêu cầu phân bố sai số theo từng khoảng thời gian, không chỉ giá trị trung bình.
Độ chính xác về hướng và theo dõi
Đối với phân tích ra/vào và thời gian dừng, bạn còn cần:
- độ chính xác hướng — trong các lượt qua vạch được phát hiện, bao nhiêu lượt được gán đúng hướng;
- chất lượng theo dõi — các lần đổi danh tính và phân mảnh quỹ đạo, những yếu tố này quan trọng khi bạn phân tích lộ trình và thời gian dừng chứ không chỉ tổng số.
Sáu biến số quyết định độ chính xác trong thực tế
1. Chiều cao và góc lắp đặt
Quá cao thì người trở nên nhỏ và bị co ngắn mạnh theo phối cảnh; quá thấp thì người đầu tiên che khuất những người phía sau. Góc nhìn từ trên xuống dốc đứng giúp giảm chồng lấn nhưng lại nén cơ thể. Nhà cung cấp công bố dải làm việc là có lý do: nằm trong dải đó là cách cải thiện độ chính xác rẻ nhất trong bất kỳ dự án nào.
2. Trường nhìn so với hình học lối vào
Một cửa rộng đơn, cửa đôi, tiền sảnh, sảnh trung tâm thương mại — mỗi loại tạo ra kiểu qua vạch khác nhau. Một góc phù hợp với cửa hẹp có thể bỏ sót các mép của lối mở rộng hoặc toàn bộ các lối vào bên hông. Bao phủ toàn bộ ngưỡng cửa, kể cả các mép, quan trọng hơn số điểm ảnh.
3. Ánh sáng và hoạt động ban đêm
Cửa kính ngược sáng vào buổi chiều, gần như tối đen lúc đóng cửa, ánh sáng nhân tạo xen lẫn ánh sáng ban ngày, và chiếu hồng ngoại vào ban đêm đều thay đổi những gì mô hình nhìn thấy. Hãy hỏi thiết bị hoạt động thế nào khi bật IR, và kiểm tra vào những khung giờ mà báo cáo của bạn thực sự phụ thuộc.
4. Che khuất và mật độ
Đếm từng người một thì dễ. Đếm một nhóm cùng đi qua, khi người này che người kia, thì khó — và đó chính xác là điều xảy ra vào giờ cao điểm. Khả năng xử lý mật độ là điểm mà các hệ thống 3D dựa trên độ sâu khác biệt rõ rệt nhất so với phát hiện 2D.
5. Lớp thuật toán và phiên bản mô hình
Các mô hình phát hiện khác nhau ở cách xử lý đám đông, hình bóng và nhòe do chuyển động. Cập nhật firmware có thể thay đổi độ chính xác; thường là tốt hơn, nhưng đôi khi chúng thay đổi hành vi theo cách ảnh hưởng đến số liệu của bạn. Hãy ghi lại phiên bản firmware hoặc mô hình tại thời điểm nghiệm thu để bạn biết chính xác mình đã phê duyệt cái gì.
6. Hiệu chuẩn và cấu hình
Các vạch phát hiện, vùng, khu vực loại trừ nhân viên, kích thước đối tượng tối thiểu và tham số theo dõi đều định hình kết quả. Một lắp đặt đúng nhưng đặt vạch cẩu thả sẽ hoạt động kém hơn một camera rẻ hơn được cấu hình cẩn thận. Hiệu chuẩn lại sau khi sửa sang là một phần của kế hoạch bảo trì, không phải việc tùy chọn.
Các yếu tố môi trường cũng thuộc danh sách này: sàn phản chiếu, cột gương, mặt kính, tay vịn thang cuốn và ánh nắng trực tiếp đều có thể tạo ra các phát hiện ma.
Đọc các tuyên bố của nhà cung cấp mà không cần hoài nghi cực đoan
Bạn không cần phải nghi ngờ mọi con số. Bạn cần biết con số đó mô tả điều gì. Một số câu hỏi hữu ích:
- Nó được đo trên những cảnh quan, mật độ và điều kiện ánh sáng nào?
- Trong khoảng thời gian bao lâu và với cỡ mẫu nào?
- Đó là giá trị trung bình, trung vị hay trường hợp xấu nhất?
- Sai số có dấu (độ lệch hệ thống) hay là giá trị tuyệt đối?
- Nó được đo cho từng camera hay cho toàn hệ thống?
- Phiên bản firmware nào đang chạy?
Một nhà cung cấp trả lời rõ ràng những câu hỏi này đáng tin cậy hơn một nhà cung cấp chỉ đơn thuần đưa ra con số lớn hơn. Bạn có thể xem chúng tôi trình bày sâu hơn về đánh đổi giữa 2D và 3D trên blog của chúng tôi nếu muốn có nền tảng kỹ thuật trước khi kiểm tra.
Kiểm tra nghiệm thu tại địa điểm: một phương pháp mà đơn vị tích hợp có thể thực hiện
Đây là phần bảo vệ bạn về mặt thương mại. Hãy định nghĩa nó trước khi lắp đặt để sau này không ai tranh cãi về phương pháp.
Bước 1 — Thống nhất tiêu chí nghiệm thu bằng văn bản
Nêu rõ chỉ số (sai số đếm %, độ chính xác hướng), các ngưỡng, cảnh quan sẽ kiểm tra, thời điểm trong ngày và thời lượng. "Chính xác" không phải là một tiêu chí; "sai số đếm trong khoảng X% ở mỗi khoảng thời gian đo cho lối vào này" mới là tiêu chí.
Bước 2 — Thiết lập số liệu chuẩn
Chọn một trong các cách sau:
- đếm thủ công bằng máy đếm bấm tay cho các lối vào ít lưu lượng, với hai người vận hành kiểm tra chéo lẫn nhau;
- phát lại video đã ghi, được đếm độc lập bởi người không thấy số liệu của thiết bị, để tránh thiên kiến xác nhận;
- một sự kiện có số lượng đã biết — một lượt đi qua có kiểm soát với số lượng người đã biết — để kiểm tra theo tình huống.
Bước 3 — Bao phủ các điều kiện đại diện
Kiểm tra qua các điều kiện đặc trưng cho hoạt động của bạn: cao điểm và thấp điểm, ngày thường và cuối tuần, ban ngày và ban đêm, buổi chiều ngược sáng, và mưa nếu lối vào lộ thiên.
Bước 4 — Chạy bộ kịch bản kiểm tra
Các lượt đi qua có kiểm soát, mỗi lượt lặp lại vài lần:
- một người, đi theo mỗi hướng;
- nhóm nhỏ (2–4 người) cùng đi qua;
- nhóm đông (từ 5 người trở lên) cùng đi qua;
- dòng người hai chiều cùng lúc;
- một người mang vali hoặc đẩy xe đẩy hàng hay xe đẩy em bé;
- một người dừng lại đúng ngay ngưỡng cửa, hoặc quay đầu lại;
- người đi bộ nhanh;
- xe lăn hoặc dụng cụ hỗ trợ đi lại;
- trẻ em;
- nhân viên ra vào liên tục nhiều lần.
Ghi lại đạt/không đạt cho từng kịch bản và ghi chú hướng của bất kỳ sai số nào.
Bước 5 — Tính toán các con số cho đúng
Với mỗi khoảng thời gian:
- sai số đếm % = (thiết bị − số liệu chuẩn) / số liệu chuẩn × 100
- độ chính xác % = 100 − |sai số đếm %|
- MAPE = trung bình của |sai số đếm %| trên tất cả các khoảng thời gian
- độ chính xác hướng % = số lượt qua đúng hướng / tổng số lượt qua × 100
Hãy báo cáo giá trị trung bình, trường hợp xấu nhất và độ phân tán — tuyệt đối không chỉ một con số tổng hợp duy nhất.
Bước 6 — Tôn trọng cỡ mẫu
Một bài kiểm tra hai giờ với 40 người không thể chống đỡ cho một khẳng định về hành vi giờ cao điểm. Hãy chạy đủ lâu để tích lũy số lượt qua có ý nghĩa, và chỉ coi kết quả từ mẫu nhỏ là mang tính chỉ báo. Phép tính ở đây rất đơn giản; việc lấy mẫu thì không. Nếu kết quả sẽ quyết định một hợp đồng, hãy để người có đào tạo về thống kê kiểm tra lại thiết kế.
Bước 7 — Ghi lại tài liệu và phê duyệt
Dùng một bảng: kịch bản | kỳ vọng | đo được | sai số % | đạt/không đạt | ghi chú. Lưu bảng này cùng với phiên bản firmware, vị trí lắp đặt và các tệp cấu hình, để mọi tranh chấp trong tương lai có một mốc cơ sở để đối chiếu.
Các nguồn sai số phổ biến và cách giảm thiểu
- Đếm trùng tại vạch. Đặt lại vị trí hoặc điều chỉnh góc vạch phát hiện để mỗi người chỉ qua vạch một lần, và xác minh với logic hướng được bật.
- Nhóm bị đếm thành một. Phát hiện 3D dựa trên độ sâu nói chung xử lý việc này tốt hơn; nếu không, hãy điều chỉnh khoảng cách lắp đặt để tách các cơ thể, hoặc chấp nhận mức đếm thiếu đã biết vào giờ cao điểm.
- Phản chiếu và bóng đổ. Hướng lại camera, thu hẹp vùng, hoặc chọn vị trí không có bề mặt gương trong tầm nhìn.
- Cửa kính và mặt tiền của hàng. Phản chiếu có thể bị nhận nhầm thành người. Che vùng và đặt vạch cẩn thận giúp giảm hiệu ứng này.
- Lưu lượng nhân viên. Dùng vùng loại trừ nhân viên để di chuyển của nhân viên không làm phồng lưu lượng khách.
- Quay lại. Đặt cửa sổ nhận diện lại để một người rời đi rồi quay lại nhanh không bị đếm hai lần.
- Lệch đồng hồ. Đồng bộ thiết bị qua NTP; nếu không, việc đối chiếu với POS sẽ hỏng ngay cả khi bản thân việc đếm là chính xác.
Đặt kỳ vọng thực tế
Không camera nào đếm hoàn hảo trong mọi điều kiện, và sai số theo từng khoảng thời gian tích lũy theo những cách khiến tổng theo ngày trông tệ hơn chuỗi theo phút. Hãy dùng dữ liệu lưu lượng khách cho xu hướng, tỷ lệ và so sánh — tỷ lệ chuyển đổi, mô hình bố trí nhân sự, mức tăng từ chiến dịch — thay vì coi đó là số đếm đạt chuẩn kiểm toán. Cách đặt vấn đề đó giữ cho hệ thống thực sự hữu ích mà không hứa hẹn quá mức với những người rồi sẽ đặt câu hỏi về các con số.
Câu hỏi thường gặp
Tôi nên kỳ vọng độ chính xác nào từ camera đếm người bằng AI? Điều đó phụ thuộc vào cảnh quan và chỉ số. Trong một lắp đặt sạch sẽ, một cửa duy nhất, gắn đúng cách, độ chính xác đếm thường cao. Ở các lối vào đông đúc, rộng hoặc thiếu sáng thì độ chính xác giảm, và các khoảng thời gian cao điểm luôn yếu nhất.
Độ chính xác 99% có thực tế không? Trong điều kiện lý tưởng với lưu lượng thấp, có — và nó gần như không nói lên điều gì về hiệu năng giờ cao điểm. Hãy hỏi khoảng thời gian đo tệ nhất trông như thế nào, chứ không chỉ hỏi trung bình.
Camera 2D và 3D có chính xác như nhau không? Không. Các hệ thống 3D dựa trên độ sâu (stereo hai mắt) xử lý đám đông, che khuất và nhóm đi qua đáng tin cậy hơn, đó là lý do chúng phổ biến ở trung tâm thương mại và các lối vào rộng. Camera AI 2D tiết kiệm hơn và chính xác trong những cảnh quan nhẹ nhàng, đơn giản hơn.
Một bài kiểm tra nghiệm thu nên kéo dài bao lâu? Đủ lâu để bao gồm những ngày đại diện và các giai đoạn cao điểm — thường từ vài ngày đến vài tuần, cộng thêm các bài kiểm tra kịch bản có kiểm soát. Một buổi chiều vắng vẻ duy nhất không chứng minh được gì.
Tôi có cần video làm số liệu chuẩn không? Đây là phương pháp dễ bảo vệ nhất và đồng thời hữu ích cho việc tinh chỉnh. Nếu việc lưu video không được chấp nhận vì lý do riêng tư, hãy dùng cách đếm thủ công với hai người vận hành.
Bước tiếp theo
Hãy viết tiêu chí nghiệm thu trước khi mua, rồi kiểm tra tại địa điểm. Khám phá các dòng camera trong trung tâm sản phẩm của chúng tôi, xem cách đếm người được triển khai trong các mô hình bán lẻ khác nhau trong các giải pháp của chúng tôi, và liên hệ với chúng tôi nếu bạn muốn được hướng dẫn lắp đặt và cấu hình để đưa một triển khai đạt điểm ngọt về độ chính xác ngay từ ngày đầu.