深度：解析Amazon Go 技術(shù)的核心

　　12 月 5 日，亞馬遜發(fā)布 Amazon Go 震驚業(yè)界。第一時(shí)間研究了專(zhuān)利文件，并采訪資深計(jì)算機(jī)視覺(jué)算法工程師，最終出文從2份專(zhuān)利文件，一窺Amazon Go到底藏了什么黑科技？

　　今天無(wú)人零售商店創(chuàng)業(yè)者陳維龍為大家更加詳細(xì)地解讀 Amazon Go 以及無(wú)人零售商店項(xiàng)目。陳維龍畢業(yè)于中山大學(xué)，曾親自參與并實(shí)施過(guò)多套類(lèi)似的無(wú)人零售解決方案系統(tǒng)，對(duì)整個(gè)項(xiàng)目的流程化體系有著較深的認(rèn)知和實(shí)踐經(jīng)驗(yàn)。

　　Amazon Go 系統(tǒng)構(gòu)成

　　陳維龍把 Amazon Go 系統(tǒng)“拆分”為三部分：人/貨架/進(jìn)出口。其中硬件軟件構(gòu)成如下表：

　　人貨架進(jìn)出口

　　硬件手機(jī)攝像頭/壓力/紅外/體積位傳感器/光幕二維碼識(shí)別器/自動(dòng)門(mén)

　　軟件專(zhuān)門(mén)應(yīng)用庫(kù)存管理系統(tǒng)定制系統(tǒng)

　　布局如下圖所示：

　　貨架墻壁上安裝多個(gè)攝像頭，多種傳感器埋在每層貨架的底部或頂部。攝像頭負(fù)責(zé)拍照，光幕/紅外傳感器負(fù)責(zé)制造一個(gè)水平面，如果用戶(hù)的手穿過(guò)此面表示用戶(hù)開(kāi)始實(shí)施某種動(dòng)作，提高圖像分析效率。壓力/紅外傳感器用來(lái)表示商品的位置和狀態(tài)，為用戶(hù)的行為提供數(shù)據(jù)。

　　利用這些數(shù)據(jù)進(jìn)行深度學(xué)習(xí)，建立商品—?jiǎng)幼鳌说呐袆e模型，提高系統(tǒng)反作弊/識(shí)別能力。

　　Amazon Go 的核心技術(shù)是什么？

　　陳維龍透露，其實(shí) Amazon Go 的核心技術(shù)是反作弊/識(shí)別系統(tǒng)，不管它能提供多強(qiáng)大的商業(yè)功能，作為無(wú)人超市系統(tǒng)，反作弊/識(shí)別是它存在的第一要素。

　　在現(xiàn)有超市，通過(guò)便衣巡邏和監(jiān)控?cái)z像頭識(shí)別顧客行為是否合法，例如是放在購(gòu)物袋/車(chē)還是放在衣服里，將用戶(hù)的行為規(guī)范到指定的范圍，最后通過(guò)收銀員識(shí)別商品和顧客的對(duì)應(yīng)關(guān)系，成功解決了誰(shuí)對(duì)什么商品干了什么，從而達(dá)成交易。

　　其中人防和機(jī)防是反作弊系統(tǒng)，負(fù)責(zé)解釋顧客行為，從而保證商品與顧客的關(guān)系，而收銀員負(fù)責(zé)確認(rèn)商品和顧客關(guān)系。在 Amazon Go 中，系統(tǒng)也要解決誰(shuí)對(duì)什么商品干了什么的問(wèn)題。

　　接下來(lái)的內(nèi)容分為大三塊，詳解 Amazon Go 是如何做的。

　　一、如何檢測(cè)和識(shí)別顧客的行為：拿走或放回？

　　陳維龍指出，顧客購(gòu)物行為非常豐富，從貨架的角度來(lái)看，核心動(dòng)作只有拿走或放回兩種。

　　不論如何，商品被從貨架拿走了，最大的可能就是被買(mǎi)走了，而被放回來(lái)就是你不需要了。如果能識(shí)別拿走或放回，那么就解決了核心問(wèn)題。根據(jù) Amazon Go 專(zhuān)利顯示，它是這樣做的：

　　采集用戶(hù)的手進(jìn)入貨架平面前的圖像。

　　采集用戶(hù)的手離開(kāi)貨架平面后的圖像。

　　兩者對(duì)比，可以知道是拿出貨物還是放入貨物。

　　如果是拿起，進(jìn)入前的手和進(jìn)入后的手及手中的物品等特征是可區(qū)分的，這個(gè)特征與放入是相反的。簡(jiǎn)單說(shuō)，如果是拿起，進(jìn)入之前手是空的，沒(méi)有商品的，離開(kāi)后是手里有物品的。放入則相反。那么如何識(shí)別手呢？從形狀和圖片顏色（膚色）可以辨別。在貨架前利用光幕或者紅外形成一個(gè)平面，就可以知道用戶(hù)的手到了那里。

　　除了圖片分析，傳感器也可以提供這樣的數(shù)據(jù)。多種數(shù)據(jù)結(jié)合，可判斷用戶(hù)行為是拿走還是放回。

　　二、如何準(zhǔn)確識(shí)別出被拿走的物品和被放回的物品？

　　我們知道，有了顧客動(dòng)作，還要識(shí)別動(dòng)作承受的商品，不然會(huì)出現(xiàn)張冠李戴的現(xiàn)象。陳維龍繼續(xù)解釋到，這部分分成兩個(gè)步驟來(lái)處理：識(shí)別被拿走的物品和識(shí)別放回的物品。

　　識(shí)別被拿走的物品

　　因?yàn)槲锲肥潜还蛦T人工放置的，所以該物品可以直接標(biāo)記到系統(tǒng)中，因此不用圖像識(shí)別是何種物品（它已經(jīng)被人工識(shí)別了）。用傳感器表示它被拿走即可。

　　在某些情況下，商品可能沒(méi)有被提起設(shè)置或者設(shè)置后被混亂了，那么此時(shí)需要圖像識(shí)別該位置現(xiàn)有的商品與應(yīng)該有的商品是否一致。例如，物品 A 被放在 B 物品處，如果只有上面提到的那種方式處理，就會(huì)被當(dāng)成物品 B，不過(guò)這種情況較少。

　　如果是高置信度事件，可直接確認(rèn)，更新（增加）物品清單，否則還有顧客協(xié)作確認(rèn)的環(huán)節(jié)。

　　識(shí)別被放回的物品

　　在放回物品前，可以通過(guò)物品清單確定用戶(hù)與物品的關(guān)系，這些物品的圖片被儲(chǔ)存在系統(tǒng)內(nèi)。

　　檢索圖片，與被放回物品進(jìn)行比較，識(shí)別物品。

　　高置信度即可判斷物品正確，更新（刪除）物品清單，否則還有顧客協(xié)作確認(rèn)的環(huán)節(jié)。

　　被放回的物品會(huì)存在錯(cuò)放位置的情況，識(shí)別后通知雇員整理。

　　不管是拿走還是放回，如果是低置信度事件，會(huì)被系統(tǒng)記錄分析。

　　對(duì)于正常的購(gòu)物，在固定區(qū)域的商品種類(lèi)單一，容易識(shí)別。對(duì)于被錯(cuò)放的物品，因?yàn)楦怕瘦^少識(shí)別難度和計(jì)算量不會(huì)顯著增加。但是對(duì)于故意作弊的行為，需要極大的計(jì)算資源識(shí)別。這個(gè)問(wèn)題后面討論。

　　三、對(duì)某商品進(jìn)行了某動(dòng)作的人是誰(shuí)？

　　根據(jù)資料顯示，Amazon Go 在進(jìn)出口設(shè)置了“轉(zhuǎn)移區(qū)”，類(lèi)似現(xiàn)有超市的防盜門(mén)，此門(mén)可掃描用戶(hù)二維碼識(shí)別進(jìn)出口的顧客。陳維龍解釋到，這里問(wèn)題的關(guān)鍵是 Amazon Go 需要實(shí)時(shí)識(shí)別“對(duì)某商品進(jìn)行了某動(dòng)作的人是誰(shuí)”。

　　從問(wèn)題可以發(fā)現(xiàn)，解決這個(gè)問(wèn)題的關(guān)鍵還是要在貨架上入手，因?yàn)槿魏稳藢?duì)商品實(shí)施動(dòng)作的時(shí)候必須在貨架前。關(guān)于這部分細(xì)節(jié)，Amazon Go 專(zhuān)利給出的解釋是利用用戶(hù)位置信息定位進(jìn)行識(shí)別。

　　例如，張三站在貨架 A 前，此時(shí) A 貨架商品被取走，那么就認(rèn)定張三購(gòu)買(mǎi)了商品。這里存在很大的隱患是張冠李戴問(wèn)題，因?yàn)閮H通過(guò)位置定位顧客，只要在此區(qū)域的用戶(hù)都可能被當(dāng)成購(gòu)買(mǎi)者，從而形成商品和顧客一對(duì)多的關(guān)系。如果這個(gè)位置定位區(qū)域限制在足夠小的區(qū)域，就能實(shí)現(xiàn)一一對(duì)應(yīng)關(guān)系。

　　Amazon Go 使用的圖像分析和音頻分析。通過(guò)攝像頭可檢測(cè)用戶(hù)及其方位，天花板或貨架里的多個(gè)音頻可根據(jù)時(shí)差分析用戶(hù)位置。此外，天花板上的天線可用三角測(cè)量確定位置，用戶(hù)手機(jī) GPS 也能提供定位。

　　關(guān)于室內(nèi)定位或擁擠區(qū)域定位問(wèn)題，一般的定位技術(shù)是無(wú)法解決的。目前國(guó)外有 GPS 定位到毫米級(jí)別，但是費(fèi)用極高，應(yīng)用很少。iBeacon 技術(shù)也可以用于室內(nèi)定位，可達(dá)到厘米級(jí)別，但是僅限于 IOS 設(shè)備。

　　總的來(lái)說(shuō)，Amazon Go 反作弊/識(shí)別系統(tǒng)是通過(guò)“商品—識(shí)別動(dòng)作—識(shí)別承受動(dòng)作的商品—商品與用戶(hù)清單/用戶(hù)關(guān)聯(lián)”進(jìn)行運(yùn)作的。

　　對(duì) Amazon Go 反作弊/識(shí)別系統(tǒng)而言，它只需要知道哪些商品被拿走或放回了，并且知道是誰(shuí)實(shí)施的，那么就知道是誰(shuí)購(gòu)買(mǎi)/放回了什么商品。最后在出口（轉(zhuǎn)移區(qū)），顧客刷卡確認(rèn)顧客與商品的關(guān)系即可。

　商品識(shí)別問(wèn)題討論　

　　此時(shí)有個(gè)疑問(wèn)：故意作弊的行為，能識(shí)別動(dòng)作，但是識(shí)別商品難度較大，因?yàn)榇笮统猩唐贩N類(lèi)有 10 萬(wàn)種，依據(jù)現(xiàn)有的水平是無(wú)法解決的。

　　陳維龍就這一問(wèn)題給出以下解決方案：

　　限制特定種類(lèi)商品。從亞馬遜官方視頻中看到超市商品種類(lèi)與日常生活超市相比要少很多，而且形狀規(guī)格等都比較統(tǒng)一。

　　限制開(kāi)店區(qū)域和人群。在中高端市場(chǎng)，用戶(hù)的可信度較高，超市防盜壓力減少。視頻中顯示的商品也趨向中高端市場(chǎng)。

　　特殊人群跟蹤。上面提高用戶(hù)行為被系統(tǒng)判定為低置信度事件會(huì)被記錄跟蹤分析，這部分人群需要單獨(dú)的技術(shù)限制和人工干預(yù)。

　　容忍作弊行為，加強(qiáng)非技術(shù)反作弊手段。雖然討論的是高科技含量的東西，但是就目前階段結(jié)合必要的人工手段能提到較好作用。