近些年来，电子商务的蓬勃发展让“新零售”成为包括线上线下整个商业的“风向标”。对于线上商业而言，向“新零售”转型的目标明确且清晰，但对于传统线下商业而言，“人、货、场”等基础数据的缺失，使其在向“新零售”转型缺少必要的抓手。

数据在“新零售”场景中的地位不言而喻，而这也正是传统线下商业的短板，在“人、货、场”等基础数据中，“货、场”数据在资本的加持之下或能得到加强，最关键的“人”却不是简单地购买和导入“流量”就能解决的。基于此，同时在AI和大数据技术支持下，基于实体商业的消费者关系人群运营等业务需求量大增，而人脸识别以及人体认别等在关于“人”的数据掘取方面的AI技术更是倍受关注和推崇。

日前，依托第三届中国模式识别与计算机视觉大会举办的PRCV2020大规模行人检索竞赛收官，在这场模式识别和计算机视觉领域学术盛会上，一家小而美且专注于机器智能技术和商业场景的深度结合的AI公司赢识科技引人注目。

“成立才两年多的赢识科技，一直专注于利用机器智能技术为线下商业场景构建大脑，以提升线下店铺的运营效率和顾客体验为主要业务方向，为实体商业提供全链路数据智能服务和系统。”赢识科技CTO易东表示，人、货、场数字化是赢识科技自主设计研发的SenseOS的核心基础，其中人的身份、轨迹、行为在很大程度上依赖行人属性和行人再辨识模块的性能。在本次竞赛，赢识在属性方面获得两项第二，再辨识方面获得两项第一。这一结果表明，赢识科技在人体分析方面有着深厚的积累，在算法和系统层面均处于国内外领先状态。

行人再识别技术是继人脸识别后的一个重要研究方向，其研究对象以人体为主，主要用来进行行人识别与检索，跨摄像头的行人跟踪，行人动作分析等，在智能零售、智慧园区、智能安防等场景有很高的应用价值。

在实体商业场景中，无论人脸识别还是人体识别都为“人、货、场”中“人”的分析而服务，人脸或人体图像均可用于分析人的身份、年龄、性别、情绪、关注区域等。人脸是人体的一部分，但由于人脸具有区分度高、特征稳定等优点，因此人脸识别的研究和应用起步很早，应用范围很广，且公开数据集丰富。与人脸相比，人体识别的起步更晚，区分度和稳定性更低，但更易采集。

“在向‘新零售’转型的过程中，传统商业对‘人、货、场’数字化的渴求是迫切的。在电商场景里面，一个人从打开网页，点击并加购物车，浏览了哪些店铺、商品，这些信息都会作为一个人群运营分析的基础。依据这些信息、数据，可以分析出经营中存在的问题，从而及时做出调整。”易东表示，线上商业因为高速网络、智能终端、移动应用、数据系统以及数据运营构建了一套成熟的数据驱动的业务体系，能够在消费者使用服务、购买商品的过程中沉淀数据，基于这些数据为消费者提供个性化的体验，创造很大的价值。线下商业却因为缺失必要的数据基础设施、数据系统、数据应用、智能触点，以及适合线下场景的运营方法，使得线下在营销、销售、服务和管理等领域仍然在使用一些传统的手段，进而因为低效率、高成本的原因制约业务成长。

赢识科技在实体商业数智化产品中，运用操作系统设计思想和架构，通过其自有的海量异构设备抽象管理、“端-边-云”协同的线下高性能数据计算框架、以及ReID+行为语义化技术，将实体商业场景运营数据化、决策智能化，把实体商业改造成“线下的天猫”。

文章来源：《新商务周刊》 网址: http://www.xswzkzzs.cn/qikandaodu/2021/0401/715.html