项目简介

该项目是基于物联网的深度视觉云平台，主要实现一个可以智能化采集目标图像数据、并借助深度学习算法实现智能分析目标图像，然后将分析结果反馈给终端用户，同时保存在云端服务器；此外，为了验证和不断提高深度学习模型的精度，从验证服务器端读入原始图像数据与分析结果，定期进行人工纠错并将纠正的结果导入进化学习服务器，对深度学习模型进行再优化学习。通过这样一个基于物联网的不断自优化的深度视觉平台，可以针对用户的不同场景得到相应的最优化深度学习模型，从而最大化的提供正确的分析结果，来创造最大化的信息价值。

产品包含三个主要部分：智能超市系统、云端系统、以及智能硬件（如智能识别相机）。

1） 智能超市系统包含智能客户识别、智能商品管理、智能导购、智能收银、智能消费分析、智能精准营销、智能定期配送、智能安保等八大功能。所有功能均由团队自主研发相应的人工智能算法，并通过不断的收集数据与实践并行，逐步优化各类算法的性能与精度。

2）云端系统将连接智能终端、智能超市系统、以及各类功能衔接平台（如公安报警系统等）。团队将利用阿里云或者腾讯云的基础服务设施，同时自主研发与搭建整个云端服务平台，开发所有功能模块，将整个系统完整的衔接在一起；

3）智能硬件我们将采取与制造商合作的形式，创建OEM智能硬件产品；团队已与人工智能一线制造商达成了战略合作，共同推动智能超市项目的研发与产品推广。

项目负责人为日本早稻田大学工学博士，早稻田大学客座研究员，中日青年促进会理事兼人工智能协会会长。曾在日本大型上市公司工作，有近10年的人工智能、图像识别领域相关的技术研发与成果转化经验；持有系统分析师资格，多次获得优秀论文奖、企业优秀奖，发表学术论文40余篇，拥有日本发明专利5项。

1、三大核心算法

正在开发专门的标注算法，改善有效数据标注缺失。在日本超市的实际应用环境中，该系统的人脸检测、人脸识别、年龄/性别识别的三大基本功能已获得验证和突破， 算法精度均处于世界领先水平；

1）人脸检测算法在FDDB（Face Detection Data Set and Benchmark）测试名列世界前十。如在日本超市测试环境中，在收营台处的人脸检测率为100%，在入出口处的人脸检测率在86%以上。

2）人脸识别算法首先在LFW（Labeled Faces in the Wild）测试中取得了99%的人脸识别率。在超市的应用环境中取得了92%的人脸识别率，比目前世界最先进的算法（FaceNet）高将近10个百分点。

3）性别识别算法精度约为93%，高于目前最新的DEX算法约5个百分点。年龄识别算法在超市环境的识别精度为89%。

2、应用场景的实战经验

1）团队开发的深度学习图像算法已经经过了多个实际应用项目的检验，证明了该算法的高精度、有效性与环境适应性；

2）正在构建深度学习的物联网平台，该平台由智能终端（如带人脸检测功能的摄像头）、无线网络、云端数据存储服务器、深度学习服务器、智能纠错服务器构成;并且该平台不依赖于任何特定的软硬件、云端平台，可移植性强，可以迅速搭建（已于2017年9月中推出原型机并在日本超市进行评价测试）；

3）基于深度学习的物联网平台可以解决超市的人脸检测与识别、客流量分析、客户属性分析、客户轨迹分析等技术课题；同时，在获取有效客户信息的基础上，可以针对超市客户提出具体的经营改善方案（如针对特殊年龄用户，适当调整产品种类等）；  

4）此外，人脸识别算法还可以实现公安与超市的联网互动（譬如罪犯人脸识别等），保证大家的生活环境的安全，做出力所能及的共享；

总体来说，基于物联网的深度视觉云平台是经过日本市场检验的、成熟的、易于搭建与移植的产品。

3、实战数据的多样性与适应性

图像识别（如人脸识别等）在实际应用中，有很多现实的干扰因素：如因为人的移动所带来的抖动，随着时间的推移光照的不同；这些因素极大的影响了图像识别的精度。另一方面，对于人脸识别，由于人种的不同（尤其是肤色的影响），对识别精度影响也非常大。而该系统的算法不但在日本市场得到检验，更在中国、越南、泰国、印度尼西亚等国的实际应用场景中得到了检验，被证明图像识别精度是可以达到应用场景要求的。

据估算，到2020年，生物识别技术市场规模将达到250亿美元，5年内年均增速约14%。其中，人脸识别增速最快，将从2015年的9亿美元增长到2020年的24亿美元。

由于深度学习的不断发展，图像识别在产业领域的应用已经在不断的得到拓展，但也只是刚刚起步。目前，在国内的这个领域的佼佼者譬如商汤科技、格灵深瞳、深图智服，他们在图像识别领域有着比较深厚的技术积累，然而有些在市场定位方面还比较模糊。团队的目标是于结合新技术与传统行业，利用人工智能、物联网、大数据、机器人等新兴技术，进一步增强消费者体验，改进零售企业的运营和物流系统。其次，通过AI智能分析可以向消费者进行更精准的商品推送、实现更快速的货物配送、商场的导购机器人也将使得购物更加有趣。在零售终端、物流环节的应用，利用人工智能算法可以分析海量的数据，帮助企业更加有针对性地对店铺进行运营和消费者管理。同时，新技术的应用可以帮助物流实现自动化仓储以及高效配送，降低物流环节所消耗大量的人工成本。

虽然巨头企业已经在布局中国零售市场，但是整体的市场还处于起步阶段，目前最主要的布局还是集中在技术数据领域。另一方面，中国的市场非常庞大，目前有大型超市超过1100家，中型超市超过2万家，便利店更是数不胜数（超过2千万家）。市场规模也是非常庞大，据分析：2017年我国新零售商店交易规模达389.4亿元，2022年将至1.8万亿元。因此，这个市场充满的机会与挑战。

以一般情况来讲，一家大型超市对摄像头的需求为20-50台，一家中型超市对摄像头的需求为10-20台，一家便利店的需求为5-10台，如此预计市场需求超过1亿台。如果按照每台摄像头的月服务费收取500元，那么年市场规模将超过6000亿元。

1）共享成长利润。与客户签订3-5年契约，分享超出正常成长的利润空间；

2）顾客数据价值。分析视觉信息和客户消费数据，提取对市场有价值的数据，提供合理化业务改善建议。

3）月租式（SaaS服务）。按照相加的台数，以每台一定月租的方式收取服务费用。

4）买断式。买断整套系统，包括软硬件。基于此，我们将提供后续的售后与升级服务。

5）核心技术价值。通过不断的积累核心技术与核心应用场景数据，然后与巨头企业进行技术合作，利用其资源扩大市场份额，取得共赢。

联系人：李女士

电话：159 7221 6284