自去年亞馬遜推出Amazon Go以來，無人售貨就成了大家津津樂道的話題以及資本青睞的對象。其實國內也不乏鉆研無人售貨技術的企業，比如宗慶后的Take go、F5未來商店、繽果盒子、quiXmart，以及阿里的無人超市“淘咖啡”。
無人零售除了應用了計算機視覺等AI技術外，還涉及到大規模的傳感器和智能設備，在整個入店、購物到結算的環節，可以說，沒有傳感器技術無人零售那只是一個傳說。
阿里淘咖啡
“淘(tao)咖啡”是阿里宣(xuan)布(bu)進軍新零售計劃后首次亮相的產(chan)品，是一個占地(di)(di)達200平方(fang)的線下實體店(dian)，集商(shang)品購(gou)物、餐飲于一身，可(ke)容納用戶達50人(ren)以上，而實際容納規模可(ke)隨場地(di)(di)面(mian)積而增(zeng)加。在體驗(yan)方(fang)面(mian)，“淘(tao)咖啡”對比亞(ya)馬(ma)遜(xun)(xun)超市毫不(bu)遜(xun)(xun)色，而且更加智能！
消費者進入淘咖啡的整個購物過程大致分為三個步驟，首先是進店，用戶首次進店需打開“手機淘寶app”，掃碼獲得電子入場碼，同時簽署數據使用、隱私保護聲明、支付寶代扣協議等條款，然后通過閘機，開始購物（注冊是首次消費時進行）。
接著是選購，用戶可在店內拿起任何一件或者多件商品，或者在餐飲區點餐，這個過程與日常的購物并無二致。
最后是支付，離店前，用戶必須經過一道結算門 。它由兩道門組成，當第一道門感應到用戶的離店需求時，它便會自動開啟；幾秒鐘后，第二道門將開啟，此時結算門已經完成了扣款。然后，旁邊的提示器會說："支付寶共計扣款XX元"， 然后你就可以瀟灑地離開了。
阿里的這套無人零售技術主要涉及三大核心技術，即生物特征自主感知和學習系統、結算意圖識別和交易系統及目標檢測與追蹤系統。
生物特征自主感知和學習系統主要解決在開放空間里對消費者身份的識別問題，將顧客的生物特征與淘寶ID進行綁定，以實現對顧客的身份確認。
結算意圖識別和交易系統，如前文所言的結算門，它是由兩道門組成，對商品的識別過程就是在這兩道門之間完成的，阿里的這套系統究竟是通過RFID技術還是機器視覺識別來完成對商品識別的，目前謎底還未揭曉，但是機器視覺識別的可能性更大一些。
目標檢測與追蹤系統則主要是追蹤消費者在店內的行為及運動軌跡，該功能主要依賴多路監控攝像頭。通過捕捉消費者的行為判斷其對特定商品的態度，或通過對諸多消費者在店內的運動軌跡、或在特定貨架前的停留時間來指導商家調整貨品的陳列方式等。
阿里的淘咖啡與Amazon Go有非常相似支出，原來這主要歸咎于Amazon Go的研發負責人任小楓帶領團隊加入阿里的緣故了，所以淘咖啡相比于Amazo升級改進。
亞馬遜的Amazon Go
“拿了就走(zou)”是Amazon Go的(de)核心賣(mai)點。盡管是個半成品(pin)，但無不體現(xian)黑科技范：消費者進門(men)、選(xuan)購(gou)、結算、離開(kai)全流程(cheng)實(shi)現(xian)無人(ren)化操作。具體來說，亞馬遜的免結賬購物體驗利用了與無人駕駛汽車同樣類型的技術：計算機視覺、傳感器和深度學習。
Amazon Go的商品擺(bai)設與普通(tong)零售店亦基本一(yi)致，主要(yao)銷售即食早餐、午(wu)餐和晚餐，以及每天新鮮的小點心(xin)。此外還包括面(mian)包、牛奶(nai)(nai)、手工奶(nai)(nai)酪和本地制作的巧克力等。
消費者在進入Amazon Go進行購物時首先需要一個亞馬遜帳號，并在自己的智能手機上安裝亞馬遜的應用軟件，用戶打開手機并進入商店后，在入口處會對顧客進行人臉識別，確認用戶身份。當消費者在貨架前停留并選擇商品時，攝像頭會捕捉并記錄顧客拿起或放下的商品，同時，置于貨架上的攝像頭會通過手勢識別判斷顧客是否將貨物置于購物籃還是只是看看然后放回原處。
對于用戶購物信息的統計，則是通過貨架上的紅外傳感器、壓力感應裝置(確認哪些商品被取走)及荷載傳感器(用于記錄哪些商品被放回原處)，用戶所采購的商品數據會實時傳輸至 Amazon Go商店的信息中樞，不會有任何延遲，顧客付賬時直接離店就可，傳感器會掃描并記錄下消費者購買的商品，同時自動在消費者的賬戶上結算出相應的金額。
Amazon Go最大的(de)亮點是顧(gu)客(ke)拿走或(huo)者放(fang)回物品的(de)同時，用(yong)戶手機里(li)的(de)系(xi)統(該系(xi)統與Amazon Go商(shang)店(dian)的(de)信息中樞無延(yan)遲地同步(bu)進行更新)會自(zi)動(dong)更新清單，然后用(yong)戶直接離(li)開(kai)商(shang)店(dian)即可。
從技術上講，Amazon Go主要運用了機器視覺、深度學習算法和傳感器融合技術。據悉，早在2013年、2014年，亞馬遜就提交了兩份核心專利，即“偵測物體互動和移動”(Detecting item interaction and movement)和“物品從置物設備上的轉移”(Transitioning items from the materials handling facility)，現在看來，正是這兩項專利技術促成了Amazon Go的誕生。
一般而言，如果從顧客的角度來判斷購買行為顯然會非常復雜，但從貨架的角度來看就要簡單得多，此時的核心動作只有兩種，即拿走或放回，Amazon Go是如何做到的呢?首先貨架前的攝像頭會采集用戶手在進入貨架平面前的圖像，當用戶手在貨架上拿上商品離開時，此時的圖像亦會被采集，然后將兩次采集的圖像進行對比，判斷出用戶是拿出貨物還是放入貨物。
前述只探討了物品的拿出與放回，那么如何判斷被拿出或者放回的物品是什么呢？對被拿走的商品，可分兩種情況，即物品處于原本所在的位置上，此時商品直接被標識于系統中，只需利用傳感器即可感知到該物品被拿走；當商品與原本位置不一致時(通過圖像識別該位置與現有商品不一致時)，盡管Amazon Go系統會對錯放商品進行圖片對比檢索(與數據庫內的圖片進行比較)識別，但Amazon Go此時往往無法很好地對商品進行識別，這是Amazon Go的一個BUG，當然出現這種情況時，Amazon Go會提醒工作人員將商品放回正確的位置了。
最后，Amazon Go內的商品是如何實現與人關聯的？這就需要依靠室內定位技術。Amazon Go定位依靠的是圖像分析以及音頻來實現的，首先通過店內的攝像頭檢測用戶及其方位，同時商店貨架或者天花板內的多個音頻根據各聲音時差分析出用戶的位置，此外，用戶手機的GPS以及WIFI信號亦能協助定位的實現。
需要說明的是，Amazon Go目前定位上存在一些技術問題，比如較多顧客擁擠在一個區域時，此時的圖像分析會對系統GPU形成高負荷，而其他定位技術亦會因精度問題導致誤差，此時定位的可靠性會大打折扣，這也是后續Amazon需要持續解決的問題。
據海外媒體報道，Amazon Go在2017年3月就打算在海外開店，但由于技術原因有所延遲。此外，該店無法在20人以上同時進入時保持正常工作，且無法識別出商品被放到錯誤的位置。
宗慶后的Take go
2017年(nian)6月，娃哈(ha)哈(ha)和人(ren)(ren)工(gong)智(zhi)能企業深(shen)蘭科技(ji)簽訂(ding)了3年(nian)10萬臺、10年(nian)百(bai)萬臺TakeGo無人(ren)(ren)店協(xie)議，協(xie)議內容主要(yao)圍(wei)繞深(shen)蘭科技(ji)的支付系(xi)統(tong)“快貓(mao)智(zhi)能零售(shou)系(xi)統(tong)”，這(zhe)項技(ji)術應用在(zai)終端無人(ren)(ren)售(shou)貨(huo)機上。宗(zong)澤后表(biao)示，在(zai)線下鋪自動(dong)售(shou)貨(huo)機是娃哈(ha)哈(ha)去年(nian)就有的計劃，預計投入金額(e)為20億元(yuan)。
深蘭科技的無人智能店快貓quiXmart系統，應用了人工智能領域的前沿技術，實現了掃手進店、直接購物、拿了就走、無需結賬的無人店全智能化操作，整個過程不再有支付環節。TakeGo就像是亞馬遜去年12月展示的未來實體商店Amazon Go的中國版。
Take go系統(tong)之所以能(neng)(neng)實現“拿了就(jiu)走”主(zhu)要(yao)應用了卷積神經網絡、Deep learning深度學習(xi)、機(ji)器(qi)視覺、生物識別(bie)(bie)、生物支(zhi)付(fu)等人工智能(neng)(neng)領域前沿技(ji)術(shu)，這其中(zhong)涉及兩個(ge)關鍵的(de)(de)技(ji)術(shu)，一(yi)個(ge)是生物識別(bie)(bie)技(ji)術(shu)，從take go的(de)(de)應用場景(jing)視頻中(zhong)可以看(kan)到，顧客進入take go 無人店需要(yao)手掌按在生物識別(bie)(bie)讀寫器(qi)上，這個(ge)識別(bie)(bie)器(qi)不(bu)是掌紋或者指(zhi)紋識別(bie)(bie)器(qi)，應該是靜脈(mo)識別(bie)(bie)器(qi)，靜脈(mo)識別(bie)(bie)技(ji)術(shu)要(yao)比指(zhi)紋識別(bie)(bie)精確很(hen)多，也更大程度地避免了被(bei)冒用的(de)(de)可能(neng)(neng)性，很(hen)好地確保了用戶(hu)資金的(de)(de)安全(quan)性。
另外一個關鍵技術是基于深度學習(Deep learning)的卷積神經網絡技術，該技術主要用于對整個無人零售店內物品的監測、識別與跟蹤，它可能是一系列技術的融合，包含了視頻/圖像識別技術、定位技術等。其中，對商品的識別是通過機器學習，然后對圖像進行識別，也就是說每次商店進貨新品類時，都需要對該商品進行機器學習，將該商品的一些特征數據信息記錄到數據庫中，然后圖像識別系統依據特征數據信息對該商品進行識別。
當顧客走進take go無人零售門店并拿起商品時，不管商品的位置是在顧客手上、懷中、口袋還是背包內，系統都能監測與識別，顧客離開商店時會收到對應的賬單，并被系統自動扣款。Take Go還有人店對話系統，通過定向聲源原理和算法，Take Go零售店還可以向顧客一對一進行語音產品推薦，根據顧客之前的購買記錄判斷出其喜好、偏向，向其推薦類似商品。
繽果盒子
歐尚、大潤發相繼在上海推出無人零售商店繽果盒子，一時之間，繽果盒子儼然成了零售業界的“超級網紅”，其背后的研發公司中山市賓哥網絡科技有限公司亦受到業界廣泛關注。
繽果盒子的購物流程較為簡單，首先顧客進入商店需要掃描二維碼。用戶在商店內選好商品后，需將商品整齊放置于收銀臺檢測區，然后，檢測臺邊上的顯示屏會自動顯示一個收費二維碼，用戶可以利用微信或者支付寶掃描二維碼即可完成付賬，然后離店即可。
繽果盒子采用的技術相對簡單，但可靠穩定。繽果盒子主要采用了RFID技術、人臉識別技術等。店內商品包裝上皆貼有RFID標簽，這就避免了像Amazon Go、take go那樣需要進行復雜的圖像識別過程，內置的全視角視頻監控，可有效震懾顧客在店內的作弊行為(比如破壞商品、撕毀RFID標簽等)。
繽果盒子優勢是減輕了對人的依賴，提升管理效率。據官方介紹，4個人可完成40個盒子的管理(盒子最大的SKU為800)，這個相對優勢在Amazon Go及take go未被大規模普及前有其存在的合理性與必要性。
Wheelys
來自瑞典的初創公司Wheelys在上海開設了一家無人零售商店，該商店主要由應用程序控制，首先，顧客需要在智能手機上安裝一個允許訪問該無人商店的應用，進入商店后，顧客只需要掃描想要購買貨物的條形碼，離店時可以使用信用卡支付。
該無人商店由 AI 控制——稱為“Hol”的全息商店助理，可幫助客戶進行購買或提供使用服務的說明。此外，無人店的屋頂還配備了 4 臺無人機，顧客可通過app訂購，無人機就會帶著商品送至你家(跟京東正在嘗試的送貨方式相當，但這個功能仍在測試中)。
防盜防損方面，該門店主要采用攝像機監控+入店進行身份驗證，此外還有Wheelys公司的一些專利授權技術的加入，Wheelys公司的盈利大頭很可能就是向第三方零售商授權該技術，至于具體是何種技術，Wheelys公司并沒有透露更加詳細的信息。
Wheelys公(gong)司(si)的(de)這(zhe)套無人商店技術(shu)同樣處于(yu)測試階段，Wheelys公(gong)司(si)對(dui)一系列核(he)心技術(shu)的(de)遮遮掩掩，一定(ding)程度上也透(tou)露出該技術(shu)似(si)乎并無太多亮點，能(neng)不(bu)能(neng)在國內大范圍(wei)推廣尚未(wei)可知，況且國內已(yi)有這(zhe)么多的(de)無人商店競爭者了。
小e微店等準無人超市
號稱企業員工“身邊的便利店”的小e微店，目前，其主要分布在高端寫字樓、科技園區等區域，其入口主要是官方app、微信公眾號及微信小程序，用戶通過上述入口掃描門店二維碼進入無人店，與此同時，實際上也完成了門店的定位，用戶選好商品后，用手機掃描商品的二維碼，進行結算支付，然后離開。
和小e微店相似的還有便利蜂等，都采用了低成本的二維碼解決方案，二者的購物流程也有頗為相似。
無人零售的技術難點
無人零售已成為線上線下商家的共同搶占的市場高地，而最終的勝利者必將是看誰先完全具備了先進成熟、穩定可靠的技術體系，這里我們來關注一下無人零售的技術難點。
1、無(wu)人(ren)零(ling)售的(de)核心問題
打造無人零售商店最核心的是要解決“什么商品被誰怎么處理了”這個問題，需要處理的因素有5個：人、人的位置、商品、商品的位置、動作。
動作主要是通過商品與手或貨架的狀態來識別的，例如手進入或退出貨架的手勢、物品在手的狀態識別拿取或放回商品。
商品識別主要是通過初始狀態的選擇，中間狀態通過購物清單核對來縮小識別范圍，降低難度，同時通過雇員保證初始狀態不被破壞。
位置主要通過手機定位、傳感器定位和圖片定位，利用人體姿態識別可以很好的將動作定位到人。
對于超市而言，商品存在兩種狀態——賣掉或沒賣掉；對貨架而言，商品的狀態是在或不在；對顧客而言，商品的狀態是買或不買；對人的手而言，商品的狀態是在手或不在手，進一步簡化成拿起或放回。
它們的關系鏈如下表：
那么如何表示或測量這兩種狀態呢？用相機和傳感器都可以表示該狀態。
a、相機如何處理
在手進入貨架拿取商品前和拿取商品后，對手拍攝1組圖片，記為第一圖片和第二圖片，對貨架拍攝1組圖片，記為第三圖片和第四圖片。比較第一圖片和第二圖片的差異，此時需要利用到CV算法識別出膚色找到手，從而知道第一和第二圖片手勢的差異，識別握姿和舒展姿態，根據兩個姿態在第一第二圖片出現的順序可以判斷拿取還是放回。例如，第一圖片是握姿，第二圖片是舒展，即放回；第一圖片是舒展，第二圖片是握姿，即拿取。
隨后利用膚色找到手后，再識別第一第二圖片手邊緣的色差識別商品是否在手，根據前后順序可以判斷拿取或放回。例如，第一圖片手邊緣色差較淺，表示沒有商品，第二圖片手邊緣色差較深，表示有商品，即商品在手且是拿取過程。放回同理。
利用第三第四圖片，對貨架進行處理，同樣可以判斷拿取或放回。例如第四圖片比第三圖片多了一個或多個商品，那么就是放回；如果第四圖片比第三圖片少一個或多個商品就是拿取。
b、傳感器如何處理
對重力傳感器來說，商品被拿取，商品減少，重量減少；商品被放回，商品增加，重量增加。所以重量數值變化可以表示拿取或放回。
對于紅外來說，在特定地方，商品被放回，紅外會被遮擋，商品被拿取，紅外不會被遮擋。可以通過紅外遮擋狀態表示拿取或放回。
2、如何有效識別商品(pin)
商品的識別應該是難度最大的關鍵點之一。
在初始狀態，特定品類的商品被放在特定位置，由相機和傳感器偵測。對相機和傳感器而言，它們只需優先識別少數且特定的商品類及數量。這個相對而言是簡單的。即使圖片無法識別，也可以根據重量識別和篩查。在品類擺放的時候可以選擇易區分的品類擺放一起，所有被拿取的商品記錄在顧客的購物清單里。
困難在中間狀態。由于顧客放回會破壞初始狀態，導致識別難度急劇上升。因為顧客可能放回任意商品，所以商品的識別范圍又擴大到無法解決的情況。
先討論放回后的最終狀態，一般分成2種：放回正確或錯誤。
對于放回正確，識別難度在初始狀態的水平。
對于放回錯誤，存在3種情況：放回錯誤但可識別；放回錯誤無法識別；放回錯誤且識別錯誤。
放回錯誤但可識別的情況是因為商品本身易通過圖像和重量識別，此種情況較少。大多數情況是放回錯誤且無法識別或識別錯誤。放回錯誤且無法識別的情況可以給用戶發送消息，讓用戶確認。識別錯誤的情況只能提高算法精度，同時調整判斷極限值，將部分識別錯誤的情況向無法識別裝換，同時及時通知雇員來整理回到初始狀態。
一般而言拿取商品后放回的情況較多，且不放回正確的位置情況也不少，其中放回錯誤且無法識別或識別錯誤又占大多數，放回錯誤但可識別是少數。總的來說無法識別和誤判比例不容忽視，甚至導致整個系統無法工作。
剛才說到，由于顧客放回商品，導致識別范圍擴大到所有商品，這是可以部分解決的。因為商品的每次放回都是基于顧客的前 N 次拿取，他放回的商品必須是之前拿取的商品，所以優先識別顧客的購物清單即可，在這種情況下，識別難度又回到初始狀態相當的水平。
3、如何知道動作(zuo)發起者(zhe)的身份？
將商品記錄到動作的發起者身上是一件較為復雜的工程。
識別人大體通過 2 種方式：身體特征或附帶物，例如人臉和手機。人臉識別的精度在室內還在可接受范圍，幾乎可以當做唯一標識。手機也是一個人的唯一標識，通過判斷是誰的手機從而判斷顧客是誰。
4、如何匹配顧客ID與商(shang)品ID？
要匹配顧客和商品的 ID，首先要確定人和商品的定位。
關于人的定位，可以用到追蹤系統。手機的 GPS、wifi、藍牙也可以提供較準確豐富的位置信息。
關于商品的定位，紅外、重量感應、相機、商品和貨架初始的問題都是已知的，可以推測出來。例如，通過隔板，將同類商品分在不同的網格種，每個網格對應不同的紅外或重量感應器，可以知道被拿取或放回商品的位置。
通過人和商品的位置匹配，連接了“什么商品”“被誰”兩個因素。
因為成本和技術問題，位置精度是一個很大的問題，再加上這個定位人和商品位置的方案本身的缺陷，顧客和商品的匹配誤差較大。例如，顧客A站在商品A前，顧客B站在商品B前，顧客A伸手去拿商品B，這種情況系統是無法準確判斷的。當然可以由顧客確認，但是這僅僅是無力的補救措施。
之前有人提到過Amazon Go可能利用多角度的完整的人體姿態識別來定位匹配人—動作—商品的關系。這種方法的關鍵是攝像頭需要很好的視野和足夠的攝像頭。從宣傳視頻來看，Amazon Go的貨架設計使得最低層和中間層是無法獲取足夠好的視野，可能的解決方式是依靠對面貨架和天花板的攝像頭。Amazon Go 的貨架構造非常重要，只要再提供一份貨架結構圖或者實物圖就可以進一步推測實施方案。貨架結構包括是否每層都有設想頭，承載商品的承重面的形狀及尺寸，特殊開口和螺絲位置等。
5、總結(jie)
通過上述方法，難度沒有憑空想象的難，但是工程量不小。即使動作和商品識別能達到 100%，因為定位方案和精度問題，導致整體的識別存在一定的誤差，而使整個方案無法使用，或者只能部分依靠顧客協助實現。所以 Amazon Go 以及未來的其他無人零售店還只能在小部分范圍內對特定人群使用，例如信用度較高的會員。
顯(xian)然，無(wu)人商(shang)店已(yi)成為(wei)全(quan)球零售(shou)業的新風口，甚至可說是全(quan)球零售(shou)業一個新的戰(zhan)略高地，誰能夠在第一時間(jian)占據無(wu)疑(yi)會具備先發優勢(shi)，這也是目前像亞馬遜、阿(a)里(li)巴(ba)巴(ba)這些巨頭涉(she)足的最大(da)原因(yin)，但它距(ju)真正(zheng)全(quan)面落地尚需時日，技術(shu)是其(qi)最大(da)的瓶頸！
本文來源：傳感器技術
