购物旅程分析：计算物理零售店的货架浏览访问
计算机视觉与模式识别
2026-01-06 v1 人工智能
机器人学
摘要
受零售环境中机器人部署挑战的启发，本工作介绍了对物理零售店客户活动的研究，这是向自主理解购物者意图迈出的一步。 我们引入一种算法，用于计算购物者的“货架访问”——捕捉他们在商店中的浏览行为。 通过基于机器视觉的 3D 跟踪和俯视摄像头获取的轨迹中提取货架访问。 我们对货架访问算法进行了两次独立校准，使用分别包含 8138 和 15129 条轨迹的不同数据集进行标注，数据集来自不同的商店并由人工审核员标记。随后对校准后的模型进行评估，测试对象为校准过程中未被使用的轨迹，这些轨迹既来自进行校准的同一商店，也来自另一家商店。结果分析表明，该算法能够在校准所处环境之外的环境中识别客户的浏览活动。我们随后利用该模型分析了大量轨迹上的客户“浏览模式”，并探讨其与实际购买之间的关系。最后，我们讨论了货架浏览信息如何用于零售规划以及人机交互场景。
引用
@article{arxiv.2601.00928,
title = {Analyzing the Shopping Journey: Computing Shelf Browsing Visits in a Physical Retail Store},
author = {Luis Yoichi Morales and Francesco Zanlungo and David M. Woollard},
journal= {arXiv preprint arXiv:2601.00928},
year = {2026}
}