沃尔玛在 1000 多家门店安装 AI 摄像头，以减少商品盗损

在新零售理念潜移默化的影响下，商家愈发追求效率和用户体验。他们积极引进新的技术和设备，以减少人工参与，压缩人力成本并营造尽量开放自由的用户体验。

在此背景下，自助收银技术得到了迅速普及。调查显示，66%的消费者均对自助收银技术表示认可。另一项数据显示，自助收银设备在全球的年复合增长率高达15.3%，势头十分迅猛。

然而，自助收银设备提升效率并改善用户体验的同时，也增加了商品盗损的风险。

调查结果表明，在英国自助收银环境下的商品盗损率约为4%，是非自助收银环境下平均水平的2倍。在美国，这一比例更加悬殊，达到了5倍之多，给零售商造成了沉重的损失。

如何在无人收银模式下降低货损，成了摆在商家面前的新命题。

为了解决这个问题，零售巨头沃尔玛在其门店中上线了一套名叫Missed Scan Detection的AI监控系统。

据外媒theverge报道，这是一套由融入了视觉AI技术的相机组成的系统。相机运行时会自动扫描货架上的商品，如果商品在条码没有经过扫描的情况离开监控区域时，系统就会向店员发送警报提醒。

据沃尔玛透露，Missed Scan Detection系统由Everseen等多家公司提供技术支持，早在2年前就已经投入使用，目前已经覆盖了1000多家门店。从效果来看，这套系统能显著降低货物盗损率以及库存损失率。

不过系统也有误报的时候，比如顾客忘记扫描商品或收银员误操作都会触发警报。总体而言，这套系统还有待进一步优化和完善。

无独有偶，为了解决盗损问题，去年日本厂商NTT也曾与从事防盗系统开发的高新技术企业Earth eyes合作，推出了一套内置AI的监视系统——AI Guardman。它能通过AI分析可疑行为，揪出潜在的扒手。

AI Guardman 发现可疑情况后，会向店员的智能手机发送警报，并传送嫌疑者的照片及所在位置。这时店员就可以上前搭话，比如礼貌性地询问：“你好，需要什么帮助吗？”

这样友好的问候除了可以有效防止潜在的盗窃意图，也可以在 AI 误判的情况下为客户提供有效的服务──毕竟除了偷窃行为以外，这些左顾右盼的行为也可能是客户正在苦恼于寻找需求的特定商品。

据雷锋网了解，AI Guardman会和商家共享这些监控数据，系统将基于数据不断学习，提升其“业务水平”。

遗憾的是，这套系统的价格并不便宜，光一台 AI监视器售价就高达 23.8万日元（约合人民币1.4万元），安装和调试费还得另算。此外，客户每个月还得为每台监视器缴纳4000 日元的 AI 云端使用费，并按数据量缴纳数据存储费用，每10GB数据的存储费为500日元（1台AI 监视器1个月产生的数据大小约为10GB）。

国内方面，阿里安全图灵实验室也在积极尝试利用视觉AI技术帮助零售商减少自助收银带来的货损风险。

据阿里安全图灵实验室高级专家觉奥向雷锋网介绍，偷盗行为看似简单，但可以拆解成三个具体环节——可疑人员、拿取行为、付款行为。假如一个可疑人员拿了商品却没有付款就离开了门店，便构成了一条完整的偷盗证据链。图灵实验室的视频识别防盗损系统重点关注的也是这三个环节。

首先要解决的是可疑人员识别。偷盗行为非常复杂，有些是惯偷，有些只是临时起意，比如对服务不满的报复式偷盗。惯偷的识别相对简单，因为商家的视频监控系统中一般包含了这些人的照片信息，只需要通过安全AI技术在他进店时将其识别出来并进行事先预警即可。

非惯偷的识别复杂得多，需要借助一系列行为动作分析。小偷在商场作案时通常有一些惯用手法，比如东张西望寻找视频监控的盲点。倘若能通过这些行为识别出可疑人员，并第一时间进行干涉，就可以将很多偷盗行为扼杀在襁褓之中。

为此，阿里安全图灵实验室走访了很多公安人员和商场防损员，向他们学习经验，最后总结出了18个高风险人员特征。根据这些高风险人员特征，系统就能第一时间发现可疑人员。

锁定可疑人员后，系统还会持续追踪他在货架、收银台、出入口等关键位置的行为，比如是否拿取了商品，有没有破坏商品标签或者故意漏扫商品等。

觉奥向雷锋网介绍，国内外已经有很多企业在开发基于视频识别的防盗损系统，其中很多只针对某一个特定环节，作用有限。要达到更好的防盗损效果，AI还需要学习完成更多更复杂的任务。

无论沃尔玛、NTT还是阿里安全图灵实验室的尝试，都让我们对用AI技术降低货损的前景充满了信心。但不得不承认，这类产品在落地的过程中依然面临着许多挑战。

首先需要考虑的就是成本。作为一个整体利润率偏低的行业，零售业对于成本非常敏感。基于视频识别的防盗损系统初期投入巨大；为了平衡投入与产出，业内常用的做法是复用商场内已有的视频监控摄像头。这种做法存在一定的缺陷：普通监控摄像头的特点是视角大，分辨率低，获取的图像质量不高，给人脸识别算法提出了极其严峻的考验。

实时性也是AI防盗损系统在实际应用中非常重要的一个点。偷盗行为的事后追溯成本较高，对零售企业是一项沉重的负担。最好的办法是能够防患于未然，这就给系统的算力和算法优化提出了更高的要求。