МЕТОДЫ И СРЕДСТВА СЛЕЖЕНИЯ ЗА ПЕРЕМЕЩЕНИЕМ И ВЗАИМОДЕЙСТВИЕМ СОТРУДНИКОВ И ПОКУПАТЕЛЕЙ ПО ВИДЕОИЗОБРАЖЕНИЮ

  • А.Д. Ульев Волгоградский государственный технический университет
  • Ю.А. Орлова Волгоградский государственный технический университет
  • В.Л. Розалиев Волгоградский государственный технический университет
  • А. Р. Донская Волгоградский государственный технический университет
Ключевые слова: Нейронная сеть, искусственный интеллект, распознавание позы человека, мониторинг поведения

Аннотация

Из-за стремительного развития сферы торговли особую популярность набирают
средства автоматического контроля работы сотрудников, оказывающих услуги клиен-
там. На данный момент существует множество современных подходов, методов и алго-
ритмов для автоматического отслеживания покупателей и продавцов в помещении мага-
зина. Современные компании стараются решать подобную проблему разными путями:
подсчетом посетителей, приборами контроля, различными нейросетевыми решениями и
так далее. Проведя обзор решений с необходимым функционалом, были выявлены основные
недостатки, такие как, например, дороговизна, неудобство в использовании и так далее.
В результате авторами была поставлена цель: повысить качество отслеживания пере-
мещения сотрудников/покупателей за счет разработанных автоматизированных средств
и методов контроля перемещения, межкамерного трекинга и идентификации личности.
В статье рассмотрен метод для автоматического распознавания и слежения за сотруд-
никами магазинов и фирм. Метод основан на каскаде нейросетей и алгоритмов, позволяю-
щих распознавать покупателей и работников в униформе, а также оценивать качество
работы сотрудников и удовлетворенность клиентов по голосу. Как результаты работынад исследованием в данной статье представлены модели и методы классификации клиентов и
продавцов по униформе, методы определения уровня взаимодействия продавцов и клиентов на
базе алгоритмов определения удовлетворенности посетителей и клиентов по голосу и лицу и
алгоритмов определения качества работы сотрудников. Разработанные методы способны
повысить эффективность работы сотрудников, а также увеличить качество предоставляе-
мых услуг. По итогам работы было проведено тестирования было сделано заключение об удов-
летворительности работы представленных методов и алгоритмов.

Литература

1. Rozaliev V.L., Zaboleeva-Zotova A.V., Orlova Yu.A., Ul'ev A.D., Alekseev A.V. Avtomaticheskaya
sistema kontrolya aktivnosti pokupateley v magazine s modulyami otsenki raboty ego sotrudnikov
[Automatic system for monitoring customer activity in a store with modules for evaluating the work
of its employees], Prikaspiyskiy zhurnal: upravlenie i vysokie tekhnologii [Caspian Journal: Management
and High technologies], 2020, No. 2 (50), pp. 22-32.
2. Ul'yanova O.A. Psikhologicheskie osobennosti prodavtsov-konsul'tantov setevogo marketinga
[Psychological features of sales consultants of network marketing], Vestnik Samarskoy
gumanitarnoy akademii. Seriya: Psikhologiya [Bulletin of the Samara Humanitarian Academy.
Series: Psychology], 2013, No. 1, pp. 27-41.
3. Ghosh G., Swarnalatha K.S. A Detail Analysis and Implementation of Haar Cascade Classifier,
Advances in Intelligent Systems and Computing, 2021, pp. 341-59.
4. Bharathi P., Spurthy B.L.D., Bhavani Priya A., Yashvardhan Krishna Murthy B., Charan Sai
Varaha Teja Ch.. Real-Time Object Detection for Blind People, International Journal of Advanced
Research in Science, Communication and Technology, 2023, pp. 262-266.
5. Bobkov A.S., Rozaliev V.L. Fazifikatsiya dannykh, opisyvayushchikh dvizhenie cheloveka
[Fuzzification of data describing human movement], Otkrytye semanticheskie tekhnologii
proektirovaniya intellektual'nykh sistem (OSTIS-2011): Mater. mezhdunar. nauch.-tekhn. konf.
[Open semantic technologies for designing intelligent systems (OSTIS-2011): Proceedings of
the International Scientific and Technical Conference]. Minsk, 2011, pp. 483-486.
6. Rozaliev V.L., Orlova Yu.A. Opredelenie dvizheniy i poz dlya identifikatsii emotsional'nykh
reaktsiy cheloveka [Determination of movements and poses to identify emotional reactions of
a person], 11-aya Mezhdunarodnaya konferentsiya po raspoznovaniyu ob-razov i analizu
izobrazheniy: novye informatsionnye tekhnologii (PRIA-11-2013) [11th International Conference
on Pattern Recognition and Image Analysis: New Information Technologies (PRIA-11-
2013)]. Samara, 2013, No. 2, pp. 713-716.
7. Samyak S., Gupta A., Raj T., Karnam A., Mamatha HR. Speech Emotion Analyzer, Innovative
Data Communication Technologies and Application, 2022, pp. 113-124.
8. Sharmila Sk., Nagasai GK., Sowmya M., Prasanna AS., Sri SN., Meghana N. Automatic Attendance
System based on FaceRecognition using Machine Learning, 2023 7th International
Conference on Computing Methodologies and Communication (ICCMC), 2023.
9. Xia J., Zhang H., Wen S., Yang S., Xu M. An Efficient Multitask Neural Network for Face
Alignment, Head Pose Estimation and Face Tracking, Expert Syst., 2021, Vol. 205, pp. 117368.
10. Khorunzhiy M.D. Metod kolichestvennoy otsenki tsvetov razlichiy pri vospriyatii tsifrovykh
izobrazheniy [A method for quantifying the colors of differences in the perception of digital
images], Vestnik NGU. Seriya: Informatsionnye tekhnologii [Bulletin of the NSU. Series: Information
Technology], 2008, No. 1, pp. 9.
11. Iqbal U., Gall J. Multi-person Pose Estimation with Local Joint-to-Person Associations, European
Conference on Computer Vision (ECCV) Workshops, Crowd Understanding. Amsterdam, 2016.
12. Samoylov A.N., Sergeev N.E., Dayebal D.B., Kucherova M.S. Model' intellektual'noy
informatsionnoy sistemy dlya raspoznavaniya pol'zovateley sotsial'noy seti s ispol'zovaniem
bioinspirirovannykh metodov [A model of an intelligent information system for recognizing
social network users using bioinspired methods], Inzhenernyy vestnik Dona [Engineering Bulletin
of the Don.], 2018, No. 4 (51), pp. 137.
13. Ul'ev A.D. Sistema dlya opredeleniya udovletvorennosti klienta magazina okazannymi
uslugami [A system for determining the satisfaction of the store's customer with the services
rendered], NovaUm.Ru, 2022, No. 37, pp. 4-8.
14. Nasr M., Osama R., Ayman H., Mosaad N., Ebrahim А. Realtime Multi-Person 2D Pose Estimation,
Int. J. Advanced Networking and Applications, 2020, No. 11, pp. 4501-4508.
15. Osipova Yu.A., Lavrov D.N. Primenenie klasternogo analiza metodom k-srednikh dlya
klassifikatsii tekstov nauchnoy napravlennosti [Application of cluster analysis by the k-means
method for classification of scientific texts], MSiM [MSiM], 2017, No. 3 (43), pp. 14.
16. Andronova N.E., Grebenyuk P.E., Chmutin A.M. Algoritm i programmnaya realizatsiya
upravleniya ottenochnym kontrastom tsifrovykh izobrazheniy [Algorithm and software implementation
of the control of the hue contrast of digital images], Inzhenernyy vestnik Dona
[Engineering Bulletin of the Don], 2016, No. 4 (43).
17. Ul'ev A.D., Rozaliev V.L., Orlova Yu.A., Alekseev A.V. Avtomaticheskiy kontrol' urovnya
okazaniya uslug prodavtsom-konsul'tantom [Automatic control of the level of services rendered
by a sales consultant], Iskusstvennyy intellekt v reshenii aktual'nykh sotsial'nykh i
ekonomicheskikh problem XXI veka: Sb. statey po materialam Chetvertoy vserossiyskoy
nauchno-prakticheskoy konferentsii, provodimoy v ramkakh Permskogo estestvennonauchnogo
foruma «Matematika i global'nye vyzovy XXI veka», Perm', 21–23 maya 2019 goda [Artificial
intelligence in solving urgent social and economic problems of the XXI century: A collection
of articles based on the materials of the Fourth All-Russian Scientific and Practical Conference
held within the framework of the Perm Natural Science Forum "Mathematics and Global Challenges
of the XXI Century", Perm, May 21-23, 2019]. Vol. Part I. Perm', 2019, pp. 145-149.
18. Cao Z., Simon T., Wei S., Sheikh Y. Realtime Multi-person 2D Pose Estimation Using Part
Affinity Fields, 2017 IEEE Conference on Computer Vision and Pattern Recognition (CVPR),
2016, pp. 1302-1310.
19. Park C., Lee H.S., Kim W.J., Bae H.B., Lee J., Lee S. An Efficient Approach Using Knowledge
Distillation Methods to Stabilize Performance in a Lightweight Top-Down Posture Estimation
Network, Sensors, 2021, 21 (22), pp. 7640. Available at: https://doi.org/10.3390/s21227640.
20. Aonty S.S., Deb K., Sarma M. S., Dhar P.K., Shimamura T. Multi-Person Pose Estimation
Using Group-Based Convolutional Neural Network Model, in IEEE Access, 2023, Vol. 11,
pp. 42343-42360. DOI: 10.1109/ACCESS.2023.3271593.
Опубликован
2023-06-07
Выпуск
Раздел
РАЗДЕЛ III. АЛГОРИТМЫ ОБРАБОТКИ ИНФОРМАЦИИ