1. 客流统计中的数据层级问题
传统人数统计系统输出的数据通常是计数结果。
例如：
入口检测
↓
目标通过
↓
数量累计
↓
输出人数
该过程只记录目标通过事件，并不包含目标属性判断。
因此，系统输出的数据属于基础事件数据（Event Data）。
而有效客流分析需要处理的是目标数据（Target Data）。
两者区别：
数据类型描述
进入人数检测区域发生的通过事件
有效客流经过识别、过滤后的目标数量
进入人数无法直接转换为有效目标，原因在于原始数据中包含：
重复目标；
非统计对象；
异常进入行为；
内部固定人员。
因此，需要增加目标识别和数据过滤处理。
2. 有效客流分析系统架构
有效客流分析系统通常由四个功能层组成：
┌─────────────────┐
│ 数据应用层 │
│ 查询 / 报表/API │
└────────▲────────┘
│
┌────────┴────────┐
│ 数据处理层 │
│ 规则计算/数据统计 │
└────────▲────────┘
│
┌────────┴────────┐
│ AI算法层 │
│ 检测/跟踪/特征分析│
└────────▲────────┘
│
┌────────┴────────┐
│ 数据采集层 │
│ 双目视觉/ToF │
└─────────────────┘
各层功能：
数据采集层
负责获取原始感知数据。
输入：
RGB图像；
深度数据；
红外数据。
输出：
图像帧；
深度矩阵；
时间戳。
AI算法层
负责目标分析。
主要模块：
人体检测；
目标跟踪；
特征提取；
重复目标判断。
数据处理层
负责业务规则计算。
例如：
有效客流=
检测数量
-
重复数量
-
非目标数量
3. 3D视觉数据采集原理
有效客流分析通常需要空间信息。
二维图像：
Image(x,y)
只能表示像素位置。
3D视觉增加深度：
Point(x,y,z)
其中：
x：
水平坐标
y：
垂直坐标
z：
距离信息
通过空间坐标，可以判断：
目标位置；
移动方向；
穿越区域关系。
4. 人体目标检测模块
人体检测负责从采集数据中提取人员目标。
输入：
Frame Data
↓
AI Detection Model
输出：
Object ID
Bounding Box
Confidence Score
Position
例如：
Target:
ID:001
Confidence:0.98
Position:
(x,y,z)
检测准确率主要受：
安装高度；
视角；
人员密度；
遮挡程度；
影响。
5. 多目标跟踪模块
单帧检测无法判断目标连续关系。
系统需要建立目标轨迹。
处理流程：
Frame N
目标A
↓
Frame N+1
目标A'
↓
特征匹配
↓
保持ID
跟踪模块通常包含：
状态预测
根据历史运动状态预测下一位置。
常用方法：
Kalman Filter
数据关联
判断当前检测结果是否属于已有目标。
处理因素：
位置距离；
移动方向；
特征相似度。
6. 重复目标识别模块
有效客流计算中，需要处理同一目标多次出现的问题。
REID（Re-identification）模块通过目标特征建立关联。
流程：
人体图像
↓
Feature Extraction
↓
Feature Vector
↓
Similarity Matching
↓
Target Association
特征数据：
Vector:[0.21,
0.56,
0.72,
...]
系统根据相似度阈值判断：
Similarity > Threshold
↓
Same Target
7. 有效目标过滤逻辑
原始检测数据不能直接作为最终结果。
需要经过过滤规则：
Raw Detection
↓
Duplicate Filter
↓
Staff Filter
↓
Invalid Target Filter
↓
Effective Traffic
过滤条件包括：
时间条件
判断短时间重复出现。
空间条件
判断是否真正进入目标区域。
特征条件
判断是否属于已有目标。
8. 边缘计算部署方式
有效客流分析通常采用边缘AI处理架构。
传统方式：
Camera
↓
Video Stream
↓
Server Analysis
边缘方式：
Sensor
↓
Edge AI Processor
↓
Structured Data
↓
Cloud / Platform
设备端完成：
图像处理；
AI推理；
目标跟踪。
上传数据：
{
time,
direction,
count,
device_id
}
而非完整视频流。
9. 系统技术指标
典型有效客流分析设备技术参数：
指标范围
人数统计准确率98%-99%
双向检测支持
3D深度数据支持
目标跟踪支持
重复识别支持
实时响应秒级
数据接口HTTP/MQTT/API
实际效果受到：
环境布局；
安装角度；
人流密度；
影响。
10. 进入人数与有效客流的数据差异
数据流程：
传统统计：
Detection
↓
Counting
↓
Result
有效客流分析：
Detection
↓
Tracking
↓
Feature Analysis
↓
Filtering
↓
Calculation
↓
Result
两者区别不在计数方式，而在数据处理链路。
进入人数是采集结果。
有效客流是分析结果。
总结
有效客流分析系统本质上是一个目标识别与数据计算系统。
系统通过：
3D空间感知；
AI人体检测；
多目标跟踪；
特征匹配；
数据过滤；
将原始人员通过事件转换为结构化有效数据。
因此，“进入人数”只能代表检测区域产生的流量事件，而不能直接代表有效客户数量。
有效客流分析解决的问题，是如何从原始检测数据中计算出更加准确的目标数据。
