Termiske persontællere sammenlignet med 3D- og AI-sensorer

En facility manager i et shoppingcenter ringer i januar: tællingen ved hovedindgangen er faldet 12 procent, men lejerne melder om uændret omsætning. Fejlen viser sig ikke at være kunderne, men varmetæppet over døren. Den termiske persontæller kan ikke længere skelne en person i vinterjakke fra en luftstrøm på 32 grader. Det er en situation, mange driftsfolk genkender, og den forklarer præcis, hvorfor valget mellem en termisk persontæller, en 3D persontæller og en AI-baseret persontællingssensor ikke kan træffes ud fra et databladet alene.

Hvad en termisk persontæller faktisk måler

Termiske sensorer registrerer infrarød stråling, altså temperaturforskelle mellem en krop og baggrunden. Der dannes intet billede af ansigter eller tøj, kun et lavopløst varmekort. Det er grunden til, at teknologien historisk har været populær i lande med skarpe databeskyttelsesregler og hos operatører, der ønsker at undgå enhver diskussion om kameraovervågning af medarbejdere.

Styrkerne er reelle: sensoren fungerer i totalt mørke, den påvirkes ikke af skygger eller sollys gennem glasfacader, og enhederne er typisk små og billige i indkøb. For en enkelt butiksdør med jævnt flow er en termisk persontæller stadig et fornuftigt valg.

Begrænsningerne følger direkte af fysikken. Når to personer går tæt sammen, smelter deres varmesignaturer sammen til én blob. Når en kunde skubber en barnevogn eller en indkøbsvogn med en varm pose, kan det blive til to. Og når omgivelsestemperaturen nærmer sig kropstemperaturen, uanset om det er varmetæpper om vinteren eller en sydvendt indgang i juli, falder kontrasten og dermed præcisionen. Højden spiller også ind: de fleste termiske enheder har en snæver synsvinkel, så brede indgange kræver flere enheder, der skal kalibreres til at dele zonen.

3D persontæller: dybde løser gruppeproblemet

En 3D persontæller, typisk en stereosensor som dem Xovis producerer, bruger to linser til at beregne højde og afstand for hvert objekt i synsfeltet. Dermed ser den ikke en blob, men tre separate hoveder i 1,65, 1,80 og 1,10 meters højde. Det sidste er vigtigt: højdefiltrering gør det muligt at udelade børn under en bestemt højde fra tællingen, hvis konverteringsberegningen skal baseres på købsdygtige voksne.

Dybdedata gør også retningsbestemmelse mere pålidelig. En person, der stopper i døren, vender om og går ud igen, bliver ikke talt som et besøg. Vogne, kørestole og rulleborde kan klassificeres ud fra form og højde. Og fordi sensorerne kan kobles sammen i en samlet zone, dækker de en 12 meter bred centerindgang uden dobbelttælling i overlappet.

Prisen pr. enhed er højere end for termisk, og stereosensorer kræver lys. Ikke meget, men i en helt mørk lagerport virker de ikke. Til gengæld er det her, den kontraktuelle minimumsnøjagtighed på 96 procent typisk bliver til 98–99 procent i praksis, forudsat belysning, placering og kundeadfærd tillader det. Den sidste forudsætning er ikke en formalitet: en indgang, hvor kunderne står i kø lige under sensoren, vil altid være sværere end en, hvor de passerer i jævnt tempo.

AI-baseret persontællingskamera: når tællingen skal sige mere end et tal

Et AI-drevet persontællingskamera fra eksempelvis Hikvision, Milesight eller AXIS kører neurale netværk direkte på enheden. Ud over at tælle kan det estimere alder og køn, adskille børn fra voksne og genkende medarbejdere ud fra uniform eller gentagne passager, så personalet filtreres ud af besøgstallet. For en retail director, der vil vide om tirsdagens kampagne trak den målgruppe, den var tiltænkt, er det den eneste af de tre teknologier, der leverer svaret.

Omkostningen er kompleksitet. Et AI-kamera producerer et rigtigt billede, også selv om det kun bruges til at generere metadata og aldrig gemmes. Det betyder en databeskyttelseskonsekvensanalyse, skiltning og en samtale med tillidsrepræsentanten om medarbejderfiltrering. IT-afdelingen skal desuden forholde sig til firmwareopdateringer, netværkssegmentering og hvor inferensen foregår. De fleste moderne modeller behandler data på kanten og sender kun tal videre, men det skal verificeres i indkøbet, ikke antages.

Sammenligningen i praksis

• Termisk persontæller: Lavest pris og ingen billeddata. Stærk i mørke og ved smalle, enkelte døre. Svag ved grupper, vogne, brede indgange og temperaturnær baggrund.
• 3D persontæller: Højeste tællepræcision i trafikerede zoner, højdefiltrering, retningsbestemmelse og sammenkobling af enheder. Kræver lys og højere investering pr. enhed.
• AI-persontællingskamera: Demografi, medarbejderfiltrering og mulighed for at genbruge eksisterende kamerainfrastruktur. Størst krav til GDPR-dokumentation og IT-governance.

Det, erfarne implementeringsfolk ved, og som sjældent står i tilbuddet: ingen af teknologierne tæller rigtigt ved en forkert loftshøjde. Termiske enheder specificeres typisk til et smalt højdeinterval, og monteres de 40 centimeter for højt i et center med 5 meter til loftet, bliver synsfeltet for stort og personerne for små til at blive registreret. Stereosensorer tåler mere variation, men har også et øvre loft, over hvilket en ekstra enhed eller en model med længere brændvidde er nødvendig. Tjek loftshøjden ved hver enkelt indgang før valget af teknologi, ikke bagefter.

Blandede installationer er normalen, ikke undtagelsen

Et shoppingcenter med 40 lejemål, tre hovedindgange og et parkeringshus har sjældent gavn af én teknologi overalt. Hovedindgangene fortjener 3D-sensorer, de små lejemål kan klare sig med termiske eller enkle AI-enheder, og parkeringsrampen i mørke kræver termisk. Udfordringen opstår først, når tallene skal samles i én rapport, og det er her softwarelaget afgør, om investeringen betaler sig.

VemCount er bygget sensoruafhængigt netop af den grund. Platformen omsætter tællinger fra termiske, stereo- og AI-sensorer til samme besøgs-, belægnings- og konverteringstal pr. indgang og lokation, uanset producent. Sensorovervågningen melder, når en enhed holder op med at sende data eller leverer et pludseligt afvigende mønster, som det termiske fald ved varmetæppet i indledningen. Afvigelsen fanges, før den havner i månedsrapporten til lejerne, og driftsafdelingen kan tage stilling til, om problemet er sensoren, placeringen eller faktisk kunderne.

Sådan træffer du beslutningen

Start med spørgsmålet: hvad skal tallet bruges til? Skal det alene dokumentere besøg over for lejere og ejendomsejer, rækker en præcis tælling. Skal det drive personaleplanlægning efter konvertering, skal medarbejdere kunne filtreres fra. Skal det styre kampagnebeslutninger, skal demografi med. Først derefter giver det mening at diskutere termisk mod 3D mod AI, og først derefter kan du vurdere, om en højere enhedspris på en 3D persontæller ved hovedindgangen tjener sig hjem gennem færre fejltællinger og færre serviceudkald.

Ofte stillede spørgsmål

Er termiske persontællere GDPR-venlige? Ja, i den forstand at de ikke danner genkendelige billeder og derfor ikke behandler biometriske data. Besøgstal uden personhenførbare oplysninger falder uden for de tungeste krav i databeskyttelsesforordningen. Bemærk dog, at 3D-stereosensorer og AI-kameraer, der kun eksporterer metadata og behandler data på selve enheden, i praksis kan dokumenteres til samme niveau, så termisk er ikke den eneste vej til en enkel GDPR-vurdering.

Overvejer du at udskifte ældre termiske tællere eller blande sensortyper på tværs af indgange, så kontakt Vemco Group og få en konkret vurdering af, hvilken persontællingssensor der passer til hver enkelt lokation, og hvordan tallene samles i én pålidelig rapport.