3D People Counter: Så fungerar de och hur exakta är de

En butikschef i Göteborg ringde oss förra året med ett bekant problem: besöksräknaren vid huvudentrén rapporterade 2 400 besökare en lördag, men kassasystemet visade att 1 100 kunder hade handlat. Konverteringen landade på 46 procent, vilket ledningen tyckte lät märkligt lågt för en butik med kö vid provrummen. Efter en manuell räkning visade det sig att den gamla infraröda sensorn räknade kundvagnar, barn i vagn och personal som gick ut för att röka. Den verkliga siffran var närmare 1 700. Det är precis det här problemet en 3d people counter är byggd för att lösa, och det är också därför frågan om noggrannhet behöver besvaras med mer än en procentsats i en broschyr.

Vad som faktiskt händer inuti en 3d people counter

En 3D-sensor monteras i taket, rakt ovanför passagen, och tittar nedåt. De flesta modeller på marknaden, bland annat de från Xovis som Vemco är GOLD-partner till, använder två kameralinser med några centimeters avstånd. Ungefär som människans ögon jämför sensorn bilderna och räknar ut avståndet till varje punkt i bilden. Resultatet är inte en vanlig videobild utan en höjdkarta: en matris där varje pixel har ett djupvärde.

I den höjdkartan sticker ett huvud upp som en tydlig topp, ungefär 150 till 190 centimeter över golvet. En kundvagn är en platt yta runt 100 centimeter. Ett barn är en lägre topp. En skylt som flyttats in i synfältet rör sig inte alls. Sensorns processor spårar varje topp bild för bild, följer dess bana över en virtuell räknelinje och registrerar in eller ut först när hela banan är avslutad. Det är spårningen, inte själva djupmätningen, som gör skillnaden mot äldre tekniker: en person som vänder i dörren och går tillbaka ut räknas inte som två besökare.

Nyare AI-baserade sensorer lägger ytterligare ett lager ovanpå höjdkartan och kan uppskatta ålder och kön samt skilja barn från vuxna. Det påverkar inte räkningen i sig, men det påverkar vad ni kan göra med den, exempelvis beräkna konvertering per vuxen i stället för per passage.

Varför 2D-kameror och IR-strålar räknar fel

Infraröda ljusstrålar tvärs över en dörr räknar varje avbrott. Två personer som går bredvid varandra blir en. En person med en stor väska blir ibland två. Tillförlitligheten ligger ofta på 80 till 90 procent i praktiken, och den sjunker när det är trångt, vilket är exakt när siffrorna spelar störst roll.

Vanliga 2D-kameror med videoanalys är bättre men känsliga för det sensorn inte kan avgöra utan djup: skuggor, speglingar i glaspartier, lågt stående sol genom entrén och personer i mörka kläder mot mörkt golv. En 3d besöksräknare ser dessa objekt som vad de är i höjdled, och en skugga har ingen höjd.

Hur exakta de är, uttryckt ärligt

Vemco skriver in en lägsta noggrannhet på 96 procent i avtalet. Under goda förhållanden, med rätt monteringshöjd, jämn belysning och ett entréflöde utan större trängsel, ligger installationerna normalt på 98 till 99 procent. Observera formuleringen: det är inte en garanti på 99 procent oavsett förutsättningar. En entré med roterande dörr, ett entresolplan med 6 meters takhöjd eller en passage där besökare regelbundet stannar och står i grupp kan dra ned siffran, och då är det bättre att veta det före installationen än efter.

Tre faktorer avgör var ni hamnar i intervallet:

• Belysning. Stereosensorer tål variationer bra, men direkt motljus genom glasfasad vid solnedgång kan skapa brus i djupkartan. Det löses oftast med placering, ibland med en kompletterande sensor.
• Layout. Montagehöjd styr täckningsyta. En bred entré på 8 meter kräver flera sensorer som kopplas samman till en enda räknelinje, annars räknas personer dubbelt i överlappet eller missas i glappet.
• Besökarbeteende. Personer som står stilla under sensorn i flera minuter, barnvagnar med baldakin och pakethämtning direkt i dörren påverkar spårningen.

Personalen är det största felet ingen pratar om

Här är observationen som de flesta leverantörsjämförelser hoppar över. I en mindre butik med fyra anställda kan personalens rörelser genom entrén utgöra 10 till 15 procent av alla registrerade passager: rökpauser, lunch, varuleveranser, kundvagnar som hämtas in från parkeringen. En sensor med 99 procents teknisk noggrannhet ger ändå ett konverteringstal som är fel med dubbla siffror om personalen räknas som kunder.

Lösningen är algoritmer för personalexkludering, som identifierar återkommande mönster eller markerade passager och tar bort dem ur dataunderlaget. Det är en funktion i mjukvaran, inte i sensorn, och det är ett av skälen till att val av analysplattform väger lika tungt som val av hårdvara. VemCount hanterar detta för varje entré och plats, och lägger dessutom in övervakning av sensorhälsa: en sensor som tappar nätverk, får ändrat synfält efter att en städare stött till den, eller börjar rapportera ovanligt låga värden flaggas innan siffrorna hamnar i en månadsrapport till ledningen. Den som har suttit i ett styrelsemöte och försökt förklara varför besöken i en butik föll med 40 procent i vecka 32 vet varför det är värt pengarna.

Så verifierar ni noggrannheten själva

Lita inte på leverantörens siffra. Gör en valideringsräkning. Ställ två personer vid entrén under ett timmesblock med normal trafik, helst en lördag mellan 12 och 13, och låt dem räkna manuellt med klickräknare, en för in och en för ut. Jämför sedan med sensorns rådata för samma intervall. Gör det vid tre tillfällen med olika ljusförhållanden. En seriös leverantör erbjuder sig att vara med vid första räkningen och justera räknelinjer och känslighet på plats.

För IT-avdelningen finns ytterligare en kontrollpunkt: 3D-sensorer behandlar djupdata lokalt och behöver inte skicka videobilder någonstans. Det förenklar GDPR-bedömningen avsevärt jämfört med kameralösningar som lagrar bild. Fråga ändå uttryckligen vad som lämnar enheten och var det lagras, i leverantörens moln eller i er egen miljö.

Vanliga frågor

Är 3D-besöksräknare mer exakta än 2D? Ja, i praktiskt taget alla verkliga miljöer. Djupinformationen gör att sensorn kan skilja människor från kundvagnar, skuggor och föremål samt hålla isär personer som går tätt ihop, vilket är där 2D-system tappar mest. Skillnaden blir störst i hög trafik och i entréer med glas och varierande ljus, där 3D normalt når 98 till 99 procent medan 2D och IR ofta ligger betydligt lägre.

Funderar ni på om era nuvarande besöksräknare faktiskt levererar den noggrannhet ni betalar för, eller hur en entré med svåra förutsättningar bör sensorsättas? Kontakta Vemco Group så går vi igenom era entréer, visar hur en valideringsräkning läggs upp och vad en 3d people counter med personalexkludering skulle ge i er specifika layout.