Contador de pessoas: loja com sensor dedicado ou visão computacional?

Você já decidiu que precisa medir o fluxo da loja. A conversão por visitante não fecha sem esse denominador, a escala do time é montada no chute e a decisão de layout se apoia em impressão. Falta escolher como medir.

O impacto de errar essa escolha não é o preço do equipamento. É descobrir, seis meses depois, que o dado que você comprou não responde a pergunta que você precisa fazer. O resultado esperado é simples: sair desta página com critérios explícitos e conseguir decidir sozinho, sem depender do comparativo de nenhum fornecedor.

Declaração de viés, porque ela muda como você deve ler o texto: a GoDados.cam é fornecedora de uma das duas abordagens comparadas aqui, a visão computacional. Por isso este comparativo declara os critérios antes da conclusão e traz uma seção inteira sobre os cenários em que o sensor dedicado é a escolha melhor. Um comparativo que nunca perde não serve de referência para ninguém.

Os 5 critérios que decidem a escolha

Antes de qualquer conclusão, os critérios. Eles valem para as duas abordagens e são o esqueleto do resto do texto.

1. Custo de instalação. Equipamento, obra, cabeamento, tempo de projeto e parada de operação. Não é o preço da licença mensal.
2. Granularidade do dado. O que a medição entrega: apenas contagem de entrada e saída, ou também trajetória, permanência por área, fila e ocupação.
3. Manutenção. O que quebra, com que frequência, quem conserta e quanto tempo a loja fica sem dado quando quebra.
4. Cobertura de área. Quanto de espaço físico um único ponto de medição cobre, e quantos pontos são necessários para cobrir a loja inteira.
5. Aproveitamento da infraestrutura existente. Quanto da instalação que já está na loja pode ser reusado, e o que precisa ser novo.

Como o sensor dedicado se comporta em cada critério

Sensor dedicado aqui significa o equipamento projetado exclusivamente para contar: barreira de feixe infravermelho na porta, sensor de teto por estereoscopia ou por tempo de voo, contadores térmicos.

• Custo de instalação: ponto forte quando o escopo é uma porta. Um sensor de teto sobre a entrada resolve a contagem de entrada e saída com um único equipamento, cabeamento curto e instalação de poucas horas. Ponto fraco quando o escopo é a loja inteira, porque o custo cresce por ponto instalado.
• Granularidade: aqui o sensor entrega menos. A barreira de feixe conta cruzamentos, não pessoas: duas pessoas passando lado a lado no mesmo instante produzem uma contagem, e uma pessoa que entra, volta e entra de novo produz três. Sensores de teto por estereoscopia ou tempo de voo resolvem boa parte disso, mas continuam entregando um evento de linha, não comportamento em área.
• Manutenção: ponto forte. É um equipamento com uma função só, e o modo de falha é binário e visível: ou está contando, ou parou. Não existe degradação silenciosa por mudança de cena.
• Cobertura de área: ponto fraco. Cada sensor cobre a sua linha ou o seu cone. Medir quatro corredores exige quatro instalações.
• Aproveitamento do existente: nulo por definição. É hardware novo.

Como a visão computacional se comporta em cada critério

Visão computacional aqui significa ler o vídeo de uma câmera e extrair eventos dele por software.

• Custo de instalação: ponto forte quando já existe CFTV com o enquadramento adequado, porque o custo de hardware tende a zero e sobra o custo de integração. Ponto fraco quando a instalação existente não serve, e aí o custo vira o de um projeto de câmera novo somado ao de software.
• Granularidade: ponto forte. A mesma imagem que produz contagem de entrada produz também permanência por área, formação de fila, ocupação por zona e sentido de circulação, sem equipamento adicional. A unidade de medida deixa de ser o cruzamento de uma linha e passa a ser o comportamento dentro de um campo de visão.
• Manutenção: ponto fraco, e é o ponto fraco mais importante deste texto. A degradação da visão computacional é silenciosa. Uma câmera que foi girada 15 graus durante uma limpeza, uma lente embaçada, uma reforma que mudou a iluminação da entrada: em todos esses casos o vídeo continua sendo gravado, o painel continua mostrando números, e os números pioraram sem avisar. Isso exige monitoramento da própria qualidade da medição, que é uma preocupação a mais que o sensor dedicado não tem.
• Cobertura de área: ponto forte. Uma câmera cobre um campo de visão inteiro. O limite é de densidade de pixels, e ele é objetivo: a norma IEC 62676-4, que define as diretrizes de aplicação de sistemas de videomonitoramento, estabelece 25 pixels por metro de cena para detectar a presença de uma pessoa, 125 px/m para reconhecer e 250 px/m para identificar. Contagem de fluxo e ocupação operam na faixa baixa: uma câmera de 1920 pixels de largura cobrindo uma cena de 8 metros entrega 240 px/m, muito acima do necessário para detectar.
• Aproveitamento do existente: ponto forte, com condição. Depende de acesso ao stream e de enquadramento útil, e nem toda instalação atende. É o assunto de como verificar se as câmeras que você já tem servem.

As limitações precisam ficar nomeadas, sem eufemismo: oclusão em ambiente cheio, contraluz na porta de entrada, ângulo muito frontal em que as pessoas se sobrepõem, e resolução insuficiente quando a cena é larga demais para a câmera disponível. Nenhuma delas é resolvida por software.

Vale ainda uma observação sobre de onde vêm os números de precisão que circulam no mercado. Os modelos de detecção usados nesta classe de solução são avaliados em conjuntos públicos: o COCO reúne 80 categorias de objeto e cerca de 1,5 milhão de instâncias rotuladas em mais de 200 mil imagens, e a categoria "person" é uma delas; o MOTChallenge mantém o benchmark público de rastreamento de múltiplos objetos, cujo conjunto MOT17 é formado por 14 sequências de vídeo com três conjuntos públicos de detecção, avaliadas por métricas como MOTA e IDF1. Um número de precisão sem a condição de medição junto não significa nada, e isso vale para os dois lados do comparativo.

Quando escolher o sensor dedicado

Existem cenários em que o sensor dedicado é a resposta certa, e ignorá-los seria desonestidade comercial:

• Você só precisa de entrada e saída, em uma porta. Se a pergunta é "quantas pessoas entraram hoje" e nada além, um sensor de teto na porta resolve com menos peças móveis.
• Não existe CFTV na loja, e não vai existir. Se instalar câmera é decisão que a operação não quer tomar, comparar o custo de um projeto de câmera com o de um sensor de porta favorece o sensor.
• A entrada tem condição óptica ruim e permanente. Porta de vidro com sol direto o dia inteiro, sem possibilidade de reposicionar câmera. Sensor de teto por tempo de voo não depende de iluminação visível.
• A operação não tem quem monitore a qualidade do dado. Se ninguém vai perceber que uma câmera foi girada, a falha silenciosa da visão computacional custa mais caro do que a falha ruidosa do sensor.
• Restrição de privacidade que desaconselha imagem. Em contextos em que a operação decide não tratar imagem, um sensor que não produz vídeo simplifica a discussão de conformidade. Os deveres legais mudam conforme a natureza do tratamento, e isso está detalhado em o que a LGPD exige para analisar imagem de câmera.

Quando escolher visão computacional

• Já existe CFTV com enquadramento aproveitável. É o cenário mais comum no varejo com rede: as câmeras estão lá, gravando, e o custo marginal de extrair indicador delas é de software.
• A pergunta não é só quantos, é onde e por quanto tempo. Permanência por área, fila no checkout e ocupação por zona não são medidas por sensor de porta.
• A loja tem mais de uma área de interesse. Quando os pontos de medição passam de dois ou três, a economia por ponto do sensor deixa de compensar.
• A rede tem muitas unidades e precisa padronizar rápido. Software escala por configuração; hardware escala por visita técnica em cada endereço.
• O indicador precisa mudar depois. Se hoje a pergunta é fluxo e daqui a seis meses vai ser fila, a mesma imagem responde as duas. O sensor de porta não.

O que muda depois da escolha

A escolha define o vocabulário do que você poderá perguntar depois, e essa é a consequência mais duradoura.

Com contagem de linha, o painel responde volume: quantas pessoas entraram por hora, taxa de conversão sobre o total, comparação entre unidades. É suficiente para dimensionar escala e avaliar campanha.

Com medição por área, o painel responde comportamento: onde as pessoas ficam, quanto tempo, quando a fila passa de um limite, qual seção perdeu circulação depois de uma mudança de layout. É a diferença entre saber que o movimento caiu e saber em qual parte da loja ele caiu.

Existe um caminho misto que costuma ser subestimado: sensor de porta para o total oficial, visão computacional nas áreas internas onde a granularidade importa. Ele custa mais que qualquer um dos dois isolados, e às vezes vale.

Resposta direta: sensor ou visão computacional para contar pessoas

A condição que decide é o escopo da pergunta somado ao que já existe instalado. Se você precisa apenas de entrada e saída em uma porta e não há CFTV aproveitável, o sensor dedicado é a escolha mais simples e mais barata de manter. Se você precisa de fila, permanência ou ocupação por área, ou se já existe câmera com enquadramento útil na loja, a visão computacional entrega mais indicador pelo mesmo hardware, ao custo de exigir monitoramento da qualidade da própria medição.

Como decidir em uma tarde

Responda quatro perguntas, nesta ordem, e a escolha se resolve:

1. Quais indicadores você vai olhar toda semana daqui a um ano? Se a lista tem só entrada e saída, o sensor está na frente.
2. Quantos pontos de medição a loja precisa? Um ponto favorece o sensor. Quatro ou mais favorecem a câmera.
3. Existe câmera hoje cobrindo a área de interesse com enquadramento útil?
4. Quem, na sua estrutura, vai perceber se o dado parar de fazer sentido?

A pergunta 4 é a que costuma ser esquecida e a que mais decide o resultado no ano seguinte. Se o pano de fundo do seu problema é que ninguém da estrutura central está na loja na maior parte do tempo, ela pesa ainda mais. Para ver como a leitura das câmeras já instaladas se aplica ao seu caso, a página inicial da GoDados.cam traz o escopo por vertical.