案例/Adlytic AI
用场上已有摄像头做店内受众分析
零售计算机视觉：谁在过道、停留多久、哪些陈列被关注 — 不必安装一套新硬件。
- 客户
- Adlytic AI
- 地点
- 美国
- 年份
- 2025
AI · SaaS
info@lyrocode.com
输入
现有监控
输出
门店指标
年份
2025
作品中的照片
与产品匹配的摄影 — 建筑、楼面、服装、道路 — 不是指着笔记本的人像图库。
任务
零售团队已经有摄像头。他们不想每个天花板再挂一个新盒子。他们想从已经在采集的画面里得到人数、停留时间和陈列关注 — 用店长能读的仪表盘，而不是研究笔记。
模型必须跨照明、摄像头角度和店面布局工作。隐私重要：客户看到的产品里没有人脸。
我们做了什么
我们把视觉流水线建在现有 RTSP 和文件投放上。人和区域，不是身份。React 应用中的门店级仪表盘：今天的楼面、本周对比上周、哪个端架是死的。
训练和评估留在 Python。零售商登录的产品是 SaaS 控制台 — 站点、摄像头、报表 — 不是 Jupyter 导出。
落在哪里
零售商从已经付过钱的摄像头得到过道和陈列数字。控制台是区域经理周一能打开的东西。人脸不会离开客户同意的处理边界。
- 基于现有门店摄像头的视觉流水线
- 区域、停留和陈列指标
- 零售商仪表盘和站点管理
- 保护隐私的处理路径
技术栈
交付时用的 — 为这个产品选，不是为幻灯片选。
Python
PyTorch
FastAPI
React
Next.js
PostgreSQL
AWS
Docker
“我们厌倦了要我们拆掉摄像头的供应商。Lyro Code 用了墙上已有的，仪表盘是运营的人真正会打开的。”
