常见问题与排查
适用场景
本文用于集中查询算法功能配置后的常见异常、数据缺失和误识别问题。排查时建议先确认设备在线、规则保存、平台绑定和数据上传地址，再进入具体功能的专项排查。
通用排查顺序
- 确认设备在线，网络和平台地址配置正常。
- 确认业务类型、识别区域、人头尺寸和规则线已保存。
- 确认门店、入口、区域、商品或分区绑定关系正确。
- 对照实时画面和抓拍结果，判断是否为相机角度、遮挡、画线或识别区域问题。
- 再进入对应报表查看聚合数据。
进店客流
如何调整抓拍图贴图的位置？
抓拍图贴在左上角还是左下角，取决于识别区域的上边缘和下边缘哪个离画面边缘更远。离画面边缘越近表示该边更重要，抓拍图应尽量不遮挡该边。若希望抓拍图不挡住左下角，可将识别区域的上边缘稍微往里靠一点，或将下边缘稍微往下扩一点。
为什么进出检测不好？
- 检查相机模式是否正确：俯视视角使用俯视 ReID，侧视视角使用侧视 ReID。
- 检查人头大小是否调整到合适位置，是否存在漏检。
- 检查入口处遮挡是否严重，脚轨迹是否偏移严重。
- 调整进门线，去除不相关因素；如果误抓较多，缩小识别区域，仅识别需要检测的范围。
过店客流
为什么漏抓过店？
需要检查模式配置是否错误，或人头尺寸设置是否正确。视频中脚的位置不准确，多为模式或尺寸设置问题。
人员识别
为什么顾客误识别为店员？
检查店员行为是否被系统误判；适当下调时间阈值，或通过人工录入加强识别。
店员完全未被识别？
核查智能店员是否开启，检查是否已添加店员库。如无固定着装，建议通过行为逻辑观察 3 天后手动补录。
黑白袍误判为店员？
建立黑白袍库，并删除店员库中重复人员；需连续监测 3 天识别趋势。
外卖误识为顾客？
添加快递外卖人员库，统一管理；确保上传图片覆盖不同角度。
识别数量偏少或异常为 0？
检查摄像头清晰度及画面完整性；核对识别库是否存在图像覆盖问题。
热力图
热力区域发散到门店外？
检查热力标定是否都标在地上，并检查是否配置好热力围栏。
没有热力图？
首先检查各个区域是否都绑定了热力规则标定。当天画好的热力图一开始没有数据，需要产生轨迹后才会显示。
商品触达
为什么触达会漏抓？
触达判断需要一定时间帧。如果手与物品接触时间短、动作较快，系统无法判定为触达。
为什么触达会误抓？
误抓主要有两类原因：一是摄像头角度导致手进入触达框但实际未触摸商品；二是关键点识别导致误判。可通过调整触达框，或使用侧视相机做触达来改善。
排队
队列长度显示为 0 但平均等待时长存在数据？
队列长度统计的是当前时刻的排队人数，而平均等待时长计算的是该时刻起未来五分钟内进入队列人员的平均等待时间。因此，即便当前无人排队，只要后续五分钟内有人员进入排队，就会产生平均等待时长数据。
队列长度有数据但平均等待时长无记录？
队列长度统计的是当前时刻的排队人数。若这些人员均为该时刻之前进入队列，且在该时刻及之后五分钟内无新人员加入排队，则不会产生对应的平均等待时长数据。
接待
为什么没有接待数据？
检查是否打开接待开关，打开后重跑批次；检查是否有轨迹信息，可查看是否有热力；检查比例尺配置是否正确；检查是否有店员能被识别。
为什么视频画面看不到接待，但详情有接待？
接待是根据人员位置定位的。在一个区域由多个相机拼接时，可能出现店员在某个相机中可见、但另一个相机中不可见的情况，导致视频画面与详情记录不完全一致。
停留时长
深逛客流为 0？
检查是否已进行全天分析，并重跑全天分析。
深逛客流异常增多？
检查聚类情况，判断是否聚类了很多不相干的人；调整阈值后重新分析。