一、物理层：摄像头不是记录器，是传感器
很多老板以为数字化门店就是装几个显示器，放个热力图。说实话，我第一次见人把红外阵列器装天花板上当氛围灯，差点没笑出声。真正的数字化门店，第一道关口是物理层。你连客户从哪里走进来、在货架前停了多久、手伸向了哪个包装都没记录，后面算个屁。
我们搞过一套系统，在100平便利店放了4个500万像素摄像头。边缘推理用YOLOv5剪枝模型，每帧检测延迟压到12ms。而传统云端识别，一帧上传再加推理，最少380ms。这差距不是量级——是31.6倍。高峰期店长扫码的手都在抖，谁等得及半秒才出结果？
所以物理层的核心不是“高清”，而是“低延迟就地解析”。但这里有个反直觉的坑：摄像头分辨率越高，边缘推理的压力越大。你非要上8K，解码都跑不完。我们测试过1080p裁剪区域识别，准确率损失只有0.5%，但帧率提升了3倍。工程上这叫“以退为进”。
二、算法核心：跨摄像头轨迹重构
别一听摄像头就想到人脸，门店数字化的命门在ReID。你怎么在四个视角里锁定同一件花衬衫？这本质上是个度量学习问题。用triplet loss，把同一个人不同帧拉近，不同人推远。但难点在遮挡和光照变化。顾客弯腰拿酸奶，衣服纹理瞬间少40%，你的嵌入向量不崩才怪。
有个数据：直接拿公开模型硬跑，实际识别准确率58%，跟抛硬币差不多。我们后来改用RGB+光流双流，用光流引导注意力，准确率提到87%。注意，识别的本质不是“看见”，而是“连续地看见”。
再说细一点，我们的ReID模型只有1.2M参数，用INT8量化后显存占用掉70%，推理速度快了2.1倍。代价是准确率掉了3个点。于是我们在模型末尾加了校准集，把最后卷积层的权重重新微调，总算追回了2个点。这功夫不做，系统上线就等着哭吧。
三、压测数据：传统方案 vs 数字方案
去年给某连锁零食店做改造。传统会员系统只记录结账数据，我们的系统前后贯通。直接看对比：促销活动激活率，传统靠店员喊话，3.2%；我们的数字化推送，9.7%。客单价涨12.4%，连带率升到1.8。
有人质疑是自吹。但压测前提是同一周、同样SKU、同一客流量。唯一变量是推荐模型的介入时间。所谓数字化，就是让你能在顾客犹豫的第7秒，把折扣码递进他手机里。你见过队友反应慢半拍的，急不急？
再给你看一组抗压测试。门店在周末晚高峰，50个人同时进店。传统系统在识别区域拥堵时，推荐响应从平均400ms直接飙到1.6秒，几乎卡死。我们的边缘方案呢？稳定在380ms，因为推理不出店，只在本地排队。这叫“怎么用都不崩”。
四、落地三个巨坑，每个都踩过
坑一：传感器选型只看分辨率不看功耗。4K摄像头爽吗？爽。但边缘盒子持续运行15瓦，散热直接教你做人。第一次改造，夏天芯片温度飙到72度，自动降频，延迟从15ms变80ms。解决方案：放弃高大全，用Jetson Nano级别，功耗8瓦内，帧率25fps，足够。或者用格雷码触发，没人时休眠。注意，这里的“没人”不是靠人眼判断，而是靠毫米波雷达先探测。
坑二：数据管道只做单向流。数据传到服务器，算完再传回来，延迟上天。一开始我们就这样，端到端1.2秒，顾客都到收银台了优惠券才弹出。方案：边缘和云端协同，边缘做粗粒度识别，云端做细粒度微调。切分模型，前几层边缘跑，后几层云端跑，TensorRT加速，压到400ms以内。但注意，通信走WebSocket长连接，别用HTTP轮询。为什么？因为轮询每次握手要重新建连接，延迟直接翻倍。
坑三：隐私合规没提前做。摄像头一上，访客ID敏感。有个客户被投诉，只能删数据，模型白训。方案：人脸照片直接丢弃，只保留特征向量。敏感区域比如更衣室，动态掩码。别嫌麻烦，真见过哭都来不及的。还有个隐蔽的坑：你还要考虑数据删除请求。一般方案是把特征向量也设计成可分片的，比如PCA降维后拆成几个分量，用户要求删除时，丢弃其中一部分就完事。
五、工程美学：系统整合才见真章
数字化门店最性感的不是大屏，而是整个流程的闭环：感知、决策、执行。边缘计算和推荐算法无缝衔接，完美流水线。从数据埋点到模型推理，再到优惠券核销，每一环都有延迟预算。就像写处理器流水线，你不能只优化加法器，总线带宽也得跟上。
具体来说，我们的预算表是这样的：摄像头采集（0-2ms），边缘检测（10-20ms），特征提取（5-10ms），匹配与推荐（10-30ms），推送到达（50-100ms，依赖网络）。总预算控制在150ms以内。超过了，用户就会觉得“这优惠券怎么这么慢”。
有时候我会想，数字化门店的本质其实是时空上的“精准截胡”。你比顾客自己更早知道他想要什么，然后把决策提前。这就像你在电影院门口，看到一个人犹豫要不要买爆米花，然后你递上一张折扣券——但你得在他掏钱的瞬间出现，晚一秒就是另一回事。
好了，不扯远。想做的，先把摄像头和数据管道打通。别想一步登天，我踩过的坑，你避得开。最后一句：别迷信大厂方案，门店的复杂性，只有自己进去趟过才知道。
