Leer un comedor sin reconocer una sola cara
Los restaurantes ya tienen cámaras y casi todo ese material solo se mira cuando algo ha salido mal. Construimos un sistema de visión que lee esas mismas señales mientras el turno está en marcha y le dice a la sala aquello sobre lo que puede actuar, sin ningún modelo facial dentro.
- SectorHostelería y restauración
- Tipo de trabajoSistema de visión y backend de operaciones, diseñados y construidos en casa
- EstadoSistema funcionando; queda por delante empaquetarlo como instalación en sala
La ingeniería está en lo que el sistema se niega a hacer
El sistema toma las señales corrientes de las cámaras que el local ya tiene, oscurece todo lo que queda fuera de la zona de comedor que el operador ha dibujado y ejecuta la detección solo sobre lo que queda. De ahí salen las tres cosas que un jefe de sala puede usar de verdad: qué mesas están ocupadas, cuáles están libres pero siguen con platos y vasos encima y cuáles llevan demasiado tiempo sentadas sin una visita del servicio.
Lo que merece contarse son las restricciones. Identifica al personal por el uniforme y no por la cara. Manda a la parte de operaciones eventos estructurados en lugar de imágenes. No cambia el estado de una mesa por un solo fotograma y no ofrece una recomendación hasta tener suficiente historial de ventas del propio local. Cada una de esas decisiones fue el camino más costoso, y juntas son la razón por la que el sistema se puede explicar a las personas a las que observa.
Lo que un comedor le exige a un sistema de visión
La parte difícil de este problema no son las detecciones. Son los límites que una sala llena de clientes le pone a la forma de resolverlo.
Cámaras que solo miran hacia atrás
Las cámaras de un local graban de forma continua y ese material se revisa después de una queja. Mientras aquello que motivará la queja todavía tiene arreglo, en la sala no se entera nadie.
El atajo que nadie debería tomar
La forma más rápida de distinguir a un camarero de un cliente es reconocer caras. En un comedor ese es el intercambio equivocado: mete a todos los presentes en un sistema biométrico a cambio de una comodidad operativa, y no es algo que el local pueda explicarle ni a sus clientes ni a su equipo.
Una detección no es un estado
Si el detector se ejecuta fotograma a fotograma, la misma mesa se lee como ocupada, libre y ocupada otra vez en un minuto, solo porque pasa gente al lado. Un plano de sala que cambia cada segundo no lleva información y el personal deja de mirarlo después del primer turno.
Cuatro decisiones sobre las que se apoya el resto
Cada una cambia una afirmación más vistosa por otra que el propio local puede comprobar.
La identidad sale del uniforme, no de la cara
Al personal se le distingue de los clientes con un modelo de detección que entrenamos nosotros para una sola cosa: el delantal. El uniforme se asocia a la persona por solapamiento, y la clasificación aguanta unos segundos con el delantal tapado por una silla o por otro cuerpo. En todo el sistema no hay detección facial, ni reconocimiento facial, ni ningún modelo de reidentificación de personas.
- Ningún modelo facial en ningún punto del procesamiento
- Al personal se le reconoce por el uniforme, no por quien lo lleva
- Todo lo que queda fuera de la zona de comedor dibujada se oscurece antes del análisis
Una máquina de estados de mesa con histéresis
La ocupación no es una lectura por fotograma. Cada mesa mantiene una máquina de estados con umbrales distintos para llenarse y para vaciarse, de modo que ocupar una mesa exige evidencia sostenida y liberarla exige todavía más. Encima de eso está la distinción que convierte la salida en una lista de trabajo: una mesa que se ha quedado libre pero conserva platos y vasos no está limpia, y lo dice hasta que se retiran.
- Umbrales de confirmación distintos para ocupar y para liberar
- Libre y libre pero sin recoger son estados distintos
- Una mesa ocupada sin visita del servicio dentro de su ventana genera un aviso que escala
Las personas se leen como geometría
Si alguien está sentado o de pie se decide con geometría corporal en vez de con una etiqueta aprendida: inclinación del tronco respecto a la vertical, alineación entre tronco y piernas, ángulo de cadera y ángulo de rodilla, votados por separado para cada lado del cuerpo y suavizados sobre los últimos fotogramas, con un camino alternativo cuando faltan los puntos clave. La asociación con la mesa está ajustada al caso sentado, en el que una caja a la altura de una persona de pie se solapa mal con una mesa.
- La postura sale de los ángulos articulares, votada por lado y suavizada en el tiempo
- A los clientes sentados se les asocia a la mesa por la parte baja del cuerpo
- Cada umbral es un ajuste por local y no una constante escrita en el código
Salen datos, los nombres solo con aprobación
Lo que cruza del proceso de visión a la parte de operaciones es un evento pequeño y estructurado: el estado de una mesa, una visita del servicio y su duración, una petición de recalibrado cuando la sala se ha reorganizado. Los fotogramas se decodifican, se analizan y se descartan. El núcleo de visión solo emite un número anónimo propio de cada cámara, y ponerle un nombre ocurre contra la plantilla del propio local.
- Por el cable van estados de mesa y duraciones de visita, no imágenes
- El vínculo entre una persona seguida y un empleado con nombre se propone y después lo aprueba una persona
- Si la sala se ha reorganizado, el sistema lo señala en lugar de informar contra un plano caducado
Lo que compraron esas restricciones
En esta página no aparece ninguna cifra. Nada de esto se ha medido contra una referencia publicada, así que lo que sigue es lo que el sistema hace, contado con palabras.
Eventos, no imágenes
Lo que envía el proceso de visión
La arquitectura mantiene el vídeo en el equipo del propio local: el proceso de visión transmite estados de mesa, duraciones de visita y peticiones de recalibrado. Las excepciones son los pasos del operador que necesitan una imagen, como dibujar los límites de las mesas sobre un fotograma fijo, y son pasos deliberados y desactivables, no continuos.
Sin caras
Cómo se distingue a las personas
Al personal se le identifica por el uniforme y a los clientes no se les identifica en absoluto. En el sistema no hay detección facial, ni reconocimiento facial, ni modelo de reidentificación, de modo que esto es una propiedad de la arquitectura y no una política escrita encima.
Dice cuándo no puede
Recomendaciones
La parte de recomendación es estadística de reglas de asociación que se puede leer y discutir, y se niega a entrenar o a predecir hasta tener un historial de ventas del propio local suficientemente largo. Hasta entonces informa de cuánto lleva recogido en lugar de devolver una estimación segura de sí misma.
¿Sus cámaras solo miran hacia atrás?
Si está valorando un sistema de visión para una operación con personas dentro, las restricciones son la parte interesante de la conversación. Cuéntenos cómo es la sala y qué necesita que informe.
Hablemos de su proyecto