无人零售火了，每天每个城市都有新的无人便利店出现，但是大部分属于模式的复制，盲目跟风，新颖度不够。

有专家门对市场上的无人店做了划分。

无人店的派别和level划分

在无人零售行业大火热的情况下，针对核心技术差异性，有专家就此分为三类，第一种是互联网扫码派，第二种是物联网RFID派，第三种是人工智能机器视觉派。而这三种派别的技术复杂度都是递增的。

苏宁云商IT总部执行副总裁、苏宁技术研究院院长向江旭认为，“在无人驾驶领域，智能驾驶技术是分等级的，事实上无人店也是如此” 。向江旭是智能化领域的专家，他对全球最前沿的无人店技术了如指掌，在他看来，无人店也分等级。 根据消费者介入和运营环节的自动化情况，无人店的智能化程度大致为5个级别，依次是L0-L4，级别越高，所代表的智能化程度越高， 下面举例说，

L0对应的是有人店铺模式；

L1对应无人店中“便利蜂”或自动售卖机一类的初级自动化模式；

L2级别属于中级智能化模式，即把部分面向消费者的环节（例如：购物、交易结算等），通过技术手段（图像识别、物联网等）进行自动化处理，淘咖啡属于这类；

L3目前最先进的技术，它对应的是“AmazonGo”和“Take Go”一类高级智能化模式，特指在店铺运营中，把面向消费者的环节全部通过技术手段进行自动无人店的终极目标；

L4，目前还只存在于理论中，它是完全智能化的运营。店铺所有运营环节面向消费者的环节全部通过技术手段进行自动化处理，智能化程度很高，不存在任何条件限制，且具有远超有人店的消费服务体验。

其实关于无人零售这类的分析报道有很多了，最近两周，招商证券，华泰证券等机构对智能无人零售技术领航者深兰科技做了调研，深兰创始人陈海波先生对新零售未来趋势做了解读。他认为，“商品一定要能够被远距离非接触识别，机器视觉才是正确的方向，人工智能时代要形成基于图像的商品库。”

深兰科技在无人零售领域以机器视觉为代表的黑科技著称，在专家所划分的无人店的level里属于level3，这一切等级的划分技术流派的划分其实都是围绕商品的识别来划分的。

机器视觉识别商品和人难度是有阶梯的

在人的定位识别上，亚马逊的定位采用人脸识别，深兰是采用人的整个轮廓、体态，头到地面的高度、肩到地面高度等几个数据结合来识别定位。在商品识别追踪上，Amazon Go采用RFID和感压层板，新的一代还在层板上装了摄像头，可能亚马逊还没有解决商品移动检测的问题。

机器识别有三个难度阶梯，最简单一层是固定背景、固定商品；第二层是固定背景、移动商品；第三层是移动背景、移动商品。深兰是做最难的第三难度层级。客户拿着商品来回移动，摄像头既要识别绑定客户和商品，还要识别商品本身，还要识别人，在精准度上是比较有难度的。目前Take Go的监测精准度从单个摄像头的算法是90%～97%，采用多机纠错后即可达到99%以上的精准度。

用机器视觉识别商品，商品图像库可以代替条形码

深兰科技的理念是：不是门店机器人代替营业员，而是门店本身就是智能化的。商品一定要能够被远距离非接触识别，机器视觉才是正确的方向，人工智能时代要形成基于图像的商品库。他们认为未来商店是没有人的、不需要条形码的，通过机器视觉和算法识别商品和人的购买行为。要做到让客户“拿了就走”，就要放弃条形码。

那么放弃了条形码，势必要找出可替代品。深兰推出的蓝眼，是一套商品图像数据的设备。据说目前国内外与他们合作的企业都在采用这个新的标准，未来将基于商品图像的商品库，而不是基于条形码的。蓝眼这种基于商品图像建立商品库的模式将随着无人店的兴起而实现更广泛的应用。商家每有新品，把新品放入蓝眼，它会采用类似我们视觉认识物体的方式去调整光影全方面采集数据，一般30秒，采集20万到200万个特征值数据，让门店认识。

不采用条码，而使用商品图像数据，不同的商家之间商品数据可以相通

一旦你认识到说图像数据在里头起很大的作用的话，开放度变成了一个几乎是很自然而然的不可避免的选择，因为你越开放会越多的数据共享出来，越多的数据出来之后你就可以越快的推进这项技术的进步。

所以我们觉得，不管是从对深兰好也好，还是对产业好也好，还是对整个社会好也好，任何一个角度来判断这个，深兰的这种图像数据应该是相通的。通过蓝眼采集到的数据保存在云端，商家如若需要，可以直接下载商品数据包使用。因此采用此系统的人越多，商品数据就越多，全世界各行各业的商品都可以以图像库的形式存储，都可以下载使用，这将是一个取代条形码的通用标准，何乐不为呢？

机器识别需要更强大的计算硬件支撑

深兰机器识别的每个商店需要空间建模分区，分为商品区、活动区和结账区。再采用实时轮廓算法，让机器知道去在看谁，再交叉验证。其次，再采用卷积神经网络，识别商品、识别体态。实现多人多单，基于体态识别个体，跟踪每个人的动态。

如果优化压缩卷积神经网络的层数，可以实现更快捷、效率更高、硬件要求更低、数据运算量更小的效果。用多机多帧协同纠错，可以做到动态背景移除与货架屏蔽。比如冰红茶的包装是红的，用户穿的衣服是红的，移除动态的人的衣服背景，可以单独识别冰红茶。所有这些强大的计算力都学要很好的硬件支撑，深兰采用的是英伟达的硬件，让每帧影像的识别和检测达60亿次，并且可以在平均0.013秒内完成。

图像的商品库取代条形码可能性分析

首先是与深兰合作的商家除了国内的很多巨头如娃哈哈，蚂蚁金服，还有许多国际市场支持者如英伟达等；其次是有技术积累和主要产品，他们最开始在国外做的是“异常检点系统”，归国后又推出Facepay生物支付系统，这些都为无人零售技术奠定了好的基础；

再次，今年属于AI零售元年，商务部也公开支持人工智能在零售行业的发展，是比较好的机遇；

还有深兰聚集了很多海内外的算法专家，拥有包括中科院、瑞典西部大学等几个联合实验室或合作科研项目；

最后也是最重要的就是作为AI零售技术独角兽，前期积累的商品图像数据，以及处理海量数据的强大计算能力和通用的AI标准，将是成为后入者的最大技术壁垒。

从目前来看，以深兰为代表的这套理论和技术算是国内智能零售翘楚，人工智能时代，图像的商品库取代条形码也将指日可待。