商场中庭过店统计难在哪？密集人流与遮挡如何影响计数精度
商场中庭是典型的开放式客流通道：扶梯口与主通道交汇、顾客走走停停、结伴而行。 要在这样的空间里数清楚“有多少人经过”，比在门店出入口数人难得多。 难点主要来自两个叠加因素：密度和遮挡。
为什么传统红外或人工计数在商场中庭场景下容易失效？
传统红外对射计数只能感知“有物体穿过”，无法区分是一个人还是一群人并肩走过，也无法判断方向。 中庭属于开放式、多方向通行的区域，红外方案在此场景下局限性明显。
人工计数在低密度短时段内尚可应付，但中庭高峰时段往往持续数小时，人眼疲劳后漏计率快速上升，且无法回溯复核，数据质量难以更有把握。
密集人流中的遮挡问题如何导致漏检与误检？
中庭在活动时段人流集中，尤其是扶梯口、促销展台附近。 当画面中同时出现大量行人时，目标之间的边缘互相重叠，计数系统容易将两个人识别为一人，或将随身物品误判为另一人，造成漏检与误检。
遮挡在中庭几乎不可避免：顾客从立柱后经过、被同行者挡住、被扶梯扶手遮住半身，甚至被吊旗短暂遮蔽。 如果系统只依赖单帧检测，目标被遮挡后会丢失跟踪轨迹；当此人重新出现时，系统可能将其计为新目标，导致重复计数。
因此，密集人流场景下计数精度的关键，在于系统能否持续稳定地跟踪同一目标的轨迹，而非仅靠单帧识别。
高精度行人检测与实时轨迹：2D AI相机如何破解密集人流难题
商场中庭的过店统计，难点从来不是“有人经过”，而是“一群人同时经过时，设备能不能分清谁是谁”。 传统红外对射只能给一个总数，一旦两人并肩或前后紧贴，数据就开始失真。 HooViz 2D AI经济型客流相机把答案放在端侧：用 2.0 TOPS 的 AI 算力在相机内部完成行人检测与跟踪，而不是把画面传回服务器再算。
端侧AI推理（2.0 TOPS）如何实现无需云端的实时分析？
2.0 TOPS 听起来是个抽象数字，它的实际意义是：相机内置的芯片有能力实时处理 1080P@30fps 的视频流，并在每一帧中识别出“人”的轮廓，然后把这些识别结果在本地拼接成轨迹。 整个过程不依赖外部服务器，也不占用商场带宽。
这对中庭场景有两个直接好处。 第一是延迟低：检测和跟踪在同一台设备内完成，行人从画面边缘走到中心，轨迹已经生成，不需要等待数据上传再返回结果。 第二是隐私压力小：原始视频流不需要离开相机，只有统计结果（进出数、过店数、区域热度）通过 RTSP/ONVIF 输出，这对商场公共区域的合规要求更友好。
行人检测与跟踪算法如何区分个体并生成连续轨迹？
密集人流的真正挑战是“遮挡”——前面的人挡住了后面的人，算法容易把两个人识别成一个，或者跟丢后重新计数。 HooViz 的方案是结合行人检测与跟踪两套算法：检测负责在每一帧中找到“哪里有人”，跟踪负责在帧与帧之间建立“这个人还是那个人”的关联。
具体到中庭场景，这套机制的价值体现在：
- 区分个体：算法基于行人的外观特征（轮廓、颜色、运动方向）建立身份标识，即使两人短暂重叠，跟踪逻辑也会基于运动预测判断谁是谁，而不是简单按检测框数量计数。
- 生成连续轨迹：每个被识别的人会生成一条从入场到离场的运动路径。这条轨迹是后续所有业务统计的基础——进出客流看的是“轨迹穿过计数线”，过店客流看的是“轨迹经过店铺门口区域”，停留热度看的是“轨迹在某区域停留的时长”。
不联网时，端侧AI推理还能正常工作吗？
能。 这是端侧方案与云端方案的本质区别。 HooViz 相机在断网状态下，行人检测、跟踪、轨迹生成、进出计数全部照常运行，数据存储在本地（8GB eMMC，可选扩展至 16/64/128GB），网络恢复后再同步导出。
所以商场中庭即使出现网络波动，或者装修期间暂时断网，统计也不会中断。
不过有一点需要明确：断网时数据只存在本地，无法实时远程查看。 如果你需要实时监控大屏或远程报表，网络是必须的；如果只是事后分析，断网不影响数据完整性。
谁适合、谁需要再确认
| 场景 | 判断 |
| 中庭过店统计、区域关注度分析 | 适合。 多焦距（1.1/2.1/2.8mm）可适配不同中庭宽度，吸顶安装对装修影响小 |
| 需要实时远程查看数据的连锁总部 | 适合，但需确保网络连通，断网时只能事后取数 |
| 需要识别具体顾客身份（如会员） | 不适合。 这是 2D 相机，只做行人检测与轨迹，不做人脸识别 |
| 对计数精度有“更稳妥准确”要求的场景 | 需谨慎。 |
| 任何视觉方案在极端拥挤（如促销活动人贴人）下都有误差边界，建议先提供现场画面让团队评估 |
下一步确认动作：如果你关注的是中庭宽度对应的镜头焦距选择，或者想评估极端拥挤下的计数表现，把现场照片或平面图发给 HooViz 团队，确认具体匹配方案后再做决定。
多焦距镜头如何适配不同中庭宽度？从1.1mm到2.8mm的选型逻辑
中庭选镜头，核心不是“越广越好”，而是在你要统计的范围内，行人头部尺寸是否足够大、足够清晰。 焦距越短，视野越宽，但每个行人占的像素越少，密集人流下漏检和串扰的风险越高。
中庭宽度与安装高度如何影响镜头焦距选择？
先明确两个变量：中庭宽度（你要覆盖的横向范围）和安装高度（镜头到地面的垂直距离）。 两者共同决定实际视场角需求。
- 宽度 ≤ 4米，安装高度 2.5–3米：1.1mm 焦距即可覆盖，行人占比充足，适合窄通道或小型中庭。
- 宽度 4–8米，安装高度 3–5米：2.1mm 是平衡点。视野仍能覆盖主要通行区，同时行人像素尺寸足够支撑稳定跟踪。
- 宽度 > 8米，或安装高度超过 5米：2.8mm 更稳妥。焦距越长，远处行人越清晰，但覆盖宽度收窄——你需要接受“只统计主通道，不覆盖全部角落”。
一个容易被忽略的点：安装高度比宽度更影响选型。 同样 6 米宽的中庭，装在 3 米和装在 6 米，需要的焦距完全不同。 高度越高，相同焦距下的覆盖宽度越大，但行人越小。
如果你只能装在高处，宁可选长焦、缩小统计区域，也不要选短焦硬撑全幅——否则密集时段漏检率会明显上升。
不同焦距（1.1/2.1/2.8mm）分别适合什么样的空间？
| 焦距 | 适合场景 | 客流统计上的特点 | 不适合 |
| 1.1mm | 窄通道、小型中庭、宽度 ≤4米 | 单帧覆盖人数最多，但行人像素小，密集时跟踪易串扰 | 宽度大或安装高的空间 |
| 2.1mm | 中型中庭、宽度 4–8米 | 行人清晰度与覆盖宽度较均衡，是多数中庭的默认选择 | 极宽中庭需配合多台部署 |
| 2.8mm | 宽中庭（>8米）、高安装位 | 行人识别最稳，轨迹连续性好，但单台覆盖范围明显收窄 | 需要全幅覆盖且只装一台的场景 |
判断建议：如果你只有一个安装点位，中庭宽度超过 8 米，优先考虑 2.8mm 并接受统计区域收窄；如果必须覆盖全幅，2.1mm 配合多台部署比单台 1.1mm 更可靠——后者在高峰时段容易因行人过小而丢轨迹。
下一步确认动作：向 HooViz 团队提供你的中庭实际宽度、安装高度、主统计区域范围三项信息，他们可以基于这三项给出具体的焦距建议和单台/多台部署方案。 如果你不确定安装高度，先确认装修吊顶或立杆位置再定，因为高度变化会直接改变焦距结论。
过店客流数据对商场招商与运营有什么实际价值？
商场管理方常面临一个尴尬：知道中庭人多，但说不清“多到什么程度”“从哪个方向来”“在哪个区域停留更久”。 过店客流数据解决的不只是“数人头”，而是把中庭从成本中心变成可量化的经营资产。
过店客流数据如何辅助品牌招商与租金定价？
招商谈判中最核心的争议是租金依据。 传统做法看楼层、看面积，但品牌方真正关心的是“这个位置一天能过多少人、有多少人可能进店”。 过店客流数据提供的是客观的谈判锚点：
- 品牌适配判断：某品牌需要高曝光、高随机消费，中庭过店量就是核心指标；如果过店量高但停留率低，说明位置适合快闪展示而不适合需要深度体验的业态。
- 租金差异化定价：同一楼层不同铺位的过店量差异可能达到30%以上，按实际过店数据分档定价，比“统一价再打折”更有说服力，也减少品牌方入驻后的预期落差。
- 业态组合验证：餐饮、零售、体验业态对过店量的敏感度不同。数据能告诉你中庭哪个时段过店峰值最高，适合安排高租金承受力的业态，哪些时段明显低谷，需要引流型业态填空。
除了过店统计，还能为运营提供哪些决策支持？
过店统计只是起点。 当设备能输出实时轨迹和区域停留数据时，运营决策的维度会明显拓宽：
- 活动效果评估：中庭办活动，不能只看“来了多少人”，还要看活动区域周边店铺的过店量是否被带动、顾客在活动区停留多久、散场后流向哪个通道。这比事后问卷或销售数据反馈更快、更直接。
- 动线优化依据：如果数据显示中庭某侧通道过店量持续偏低，可能是引导标识不清或业态吸引力不足。调整后对比前后两周数据，就能验证改动是否有效。
- 物业资源调配：清洁、安保、导购的排班可以依据分时段客流数据调整，而不是凭经验固定班次。高峰前增加人手，低谷期减少空耗。
除了数人数，还能分析顾客的什么行为？
HooViz 2D AI经济型客流相机在过店统计基础上，还能输出两类行为数据：区域关注度（顾客在哪个展位或橱窗前停留、视线集中的区域）和停留热度图（哪些位置顾客停留时间最长）。 这两项数据对商场运营的直接价值在于：
- 判断中庭活动的“吸睛点”是否与设计意图一致，而不是只看总客流。
- 为后续招商提供“位置质量”证据——同样过店量，停留热度高的位置对品牌展示型商户更有价值。
需要明确的数据边界：这套设备输出的是客流统计与轨迹分析，不识别顾客身份、不采集人脸特征，因此无法回答“来的是新客还是老客”“消费能力如何”这类问题。 如果招商谈判需要客群画像数据，需要另行补充其他数据源，建议向 HooViz 团队说明你的具体招商场景，确认当前方案与客群分析需求的匹配方式。
常见问题
Q：过店客流数据能直接作为租金定价的关键选择之一依据吗？ 不能。 过店量是重要参考，但租金还需结合楼层、面积、周边品牌组合、商场整体定位综合确定。
数据的作用是让“位置差异”有客观依据，减少纯经验判断的争议。
Q：中庭面积大、人流密集，单台设备够吗？ 取决于中庭形状和覆盖范围。 单台设备有视场角限制，大面积中庭通常需要多台部署才能完整覆盖过店路径。
建议提供中庭平面图和期望统计的区域边界，HooViz 团队会给出设备数量和安装位置建议。
Q：设备能区分“路过”和“进店”吗？ 能。 设备支持进出客流与过店客流分别统计，可以按划定区域判断顾客是穿行而过还是进入特定铺位范围，这正好对应招商时“曝光量”和“进店率”两个指标。
Q：数据多久能用于运营调整？ 设备端侧实时处理，数据可即时查看。 建议以周为周期观察趋势变化，短期波动（如单日天气影响）不宜直接作为调整依据。
进一步了解
如果你正在评估中庭过店统计方案，欢迎将中庭平面图、安装高度和期望统计区域发给团队，我们会基于实际工况给出具体的焦距建议与设备部署方案。
相关产品：2D AI经济型客流相机