מדי שנה, קמעונאים מפסידים מיליארדי דולרים עקב גניבות. מערכת זיהוי הגניבות והקטנת הנשירה שלנו (AI Theft Detection and Shrinkage Detection) משתמשת בראייה ממוחשבת למניעת הפסדים בקמעונאות, ומפחיתה הפסדים ב-30–60%. עבור רשת עם מחזור של מיליארד דולר, המשמעות היא חיסכון של 4.2–10.8 מיליון דולר בשנה. עם ניסיון של למעלה מ-5 שנים בבינה מלאכותית לקמעונאות ויותר מ-15 התקנות מוצלחות, אנו מספקים תוצאות מוכחות. זיהוי גניבות מבוסס AI יעיל פי 2–3 מניטור ידני, ותופס התנהגות חשודה עד פי 5 מהר יותר. עבור חנות טיפוסית עם הכנסות שנתיות של 10 מיליון דולר, הפסדי גניבה של 1.5% מסתכמים ב-150,000 דולר; המערכת שלנו מפחיתה זאת ב-45%, וחוסכת 67,500 דולר לחנות בשנה.
נשירה בקמעונאות—הפסדים מגניבות, טעויות עובדים ושגיאות ספקים—ממוצעת ב-1.4–1.8% מההכנסות. עבור רשת עם מחזור של מיליארד דולר, מדובר ב-14–18 מיליון דולר בשנה. מערכת זיהוי הגניבות שלנו, המבוססת על ניתוח התנהגותי ווידאו אנליטיקס לחנויות, מספקת מניעת הפסדים. העריכו את הפרויקט שלכם—נעזור להפחית הפסדים.
יישמנו מערכות ל-15 חנויות, והפחתנו הפסדים בממוצע של 45%. זיהוי AI יעיל פי 2-3 מניטור ידני מסורתי.
גניבה דרך עדשת הראייה הממוחשבת: דפוסי התנהגות
זה לא על 'אדם חשוד'—לקוחות ישרים ולא ישרים נראים זהים. זיהוי גניבות פועל באמצעות זיהוי חריגות, לא זיהוי פנים.
תרחישי גניבה טיפוסיים:
- הסתרת פריט בכיס, תיק או עגלה ללא תשלום
- Sweethearting—הקופאי 'מפספס' פריט במהלך הסריקה
- החלפת תג מחיר (קניית פריט זול אך סריקת פריט יקר)
- גניבה בחדרי מדידה
- החזרת סחורה גנובה תמורת מזומן
כל תרחיש דורש לוגיקת זיהוי משלו. אנו מספקים את כל המודולים הדרושים במפתח פתוח (turnkey).
כיצד פועל זיהוי הסתרה?
הסתרה היא דפוס הגניבה העיקרי: אדם לוקח פריט ומסתיר אותו מבלי לגשת לקופה. זו אחת המשימות הנחקרות ביותר בראייה ממוחשבת לקמעונאות.
מה המערכת מזהה:
- אינטראקציה פריט-לתיק. היד עם הפריט נעה לעבר תיק/תרמיל/כיס פתוח. זיהוי באמצעות מעקב יד-אובייקט + זיהוי אזור תיק/כיס (פילוח מופעים של ביגוד ואביזרים). המודל מסווג את המסלול 'פריט → תיק' לעומת 'פריט → סל' או 'פריט → חזרה למדף'.
- חריגת זמן przebywania. לקוח מתמהמה ליד מדף זמן רב משמעותית מהחציון (למשל, 120 שניות לעומת 15)—סיכון מוגבר. לא התראה, אך מפעיל ניטור בעדיפות גבוהה.
- הסתכלות סביב (התנהגות בדיקה עצמית). שתי מבטים או יותר לפני לקיחת פריט מתאם סטטיסטית לגניבה. מזוהה באמצעות הערכת תנוחת ראש (MediaPipe Face Mesh או PnP עם DLIB landmarks).
על מערך נתונים מ-8 חנויות אמיתיות (6,000 אירועים: 3,200 אינטראקציות ישרות, 2,800 גניבות):
| גלאי | דיוק (Precision) | רגישות (Recall) | F1 |
|---|---|---|---|
| הסתרה בלבד | 0.71 | 0.68 | 0.69 |
| + זמן przebywania | 0.74 | 0.72 | 0.73 |
| + אותות התנהגותיים | 0.79 | 0.76 | 0.77 |
| Ensemble + הקשר | 0.83 | 0.79 | 0.81 |
כיצד מזוהה Sweethearting?
הקופאי 'שוכח' לסרוק פריט—במיוחד נפוץ עבור פריטים יקרים שניתן להסתיר ביד או בגוף. זיהוי באמצעות ראייה ממוחשבת בקופה:
- מצלמה עילית על המסוע סורקת כל פריט
- המערכת מזהה כל פריט באמצעות YOLOv8 מכוונן על מבחר החנות
- משווה את הרשימה עם קבלת הקופה (POS) בזמן אמת
- אי-התאמה → התראה למנהל
הדיוק תלוי בזווית המצלמה ובמגוון המוצרים. באתר ניסוי בחנות מכולת (3,000 פריטים, מצלמה עילית), דיוק 0.88, רגישות 0.91 לפריטים שלא נסרקו. הפתרון כלול בחבילת המפתח הפתוח שלנו.
הונאה בקופה עצמית
לקופה עצמית (SCO) יש את הנשירה הגבוהה ביותר—לקוחות סורקים פריט זול במקום פריט יקר (הונאת אזור האריזה). פתרון: אימות משקל (משקלים באזור האריזה) + מצלמת זיהוי פריטים מעל אזור האריזה. אם ברקוד בעלות נמוכה נסרק אך פריט יקר מונח באזור האריזה—עצירה, נדרש אימות.
מערכות: Toshiba Loss Prevention Camera, Digimarc, או פתרון מותאם על Jetson + POS API. אנו מתחברים לכל חומרה.
השוואת שיטות זיהוי גניבות
| שיטה | דיוק | מהירות | עלות התקנה |
|---|---|---|---|
| CCTV מסורתי | 0.3–0.5 | ידני | נמוכה (מצלמות) |
| זיהוי AI (המערכת שלנו) | 0.79–0.88 | זמן אמת | בינונית (שרת + תוכנה) |
| תגי RFID | 0.95+ | ביציאה | גבוהה (תגים לכל פריט) |
AI מפחית את זמן התגובה פי 5 בהשוואה לבדיקת וידאו ידנית ומפחית הפסדים עד 60%. המערכת שלנו טובה פי 5 בתפיסת התנהגות חשודה מאשר בדיקה ידנית.
תשתית וזרימת עבודה
המערכת לא מחליפה מאבטחים—היא נותנת עדיפות לתשומת הלב שלהם. במקום לצפות ב-30 מסכים בבת אחת, המאבטח רואה תור ממוין של התראות עם קטעי וידאו.
זרימת עבודה של התראות
- המערכת מזהה אירוע חשוד
- מייצרת קטע וידאו ±30 שניות סביב האירוע
- מקצה ציון סיכון (0–100)
- התראות עם סיכון > 60 מופיעות בטאבלט/מסך של המאבטח
- המאבטח מאמת ומחליט (גישה, קריאה לעזרה, התעלמות)
אחסון: רק קטעים חשודים בתוספת הקלטה מלאה לחקירות. אינטגרציה עם CCTV דרך RTSP, תמיכה ב-Milestone XProtect, Genetec, Hanwha Wisenet Wave.
מה כלול (תוצרים)
- סקר חנות וניתוח פריסת מצלמות
- התקנה והגדרה של חומרת שרת (NVIDIA Jetson / GPU)
- אימון מודלים על נתוני החנות (למידת העברה, 2–4 שבועות)
- אינטגרציה עם קופות POS ותשתית CCTV קיימת
- ממשק אבטחה (טאבלט/מסך עם תור התראות)
- הכשרת צוות ותיעוד
- אחריות ותמיכה ל-12 חודשים
לוחות זמנים
מערכת לחנות אחת (זיהוי הסתרה + ניטור קופה): 6–10 שבועות. פלטפורמה לרשת עם ניהול התראות מרכזי: 3–5 חודשים. הזמינו פיילוט לחנות אחת והעריכו את האפקט.
לפי ויקיפדיה, הפסדי גניבה מהווים כ-1.4% מההכנסות. מערכות AI הוכיחו יעילות בהפחתת נשירה ב-30–60% בפועל.
צרו קשר להערכת פרויקט מדויקת.