企业官网建设流程全解析

简介：《大华客流统计分析解决方案.doc》是浙江大华技术股份有限公司为商场、连锁店等商业场所提供的客流统计与分析方案文档。方案依托深度学习算法与视频智能分析技术，实现精准、实时的客流采集与多维数据分析，涵盖背景分析、系统总体架构、规则设置、查询统计、实时显示、设备管理及施工部署等内容。资源包为单个doc文档，大小5.64MB，目录完整，方便按章节查阅，适合商业运营管理者、智能化项目集成人员及方案策划者参考。文档不仅阐明系统设计思路与功能细节，还给出安装点位、网络规划和调试等落地建议，可直接辅助相关项目的方案撰写与实施规划。目前已有284人学习，对理解大华客流产品体系及零售场景数字化管理有实用价值。

1. 客流统计分析方案不是报表模板：先看清它解决的是“数不准”问题

商场运营拿到的客流周报，和POS交易笔数对不上，差两三成是常态；景区闸机只数买票的人，免票人群和二次入园全是盲区。大华客流统计分析解决方案，就是一套以视频为采集手段、以客流数据为核心产出的落地体系，它把“进出店的人数”变成“可复盘、可追责、可指导排班和营销决策的指标”。这个方案文档核心不是告诉你“有客流这回事”，而是解决“怎么数得准、怎么把数用起来”的工程问题。适合谁看？连锁门店的运营负责人、商业地产信息化团队，以及帮甲方落地的系统集成商售前和项目经理。下面按我实际过项目的顺序，把这套方案的组成、参数、实施和坑一次讲透。

2. 方案组成与硬件选型：双目客流相机、单目算法与平台软件怎么搭

2.1 方案不是一台相机的事：三层架构先立住

很多刚接触客流项目的人，以为买两台大华相机挂门上就完事了，这是第一个误解。客流统计分析解决方案在物理上至少分三层：前端视频采集层、边缘分析层、平台呈现层。前端是客流相机或工业相机加镜头，负责把门头画面变成数字码流；边缘分析层可以是相机内置的智能算法，也可以是一台独立的边缘计算盒子，负责把画面里的人和目标识别、跟踪、计数；平台呈现层则是大华 TMA 4.0 这类统计软件，负责把多路设备的计数结果汇总成报表、趋势图和导出文件。

三层架构决定了你做方案时的资源分配。只买相机不配平台，数据只能一台台设备单独看，没法做多门店对比。只买平台不调整前端安装角度，平台界面做得再漂亮，喂进去的也是脏数据。我一般建议客户在项目规划阶段就把三层一起定下来，哪怕第一期只采购前端设备，也要在方案文档里预留平台软件和网络带宽的接口，不然后面做多店汇总时等于推倒重来。

2.2 双目与单目怎么选：先看你要不要“方向”

客流统计的技术流派主要是两种：双目立体视觉和单目视频分析。双目相机有两个镜头，通过视差算出目标的高度和轮廓，可以有效过滤 1.2 米以下的小孩、宠物和购物车，还能做到按进出方向分别计数。单目方案只有一路画面，靠人头特征检测和跟踪算法来计数，成本低，部署灵活，但方向判断能力弱一些，光线变化时鲁棒性也差一些。选型不是越贵越好，而是先问业务要什么。

如果你做的是商场主入口，要看进店率、还要区分进与出，甚至要统计一天里各个时段的“在场人数”，那必须上双目方案。如果你只是统计一个展厅今天总共有多少人进来，不关心方向，或者门很窄、人流量不大，单目方案性价比更高。这里有一组我做过的对比参数，供你写方案时参考：

额外提醒一句：不少项目经理图便宜，把单目相机装在门头正上方，结果进出人流一交叉，计数就开始“翻车”。单目方案的安装角度要比双目更讲究，后面避坑章我会展开。

2.3 工业相机与摄像头插件：出货前最容易忽略的适配问题

大华的产品线里，除了专门的客流相机，也有工业相机被集成到自助终端、闸机、门禁这类设备里。如果你是把客流统计能力嵌到甲方已有的设备中，会遇到两个跨部门的问题：工业相机驱动和摄像头插件。工业相机一般不直接出 RTSP 流，而是通过厂商 SDK 拉流，驱动装不上或版本不对，软件里就看不到画面；摄像头插件则是在浏览器端或者客户端查看实时画面时需要的解码组件，经常出现“设备在平台里在线，但预览黑屏”的诡异故障。

我的习惯是，在方案文档的设备清单里就写明这些前置条件：驱动要和相机固件版本配套，插件要按操作系统的位数选对应版本。访问控制列表和防火墙策略也要提前确认，因为拉流走的是私有协议端口，不是单纯的 HTTP，这点和纯网页摄像头差别很大。试运行阶段如果发现平台拉不到图像，先用厂商配套的工具验证裸流，再倒查插件或端口，能省下一半的排障时间。

3. 统计逻辑与关键参数：人头特征、越界计数与灵敏度怎么调

3.1 三种主流计数逻辑：越界、区域、方向

客流统计算法的底层是目标检测加跟踪，但业务上呈现为三种计数逻辑。第一种是越界计数，在画面里画一条虚拟线，目标跨越这条线就加减一，适合单向门、通道口。第二种是区域计数，画一个矩形或多边形区域，目标进入区域开始累加，离开区域再减，适合开放式卖场、展台。第三种是方向计数，把目标轨迹分成“进”或“出”两个方向分别累加，适合需要算转化率的主入口。

选逻辑的核心依据是物理场景而不是偏好。门框明显、人流单向的，用越界；没有门、大面积开敞的，用区域；双向混流、还要算进店率的，方向计数是必选项。很多项目翻车不是因为算法不行，而是把越界计数直接用在双向混流的大门上，导致交叉轨迹被重复统计。方案文档里如果只写“支持客流统计”不写清计数逻辑，到调试验收时必然扯皮。

3.2 五个必调参数：安装高度、灵敏度、滞留时间、方向阈值、去重窗口

设备上墙之后，算法不是开箱即用的，必须按现场调参数。这五个参数是每次都要过的：安装高度、检测灵敏度、滞留时间、方向阈值、去重窗口。

• 安装高度：双目相机推荐 2.8m 到 3.2m，俯角 30 度到 45 度；太高了人头特征变小，太低了画面里只能看到头顶一片。用卷尺量过再固定，别靠肉眼估。
• 检测灵敏度：控制的是“一个目标被判定为人”的置信度下限。灵敏度调高，误检多，拖箱子和购物车容易被当成小孩；调低，漏检多，深色衣服、戴帽子的人会被跳过。一般从默认中间值开始，以门口气流稳定时段为准，上下微调一档即可。
• 滞留时间：指目标停在画面里多久之后不再重复计。顾客站在门口等人，来来回回走动，如果没有滞留时间限制，会被反复加一。常规门店我设 3 到 5 秒，通道类场景可以缩短到 1 秒。
• 方向阈值：针对方向计数，指目标位移满足多少像素才判定为一次有效的“进”或“出”。阈值太小，顾客原地转个身就算一次进出；太大，慢速移动的人走了一半还没触发计数。这个参数没有通用值，要在监控画面里回放几段真实进出视频，反复看加数时机。
• 去重窗口：用于跨帧跟踪的匹配框大小。多个目标并排走时，跟踪框会粘连，窗口设得太小会导致同一个人的轨迹被拆成两段，设得太大又容易把两个人看成一个。配合灵敏度一起调，先调好窗口，再去动灵敏度。

3.3 码流格式与时间戳：SDK 接数据时先解决对齐问题

如果你不是直接用大华整套产品，而是对接第三方 BI 系统或自研平台，最容易在码流格式和时间戳这个环节卡住。大华设备的视频码流一般支持 H.264 和 H.265 两种编码，码流里还包含主码流、子码流之分。客流统计建议用子码流做分析，分辨率不用太高，关键是帧率稳定；主码流留给回放存储。如果你在平台配置里选了只拉主码流，带宽占用高，算法处理帧率跟不上，计数结果就会滞后甚至丢帧。

时间戳对齐是另一件事。客流数据从设备产生到平台入库，经过了传输缓存和消息队列，如果设备时间和服务器时间不一致，你看到的“中午 12 点客流高峰”实际可能滞后了十几分钟，做时段分析和排班参考就全偏了。落地做法是：所有设备统一开启 NTP 校时，服务器做时钟源；方案文档里明确要求现场网络允许 NTP 端口通信。对接开发时，先抓一条原始数据报文看时间字段，确认是设备本地时间还是 UTC，有的 SDK 是原生编码，不转换直接写库，报表的时间粒度再精细也白搭。

4. 落地实施步骤：从点位勘察到平台报表上线的七步流程

4.1 点位勘察：先量尺寸、再定俯角、最后画布线图

点位勘察不是“到现场看看哪儿合适”，而是带着测量工具和表格去做记录。重点记录三组数据：门头宽度、安装点的高度、光线变化情况。门头宽度决定了视场角要多大；安装点高度影响俯角调节范围；光线变化情况决定要不要配合补光设备。勘察时把门的南北朝向也记下，因为上下午逆光时段直接决定灵敏度要往哪个方向调。

勘察记录表至少包含：门店编号、门头照片（带刻度）、门宽、安装位置描述、可用的电源和网口位置、到弱电井的距离。这些数据后面做设备选型和工程量清单时都要复用。我见过项目组勘察时怕麻烦，拍照就走，结果施工时发现门头上方没有电源插座，临时从收银台拉线，既难看又增加安全隐患。把勘察做扎实，实施阶段能少一半临时变更。

4.2 设备安装与角度调试：把“看起来能数”变成“数得对”

设备安装的内容包括固定支架、走线、接电、网络连通，但这些都算常规动作，真正影响数据质量的是最后的画面对齐。用设备自带调试工具或者平台软件打开实时预览，把参考线叠加在画面上。一个标准姿势是：虚拟计数线要垂直于人员行进方向，人跨线时头部占画面高度的 12% 到 20%。小于 10%，说明装高了或视场太大，人头特征不足；大于 25%，说明太近，并行的人会被遮挡。

角度调好后，做一次现场粗略验证：找两个人从门外走进再走出，来回走十趟，看计数设备的实时增加值和人工数的是否一致。这个验证不是正式验收，但能在施工人员离场前发现极端异常，比如方向反了、门前货物遮挡了大部分画面。这一步发现问题改起来成本最低。

4.3 平台软件对接与报表配置：数据入库前要把“脏数”卡在门外

设备侧调通后，进入平台软件环节。平台侧一般用大华 TMA 4.0 这类统计软件做设备绑定、数据汇聚和报表呈现。操作顺序是：先批量导入设备列表，逐个验证视频通道在线；再配置每台设备的门店、通道名称和计数逻辑；最后建立报表模板，圈定统计时段和统计口径。

这里特别强调“统计口径”必须一开始就对齐。同一个客流数，在设备上是“越线人数”，在平台报表里可能是“进店人数”，如果中间发生了一次算法切换，历史数据就首尾不可比。我习惯在平台里为每个门店建一个独立的设备分组，报表模板的时间粒度统一到小时，方便后续做时段热力分析。配置报表时，先跑一天真实数据，第二天人工核验小时级别的数字，确认颗粒度对得上再接入大屏或周报。

4.4 试运行与数据回归：不急着做大屏，先积累两周基线

试运行期至少两周。第一周用来盯异常，第二周用来积累可用的基线数据。异常盯什么？一是夜间关门后客流数是否有残留计数，二是开店高峰时段是否出现大幅超估，三是雨天和晴天之间的数据规律是否合理。如果夜间还有几十个“人”进店，说明灵敏度或滞留时间没调到位，需要回到设备端调整。

基线数据的作用是给后续异常提供参照。比如某天下午客流突然跌了一半，有基线在手，可以判断是设备被遮挡、网络断流，还是真的发生了外部因素导致客流下降。没有基线，任何数据波动都像“玄学”，无法区分是算法问题还是业务问题。这段试运行的数据往往还会暴露配置遗漏，比如某个小门没装设备，导致侧门客流完全没统计进总盘。

5. 避坑与排查：客流数据跳变、重复计数与软件兼容的五个现场教训

5.1 白天准、晚上飘：光线变化让算法时好时坏

现象：门店白天客流数和人工计数基本一致，一到晚上七八点开始忽高忽低，有时半小时多出几十个。原因：夜间灯光环境复杂，亮度忽高忽低，单目算法对目标检测的置信度波动明显，易把光影变化误判成人头。解决：把相机设为日夜模式自动切换，开启红外补光或增加低照度模式下的算法灵敏度补偿。双目方案相对抗造，但也要检查补光是否覆盖整个计数区域，不要只照亮门的中央。

5.2 客流数突然跳零：摄像头插件更新后参数被重置

现象：门店反馈某天起客流数据全是 0，平台界面显示设备在线，画面也正常。原因：常见于摄像头插件升级或设备重启后，智能分析开关被重置为关闭状态。这类问题最有迷惑性，因为视频通道正常，容易让人误判是网络或平台问题。解决：先在设备侧 Web 端检查智能分析是否开启，再检查计数规则是否被清空。把设备配置导出备份，升级或重启后做一次配置比对，能省去大量返工。

5.3 一个人反复进出被重复计数：滞留时间设成了“永久”

现象：顾客站在门口等人，来回踱步，半个小时内客流数涨了几十个。原因：去重窗口和滞留时间默认值过于保守，设备在目标离开画面之前不会“忘记”它，一旦目标反复出现在检测区域就会被再次加数。解决：把滞留时间调短，普通门店 3 到 5 秒，目标静止超过该时间就从跟踪列表里移除。同时把去重窗口缩小，避免跟踪框在并行人群里跳变。

5.4 平台拉流黑屏：插件位数、码流格式与硬件解码不匹配

现象：设备在平台软件里显示在线，但预览画面一直是黑屏，抓包发现网络畅通。原因：摄像头插件版本和操作系统不匹配是首查项，尤其在 64 位系统上装 32 位插件；其次是码流格式选择问题，平台侧配置了主码流但解码能力不够，黑屏或卡顿。解决：先用厂商自带的工具验证设备裸流是否正常，能出画说明设备没问题；再换上配套的最新插件，并把平台侧码流切换为子码流。

5.5 小孩、拖箱、购物车被算成“人”：目标高度过滤没打开

现象：周末客流偏高，和 POS 流水笔数完全对不上，误差集中在 10% 以上。原因：单纯用目标检测算法时，小孩和购物车在某些角度下的人头特征和成人很接近，尤其是俯拍视角。解决：在设备算法配置里打开最小目标高度过滤，默认经验值设为 1.1 米，低于这个高度的目标不计入客流。如果你用的是单目方案，这项过滤可能受算法版本限制，选型时就该确认清楚，不要等交付后再补。

6. 进阶验证：用对账法与 A/B 测试确认客流数据可信

项目验收不是设备装好、平台跑通就算结束。我每次都会留一个验证环节，把客流数的可信度做成可量化的指标。最实用的方法是“对账法”：用客流总进店数和 POS 交易笔数做比值，看历史两周的比值曲线是否稳定在一个区间。比如进店人数平均 10 人对应 1 笔交易，周五比周二高一些是正常的节假日效应；如果某天比值突然从 10 跳到了 18，要么是客流设备漏数，要么是当天的成交转化发生了真实变化，这时调出当天视频回放就可以确认。

另一种方法是“A/B 验证”，在同一个门口临时架两台不同方案的设备并排运行一天，将两台设备的进出数据按分钟做差值对比。差值在 5% 以内说明两种方案的误差在可接受水平；如果差值超过 10%，就需要审查是设备安装角度差异还是算法流派差异。这个方法在给甲方写验收报告时特别有说服力，比拍胸脯承诺“精度 95%”更有底气。

数据可信之后，客流统计分析才真正进入业务使用阶段。用小时粒度客流和排班表对齐，可以看每个班次的人效；用进店率和 POS 数据联动，可以算楼层、区域乃至单店的转化效率。这些深化分析不需要新增硬件，只是复用已经采集到的数据，但它的业务价值远高于设备本身的计数值。

做客流项目这几年，我养成了个习惯：设备交付后的第一个月，每周都让人工对一次数，并且把每次数据和天气、活动、假期都挂上勾。数据漂移不是说永远不出现，而是要在你发现它漂移之前，就能靠历史规律判断出它是异常还是真实变化。希望帮到你。

本文还有配套的精品资源，点击获取