一、业务痛点
·夜间盗窃、内盗往往事后盘货才发现，缺少实时告警。
·员工离岗、工服不规范等情况难以规模化监管。
·要找某个顾客的到店时间，需跨多天录像人工翻找。
·多门店巡店依赖人工看录像，效率低、成本高。
二、能力组合
| 能力 | 在本场景中的作用 | 对应事件标签 / 输出 |
| 视觉理解 · 事件检测 | 识别斗殴、徘徊、离岗、取物等行为。 | person_at_cashier 有人在收银台person_taking_goods 有人拿商品person_night_moving 夜间有人移动person_entering_store 有人进入商铺staff_absent 人员离岗uniform_abnormal 工服异常 |
| 视觉理解 · 摘要 | 按人 / 事件生成店内情况描述。 | 视频摘要 / 图片摘要。 |
| 智能搜索 | 顾客跨天检索，一句话定位。 | 如“穿红衣服的顾客什么时候来的”。 |
| 视频浓缩 | 营业时段压成精华。 | 顾客动线、高峰时段精华。 |
三、方案效果
| 环节 | 传统方案 | 接入 TWeSee 后 |
| 防损 | 事后盘货才发现损失。 | 夜间移动、取物行为实时识别。 |
| 员工管理 | 人工抽查，覆盖范围有限。 | 离岗、工服异常自动识别。 |
| 顾客追溯 | 跨天人工翻找录像。 | 自然语言跨天检索。 |
| 接入改造 | 需自建算法团队。 | 调用 API 即可，1-3天集成。 |
四、相关文档
·TWeSee 计费说明
·TWeSee 接入指引
·Demo 体验链接