人流分析怎麼做？門市用現有監視器看顧客動線與貨架熱點：設備、費用、個資一次看懂

人流分析在門市可以分成三層：進店人數、店內動線與區域停留、貨架前停在哪一櫃哪一層。前兩層用店裡現有的監視器多半做得到；第三層要看鏡頭角度和解析度，天花板正上方往下拍的鏡頭通常判斷不出「第幾層」。至於「顧客看了哪一個商品」，一般監視器在物理上就拍不到，誰說做得到都要先打個問號。

這個結論來自我們自己動手做的一個實驗。恆遠數位科技做過一個叫 shelf-attention 的自主實驗專案：拿一支店內監視器錄影，在瀏覽器裡辨識顧客姿勢，放進用程式產生的 3D 貨架，推估頭朝哪一櫃哪一層，最後累積成上面這種格子熱點。做完之後我們最大的體會是，老闆真正卡關的地方很少是演算法，多半是「我的鏡頭拍得到嗎」「影像能不能拿出來」「拍顧客合不合法」這三件事。

如果你想先看監視器加 AI 在餐飲、工廠、停車場的全貌，可以讀 AI 影像辨識應用案例；這篇只談零售店（超市、藥妝、超商、門市）的人流分析、顧客動線和貨架熱點：要什麼設備、大概花多少、個資怎麼處理、買現成還是找人做。

人流分析能回答哪些問題？先看你要的是哪一層

先講結論：先確定你要回答的問題在第幾層，再挑方案。層數越深，對鏡頭的要求越高，現成產品越少，費用也越往上走。

多數門市老闆說「想做人流分析」，心裡想的其實是第二層和第三層：哪個走道沒人走、端架到底有沒有用、黃金層是不是真的比較多人看。第一層的進店人數，很多錄影主機和計數器就有內建，便宜也成熟；越往下走，越需要有人幫你把鏡頭、貨架和商品對起來。

第三層是 shelf-attention 實驗主要在處理的題目。我們把粒度刻意定在「櫃 × 層」，畫面上的橘色圓錐就是推估的誤差範圍，熱點用格子呈現，不畫連續的彩虹色塊。原因很實際：監視器看到的是頭朝哪裡，眼睛在左右 20 到 25 度內轉動時頭不會跟著動，所以能誠實宣稱的就是「第幾櫃、第幾層」。完整的技術細節放在 shelf-attention 作品集頁，想知道這類分析落在自己店裡會長什麼樣子，可以先看那裡。

店裡現有的監視器能不能做人流分析？先量頭在畫面上幾像素

一句話：拿一段現場錄影，量一顆頭在畫面上佔多少像素，再看鏡頭是不是斜角往下拍。這兩個數字幾乎決定了能做到哪一層，花半小時量，比任何演算法調校都值得。

下表是我們做 shelf-attention 時整理的工程估算，數字是可行性等級的參考，實際準度還要用現場錄影驗證：

拿一個常見情境算算看：1080p 的鏡頭拍 6 公尺寬的走道，每個像素大約 5.5 公釐，一顆約 18 公分寬的頭只有 33 像素左右，剛好卡在勉強區。換成 4K，或把鏡頭的視野縮到只拍 3 公尺寬，就直接進入舒服區間。這也是為什麼我們常說，換一支鏡頭往往比改模型划算。

角度的影響更大。天花板正上方 90 度往下拍，頭頂看起來前後都一樣，很難分辨顧客是面向左邊貨架還是右邊貨架，更判斷不出第幾層；平視拍攝則容易被前面的人擋住。沿著走道、從上方斜 30 到 45 度往下拍，是能判斷層板的角度，代價是一支鏡頭蓋的範圍變小，同樣面積要多幾支。

上圖是實驗裡的監視器畫面，疊上辨識出的姿勢骨架和地面標定框。地上四個以上已知位置的標記點，可以求出「畫面位置」對應到「真實地面幾公尺」的換算關係（單應性），之後每位顧客的站位才換算得出公尺座標。實驗的前置檢查只需要一段約 2 分鐘的錄影，就能判斷攝影機角度與解析度夠不夠。

除了畫質，還有一件常被忽略的事：錄影拿不拿得出來。工研院 2022 年介紹的商用場域人流影像分析系統 MEDUSA，第一步就是介接攝影機串流或監控系統的錄影檔，先評估影像品質與覆蓋範圍，再給鏡頭解析度、俯角、視野的架設建議。也就是說，正式分析之前先勘鏡頭，是這個領域的基本功。封閉的錄影主機匯不出檔案、拿不到串流，再好的分析也接不上；串流怎麼取，可以參考 AI 影像辨識應用案例裡的 RTSP 段落。如果你的監視器品牌正好在政府禁採的中國品牌清單上，順便看 禁採中國品牌 ICT 的切換路徑，換鏡頭時一起處理。

做顧客動線與貨架熱點分析，需要加裝哪些設備？

先講結論：如果現有鏡頭過得了前置檢查，第一次可以完全不加設備，直接拿錄影離線分析；要長期每天看數字，才需要在店裡放一台邊緣主機，或改用雲端月租方案。三種架構差在影像去哪裡、要不要接店內網路。

邊緣主機的選擇其實不多，常見的有 NVIDIA Jetson Orin Nano（適合 1 到 2 路 4K）、搭配 Hailo-8 加速卡的主機（4 到 8 路、功耗低）、或店裡本來就有的 x86 小電腦。影像在店內即時處理、不落地儲存、只往外傳數字，頻寬和個資兩個問題一次解掉。

如果需要補鏡頭，台灣的行情可以參考 PRO360 的監視器安裝價格整理：800 萬畫素（4K 等級）鏡頭一般款每支約 2,000 到 3,000 元、含夜視約 3,500 到 5,000 元，師傅到府裝一支的工資約 2,000 元上下，天花板要另外拉電會更高。拿這個行情粗算，一條走道兩側各補一支斜角鏡頭，一般款加工資約 8 千到 1 萬元，含夜視約 1 萬 1 千到 1 萬 4 千元，跟整套分析的費用比起來不算大頭。

鏡頭要裝在哪也有講究。我們的原則是：裝在客人本來就習慣看到監視器的位置，外型就是一般監視器，並張貼告示。不要把攝影機或手機夾在貨架上，客人會不自在，更糟的是會轉頭去看那個裝置，直接污染你要量的數據；隱藏式或偽裝的攝影機也不要用，這跟後面要講的告知義務直接衝突。

人流分析系統費用怎麼算？現成方案和客製的錢花在哪裡

一句話：現成方案是「初期費加月租」，客製是「一次開發加維運」，兩者的錢都主要花在人和時間，硬體反而是小頭。下面先看一個公開的價格錨點，再拆費用項目。

日本零售 AI 廠商 ABEJA 在 2025 年 11 月的文章裡給過一個很具體的參考：只量店門口通行量和進店人數、入口一處、面積約 100 平方公尺的店，每店初期費約 30 萬日圓、月費約 4.2 萬日圓（未稅），並註明實際會依店面大小、區域與既有設備變動。以 1 日圓約 0.21 元新台幣粗估，大約是初期 6 萬多、每月 9 千元上下。注意這只是第一層的「進店人數」，要做到店內動線或貨架前的分析，範圍和費用都會往上加。

客製的總價很難一句話講死，因為差異主要來自三個變數：要分析幾條走道、要比較幾次陳列調整、要不要接 POS 或陳列圖。拿到報價時，可以照 三家報價差五倍怎麼看的方法逐項拆；上線後的維運費也要先問清楚，客製化系統上線後的隱性成本整理了最常被漏掉的幾筆帳。

另外，政府對服務業導入 AI 有補助可以申請，零售門市也在範圍內，條件與金額整理在 商業署服務業 AI 升級方案申請指南，評估預算時可以一起看。

人流分析買現成方案還是客製？用你要回答的問題來選

我們的判斷很直接：只要數進店人數，買現成的；要回答「哪一層沒人看」，或要跟陳列圖、POS 對起來，才值得客製。大部分店家的需求其實停在第一層，花錢客製只是在重造輪子。

最後一列是我們最推薦的起點。先挑一到兩條最在意的走道，拿調整陳列前後各一到兩週的錄影做一次比較，看出來的差異夠不夠讓你改變決策。這個做法跟 AI PoC 30 天執行框架講的道理一樣：先定好要看的數字和退場條件，再決定要不要擴大。

市面上不少方案的數字會卡在廠商自己的後台，跟你的 POS 對不起來。如果你正在換 POS，可以先看 POS 系統推薦怎麼挑和 客製化 POS 收銀系統開發指南，把未來要串的資料一起規劃。零售業其他值得先做的 AI 場景（庫存、會員、定價、客服），整理在 零售業 AI 導入指南；現成工具和客製系統怎麼判斷，則可以參考 客製化 AI 系統和套殼服務的判斷框架。

用監視器分析顧客動線，個資法要注意什麼？

先講結論：監視器拍得出是誰，影像就是個資。做人流分析要守住三件事：告示寫清楚目的、分析範圍不超出告知的目的、能在店內去識別就不要把原始影像傳出去。以下是法條與官方函釋的整理，屬於一般資訊，正式導入前請找熟悉個資法的律師確認你的做法。

個人資料保護法第 2 條把「特徵」和「其他得以直接或間接方式識別該個人之資料」都列為個人資料。法務部 103 年的函釋講得更直接：監視系統錄得的影像，只要技術上能透過其他資料比對辨識出是誰，就屬於「得以間接方式識別」的個資。店家是民間業者，屬於個資法的非公務機關，蒐集要符合第 19 條的特定目的與要件，向顧客蒐集時要依第 8 條告知機關名稱、蒐集目的、資料類別、利用的期間與方式等事項，利用則要依第 20 條留在蒐集的特定目的必要範圍內。

這裡有兩個門市最容易踩的點。第一，監視器原本是裝來防盜的，拿同一批錄影去做陳列與行銷分析，就要檢查告示上的目的有沒有涵蓋，沒有就補上。第二，把錄影交給外部廠商分析時，依第 4 條，受委託處理個資的一方在法律上視同委託者，所以委託合約要寫清楚對方怎麼保存、多久刪除、能不能另作他用。個資告知文字怎麼寫，可以參考 個資同意書範本的寫法。

員工也會被拍進去。勞動部勞安所 2022 年的建議是，事業單位運用科技設備管理前，要先確認特定目的、符合法規要件、先與勞工溝通、妥善保存、不做目的外利用。所以告示的對象要包含員工，分析時也要把員工排除，避免變成變相的工作監控。另外，個資法在民國 114 年 11 月 11 日公布了修正條文，部分條文的施行日期還沒定，導入時要留意之後的生效時程。

從系統設計的角度，我們在實驗裡採用的是下面這組低風險做法，也建議你挑方案時拿來問廠商：

shelf-attention 的姿態估計用的是 Google 的 MediaPipe Pose，在瀏覽器裡跑，只找身體關鍵點，不做臉部辨識，影像也不上傳。把「不存影像、不辨識身分」寫進合約與技術文件，對門市反而是加分：零售業最怕客訴，一個明確不碰生物特徵的方案，比較容易過得了內部審查。

貨架熱點準不準？三個最常讓報表算錯的地方

一句話：熱點圖看起來很漂亮，不代表數字是對的。真正會讓報表出錯的，多半是員工混進樣本、取樣偏到尖峰時段、座標換算悄悄錯掉，這三件事在畫面上都看不出來。

員工與補貨人員。理貨員在貨架前站最久、朝向最準，不排除的話，熱點最亮的那一格很可能只是補貨的位置。實驗的做法是依識別背心顏色加上補貨時段排除員工；做這類專案時，要先跟店長講好研究期間的員工規則。

覆蓋率與取樣偏差。錄影裡有效觀測的比例如果偏向尖峰時段，算出來的佔比會被尖峰的客群主導。實驗交付前經過兩輪獨立程式審查，修掉的就是這類會讓報告出現錯誤數字的問題，例如覆蓋率偏向尖峰時段、員工排除時數重複計算。報告在樣本不足、攝影機不合格時，會直接標示不可用於決策。

座標換算與抖動。實驗曾經出過一個「左右鏡像」的 bug：3D 畫面上完全看不出來，只有熱點悄悄算錯。後來每一個座標轉換都寫了可執行的斷言，不靠目視檢查。姿態估計逐幀抖動會讓火柴人亂跳，用 One Euro 濾波分別平滑站位、身形與朝向後，站位抖動的 p95 從 25.2 公分降到 7.4 公分，頭部位置從 27.9 公分降到 7.6 公分。

上圖是實驗產出的陳列研究報告範例（範例資料），列出哪個商品建議從第幾層移到第幾層。報告上的商品名稱代表「這一格放了什麼」，並不等於顧客看了哪個商品，這個差別一定要寫在報表上。

最後一列值得多說一句。實驗的批次分析做到同一支影片跑兩次結果逐位元組相同，在 Apple M5 上約 2.5 倍即時，48 小時的錄影大約 19 小時跑完；整套管線有 172 項自動化測試加 10 項端到端檢查守著，其中 27 項用真實影片跑批次分析。這些數字代表的是工程上可重現、可驗證，並不代表顧客行為的精度，兩件事要分開看。

門市人流分析怎麼開始？從一支錄影到陳列調整前後比較

先講結論：第一次不用買任何設備，照下面的順序走，先拿到一份前後對照的結果，再決定要不要長期做。

報告能回答的問題大致是：哪一格最常被停下來朝向、哪一格最先被注意到、哪些格子完全沒人看、黃金層（離地約 1.1 到 1.6 公尺）是不是真的比其他層好、陳列調整前後差了多少。這些都是「排序與相對比較」，例如「第 2 櫃比第 4 櫃更早被注意到」，比單一商品的百分比可靠得多。

要提醒的是，注意力推估和銷售是兩件事。想知道陳列調整有沒有帶動業績，最好同時拿 POS 的品項週報對照，有條件的話再找一家沒調整的門市當對照組，才分得出是陳列的效果還是季節的影響。

如果你已經有一個想驗證的陳列問題，店裡也有一排拍得到貨架的監視器，我們很樂意 聽你聊聊現在的情況：先看你的鏡頭角度和錄影拿不拿得出來，值不值得做、從哪一條走道開始最划算，我們會直接告訴你。後面真的要動手，再一起談範圍和費用。