广东
先给结论：双目客流统计的高准确率，来自"物理原理 + 算法设计 + 工程规范"三层的叠加，任何一层缺位都做不到。下面逐层拆解。
第一层：双目测距，物理打底
两颗镜头间隔固定距离安装，同时拍摄同一场景。由于拍摄角度不同，同一个人在两幅画面中的位置存在视差；视差越大，说明距离越近。据此可以逐像素恢复场景深度，这就是立体视觉的基本原理。
商场出入口是个对双目非常友好的场景：拍摄距离近、俯视角度稳定、背景相对固定，深度估计的质量远高于户外远距离场景。这是准确率的第一道保障。
第二层：3D立体计数，按轨迹判定
有了深度信息，算法不再依赖平面外观，而是基于三维轮廓工作：真实行人有明确的高度和体积，影子、地面图案、推车被有效区分。随后是检测与跟踪：为每个行人维持连续轨迹；再做越线判定：轨迹穿过预设统计线，记一次进店或离店。
这种"轨迹级"计数天然抗干扰：两个人并排走过，轨迹是两条；有人在统计线附近徘徊，轨迹没有穿越就不计数；中途被短暂遮挡，跟踪算法也能续接。这套 3D 立体计数加人工智能的方法，是准确率超过 98% 的核心。
第三层：工程规范决定上限
算法再好，装错了也白搭。几个关键参数都有明确范围：安装高度 1.8-10 米，识别宽度 0.5-8 米，超出范围需要定制镜头方案；吸顶安装、垂直俯视通道；供电用 POE 或宽电压，通讯按现场选 RJ45、WiFi、4G 或 RS485。高度不够会丢视差，角度倾斜会产生投影畸变，逆光安装会伤害成像——所谓准确率指标，都是在规范安装的前提下测得的。
98%意味着什么
够用，但有边界
它意味着在标准场景下，统计值与真实值的偏差控制在很小的范围，对排班、备货、活动评估这类决策完全够用。同时也要清楚边界：极端拥挤、大面积遮挡等场景下，精度会有所下降，这正是安装规范要提前规避的情况。
为什么其他方案做不到
三种方案的短板
红外对射无法处理多人并排，也分不清进出方向；WiFi 探针统计的是手机信号而非人头；单目视频缺少深度信息，光照和影子会直接干扰判定。双目方案用物理手段补齐了深度这一维，才把准确率推到了另一个量级。
一句话总结：98% 不是某一个模块的功劳，而是正确的物理原理、轨迹级算法和严格的安装规范共同作用的结果。
【LXB】
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
