判断一台客流摄像机值不值，先看它能不能分清“同一个人”。
很多实体门店负责人在选客流统计设备时，都卡在同一个问题上：门口人来人往，到底有多少人真的进店？有多少人只是路过？
这个问题的答案，恰恰是客流数据里最值钱的部分。而能不能答准，取决于设备的一个核心能力——去重。
同一个顾客在门口停留、折返、多次经过，如果设备不识别身份、不去重，就会被重复计数。数据一旦虚高，进店率、转化率、坪效这些经营指标全部失真。你拿着失真的数据去做陈列调整、排班优化、租金谈判，等于拿错的答案做对的题。
这篇文章不做参数堆砌，只解决一个实际问题：选购一台AI去重客流摄像机，到底该看什么、怎么选。
简单说，去重就是通过头肩特征与行人轨迹，把“同一个人”识别出来，把他的重复出现合并为一次计数。
它不等于简单的“双向计数”。双向计数只能判断一个人是进还是出，却无法判断“刚出去的人是不是又回来了”。而对零售门店来说，进店又折返、在门口徘徊的顾客，恰恰是影响进店率和转化率判断的关键干扰项。
去重做得好不好，直接决定三件事：真实进店人数准不准、过店/进店率能不能算、客流与销售的联动分析能不能落地。
行业里常见的方案各有短板：红外对射只能判断“有没有人经过”，重复往返无法分辨；普通单目或普通双目视觉依赖画面重叠判断，多人并排、光线复杂时误差明显；依赖云端AI分析的方案，数据要上传到服务器处理，不仅延迟大，断网时统计直接中断，更容易出现数据断层。
动恰3DV3的做法是把算力放到设备端：内置GPU芯片，搭载ReID行人重识别算法，在本地完成“单人识别+去重”，去重率可达97.2%以上；本地最多可存1年客流数据，断网照常统计，联网自动补传。
一句话总结：去重能力强的设备，算力在本地；数据能不能用，看它断网时还能不能干活。
动恰3DV3视觉客流统计摄像机按“算力芯片+功能深度+平台指标”划分四个型号。四款共同点是：400万星光级像素、双向统计可区分进出、安装高度2–6米、单机覆盖6–8米宽出入口、支持POE供电与本地报表导出、售后以换代修。
四档型号的核心差异在算力、去重与数据指标上，先想清楚你要分析到什么深度。
单机本地款：1T算力+普通芯片，本地局域网电脑查看，提供4种数据指标。适合预算有限、单店运营、不依赖远程管理的场景。
联网基础款：1T算力+普通芯片，接入客流管家云平台（微信小程序/公众号/电脑WEB端），提供12种数据指标，支持远程查询、批量管理、数据修改。适合需要远程看数、初步上云的单店或小连锁。
去重过客款：4T算力+GPU芯片，支持ReID去重、断网续传、边缘计算、经过识别与过客分析，提供32种数据指标。适合想算清楚进店率、过店率的零售连锁门店。
去重客群款：4T算力+GPU芯片，在去重过客款基础上增加客群分析（年龄/性别），提供64种数据指标。适合需要深度客群洞察、精细化运营的品牌总部、大型商场与购物中心。
1. 要不要本地去重？需要分清“同一个人重复进出”的，至少选去重过客款（4T+GPU）。
2. 需要哪些数据指标？只看进出人数选4种；要环比同比、节假日、排名等选12种；要过客/去重/经营分析选32种；要客群洞察选64种。
3. 要不要算进店率？进店率＝进店客流÷过店客流，需要识别“路过的人”，必须选带过客分析的去重过客款及以上。
4. 要不要客群画像？要分析进店顾客的年龄、性别结构，选去重客群款。
5. 后台怎么管？单店本地查看即可选单机本地款；要远程、多门店、分账号权限，选联网款并接入云平台。
判断一个方案是否成熟，案例比宣传更可靠。动恰3DV3系列已在多类连锁业态落地：斐乐累计部署全国300多家门店、近600套设备；始祖鸟、ECCO、North Face等鞋服品牌持续部署；通信类有华为、小米，汽车类有大众、宝马、比亚迪，珠宝类有老凤祥、周大生等。
这些连锁品牌为什么需要去重与过客分析？因为它们不止要知道“来了多少人”，更想知道“进店率是多少、哪些门店转化差、活动到底带来多少有效客流”——这背后，全靠去重后的真实数据支撑。
客流管家云平台把“数人流”升级为“看经营”，进店率、驻留数、环比同比一目了然。
一是安装。3DV3安装高度建议2–6米，单机覆盖6–8米宽出入口，斜装角度增大可进一步扩大覆盖；安装角度和视角越理想，识别越精准。采购前建议先做现场勘测，而不是凭感觉定点位。
二是场景匹配。单店、连锁、商场、文旅、政企场馆对数据深度的需求完全不同，先想清楚“我要用数据解决什么问题”，再对应型号，比一味追求高配更划算。
以后再选客流统计设备，不必先纠结参数多不多，而要先问三个问题：数据能去重吗？断网还能用吗？指标够不够支撑我的经营判断？
如果这三个答案都是“能”，这台设备才值得放进你的采购清单。
动恰·客流管家深耕客流统计行业12年，从硬件、算法到数据平台提供一体化方案。如果你也在为门店、商场或场馆选客流统计方案，欢迎交流，我们一起把客流数据用起来。
