AIBR プレミアム
拓海先生、最近部下から「監視カメラの映像から異常を検知するAIを入れたらいい」と言われましてね。しかしうちの現場は複雑で、カメラ映像そのものを全部学習させるのは不安です。そもそも何を学習させれば安心して運用できるのか、直感的に教えていただけますか。
素晴らしい着眼点ですね！大丈夫、一緒に整理すれば必ずできますよ。要点は三つです。まず、映像全体の見た目（色や背景）ではなく、人の動きを示す「骨格（スケルトン）」を使う方法があるんですよ。次に、この骨格情報をグローバルな移動とローカルな姿勢に分けて学習すると、効率的で解釈しやすくなるんです。最後に、これらを相互にやり取りさせるリカレントネットワークで正常パターンを学ばせると、異常を検出しやすくなるんです。
骨格データという言葉は初耳です。要するにカメラ映像から人間の関節の位置だけを抜き出すという理解で良いですか。そうすると背景や服装の違いで誤検知するリスクが下がると考えてよいのですね。
その通りです。スケルトン（skeleton）とは人の体の主要な関節点の座標系列です。背景や服装は無視して、人そのものの動きだけを扱えるため、変化に強く、学習も軽くなるんですよ。ここで重要な考え方は、動きの『全体的な移動』と『局所の姿勢変化』に分解して扱うことです。これにより、例えば歩いている人が急に走り出すといった変化を検出しやすくできますよ。
なるほど。ただ、現場では複数人が同時に映ることも多い。位置や速度が入り混じる状況でもちゃんと見分けられるものですか。導入の際には誤報が少ないことが重要なので、その点が心配です。
大丈夫、そうした点も考えられていますよ。システムは各人物の骨格を独立に追跡して時系列データとして扱います。各人ごとに正常パターンを学習しておけば、異なる人同士が近づいたり重なったりしても個別の軌跡から異常を判定できます。投資対効果という観点では、映像全体を高解像度で保存・学習するよりも、骨格データだけを扱う方がストレージと計算のコストを大幅に下げられる利点がありますよ。
これって要するに、映像をそのまま学習するのではなく人の動きを抽象化して学習させる、つまりノイズを減らして本質だけを見ているということ？運用面では既存のカメラでもできるとも聞きましたが、その辺りの実務感はどうでしょうか。
その理解で合っていますよ。運用面では、まず既存のカメラ映像から姿勢推定（pose estimation）を行い、骨格点を抽出する工程が必要です。近年はオープンソースや軽量なモデルでローカルでも抽出可能なので、クラウドに抵抗がある場合でも導入ハードルは下がっています。要点を三つにまとめると、1）映像の見た目に依存しない、2）計算と保存のコストが低い、3）解釈性が高く現場でカスタマイズしやすい、という利点があります。
なるほど、非常に実務的で助かります。最後に一つだけ確認したいのですが、導入初期に人手で正しい骨格データを用意する必要があると聞きます。我が社のような業務現場で始める場合、初期コストの見積もり感覚を教えてください。
良い質問です。初期コストは三つの要素で決まります。1）既存カメラから骨格点を抽出するためのソフトウェア導入または開発、2）正常データを収集するための運用工数、3）学習と検証にかかるエンジニアリング工数です。とはいえ、骨格データは軽量なのでデータ収集の手間は映像全体より小さく済みますし、プレトレーニング済みの姿勢推定器を使えば初期負担は低く抑えられます。大丈夫、一緒に段階的に進めれば投資対効果は見込みやすいです。
分かりました。では私なりにまとめます。要は、カメラ映像をそのまま学習するのではなく、関節位置の時系列という簡潔なデータにしてから、全体の移動と局所の姿勢に分けて学習する方法で、これにより誤検知が減り運用コストも下がる、ということでよろしいですね。
まさにその通りですよ、田中専務。素晴らしい着眼点です。大丈夫、これなら現場でも実行可能ですし、私が一緒に段取りを整理しますから安心してくださいね。
