カメラとAI

当社サービスで利用できる、人数を検知する仕組みについて記載しています。

機械学習の技術を使って、カメラで写している動画をリアルタイムで解析し、滞在人数や通行人数をデータ化します。

想定している利用場所は下記になります。

利用場所内容
会議室会議室内の人数を定期的にカウント
待合室銀行や病院の待合室の混雑状況をカウント
ドアや扉開閉するドアや扉の通行人数をカウント

1.カメラを利用

小型で安価なカメラを設置し、リアルタイムで映像を取得します。

両面テープで貼り付けられるWebカメラや、恒久設置に向いているIPカメラを利用可能です。

WebカメラとIPカメラは、市販されている多くの種類のカメラから選定可能です。

2.機械学習で人を認識してカウント

カウントする数値は、リアルタイム動画からAIを用いてリアルタイム解析し、人の出現回数をデータ化したものです。

以下は人を認識している例となります。認識した人数をデータ化します。

カメラに映っている「人数」をエッジ機器側で解析します。エッジ側で画像解析をリアルタイムで実施します。

エッジ機器自体は小型で安価な機器を利用します。動画解析では約7FPSの処理性能があり、1フレーム毎に指定属性の検出回数を取得します。属性の識別率や検知精度の平坦化など幾つかのロジックを組み合わせて算出しています。その為、検出数は高い精度になります。

3.混雑カウント

動画解析での混雑カウントは、カメラに映った人数をカウントします。

指定間隔時に指定エリア内に居る人数をカウントします。

指定間隔(カウントのタイミング)は調整が可能です。例えば、平日24時間の内、9時間は1分間毎、それ以外の時間帯は10分間毎などの設定が可能です。

映像範囲内で検知エリアを設定する事も可能です。以下は、映像範囲内に検知エリアを1つ設けた際のイメージです。

上の例では、検知エリア内に5名いると認識できます。検知エリアの定義は細かな設定が可能です。

4.通行カウント

動画解析での通行カウントでは、開閉するドアや引き戸の通行人数をカウントします。高精度は求めずに短期間のみ手軽に利用したい場合にご利用いただけます。

(高精度を求める場合は、「3D LiDAR」か「ステレオカメラ」を選定いただけます。)

以下は設置概要図です。Webカメラは、ドア上部の端に設置し、ドアが開いた時に人を追跡できるようにします。

Webカメラは、両面テープで壁面に張り付ける想定です。

5.Webアプリでデータ確認

解析結果(カウントした人数のテキストデータ)は、随時インターネット経由で弊社クラウド環境に送信し、ブラウザで確認いただく事が可能です。

クラウドアプリで、最新値の確認やグラフ表示、期間を指定したCSVダウンロードなどが可能です。

以下は混雑カウントとしてのグラフ例です。

以下は通行カウントとしてのグラフ例です。

時系列
1時間毎の合計

オプション1.利用者への情報提供

動画解析で検出した人数情報を、スマホやPC画面、サイネージ画面に反映させる事も可能です。

LAN接続したサイネージ画面の場合は、表示するメッセージの更新間隔は、数秒毎などの短時間にする事も可能です。

オプション2.無線センサとの連携

無線センサを使った「トイレサイネージ」サービスと組み合わせる事で、トイレの満空情報だけではなく、待っている人数も通知する事が可能となります。

無線センサを使った「会議室IoT」サービスでは、会議室の利用者の人数を記録したり通知する事が可能となります。

サービス利用

  • 機器のみの販売は行っておりません。当社サービスのご提供時においてのみ、機器類を販売しております。
  • 当社サービスは初期料金と月額が必要になります。機器類の料金は初期料金に含まれております。
  • 料金は各サービスのページでご確認ください。
指定エリアに居る人数を自動でカウントするサービス
短期間のみのご利用も可能

参考

当社では、公開されている「学習済みモデル」を使って「人間」のカウントを行います。

「人間」以外にも、車や自転車、猫などの属性もカウントする事ができます。カウントできる属性は、学習済みモデルで定義されている属性が対象となります。

公開されている「学習済みモデル」に存在しない属性の場合は、あらたに学習させる転移学習モデルか、日々バージョンアップされるAI解析用クラウドサービスを利用する事になります。

以下に転移学習の例を記載しておりますが、転移学習を行うには各種コストが多くかかるため、弊社では現在のところ対応予定はありません。

新規の属性として、EnOceanの「Sensor」と「Receiver」を識別したい場合に、転移学習で作成した独自モデルを使って、写真から物体を検出した画像が以下になります。

独自モデルを使って、映像からリアルタイムで物体を検出した場合は以下のようになります。(以下の動画は、実際には検出フレーム毎に画像保存し、GIF Movie にしたファイルです。)

画像から人体の姿勢を検出する事も可能です。