独自のディープニューラルネットワーク技術により、周辺環境の安全性把握から、密集密接予防と現場の省人化を実現する「画像認識エッジソリューション」。商業施設、オフィス、作業現場、駐車場などにおける混雑度や流入出をリアルタイムに検知・測定し、業務効率化と安全対策を両立する環境構築を支援します。
Openコードと比較して低リソース、高速に物体検出を実現
当社DNN | YOLO v2(*1) | SSD(*2) | ||
---|---|---|---|---|
入力画像サイズ | 480×352 | 416×416 | 512×512 | |
メモリ所要量 | 561Mbyte | 933Mbyte | 953Mbyte | |
検出対象(weight) | 車両・人物・レーン | PASCAL VOC | PASCAL VOC | |
推論時間(32bit) | 68msec 14fps | 134msec 7.4fps | 450msec 2.2fps | |
認識率<20m | 車両 | 89% | 87% | 89% |
人物 | 92% | 88% | 93% |
標準で検知できる物体は、人物、車、白線の3種類
エッジコンピュータと単眼カメラによる低コストなシステム構築が可能
カメラ入力によるリアルタイム処理、および別ロケーションで録画した動画入力によるバッチ処理に対応可能
AI学習データ品質向上支援ツールは、学習データを解析する「データクレンジングツール」と誤認識データを解析する「誤認識分析支援ツール」から構成されています。これらのツールにより、物体の誤認識や未検出の原因を見える化し、認識率の向上とカメラAIシステムの学習期間の短縮を実現します。
学習データを解析し、認識率に悪影響のある不適切なデータを自動で抽出します。悪影響のある不適切なデータを取り除くことで、認識率を向上します。また、増大する学習データのスリム化が可能となり、学習時間を短縮します。
誤認識データを解析し、認識率に寄与する部分と寄与しない部分をピクセル単位で見える化して原因を明確にします。誤認識の原因を明確にすることで、学習に効果的な画像データの選定基準を明確にします。選定基準に合った画像を学習データに追加することで、認識率を向上します。
ソリューションパッケージは、利用ニーズの高い、物体検出/測距/検出結果解析/結果出力の機能をあらかじめパッケージ化しています。お客さまは目的に合わせて機能を選択することで速やかにシステムを構築することができ、PoCの早期実施を実現します。
No. | 分類 | 機能 | 詳細 |
---|---|---|---|
1 | 物体検出 | 物体検出 | 物体検出 |
2 | トラッキング | 検出情報が途切れた際に物体を追跡 | |
3 | 測距 | 測距 | カメラから検出物体までの距離を算出 |
4 | 物体間距離 | 2つの検出物体間の距離を算出 | |
5 | 検出結果解析 | 検出数カウント | 検出した数をクラス別に集計 |
6 | 速度算出 | 前フレームとの比較から移動速度を算出 | |
7 | 結果出力 | 画面出力 | 検出枠と測距距離を描画した画像のモニタ出力 |
8 | 録画 | 検出枠と測距距離を描画した画像データの保存 | |
9 | ログ出力(検出結果) | 時刻情報、検出枠座標、クラス、測距距離および警告情報などのファイル保存 | |
10 | 警告(画面出力) | 警告条件を満たす検出枠が存在する際に検出枠の色変更 | |
11 | 警告(ブザー、パトランプ) | 警告条件を満たす検出枠が存在する際に外部接続したパトランプ、ブザーを動作 |
お客さまは目的に合わせて各機能を選択することで、下記に示すようなカメラAIシステムを構築することができます。
例えば、密集密接監視ソリューションは下記機能の組み合わせで実現することが可能です。
画像認識エッジソリューションは、建機メーカ、ゼネコン、農機メーカ、工場、交通、土木/建築調査、運輸、卸売/小売等のシーンでカメラAIシステムの導入/開発を検討しているICT部門の開発者/管理者向けに最適なソリューションです。
ラインナップ | デバイス/OS | ご活用例 | ||
---|---|---|---|---|
ソフトウェアライブラリ | 物体検出/測距 | 組込み版 | Jetson nano Jetson TX2/TX2i Jetson AGX Xavier |
|
パソコン版 | Linux(Ubuntu) Windows10 64bit |
|
||
開発支援ツール | ソリューションパッケージ | ‐ |
|
|
AI学習データ品質向上支援ツール | Linux(Ubuntu) |
|