更新日：2024/09/05
階層型行動理解技術ソフトウェアイノベーションセンタ
目次
概要
監視カメラやロボット搭載カメラから多様な人の行動を遠隔で高精度に認識する階層型行動理解技術を開発しました。複数の映像推論環境で、低コストに行動認識モデルを導入可能です。この技術を用いることで映像による遠隔モニタリングや、現場作業者の業務行動分析などのDX推進が実現できます。
背景・従来課題
スマートシティや業務DXの推進を背景に、映像での遠隔モニタリングや現場作業者の業務行動分析の要望が高まっています。遠隔モニタリングによる駆け付けアラートや映像からの業務行動取得のためには、人の行動を正確に認識する必要がありますが、導入コスト、認識精度、多様な映像推論環境への適用の面で課題があります。
本技術のアドバンテージ
- 学習済み行動認識モデルをプリセットすることにより、追加学習の必要なく行動の認識／検索が可能
- 「歩く」「持つ」などの基本行動に加えて、複数の行動を組み合わせた「製品を組み立てる」などの複合行動の認識が可能
- 物体の状態を考慮することで、少ない学習データでロバストに行動を認識する物体情報活用機能を搭載
- GPU（Graphics Processing Unit）/CPU（Central Processing Unit）サーバー、スマートフォン、エッジAIカメラで行動認識を動作させるマルチプラットフォーム対応機能を搭載
利用シーン
- 遠隔モニタリングでは、エッジデバイス上で行動を認識し、個人情報を送信せずに特定の行動（転倒等）を検出し、駆け付け対応等を効率化
- 業務行動分析では、業務マニュアルに記載のある行動をエッジ、クラウドの両方で認識し、業務効率化に向けた分析を実施
解説図表
用語解説
エッジデバイス（edge device）
ネットワークの末端に接続された機器のこと。コンピュータやセンサー装置など外界との接点となる機器を指す場合と、ネットワーク境界で接続・中継を担う機器を指す場合がある。
エッジAIカメラ
ネットワークの末端に接続されたAI処理機能を持たせているカメラのこと。
クラウドサーバー
インターネットなどのネットワークを介して利用することを前提とした、クラウド環境に設置されたサーバーのこと。
大規模言語モデル（Large Language Models：LLMs）
多数のパラメータ（数千万から数十億）を持つニューラルネットワークで構成される言語モデルで、膨大なテキストデータを用いて学習される。
ネットワークの末端に接続された機器のこと。コンピュータやセンサー装置など外界との接点となる機器を指す場合と、ネットワーク境界で接続・中継を担う機器を指す場合がある。
エッジAIカメラ
ネットワークの末端に接続されたAI処理機能を持たせているカメラのこと。
クラウドサーバー
インターネットなどのネットワークを介して利用することを前提とした、クラウド環境に設置されたサーバーのこと。
大規模言語モデル（Large Language Models：LLMs）
多数のパラメータ（数千万から数十億）を持つニューラルネットワークで構成される言語モデルで、膨大なテキストデータを用いて学習される。
担当部署
ソフトウェアイノベーションセンタ サービスエンジンプロジェクト