課題背景

防犯カメラの監視作業や製造ラインでの製品目視検査では見逃しによるヒューマンエラーや人手不足による作業負荷などの課題があります。このような課題に対し、画像処理技術を活用した取り組みが可能です。

画像処理技術の活用

監視作業の場合、画像処理技術を活用することで、人検出や特定領域での人の有無、不審者判定の自動化が可能です。
検出結果をメール通知することで、常時カメラを見ることなく複数の場所を同時監視することが可能となり、監視者の負担軽減に繋がります。

適用例

  • 不審者検知
  • 車両検出による駐車場利用状況管理
  • 特定物体(製品等)を識別するソリューション
画像処理技術の活用例

技術構成

事例はオープンソースを活用したプロトタイプです。webカメラの画像処理には、OpenCVを使用しています。人検出には深層学習による物体識別ライブラリであるDarknet及び事前学習済みモデルを利用しています。

ソフトウェア開発
開発環境 Visual Studio 2015
カメラ画像取得 OpenCV(C/C++)
検出領域設定
検出領域描画
物体検出 Darknet(C/CUDA/cuDNN)
実行環境
OS Windows 10 Pro
CPU Intel i7-4790@3.6GHz
RAM 16GB
GPU NVIDIA Gefore980GTX(4GB)
カメラ解像度 1280(pix)×1024(pix)

Darknetによる物体識別事例

検出処理の流れ

Webカメラから取得した画像に対して、Darknetによる人検出処理と、事前に設定した監視領域内での人の有無の判定を行います。監視領域に人が滞留している場合、不審者として判定し検出結果画像とともにメールで通知します。

検出処理の流れ

担当科 

所属 電話番号

情報技術・デザイン科

(0852)60−5120