(画像=tippapatt/stock.adobe.com)

AIの発達によって、近年では動画解析の活用分野が広がっています。単に個人やモノを特定するだけではなく、倉庫の在庫管理や無人店舗の運営のサポートなど、企業活動を効率化させる取り組みも増えてきました。活用分野はさらに広がると考えられますが、新しいビジネスを検討する前に基礎知識を身につけておく必要があります。本記事では動画解析の仕組みや事例、メリット・デメリットを解説します。 [toc_h2]

動画解析とは

動画解析とは、映像データをコンピュータで処理・解析し、特定の被写体を認識または識別する技術です。「映像解析」とも呼ばれており、例えば外見の特徴から個人を特定したり、位置・行動を識別したりするシステムがあります。

心sensorのビューアでの分析結果イメージ

近年では解析技術や映像の解像度が向上したことで、動画解析の精度が上がっています。リアルタイムの映像も解析できるようになったので、入退室や生産現場の管理など、業務効率化を目指す企業が導入するケースも増えてきました。＞＞感情認識AIによる動画分析サービス「心sensor」がバージョンアップ、リアルタイム動画分析が可能に｜CACトレンド

動画解析の仕組み

通常の動画解析では、取得した映像データを静止画の連続として扱います。静止画の解析を繰り返すことで、被写体の動きまで識別できる仕組みになっています。静止画の解析（画像解析）は、機械学習ベースのAIを活用するケースが一般的です。システムに組み込まれたAIは、静止画に映ったものをカテゴリー別に分類したり、学習した規則性（特徴量）から被写体を検出したりする役割を担っています。

動画解析で使われる画像解析の種類

AIを活用した画像解析には、様々な種類があります。それぞれどのような処理が行われているのかを知ることで、動画解析の理解にもつながります。ここからは、動画解析で使われる画像解析の種類について解説します。

＜動画解析で使われる画像解析の種類＞
1. 画像分類
2. 物体検出
3. セグメンテーション
4. 文字認識
5. 顔認識
6. 動画解析を基にした画像生成

1. 画像分類

画像分類とは、画像データに映っているものを認識し、特定のカテゴリーに分類するプロセスです。例えば、果物が映っている画像では「りんご」や「バナナ」、人が被写体の場合は性別や年齢などでカテゴリー分けを行います。対象物を指定して、その数や位置、動きを解析することもできます。なお、画像分類に使われる技術も、「物体検出」や「セグメンテーション」などに細分化されています。実際にどのような技術が活用されているのか、以下では代表的なものを紹介します。

2. 物体検出

物体検出では、事前に抽出したいものを定義することで、対象物の数や位置、種類を検出できます。例えば、人が映っている場合に年齢や性別を定義すると、「30代の男性が5人」「20代の女性が3人」のようなデータを出力できます。建築物のひび割れを検知したり、倉庫内の在庫を数えたりなど、物体検出はすでに様々な分野で活用されています。

3. セグメンテーション

セグメンテーションとは、検出・認識したい対象物の境界線をピクセル単位で抽出する技術です。動画解析にこのプロセスが加わると、対象物のみを切り取ったり、対象物と背景を分けたりすることが可能になります。例えば、デスク上の重要書類のみを検出するシステムや、会議の動画からホワイトボードのみを抽出する仕組みなどがあります。

4. 文字認識

文字認識は、画像データから日本語などの文字を検出する技術です。「光学文字認識（OCR）」とも呼ばれており、前述のセグメンテーションと組み合わせると、画像内の文章をテキストデータなどに変換することも可能になります。分かりやすい例としては、書類やホワイトボードに書かれた情報を抽出するシステムがあります。また、外国語の文章をリアルタイムで翻訳できるスマートフォンの翻訳アプリなどにも、文字認識の技術が活用されています。

5. 顔認識

顔認識は、顔の特徴点（パーツのレイアウトなど）から個人を認識する技術です。企業のオフィスなどでよく見られる、顔認証システムをイメージすると分かりやすいでしょう。一般的な顔認識では、特徴点の形や位置関係を割り出す技術として、前述のセグメンテーションも活用しています。

6. 動画解析を基にした画像生成

画像生成とは、入力したデータやパラメータに基づいて、新たな画像データを出力する技術です。リアルタイムで撮影した映像などを動画解析し、それをもとに、新たな画像を生成するといったこともできます。例えば、バーチャル試着を体験できるアプリでは、スマートフォンで撮影した動画から、試着後の姿を出力できます。店舗に足を運ばなくてもバーチャルで試着ができ、消費者の利便性向上や、製品の新しい宣伝方法として活用されています。

動画解析を導入するメリット

動画解析を導入すると、新たなビジネスモデル構築や、現在の業務の人手不足の軽減に役立つ可能性があります。ここからは、企業が動画解析を導入する3つのメリットを紹介します。

1. リソースの最適化を図れる

動画解析の技術を活用したシステムには、コストや労働時間などのリソースを削減する効果があります。例えば、生産現場の在庫数を自動的にカウントすることによって、人による管理工数を減らせます。さらに、在庫の不足分を自動で計算・発注できるシステムと組み合わせることで、作業時間を短縮でき、人件費を削減できる可能性があります。

2. 労働環境が改善される

心身への負担が大きい業務に動画解析を導入すると、労働環境を改善する効果が期待できます。分かりやすい例としては、工場の製造ラインの検品作業が挙げられます。従来であれば目視での確認が必要でしたが、動画解析によって、人より高い精度で検品することも可能です。立ち作業や目を酷使する作業を削減できれば、結果として労働環境が改善されます。

3. 作業精度が向上する

長時間同じ作業を人がこなす場合は、集中力のばらつきによってヒューマンエラーが起こりやすくなります。検品作業で不良品を見落としたり、在庫数や発注数を間違えたりなど、小さなミスが深刻なリスクにつながる恐れがあります。このようなヒューマンエラーが起こりやすい現場では、動画解析を導入するメリットがあると考えられます。動画解析による検品や在庫数の確認機能を持つ機器は、人のように疲れを感じることがありません。常に同じ動作を繰り返してくれるため、長時間の単調な作業や、難しい作業でも一定の作業品質を保つことができます。

動画解析を導入するデメリット

動画解析のデメリットは、初期費用や運用コストがかかることと、精度を高めるプロセスが必要になることです。想定した費用対効果になるまでに時間がかかる可能性もあるので、導入前には長期的な視点で計画を立てる必要があります。ここからは3つの点に分けて、動画解析を導入するデメリットについて解説します。

1. 初期費用がかかる

簡易的なシステムであっても、動画解析では映像を撮影するためのカメラや、データを解析するマシンなどが必要です。実際の導入シーンにもよりますが、赤外線対応などの特殊機能がついていないカメラは1台あたり5～20万円、解析用のパソコンは1台あたり60～90万円が目安になります。大規模なシステムを構築する場合は、高機能のカメラを複数台設置したり、専用のストレージまたはネットワークインフラの構築が必要になるケースもあります。

2. 運用コストがかかる

動画解析の運用コストには、システムやソフトウェアの月額料金、カスタマイズ費用、電気代、通信料金、機器のメンテナンス費用などがあります。月1万円程度で利用できるシステムもありますが、通常はカメラの台数や機能に応じた従量制の料金体系になるため、事前に予算との兼ね合いを確認することが重要です。導入の可否を判断する際には、将来的に発生するメリットにも着目しましょう。運用コストがかかっても、業務効率や作業精度を大きく改善できれば、コストに見合った効果を得られます。このような意味でも、動画解析の導入前には長期的な視点で計画を立てることが重要です。

3. 解析精度を高める作業が必要になる

AIによる解析精度を高めるには、十分な質と量の学習用データが必要です。また、学習が進むにつれて精度は上がりますが、それでも不具合や検出ミスがなくなるわけではありません。基本的には全ての作業を任せることはできず、目視によるチェックやメンテナンスといった人の介在が必要になります。AIを独自開発するのでなく、他社に開発を依頼したり他社のAIプロダクトを利用したりする場合は、導入の目的や要件をきちんと話し合い、「導入後のサポートを受けられるか」についても確認しておきましょう。

動画解析を実用化する際のポイント

動画解析の精度や費用対効果を高めるには、導入目的や環境に即したシステム構成が必要です。ここからは、動画解析の実用化で意識したいポイントを3つ紹介します。

1. 処理データに適したAIやツールを選ぶ

動画解析では、「必要な処理能力」と「リアルタイム性」のバランスを取ることが重要です。例えば、一人の動作解析のみを行う場合は、高い処理能力よりもリアルタイム性が重視されることもあります。特に防犯や介護支援を目的とする場合は、異常を即座に検知する仕組みがあるかどうかで、トラブルへの対応スピードが変わります。一方で、複数台の自動車のナンバープレートを読み取る動画解析では、ディープランニングなどを用いて画像認識精度を高めることが必要になります。導入環境によって求められる要件は異なるため、処理データに適したAIやツールを選ばなければなりません。特にリアルタイム性が重視される導入環境では、端末機器にAIを直接搭載した「エッジAI」が必要になることもあります。前述のコストや学習の必要性なども踏まえて、導入環境に合ったシステムを総合的に判断しましょう。

2. AIと人の二重チェック体制にする

AIは大量のデータ処理に強い反面で、例外的な状況には弱い側面があります。分かりやすい例として、製造ラインの不良品を検知するシステムを挙げてみます。学習用データに含まれる基本的な異常は検知できますが、例えば光の反射によってたまたま製品の見え方が変わると、細かい欠陥を検知できなくなるかもしれません。ほかにも、映りこんだ人の癖やルーティン、印刷物におけるインクの濃淡など、導入環境によっては様々な例外が生じます。そのため、動画解析ではAIの自動判定だけに依存せず、人の目視を含めた二重チェック体制を構築することが重要です。

3. 動画アノテーションに時間をかける

アノテーションとは、解析対象のオブジェクトにラベルを付ける作業です。例えば、車両ナンバーの認識システムでは、動画内に映りこんだ「自動車」や「ナンバープレート」の領域を定義し、それぞれにラベルを付けることで、AIが個々の自動車やナンバープレートを正しく識別できるようになります。アノテーションはAIの解析精度に大きく影響するため、条件を揃えて多数のラベルを付与するなど、時間をかけて作業をする必要があります。特に複雑な背景や動作、識別したい対象の物体に細かい差異などがある場合は、丁寧にアノテーションを進めましょう。

Pythonで動画解析を行う方法

プログラミング言語のPython（パイソン）でも、動画解析を実装することは可能です。Pythonは汎用性が高く、OpenCVなどのライブラリやツールが豊富であることから、AI業界でも注目されているプログラミング言語です。 Pythonで実現できることは多岐にわたり、例としてはノイズ除去やオブジェクトの検出、フレームのブレ補正、画質の向上などがあります。ここからは、Pythonで動画解析を行う準備、ライブラリのインストールから簡単なメソッドの利用方法までを簡単に解説します。

1. 機械学習ライブラリをインストールする

まずは、Pythonで機械学習をするためのライブラリを構築します。個々にライブラリをそろえる方法もありますが、「Anaconda」と呼ばれるソフトウェアをインストールすると、基本的なライブラリを一括で用意できます。参考：Anaconda | Built to Advance Open Source AI なお、解析処理に十分なスペックのマシンがない場合は、必要なストレージやメモリを確認したうえで、ハードウェアを選ぶところから始めましょう。

2. OpenCVをインストールする

Pythonでの動画処理には、「OpenCV」と呼ばれるライブラリが必要です。OpenCVには2つのインストール方法があり、Anaconda上で専用のコマンドを入力するか、もしくはpip※を使用します。 ※Pythonのパッケージ管理ツールのこと。Windowsでは「コマンドプロンプト」、macOSやLinuxでは「ターミナル」を開いてコマンドを入力する。

＜Anaconda上でインストールする場合＞
「conda install -c conda-forge opencv」と入力する。

＜pipを使用する場合＞
基本モジュールのみ：「pip install opencv-python」と入力する。
拡張モジュール付き：「pip install opencv-contrib-python」と入力する。

コマンドプロンプトやターミナルで下記のPythonコードを実行すると、OpenCVが正しくインストールされているかどうかを確認できます。ここではバージョン番号である”4.10.0”が表示され、正しくインストールされたことを示しています。”4.10.0”は一例です。

>>> import cv2
>>> print(cv2.__version__)
4.10.0

3. 動画を読み込む

OpenCVのインストールが完了したら、実際に動画を読み込みましょう。動画の読み込みでは、以下のような「VideoCaptureメソッド」を使用します。Pythonコードは次のようになります。

import cv2

# 動画ファイルの読み込み（ファイルパスを指定）
video_path = "【動画ファイルのパス】"
capture = cv2.VideoCapture(video_path)

# ファイルが正常に読み込めたかどうかをチェック
print("読み込み成功:", capture.isOpened())

# 解放処理
capture.release()

「isOpenedメソッド」は、動画が正しく読み込まれた場合に「True」を返してくれます。

4. 動画のプロパティを取得・設定する

次に、動画のプロパティを「getメソッド」で取得し、その後に「setメソッド」を使ってプロパティ設定を行います。いくつか方法はありますが、以下では一例を紹介します。

＜プロパティの取得＞

import cv2

video_path = "【動画ファイルのパス】"
capture = cv2.VideoCapture(video_path)

# ファイルが正常に読み込めたかどうかをチェックし、幅と高さを取得
if capture.isOpened():
　　　w = capture.get(cv2.CAP_PROP_FRAME_WIDTH)
　　　h = capture.get(cv2.CAP_PROP_FRAME_HEIGHT)
　　　print(f"解像度: {int(w)} x {int(h)}")

else:
　　　print("ファイルを開けませんでした。")

# 解放処理
capture.release()

＜プロパティの設定＞

import cv2

video_path = "【動画ファイルのパス】"
capture = cv2.VideoCapture(video_path)

# ファイルが正常に読み込めたかどうかをチェックし開けているかを確認し、再生位置を設定

if capture.isOpened():
　　　print("動画が開かれました。")

　　　# 再生位置を100フレーム目に移動
　　　success = capture.set(cv2.CAP_PROP_POS_FRAMES, 100)
　　　print(f"フレーム位置の変更結果: {success}")

else:
　　　print("動画ファイルの読み込みに失敗しました。")

# 解放処理
capture.release()

取得や設定をしたいプロパティ、やってみたい動画解析に合わせて、適宜必要なコードを追加してみてください。

動画解析の9つの活用事例

動画解析はすでに実用化されており、現在でも多分野での活用が進んでいます。以下で動画解析の活用事例をまとめました。新しいビジネスモデルの構築や、生産性を向上させる施策などを考える際の参考にしてみましょう。

＜動画解析の9つの活用事例＞
1. 養殖魚の資産価値を算定｜株式会社シーエーシー
2. 工場の製造ラインの検品｜キユーピー株式会社
3. 倉庫管理や在庫管理の自動化｜株式会社ファントム
4. 農作物の生育管理や予測｜株式会社オプティム
5. 自動車の運転支援｜NECソリューションイノベータ
7. 店舗運営の無人化｜株式会社カインズ
8. 介護現場での動作解析｜株式会社シーエーシー
9. 入退室や勤怠の管理｜キヤノン株式会社

1. 養殖魚の資産価値を算定

本サイトを運営する株式会社シーエーシーは、映像から生けす内の養殖魚の時価を算出できる「魚体鑑定システムFairLenz」を開発しています。本システムは画像認識AIを搭載しており、水中カメラで撮影した生けす内の映像データから養殖魚の体重データと尾数を推定します。このデータとキロ単価を掛け合わせることで、生けす内の養殖魚の時価を算出する仕組みになっています。

システムのイメージ図

すでに実証実験を行っており、小型から中型の養殖魚については、対象個体に触れることなく体重やビ数を推定できます。スマートフォンから養殖魚の様子を確認できる機能もあるため、様々な形態で水産業に活用できる可能性があります。参考：画像認識AIの活用により養殖魚の体重を推定・データ化して資産価値を算定するシステムのMVP版を提供開始

2. 工場の製造ラインの検品

製造ラインにおける検品は、動画解析の代表的な事例です。製品の外観から破損や歪みなどの不具合をAIが自動で検出してくれます。加工食品を製造するキユーピー株式会社は、カット野菜を自動で検査するシステムを導入しています。こちらは破損などの不具合ではなく、AIに良品を学習させる仕組みを採用しており、高精度な検品作業を実現しています。参考：キユーピー株式会社「AIを活用した原料検査装置をグループに展開」

3. 倉庫管理や在庫管理の自動化

在庫管理システムと動画解析を組み合わせると、倉庫管理・在庫管理の大部分を自動化できる可能性があります。例えば、倉庫で商品の入出荷を行う際の、人の手で行われている検品作業を自動化できます。在庫管理システムと組み合わせることで、入出荷されるものを動画から解析し、納品書や注文伝票と照合し、数量や品番が間違っていないかを確認できます。その他の例としては、株式会社ファントムが開発した「Casper（キャスパー）」が挙げられます。Casperは小売業で多く使われており、棚に並んでいる在庫（商品）を映した映像データの状態変化を検知することができ在庫の売れ行きを確認したり、万引きのような不正行為を検知して防いだりする効果があります。参考：株式会社ファントム「映像内の状態変化を検知して在庫管理や異常の早期発見」

4. 農作物の生育管理や予測

農業分野の動画解析では、生育管理システムや生産量予測システムなどの実用化が進められています。例えば、株式会社オプティムが開発した『農作物収穫時期・収量予測システム』では、映像から農作物の熟度を解析しています。さらに、この解析データと天候や日照条件などの環境データを組み合わせることで収穫時期や収穫量を自動予測できるシステムを構築しています。参考：株式会社オプティム「農作物収穫時期・収量予測システム特許について」

5. 自動車の運転支援

自動車分野では、ドライバーの認知・判断・操作をサポートし、安全を支援するシステムの搭載が進んでいます。衝突回避システム、車間距離制御システム、車線逸脱アラートシステムなどがあります。これらのシステムは自動車に搭載された複数のカメラとレーダーを利用し、他の自動車や歩行者、交通標識や車線など、ドライバーの安全な運転を支援するために必要なデータを収集・解析します。

6. 駐車場や道路でのナンバープレート認識

撮影した映像から移動する車両や周辺の物体などを自動的に認識する
出典：PRTIMES NEC、NTTドコモと自然災害時の救助活動支援を目指した実証実験を実施

自動車分野ではナンバープレートの認識によって、移動中の車両を分析するようなシステムも登場しています。例としては、NECソリューションイノベータが提供する『FieldAnalyst for Vehicles」があります。本サービスは、道路上の自動車をナンバープレートの情報から認識するシステムで、歩行者も含めた移動経路や停止時間を分析してくれます。参考：NECソリューションイノベータ「NECソリューションイノベータ、車両認識を中心とした映像解析を行う「FieldAnalyst for Vehicles」を提供開始: プレスリリース」同様のシステムはほかにも存在しており、入場ゲートでのナンバープレートの読み取りや来客通知、駐車場における混雑状況の予測など、すでに様々なシーンで実用化が進められています。

7. 店舗運営の無人化　

レジのない無人店舗のCAINZ Mobile Store
出典：PRTIMES「CAINZ Mobile Store」AIと高度なカメラセンサーによる最先端テクノロジー店舗

動画解析を活用した無人店舗の実用化が始まっています。例えば、ホームセンター大手の株式会社カインズは、2022年に会員限定の無人店舗『CAINZ Mobile Store』を開店しました。この店舗には、専用アプリのQRコードをかざすだけで、入店から支払いまでを完結できるシステムが導入されています。他にも消費者の動線を分析したり、滞留時間を記録したりするなど、実店舗型のビジネスで動画解析は様々な活用が始まっています。参考：株式会社カインズ「CAINZ Mobile Store」

8. 介護現場での動作解析

転倒検知システム『まもあい（mamoAI）』のイメージ図

介護施設にカメラを設置し、入居者の生活を見守るような動画解析AIも存在します。例えば、株式会社シーエーシーが提供する『まもあい（mamoAI）』は、カメラとAI技術を活用した転倒検知システムです。転倒につながりやすい姿勢をシステムが検知し、実際の転倒確率をAIが推定してくれます。緊急時のアラート機能はもちろん、プライバシー保護を目的とした映像内人物加工や、転倒前後状況の録画による原因分析もできるため、より安心できる介護環境づくりをサポートしてくれます。＞＞株式会社シーエーシー AIを活用した転倒検知システム『まもあい（mamoAI）』

9. 入退室や勤怠の管理

どのような企業にも導入の余地があるものとしては、入退室や勤怠の管理をするシステムがあります。例えば、キヤノン株式会社の『入退顔認証サービス』は、AIが従業員や来訪者などの顔認証をするシステムです。顔画像ですばやく本人確認を行い、入退管理システムでドアを解錠する仕組みにより、強固なセキュリティ監視を自動化することができます。カメラの設置場所を自由に調整できるため、貴重な物資や機密情報などを守りたいシーンにも役立ちます。参考：キヤノン株式会社「顔認証による入退管理で不正侵入や情報漏洩を防止する方法｜ネットワークカメラ」

動画解析を活かせるビジネス、施策を検討してみよう

動画解析の技術はすでに多くの業界、企業で取り入れられています。導入した企業の中には、動画解析によって業務の効率化や自動化、生産性の向上、新しいビジネスモデルの構築を実現した事例も出てきています。上記で紹介した事例も参考にしつつ、みなさんの業務・会社・業界で、どのように動画解析を活かすことができるか、ぜひ、検討してみてください。

スマート養殖×金融サービス FairLenz

FairLenzは、スマート養殖と金融サービスが一体となった、養殖業向けのABL(動産担保融資)プラットフォームです。スマート養殖を通して資源高騰や漁業従事者不足などの課題に苦しむ水産業の再生・発展に寄与するとともに、魚そのものを動産担保として、養殖業の働き方改革(DX)に必要な資金の調達をご支援します。

クリックして詳細を確認する

転倒検知システムまもあい(mamoAI)

転倒検知システム「まもあい(mamoAI)」は、AIが転倒や転落に繋がりやすい姿勢を検知。対象者の画像とともにアラームでお知らせします。事故を未然に防げるため、病院や介護施設といった現場の生産性向上に貢献します。また、再発防止にも取り組めます。

クリックして詳細を確認する

関連記事
・長崎の海から養殖業に革命を　生け簀の魚を“資産化”する漁業FinTech『FairLenz』
・AI技術を用いて医療・介護の課題解決　現場の想いを込めた『まもあい』が提供する価値
・命を守る『まもあい』が生まれるまでの開発秘話　魅力あるプロダクトに仕上げたチームマネジメント
・表情分析AIを活用したアプリで手軽に面接対策　就職＆転職活動のマストアイテムへ
・介護施設向けの入居者見守りサービスとは？最新機能と事例を紹介

動画解析

記事一覧

AIによる動画解析の仕組みとは？ 導入するメリット・デメリットを解説

AIによる動画解析の仕組みとは？導入するメリット・デメリットを解説