狠狠撸

狠狠撸Share a Scribd company logo

Awl introduction and camera ra 121219

?
?
Microsoft Azure Japan
Microsoft Azure Japan

2019年12月12日に実施された「今日から使える！顧客、従業員の行動を可視化するSmart Store カメラリファレンスアーキテクチャー」の資料です。 AWL株式会社 取締役 CTO 土田安紘氏

1 of 30
Downloaded 26 times
カメラリファレンスアーキテクチャ ご紹介 2019/12/12
2 ? 2019 AWL, Inc. 会社名 AWL株式会社 設立 2016年6月 代表取締役社長 北出 宗治 上級技術顧問 川村 秀憲（北海道大学 教授） 株主 経営陣、ファウンダー、サツドラHD（東証一部上場） 社員数（連結） 38名（2019年10月1日時点） アルバイト（連結） 30名（2019年10月1日時点） 所在地 ■本社<東京オフィス> 東京都千代田区九段北1-12-4 徳海屋ビル6F ■開発拠点＜札幌オフィス（AI HOKKAIDO LAB）＞ 北海道札幌市北区北21条西12丁目2 北大ビジネススプリング105 ■研究開発子会社 <ベトナム?ハノイ（AWL Vietnam Co., Ltd）> 会社概要
3 ? 2019 AWL, Inc. 小売現場の課題 万引き 映像 チェック 不正作業 人手不足 生産性の低さ 店舗導線分析 棚割策定 欠品補充 検品 効果検証 顧客分析 商品企画 リテールストアチェーン（国内５５万店舗）の事業継続性に関わる課題 チェーンストア（国内55万店舗） AI活用等によるオペレーション改善急務 店舗のメディア化、OMO対応の要望強い 次世代店舗として期待大 世界の市場規模7兆円 コンビニ3社全店導入進行中 深夜早朝無人店舗 無人店舗 今後のサステナブルなリテール事業拡大には、AI等活用による課題解決が不可欠
4 ? 2019 AWL, Inc. 一括 対応 AWL Suite低 コスト データ 一元 管理 AWL Suite ～リテール課題解決のためのAIソリューション～ 小売現場の課題 万引き 映像 チェック 不正作業 人手不足 生産性の低さ 店舗導線分析 棚割策定 欠品補充 検品 効果検証 顧客分析 商品企画
5 ? 2019 AWL, Inc.
6 ? 2019 AWL, Inc. 設置構成例 ? バックオフィスにAWLBOX(映像分析ボックス)を接続するだけ！ 既存のカメラをそのまま利用※して、画像認識?行動分析が可能です。 ? 行動分析結果は、マーケティングや防犯等様々な用途に活用できます。 AWLのAIソリューション ある人物が、店内に 現れてから、いなくなるまでの 行動をデータ化 ?来店から退店までのルート ?お客様属性(性別、年齢) ?店員/非店員分類 ?各売場での行動詳細 店内の人物に 関する詳細情報 [{ ID: “12345678” 年齢: “20+”, 性別: “男性”, 行動: [ { 場所: “入店”, 時刻: 13:01:01, 滞在時刻: 10秒 }, { 場所: “コスメ”, 時刻: 13:01:30, 滞在時刻: 25秒 }, { 場所: “レジ”, 時刻: 13:03:12, 滞在時刻: 72秒 } ] }] 個人情報は 残さず、 属性を分類 した人物の 詳細行動を データ化
7 ? 2019 AWL, Inc. AWLBOXの特徴 - 低コスト?高信頼性のエッジ型映像蓄積?分析デバイス - ８個のDNNチップと24コア Cortex-A53 SoCで並列?高速 映像処理 小型?低消費電力?大容量 AWLVMSで映像蓄積 ???????????????閲覧可能 サイズ 20cm x 20cm x 4.3cm 消費電力 30W ストレージ HDD:2TB eMMC:32GB メモリ 16GB OS Ubuntu / Debian 車載品質のDNNチップ?SoC?基板設計により高信頼?耐久性運用が可能なエッジ型映像蓄積?推論デバイス 10カメラ分(24H録画なら2週間程度)映像の蓄積と、ディープラーニングベースの画像認識モデルによる認識処理 (10カメラ?5FPS)、Azure IoTによるクラウドからの機器?モデルの簡易?強力な管理が可能 人物?顔検出 性?年齢推定 人物追跡 ディープラーニング ベースの 画像認識モデル SOCIONEXT製SoC 24core(1GHz)で 高速?並列映像処理 GyrFalcon製DNN???? 2.8TOPS@0.3Wの 超高速?低消費電力な DNN画像処理 ? 6408種類(391???)のIPカメラに対応 ? セキュア（?????????のみの??????? 接続）で便利（?????経由????含む 各種デバイス）な蓄積映像閲覧 客?店員分類
8 ? 2019 AWL, Inc. SMB向け スマホアプリAIカメラソリューション AWLが開発した高精度な人物?顔検出等のDNNモデルを搭載したスマートフォンアプリ。 小規模店舗や期間限定のイベントなどで、手軽に設置、少額利用が可能。特別な知識が無くても簡単に?高精度の認識が可能な 位置?角度での設置をサポートするインストラクション機能を搭載。 人物?顔検出 性?年齢推定 人物追跡 AWL開発の高精度 DNNモデル搭載空席検出 来店者属性推定 人数カウント 滞在時間 空席検出 もう少し下に 傾けてください 現在 最適 AIカメラによる高精度な画像認識には、精密な設置場 所?角度調整が必要→専門スタッフの派遣が必要な為 設置コスト大 特別な知識不要、誰でも設置位置?角度調整ができる AWLのインストラクション技術により 低コスト導入が可能
9 ? 2019 AWL, Inc. ? 各種グラフ表示 （年齢?性別で絞り込み表示可能） ? CSV出力機能 ? グラフ保存機能 （応用事例１）マーケティング ー来客属性分析ー 時間別の来客推移１ 性別比表示 年齢比表示 数値表示 男女別の年齢構成表示 1日の総数表示機能２ 1日の 滞留時間分布 1時間単位の 滞留時間の推移 1時間単位の 滞留時間と年齢分布の推移 滞留時間表示機能３ 性別分布／実数表示 性別分布／割合表示 年齢分布／実数表示 年齢分布／割合表示
10 ? 2019 AWL, Inc. 売上到達率 × 購買率 の表示 誘因率の表示 複数カメラから解析した情報を 店内マップにマッピングして表 示 POS情報と連動した表示 A-B比較 (※) 画面?機能は、予告無く変更する可能性があります。 マッピング表示 （応用事例２）マーケティング ー店舗内導線分析ー
11 ? 2019 AWL, Inc. AIによる顔認識技術により、来店客の属性を取得します。 また、商品棚前での立ち止まり時間やその人数をカウントします。 ??? ??? 立ち止まり 立ち止まり時間?人数 をカウント 来店客の属性を取得 (性別?年代) 女性（30代） （応用事例３）マーケティング ー棚前立ち止まり状況分析ー
12 ? 2019 AWL, Inc. AIによる姿勢検知技術と事前に登録された商品棚情報により、 来店客がどの商品に触れたかを解析します。 どの商品に触れたか を解析 商品マッチング 商品A 商品B 商品の画像は、https://www.yodobashi.com/product/100000001003506447/、https://www.yodobashi.com/product/100000001002930009/、https://www.yodobashi.com/product/100000001001673739/、 https://www.yodobashi.com/product/100000001001673752/、https://www.yodobashi.com/product/100000001001673742/、https://www.yodobashi.com/product/100000001001664988/、 https://www.yodobashi.com/product/100000001002929990/による。 （応用事例４）マーケティング ー商品への接触分析ー
13 ? 2019 AWL, Inc. 【お声掛け対象】 メイクＢコーナー 60代女性 AIカメラで店内状況を可視化。 お困りの様子のお客様を見つけ、店員にアラートで通知します。 （応用事例５）販売支援 －お困りごとアラートー
14 ? 2019 AWL, Inc. Recommend For you！ Lined up new colors! 20代 女性 AIカメラの顔認識機能で、 お客様の年齢?性別を識別。 判別されたお客様情報に沿った レコメンド商品の広告を自動で表示します。 （応用事例６）販売支援 －来店者に合わせた情報提供（サイネージ連携）ー
15 ? 2019 AWL, Inc. (エビデンス資料として保存） ② 検索?マルチデバイス 録画内容の検索やダイジェスト版の自動作成で、必要なシー ンを簡単にチェック可能。また本社PCやタブレットなどの 閲覧に対応し、場所に縛られず確認できます。 ① 一般的な録画機能 ③行動認識?不審者登録 顔認証や行動特定により不審者を予測し、 犯罪リスクに繋がる可能性のある人物を特 定し、アラートを通知します。 不審行動をリアルタイムで 本部?店舗ユーザ様の ポータブル端末へ通知可能。 （応用事例７）万引き抑止
? 2019 AWL, Inc. Smart Store カメラリファレンスアーキテクチャ
17 ? 2019 AWL, Inc. カメラリファレンスアーキテクチャとは ? AWLBOX同様のDNNベースの画像認識によるカメラ映像処理が可能なオープンソースのAIカメラリファレンス ? AIカメラでどのようなことができるのか試してみたい、どのような技術で構成されているのかが知りたい、場合に最適 ? 本格的なビジネス導入に向けては、AWLBOXへ
18 ? 2019 AWL, Inc. カメラリファレンスアーキテクチャ 概要 Azure IoT Edge Runtime 人物検出 ??????? 顔検出 性?年齢 推定 防犯カメラ 映像 Cosmos DB 画像認識結果を ダッシュボード表示 IoT Hub 画像認識モジュールの デプロイ?実行制御 ? ディープラーニングベースの画像認識エンジンにより、防犯カメラ映像を分析可能なエッジデバイスです。本リファレン スアーキテクチャでは、エッジ用の高速推論チップを活用することで、高速?高精度な人物検出、人物トラッキング、顔 検出、顔からの性別?年齢推定を実現しています。 ? エッジデバイスでの画像認識結果は、Cosmos DBに格納されます。当該格納されたデータは、ダッシュボード上にて人 流分析や客層分析結果として表示が可能です。 ? エッジデバイス上で動作する画像認識モジュールは、Azure IoT Hubを利用して、デプロイ?実行?停止の制御が可能で す。例えば本アーキテクチャの画像認識モジュールをリプレースすることで、商品認識等、別用途の分析も可能です。
19 ? 2019 AWL, Inc. 全体構成 Container registry コンテナ管理 ソフトウェアランタイム環境 Raspberry Pi 3B+ カメラ 高速推論 チップ Azure IoT Edge Runtime ビデオ管理 モジュール 推論チップ管理 モジュール Docker 画像認識モジュール ハードウェア Stream Analytics データ中継 Cosmos DB データ保存 Container instances サーバデプロイ IoT Hub モジュール管理
20 ? 2019 AWL, Inc. ハードウェアについて ? エッジデバイスの全て市販のハードウェアで構成されています。このため、誰でも安価かつ簡単に購入?作成可能です ? 安価なRaspberry Pi 3B+ をベースにしています。 ? Raspberry Pi カメラモジュールV2にて、エッジデバイスに映像を入力可能です。 ? 市販のエッジ用高速推論チップ（Movidius NCS2）を利用した、高速なCNN（畳み込みニューラルネットワーク） ベースの人物検出が可能です。 エッジデバイス内容物
21 ? 2019 AWL, Inc. DNNモデルについて OpenVINO? Toolkit Pre-Trained Modelsより取得した下記のモデルを利用しています ? 人物検出 person-detection-retail-0013-fp16.bin ? 顔検出 face-detection-adas-0001.bin ? 顔画像からの性?年齢推定 age-gender-recognition-retail-0013-fp16.bin ２３歳 女性 人物検出 ??????? 顔検出 性?年齢 推定 防犯カメラ 映像
22 ? 2019 AWL, Inc. 画像認識モジュールの推定結果を利用して「できること」 10:23:00 id=1 検出(入場) > 23歳、女性 10:23:01 id=1 検出 ??? 10:23:15 id=1 未検出(退場) 人物検出 ??????? 顔検出 性?年齢 推定 モジュールが生成するデータ Cosmos DB ダッシュボード表示 お困りごとアラート 客層に合わせたサイネージ
23 ? 2019 AWL, Inc. OpenVINOの学習済みモデルを利用すれば様々な用途への応用可能
24 ? 2019 AWL, Inc. 試してみよう！ https://github.com/intelligent-retail/smart-camera ■カメラリファレンスアーキテクチャ ■OpenVINO? Toolkit Pre-Trained Models http://docs.openvinotoolkit.org/2019_R1/_docs_Pre_Tr ained_Models.html
25 ? 2019 AWL, Inc. 試してみよう！ まずは エッジ
26 ? 2019 AWL, Inc. 試してみよう！ 次に Azure
27 ? 2019 AWL, Inc. 構成案 1. カメラを設置 2. IEEE802.3at対応のPoE給電型ハブを設置、LANケーブルでカメラと接続する （PoE給電可能なポートに接続） 3. PCのブラウザ等でローカルサイネージ等のページ表示（ディスプレイ接続） PoEハブ ※カメラは給電可能 ポートへ HDMI LANケーブル ルーター ローカル サイネージ連携等を する場合 （ローカルサイネージ連携等をする場合）
? 2019 AWL, Inc. 簡易デモ
29 ? 2019 AWL, Inc. デモ（構成案） ※本ページはプレゼンテーションには含まれません ? 最小構成で、リアルタイム認識結果重畳表示 ? エッジ側を「デバッグモード」として、エッジでの認識結果を映像した映像 をローカルネット内の端末へ送信可能 ? 本映像を受信し表示するクライアントをPCに搭載することで、下記のような リアルタイム認識結果重畳映像を表示する PoEハブ ※カメラは給電可能 ポートへ HDMI LANケーブル 土田のPC
? 2019 AWL, Inc. Thank you

More Related Content

Awl introduction and camera ra 121219

  • 2. 2 ? 2019 AWL, Inc. 会社名 AWL株式会社 設立 2016年6月 代表取締役社長 北出 宗治 上級技術顧問 川村 秀憲（北海道大学 教授） 株主 経営陣、ファウンダー、サツドラHD（東証一部上場） 社員数（連結） 38名（2019年10月1日時点） アルバイト（連結） 30名（2019年10月1日時点） 所在地 ■本社<東京オフィス> 東京都千代田区九段北1-12-4 徳海屋ビル6F ■開発拠点＜札幌オフィス（AI HOKKAIDO LAB）＞ 北海道札幌市北区北21条西12丁目2 北大ビジネススプリング105 ■研究開発子会社 <ベトナム?ハノイ（AWL Vietnam Co., Ltd）> 会社概要
  • 3. 3 ? 2019 AWL, Inc. 小売現場の課題 万引き 映像 チェック 不正作業 人手不足 生産性の低さ 店舗導線分析 棚割策定 欠品補充 検品 効果検証 顧客分析 商品企画 リテールストアチェーン（国内５５万店舗）の事業継続性に関わる課題 チェーンストア（国内55万店舗） AI活用等によるオペレーション改善急務 店舗のメディア化、OMO対応の要望強い 次世代店舗として期待大 世界の市場規模7兆円 コンビニ3社全店導入進行中 深夜早朝無人店舗 無人店舗 今後のサステナブルなリテール事業拡大には、AI等活用による課題解決が不可欠
  • 4. 4 ? 2019 AWL, Inc. 一括 対応 AWL Suite低 コスト データ 一元 管理 AWL Suite ～リテール課題解決のためのAIソリューション～ 小売現場の課題 万引き 映像 チェック 不正作業 人手不足 生産性の低さ 店舗導線分析 棚割策定 欠品補充 検品 効果検証 顧客分析 商品企画
  • 5. 5 ? 2019 AWL, Inc.
  • 6. 6 ? 2019 AWL, Inc. 設置構成例 ? バックオフィスにAWLBOX(映像分析ボックス)を接続するだけ！ 既存のカメラをそのまま利用※して、画像認識?行動分析が可能です。 ? 行動分析結果は、マーケティングや防犯等様々な用途に活用できます。 AWLのAIソリューション ある人物が、店内に 現れてから、いなくなるまでの 行動をデータ化 ?来店から退店までのルート ?お客様属性(性別、年齢) ?店員/非店員分類 ?各売場での行動詳細 店内の人物に 関する詳細情報 [{ ID: “12345678” 年齢: “20+”, 性別: “男性”, 行動: [ { 場所: “入店”, 時刻: 13:01:01, 滞在時刻: 10秒 }, { 場所: “コスメ”, 時刻: 13:01:30, 滞在時刻: 25秒 }, { 場所: “レジ”, 時刻: 13:03:12, 滞在時刻: 72秒 } ] }] 個人情報は 残さず、 属性を分類 した人物の 詳細行動を データ化
  • 7. 7 ? 2019 AWL, Inc. AWLBOXの特徴 - 低コスト?高信頼性のエッジ型映像蓄積?分析デバイス - ８個のDNNチップと24コア Cortex-A53 SoCで並列?高速 映像処理 小型?低消費電力?大容量 AWLVMSで映像蓄積 ???????????????閲覧可能 サイズ 20cm x 20cm x 4.3cm 消費電力 30W ストレージ HDD:2TB eMMC:32GB メモリ 16GB OS Ubuntu / Debian 車載品質のDNNチップ?SoC?基板設計により高信頼?耐久性運用が可能なエッジ型映像蓄積?推論デバイス 10カメラ分(24H録画なら2週間程度)映像の蓄積と、ディープラーニングベースの画像認識モデルによる認識処理 (10カメラ?5FPS)、Azure IoTによるクラウドからの機器?モデルの簡易?強力な管理が可能 人物?顔検出 性?年齢推定 人物追跡 ディープラーニング ベースの 画像認識モデル SOCIONEXT製SoC 24core(1GHz)で 高速?並列映像処理 GyrFalcon製DNN???? 2.8TOPS@0.3Wの 超高速?低消費電力な DNN画像処理 ? 6408種類(391???)のIPカメラに対応 ? セキュア（?????????のみの??????? 接続）で便利（?????経由????含む 各種デバイス）な蓄積映像閲覧 客?店員分類
  • 8. 8 ? 2019 AWL, Inc. SMB向け スマホアプリAIカメラソリューション AWLが開発した高精度な人物?顔検出等のDNNモデルを搭載したスマートフォンアプリ。 小規模店舗や期間限定のイベントなどで、手軽に設置、少額利用が可能。特別な知識が無くても簡単に?高精度の認識が可能な 位置?角度での設置をサポートするインストラクション機能を搭載。 人物?顔検出 性?年齢推定 人物追跡 AWL開発の高精度 DNNモデル搭載空席検出 来店者属性推定 人数カウント 滞在時間 空席検出 もう少し下に 傾けてください 現在 最適 AIカメラによる高精度な画像認識には、精密な設置場 所?角度調整が必要→専門スタッフの派遣が必要な為 設置コスト大 特別な知識不要、誰でも設置位置?角度調整ができる AWLのインストラクション技術により 低コスト導入が可能
  • 9. 9 ? 2019 AWL, Inc. ? 各種グラフ表示 （年齢?性別で絞り込み表示可能） ? CSV出力機能 ? グラフ保存機能 （応用事例１）マーケティング ー来客属性分析ー 時間別の来客推移１ 性別比表示 年齢比表示 数値表示 男女別の年齢構成表示 1日の総数表示機能２ 1日の 滞留時間分布 1時間単位の 滞留時間の推移 1時間単位の 滞留時間と年齢分布の推移 滞留時間表示機能３ 性別分布／実数表示 性別分布／割合表示 年齢分布／実数表示 年齢分布／割合表示
  • 10. 10 ? 2019 AWL, Inc. 売上到達率 × 購買率 の表示 誘因率の表示 複数カメラから解析した情報を 店内マップにマッピングして表 示 POS情報と連動した表示 A-B比較 (※) 画面?機能は、予告無く変更する可能性があります。 マッピング表示 （応用事例２）マーケティング ー店舗内導線分析ー
  • 11. 11 ? 2019 AWL, Inc. AIによる顔認識技術により、来店客の属性を取得します。 また、商品棚前での立ち止まり時間やその人数をカウントします。 ??? ??? 立ち止まり 立ち止まり時間?人数 をカウント 来店客の属性を取得 (性別?年代) 女性（30代） （応用事例３）マーケティング ー棚前立ち止まり状況分析ー
  • 12. 12 ? 2019 AWL, Inc. AIによる姿勢検知技術と事前に登録された商品棚情報により、 来店客がどの商品に触れたかを解析します。 どの商品に触れたか を解析 商品マッチング 商品A 商品B 商品の画像は、https://www.yodobashi.com/product/100000001003506447/、https://www.yodobashi.com/product/100000001002930009/、https://www.yodobashi.com/product/100000001001673739/、 https://www.yodobashi.com/product/100000001001673752/、https://www.yodobashi.com/product/100000001001673742/、https://www.yodobashi.com/product/100000001001664988/、 https://www.yodobashi.com/product/100000001002929990/による。 （応用事例４）マーケティング ー商品への接触分析ー
  • 13. 13 ? 2019 AWL, Inc. 【お声掛け対象】 メイクＢコーナー 60代女性 AIカメラで店内状況を可視化。 お困りの様子のお客様を見つけ、店員にアラートで通知します。 （応用事例５）販売支援 －お困りごとアラートー
  • 14. 14 ? 2019 AWL, Inc. Recommend For you！ Lined up new colors! 20代 女性 AIカメラの顔認識機能で、 お客様の年齢?性別を識別。 判別されたお客様情報に沿った レコメンド商品の広告を自動で表示します。 （応用事例６）販売支援 －来店者に合わせた情報提供（サイネージ連携）ー
  • 15. 15 ? 2019 AWL, Inc. (エビデンス資料として保存） ② 検索?マルチデバイス 録画内容の検索やダイジェスト版の自動作成で、必要なシー ンを簡単にチェック可能。また本社PCやタブレットなどの 閲覧に対応し、場所に縛られず確認できます。 ① 一般的な録画機能 ③行動認識?不審者登録 顔認証や行動特定により不審者を予測し、 犯罪リスクに繋がる可能性のある人物を特 定し、アラートを通知します。 不審行動をリアルタイムで 本部?店舗ユーザ様の ポータブル端末へ通知可能。 （応用事例７）万引き抑止
  • 16. ? 2019 AWL, Inc. Smart Store カメラリファレンスアーキテクチャ
  • 17. 17 ? 2019 AWL, Inc. カメラリファレンスアーキテクチャとは ? AWLBOX同様のDNNベースの画像認識によるカメラ映像処理が可能なオープンソースのAIカメラリファレンス ? AIカメラでどのようなことができるのか試してみたい、どのような技術で構成されているのかが知りたい、場合に最適 ? 本格的なビジネス導入に向けては、AWLBOXへ
  • 18. 18 ? 2019 AWL, Inc. カメラリファレンスアーキテクチャ 概要 Azure IoT Edge Runtime 人物検出 ??????? 顔検出 性?年齢 推定 防犯カメラ 映像 Cosmos DB 画像認識結果を ダッシュボード表示 IoT Hub 画像認識モジュールの デプロイ?実行制御 ? ディープラーニングベースの画像認識エンジンにより、防犯カメラ映像を分析可能なエッジデバイスです。本リファレン スアーキテクチャでは、エッジ用の高速推論チップを活用することで、高速?高精度な人物検出、人物トラッキング、顔 検出、顔からの性別?年齢推定を実現しています。 ? エッジデバイスでの画像認識結果は、Cosmos DBに格納されます。当該格納されたデータは、ダッシュボード上にて人 流分析や客層分析結果として表示が可能です。 ? エッジデバイス上で動作する画像認識モジュールは、Azure IoT Hubを利用して、デプロイ?実行?停止の制御が可能で す。例えば本アーキテクチャの画像認識モジュールをリプレースすることで、商品認識等、別用途の分析も可能です。
  • 19. 19 ? 2019 AWL, Inc. 全体構成 Container registry コンテナ管理 ソフトウェアランタイム環境 Raspberry Pi 3B+ カメラ 高速推論 チップ Azure IoT Edge Runtime ビデオ管理 モジュール 推論チップ管理 モジュール Docker 画像認識モジュール ハードウェア Stream Analytics データ中継 Cosmos DB データ保存 Container instances サーバデプロイ IoT Hub モジュール管理
  • 20. 20 ? 2019 AWL, Inc. ハードウェアについて ? エッジデバイスの全て市販のハードウェアで構成されています。このため、誰でも安価かつ簡単に購入?作成可能です ? 安価なRaspberry Pi 3B+ をベースにしています。 ? Raspberry Pi カメラモジュールV2にて、エッジデバイスに映像を入力可能です。 ? 市販のエッジ用高速推論チップ（Movidius NCS2）を利用した、高速なCNN（畳み込みニューラルネットワーク） ベースの人物検出が可能です。 エッジデバイス内容物
  • 21. 21 ? 2019 AWL, Inc. DNNモデルについて OpenVINO? Toolkit Pre-Trained Modelsより取得した下記のモデルを利用しています ? 人物検出 person-detection-retail-0013-fp16.bin ? 顔検出 face-detection-adas-0001.bin ? 顔画像からの性?年齢推定 age-gender-recognition-retail-0013-fp16.bin ２３歳 女性 人物検出 ??????? 顔検出 性?年齢 推定 防犯カメラ 映像
  • 22. 22 ? 2019 AWL, Inc. 画像認識モジュールの推定結果を利用して「できること」 10:23:00 id=1 検出(入場) > 23歳、女性 10:23:01 id=1 検出 ??? 10:23:15 id=1 未検出(退場) 人物検出 ??????? 顔検出 性?年齢 推定 モジュールが生成するデータ Cosmos DB ダッシュボード表示 お困りごとアラート 客層に合わせたサイネージ
  • 23. 23 ? 2019 AWL, Inc. OpenVINOの学習済みモデルを利用すれば様々な用途への応用可能
  • 24. 24 ? 2019 AWL, Inc. 試してみよう！ https://github.com/intelligent-retail/smart-camera ■カメラリファレンスアーキテクチャ ■OpenVINO? Toolkit Pre-Trained Models http://docs.openvinotoolkit.org/2019_R1/_docs_Pre_Tr ained_Models.html
  • 25. 25 ? 2019 AWL, Inc. 試してみよう！ まずは エッジ
  • 26. 26 ? 2019 AWL, Inc. 試してみよう！ 次に Azure
  • 27. 27 ? 2019 AWL, Inc. 構成案 1. カメラを設置 2. IEEE802.3at対応のPoE給電型ハブを設置、LANケーブルでカメラと接続する （PoE給電可能なポートに接続） 3. PCのブラウザ等でローカルサイネージ等のページ表示（ディスプレイ接続） PoEハブ ※カメラは給電可能 ポートへ HDMI LANケーブル ルーター ローカル サイネージ連携等を する場合 （ローカルサイネージ連携等をする場合）
  • 28. ? 2019 AWL, Inc. 簡易デモ
  • 29. 29 ? 2019 AWL, Inc. デモ（構成案） ※本ページはプレゼンテーションには含まれません ? 最小構成で、リアルタイム認識結果重畳表示 ? エッジ側を「デバッグモード」として、エッジでの認識結果を映像した映像 をローカルネット内の端末へ送信可能 ? 本映像を受信し表示するクライアントをPCに搭載することで、下記のような リアルタイム認識結果重畳映像を表示する PoEハブ ※カメラは給電可能 ポートへ HDMI LANケーブル 土田のPC
  • 30. ? 2019 AWL, Inc. Thank you