動画解析は、映像データから人物、物体、動作、状態などを検出し、業務に使える情報として抽出する技術です。AIを活用することで、目視確認に頼っていた作業を効率化し、リアルタイムな判断や長時間データの分析が可能になります。
1. 動画解析とは？
動画解析（映像解析・映像分析）とは、映像データをコンピュータで解析し、特定の情報を識別・特定する技術です。動画解析によって動画内の動作や物体、人物の行動などを自動的に識別し、データとして記録することが可能となります。
映像データは膨大であるため、手動での解析は時間と労力を要します。そこで、AIを用いることで効率的かつ正確な解析が可能です。
動画解析は、スポーツ、医療、自動運転、セキュリティなどさまざまな分野で応用されています。これまで人間が目視で行ってきた観察や判断のプロセスを大幅に効率化したうえで、新たな発見や洞察を得ることが期待されます。動画解析は今後重要性を増していく技術と言えるでしょう。
動画解析の仕組みと解析手法
動画は画像の連続であるため、動画解析は画像解析の連続によって行われます。
動画解析では、まず動画データを収集します。カメラやスマートフォン、ドローンなどのさまざまなデバイスから動画データを取得し、データセットとして確保しておく必要があります。
収集した動画データはそのままでは解析に適さない場合が多いため、前処理が必要です。映像のノイズ除去やフレームの抽出、解像度の調整などを行います。動画の前処理が完了したら、以下のような手法で動画データを解析します。
| 手法 | わかること | 用途の例 |
|---|---|---|
| 物体検出 | 何がどこに映っているか（バウンディングボックスなどの枠で出力する） | 不良品の検知、車両や人の検出 |
| 動体検知 | 前後のフレームで変化した領域 | 立ち入り禁止区域への侵入検知 |
| 動作認識（行動分析） | 人や物がどのような動作をしているか | 転倒の検知、作業手順の確認 |
| ビデオトラッキング | 同じ対象がフレーム間でどう移動したか | 来店客の動線分析、人数のカウント |
| 顔認識 | 映っている人物が誰か（登録済みの顔との照合） | 入退室の管理、勤怠の記録 |
| 画像分類 | フレーム全体がどの状態に当たるか（画像分類とは） | 設備の正常・異常の判定 |
上記の解析手法を組み合わせることで、動画から多様な情報を抽出し、正確な解析が可能となります。最近は、AIのアルゴリズム、特にディープラーニングを活用することで解析精度が大幅に向上しています。これにより、より正確な情報抽出と意思決定が可能になります。
VLMで映像の内容を文章として扱う
近年は、VLM（視覚言語モデル）を映像解析に使う例も増えています。VLMは画像とテキストをまとめて扱えるAIで、「作業者は手順どおりに部品を取り付けているか」のような質問に文章で答えたり、長い映像の内容を要約したりできます。上の表の手法は、判定したい対象ごとに学習データを用意してモデルを作るのが基本ですが、VLMは追加学習をしなくても幅広い質問に答えられる点が違います。
ただし、VLMは処理が重く、すべてのフレームをリアルタイムで処理する用途には向きません。物体検出などの軽量なモデルで対象の場面を絞り込み、判断が必要な場面だけVLMに渡す組み合わせが現実的です。また、回答の正確さは質問の内容やモデルによって大きく変わります。弊社が自動運転の画像で行った検証では、「ある方向に進むとどの都市に着くか」を答える設問の正解率が、モデルによって0.1から0.7まで開きました（VLMの記事の§5）。
2. AIによる動画解析を導入するメリット
AIによる動画解析技術を導入することで、以下のようなメリットが期待できます。
- 自動処理による時間短縮
- 大規模かつ多様なデータの効率的処理
- 人的リソースの最適化
- 処理精度の向上
メリットを把握しておくと、動画解析の導入が自社に必要かどうか適切に判断できるようになります。
自動処理による時間短縮
AIによる動画解析のメリットとして、自動処理による時間短縮が挙げられます。AIを用いた高速な処理により、リアルタイムでの動画解析が可能になります。
人間の手作業では膨大な時間と労力を要する動画解析ですが、AI技術を導入することでこれらの作業を素早く正確に処理することが可能となります。
例えば、AIが搭載されたエッジAIカメラであれば、自動解析による異常行動の検出が24時間体制で可能となり、人間による処理に要する時間は大幅に削減されます。長時間にわたる監視作業が不要になり、緊急時の迅速な対応に集中できます。
AIによる自動処理は、時間の節約に加えて業務の効率化にも効果的です。
大規模かつ多様なデータの効率的処理
AIは大量の動画データを効率的に処理できるため、人手では困難な大規模のデータ解析が可能になります。さらに、動画データと他の種類のデータ（音声、テキスト、センサーデータなど）を組み合わせた総合的な分析が可能になります。
そして、膨大なデータから人間が気づきにくい複雑なパターンや相関関係を見出すことなどもでき、より深い洞察や予測が可能になります。さらに、より広範囲で長期的なトレンド分析や異常検知が実現できるでしょう。
人的リソースの最適化
AIによる動画解析は、人的リソースの最適化に貢献します。AIを活用することで処理作業が自動化され、人的負担を大幅に軽減することが可能です。
これによって、限られた人的リソースを最適化できます。動画解析を行うのに必要な人数が明確になり、過剰・不足していた人員を適切に配置できるようになります。人員配置が改善されることで、生産性の向上も期待できるでしょう。
3. 動画解析の活用事例
動画解析は実用化も進んでいて、以下のような活用事例があります。
- 製造ラインでの不良品検知
- 倉庫の在庫管理・遠隔点検
- 建築現場での施工サポート
- 農作物の管理
- 不審者やブラックリストユーザーの発見
- 勤怠・入退室の管理
それぞれについて解説します。
製造ラインでの不良品検知
製造ラインでの不良品検知に、動画解析技術が活用されている事例があります。動画解析システムを備えたカメラが、製造過程の映像をリアルタイムで監視し、微細な欠陥や不良を検出します。不良品が市場に出回る前に排除され、製品の品質を保つことが可能です。
例えば、電子機器の製造ラインでは、基板に取り付けられた部品の位置やはんだ付けの状態を動画解析でチェックします。人間の目では見逃してしまいがちな微小な不具合であってもAIが動画から即座に検出し、ラインを停止させることなく修正指示を出すことができます。
製造業者は品質管理の精度を高めつつ、生産効率の向上やコスト削減も実現できます。
倉庫の在庫管理・遠隔点検
動画解析によって、倉庫の在庫管理や遠隔での点検が可能になります。動画解析技術によって倉庫内の在庫状況をリアルタイムで監視し、在庫の過不足や誤配置を防ぎ、適切なタイミングでの補充や出荷をサポートします。
ドローンに搭載されたカメラを使えば、倉庫内の棚を巡回し、商品ラベルを自動的に読み取って在庫データを更新することも可能です。ドローンは広大な倉庫や高い棚の点検に有効で、人手による作業を大幅に削減します。
また、点検結果や過去のデータから、最適な在庫量を維持するための提案もできます。補充量を予測し、無駄な在庫コストを削減することが可能です。
建築現場での施工サポート
建築現場において、動画解析は施工の進捗状況や安全性の監視をサポートします。動画解析によって、効率的で安全な作業環境の確保が可能です。
建築現場に設置されたカメラに動画解析を導入すれば、作業員の動きや重機の操作状況を監視し、安全基準に違反する行動や危険な状況を即座に検出します。検出結果はリアルタイムで通知され、迅速に対応できます。また、進捗状況をモニタリングすることで工事の遅延を防ぎ、スケジュール通りの施工をサポートします。
さらに、ドローンを使用して高所や広範囲の点検を行うことも可能です。ドローンが撮影した映像を解析することで、建物の構造や仕上がりの品質をチェックし、問題点があれば引き渡し前に発見・修繕できます。
農作物の管理
農業分野においては、農作物の管理に活用されています。農作物の状態をリアルタイムでチェックし、最適な栽培環境を維持するためのデータを提供することも可能です。
広大な面積の農作地では、人間の目視では限界があります。そこで、動画解析技術を搭載したドローンや固定無人カメラを用いて畑全体の映像を撮影することで、葉の色や形、成長速度を自動的にリアルタイムで解析可能です。育っていない作物や害虫の早期発見も可能となります。
さらに、収穫期の予測や品質管理にも動画解析が役立ちます。成熟度を判別し、最適な収穫時期を予測することで、農作物を理想の品質で収穫しやすくなるでしょう。
農家はリソースを効率的に活用し、高品質な農作物を安定して生産することが可能となります。
不審者やブラックリストユーザーの発見
動画解析技術は、不審者やブラックリストユーザーの発見に活用できます。店舗や会場などで、疑わしい行動や特定の人物を迅速に特定することが可能です。
例えば、防犯カメラに動画解析技術を用いることで、過去に問題を起こしたブラックリストユーザーや犯罪歴のある人物を検出します。AIは顔や姿勢の特徴を瞬時に分析し、データベースと照合することで、対象人物の識別を行うことが可能です。また、行動解析技術により、異常な動きや挙動を検知し、不審な行動が確認された場合にはアラートを発するシステムを構築できます。
さらに、公共の場や大規模なイベント会場でも、動画解析技術が活用されています。人混みの中でも人物を特定し、不審者や危険人物を追跡できます。セキュリティの側面においても、動画解析は有効と言えるでしょう。
勤怠・入退室の管理
AIを活用した動画解析技術は、勤怠管理や入退室管理に活用することが可能です。顔認識による従業員の入退室を自動で記録するシステムにも動画解析が活用されていて、正確な出勤時間や退勤時間を自動的に記録します。
また、不正な入退室をリアルタイムで検知し、許可されていない人物が施設に侵入した場合には迅速に対応することができます。
これまでは紙への記入による管理もありましたが、動画解析によって自動的な記録・管理システムを構築することが可能です。
4. 映像解析AIを導入する手順
映像解析AIの導入は、次の5つのステップで進めることが多いです。
| ステップ | 決めること・やること |
|---|---|
| 1. 目的と判定対象を決める | 何を検知したいか、見逃しと誤検知のどちらを減らしたいか、結果を誰がどう使うか |
| 2. 既製サービスか個別開発かを選ぶ | 汎用の機能で足りるか、自社固有の対象を学習させる必要があるか |
| 3. 処理する場所を決める | カメラの近く（エッジ）、クラウド、社内サーバー（オンプレミス）のどこで処理するか |
| 4. 自社の映像で精度を確かめる | 実際の設置環境で撮った映像で、PoC（概念実証）として精度を測る |
| 5. 運用しながら精度を保つ | 誤検知や見逃しを記録し、必要に応じて再学習する |
目的と判定対象を決める
最初に、何を検知したいのかを具体的にします。「不審な行動を見つけたい」のままでは、どの映像を集め、どの精度を目標にするかが決まりません。「閉店後の売り場に人が入ったら通知する」のように、対象・条件・結果の使い方まで書き出します。
あわせて、見逃しと誤検知のどちらを優先して減らすかも決めておきます。不良品の検知では見逃しのほうが損失が大きく、防犯の通知では誤検知が多すぎると担当者が通知を見なくなります。どちらを優先するかで、モデルの調整方針と必要なデータの量が変わります。
既製サービスか個別開発かを選ぶ
人数のカウント、侵入検知、顔認証のような汎用的な機能は、既製の映像解析サービスで足りることが多いです。既製サービスは導入までの期間が短く、初期費用も抑えやすくなります。
一方、自社製品の傷や業界固有の作業手順のように、一般的なデータに含まれない対象を判定するには、自社の映像で学習させたモデルが必要です。この場合は、映像の収集とアノテーション（正解の付与）が開発の工程に加わります。既製サービスでも追加学習に対応しているものがあるため、両方を比べて選びます。
処理する場所を決める
| 処理する場所 | 向いている場面 | 注意点 |
|---|---|---|
| エッジ（カメラや現場の端末） | リアルタイムの通知、通信回線が細い現場 | 端末の計算能力に合わせて、軽量なモデルを選ぶ必要がある |
| クラウド | 複数拠点の映像をまとめて分析する、重いモデルを使う | 映像の送信に通信量がかかる。映像を社外に出してよいかの確認が要る |
| オンプレミス（社内サーバー） | 映像を社外に出せない、既存の録画システムと連携する | サーバーの調達と保守を自社で担う |
自社の映像で精度を確かめる
カタログに載っている精度は、提供元が用意した映像での結果です。カメラの角度、照明、映り込む人や物の量が違えば、精度は変わります。本格導入の前に、実際の設置環境で撮った映像を使ってPoCを行い、目的に対して十分な精度が出るかを確かめます。PoCの進め方と判断基準はAI開発でのPoCとはで解説しています。
精度を測るには、映像のどこに何が映っているかという正解データが必要です。既製サービスを使う場合でも、評価用の正解データは自社の映像で用意します。
運用しながら精度を保つ
導入後も、カメラの位置の変更、季節による日差しの変化、作業着や製品の切り替えなどで精度が下がることがあります。誤検知や見逃しを記録しておき、一定量がたまったら再学習や設定の見直しに使います。
映像解析サービスを比べるときの観点
既製サービスや開発会社を比べるときは、次の項目を確認します。
- 必要な解析機能（物体検出・動作認識・トラッキングなど）に対応しているか
- 自社の映像で試験できるか。試験の費用と期間はどのくらいか
- 処理する場所（エッジ・クラウド・オンプレミス）を選べるか
- 既存のカメラや録画システムをそのまま使えるか
- 自社の映像で追加学習できるか。学習データは誰が用意するか
- 費用の体系（初期費用、カメラ台数ごとの月額、処理量に応じた課金など）
5. 動画解析を実用化する際の注意点
動画解析を実用化する際には、以下の3点に注意する必要があります。
- 処理データは人の目でもチェックする
- 処理する動画データに適したAIを活用する
- 高品質な動画アノテーションが必要
これらに注意して動画解析を行うことで、効率的かつ正確な分析が可能です。それぞれの注意点について解説します。
処理データは人の目でもチェックする
動画解析において、AIが自動でデータを処理することは非常に便利ですが、処理データをうのみにすることは避けるべきです。AIの解析結果には誤検出や見逃しが含まれる可能性があり、人の目でチェックすることも必要になります。
店舗の防犯カメラの映像解析を例にしてみましょう。人間には癖やルーティンがあり、間違ってAIが異常行動と検知してしまう可能性があります。そのため、最終的にその人が怪しいかどうかは、人間が判断する必要があります。
このように、AIと人間による二重チェック体制にすることで、動画解析の誤検出や見逃しを防ぐことができます。あくまで解析結果は参考程度に留めて、最終的な判断は人間が行うようにしましょう。
処理する動画データに適したAIを選ぶ
動画解析を効果的に行うためには、処理する動画データに適した動画解析AIやソフトを活用することが重要です。動画の種類や解析の目的によって、最適なAIは異なります。そのため、適切なAIを活用することで動画解析の精度と効率を高めることが可能です。
例えば、高解像度の映像を解析する場合には、処理能力が高いAIを活用する必要があります。リアルタイムでの動画解析には、エッジ処理などが可能な処理速度が速いAIが必要です。また、顔認識や動作検出など特定の解析機能が必要な場合は、それらの目的に特化したAIを選びましょう。
高品質な動画アノテーションが必要
動画解析の精度を高めるためには、高品質な動画アノテーションが不可欠です。動画アノテーションとは、動画データ内の特定のオブジェクトや動作にラベルを付ける作業を指します。動画アノテーションによりAIモデルがデータセットから正確に学習し、解析精度を高めることが可能です。
監視カメラの映像で人物を識別する場合、人物の顔や体の部分に正確なラベルを付けて解析する必要があります。その際に動画アノテーションの精度が高くないと、AIモデルが学習を誤り、解析結果の精度を低下させる要因になります。
動画アノテーションの品質を確保するには、同じ条件でさまざまなデータセットをアノテーションすることが必要です。これによって一貫性のある動画解析が行われ、解析精度を高めることができます。同じ条件をそろえる手段がガイドラインで、書き方はアノテーションガイドラインの作り方にまとめています。
動画のアノテーションは、対象物の動きを追う分だけ静止画より単価が上がります。動画のバウンディングボックスで対象物1つ100円〜という目安や、本数・長さから見積もりを積み上げる手順はアノテーション費用の内訳と相場で解説しています。
6. まとめ
動画解析（映像解析）は、映像から物体や人物の動作を検出し、業務に使える情報として取り出す技術です。製造や物流、農業といった人手不足が深刻な業界で導入が進んでいます。導入するときは、目的と判定対象を具体的にしたうえで、既製サービスか個別開発か、どこで処理するかを決め、自社の映像で精度を確かめてから本格導入に進みます。
動画解析技術を導入している場合は、動画アノテーションの品質を高めましょう。とはいえアノテーションの改善・品質維持には専門的な知識が必要になるため、アノテーションを専門とする会社に外注するのがおすすめです。外注と内製のどちらが合うかの判断軸と外注先の選び方はアノテーションの外注と内製はどう選ぶ？で整理しています。
