1.
GPUいらずの高速動画異常検知
2019/4/5 LT会
馬場峻司

2.
CONFIDENTIAL © Core Concept Technologies Inc.
０．アジェンダ
2
1. 自己紹介
2. 動画解析とは
3. 動画解析の期待と課題
4. 提案手法紹介
5. 活用事例
6. まとめ

3.
CONFIDENTIAL © Core Concept Technologies Inc. 3
IoT/AIソリューション事業部 エンジニア 馬場峻司
経歴：
2014年 3月 理学系大学院卒業
～ 2017年 9月 某生命保険系SIer企業卒業
～ 2017年 10月 ハンググライダーのインストラクターになる
～ 2018年 5月 CCT入社
現在の業務：
行列計算やPythonと日々格闘しながらエンジニアとして業務にあたる
最近は画面開発や窓口業務も拡大中
１．自己紹介

4.
CONFIDENTIAL © Core Concept Technologies Inc. 4
２．動画解析とは
• 動画解析とは
カメラで撮影された動画を用いた解析を経て有用な
情報を抽出すること
ＤＮＮ（ディープラーニング）を用いた手法が主流
例１）稼働監視
撮影している機械が稼働中か否かを判定
稼働率や作業効率を定量化する
例２）異常検知
動画をもとに期待される動作からの乖離を
数値化し、期待していない動作や事象を検知する

5.
CONFIDENTIAL © Core Concept Technologies Inc. 5
３．動画解析の期待と課題
• 期待
様々な現場に使用できるかもれない
人間のような高度な判断を任せられるかもしれない
• 課題
計算リソースが膨大になる
→初期費用がかかる
GPUサーバー：100万～
学習に大量のデータ、専門知識が必要
→汎用性に欠ける
保守費用がかかる
まずは手軽に
試したい……

6.
CONFIDENTIAL © Core Concept Technologies Inc. 6
４．提案手法
• 必要なもの
ＰＣ、カメラ、正常動作を網羅した動画
パラメータ
• 仕組み
1. 正常動画の学習
正常動画を用いて動画のピクセル毎に異常検知器を
作成。異常検知器にはＫ－近傍法を用いている。
2. 異常フレームの検知
フレーム毎に外れ値を判定し異常ピクセルを黒くする。
黒ピクセルの割合で異常度を計算する。正常動画と
比較し大きく異なる動きをとると黒く表示される。
Ｋ－近傍法イメージ

7.
CONFIDENTIAL © Core Concept Technologies Inc. 7
４．提案手法
• 実験
２つの動作をするロボットアームを用意し
動画Ａを正常動作、動画Ｂを異常動作と仮定。
動画Ａを学習し動画Ｂを解析する。
動画Ａ：正常 動画Ｂ：異常

8.
CONFIDENTIAL © Core Concept Technologies Inc. 8
４．提案手法
• 実験結果
動画Ａにない動きの部分
のみ黒ピクセルとして
表示出来ている。
動画Ａ：正常 動画Ｂ：異常

9.
CONFIDENTIAL © Core Concept Technologies Inc. 9
５．活用例
活用例１
• 耐久試験中の異常動作監視
反復動作する機器の異常を監視！！
活用例２
• 製品の品質定量化
回転加工中に製品がごくわずかなゆがみを定量化！！

10.
CONFIDENTIAL © Core Concept Technologies Inc. 10
６．まとめ
提案手法の特徴まとめ
• 家庭用ノートＰＣでも高速な動画解析が可能
• 少ない学習データ、簡単な設定で学習が可能
• 異常個所が定量的、視覚的にとらえられる為、ＤＮＮにありがちな
ブラックボックスな部分がない
• 効果的な適応条件は以下の通り
監視対象が反復動作を行っていること
画角を変えず定点で撮影可能なこと
異常動作では正常動作にない動きをすること

11.
CONFIDENTIAL © Core Concept Technologies Inc. 11
宣伝
画像センシングシンポジウムＳＳＩＩ２０１９に採録！
※http://ssii.jp/ssii/index.html
提案手法は学術的にもご評価いただいております！
ご検討の際は、実際に現場でデモさせていただきます！！

12.
CONFIDENTIAL © Core Concept Technologies Inc. 13
補足
実験で用いた動画の詳細は以下の通り
解像度：約380x220
フレームレート：30fps
解析にかかった時間は動画1フレームの解析で約0.002秒！