プロジェクトの背景
倉庫、生産エリア、安全区域といった立入制限区域の管理は、現在多くの場合、常駐の警備員またはインシデント発生後のカメラ映像確認に依存しています。いずれの方法も発見が遅れます。気づいた時にはすでに人が中に入ってしまっています。VAONは、既存のカメラを活用し、人が立入禁止区域に入った瞬間を検知してアラートを発報するPoCを構築しました。後から映像を確認するのではなく、発生した瞬間に対応します。
課題
侵入は発生した瞬間ではなく、事後に発覚する
従来の監視カメラは録画を継続しますが、自ら警告を発することはありません。インシデントは誰かが能動的に映像を確認して初めて発覚し、多くの場合、被害がすでに発生した後であり、防げるタイミングではありません。
立入禁止区域は、説明文ではなく座標として定義する必要がある
「機械周辺への立入禁止」は人向けの指示であり、システム向けではありません。カメラのフレーム上に具体的な幾何学的領域として立入禁止区域を定義することで、システムは人がフレーム内のどこかに現れただけでなく、実際にその区域に入ったことを正確に把握できます。
検出の信頼度は距離とカメラアングルによって変化する
近くにいて、後ろ向きで、照明が十分であれば検出信頼度は高くなります。同じ人物でも距離が離れ、フレームから一部外れると信頼度は明確に低下します。アラートシステムは、あらゆる距離に一律の閾値を適用するのではなく、この変化を織り込んで設計する必要があります。
VAONのソリューション
事前学習済みの物体検出モデル（人物と車両という一般的な2つのクラスを認識）を使用し、設置場所ごとの追加学習を不要としました。
お客様ごとにカスタムモデルを学習させる代わりにこの方式を選びました。人物・車両検出は汎用モデルですでによく解決されている課題であり、カスタム学習が投資に見合うのは特殊な課題（VAONの別事例である家畜のカウントなど）に限られます。ここで独自モデルを構築すると、価値を高めることなく導入期間だけを延ばす結果になります。
立入禁止区域をフレーム上のポリゴン座標として定義し、検出した各人物の中心点をフレームごとに照合しました。区域と交差した瞬間、システムは直ちにアラート状態へ切り替わり、画面上に明確に表示されます。
デモ映像で直接検証しました。近距離かつ十分な照明下では88〜93%の信頼度で人物を検出し、遠距離でフレームから一部外れる状況では55〜57%まで低下します。見栄えを良くするために丸めていない、実際の数値です。立入禁止区域に人が越境した正確なフレームで、アラートが同時に発報されることを確認しています。
検証で終わらせず、そのまま運用製品として引き渡せる設計としました。時間帯別に検索可能なダッシュボード、アラート発生時点のスナップショット記録、Zalo/Telegramへの即時通知など、現場の運用チームが実際に求める形（モニター前に張り付くのではなく、スマートフォンで受け取る）に合わせています。
公開範囲を正確に記載します。上記の数値はすべて、人物検出シナリオのデモ映像から直接検証したものです。車両検出は同一アーキテクチャで対応可能ですが本デモには収録されていません。時間帯別ダッシュボードとZalo/Telegram通知チャネルは設計として確定済みで、別途デモが必要です。また、遠距離または照明が不十分な場合、信頼度は55〜57%まで低下するため、監視エリア全体でカメラ設置位置の検討が必要です。
提供価値
良好な観測条件下で人物検出信頼度88〜93%
近距離かつ十分な照明下では、システムは88〜93%の検出信頼度を達成しています。当初の実現可能性評価（十分な照明またはIR環境下で約95%以上）と整合する結果です。数値はデモ映像上のラベル表示から直接記録したものです。
侵入した正確なフレームでアラートが発報される
人が立入禁止区域に越境した瞬間、インターフェースは即座に状態を切り替えます。検出枠の色が変化し、「侵入アラート」のバナーが直ちに表示されます。これは録画後のバッチ処理による結果ではなく、リアルタイムのアラートです。
カスタム学習不要で、既存カメラへ迅速に導入
汎用の検出モデルを使用しているため、設置場所ごとのデータ収集・ラベル付けを行わずに、既存のカメラアングル上でそのまま動作します。着手から結果が見えるまでの期間を大幅に短縮できます。
テクノロジースタック
