犯罪発生を直前に予知する犯行予測型超次世代知的防犯カメラシステム
Project/Area Number |
20H02400
|
Research Category |
Grant-in-Aid for Scientific Research (B)
|
Allocation Type | Single-year Grants |
Section | 一般 |
Review Section |
Basic Section 25020:Safety engineering-related
|
Research Institution | University of the Ryukyus |
Principal Investigator |
長山 格 琉球大学, 工学部, 教授 (80274885)
|
Project Period (FY) |
2020-04-01 – 2024-03-31
|
Project Status |
Granted (Fiscal Year 2023)
|
Budget Amount *help |
¥17,810,000 (Direct Cost: ¥13,700,000、Indirect Cost: ¥4,110,000)
Fiscal Year 2023: ¥2,470,000 (Direct Cost: ¥1,900,000、Indirect Cost: ¥570,000)
Fiscal Year 2022: ¥3,380,000 (Direct Cost: ¥2,600,000、Indirect Cost: ¥780,000)
Fiscal Year 2021: ¥3,640,000 (Direct Cost: ¥2,800,000、Indirect Cost: ¥840,000)
Fiscal Year 2020: ¥8,320,000 (Direct Cost: ¥6,400,000、Indirect Cost: ¥1,920,000)
|
Keywords | 画像処理 / 防犯カメラ / 機械学習 / モーション解析 / ひったくり / 人工知能 / 予測システム / 挙動推定 / 社会安全システム / 深層学習 / 映像処理 / 安全システム |
Outline of Research at the Start |
「ひったくり」や「拉致誘拐」は高齢者・女性・障碍者・児童など、いわゆる社会的弱者が被害者となりやすい悪質な犯罪行為である。ところが、これらの犯罪に対する有効な対策やシステムはほとんど存在せず、もっぱら自衛に努めるしかないのが現状である。 これに対して、本研究では犯行直前の防犯カメラ映像を利用してモーション予測を行い、犯行発生を予測・予知するとともに実行直前に警報アラームを発することにより、犯行阻止と被害防止に結びつく犯行予測型超次世代知的防犯カメラシステム(PASCAS)の研究・開発を行う。これにより、従来の防犯カメラや安全対策に関する限界・現状を一変させるブレイクスルーを達成する。
|
Outline of Annual Research Achievements |
本研究では,ひったくり等の街頭犯罪の発生をその発生直前に予測検知する超次世代型知的防犯カメラの研究開発を行う.一般に,ほとんどのひったくり事件の場合において犯人はバイク、徒歩、自転車、自動車などを使用して被害者の背後から接近し、油断している被害者の不意を突いて鞄・バッグ等の所有物を奪取し て逃走するという犯行形態を示す。このとき、もし、防犯カメラ映像における直近の挙動に基づいて犯行の発生をAI・機械学習技術で予知・予測し、犯行発生直前に大音量警報アラームを発することにより、被害者が鞄・バッグ等を守る&防御する等の対応をとっさに取れば、鞄・バッグ等を奪取され難い状況を作りだすとともに、大音量警報アラームによる威嚇効果を犯人に与え、結果的に犯行を防ぐことにつながると期待される。 そのため,本年度は前年度までに収集した実験データおよび過去の知的防犯カメラ研究で収集した実験データ等を用いて、人間のモーション予測を実現するシステムの構築と高速処理アルゴリズムの開発を行った。すなわち,機械学習・深層学習を実行する高速計算サーバの整備と開発環境の構築を行うとともに、異なる複数の深層学習アーキテクチャと機械学習システムを組み合わせた挙動予測システムの実装と学習実験を行い、いくつかの成果を電気学会研究会等で発表した。 また、一部の実験や機材調達がコロナ禍で実施できなかったことから,繰越金によりFPGAシステムを部分的に購入して開発環境の構築と整備を行い、機械学習・深層学習システムのFPGA実装を進めるとともに成果の一部を電気学会研究会等で発表した。 さらに,防犯カメラにおいて重要なオクルージョン問題の解決方法を模索し、従来と全く異なるアプローチでの解決を試みることを検討した。その結果、深層学習に基づく生成AIシステムを利用した全身像推定手法を考案し、そのアルゴリズム実装と性能検証を行った。
|
Current Status of Research Progress |
Current Status of Research Progress
3: Progress in research has been slightly delayed.
Reason
コロナ禍により一部機材が入手できない等の不測の事態が起きたため、予定していた実験、開発、調査ができなかった。そのため、翌年度以降に機材手配、実験再開などをおこなったことから、やや遅れていると判断した。なお、予測実験およびアルゴリズム開発に必要なデータ収集はできていることから、ほぼ予定通りに最も重要な予測実験およびアルゴリズム開発を実施しており、遅れを最小限に食い止めている。
|
Strategy for Future Research Activity |
挙動予測推定を高精度化するための機械学習アーキテクチャを模索し、試行を重ねる。このとき、予測誤差の大きい四肢部分と骨格情報の誤差を最小化する最適化アルゴリズムを組み込むとともに複合ネットワークを構築して精度向上を図る。また、全体的な防犯カメラ性能を向上させるための領域検出精度を改善する。特に、遮蔽やオクルージョンによって人物検出に失敗する例があることから、前処理プロセスの改善と新しい人物領域検出アルゴリズム開発に取り組む。また、これらの処理を高速化するシステム設計とテストを検討する。
|
Report
(2 results)
Research Products
(6 results)