背景・課題
従来のエントランス監視システムでは、入館者数や要注意イベントの把握、リアルタイムな状況分析が困難という課題がありました。これらを解決するため、Microsoft AI Co-Innovation Lab KOBEでSprint開発を実施し、AzureのAIコンテンツを活用した新たなエントランス監視システムの構築に取り組みました。
Microsoft AI Co-Innovation Lab KOBEでの取り組み
Microsoft AI Co-Innovation Lab KOBEでは、Azureの各サービスについての説明やAzureのAIサービスの検証と比較を行いました。その後、以下のような開発プロセスを進めました。
・Azureリソース(Web App Service, Cosmos DB, Blob Storageなど)の設計と構築
・Azure AI Content Understandingを活用した入館者分析
・Streamlitを活用したフロントエンド開発
・Azure Open AIを活用したフロントエンドから任意のプロンプトで分析を行うための構築
構築したアーキテクチャ
成果
1. 監視ダッシュボード
Streamlitを活用したWebアプリケーションにより、前日のエントランスの状況を可視化できるダッシュボードを構築しました。
主な機能
・入館者数の自動カウントと時系列グラフの表示
・男女比率の分析と可視化
・前日比較による傾向分析
・感情分析の検知と可視化
・カメラを見ている割合の測定
2. AIを活用した動画解析
Azure AI Content Understandingを活用し、エントランスに設置したカメラ映像を解析する仕組みを実現しました。
検知可能な項目
・人数や性別
・行動パターン(自動ドアの通過や共連れ、滞留など)
・感情状態(表情分析)
・カメラへの視線
解析結果の例：
”behaviorClassification”: “Tagging along”,
”emotionClassification”: “Neutral”,
”entryCount”: 2,
”maleEntryCount”: 1,
”femaleEntryCount”: 1,
”cameraLookingCount”: 0,
”description”: “Multiple people enter the building in succession, including a male and a
female.”
3. 柔軟な分析機能
Azure Open AIを統合することで、事前定義されたメトリクス以外にも、ユーザーが任意のプロンプトで独自の分析を実行できる柔軟な仕組みを構築しました。
4. スケーラブルなクラウド基盤
Azure上でフルマネージドな運用環境を構築し、保守性と拡張性を確保しました。
採用したAzureリソース
・Azure App Service(Webアプリケーションホスティング)
・Azure Cosmos DB(分析結果の保管)
・Azure Blob Storage(動画データの保管)
・Azure Functions(実行処理)
・Azure Event Hub(定期的なイベント発行)
・Azure AI Content Understanding(動画解析)
・Azure Open AI Service(自然言語処理、分析)
まとめ
Microsoft AI Co-Innovation Lab KOBEでのSprint開発で技術的レクチャーをしていただき、AIを活用したエントランス監視システムの構築を実現できました。
