2019年12月12日に実施された「今日から使える！顧客、従業員の行動を可視化するSmart Store カメラリファレンスアーキテクチャー」の資料です。 AWL株式会社 取締役 CTO 土田安紘氏

1. カメラリファレンスアーキテクチャ
ご紹介
2019/12/12

2. 2 © 2019 AWL, Inc.
会社名 AWL株式会社
設立 2016年6月
代表取締役社長 北出 宗治
上級技術顧問 川村 秀憲（北海道大学 教授）
株主 経営陣、ファウンダー、サツドラHD（東証一部上場）
社員数（連結） 38名（2019年10月1日時点）
アルバイト（連結） 30名（2019年10月1日時点）
所在地
■本社<東京オフィス>
東京都千代田区九段北1-12-4 徳海屋ビル6F
■開発拠点＜札幌オフィス（AI HOKKAIDO LAB）＞
北海道札幌市北区北21条西12丁目2 北大ビジネススプリング105
■研究開発子会社 <ベトナム・ハノイ（AWL Vietnam Co., Ltd）>
会社概要

3. 3 © 2019 AWL, Inc.
小売現場の課題
万引き
映像
チェック
不正作業
人手不足
生産性の低さ
店舗導線分析
棚割策定
欠品補充
検品
効果検証 顧客分析
商品企画
リテールストアチェーン（国内５５万店舗）の事業継続性に関わる課題
チェーンストア（国内55万店舗）
AI活用等によるオペレーション改善急務
店舗のメディア化、OMO対応の要望強い
次世代店舗として期待大
世界の市場規模7兆円
コンビニ3社全店導入進行中
深夜早朝無人店舗
無人店舗
今後のサステナブルなリテール事業拡大には、AI等活用による課題解決が不可欠

4. 4 © 2019 AWL, Inc.
一括
対応
AWL Suite低
コスト
データ
一元
管理
AWL Suite ～リテール課題解決のためのAIソリューション～
小売現場の課題
万引き
映像
チェック
不正作業
人手不足
生産性の低さ
店舗導線分析
棚割策定
欠品補充
検品
効果検証 顧客分析
商品企画

5. 5 © 2019 AWL, Inc.

6. 6 © 2019 AWL, Inc.
設置構成例
• バックオフィスにAWLBOX(映像分析ボックス)を接続するだけ！
既存のカメラをそのまま利用※して、画像認識・行動分析が可能です。
• 行動分析結果は、マーケティングや防犯等様々な用途に活用できます。
AWLのAIソリューション
ある人物が、店内に
現れてから、いなくなるまでの
行動をデータ化
・来店から退店までのルート
・お客様属性(性別、年齢)
・店員/非店員分類
・各売場での行動詳細
店内の人物に
関する詳細情報
[{
ID: “12345678”
年齢: “20+”, 性別: “男性”,
行動: [
{ 場所: “入店”,
時刻: 13:01:01,
滞在時刻: 10秒 },
{ 場所: “コスメ”,
時刻: 13:01:30,
滞在時刻: 25秒 },
{ 場所: “レジ”,
時刻: 13:03:12,
滞在時刻: 72秒 } ]
}]
個人情報は
残さず、
属性を分類
した人物の
詳細行動を
データ化

7. 7 © 2019 AWL, Inc.
AWLBOXの特徴 - 低コスト・高信頼性のエッジ型映像蓄積・分析デバイス -
８個のDNNチップと24コア
Cortex-A53 SoCで並列・高速
映像処理
小型・低消費電力・大容量
AWLVMSで映像蓄積
ﾏﾙﾁﾃﾞﾊﾞｲｽ・ｸﾗｳﾄﾞ閲覧可能
サイズ 20cm x 20cm x 4.3cm
消費電力 30W
ストレージ HDD:2TB eMMC:32GB
メモリ 16GB
OS Ubuntu / Debian
車載品質のDNNチップ・SoC・基板設計により高信頼・耐久性運用が可能なエッジ型映像蓄積・推論デバイス
10カメラ分(24H録画なら2週間程度)映像の蓄積と、ディープラーニングベースの画像認識モデルによる認識処理
(10カメラ・5FPS)、Azure IoTによるクラウドからの機器・モデルの簡易・強力な管理が可能
人物・顔検出
性・年齢推定
人物追跡
ディープラーニング
ベースの
画像認識モデル
SOCIONEXT製SoC
24core(1GHz)で
高速・並列映像処理
GyrFalcon製DNNﾁｯﾌﾟ
2.8TOPS@0.3Wの
超高速・低消費電力な
DNN画像処理
◼ 6408種類(391ﾒｰｶ)のIPカメラに対応
◼ セキュア（ｱｳﾄﾊﾞｳﾝﾄﾞのみのｲﾝﾀｰﾈｯﾄ
接続）で便利（ｸﾗｳﾄﾞ経由・ｽﾏﾎ含む
各種デバイス）な蓄積映像閲覧
客・店員分類

8. 8 © 2019 AWL, Inc.
SMB向け スマホアプリAIカメラソリューション
AWLが開発した高精度な人物・顔検出等のDNNモデルを搭載したスマートフォンアプリ。
小規模店舗や期間限定のイベントなどで、手軽に設置、少額利用が可能。特別な知識が無くても簡単に・高精度の認識が可能な
位置・角度での設置をサポートするインストラクション機能を搭載。
人物・顔検出
性・年齢推定 人物追跡
AWL開発の高精度
DNNモデル搭載空席検出
来店者属性推定
人数カウント
滞在時間
空席検出 もう少し下に
傾けてください
現在
最適
AIカメラによる高精度な画像認識には、精密な設置場
所・角度調整が必要→専門スタッフの派遣が必要な為
設置コスト大
特別な知識不要、誰でも設置位置・角度調整ができる
AWLのインストラクション技術により
低コスト導入が可能

9. 9 © 2019 AWL, Inc.
⚫ 各種グラフ表示
（年齢・性別で絞り込み表示可能）
⚫ CSV出力機能
⚫ グラフ保存機能
（応用事例１）マーケティング ー来客属性分析ー
時間別の来客推移１
性別比表示 年齢比表示
数値表示 男女別の年齢構成表示
1日の総数表示機能２
1日の
滞留時間分布
1時間単位の
滞留時間の推移
1時間単位の
滞留時間と年齢分布の推移
滞留時間表示機能３
性別分布／実数表示 性別分布／割合表示
年齢分布／実数表示 年齢分布／割合表示

10. 10 © 2019 AWL, Inc.
売上到達率 × 購買率 の表示
誘因率の表示
複数カメラから解析した情報を
店内マップにマッピングして表
示
POS情報と連動した表示
A-B比較
(※) 画面・機能は、予告無く変更する可能性があります。
マッピング表示
（応用事例２）マーケティング ー店舗内導線分析ー

11. 11 © 2019 AWL, Inc.
AIによる顔認識技術により、来店客の属性を取得します。
また、商品棚前での立ち止まり時間やその人数をカウントします。
・・・ ・・・
立ち止まり
立ち止まり時間・人数
をカウント
来店客の属性を取得
(性別・年代)
女性（30代）
（応用事例３）マーケティング ー棚前立ち止まり状況分析ー

12. 12 © 2019 AWL, Inc.
AIによる姿勢検知技術と事前に登録された商品棚情報により、
来店客がどの商品に触れたかを解析します。
どの商品に触れたか
を解析 商品マッチング
商品A
商品B
商品の画像は、https://www.yodobashi.com/product/100000001003506447/、https://www.yodobashi.com/product/100000001002930009/、https://www.yodobashi.com/product/100000001001673739/、
https://www.yodobashi.com/product/100000001001673752/、https://www.yodobashi.com/product/100000001001673742/、https://www.yodobashi.com/product/100000001001664988/、
https://www.yodobashi.com/product/100000001002929990/による。
（応用事例４）マーケティング ー商品への接触分析ー

13. 13 © 2019 AWL, Inc.
【お声掛け対象】
メイクＢコーナー
60代女性
AIカメラで店内状況を可視化。
お困りの様子のお客様を見つけ、店員にアラートで通知します。
（応用事例５）販売支援 －お困りごとアラートー

14. 14 © 2019 AWL, Inc.
Recommend
For you！
Lined up new colors!
20代 女性
AIカメラの顔認識機能で、
お客様の年齢・性別を識別。
判別されたお客様情報に沿った
レコメンド商品の広告を自動で表示します。
（応用事例６）販売支援 －来店者に合わせた情報提供（サイネージ連携）ー

15. 15 © 2019 AWL, Inc.
(エビデンス資料として保存）
② 検索・マルチデバイス
録画内容の検索やダイジェスト版の自動作成で、必要なシー
ンを簡単にチェック可能。また本社PCやタブレットなどの
閲覧に対応し、場所に縛られず確認できます。
① 一般的な録画機能
③行動認識・不審者登録
顔認証や行動特定により不審者を予測し、
犯罪リスクに繋がる可能性のある人物を特
定し、アラートを通知します。
不審行動をリアルタイムで
本部・店舗ユーザ様の
ポータブル端末へ通知可能。
（応用事例７）万引き抑止

16. © 2019 AWL, Inc.
Smart Store
カメラリファレンスアーキテクチャ

17. 17 © 2019 AWL, Inc.
カメラリファレンスアーキテクチャとは
◼ AWLBOX同様のDNNベースの画像認識によるカメラ映像処理が可能なオープンソースのAIカメラリファレンス
◼ AIカメラでどのようなことができるのか試してみたい、どのような技術で構成されているのかが知りたい、場合に最適
◼ 本格的なビジネス導入に向けては、AWLBOXへ

18. 18 © 2019 AWL, Inc.
カメラリファレンスアーキテクチャ 概要
Azure IoT Edge Runtime
人物検出 ﾄﾗｯｷﾝｸﾞ
顔検出
性・年齢
推定
防犯カメラ
映像
Cosmos
DB
画像認識結果を
ダッシュボード表示
IoT Hub
画像認識モジュールの
デプロイ・実行制御
◼ ディープラーニングベースの画像認識エンジンにより、防犯カメラ映像を分析可能なエッジデバイスです。本リファレン
スアーキテクチャでは、エッジ用の高速推論チップを活用することで、高速・高精度な人物検出、人物トラッキング、顔
検出、顔からの性別・年齢推定を実現しています。
◼ エッジデバイスでの画像認識結果は、Cosmos DBに格納されます。当該格納されたデータは、ダッシュボード上にて人
流分析や客層分析結果として表示が可能です。
◼ エッジデバイス上で動作する画像認識モジュールは、Azure IoT Hubを利用して、デプロイ・実行・停止の制御が可能で
す。例えば本アーキテクチャの画像認識モジュールをリプレースすることで、商品認識等、別用途の分析も可能です。

19. 19 © 2019 AWL, Inc.
全体構成
Container
registry
コンテナ管理
ソフトウェアランタイム環境
Raspberry Pi 3B+
カメラ
高速推論
チップ
Azure IoT Edge Runtime
ビデオ管理
モジュール
推論チップ管理
モジュール
Docker
画像認識モジュール
ハードウェア
Stream
Analytics
データ中継
Cosmos
DB
データ保存
Container
instances
サーバデプロイ
IoT Hub
モジュール管理

20. 20 © 2019 AWL, Inc.
ハードウェアについて
◼ エッジデバイスの全て市販のハードウェアで構成されています。このため、誰でも安価かつ簡単に購入・作成可能です
◼ 安価なRaspberry Pi 3B+ をベースにしています。
◼ Raspberry Pi カメラモジュールV2にて、エッジデバイスに映像を入力可能です。
◼ 市販のエッジ用高速推論チップ（Movidius NCS2）を利用した、高速なCNN（畳み込みニューラルネットワーク）
ベースの人物検出が可能です。
エッジデバイス内容物

21. 21 © 2019 AWL, Inc.
DNNモデルについて
OpenVINO™ Toolkit Pre-Trained Modelsより取得した下記のモデルを利用しています
◼ 人物検出
person-detection-retail-0013-fp16.bin
◼ 顔検出
face-detection-adas-0001.bin
◼ 顔画像からの性・年齢推定
age-gender-recognition-retail-0013-fp16.bin
２３歳
女性
人物検出 ﾄﾗｯｷﾝｸﾞ
顔検出
性・年齢
推定
防犯カメラ
映像

22. 22 © 2019 AWL, Inc.
画像認識モジュールの推定結果を利用して「できること」
10:23:00 id=1 検出(入場)
> 23歳、女性
10:23:01 id=1 検出
・・・
10:23:15 id=1 未検出(退場)
人物検出 ﾄﾗｯｷﾝｸﾞ
顔検出
性・年齢
推定
モジュールが生成するデータ
Cosmos
DB
ダッシュボード表示 お困りごとアラート 客層に合わせたサイネージ

23. 23 © 2019 AWL, Inc.
OpenVINOの学習済みモデルを利用すれば様々な用途への応用可能

24. 24 © 2019 AWL, Inc.
試してみよう！
https://github.com/intelligent-retail/smart-camera
■カメラリファレンスアーキテクチャ
■OpenVINO™ Toolkit Pre-Trained Models
http://docs.openvinotoolkit.org/2019_R1/_docs_Pre_Tr
ained_Models.html

25. 25 © 2019 AWL, Inc.
試してみよう！
まずは
エッジ

26. 26 © 2019 AWL, Inc.
試してみよう！
次に
Azure

27. 27 © 2019 AWL, Inc.
構成案
1. カメラを設置
2. IEEE802.3at対応のPoE給電型ハブを設置、LANケーブルでカメラと接続する
（PoE給電可能なポートに接続）
3. PCのブラウザ等でローカルサイネージ等のページ表示（ディスプレイ接続）
PoEハブ
※カメラは給電可能
ポートへ
HDMI
LANケーブル
ルーター
ローカル
サイネージ連携等を
する場合
（ローカルサイネージ連携等をする場合）

28. © 2019 AWL, Inc.
簡易デモ

29. 29 © 2019 AWL, Inc.
デモ（構成案） ※本ページはプレゼンテーションには含まれません
• 最小構成で、リアルタイム認識結果重畳表示
• エッジ側を「デバッグモード」として、エッジでの認識結果を映像した映像
をローカルネット内の端末へ送信可能
• 本映像を受信し表示するクライアントをPCに搭載することで、下記のような
リアルタイム認識結果重畳映像を表示する
PoEハブ
※カメラは給電可能
ポートへ
HDMI
LANケーブル
土田のPC

30. © 2019 AWL, Inc.
Thank you