Diese Präsentation wurde erfolgreich gemeldet.
Wir verwenden Ihre LinkedIn Profilangaben und Informationen zu Ihren Aktivitäten, um Anzeigen zu personalisieren und Ihnen relevantere Inhalte anzuzeigen. Sie können Ihre Anzeigeneinstellungen jederzeit ändern.

Awl introduction and camera ra 121219

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

  • Loggen Sie sich ein, um Kommentare anzuzeigen.

  • Gehören Sie zu den Ersten, denen das gefällt!

Awl introduction and camera ra 121219

  1. 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. 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. 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. 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. 5 © 2019 AWL, Inc.
  6. 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. 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 マルチデバイス・クラウド閲覧可能 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チップ 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(アウトバウンドのみのインターネット 接続)で便利(クラウド経由・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. 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. 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. 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. 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. 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. 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. 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. 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. 16. © 2019 AWL, Inc. Smart Store カメラリファレンスアーキテクチャ
  17. 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. 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 トラッキング 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. 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. 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. 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 トラッキング 顔検出 性・年齢 推定 防犯カメラ 映像
  22. 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 トラッキング 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. 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. 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. 25 © 2019 AWL, Inc. 試してみよう! まずは エッジ
  26. 26. 26 © 2019 AWL, Inc. 試してみよう! 次に Azure
  27. 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. 28. © 2019 AWL, Inc. 簡易デモ
  29. 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. 30. © 2019 AWL, Inc. Thank you

×