監視に革命を起こす：AI 搭載の物体検出機能を備えたカメラ

今日の急速に変化する世界では、監視カメラを設置するだけでは十分ではありません。カメラが録画するだけでなく、見たものを理解し、解釈できるとしたらどうでしょうか?

これは未来のビジョンではなく、今起こっていることです。人工知能 (AI) と機械学習を活用することで、リアルタイム ストリーミング プロトコル (RTSP) 対応カメラを強力でインテリジェントな監視システムに変身させることができます。

AI コンピュータービジョンのパワーとシンプルさ

RTSP対応カメラのAIコンピュータビジョンは、ビデオストリームがPython、OpenCV、事前トレーニング済みのデバイス（Raspberry-Piなど）に入力されるとロック解除されます。 COCOデータセット既存の IP カメラが RTSP 対応である場合、以下の手順に従って、OpenCV ライブラリを使用した約 11 行の Python コードでオブジェクト検出用の AI コンピューター ビジョンを追加し、運用効率とセキュリティを向上させることができます。

COCOデータセット

COCO は Common Objects in Context の略で、大規模なオブジェクト検出、セグメンテーション、キャプション作成データセットです。コンピューター ビジョンの研究開発で広く使用されています。COCO データセットの主な特徴は次のとおりです。

• 多様なオブジェクト: COCO には、さまざまなオブジェクトを含む複雑な日常のシーンの画像が含まれており、幅広いコンテキストを提供します。
• 注釈: データセットには、いくつかのタスクに関する広範な注釈が含まれています。
  • 物体検出: 80 を超えるオブジェクト カテゴリの境界ボックスとラベル。
  • セグメンテーション: インスタンス セグメンテーション (個々のオブジェクト インスタンスの詳細なピクセル レベルのアウトライン) とセマンティック セグメンテーション (各オブジェクト カテゴリのピクセル レベルの分類) の両方。
  • キーポイント検出: 姿勢推定のための人間のキーポイント（肘や膝などの関節など）の注釈。
  • 画像キャプション: 画像の説明生成などのタスクをサポートするための画像の説明キャプション。

サイズ: COCO は、250 万を超えるラベル付きインスタンスを含む 200,000 を超えるラベル付き画像で構成されており、コンピューター ビジョン タスクに使用できる最も包括的なデータセットの 1 つとなっています。

アーキテクチャ図

図1: セキュリティカメラからAIコンピュータビジョン処理へ

1. RTSPストリーミング: ほとんどのIPカメラはRTSPを使用してライブビデオをストリーミングできます
2. 処理: RTSPフィードは、COCOデータセット（例：Raspberry-PI）から事前トレーニングされたモデルを備えたOpenCVを実行する外部システムにルーティングされます。
3. 物体検出: この設定により、リアルタイムで識別と分類が可能になります。 よく知られている80のオブジェクト 使用して YOLO (You Only Look Once) オブジェクト検出モデル。
4. 実用的な洞察: 検出されたオブジェクトはアラートをトリガーし、プロセスを自動化し、分析のための貴重なデータを提供できます。

コードスニペット

以下の 11 行の Python コード (例: Raspberry-pi で実行) は、IP カメラの RTSP ストリームを使用して COCO データ セットでオブジェクトを検出するのがいかに簡単かを示しています。

import cv2 import cvlib as cv from cvlib.object_detection import draw_bbox #live カメラフィード (IP カメラからリアルタイム ストリーミング プロトコル (RTSP) 経由) video = cv2.VideoCapture("rtsp://[your rtsp ip address]/live") while True: ret, frame = video.read() bbox, label, conf = cv.detect_common_objects(frame) output_image = draw_bbox(frame, bbox, label, conf) cv2.imshow("Object Detection", output_image) if cv2.waitKey(1) & 0xFF == ord("q"): break

現実世界のアプリケーション

AI とコンピューター ビジョンを RTSP 対応カメラと統合すると、さまざまな可能性が生まれます。

• 強化されたセキュリティ: 不正アクセス、不審なアクティビティ、特定のオブジェクトを自動的に検出し、セキュリティ担当者に即座に警告します。
• 小売業の最適化: 製品とのやり取りを分析することで、顧客の行動を監視し、在庫を管理し、店舗レイアウトを最適化します。
• 交通管理車両と歩行者の流れを分析して、都市計画と交通管理を改善します。
• 産業オートメーション: 特定のオブジェクトや異常を検出することで、製造プロセスを監視し、安全コンプライアンスを監視し、運用効率を向上させます。

AIでIPカメラを強化しましょう

RTSP 対応カメラを OpenCV および YOLO と統合することで、RTSP 対応の IP カメラは AI オブジェクト検出機能によって瞬時にスマートになり、セキュリティと運用効率が向上します。 

著者について

フェリックス Cisco Meraki の APAC セールス エンジニアリング責任者として、世界クラスの熱心なセールス エンジニア チームを率いて、SASE、SD-WAN、セキュリティ、Wi-Fi6、API 駆動型ソリューション、行動分析、ビデオ監視、モバイル デバイス管理 (MDM) ソリューションを使用して顧客のビジネス成果の向上を支援しています。

彼はテクノロジーに情熱を持ち、バランスの取れたチームを構築しながら成長文化を推進しています。

参考文献

1. https://youtu.be/V62M9d8QkYM (素晴らしいチュートリアル)
2. https://github.com/AlexeyAB/darknet/blob/master/cfg/yolov7.cfg (yolo の設定と重みをダウンロード)
3. ソースコード: https://github.com/Kent-Taylor/object-detection/blob/main/main.py

#人工知能 #ai #aiml #ディープラーニング #opencv #物体検出 #コンピュータビジョン #cocoデータセット #mscoco #yolo #rtspカメラ #スマートカメラ #ai#プログラミング #python #機械学習 #ソフトウェア開発