【人の移動の把握】
バスの乗降客数の計測（判定精度実績90%※１）
【同一人物の特定】
乗客ごとの乗降バス停の判定
【人の属性の判定】
乗客の属性判定（判定精度実績90%※２）
※１※２ 判定精度は、人の目視による判定結果を正とした場合の精度
人流分析 技術紹介
People-Flow Analysis
「人流分析」は、カメラ映像より、
【人の移動の把握】
【人の属性の判定】
【同一人物の特定】
を行います。
特徴
- 顔認証を使わず、人物画像全体を使うので、個人情報を扱いません。（顔部分はモザイクをかけます）
- 【人の属性の判定】は、対象場面や分析内容に合う属性を定義し、学習モデルを作成し、判定精度90%以上の実績を出しています。（汎用モデルを使う場合は精度50%程度）
※人の属性の判定精度は、人の目視による判定結果を正とした場合の精度 - 【人の移動の把握】では、通信や保管のデータ量を減らすため、最小4fpsでトラッキングを可能にしました（データ量は通常（15-30fps）の約1/4）
- 【人の移動の把握】と【人の属性の判定】を組み合わせて分析します。
バスの乗降分析の例
機能の概要
分析結果の例
- 属性毎の利用者数
- バス停毎、年代毎の利用者数など
- 土日祝の利用者と平日の利用者属性の違い、利用バス停の違い
- ショッピングモールバス停で降車する利用者はどこから乗るのか
システム構成例
駅での人流分析の例
機能の概要
【人の移動の把握】
コンコース利用客の移動の把握（コンコースのどこから来てどこへ行った）
（判定精度実績90%※１）
【人の属性の判定】
コンコース利用客の人物属性の判定
※１ 判定精度は、人の目視による判定結果を正とした場合の精度
分析結果の例
- コンコース通過者数と鉄道利用者数の時間推移
- 鉄道利用者の属性毎の人数の時間推移
システム構成例
イベント会場での人流計測の例
機能の概要
【人の移動の把握】
現在の来場者数
【人の属性の判定】
人物属性毎の人数（ユニフォーム着用スタッフ（青枠）と一般来場者（赤枠）を区別）
分析結果の例
- 時間帯毎のブース滞在者数 （出展スタッフを除く）
システム構成例
その他の例
- 乗り物や施設の混雑度
- 監視カメラの自動分析とアラート
- 商業施設周辺の通行人分析