Taiwan

Displaying present location in the site.

全球首創「群眾行為解析技術」！在群眾影像中偵測擁擠狀況及異常情況

宮野
比方說，在三田小姐看著有許多人的畫面時，如果被問到：「畫面中約有多少人？」，妳不會一個一個去數，卻可以大略回答出人數。我們可以請機器為我們進行類似這樣的動作。
三田
能不能再具體一點？
宮野
首先我們來看一下這張投影片(從電腦中叫出投影片)。
三田
這是監控攝影機所拍到的影像嗎？
宮野
這是我們找了一些臨時演員所拍攝的影像，就當作是監控攝影機所拍到模擬畫面。接著，您可以從下一張投影片看到，我們將拍攝到的人群影像，大致區分為以下幾個方塊(展示出下一張投影片)。
三田
在同樣的監控攝影機影像中，我看到了許多個並排的綠色小方格。
宮野
每個綠色的方格會被當作一個「區塊」來分析(請看下一張投影片)。
三田
哇！右邊的「模擬畫面」已經產生出一張群眾的影像！
宮野
事實上，我們事先已經拍好「5個人」、「3個人」或是更多人數的群眾影像，這就是您看到的右邊的群眾影像。比方說，以5個人來說，人群交錯重疊的方式包含許多種不同的類型，電腦在辨識時，會將交錯重疊的方式視為「模式」，並且記住不同人數的群眾影像。當系統在分析監控攝影機所拍攝到的影像時，就會將某個人數的「群眾影像」與監控攝影機上看到的「區塊」互相比較，例如要推測人數時，就會根據「這個區塊和5個人的群眾影像很相近，所以應該是5個人」、或是「這個區塊和3個人的群眾影像相似度很高，所以應該是3個人」的判斷邏輯來推論，以便掌握整體群眾的狀況。
三田
原來如此，經過您的解釋，我愈來愈了解這個技術的架構了。人群交錯重疊的方式應該也有很多種類型，像是個子高的人或矮的人、分開的還是靠近的等等，這樣的話，事先要建立多少張群眾影像呢？
宮野
大概要好幾十萬張！
三田
數量非常多呢！
宮野
我們找了超過100個臨時演員來拍攝，再將影像自動合成，並增加一些變化性，藉由學習大量合成影像的方式，讓電腦具備能根據監控攝影機所拍攝的影像，分析人群密度或人潮動線的能力，這樣子就能更正確地掌握群眾的狀況了，掌握人數時的誤差約為1成左右。
三田
這樣已經非常準確了！

根據群眾影像，迅速掌握「擁擠狀況」及「異常情形」！

三田
我們可以利用這項「群眾行為解析技術」來做哪些事呢？
宮野
第一項就是根據監控攝影機推測人數，以便正確掌握「擁擠狀況」。傳統的解析技術沒辦法精確掌握「擁擠狀況」。傳統的技術也是利用電腦記住背景影像，然後將背景影像和監控攝影機畫面互相比較，以了解兩者之間的差異。換句話說，其實是根據背景和人之間的縫隙大小來判定。
三田
縫隙還蠻大的嘛！
宮野
所以，就可以用這種大分類的方法，將影像分為「無人」、「有人，但是不擁擠」或是「人潮擁擠」等等不同類別。當然這時候還沒辦法掌握確實人數。不過，若是我們利用剛剛向您介紹過的「群眾行為解析技術」來解析群眾的影像，這樣就能推斷出人數了。
三田
只要掌握概略的人數，就能清楚了解人潮擁擠的程度吧！
宮野
沒錯，除了概略的人數外，這套技術還能掌握人潮的密度及動線，所以更能幫助我們正確認知擁擠程度如何。
三田
除此之外還有其他功能嗎？
宮野
它可以即時掌握群眾狀況，所以就能在最短時間內偵測出群眾是否發生「異常」情況。
三田
群眾發生「異常情況」？
宮野
讓我們來看一下畫面會比較容易了解。首先，您會發現「駐足不前、人群圍觀」的狀態。請看！(用電腦開始秀出範例影像)
三田
從這個監控攝影機的畫面來看，人群原本正在行進，啊！突然有一個人倒下來！周遭的人群開始聚集圍觀，關心他的安危。
宮野
圍觀人群的顏色是不是不一樣了？
三田
對，圍觀人群的附近顯示為紅色區塊，而且畫面左方綠色圖表的數值也愈來愈高！
宮野
畫面之所以顯示紅色區塊是因為人群密度高，而且人潮停止移動。左邊的綠色圖表上有一條紅色的線，那就代表所謂的「臨界值」，只要超過「臨界值」，就表示發生了「異常情形」。這張影像正是表示「異常情形」發生之狀態。
三田
真不可思議！只要根據圖表和人群顏色的變化，對於是否發生「異常情況」就能一目了然，這麼一來，監控人員只要一發現，就可以立刻飛奔到現場了。