交通量可視化システム

交通量の可視化を目的とした物体検出手法比較（オプティカルフロー/深層学習）

交通量の可視化をする場合、動画内の車や人を検出する必要がありますが、ケースによりアプローチが変わるため検出方法を検討する必要があります。 上の動画では交通量の可視化を目的にしたアプローチ例として2種類の物体検出手法（オプティカルフローと深層学習）を比較しました。

※今回は深層学習による物体認識の一例として「Yolo」を利用しています。

オプティカルフローを利用した物体検出では、フレーム間の輝度変化から移動量の差分を求めることでリアルタイムに物体を検出します。 そのため物体が移動さえすれば、どんな対象でも検出できることがメリットです。また、物体の移動方向がわかるため、移動方向の違いによる物体の判別も可能です。 しかし、群になって移動している物体を個別に判断することが苦手な傾向があります。また、振動や移動に弱く定点で撮影する必要があります。

一方、深層学習を利用すると、オプティカルフローで個別に判断ができなかった車が個別に判断できる場合があります。これは移動している物体を単純に検出するオプティカルフローとは違い、AIが学習した情報を元に車を判別しているためです。 また深層学習では定点での撮影である必要がなく、止まっている物体の検出も可能です。ただし、学習させる内容によって精度が大きく左右される点や、望ましい結果が得られなかった場合の学習コストなどが懸念点としてあげられます。

このようにケースによってアプローチが変わるため使い分ける必要があります。まずはご相談ください。