監視カメラは「記録する」から「映像を理解する」時代へ

近年、防犯や安全管理、設備監視などを目的として、工場や物流施設、商業施設、公共施設など、様々な場所で監視カメラが活用されています。

さらに現在では、映像を記録するだけでなく、AIによってカメラ映像をリアルタイムに解析する活用も広がっています。

実際、2024年度の監視カメラ・システム国内総市場規模は前年度比112.8％の2,254億円と、拡大傾向にあります（※）。

市場拡大をけん引している要因の一つが、AIを活用した画像解析です。同調査では、AI解析機能を搭載したエッジAIカメラの普及や、現場で映像を即時処理するリアルタイム解析の広がりが示されています。

※出典：矢野経済研究所「監視カメラ／システム国内市場に関する調査を実施（2025年）」

こうしたAI映像解析では、YOLOなどの物体検出モデルを活用することで、人物や車両、特定の物体などをカメラ映像から自動的に検出できます。

これにより、人がすべての映像を常時確認するのではなく、AIが確認すべき場面をリアルタイムに検知するといった活用が可能になります。

一方で、物体検出によって「何が映っているか」は把握できても、その物体がどのような状況で存在しているのかまで判断することは難しい場合があります。

例えば、同じ物体が検出された場合でも、その物体を人が所持しているのか、周囲にはどのような人や物体が存在するのかによって、確認すべき状況は異なります。そのため、物体を検出するだけでなく、周囲の状況まで含めて映像を理解することが重要になります。

そこで今回ご紹介するのが、物体検出とVLM/LMMなどの生成AIを組み合わせた映像解析です。

物体検出によって確認すべき場面をリアルタイムに検知し、さらに生成AIによってその映像を分析することで、「検知」から一歩進んだ「状況理解」までAIで支援します。

本記事では、SiMa.aiのAIプラットフォーム上で動作するデモをもとに、その仕組みと活用可能性をご紹介します。

物体検出×生成AIで映像解析はどう変わる？

従来の物体検出では、カメラ映像から人物や車両、特定の物体などを検出し、「何が、どこに存在するのか」をリアルタイムに把握することができます。

一方、VLM（Vision Language Model）やLMM（Large Multimodal Model）などの生成AIは、画像と自然言語を組み合わせて処理できるため、映像に含まれる人物や物体だけでなく、それらの関係性や周囲の状況まで自然言語で説明できます。

これらを組み合わせることで、物体検出を起点に、確認が必要な映像をVLM/LMMでさらに詳しく分析できます。
その処理の流れを整理すると、以下の通りです。

① カメラ映像を物体検出モデルでリアルタイムに解析
② 対象となる物体を検出
③ 検出されたフレームをVLM/LMMで分析
④ 映像内の状況を自然言語で出力

つまり、物体検出が「確認すべき場面を見つける」役割を担い、VLM/LMMが「その場で何が起きているのかを理解する」役割を担います。

単に物体の有無を検知するだけでなく、人物や物体の関係性、周囲の状況までAIで把握できることが、今回の映像解析のポイントです。

デモ動画で見る、物体検出×生成AIによる映像解析

それでは実際に、SiMa.aiのAIプラットフォーム上で動作する映像解析デモを見てみましょう。（英語の動画になります）

今回のデモでは物体検出と生成AIを組み合わせた映像解析の一例として、危険物などの検知を想定し銃器を検出対象としています。

カメラ映像から対象物をリアルタイムに検出し、さらに生成AIによってその場の状況まで分析する一連の流れをご覧いただけます。

それでは、動画の中でどのような処理が行われているのか、順番に見ていきましょう。

物体検出×生成AIの活用想定例

今回のデモでは銃器を検出対象としていますが、この仕組みのポイントは銃器そのものではありません。

「特定の対象をリアルタイムに検知し、必要な場面を生成AIでさらに詳しく分析する」という仕組みは、検出対象や分析内容を変えることで、日本国内のさまざまな現場への応用が考えられます。

まとめ：物体を「検知する」から、状況を「理解する」映像解析へ

今回ご紹介したデモでは、YOLOなどの物体検出モデルによるリアルタイム検知と、VLM/LMMによる映像の状況理解を組み合わせています。

物体検出によって確認すべき場面を見つけ、さらにその映像を生成AIで分析することで、何が映っているのかを検知し、そこで何が起きているのかを理解するという一連の映像解析が可能になります。

さらに、本デモでは最大16チャンネルの映像をVGA・30fpsで並列処理しており、複数のカメラ映像をエッジ側でリアルタイムに解析できることも特徴です。

SiMa.aiのAIプラットフォームでは、YOLOなどを活用したリアルタイムの物体検出から、VLM/LMMによる映像の状況分析まで、様々なAI処理をエッジ環境で実行できます。

SiMa.aiのMLSoC™は、小型・低消費電力でありながら最大50TOPSの高効率推論を実現。クラウドとの通信に依存せず、映像の取得から物体検出、生成AIによる状況分析までをエッジ側で処理できることが特徴です。

ぜひ、AI活用の第一歩として本記事をお役立てください。

お問い合わせ

製品の詳細・技術的なご質問・サンプル依頼・お見積りなど、まずはお気軽にご相談ください。