商業施設の転倒検知をAI映像解析で、カメラ9台に絞り込んだ警備の高度化

効いたのは、当初2カ月の予定だった実証実験を約5カ月まで延ばし、自館の映像で条件を詰め切った進め方です。2024年9月から実際の館内カメラの映像をリアルタイムに解析し、3週間に1度の打ち合わせで情報を交換しながら、検知条件の調整と運用フローの確認を重ねています。過剰に反応すれば運用が回らず、見逃せば意味がない——この兼ね合いは人の流れや設備配置によって施設ごとに違うため、製品仕様の精度だけでは判断できません。現場の意見を反映させながら検証を続けたことが、その施設固有の最適点を探る作業になっていました。

もう一つは、施設全体で約110台あるカメラのうち、重要性の高い9台に絞り込んだ設計です。設置位置や台数、検知エリアの設定を個別に検討し、対象をエスカレーターとエレベーター付近というリスクが集中する場所に限定しています。全台へ一気に広げず、すでに稼働しているカメラ資産の上に解析機能を重ねる形を選んだことで、投資も運用負荷も抑えたまま、最も守りたい場所の守りを厚くできた。守備範囲を狭めることが結果的に実効性を高めた例だといえます。

AIの担当範囲を「検知して通知する」ところまでに切り分けた点も見逃せません。異常かどうかの最終判断と、駆けつけて声をかける対応は引き続き人が担います。判断を機械に委ねない切り分けだったからこそ、警備スタッフにとっては仕事を奪う存在ではなく、目の届かない場所を補う道具として受け止められたと考えられます。