読者です 読者をやめる 読者になる 読者になる

人工知能伝習所

〜 AI x Big Data x IoTなトピックを、非エンジニアにも分かりやすくお届け 〜

1日12億円超の万引き被害を食い止められるか?Deep Learningを使った万引き検出システム「DeepSee」

活用事例:小売業 Deep Learning

 NPO法人全国万引犯罪防止機構によれば、日本国内の万引きによる年間被害額は約4,615億円にものぼるそうです。損失総額は世界2位。毎日、12億円超も万引きによる被害が発生している計算になります。1時間当りだと5000万円。このブログを6分で読んだとしたら、その間に500万円相当の商品が盗まれていることになります。

 

Shoplifting at Exchange costs military in many ways

 

 そんな、万引き犯に手を焼いているショップのオーナーに朗報です。YouTube上でDeep Learningを使った万引き検出システムのデモ映像が公開されていました。お客さんが店の品物を「手に取った」「棚に返した」「カバンに入れた」状態を認識し、「カバンに入れた」お客さんを赤枠で囲ってアラートを出します。

 

youtu.be

 

動画を見た人からは、絶賛の声が。

「これはすごい!宗教も、政治も、警察も解決できなかった問題を技術が解決してくれる!」

「万引きが減れば品物も安くなるし、店員はカメラに張り付かずに済むからWin-Winだね!(万引き犯はLoseだけど)」

「防犯以外の応用もあるのでは?顔認証ができて、カゴに入っている商品が全部分かるなら、レジを通り抜けるだけで自動清算できるじゃん」

ソースコードくれ!」

 

一方で、誤検出を懸念するコメントも。

「自分のカバンに入れたって、本当に分かるの?単に、体の影に隠れただけだったり、ショッピング用のバスケットに入れただけだったら?」

「いろんな角度から見てx,y,zの3次元の動きを把握しないと、誤検出だらけになってしまう。これ解決するのきっついよ〜。」

これらの懸念に対して、DeepSeeアカウントの人は、素直に学習データの不足を認め、誤検出を減らすために改善すべき課題を説明しています。辛辣に思えるコメントにも結構、誠実に回答しているので、今後の改善に期待が持てそうです。

 

これまで、画像認識を使った万引き防止システムとしては、

万引き常習犯の顔を登録して、その人が来たらアラートを出すもの

レジを監視して、バーコードの読み取り漏れがあったらアラートを出すもの

万引きされやすい場所に長時間滞在している人がいないか監視するもの

などがありましたが、DeepSeeのアプローチは、本当に犯罪の現場を検知可能な高度なものになりそうです。店内ではそのまま泳がせておいて、店をそのまま出ようとした時点で警備員に連行するよう準備させることもできるかもしれません。