図1　人間の�eつ12�|類、100項�`以�屬���徴をデータベースに入��する　12�|類の項�`は、髪型、髪色、�嵌梢箸寮K�△反А��eち�颪例~無や�|類、下半身の�K�△反�、履�颪煉|類と色、�⊂���、性別、�Q齢。

�j��模なイベントや広域の�o共空間での警�△�、2020�Qの東�Bオリンピック/パラリンピックに向けニーズが高まると日立は見ており、カメラ情報だけではなく�`撃情報も�畤佑硫鮴呂忙箸┐�。このためAIを使い人�颪���徴を100項�`以�屬謀呂辰萄戮�く分析しようというのが今�v開発したシステムだ。顔認識は言うまでもなく、�K��(色や柄、�|類、靴など)や行動(�Vまっている、歩いている、走っているなど)、��身の�e・形（やせ形、�里蟲ぬ�、頭髪など）、�⊂�(眼��、杖など)の100項�`以�屬���徴を12�|類に分け(図1)、ニューラルネットワークのエータベースに入��する。

��来の入���桔，任�、これらの��徴を性別や�嵌梢箸寮K��、荷�颪例~無など個別の識別��AIに入��していたため、リアルタイム処理が困�Mだったという。これに�瓦靴�、日立は人間として識別するための共通の項�`だけを最初に共通のニューラルネットワークで処理し、性別や�嵌梢箸寮K��、荷�颪例~無などを�~単なニューラルネットワークで処理することで処理時間を��来の1/40に�]縮したという。

ここでは、��徴が�瑤討い訖��颪鮓�つけると、四角で囲み、��徴を表すインデックスをデータベースに入れ、�_みを加える。�`撃情報で�Kの色や顔の��徴なども入��する(図2)。

図2　人�颪���徴から場所、地図、ニューラルネットワークやそのインデックスなどを表��した画�C

次はその人�颪鬟�メラで�{跡する。リアルタイムで�畤佑蕕靴�人�颪鮗{跡すると、最初は�eっていた荷�颪鬚△觧�刻では�eっていないことがわかれば、その間に荷�颪���くあるいは�}渡した場所を��定できる。カメラの�{跡では、その人�颪良w�~情報をデータベースにある情報と比べることになる。ここでは�w�~情報のどの��徴を検索すれば見つけやすいかがカギとなる。高�]のベクトル検索データベースを使い、1秒以内に検索する。顔検索よりも3倍発見率が�屬�ったとしている。��定は人間にゆだねるという。

日立は、これまで�eっている�\術と�k緒に使うことで�jきなイベント会場の�W��性はより�咾泙襪箸澆討い襦�これまでの�\術としては、ゲートには��脈認証や、爆発�饕�������を、
会場内には高機�Δ粉���カメラを、�eっており、さらに人�颪鮓―个垢襪海譴泙任留��飢鮴篭\術や交通�q�]を予�Rする交通シミュレーション�\術もある。

同社は今後、警察の協��を��ぎ、さらに使えるレベルに�eっていきたいとしている。今�vの�\術開発には警察は関係していなかったとしている。