[論文レビュー] Security Camera Movie and ERP Data Matching System to Prevent Theft

Yoji Yamato, Yoshifumi Fukumoto+1 more|arXiv (Cornell University)|Jun 12, 2017

Advanced Malware Detection Techniques被引用数 5

ひとこと要約

本論文では、小規模小売店向けに低コストなSaaSベースの盗難防止システムを提案する。このシステムは、オンライン機械学習（Jubatus）を用いたリアルタイムのセキュリティカメラ映像分析とERP在庫データの検証を組み合わせたものである。特徴抽出と異常スコアリングにより異常な顧客行動を検出するとともに、リアルタイムの在庫差異をERPと照合することで、誤検出を低減し、検出精度を向上させる。k-フォールド交差検証を用いたポーズベースの異常検出では、72%の精度比を達成した。

ABSTRACT

"(c) 2017 IEEE. Personal use of this material is permitted. Permission from IEEE must be obtained for all other uses, in any current or future media, including reprinting/republishing this material for advertising or promotional purposes, creating new collective works, for resale or redistribution to servers or lists, or reuse of any copyrighted component of this work in other works." In this paper, we propose a SaaS service which prevents shoplifting using image analysis and ERP. In Japan, total damage of shoplifting reaches 450 billion yen. Based on cloud and data analysis technology, we propose a shoplifting prevention service with image analysis of security camera and ERP data check for small shops. We evaluated movie analysis. Y. Yamato, Y. Fukumoto and H. Kumazaki, "Security Camera Movie and ERP Data Matching System to Prevent Theft," IEEE Consumer Communications and Networking Conference (CCNC 2017), pp.1021-1022, DOI: 10.1109/CCNC.2017.7983275, Jan. 2017.

研究の動機と目的

• 日本の小規模小売店における既存の盗難検知システムの高コストとスケーラビリティの低さを解決すること。
• 年間約4500億円と推定される盗難損害を低減するため、クラウドとデータ分析を活用した安価で自動化された検知を可能にすること。
• 事前に定義された行動ルールを超えて、機械学習とERP在庫検証を組み込むことで、検出精度を向上させること。
• 動画分析とリアルタイム在庫照合を組み合わせることで、誤報を低減し、スタッフの負担を最小限に抑えること。
• 低消費電力デバイス（例：Raspberry Pi）で動作可能な、スケーラブルで低導入コストのSaaSソリューションを小規模小売環境に展開可能にするものであること。

提案手法

• 現地に設置された小型コンピュータ（例：Raspberry Pi）を用いて、セキュリティカメラ映像をリアルタイムでストリーミングおよび処理する。
• dlibとOpenCVを用いて、136個の正規化された顔のキーポイント特徴（68座標 × 2軸）を画像から抽出し、ポーズと行動分析に用いる。
• オンライン機械学習（Jubatus）を用い、線形分類器とkNN分類器を適用することで、静的ルールで定義されていない異常な顧客行動を検出する。
• 検出された異常と画像データをクラウドベースの盗難防止アプリケーションに送信し、照合検証を行う。
• カメラ画像からの推定店内在庫とリアルタイムERP在庫データ（アイテムDB）を照合することで、不一致を検出し、検出された事象を検証する。
• ERP在庫差異が盗難の可能性が高いと判断された場合、スクリーンショット付きのアラートをメールでスタッフのスマートフォンに送信する。

実験結果

リサーチクエスチョン

• RQ1 オンライン機械学習（Jubatus）は、事前に定義されていないまたは異常な顧客行動を、妥当な精度で小売監視映像で効果的に検出できるか？
• RQ2 動画分析のみと比較して、ERP在庫データとの照合検証は、盗難検知の精度をどの程度向上させるか？
• RQ3 エッジデバイスとクラウド連携を活用した低コストでSaaSベースのシステムは、小規模小売環境で実用的に展開・保守可能か？
• RQ4 実世界の状況下で、顔のキーポイント特徴を用いたポーズベースの異常検出の精度は、分類モデル（例：kNN対線形分類器）によってどのように異なるか？
• RQ5 リアルタイムERPデータ検証は、誤検出の低減と小売スタッフの負担軽減にどのような役割を果たすか？

主な発見

• k=10のk-フォールド交差検証を用いたポーズベースの異常検出において、72%の精度比を達成した。これは、リアルタイム動画分析において中程度ながらも実用的な精度であることを示している。
• ERP在庫データと動画分析の統合により、実在庫レベルとの照合検証が可能となり、検知の信頼性が著しく向上した。
• Jubatusを用いることで、Saburo-kun Aceのようなルールベースシステムの限界を克服し、事前に定義されていない不審行動の検出が可能になった。
• 軽量なエッジデバイス（例：Raspberry Pi）を活用し、クラウドベースのモデル配布と設定更新を組み合わせることで、スケーラブルかつ保守可能なSaaS展開が実現した。
• ERPデータの一貫性チェックによる動画検出のフィルタリングにより、誤報が低減され、不要なスタッフの対応が最小限に抑えられた。
• アーキテクチャはオーバー-the-air（OTA）設定更新と自動レグレッションテストをサポートしており、生産環境における長期的な保守性と信頼性を確保している。