【Developers IO Dey One】 Passregi CVの現在と取り組んできた改良

Transcript

1. Passregi CVの現在と 取り組んできた改良 2023/04/11 新規事業統括部 Passregiチーム 山本紘暉
2. 2 自己紹介 名前：山本 紘暉 Hiroki Yamamoto 所属：クラスメソッド株式会社 新規事業統括部 Passregiチーム（カフェチーム） 担当：CV・MLの研究開発 経歴 - 1991 千葉県浦安市育ち - 2016～ 電機メーカで情報系の研究開発 - 2020～ クラスメソッドでCVの研究開発
3. 3 この発表の内容 クラスメソッドで運営しているカフェ（ウォークスルー） 研究開発しているPassregiのCV部分について、ざっくりと紹介 ・改良の過程 ・今取り組んでいること ・得られた知見
4. 4 概要
5. 5 カフェってなに？ 運営していたカフェ（Developers IOカフェ＠秋葉原） ウォークスルーな購入システムを開発中 リーダーシップ パートナーシップ ダイバーシティ プロフェッショナル 感謝 顧客視点 フィードバック 情報発信 やってみる 楽しむ クラスメソッドのカルチャー
6. 6 ウォークスルー店舗ってなに？ 商品をとったら自動で会計される → レジ打ち・セルフスキャン・装着物 ： 不要 https://www.youtube.com/watch?v=480mlpn5zXM&ab_channel=AiFi
7. 10 ウォークスルー店舗の技術的な課題 会計：どの人がどの商品を何個をとったか 入力 (人がいる空間) 出力 (会計の情報) 商品A：1 商品B：2 商品C：1 商品A：2 商品C：3 A B C
8. 11 機器構成と機能の概要 重量センサ カメラ 映像処理 重量処理 判定処理 カメラ：人の行動を認識 + 重量センサ：商品を認識 人の情報 (ユーザAがx,yにいた) 商品の情報 (商品Aが１つ減った)
9. 12 CVの機能の概要 検出 （ある時刻） 追跡 （時系列で並べる） 取得判定 （重量と合わせる） 0 0 1 1
10. 13 いままでの構成・改良
11. 14 CV部分の改良 2018.05 ～ 2020.04 Phase0 追跡 (※) 2020.04 ～ 2020.10 Phase1 複数人で取得判定 2020.11 ～ 2020.12 Phase2 連続手伸ばし判定 2021.01 ～ 2021.05 (他の試行錯誤) 2021.06 ～ 2021.09 Phase3 追跡を実装 2021.11 ～ 2021.12 Phase4 骨格のみに変更 2022.01 ～ 2022.03 Phase5 クラウド版を実装 2022.04 ～ (中断) Phase6 クラウド版を改良 2022.05 ～ Phase7 RGBのみを試す V1 V1.5 V2 V3 2020.05 山本ジョイン ※ 詳しくは https://dev.classmethod.jp/articles/report-developers-io-2019-tokyo-yokota-developersiocafe/
12. 15 (Phase0) ToFセンサを使った検出・追跡 https://solutions.hitachi-lg.biz/tof-sensor/ ユーザを追跡している様子 (Human Counter Pro, Hitachi-LG Data Storage) ユーザのID・位置 を取得可能
13. 16 Phase1：課題と解決方法 課題：IDと位置だけだと、 商品の近くに複数人いた場合 正確に取得判定できない 解決方法：手を加える ？ こっちが取った
14. 17 Phase1：使用した技術要素 骨格検出モデル （＆fine-tuning） RGB+Depthカメラ （RealSense） https://www.intel.co.jp/content/www/jp/ja/archit ecture-and-technology/realsense-overview.html https://openaccess.thecvf.com/content_cvpr_2 017/papers/Cao_Realtime_Multi- Person_2D_CVPR_2017_paper.pdf 高性能GPUエッジデバイス （Jetson Xavier NX） https://www.nvidia.com/ja-jp/autonomous- machines/embedded-systems/jetson-xavier-nx/
15. 18 Phase1：使用した技術要素（１）骨格検出 fine-tuning (Cubemos社と協力) 世の中のモデル 横から：検出精度が高い 上から：検出精度が低い https://openaccess.thecvf.com/content_cvpr_2 017/papers/Cao_Realtime_Multi- Person_2D_CVPR_2017_paper.pdf 上からの映像でも 骨格を検出できた
16. 19 Phase1：使用した技術要素（２）RGB+Depthカメラ Depth画像 距離を計測 RGB画像 骨格を検出 ３次元座標を計算
17. 20 Phase1：実装したシステム 検出 ・ToFセンサ ・骨格 追跡 ・ToFセンサ 取得判定 ・骨格
18. 21 Phase1：結果 商品の近くに複数人いても 正しく取得判定できた
19. 24 Phase3：課題と解決方法 課題：人が近くにいると 追跡でミスが起きる (入れ替わり・ロスト) 解決方法：骨格で補助する 追跡ロジックを実装する A B ID:0 ID:1 A B ID:0 ID:1 A B ID:1 ID:0 A B ID:0 ID:1 A B ID:0 ID:1 A B ID:1
20. 25 Phase3：使用した技術要素 フィルタ （カルマンフィルタ） SORT (Simple Online and Realtime Tracking) MOT （Multiple Object Tracking） https://arxiv.org/abs/1602.00763 t=n-2 (検出) t=n-1 (検出) t=n (予測)
21. 26 Phase3：実装した追跡ロジックと結果 ToF 骨格 人物 それぞれで 追跡 統合 青：ToF 緑：骨格 赤：人物 → 人が密集していても追跡できた
22. 27 Phase3：実装した追跡ロジックと結果（詳細） ToFでの追跡で入れ替わり・ロストが発生したが 骨格の追跡で訂正・引き継ぎできた 検出 ・ToFセンサ ・骨格 追跡 ・ToFセンサ ・骨格 取得判定 ・骨格
23. 31 Phase5：課題と解決方法 課題：導入費用が高い データ・ログの収集が難しい 解決方法：クラウドに移行する 取得判定 骨格検出 追跡
24. 32 Phase5：使用したデバイス Jetson Nano 開発者キット https://developer.nvidia.com/embedded/jetson- nano-developer-kit ハードウェア エンコーダ 高速に動画ファイルを生成 画像(*n)よりも容量を圧縮
25. 35 現在の構成
26. 36 Phase7：課題と解決方法（取り組み中） 課題 ：RGB-Depthカメラの価格が高い 解決方法：RGBカメラで３次元の検出・追跡 Epipolar幾何 ATOM Cam2 https://www.atomtech.co.jp/products/atomcam2 https://en.wikipedia.org/wiki/Epipolar_geometry#/ media/File:Epipolar_geometry.svg Incremental Tracking https://openaccess.thecvf.com/content_CVPR_202 0/html/Chen_Cross-View_Tracking_for_Multi- Human_3D_Pose_Estimation_at_Over_100_CVPR_ 2020_paper.html
27. 37 RGBカメラ ATOM Cam2 https://www.atomtech.co.jp/products/atomcam2 安い ・3500円 ・(RGBDカメラ：6万円) 高性能・高機能 ・高解像度・画角広い・20fps ・RTSPで映像を受信できる ・アプリで設定・管理が可能
28. 38 骨格検出（エッジデバイス） Jetson AGX Orin 高性能GPUデバイス (従来の5倍の性能、カタログ上) 価格：35万円くらい TensorRT モデルの構成をNVIDIA GPU用に 最適化するライブラリ スループット：PyTorchの5.4倍程度 (PyToch32bit → TensorRT16bit) → 1台で骨格検出処理を400fps(カメラ100台分の映像)を処理可能
29. 機器構成と流れるデータ 撮影 骨格検出 骨格統合 追跡 追跡結果 (MQTT) 骨格の 2次元座標 (MQTT) RGB映像 (RTSP) …
30. 40 機器構成と流れるデータ 撮影 カメラ エッジ デバイス (GPU) 骨格検出 骨格追跡 追跡 訂正・制約 PC PC ２次元座標 * n ３次元座標 RGB映像 * n IDを上書き
31. 41 骨格検出の様子
32. 42 Phase7：使用している技術要素（１）Epipolar幾何 想定する状況 カメラの位置関係が既知 （キャリブレーション済み） 1. 画像を撮影する 2. 検出する
33. 43 Phase7：使用している技術要素（１）Epipolar幾何 3.1. エピポーラ拘束をもとに 距離を計算する 3.2. 距離をもとに対応付けを決める 4. 位置を推定する (triangulation) 0 1 2 3 2 3 0 1
34. 47 Phase7：使用している技術要素（１）Epipolar幾何 問題点 0 1 2 3 0 ー 0,1 0,1 0,1 1 0,1 ー 0,1 0,1 2 0,1 0,1 ー 0,1 3 0,1 0,1 0,1 ー 0 1 2 3 4 5 6 7 8 9 10 11 0 ー 0,1 0,1 0,1 0,1 0,1 0,1 0,1 0,1 0,1 0,1 0,1 1 0,1 ー 0,1 0,1 0,1 0,1 0,1 0,1 0,1 0,1 0,1 0,1 2 0,1 0,1 ー 0,1 0,1 0,1 0,1 0,1 0,1 0,1 0,1 0,1 3 0,1 0,1 0,1 ー 0,1 0,1 0,1 0,1 0,1 0,1 0,1 0,1 4 0,1 0,1 0,1 0,1 ー 0,1 0,1 0,1 0,1 0,1 0,1 0,1 5 0,1 0,1 0,1 0,1 0,1 ー 0,1 0,1 0,1 0,1 0,1 0,1 6 0,1 0,1 0,1 0,1 0,1 0,1 ー 0,1 0,1 0,1 0,1 0,1 7 0,1 0,1 0,1 0,1 0,1 0,1 0,1 ー 0,1 0,1 0,1 0,1 8 0,1 0,1 0,1 0,1 0,1 0,1 0,1 0,1 ー 0,1 0,1 0,1 9 0,1 0,1 0,1 0,1 0,1 0,1 0,1 0,1 0,1 ー 0,1 0,1 10 0,1 0,1 0,1 0,1 0,1 0,1 0,1 0,1 0,1 0,1 ー 0,1 11 0,1 0,1 0,1 0,1 0,1 0,1 0,1 0,1 0,1 0,1 0,1 ー … 変数の数： 9倍 探索空間： ✕：9倍 ◯：2**(144-16)倍 =340282366920938463463374607431768211456倍 人数3倍
35. 48 Phase7：使用している技術要素 (２) Incremental Tracking https://openaccess.thecvf.com/content_CVPR_202 0/html/Chen_Cross-View_Tracking_for_Multi- Human_3D_Pose_Estimation_at_Over_100_CVPR_ 2020_paper.html
36. 49 結果 (５月：論文を読む) ６月 ：コア部分を仮実装・検討 ７～８月：小さいエリアで初期実装 ９～10月：大きいエリアで実装 11～12月：大人数で実験・改良 4m*6m程度のスペースで 13名が歩き回る様子を 追跡できた
37. 59 知見・感想 研究開発のバランス ・研究のみではなく最後までやりきる（表面上の理解で終わらない） ・開発だけでは進めない、完璧を求めない 改善だけでは局所解に陥る ・１つの技術要素に執着しない、よりよいものを求め続ける ・単なる改善だけでなく、抜本的な改修を考えるべき ・論文を読むべき（周りの技術を取り込むべき） 進め方 ・「やってみた」も大事だが、先に調べるのも必要 ・やりっぱなしではなく、その後の分析・考察・方針ぎめが大事 ・問題を解き方（技術）は大事だが、 そもそも何が問題でどの問題を解くか（定義）を決めるのがだいじ
38. 60 今後 技術 ・より広いエリアでもリアルタイムに処理 ・骨格検出モデルの精度を上げる、新しいモデルを使う 研究開発 ・外部に発表していきたい ・研究成果にしたい ビジネス ・購買行動をサポートする方向を検討する
39. 61 まとめ 研究開発しているPassregiのCV部分について、ざっくりと紹介 ・改良の過程 ・ハードウェアや仕組みを変えながら改良してきた ・今取り組んでいること ・RGBカメラを使った追跡 ・精度や速度の改善 ・得られた知見 ・各ハードウェア・ソフトウェア・CVの知見 ・研究開発の進め方・考え方