❶研究の背景

画像解析によるヒトの密集度の計測

❷研究の背景

この研究の最終的な目標としては“窮屈な空間から解放される”こと。コロナ禍になると同時に人の目につきやすくなってきた密な空間。自分は密な空間が非常に嫌いで、できることなら常に避けていたいと思う。しかし、実生活において事前に予測して回避することは難しい。であるならば、あらかじめ監視しておいた空間が今どれくらい”密”になっているのかが分かれば最終目標に近づくことができるのではないか、そう考えて現在のテーマに取り組むことにした。

❷仮説

今までの学びから
画像データも数値で表すことができるとわかっているため、配列を利用したデータの探索が可能である。その過程を経て、密集度の算出に使うデータの抽出が可能だと考えられる。

なお、仮説を立てた後の研究から指定した顔のパーツの座標を抽出することが可能ということが分かったため、座標の重なりから特徴が最も強く表れている部分を顔と見なすという方向性で研究を進める

ex)

❸研究内容

画像からヒトをターゲットとして、一定範囲内における密集度の計測をおこなう。
その際、密集度の精度を高め実用性を高めることを”研究”の目標とする

❹-1,開発環境&言語(変更あり)

• 使用言語
  • Python3(画像解析)
  • JavaScript(React)
• 開発環境
  • Raspberry Pi 4
  • MacBook Pro (プロセッサ:1.4GHz クアッドコアIntel Core i5 , メモリ:8G , macOS Monterey)

❹-2,技術的知識

• Python
  • OpenCV
  • カスケード分類機
  • Optical Flow
• Raspberry Pi
  • カメラモジュールの操作
• Flutter
• 画像を撮るための装置の設置

❺これからの取組

• Pythonの文法
• 画像解析に必要な技能
• ヒトを認識するための技術
  • ヒトを認識した後の密集度の算出方法
• 算出した結果を表示するためのWebアプリの制作

❻まとめ

今回の研究を”身近な”場所に活かすとすれば、情報棟の密集度の計測である情報技術科の実習棟は時期にもよるが、かなり混んでいて時には使えない人が出るほど混雑することがあるほどだ。今から情報棟に向かおうとした時に行った時には混雑していて使えませんでした、では無駄足である。それならば、ネットワークにつながる場所であればどこでも”現在の情報棟の密集度”を知ることができれば個人的に非常に効率的な仕組みになると考える。今回は実践できるレベルでの研究を進めていこうと思う