【連載】

機械の目が見たセカイ -コンピュータビジョンがつくるミライ

12 コンピュータビジョン分野の市場分析(1) - 自動車編

12/44

Googleや自動車メーカー、自動車部品メーカーが自動運転の研究開発を進めています。なぜ自動運転の研究開発を行っているのでしょうか? それは、自動車の市場が大きく、かつ交通事故で亡くなられている方が非常に多いからです。

自動車販売台数と保有台数

2015年の自動車の販売台数は、日本国内で約500万台、世界では約9000万台です。自動車の保有台数は、日本で約7660万台(トラック、バス含む)、世界では約11億5330万台(トラック、バス含む)にもなります。自動車の保有台数が多いということは、それだけ交通事故も多発してしまいます。

世界でどのくらいの人が交通事故で亡くなっているの?

2007年のWHOが公表したデータによると年間約120万人が交通事故で亡くなっており、2000万人から5000万人もの人が交通事故で怪我をしているそうです。そして、死因の11番目が交通事故だそうです。割合で言うと、全死者数の2.1%が交通事故によるものなのです。

11番目、2.1%が少ないと思う方もおられるかもしれませんが、怪我による死者に限定すると、交通事故が1番目となります(図1)。自殺(Suicide)や、火事(Fires)よりも高い数値です。2002年のデータではありますが、戦争で亡くなった方の6倍以上の人が交通事故で亡くなっています。

図1 怪我による死者の要因(出典: WHO Global Burden of Disease project, 2002, Version 1)

また、図2を見ると国によってばらつきはありますが、歩行者と四輪車乗車中の死亡事故が多いことがわかります。

図2 各国の交通事故による死者数の内訳(出典: Various WHO collaborators in countries)

日本国内は?

国内では、交通事故から24時間以内に亡くなった方は、2015年は4117人にもなります。2014年の4113人から僅かではありますが、15年ぶりに増加しました。図3は、国内の交通事故発生件数、死亡者数、および負傷者数です。2004年頃をピークに、交通事故発生件数、死亡者数、負傷者数のすべてが減少に転じています。

図2をみると、国内では4輪車、歩行者、二輪車、自転車の順で死亡事故が多いという結果になっています。

図3 道路交通事故の発生件数、死者数および負傷者数(出典: 内閣府交通安全白書)

このような背景があり、現在、自動運転の開発が急ピッチに進められています。交通事故の多くは、人間の不注意によるものです。コンピュータビジョンやレーダー等のセンサを用いた自動ブレーキが普及すれば、交通事故による死者数を大幅に減らすことができるでしょう。そして、自動運転が普及すれば、現在よりもはるかに交通事故が少ない世の中になるはずです。

著者プロフィール

樋口未来(ひぐち・みらい)
日立製作所 日立研究所に入社後、自動車向けステレオカメラ、監視カメラの研究開発に従事。2011年から1年間、米国カーネギーメロン大学にて客員研究員としてカメラキャリブレーション技術の研究に携わる。

現在は、日立製作所を退職し、東京大学大学院博士課程に在学中。一人称視点映像(First-person vision, Egocentric vision)の解析に関する研究を行っている。具体的には、頭部に装着したカメラで撮影した一人称視点映像を用いて、人と人のインタラクション時の非言語コミュニケーション(うなずき等)を観測し、機械学習の枠組みでカメラ装着者がどのような人物かを推定する技術の研究に取り組んでいる。また、大学院での研究の傍ら、フリーランスとしてコンピュータビジョン技術の研究開発に従事している。

専門:コンピュータビジョン、機械学習

12/44

インデックス

連載目次
第44回 ディープラーニングの基礎(3) - 回帰・2クラス分類・多クラス分類の出力層
第43回 ディープラーニングの基礎(2) - 活性化関数
第42回 ディープラーニングの基礎(1) - ニューラルネットワークとは
第41回 領域分割(4) – CNNによるSemantic Image Segmentation
第40回 ハードウェアの基礎知識(4) - GPGPU
第39回 ハードウェアの基礎知識(3) - レンズ
第38回 ハードウェアの基礎知識 (2) - 電子シャッター
第37回 コンピュータビジョン分野で活躍する企業・フリーランサー インタビュー(3)
第36回 領域分割(3) - CRFを用いたSemantic Image Segmentation
第35回 領域分割(2) - Mean Shift法を用いたImage Segmentation
第34回 領域分割(1) - 概要編
第33回 見えないものを観る(3) - 目に見えない光「赤外線」を観る
第32回 見えないものを観る(2) - 絵画の下書きを観る
第31回 見えないものを観る(1) - 映像から音を復元する
第30回 動く人・物を追跡する(4) - OpenCVのトラッキング手法(後編)
第29回 動く人・物を追跡する(3) - OpenCVのトラッキング手法(中編)
第28回 動く人・物を追跡する(2) - OpenCVのトラッキング手法(前編)
第27回 動く人・物を追跡する(1) - OpenCVによるトラッキング
第26回 インターネット上の画像群からTime-lapse映像を自動生成する手法の概要
第25回 一人称視点(3) - Social Saliency
第24回 一人称視点(2) - Social Interaction
第23回 一人称視点(1) - 概要
第22回 行動認識(3) - Two-stream ConvNets
第21回 行動認識(2) - 動きの特徴量(HOF、MBH)
第20回 行動認識(1) - Dense Trajectories
第19回 視線計測(3) - カメラのみを用いた視線計測
第18回 視線計測(2) - 近赤外の点光源を用いた視線計測
第17回 視線計測(1) - 導入編
第16回 コンピュータビジョン分野における機械学習(4) - Deep Learning
第15回 コンピュータビジョン分野における機械学習(3) - 識別器
第14回 コンピュータビジョン分野における機械学習(2) - 顔検出・人検出
第13回 コンピュータビジョン分野における機械学習(1) - 導入編
第12回 コンピュータビジョン分野の市場分析(1) - 自動車編
第11回 コンピュータビジョン分野で活躍する企業・フリーランサー インタビュー(2)
第10回 カメラを用いた3次元計測(4) - Structure from Motion
第9回 カメラを用いた3次元計測(3) - サブピクセル推定
第8回 カメラを用いた3次元計測(2) - ステレオカメラ
第7回 コンピュータビジョン分野で活躍する企業・フリーランサー インタビュー(1)
第6回 カメラを用いた3次元計測(1)
第5回 意外と知らないカメラキャリブレーション
第4回 ハードウェアの基礎知識
第3回 コンピュータビジョンの要素技術と応用範囲(後編)
第2回 コンピュータビジョンの要素技術と応用範囲(前編)
第1回 普及期に入ったコンピュータビジョン

もっと見る



人気記事

一覧

イチオシ記事

新着記事