動画認識

動画認識は、連続する画像フレームとその時間的な変化を解析し、物体、人物、動作、行動、出来事、場面などを識別する技術です。各フレームの空間情報に加え、前後関係や動きという時間情報を利用します。

■ 試験で押さえるポイント

• フレームごとの物体検出だけでなく、同じ対象を時系列で対応付ける追跡、姿勢推定、動作認識、場面分割、異常行動検知などを組み合わせます。

• 動きはフレーム間差分やオプティカルフローで表せ、3次元CNN、RNN、Transformer等で空間・時間特徴を学習する方式もあります。

• 静止画だけでは方向や順序を判定しにくい動作も、複数フレームなら「立つ」「座る」「物を置く」などの時間的変化として区別できます。

• フレームレートを上げると速い動きを捉えやすい一方、データ量と計算量が増えます。遮蔽、カメラ移動、照明変化、プライバシーも運用上の課題です。

■ 選択肢での判断ポイント

動画認識の特徴は、画像認識へ時間軸を加え、動き・順序・追跡を扱うことです。単一フレームの物体分類だけを動画認識の全機能とする選択肢は不十分です。

例: 店舗映像で各フレームから人物を検出し、同一人物を追跡し、棚へ手を伸ばして商品を取る一連の時間パターンを認識します。