YOLOv11、マルチオブジェクトトラッキング、およびモーションベースの乗客・荷物アクティビティ検出を用いたコンピュータビジョンベースの空港ターンアラウンド監視
Computer Vision-Based Airport Turnaround Monitoring Using YOLOv11, Multi-Object Tracking, and Motion-Based Passenger and Baggage Activity Detection
本研究は、コンピュータビジョンを用いた空港ターンアラウンド監視パイプラインを提案する。YOLOv11による物体検出、Norfairによるマルチオブジェクトトラッキング、フレーム差分法によるモーション分析を統合し、空港ビデオ映像から主要な運用イベントを抽出する。長野県松本空港で収集された公開映像を使用し、1446枚の画像に11種類の空港ターンアラウンド関連オブジェクト(トーイングトラクター、エアロブリッジ、航空機、荷物コンテナなど)をラベリングした。訓練データセットは70:20:10の比率で分割された。訓練されたYOLOv11モデルは、テスト精度0.9609、再現率0.9445、mAP50 0.9617という高い検出性能を示した。さらに、エアロブリッジの窓領域とベルトローダーの屋根領域におけるフレーム差分法を用いたモーション分析により、乗客の乗り降りや荷物の積み下ろしといったアクティビティを検出する。抽出された物体検出情報、モーションスパイク、時間ログは、航空機の駐機、降機、荷物降ろし、給油、荷物積み込み、搭乗、プッシュバックなどの主要なターンアラウンド活動をまとめたガントチャートに変換される。このパイプラインは、空港のターンアラウンドプロセスをより透明でデータ駆動型、自動化された監視を可能にする。
本記事は学術研究の成果であり、特定の企業業績や市場価格、サプライチェーンなどに直接影響する投資判断に資する具体的な事象を含まない。YOLOv11を用いた空港監視パイプラインは技術的にはAI活用事例だが、商用化や事業インパクトに関する情報はなく、現時点で投資判断の材料とならない。