アジラは、VLM（Vision Language Model）統合型AI警備システム「AI Security asilla」の本格展開に向け、NVIDIA Metropolisプラットフォームを活用した映像解析基盤を構築したと発表した。多数のカメラ映像をリアルタイムで並列処理する基盤にVLMを同一ハードウェア上で統合し、「検知」から「意味理解」までを一体化したトータル映像解析を実現する。

映像解析では、カメラ台数の増加による処理負荷やインフラコストの拡大に加え、従来の検知モデルでは把握しきれない複雑な状況を理解するニーズが高まっている。アジラは、NVIDIA Metropolisを構成する各種SDKを活用し、大規模並列処理とAI推論の効率化を両立することで、こうした課題に対応した。

基盤には、NVIDIA DeepStream SDKによる大規模ストリーミング処理に加え、NVIDIA Triton Inference ServerとTensorRTを採用。複数のAIモデルの推論を最適化し、ハードウェアリソースを効率的に活用することで、行動認識モデルとVLMを同一ハードウェア上で稼働させる構成を実現した。

これにより、従来の異常検知に加え、映像の内容や状況を言語的に理解する機能を組み合わせ、導入・運用コストを抑えながら高度な映像解析を提供する。2026年春から先行導入を開始しており、6月以降は国内の大型施設への本格展開を進めている。

「AI Security asilla」は、商業施設やオフィスビル、空港、鉄道など、多数の監視カメラを運用する大規模施設での利用を想定。リアルタイムの異常検知とVLMによる状況理解を組み合わせることで、現場の状況把握や初動対応の迅速化を支援する。

今後は、NVIDIA Metropolisの活用をさらに進め、状況の文脈や意味を理解する映像解析機能を強化するとともに、異常や予兆の検知精度向上、利用環境に応じたAIモデルの最適化を進める方針としている。

引用元記事：https://www.sankei.com/pressrelease/prtimes/TUM3F3VRUJPNNPNFGUKTZJQ2J4/