AIによる危険予知｜カメラ画像解析と立入禁止域の自動検知の現場活用

「重機の旋回半径に作業員が入り込んだ瞬間、誰も気づかなかった」——そんな事故報告書をいまだに目にする。人間の注意力には限界があり、複数の現場を同時に監視するのは不可能だ。一方、すでに天井に設置されている防犯カメラは24時間映像を記録し続けているが、その9割以上は「事故が起きてから振り返るための映像」でしかない。この受動的なカメラを「危険を未然に止めるカメラ」に変えるのが、画像解析AIによる危険予知である。本記事では立入禁止域・PPE未着用・転倒・行動異常・密接距離の5ユースケースを軸に、エッジAIとクラウドAIの違い、既設カメラ流用の可否、導入コストと補助金、そしてプライバシー配慮までを現場目線で整理する。

「事故が起きてから映像を確認する」運用から卒業したい方へ — 安全ポスト＋ はカメラ解析と組み合わせて運用できる匿名報告プラットフォーム。QR1タップで報告、AIが4M分析・リスク評価。無料プランで全機能を試せる。

画像解析AIが現場で果たす役割

画像解析AIによる危険予知とは、カメラ映像をリアルタイムでAIが解析し、危険な状況を検知した瞬間にアラートを発する仕組みである。録画は事故後の検証用、解析は事故前の予防用——役割が異なる。

厚生労働省「令和6年労働災害発生状況（確定値）」では、建設業の死亡災害232人（前年比4.0%増）、製造業142人（同2.9%増）と、長年減少傾向にあった重大災害が再び増加に転じた。事故類型では「はさまれ・巻き込まれ」「墜落・転落」「激突され」が上位を占め、いずれも「人と機械、人と境界線の距離」が事故発生の直前に変化している。つまりカメラで距離・姿勢・装備を捉えられれば、技術的には予兆をつかめる領域である。

従来は「人間の見守り」か「物理的バリケード」しか手段がなかった。画像解析AIは、この間を埋める「いつでも疲れない目」として機能する。重要なのは、AIが人間を置き換えるのではなく、人間が注意を払えない時間帯・場所・対象を補完するという位置づけだ。夜勤・休日・無人時間帯ほど効果が大きい。

主要5ユースケース

画像解析AIが現場で実装されている代表的なユースケースを5つに整理する。いずれも単独で動かすことも、組み合わせて運用することも可能だ。

①立入禁止域の侵入検知

ジオフェンスをカメラ画角上に仮想的に描画し、その領域へ人や車両が入った瞬間にアラートを発する。クレーン旋回半径、フォークリフト走行帯、ロボットセル境界などが典型例だ。物理バリケードでは作業効率上設置できない場所——たとえば一時的な吊り荷の真下や、AGV（無人搬送車）の交差点——でも「ソフトウェア上の境界線」を引ける点が強みになる。

侵入検知の精度は照度・遮蔽物・カメラ画角の影響を受けやすい。実装時は試験運用期間を2〜4週間設け、誤検知の出やすい時間帯・天候・人の動線を学習データに反映させていく必要がある。

②PPE未着用検知

ヘルメット・安全帯フック・反射ベスト・保護メガネ・マスクなどの着用状態を画像から判定する。入退場ゲートや更衣室出口に設置し、未着用者にはゲートを開けない・LEDで警告するといった運用が多い。中災防の調査でも墜落・転落災害の主要因として「フルハーネスの不適切使用」が継続的に挙げられており、装着判定の自動化はROIの説明がしやすい領域である。

ただしヘルメットの色種別や、夏場の半袖ベスト省略など現場ルールはばらつきが大きい。「自社の安全基準をどこまでAIに教えられるか」が初期セットアップの肝になる。

③転倒・倒れ込み検知

姿勢推定（Pose Estimation）モデルを使い、人の関節点の位置変化から転倒を検知する。立位から短時間で水平姿勢に変化し、その状態が一定時間継続した場合に「転倒」と判定するロジックが一般的だ。単独作業の夜勤、高所からの転落、熱中症による倒れ込みなど、発見が遅れると致命傷になる事象に強い。

転倒検知は誤検知（しゃがみ込み・寝そべり作業）と未検知（柔らかい倒れ方）の両方が課題になる。介護施設・物流倉庫など導入実績の多い領域では検出率の改善が進んでいるが、新規領域では現場映像での再学習がほぼ必須と考えておきたい。

④行動異常検知

長時間滞留・往復徘徊・想定外ルート侵入など「正常パターンから外れた動き」を検知する。プラント制御室への部外者侵入、夜間の電気室前での不審滞在、深夜の単独作業者の異変など、明示的なルール違反ではないが「何かおかしい」を捉える領域である。

行動異常検知はルールベースよりも学習ベースの色が濃く、現場ごとに「正常」の定義が異なる。導入初期は誤検知が多めに出る前提で、運用しながら閾値を調整していくスタイルが現実的だ。

⑤密接距離検知

重機と作業員、フォークリフトと歩行者、自動扉と荷物——「動くもの」と「人」の距離をリアルタイムで計測し、安全距離を割り込んだ瞬間にアラートを発する。建設現場での「はさまれ・巻き込まれ」災害は、距離2m以内に人が入った状態で重機が動作した結果として発生するケースが多い。距離検知はこの直前を捉える数少ない手段だ。

ステレオカメラやLiDARを併用すると精度は上がるが、単眼カメラでもキャリブレーション次第で実用域に到達する。重機側のセンサーと連携し、検知時に重機を自動減速させる仕組みまで踏み込めば、検知から制御までの一貫した安全ループが完成する。

エッジAIとクラウドAIの比較

画像解析AIを現場に導入する際、最初に決めるべきは「どこでAIを動かすか」だ。カメラ内・エッジ機器・クラウドの3層があり、選択次第でコスト・遅延・運用負荷が大きく変わる。

エッジAIが向くケース

緊急停止と直結させる用途、ネットワークが不安定な現場、映像を外に出したくない機密エリアでは、エッジAIが第一選択になる。重機停止・ゲート制御・即時ブザーといった「数秒の遅れが致命的」な制御は、カメラ内またはエッジBOXで完結させるのが安全側である。

最近はNVIDIA Jetsonシリーズや国産エッジAIボックスが10万円前後で入手できるようになり、既設カメラのRTSP映像を取り込んで解析するハイブリッド構成も組みやすくなった。

クラウドAIが向くケース

複数拠点を横断して傾向分析したい、モデル改善を頻繁に回したい、初期費用を抑えて始めたい場合はクラウドAIが現実的だ。1拠点あたりの解析コストは上がるが、運用負荷とハードウェア管理から解放されるメリットは大きい。

実務的には「即時制御＝エッジ、傾向分析・ダッシュボード＝クラウド」のハイブリッドが定着しつつある。映像本体はエッジで処理し、検知メタデータと静止画スナップショットのみクラウドへ送る構成なら、通信コストもプライバシー懸念も同時に抑えられる。

既設カメラ活用と専用カメラ導入

「監視カメラはもう設置済み」という現場は多い。既設を流用できれば初期費用を大きく削れるが、流用可否は3つの条件で決まる。

既設カメラ流用の可否チェック

①解像度とフレームレート

PPE検知・姿勢推定には最低でもフルHD（1920×1080）・15fps以上、距離検知では4K・30fps級が望ましい。古いアナログカメラやVGA級ネットワークカメラは、人の輪郭は映っても関節点抽出までは厳しい。

②RTSP/ONVIF対応

エッジBOXやクラウドへ映像を取り込むには、RTSPまたはONVIF対応が事実上必須である。専用録画装置に閉じた独自プロトコルでは、AI解析側に渡せない。型番から仕様書を引いて確認したい。

③設置画角と照度

天井真下から見下ろす画角、逆光が強い窓際、夜間照度が極端に低いエリアは、いくら最新AIでも検知精度を出しづらい。流用時に画角と照明を調整できないなら、専用カメラへの置き換えが結果的に安く済むことも多い。

専用カメラを選ぶべき領域

入退場ゲートのPPE検知、重機周辺の距離検知、低照度エリアの転倒検知などは、専用カメラ（IR内蔵・広角・高解像度・AI内蔵）の導入が現実的だ。AI内蔵カメラなら追加のエッジBOXすら不要で、配線も電源＋LAN1本で済む。

「全カメラを置き換える」のではなく「重要ポイントのみ専用カメラ、それ以外は既設＋エッジBOX」の混在構成が、コストと精度のバランスとして最適解になりやすい。

アラート方式の設計

検知精度と同じくらい重要なのが「検知したあと、誰に、どうやって伝えるか」である。アラートが伝わらなければ検知はゼロと等価だ。

設計のコツは「対象者と目的で手段を分ける」ことだ。本人にやめさせたいならその場で鳴らす、責任者に気づかせたいならスマホ通知、是正記録に残したいならチャットとタスク管理、設備を止めたいなら制御信号——目的が違えば手段も違う。すべてを「とりあえずスマホ通知」に寄せると、通知疲れで誰も見なくなる。

アラートと匿名報告の連動

検知時の静止画と検知種別を匿名報告プラットフォームに自動投稿し、4M分析・リスク評価・是正タスク化までを一気通貫で回す運用が増えている。安全ポスト＋のような匿名報告基盤と組み合わせれば、AI検知 → 自動報告化 → 担当割当 → 是正完了の流れを人手を介さず設計できる。

導入コストの目安

「結局いくらかかるのか」が経営層への説明で最初に求められる。代表的な構成別に費用感を整理する。

カメラ1台あたり数万〜数十万円、サブスクは月数千〜数万円のレンジに収まることが多い。10台規模の中規模工場なら、初期150〜400万円・月額3〜15万円程度が目安となる。重要なのは「全箇所一度に」ではなく、最も事故リスクが高い1〜3箇所からPoCを始め、ROIを実測してから拡大することだ。

費用対効果の試算では、「人件費の代替」よりも「重大災害が発生した場合の損失回避」で語る方が説得力がある。労働災害1件あたりの直接・間接損失（休業補償・遺族補償・操業停止・社会的信用低下）は数百万円〜数千万円に達するケースが珍しくなく、検知システムへの数百万円の投資は1件の重大災害を防げれば回収できる試算になる。

中小企業が使える補助金

IT導入補助金：通常枠で1/2補助、デジタル化基盤導入枠でPCやレジ含めて広く対象。AIカメラのソフトウェア部分が対象になりやすい。

業務改善助成金：賃金引上げと生産性向上設備の同時取り組みが要件。AIカメラによる安全業務効率化も対象事例として認められている。事業場内最低賃金を引き上げる計画とセットで申請する形になる。

ものづくり補助金：革新的サービス開発・試作品開発・生産性向上のための設備投資が対象。製造業の安全DX設備が採択されている事例も多い。

事業再構築補助金（後継枠）・省力化投資補助金：省力化投資補助金（カタログ型）にAIカメラが掲載されているケースが増えており、申請が比較的シンプルなのが利点だ。

補助金は要件・公募時期が頻繁に変わるため、申請を検討する段階で中小企業庁の最新公募要領を必ず確認したい。

プライバシー配慮と労使協議

画像解析AIで最大の障壁になるのは技術ではなく、「監視されている」という従業員側の心理的抵抗だ。労働基準法・個人情報保護法・労働組合法の観点から、最低限押さえるべきポイントを整理する。

労使協議と就業規則

カメラ映像のAI解析は労務管理に該当する可能性があるため、導入前に労使協議（過半数代表者または労働組合との協議）と就業規則の改定が望ましい。最低限以下を文書化する。

• カメラ設置場所・台数・画角
• AI解析の対象（立入禁止・PPE等）と、対象外（個人特定・勤怠評価への利用禁止）
• 映像の保存期間・アクセス権限・削除手順
• 検知データの利用目的（安全管理のみ、人事評価には使わない旨）

「人事評価に使わない」を明文化することで、現場の心理的抵抗は大きく下がる。逆にこの一文がないと「行動を全部見られている」と受け取られ、形骸化どころか反発を招く。

顔認識・個人特定の制限

PPE検知や立入検知に「個人を特定する顔認識」は本来不要だ。導入時は「人を検出するが、誰かは特定しない」設計を選ぶのが原則になる。個人情報保護委員会のガイドラインでも、顔識別データの取得は「目的との比例性」が厳しく問われる。

どうしても個人特定が必要な用途（入退室管理など）と、安全管理用途は別系統のシステムに分けるのが望ましい。「安全のためのカメラが人事評価に使われた」という事案は信頼を一気に毀損する。

案内表示と同意取得

カメラ設置エリアには「AI解析中・安全管理目的」と明示した掲示を行う。来訪者・取引先・派遣社員にも見える位置に置くのが原則だ。社員に対しては入社時・配置転換時に同意取得の機会を設け、記録を残しておく。

これらを面倒に感じるかもしれないが、後から訴訟・労使紛争・行政指導が発生した際の防御コストと比べれば、初期に整える方が圧倒的に安い。

導入を成功させる5つのポイント

ここまでの内容を実装フェーズに落とすため、押さえるべきポイントを5つに整理する。

①事故リスクの高い1〜3箇所から始める

ヒヤリハット履歴・過去の災害報告・KY活動記録を遡り、「ここで事故が起きた／起きそうになった」エリアを特定する。全カメラを置き換える前に、最も投資効果が見える場所でPoCを回す。

②既設カメラの仕様確認を最初にやる

解像度・RTSP対応・画角の3点を確認し、流用可否を判定する。これを後回しにすると、PoC後に「結局カメラも全部買い替え」となりROI試算が崩れる。

③アラート方式は対象者と目的で分ける

ブザー・LED・スマホ通知・チャット連携・設備制御を、止めたい対象と気づかせたい対象で使い分ける。一律スマホ通知は通知疲れの温床になる。

④検知データを匿名報告基盤と連動させる

検知ログを安全ポスト＋のような匿名報告プラットフォームに自動投稿し、4M分析・リスク評価・是正タスク化までをワンストップ化する。検知して終わりにせず、対策まで繋ぐ運用設計が定着の鍵だ。

⑤労使協議と運用ルールを先に整える

技術選定より前に「使わない目的」を文書化する。人事評価に使わない・特定個人を追跡しない・保存期間を限定する——この3点を労使で合意してから機器を発注すれば、現場の協力が得られやすい。

📷 AI検知と匿名報告をワンストップで

安全ポスト＋ は、画像解析AIによる検知ログを匿名報告として自動取り込みし、4M分析・リスク評価・是正タスク管理までを一気通貫で運用できるプラットフォーム。

• QRで匿名報告：作業員はスマホでQRを読むだけ、1分で報告完了
• AIが4M分析：報告内容をMan/Machine/Material/Methodに自動分類
• 検知連携：AIカメラの検知データをWebhook経由で報告化
• 無料プランあり：全機能を試せる

👉 安全ポスト＋を試す

まとめ

画像解析AIによる危険予知は、人の目では追えない時間帯・場所・対象を補完する「疲れない監視者」として、建設・製造・物流・介護の各現場に広がっている。

主要5ユースケース：

• 立入禁止域の侵入検知（クレーン旋回半径・AGV走行帯）
• PPE未着用検知（入退場ゲート・更衣室出口）
• 転倒・倒れ込み検知（夜勤・単独作業）
• 行動異常検知（プラント制御室・夜間電気室）
• 密接距離検知（重機と作業員・フォークリフトと歩行者）

技術選択の軸：

• 即時制御＝エッジAI、傾向分析＝クラウドAI、ハイブリッドが現実解
• 既設流用＋エッジBOXで初期費用を抑え、重要ポイントは専用AIカメラ
• アラート手段は対象者と目的で分ける

コストと制度：

• カメラ1台数万〜数十万円、サブスク月数千〜数万円
• 10台規模で初期150〜400万円・月額3〜15万円が目安
• IT導入補助金・業務改善助成金・ものづくり補助金・省力化投資補助金が活用可能

プライバシーと労使：

• 労使協議・就業規則改定を機器発注前に
• 顔認識は安全用途で使わない／人事評価に使わないを明文化
• 案内表示と同意取得を運用に組み込む

AI検知は「導入したら終わり」ではなく、検知 → 報告化 → 是正 → 効果測定のループを回し続けて初めて成果が出る。1箇所のPoCから始め、匿名報告基盤と連動させ、段階的に拡大していこう。

現場改善に役立つ関連アプリ

GenbaCompassでは、現場のDXを支援するアプリを提供している。

詳しくは GenbaCompass をチェック。