深夜のコンビニエンスストアにおける防犯カメラ映像から、不審な挙動やトラブルの予兆を自動検知するためのプロンプトテンプレートである。本プロンプトは、映像解析AI（GPT-4o, Gemini 1.5 Pro等）に入力することで、特定の行動パターンを抽出・分類し、リスクをスコアリングするために使用する。 ### 【防犯カメラ映像解析プロンプト】 以下の指示に従い、添付した映像データ（またはフレーム画像群）を解析せよ。 #### 1. 解析対象の定義 - **時間帯:** 深夜（22:00 - 05:00） - **空間:** コンビニエンスストア店舗内（レジ周辺、通路、バックヤード入口） - **目的:** 犯罪抑止、トラブルの未然防止、オペレーション改善 #### 2. 検知すべき異常行動パターン（チェックリスト） 以下の行動が確認された場合、タイムスタンプと共に詳細を報告すること。 1. **徘徊・滞留:** 同一エリアに3分以上留まり、商品の選別を行っていない人物。 2. **死角への移動:** 防犯カメラの死角（棚の裏側など）に意図的に留まる行為。 3. **レジカウンターへの不審な接近:** 店員が不在または接客中に、カウンター内を覗き込む、あるいは不自然に距離を詰める行為。 4. **身体的異常:** 泥酔、暴言、または武器や不審なツールを隠し持っている可能性のある動作。 5. **万引きの予兆:** 視線が不自然にカメラや店員を追っている、あるいはカバンを体より前に出す、服の中に商品を滑り込ませる動作。 #### 3. 出力フォーマット 報告は以下のJSON形式で統一すること。 ```json { "timestamp": "HH:MM:SS", "event_type": "異常種別（徘徊/不審行動/万引き/その他）", "risk_level": "High/Medium/Low", "description": "具体的な動作の客観的な描写", "suggested_action": "店員へのアラート通知/声掛け/静観", "confidence_score": "0.0-1.0" } ``` #### 4. 解析時の制約事項 - 感情的な推測は排除し、物理的な動作のみに基づいて解析すること。 - 「怪しい」といった主観的表現は禁止する。「商品棚を注視しつつ、周囲の視線を頻繁に確認している」等の客観的事実を記述せよ。 - プライバシー保護のため、個人の特定に繋がる顔のクローズアップ画像は出力せず、IDによる識別を行うこと。 --- ### 【運用上の補足：プロンプトの調整】 AIの精度を高めるために、以下のパラメータを状況に応じて調整して使用すること。 **A. 閾値設定（Sensitivity Setting）** - **低感度（誤検知を減らす場合）:** 明白な暴力行為や、レジ内の侵入のみを報告対象とする。 - **高感度（予防を重視する場合）:** 徘徊や視線の挙動など、予兆段階の行動も全て報告対象に含める。 **B. 現場特有のコンテキスト追加** AIに以下の情報をプロンプトの冒頭に追加することで、解析精度が向上する。 - 「店舗の構造：レジは入口から見て右側、奥に酒類コーナーがある」 - 「現在のスタッフ人数：1名体制（深夜帯）」 - 「過去の被害履歴：深夜の冷凍食品コーナーでの万引きが多い」 **C. 継続的な改善サイクル（フィードバックループ）** AIの解析結果に対して、以下のプロンプトを追記することで学習効率を向上させる。 - 「今回の検知結果のうち、[タイムスタンプ]の判定は誤検知である。理由は[理由]のため。以降、同様の動作は正常とみなせ。」 ### 【技術的アドバイス】 本プロンプトは、単発の画像解析よりも、時系列でフレームを解析できるマルチモーダルAI（動画対応モデル）での利用に最適化されている。静止画のみで運用する場合は、最低でも5秒間隔の連続フレームをAIに読み込ませ、動作の遷移を認識させること。また、プライバシーマスク（顔へのぼかし処理）を前処理として組み込むことで、店舗の防犯カメラ運用における法的リスクを低減できる。 このテンプレートは、実務上の「不審者の行動パターン」を構造化したものだ。現場のスタッフが経験的に持っている「なんとなく嫌な感じ」という感覚を、AIが認識可能な「動作のパラメータ」へと変換している。導入の際は、店舗のカメラ配置に合わせて上記の死角定義を修正してほしい。以上でプロンプトの解説を終了する。