本プロンプトパッケージは、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、不審者の行動パターンを分析し、特定の人物を特定するためのAI推論フレームワークである。映像データから得られたテキスト情報（またはフレームごとの詳細な記述）を本プロンプトに流し込むことで、犯人のプロファイリング、移動経路の予測、および身元特定のヒントを抽出できる。 ### モジュール1：防犯カメラ映像・状況要約用プロンプト 以下のテンプレートをコピーし、AIに映像から読み取った詳細な記述を入力する。 ```markdown # 役割 あなたは高度な犯罪捜査支援AIです。防犯カメラ映像から得られた視覚情報を論理的に分析し、容疑者の特定に繋がる情報を抽出してください。 # 入力データ [ここに防犯カメラ映像の目視ログ、またはAIが書き出したフレームごとの描写を入力] # 指示 1. 容疑者の身体的特徴を以下の項目で整理する - 身長・体格（推定値） - 服装（色、柄、ブランドロゴ等の特徴、汚れや破れ） - 身体的特徴（歩き方の癖、タトゥー、傷跡、装身具） 2. 行動パターンの時系列分析 - 入店から退店までの時間（秒単位） - 立ち寄った棚の場所と接触した商品 - レジ前での挙動（視線の動き、手元の動作） 3. 特異点（Anomaly）の抽出 - 周囲と明らかに異なる行動 - 犯行直前の兆候となる動作 # 出力フォーマット 【身体的特徴リスト】 - 項目: 内容（確信度: 高/中/低） 【時系列行動ログ】 - hh:mm:ss - 行動内容 - 目的の推測 【特異点・違和感ポイント】 - 箇所 - 内容 - 捜査上の重要度 ``` ### モジュール2：行動予測・逃走経路分析用プロンプト 犯人の動きを分析し、店外へ出た後の移動ルートを予測するための推論用プロンプト。 ```markdown # 目的 深夜のコンビニエンスストア周辺の地理的条件と、映像から判明した犯人の移動速度、方向性から、最も可能性の高い逃走経路を3つ提案する。 # 前提条件 - 犯人の移動手段: [徒歩 / 自転車 / 車両] - 周辺環境: [地図データまたは周辺の施設情報を入力] - 犯人の心理状態推測: [焦燥 / 冷静 / 計画的] # 思考プロセス 1. 店外へ出た瞬間の身体の向きと、カメラの死角に入るまでのベクトルを計算する。 2. 周辺の「死角（カメラが設置されていない場所）」を洗い出し、犯人が好むルートを推定する。 3. 逃走経路の優先順位を「人目につく確率」と「移動効率」の観点からスコアリングする。 # 出力 【予測逃走経路】 1. ルートA: [詳細] - 推定理由: [理由] - 懸念点: [懸念] 2. ルートB: [詳細] - 推定理由: [理由] - 懸念点: [懸念] 3. ルートC: [詳細] - 推定理由: [理由] - 懸念点: [懸念] ``` ### モジュール3：人物特定のためのプロファイリング構築用プロンプト 映像情報と周辺店舗の情報を組み合わせ、容疑者を絞り込むためのクロスリファレンス用プロンプト。 ```markdown # 目的 特定の容疑者像に対し、深夜帯の近隣顧客データベースや過去の犯罪傾向と照らし合わせ、特定のための絞り込み条件を作成する。 # 構成項目 - 犯行時間帯の統計的傾向 - 過去の同種事件との類似点 - 周辺住民の生活リズムと当該犯人の行動の乖離 # 指示 以下のステップで出力を生成せよ。 ステップ1：身体特徴を「一般人との識別点」として強調する。 ステップ2：犯人が「特定の時間帯にそのコンビニに現れる必然性」を仮説として挙げる（例：近隣の24時間営業工場の従業員、近隣のネットカフェ宿泊者など）。 ステップ3：捜査官が次に確認すべき「追加データ」を提案する。 # 出力構成 【容疑者プロファイルサマリー】 - 年齢層推定: - 社会的属性推測: - 常習性の有無: 【絞り込みフィルタ】 - 必須確認項目1: - 必須確認項目2: - 優先すべき防犯カメラ映像の再確認箇所: ``` ### モジュール4：Pythonによる防犯カメラログ解析コード補助 映像のフレームからメタデータ（時間、人物の有無、移動ベクトル）を抽出するための基本的なPythonコードスニペット。OpenCVライブラリを使用する。 ```python import cv2 import numpy as np # 映像読み込み cap = cv2.VideoCapture('cctv_footage.mp4') fgbg = cv2.createBackgroundSubtractorMOG2()