防犯の心理学

AIの顔認識カメラは犯罪を減らすのか。研究でわかっている効果と、誤認識のリスク

約4分で読めます 出典照合済み(2026-11-16)

街角に設置された監視カメラ
Photo: Hans Wolff / Public domain / Wikimedia Commons
AIによる調査公開された研究をAIが調べて整理しました(防犯グッズ・商品の紹介はしていません。出典は末尾)。

駅前や商業施設で、AIの顔認識カメラを見かける機会が増えています。「これがあれば安心」と思いたくなりますが、研究では、犯罪を減らす効果はまだはっきりしていません。研究でわかっている効果の限界と誤認識のリスク、お金をかけずに今日からできることを紹介します。

3行でわかる

  1. 顔認識カメラが実際に犯罪を減らすと示した信頼できる研究はまだ乏しい。通常の監視カメラ329台を調べた研究でも、事件の解決率が上がったのは主にカメラ近くの窃盗に限られた。
  2. 顔認識の精度を検証した2026年の研究では、画像の質が下がるほど本人の見逃しが増え、別人を一致と判定する割合は人種によって差があった。
  3. 誤って声をかけられても、落ち着いて確認を求め記録を残せば、お金をかけずにできる対応がある。カメラの有無にかかわらず、効果が確かめられている習慣を続ける価値がある。

01 犯罪者側から見るとAIカメラは、犯罪者の「見つかる」計算をどう変える?

犯罪は、捕まる確実性を高く感じるほど起こりにくくなるとされます。顔認識カメラは、見られている感覚を強め、その計算を変えることを狙った仕組みです。

犯罪学の基本的な考え方のひとつに、1979年に提唱された「日常活動理論」があります。犯罪は、動機を持つ人・狙われやすい対象・それを止める「見張りの目」の3つがそろったときに起こりやすいとされます[1]。顔認識つきのAIカメラは、この「見張りの目」を街のあちこちに増やし、捕まる可能性を感じさせることで、犯罪を思いとどまらせることを狙った仕組みです。

ただしこの狙いが働くには、カメラが実際に機能し、周囲にもそう思われている必要があります。精度が低かったり、誤りが多いと知られたりすると、見張られている感覚そのものが弱まってしまいます。

02 研究と統計でわかっていることAIの顔認識カメラは、犯罪を本当に減らしている?

顔認識カメラが犯罪を減らすと示した信頼できる研究はまだ乏しく、似た仕組みの監視カメラの研究でも効果は一様ではありません。精度を検証した研究では、画像の質や人種によって誤認の起きやすさに差がありました。

18/24米GAOが調べた連邦政府の24機関のうち、顔認識技術を使っていた機関の数(2020年度。スマートフォンのロック解除などの用途も含む、2021年の報告)
329台米ダラス市の公共カメラの台数。調べたのは事件の解決率で、上がったのは主にカメラ近くの窃盗に限られた(2023年)
73%顔認識の精度を検証した2026年の研究で、AIが作った顔画像の候補のうち白人の顔が占めた割合(顔を作るAIの元データの偏りを受け継いだもの)
5%同じ候補画像のうち、黒人の顔が占めた割合(白人の顔のおよそ14分の1)

Haley(2025)[1]

生体認証による監視技術と暴力犯罪の関係を、既存の研究から整理したレビューです。米ダラス市の公共カメラ329台を調べた研究は事件の解決率を調べたもので、カメラ近くの事件の解決率が上がったのは主に窃盗でした。レビュー全体としては、監視カメラが暴力犯罪を大きく減らしたとは言えないとまとめています。米GAOの調査で、連邦政府の24機関のうち18が顔認識技術を使っていたことも紹介しています(用途は捜査のほか、職員のスマートフォンのロック解除なども含む)。

対象: 査読誌Sensorsに掲載された2025年のレビュー(新たな実験ではなく、既存研究の整理)/限界: 引用されているのは顔認識機能のない通常の監視カメラ(CCTV)の研究で、顔認識カメラそのものの効果を直接検証したものではない。

Cuellarら(2026)[2]

AIで作った顔画像をぼかしたり、暗くしたり、解像度を落として、顔認識の精度がどう変わるかを調べた実験です。画像のブレ・コントラスト・暗さ・解像度の低さが強まるほど本人を見逃しやすくなり、特に解像度の影響が大きくなりました。一方、別人を誤って一致と判定する割合は、画像が元の質に近いときに最も高く、劣化が進むほど下がりました。誤って一致と判定される割合は、黒人(特に黒人女性)で高く、白人男性で低いことが多くありました。

対象: AIで作った顔画像から、人種と性別がそろうように選んだ167人分の照合用データと167人分の照合する顔を、段階的に劣化させた実験(顔認識の仕組みは1種類)/限界: 実際の防犯カメラの映像ではなく、人工的に生成・劣化させた画像での実験。顔を作るAIの元データの偏りを受け継ぎ、候補画像(44,438件)は白人73%・黒人5%と人種構成に偏りがあった。

Bergold & Kovera(2025)[3]

顔認識で疑わしい人物を見つける仕組みについて、既存の研究を整理したレビューです。照合する相手の数が多いデータベースほど、また画像の質が低いほど、誤って一致と判定されやすくなるとされています。誤って逮捕された人には、心の負担(トラウマ)が残る可能性があると指摘しています。

対象: 査読誌Psychological Trauma掲載の2025年のレビュー/限界: 誤認逮捕の心の負担そのものを測った大規模な調査ではなく、既存研究をもとにした理論的な整理。

顔認識の精度を検証した研究で、AIが作った顔画像の候補の人種別の件数

白人32,425件
アジア系9,715件
黒人2,298件

出典: Cuellarら(2026)PLOS ONE。全44,438件中の件数。実験ではこの中から人種と性別がそろうように選んで使った

顔画像の元になるデータの人種構成が偏っていると、精度を調べる研究でも、特定の人種での誤認の起きやすさを十分に確かめきれない可能性があります。この研究では、候補から人種と性別がそろうように選び直して比べています。

03 お金をかけずに今日からできること顔認識カメラがある街で、今日からできることは?

カメラの有無にかかわらず、効果が確かめられている対策を続け、誤って声をかけられたときの備えをしておくと安心です。

1

カメラに頼りきらず、基本の習慣を続ける

顔認識カメラがあっても、照明・見通し・施錠など効果が確かめられている対策の必要性は変わらない。

所要 0分

2

誤って声をかけられたら、まず確認を求める

身分証の提示を求め、何に基づいて声をかけられたのか(顔認識の一致など)を落ち着いて聞く。その場で日時・場所・担当者名をメモしておく。

所要 3分

3

誤認が疑われたときの相談先を覚えておく

対応に納得できないときは、最寄りの警察署の広報・相談窓口や、緊急でない相談は警察相談専用電話(#9110)に記録を伝えて確認できる。

所要 2分

4

地域での導入が話題になったら、意見を伝える

自治体や商店街がAIカメラの導入を検討するときは、意見募集(パブリックコメント)などの無料の窓口で、精度の検証や誤認時の対応窓口が決まっているかを聞いてみる。

所要 5分

04 習慣にするコツ「カメラがあるから安心」にならないためには?

「カメラがある」ことと「効果が証明されている」ことは別だと意識すると、油断なく過ごせます。

まだわからないこと: 顔認識カメラそのものが犯罪を減らしたかを検証した査読論文は見つかりませんでした。ここで紹介した研究の多くは米国での実験や、顔認識機能のない通常の監視カメラ(CCTV)の研究です。日本での効果や、すべてのAIカメラにそのまま当てはまるとは限りません。

05よくある質問

顔認識カメラがある場所は、本当に安全なの?

まだはっきりとは言えません。通常の監視カメラ(CCTV)を調べた研究でも、設置が暴力犯罪を減らす効果は条件によって差があり、顔認識カメラに限って効果を確かめた信頼できる研究はまだ限られています。

顔認識で人違いをされたら、何を疑えばいい?

画像が不鮮明だったり、照合する相手の数が多いデータベースほど、誤って一致と判定されやすくなるとされています。身分証を示し、何を根拠に声をかけられたのかを落ち着いて確認すると安心です。

顔認識カメラの誤認は、特定の人に多いって本当?

研究では、誤って一致と判定される割合が人種や性別によって異なることが報告されています。精度を検証する研究で使う顔画像の元データに、人種の偏りがある点も指摘されています。

出典

  1. Haley, P. (2025). The Impact of Biometric Surveillance on Reducing Violent Crime: Strategies for Apprehending Criminals While Protecting the Innocent. Sensors, 25(10), 3160. https://doi.org/10.3390/s25103160
  2. Cuellar, M., To, H. K. J., & Mehrotra, A. (2026). Accuracy and fairness of facial recognition technology in real-world, low-quality police images: An experiment. PLOS ONE, 21(10), e0353793. https://doi.org/10.1371/journal.pone.0353793
  3. Bergold, A. N., & Kovera, M. B. (2025). The contribution of facial recognition technology to wrongful arrests and trauma. Psychological Trauma: Theory, Research, Practice, and Policy, 17(Suppl 1), S225–S233. https://doi.org/10.1037/tra0001783