コンピュータビジョンカメラとその用途

データ、アルゴリズム、コンピューティング能力など、多くの技術的要因が人工知能（AI）アプリケーションの成功に影響します。特に、画像や動画を分析・理解できるよう機械に学習させるAIの分野であるコンピュータービジョンでは、最も重要な要因の一つが入力、つまりデータソースであるカメラです。コンピュータービジョンアプリケーションで使用するカメラの品質と種類は、AIモデルのパフォーマンスに直接影響します。

さまざまなコンピュータービジョンタスクには異なる種類の視覚データが必要となるため、適切なカメラを選ぶことが重要です。例えば、顔認識のように、顔の細部を正確に捉える必要があるアプリケーションでは、高解像度カメラが使用されます。一方、行列監視のように、細かなディテールよりも全体的なパターンに依存するタスクでは、低解像度カメラを使用できます。

現在では、特定のニーズに対応するよう設計された多種多様なカメラが利用できます。それぞれの違いを理解することで、コンピュータービジョンのイノベーションを最適化できます。さまざまな種類のコンピュータービジョンカメラと、各業界での用途について見ていきましょう。

コンピュータービジョン向けRGBカメラを探る#

RGB（赤、緑、青）カメラは、コンピュータービジョンアプリケーションで一般的に使用されます。400～700ナノメートル（nm）の波長範囲にある可視スペクトルの画像を撮影します。これらの画像は人間の見え方に近いため、人間の視覚に近い認識で十分な状況における物体検出、インスタンスセグメンテーション、姿勢推定など、多くのタスクでRGBカメラが使用されています。

図1 RGBカメラの仕組みの概要。

これらのタスクでは通常、2次元（2D）の視点から物体を識別・検出します。正確な結果を得るために深度を取得する必要はありません。ただし、3D物体検出やロボティクスなど、アプリケーションで深度情報が必要な場合は、RGB-D（赤、緑、青、深度）カメラを使用します。これらのカメラはRGBデータと深度センサーを組み合わせ、3Dの詳細情報を取得するとともに、リアルタイムの深度測定を行います。

小売店でのRGB-Dカメラの活用#

RGB-Dカメラが役立つ興味深い用途の一つが、小売店で普及しつつある概念、バーチャル試着です。簡単に言うと、RGB-Dカメラとセンサーを統合したスマートスクリーンは、買い物客の身長、体型、肩幅などの情報を収集できます。この情報を使って、システムは顧客のライブ画像に衣服をデジタル合成できます。インスタンスセグメンテーションや姿勢推定などのコンピュータービジョンタスクで視覚データを処理することで、顧客の体を正確に検出し、リアルタイムで体型に合うよう衣服を調整できます。

図2 バーチャル試着の例。

バーチャル試着により、顧客は衣服のフィット感を3Dで確認でき、一部のシステムでは、よりリアルな体験を実現するため、生地の動きまで再現できます。コンピュータービジョンとRGB-Dカメラにより、顧客は試着室を利用せず、すぐに衣服を試着できます。時間を節約できるだけでなく、スタイルやサイズの比較が容易になり、全体的なショッピング体験も向上します。

ステレオ画像と飛行時間（ToF）カメラを理解する#

ステレオカメラは、複数のイメージセンサーを使用し、異なる角度から撮影した画像を比較して深度を取得するカメラです。単一センサーのシステムよりも高い精度を実現できます。一方、飛行時間（ToF）カメラまたはセンサーは、赤外線を照射し、物体に反射してセンサーに戻るまでの時間を測定して距離を算出します。光が戻るまでの時間はカメラのプロセッサーによって計算され、距離が特定されます。

図3 ToFカメラの仕組みの概要。

場合によっては、ステレオカメラにToFセンサーを統合し、両方のデバイスの長所を組み合わせて、深度情報を迅速かつ高精度に取得します。ToFセンサーによるリアルタイムの距離測定と、ステレオカメラによる詳細な深度認識を組み合わせることで、速度と精度の両方が重要な自動運転車やコンシューマーエレクトロニクスなどのアプリケーションに適したシステムとなります。

飛行時間（ToF）カメラによる深度センシングの身近な例#

気付かないうちに飛行時間（ToF）カメラを使っていた可能性があります。実際、Samsung、Huawei、Realmeなどのブランドの一般的なスマートフォンには、深度センシング機能を向上させるためにToFセンサーが搭載されていることがよくあります。これらのカメラが提供する正確な深度情報は、被写体にピントを合わせたまま背景をぼかす、人気のボケ効果の作成に使用されます。

ToFセンサーは、写真撮影以外にも、ジェスチャー認識や拡張現実（AR）などのアプリケーションで不可欠になりつつあります。例えば、Samsung Galaxy S20 UltraやHuawei P30 Proなどのスマートフォンは、これらのセンサーを使用して3Dの深度をリアルタイムでマッピングし、写真撮影とインタラクティブ体験の両方を向上させます。

熱検出向け赤外線カメラとサーマルカメラ#

サーマルカメラは、その名前が示すとおり、製造業や自動車工場など、さまざまな用途で熱検出に広く使用されています。これらのカメラは温度を測定し、高すぎる、または低すぎる危険な熱レベルを検出した際にユーザーへ警告できます。人間の目には見えない赤外線を検出することで、正確な温度を読み取ります。赤外線カメラとも呼ばれ、その用途は産業環境にとどまりません。例えば、農業で家畜の健康状態を監視したり、建物検査で熱漏れを特定したり、消防活動で高温箇所を特定したりするためにも使用されます。

図4 サーマルカメラで高温箇所を探す消防士。

産業用途におけるサーマルイメージング#

製造工場や石油・ガス掘削施設の機械および電気システムは、継続的に稼働し、副産物として熱を発生させることがよくあります。時間の経過とともに、モーター、ベアリング、電気回路などの部品に過剰な熱が蓄積し、機器の故障や安全上の危険につながる可能性があります。

サーマルカメラは、異常な温度上昇を早期に検出することで、オペレーターによるこれらのシステムの監視を支援します。過熱したモーターはメンテナンスを予定に組み込み、コストのかかる故障を防止できます。定期検査にサーマルイメージングを組み込むことで、各業界は予知保全を実施し、ダウンタイムを削減し、機器の寿命を延ばし、より安全な作業環境を確保できます。全体として、プラントのパフォーマンスを向上させ、予期しない故障のリスクを最小限に抑えられます。

モーションキャプチャ向け低速カメラと高速カメラ#

高速カメラは、毎秒10,000フレーム（FPS）を超える映像を撮影し、急速な動きを卓越した精度で処理できるよう設計されています。例えば、生産ライン上を製品が高速で移動する場合、高速カメラを使用して製品を監視し、異常を検出できます。

一方、スローモーションカメラは、高いフレームレートで映像を撮影した後、再生速度を下げるために使用できます。これにより、視聴者はリアルタイムでは見落としがちな細部を観察できます。これらのカメラは、銃器や爆発物の性能評価に使用されます。動きを減速させ、複雑な動きを分析できるため、この種の用途に適しています。

特定の状況では、高速カメラとスローモーションカメラを組み合わせることで、同じイベント内にある高速および低速で移動する物体を詳細に分析できます。例えば、ゴルフの試合を分析するとします。高速カメラでゴルフボールの速度を測定し、スローモーションカメラでゴルファーのスイング動作と身体の制御を分析できます。

図5 コンピュータービジョンと高速カメラを使用したゴルファーのスイング分析。

コンピュータービジョンにおけるマルチスペクトルイメージング#

マルチスペクトルカメラは、紫外線や赤外線を含む光スペクトルの複数の波長を、1回の撮影で記録できる特殊なデバイスです。マルチスペクトルイメージングは、従来のカメラでは取得できない、詳細で価値のあるデータを提供します。さらに狭く連続した光の帯域を捉えるハイパースペクトルカメラと同様に、マルチスペクトルカメラは農業、地質学、環境モニタリング、医用画像などの分野で使用されています。例えば、ヘルスケアでは、マルチスペクトルカメラで複数の波長の画像を撮影し、異なる組織を可視化できます。

図6 RGB、マルチスペクトル、ハイパースペクトルイメージングの比較。

同様に、マルチスペクトルイメージングを搭載したドローンが、農業で大きな進展を遂げています。これらのドローンは、健康状態の悪い植物や、昆虫・害虫の被害を受けた植物を早期に特定できます。これらのカメラは近赤外スペクトルを分析できます。一般に、健康な植物は健康状態の悪い植物よりも多くの近赤外線を反射します。農業でこのようなAI技術を導入することで、農家は早期に対策を講じ、収穫量を増やし、作物の損失を削減できます。

自動運転車向けLiDARカメラ#

LiDAR（光検出と測距）カメラは、レーザーパルスを使用して3Dマップを作成し、離れた場所にある物体を検出します。霧、雨、暗闇、高温など、さまざまな条件で効果を発揮しますが、雨や霧などの悪天候によって性能が低下する可能性があります。LiDARは、ナビゲーションや障害物検出を目的として、自動運転車などのアプリケーションで一般的に使用されています。

LiDARは車の目のような役割を果たし、レーザーパルスを発射して反射して戻るまでの時間を測定します。これらの情報により、車は距離を計算し、車、歩行者、信号機などの物体を識別できます。安全な運転のために、360度の視野を提供します。

すべてを明確に捉える#

コンピュータービジョンにおいて、カメラは機械が人間と同じように世界を見て解釈できるようにする目の役割を果たします。さまざまなコンピュータービジョンアプリケーションを成功させるには、適切な種類のカメラを選ぶことが重要です。標準的なRGBカメラから高度なLiDARシステムまで、それぞれの種類が特定のタスクに適した独自の機能を備えています。さまざまなカメラ技術とその用途を理解することで、開発者や研究者はコンピュータービジョンモデルをより適切に最適化し、現実世界の複雑な課題に対応できます。

GitHubリポジトリを確認して、AIについてさらに詳しく学びましょう。コミュニティに参加して、同じ関心を持つビジョンAIの愛好家と交流しましょう。ヘルスケアおよび製造業におけるコンピュータービジョンアプリケーションについては、当社のソリューションページをご覧ください。