コンピュータビジョンカメラとその応用

人工知能（AI）アプリケーションの成功には、技術的要因、例えばデータ、アルゴリズム、そして計算能力といった多くの要素が貢献しています。特にAIの一分野であり、マシンが画像や動画を分析・理解できるようにすることに焦点を当てたコンピュータビジョンにおいて、最も重要な要素の一つが入力すなわちデータソースであるカメラです。コンピュータビジョンアプリケーションで使用されるカメラの品質や種類は、AIモデルのパフォーマンスに直接影響を与えます。

適切なカメラを選択することは極めて重要です。なぜなら、コンピュータビジョンタスクの種類によって、必要となる視覚データのタイプが異なるからです。例えば、顔認識のようなアプリケーションでは、顔の細かい特徴を正確に捉える必要があるため、高解像度カメラが使用されます。対照的に、行列監視のようなタスクでは、複雑な詳細よりも広範なパターンに依存するため、低解像度のカメラを使用できます。

今日、さまざまなニーズに応えるために設計された多種多様なカメラが利用可能です。その違いを理解することで、コンピュータ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ビジョンカメラとその業界ごとの応用例について見ていきましょう。

Link to this sectionコンピュータビジョン向けのRGBカメラを探る#

RGB（赤、緑、青）カメラはコンピュータビジョンアプリケーションで一般的に使用されています。これらは400〜700ナノメートル（nm）の波長範囲にある可視スペクトルで画像を捉えます。これらの画像は人間の視覚と似ているため、人間と同等の視覚で十分な状況下での物体検出、インスタンスセグメンテーション、姿勢推定といった多くのタスクにRGBカメラが使用されます。

図1. RGBカメラの仕組みの概要。

These tasks usually involve identifying and detecting objects from a two-dimensional (2D) perspective, where capturing depth isn’t necessary for accurate results. However, when an application requires depth information, like in 3D object detection or robotics, RGB-D (Red, Green, Blue, and Depth) cameras are used. These cameras combine RGB data with depth sensors to capture 3D details and provide real-time depth measurements.

Link to this section小売店におけるRGB-Dカメラの活用#

An interesting application where RGB-D cameras can come in handy is virtual try-ons, a concept that is becoming more popular in retail stores. To put it simply, smart screens integrated with RGB-D cameras and sensors can gather details like a shopper’s height, body shape, and shoulder width. Using this information, the system can digitally overlay clothing onto a live image of the customer. Computer vision tasks, such as instance segmentation and pose estimation, can process the visual data to accurately detect the customer’s body and align the clothing to fit their proportions in real time.

図2. バーチャル試着の例。

バーチャル試着は、衣服がどのようにフィットするかを3Dビューで顧客に提供し、一部のシステムでは、より現実的な体験のために布地の動きをシミュレートすることもできます。コンピュータビジョンとRGB-Dカメラにより、顧客は試着室を使わずに即座に服を試すことが可能になります。これにより時間を節約し、スタイルやサイズの比較を容易にし、全体的なショッピング体験を向上させます。

Link to this sectionステレオイメージングとTime-of-Flight（ToF）カメラの理解#

ステレオカメラは、異なる角度からの画像を比較して深度を捉えるために複数のイメージセンサーを使用するタイプのカメラです。これらはシングルセンサーシステムよりも正確です。一方、Time-of-Flight（ToF）カメラやセンサーは、物体に当たって跳ね返り、センサーに戻ってくる赤外線を放射することで距離を測定します。光が戻ってくるまでの時間はカメラのプロセッサによって計算され、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、ステレオカメラとToFセンサーを統合し、両方のデバイスの強み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センサーのリアルタイムの距離測定とステレオカメラの詳細な深度知覚の組み合わせは、速度と精度の両方が不可欠な自動運転車や家電製品などのアプリケーションに最適です。

Link to this sectionTime-of-Flight（ToF）カメラの深度センシングの日常的な例#

気づかないうちにTime-of-Flight（ToF）カメラを使用している可能性があります。実際、Samsung、Huawei、Realmeなどのブランドの人気スマートフォンには、深度センシング機能を強化するためにToFセンサーが含ま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、背景をぼかしながら被写体を鮮明に保つ人気のボケ効果を作り出すために使用されます。

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、他のアプリケーションにとっても不可欠になりつつあります。例えば、Samsung Galaxy S20 UltraやHuawei P30 Proのようなスマートフォンは、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な体験の両方を改善しています。

Link to this section熱検出のための赤外線またはサーマルカメラ#

Thermal cameras, as the name suggests, are widely used for heat detection in various applications, including manufacturing industries and automobile factories. These cameras measure temperature and can be used to alert users when they detect critical levels of heat that are either too high or too low. By detecting infrared radiation, which is invisible to the human eye, they provide precise temperature readings. Often referred to as infrared cameras, their uses also extend beyond industrial settings. For instance, thermal cameras are also used in agriculture to monitor livestock health, in building inspections to identify heat leaks, and in firefighting to locate hotspots.

図4. 発火点を見つけるためにサーマルカメラを使用する消防士。

Link to this section産業用途向けのサーマルイメージング#

Machines and electrical systems at manufacturing plants or oil and gas rigs often operate continuously and generate heat as a byproduct. Over time, excessive heat buildup can occur in components such as motors, bearings, or electrical circuits, potentially leading to equipment failure or safety hazards.

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、オペレーターがこれらのシステムを監視するのに役立ちます。過熱しているモーターのメンテナンスを予定することで、コストのかかる故障を防ぐことができます。サーマルイメージングを定期点検に組み込むことで、産業界は予測メンテナンスを実装し、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、工場のパフォーマンスが向上し、予期せぬ故障のリスクを最小限に抑えることができます。

Link to this sectionモーションキャプチャ用の低速および高速カメラ#

高速カメラは、秒間10,000フレーム（FPS）以上をキャプチャするように設計されており、高速な動きを並外れた精度で処理できます。例えば、生産ラインで製品が高速で移動する場合、高速カメラを使用してそれらを監視し、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、再生速度を落とすために使用されます。これにより、視聴者はリアルタイムでは見逃されがちな詳細を観察することができます。これらのカメラは、銃器や爆発物のパフォーマンスを評価するために使用されます。複雑な動きをスローダウンして分析できる能力は、このタイプのアプリケーションに最適です。

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、同じイベント内の高速および低速で移動する物体の詳細な分析に役立ちます。例えば、ゴルフの試合を分析しているとします。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の動きや体の制御を分析することができます。

図5. コンピュータ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。

Link to this sectionコンピュータ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回のショット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、従来のカメラでは捉えられない貴重で詳細なデータを提供します。さらに狭く連続的な光の帯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、医療画像処理といった分野で使用されています。例えば、ヘルスケアにおいて、マルチスペクトルカメラは複数の波長にわたる画像を捉えることで、異なる組織を可視化するのに役立ちます。

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は農業で大きな進歩を遂げています。これらは、健康でない植物や昆虫や害虫に影響を受けた植物を早期段階で特定できます。これらのカメラは近赤外スペクトルを分析でき、健康な植物は一般的に不健康な植物よりも多くの近赤外線を反射します。農業においてこのようなAI技術を採用することで、農家は早期に対策を講じて収穫量を増やし、作物の損失を減らすことができます。

Link to this section自動運転車向けのLiDARカメラ#

LiDAR（Light Detection and Ranging）カメラは、レーザーパルスを使用して3Dマップを作成し、離れた場所から物体を検出します。霧、雨、暗闇、高温などの多くの条件下で効果的ですが、雨や霧などの悪天候はパフォーマンスに影響を与える可能性があります。LiDARは、ナビゲーションや障害物検出のために自動運転車のようなアプリケーションで一般的に使用されています。

LiDARは車の目として機能し、レーザーパルスを送信して跳ね返ってくるまでの時間を測定します。これらの知見は、車が距離を計算し、車、歩行者、交通信号などの物体を識別するのに役立ち、より安全な運転のために360度の視界を提供します。

Link to this sectionすべてに焦点を当てる#

コンピュータビジョンにおいて、カメラはマシン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として機能します。適切な種類のカメラを選択することが、さまざまなコンピュータビジョンアプリケーションの成功の鍵となります。標準的なRGBカメラから高度なLiDARシステムまで、各タイプは特定のタスクに適した独自の機能を提供します。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、複雑な現実世界の課題に取り組むためにコンピュータビジョンモデルをより適切に最適化できます。

AIの詳細については、GitHubリポジトリをご覧ください。コミュニティに参加して、志を同じくするビジョンAI愛好家とつながりましょう。ヘルスケアや製造業におけるコンピュータビジョンの応用例については、ソリューションページで詳しく紹介しています。