コンピュータービジョンカメラとその用途

データ、アルゴリズム、計算能力など、さまざまな技術的要因が人工知能 (AI) アプリケーションの成功に関わります。特に、機械が画像や動画を分析して理解できるようにするAIの一分野であるコンピュータービジョンでは、入力、つまりデータソースであるカメラが最も重要な要因の一つです。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。

適切なカメラを選ぶことは非常に重要です。コンピュータービジョンタスクによって必要な視覚データの種類が異なるためです。たとえば、細かな顔の特徴を正確に捉える必要がある顔認識などのアプリケーションでは、高解像度カメラが使われます。一方、細部よりも全体的なパターンが重要な行列の監視などのタスクでは、低解像度カメラを利用できます。

現在は、特定のニーズに応えるために設計されたさまざまな種類のカメラが利用できます。それぞれの違いを理解すると、コンピュータービジョンプロジェクトを最適化しやすくなります。さまざまなコンピュータービジョンカメラの種類と、業界ごとの活用方法を見ていきましょう。

コンピュータービジョン向けRGBカメラの概要#

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広く使われています。波長400～700ナノメートル (nm) の可視光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似ているため、人間と同様の視覚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、多くのタスクにRGBカメラが使われます。

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および検出するため、正確な結果を得るために深度を撮影する必要はありません。しかし、3D物体検出やロボティクスなど、深度情報が必要なアプリケーションでは、RGB-D（赤、緑、青、深度）カメラを使用します。RGBデータと深度センサーを組み合わせることで、3D情報を撮影し、リアルタイムの深度測定値を提供します。

小売店舗でのRGB-Dカメラの活用#

RGB-Dカメラの興味深い活用例として、バーチャル試着があります。これは小売店で普及しつつある技術です。簡単に言えば、RGB-Dカメラとセンサーを搭載したスマートスクリーンで、買い物客の身長、体型、肩幅などの情報を取得できます。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し、顧客の体を正確に検出して、リアルタイムで体格に合わせて衣服を配置できます。

図2. バーチャル試着の例。

バーチャル試着を利用すると、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生地の動きまで再現して、よりリアルな体験を提供します。コンピュータービジョンとRGB-Dカメラにより、顧客は試着室に入らずにその場ですぐ衣服を試せます。時間を節約でき、スタイルやサイズの比較が簡単になり、買い物体験全体が向上します。

ステレオ画像処理と飛行時間（ToF）カメラを理解する#

ステレオカメラは、複数の画像センサーを使い、異なる角度から撮影した画像を比較して深度を捉えるカメラです。単一センサーのシステムより高精度です。一方、Time-of-Flight (ToF) カメラやセンサーは、赤外線を照射して物体に反射させ、センサーに戻るまでの時間から距離を測定します。光が戻るまでの時間はカメラのプロセッサーで計算され、距離が判定されます。

図3. ToFカメラの仕組みの概要。

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捉える場合もあります。ToFセンサーのリアルタイムな距離測定と、ステレオカメラの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家電製品などの用途に適しています。

身近な例に見る飛行時間（ToF）カメラの深度検出#

気づかないうちに飛行時間（ToF）カメラを使ったことがあるかもしれません。実際、Samsung、Huawei、Realmeなどの人気スマートフォンには、深度検出機能を高めるためにToFセンサーが搭載されていることがよくあります。カメラが提供する正確な深度情報は、背景をぼかし、被写体にピントを合わせる人気のボケ効果に利用されます。

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。たとえば、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ってリアルタイムに3D深度マップを作成し、写真撮影とインタラクティブな体験の両方を向上させています。

熱を検出する赤外線カメラとサーマルカメラ#

その名のとおり、サーマルカメラは製造業や自動車工場など、さまざまな用途で熱を検出するために広く使われています。温度を測定し、危険な高温や低温を検出するとユーザーに警告できます。人間の目には見えない赤外線を検出し、正確な温度測定値を提供します。赤外線カメラとも呼ばれ、産業用途以外でも利用されています。たとえば、農業では家畜の健康状態の監視、建物の検査では熱漏れの特定、消火活動では高温箇所の特定に使われています。

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・ガス施設の機械や電気システムは、連続稼働することが多く、副産物として熱を発生させます。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し、こうしたシステムの監視に役立ちます。過熱しているモーターの保守を計画すれば、高額な故障を防げます。定期検査にサーマルイメージングを組み込むことで、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、工場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の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) を超える速度で撮影し、急速な動きを細部まで記録できるよう設計されています。たとえば、製造ラインを高速で移動する製品を監視し、異常を検出するために使用できます。

一方、スローモーションカメラは高いフレームレートで撮影し、再生速度を落とすことができます。これにより、リアルタイムでは見逃しやすい細部を観察できます。銃器や爆発物の性能評価にも使われています。複雑な動きをスロー再生して分析できるため、この種の用途に適しています。

状況によっては、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、同じ出来事における高速および低速の動きを詳しく分析できます。ゴルフの試合を分析する例を考えてみましょう。高速カメラでゴルフボールの速度を測定する一方、スローモーションカメラでゴルファーのスイングと体の動きを分析できます。

図5. コンピュータービジョンと高速カメラを使っ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一度に記録できる専用デバイスです。マルチスペクトル画像では、従来のカメラでは捉えられない貴重な詳細データを得られます。さらに細か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、医療画像などの分野で使われています。たとえば医療では、複数の波長で画像を撮影し、異なる組織の可視化に役立ちます。

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、マルチスペクトル撮影機能を搭載したドローンは、農業分野で大きく進歩しています。植物の不健康な状態や、昆虫や害虫の被害を早期に特定できます。これらのカメラは近赤外線スペクトルを分析します。一般に、健康な植物は不健康な植物より多くの近赤外光を反射します。こうしたAI技術を農業に導入すれば、農家は早期に対策を講じ、収穫量を増やして作物の損失を減らせます。

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って3Dマップを作成し、離れた場所にある物体を検出します。暗闇や高温など、さまざまな条件下で効果を発揮しますが、雨や霧などの悪天候はパフォーマンスに影響を与える場合があります。LiDARは、ナビゲーションや障害物検出を行う自動運転車などの用途で広く使われています。

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光が戻るまでの時間を測定します。こうして得た情報を使って、車は距離を計算し、車両、歩行者、信号機などの物体を特定できます。これにより、より安全な運転のために360度の視界を確保できます。

全体像を捉える#

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するための目の役割を果たします。適切なカメラの種類を選ぶことは、さまざまなコンピュータービジョンアプリケーションの成功に欠かせません。標準的なRGBカメラから高度なLiDARシステムまで、それぞれの種類には特定のタスクに適した独自の機能があります。さまざまなカメラテクノロジー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対応できるよう、コンピュータービジョンモデルをより適切に最適化できます。

GitHubリポジトリでAIについてさらにご覧ください。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。ソリューションページでは、医療や製造業におけるコンピュータービジョンの活用について詳しく紹介しています。