コンピュータビジョンカメラとその応用

データ、アルゴリズム、演算能力などの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寄与します。特に機械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AIのサブフィールドであるコンピュータビジョンにおいて、最も重要な要因の一つが入力または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に使用され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。

コンピュータビジョンタスクの種類によって求められるビジュアルデータが異なるため、適切なカメラを選ぶことが極めて重要です。例えば、細かな顔のディテールを高精度に捉える必要がある顔認識などのアプリケーションには、高解像度カメラが使用されます。対照的に、複雑な詳細よりも大まかなパターンに依存する行列監視などのタスクには、低解像度カメラを使用できます。

現在、さまざまなカメラが提供されており、それぞれ特定のニーズを満たすように設計されています。その違いを理解することは、コンピュータビジョンのイノベーションを最適化するのに役立ちます。さまざまな業界におけるコンピュータビジョンカメラとその用途について見ていきましょう。

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。400〜700ナノメートル（nm）の波長内の可視スペクトルで画像をキャプチャします。これらの画像は人間の見え方に似ているため、人間の視覚で十分な状況におけるオブジェクト検出、インスタンスセグメンテーション、ポーズ推定などの多くのタスクにRGBカメラが使用されます。

Fig 1. RGBカメラの仕組みの概要。

これらのタスクでは通常、正確な結果を得るために深度をキャプチャする必要のない二次元（2D）の観点からオブジェクトを識別・検出することが含まれます。しかし、3Dオブジェクト検出やロボティクスのようにアプリケーションが深度情報を必要とする場合は、RGB-D（赤、緑、青、深度）カメラが使用されます。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て3D詳細をキャプチャし、リアルタイムの深度測定を提供します。

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.

Fig 2. バーチャル試着の例。

バーチャル試着により、お客様は衣装のフィット感を3Dで確認でき、一部のシステムでは、よりリアルな体験のために生地の動きを模倣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、お客様は試着室をスキップして即座に服を試着できます。これにより時間が節約され、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が向上します。

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。

Fig 3. ToFカメラの仕組みの概要。

場合によっては、ステレオカメラがToFセンサーと統合され、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キャプチャします。ToFセンサーのリアルタイム距離測定とステレオカメラの詳細な深度認識の組み合わせは、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。

Time-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、写真撮影だけでなく、ジェスチャー認識や拡張現実（AR）などの他のアプリケーションでも不可欠になりつつあります。例えば、Samsung Galaxy S20 UltraやHuawei P30 Proなどの電話は、これらのセンサーを使用してリアルタイムで3D深度をマッピングし、写真撮影とインタラクティブな体験の両方を向上させています。

熱検出のための赤外線またはサーマルカメラ#

サーマルカメラは、その名の通り、製造業や自動車工場など、さまざまなアプリケーション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、許容範囲を超えて高すぎるまたは低すぎるクリティカルレベルの熱を検知したときにユーザーに警告するために使用できます。人間の目には見えない赤外線を検出することで、正確な温度読み取りを提供します。赤外線カメラとも呼ばれ、その用途は産業現場を超えて広がっています。例えば、サーマルカメラは農業での家畜の健康状態の監視、建物検査での熱漏れの特定、消防でのホットスポットの特定にも使用されます。

Fig 4. ホットスポットを見つけるためにサーマルカメラを使用している消防士。

産業用途向けのサーマルイメージング#

製造プラントや石油・ガス採掘リグの機械および電気系統は、継続的に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、電気回路などのコンポーネントで過度の熱の蓄積が発生し、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、異常な温度スパイク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を支援します。過熱しているモーターのメンテナンスをスケジュールすることで、費用のかかる故障を防ぐことができます。定期的な点検にサーマルイメージングを統合することで、業界は予知保全を導入し、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、予期せぬ故障のリスクを最小限に抑えることができます。

モーションキャプチャ用の低速および高速カメラ#

ハイスピードカメラは、例外的な精度で急速な動きを処理できるように、毎秒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います。例えば、製品が生産ライン上で素早く移動するとき、ハイスピード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。

状況によっては、ハイスピード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オブジェクトの詳細な分析に役立ちます。ゴルフのゲームを分析しているとしましょう。ハイスピード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ボディコントロールを分析できます。

Fig 5. コンピュータビジョンとハイスピードカメラを使用したゴルファーのスイングの分析。

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、1回の撮影で紫外線や赤外線を含む光スペクトルの複数の波長を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、従来のカメラではキャプチャできない貴重な詳細データを提供します。さらに狭く連続した光のバンドをキャプチャす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が複数の波長で画像をキャプチャすることでさまざまな組織の視覚化に役立ちます。

Fig 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、農業において大きな進歩を遂げています。それらは、不健康な植物や昆虫や害虫の被害を受けた植物を早期の段階で識別できます。これらのカメラは近赤外スペクトルを分析でき、一般的に健康な植物は不健康な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。

自動運転車向けのLiDARカメラ#

LiDAR（光検出 and 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、離れた場所からオブジェクトを検出します。霧、雨、暗闇、高温などの多くの条件で効果的ですが、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知のために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は車の目のように機能し、レーザーパルスを送信し、それが跳ね返るのにかかる時間を測定します。これらの洞察は、車が距離を計算し、車、歩行者、交通信号などのオブジェクトを識別するのに役立ち、より安全な運転のために360度のビューを提供します。

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。

GitHubリポジトリをチェックして、AIの詳細を探索してください。コミュニティに参加して、他の志を同じくするビジョンAI愛好家とつながりましょう。ソリューションページでヘルスケアおよび製造業におけるコンピュータビジョンのアプリケーションについて詳細をご覧ください。