コンピュータビジョンがモーション追跡の信頼性を高める

舞台演劇を観ているとき、お気に入りの俳優がステージ上を移動すると、意識せずとも目で追いかけることができます。人間にとって、このようなモーション追跡は自然なことです。脳は、ある瞬間から次の瞬間へと何を見ているかを自動的に繋ぎ合わせ、場面が変化する中でギャップを埋めて継続性を維持します。

マシンにとって、同じタスクははるかに複雑です。カメラはビデオを一連の個別のフレームとしてキャプチャし、システムは対象物がどこへ移動したかを推定し、それが引き続き追跡すべき対象かどうかを判断するために、ステップバイステップで同じ物体を繰り返し特定しなければなりません。

この課題こそがモーション追跡の核心です。モーション追跡とは、ビデオ内で時間経過とともに物体を追跡することであり、スポーツ分析、ロボット工学、モバイルアプリケーションなどの分野で重要な役割を果たしています。

従来のモーション追跡やカメラ追跡は、多くの場合、手動設定、トラックポイント、キーフレームに依存しています。単純なシーンでは機能しますが、動きが速い場合や一部が隠れている場合には、すぐに動作が遅くなり信頼性が低下します。

図1：モーション追跡システムの様子（出典）

コンピュータビジョンにおける最近の進歩により、これが非常に容易になりました。コンピュータビジョンは、マシンが画像やビデオを理解するのを助けるAIの一分野であり、モーション追跡の精度を高め、手作業への依存度を低減させます。各フレーム内の物体を検出し、時間経過を通じてその同一性を一貫して保持することで、これらのシステムは現実世界の条件下でより確実に動きを追跡します。

この記事では、コンピュータビジョンがどのようにモーション追跡を合理化できるかを探ります。それでは始めましょう！

Link to this section従来のモーションキャプチャ・追跡手法とその限界#

従来のモーション追跡には、特にビデオ編集やVFXワークフローにおいて慎重な手動設定が必要です。そこでの目的は、映像内の動く要素にグラフィック、エフェクト、またはオーバーレイを付加することです。

多くのワークフローでは、ショットの特定の箇所にトラックポイントを配置することから始まり、その後、ソフトウェアがフレーム間でそれらを追跡してモーションパスをマッピングします。これはAfter Effectsのようなツールで一般的であり、同様のワークフローはPremiere Proでもマスク追跡のような機能を通じて見られ、編集者はマスクや領域を時間経過で追跡します。

マッチムーブも一般的な手法です。これは、デジタル要素を実際のカメラの動きに合わせるのに役立ち、ライブ映像内でエフェクトやグラフィックが所定の位置に留まるようにします。これらのアプローチは単純なシーンではうまく機能しますが、映像が混雑していたり、物体が素早く動いたりする場合には苦戦することがよくあります。

また、照明が変化したり、被写体が部分的に遮られたりすると追跡がうまくいかなくなることがあり、ドリフトや追跡の突然の飛びが発生する原因となります。これによりワークフローが停滞し、編集者はショットの一部をやり直さざるを得なくなります。物体が素早く方向を変えるとき、古いモーショントラッカーは追従に苦慮し、結果として一貫性がなく信頼しにくくなります。

Link to this sectionコンピュータビジョンはどのようにモーション追跡を変革するか#

最先端のコンピュータビジョンシステムは、AIモデルを使用してビデオ内の動く物体を追尾します。絶え間ない手動調整や脆弱なフレーム単位の追跡に頼る代わりに、モデルは物体の外観や動きの傾向を学習します。これにより、シーンが混雑していたり、照明が変化したり、物体が一時的に消えたりしても、モーション追跡を安定させることができます。

例えば、Ultralytics YOLO11や次期Ultralytics YOLO26のようなコンピュータビジョンモデルは、全フレームで物体を検出することにより物体追跡をサポートしています。簡単に言えば、各検出物体に対してbboxと信頼スコアを出力することで、フレーム内に何があり、それがどこにあるかを特定します。

図2：ゾーン内でのUltralytics YOLO11を使用した車両追跡（出典）

興味深いことに、YOLOモデル自体は時間経過に伴う物体追跡を実際には行いません。追跡はUltralytics Pythonパッケージを通じて可能になり、YOLOの検出結果とByteTrackやBoT-SORTのような多物体追跡アルゴリズムを接続します。この構成では、YOLOがフレームごとに物体を検出し、トラッカーがフレーム間でそれらの検出結果をリンクさせることで、物体が移動しても各物体のIDを一定に保ちます。

Link to this sectionAIを活用したモーション追跡の現実世界での応用#

次に、AIを活用したモーション追跡が影響を与えている現実世界のアプリケーションをいくつか見ていきましょう。

Link to this sectionスポーツ分析と精密な選手追跡#

サッカーの試合では、選手が絶えず加速、停止、方向転換を行うため、フィールド全体で正確に動きを測定することが困難です。特に選手が重なったり、集団になったり、混雑したエリアを移動したりする場合、手動追跡は多くの場合破綻します。

AIを活用したモーション追跡は、各選手をアクションを通じて追跡し、その移動経路を明確かつ一貫して保つことで貢献します。例えば、ある最近の研究では、研究者たちがYOLO11を使用して選手とボールを複数のカメラアングルから検出しました。YOLO11は各フレームで各選手を特定し、追跡システムがそれらの検出結果を時間経過とともにリンクさせることで、選手が移動しても個々の同一性を保ちました。

図3：複数のサッカー選手の検出と追跡（出典）

Link to this section拡張現実と仮想現実におけるモーション追跡#

拡張現実 (AR)は、製品上のラベル、床上のキャラクター、移動する足へのオーバーレイなど、アプリが現実世界にデジタルオブジェクトを配置することを可能にする技術です。これらの体験が信憑性を持つためには、歩き回ったり、スマートフォンを傾けたり、物体自体を動かしたりしても、仮想コンテンツが正しい位置に固定されている必要があります。

コンピュータビジョンは、モバイルデバイスが何を見ているか、またカメラがシーン内をどのように移動しているかを理解するのに役立つため、ここで重要な役割を果たします。言い換えれば、物体が空間内のどこにあり、どのような向きであるかを推定し、ユーザーの動きに合わせてその位置を更新することで、3D追跡を実現しています。

図4：ARアプリケーション内での3D追跡の例（出典）

仮想現実 (VR) も同様の追跡概念に依存していますが、目標は異なります。VRはデジタルコンテンツを現実世界に固定するのではなく、あなたが動くにつれて仮想世界が自然に反応するように、頭や手の動きを追跡することに焦点を当てています。

Link to this section移動機器の追跡とプロセス自動化#

産業環境では、機器や製品がワークフローの複数の段階を移動することがよくあります。各段階は正確なタイミングと調整に依存しています。アイテムが異なる速度で移動したり、重なり合ったり、素早く位置が変わったりするため、手動追跡では対応が遅れる可能性があります。

AIを活用したモーション追跡は、製品がライン上を移動する際に各製品の明確な視界を生産システムに提供することで支援します。興味深い研究において、接続されたカメラネットワークが生産サイクル全体を通じて製品を追跡し、実際のプロセスの仮想コピーであるデジタルツインをリアルタイムで更新しました。

このシステムは各製品を識別し、その動きを追跡し、デジタルモデルを現場で起きていることと一致させました。このアプローチにより監視が向上し、オペレーターにあらゆる段階で信頼できる視界を提供することで、より安全な運用をサポートしました。また、一貫した追跡データが利用可能であれば、モーション追跡がどのように柔軟で拡張性のある自動化を実現できるかを示しました。

Link to this sectionAIを活用したモーション追跡のメリットとデメリット#

AIを活用したモーション追跡を使用するメリットをいくつか挙げます。

• オクルージョン（遮蔽）からの回復力の向上： ビジョンAIシステムは、物体が重なったり一時的に見えなくなったりした場合でも、多くの場合追跡を維持または再開できます。
• 拡張性： 一度導入すれば、AIトラッカーはショットごとの繰り返し設定なしに、長いビデオクリップや複数のカメラフィードを処理できます。
• より豊かなモーションデータ： 追跡出力は、経路、カウント、滞留時間、および基本的な速度推定の分析に使用できます。

AIを活用した追跡は多くの場合にうまく機能しますが、すべての環境でプラグアンドプレイで使用できるわけではありません。考慮すべきいくつかの制限事項を挙げます。

• 継続的なメンテナンス： カメラの角度、環境、ワークロードの変化に伴い、パフォーマンスは時間とともに変化する可能性があるため、定期的な更新が必要になることがよくあります。
• 統合の複雑さ： トラッカーを既存のビデオ編集、分析、または自動化システムに接続するには、アダプター、キャリブレーション、および追加のテストが必要になる場合があります。
• 極端な条件下でのエッジケース： 低照度、モーションブラー、激しいオクルージョン、非常に小さな物体などは、依然として追跡エラーの原因となる可能性があります。

Link to this section重要なポイント#

AI駆動型のモーション追跡機能は、動きが速く、シーンが混雑し、手動修正ではスケールしない現実世界のビデオにおいて、より実用的な選択肢として急速に定着しつつあります。コンピュータビジョンは急速に向上しており、それにより追跡システムの導入が容易になり、困難な条件下でも信頼性が高まっています。その結果、モーション追跡はロボット工学、モバイルアプリ、分析、コンテンツ制作の全域でより役立つようになっています。

コミュニティに参加して、GitHubリポジトリでビジョンAIの最新情報を探ってください。製造業におけるAIや医療分野におけるコンピュータビジョンのようなアプリケーションがどのように進歩を推進しているかについては当社のソリューションページをご覧いただき、次のAIソリューションを実現するためのライセンスオプションをご確認ください。