Ultralytics YOLOモデルによる車両再識別の強化

Formula Oneのレースを観戦していると、お気に入りのチームの車を見つけるのは簡単です。Ferrariの鮮やかな赤やMercedesのシルバーは、周回を重ねてもひときわ目立ちます。

きれいに整備されたレーシングコースではなく、交通量の多い混雑した市街地で、機械に同じことをさせるのははるかに困難です。そのため、車両再識別（vehicle re-ID）は近年、AI分野で注目を集めています。

車両再識別により、機械は複数視点のカメラや重複しないカメラ間で、同じ車両を認識できるようになります。また、一時的なオクルージョン（車両が部分的に隠れる状態）や照明、視点の変化の後でも、車両を識別することを目指します。

車両再識別を支える中核技術がコンピュータビジョンです。コンピュータビジョンは、画像や動画などの視覚情報を機械が理解して解釈できるようにすることに取り組む、人工知能の一分野です。この技術を利用すると、AIシステムは車両の特徴を分析し、大規模なカメラネットワーク全体で車両を確実に追跡できます。用途としては、都市監視や交通モニタリングなどがあります。

特に、Ultralytics YOLO11や近日公開予定のUltralytics YOLO26などのVision AIモデルは、物体検出やトラッキングといったタスクに対応しています。各フレーム内の車両をすばやく特定し、シーン内での動きを追跡できます。これらのモデルを車両再識別ネットワークと組み合わせると、視点や照明条件が変化しても、異なるカメラ映像間で同じ車両を認識できる統合システムを構築できます。

図1. YOLO11を使用した車両のトラッキングと速度推定の例（出典）

この記事では、車両再識別の仕組み、それを可能にする技術、そしてインテリジェント交通システムでの利用例について説明します。詳しく見ていきましょう。

車両再識別とは何ですか？#

車両再識別は、コンピュータビジョンの重要な応用です。異なる、重複しないカメラに映る同じ車両を認識し、都市内を移動する間もそのIDを一貫して維持することに重点を置いています。各カメラが異なる角度や照明条件で車両を捉えたり、部分的なオクルージョンが発生したりするため、これは困難な課題です。

青いセダンが交差点を通過し、しばらくして別の通りに現れ、別のカメラに捉えられる状況を考えてみましょう。角度、照明、背景はすべて変化し、他の車が一時的に視界を遮る場合もあります。それでも車両再識別システムは、それが同じ車両であると判断する必要があります。

近年のディープラーニングの進歩、特に畳み込みニューラルネットワーク（CNNs）やTransformerベースのモデルの発展により、この処理の精度は大幅に向上しました。これらのモデルは意味のある視覚パターンを抽出し、外観が似た車両を区別しながら、正しい車両を識別できます。

インテリジェント交通システムでは、この機能により、継続的なモニタリング、経路の再構築、都市全体の交通分析が可能になります。これにより、スマートシティシステムは車両の移動状況をより明確に把握でき、安全性と効率性の向上につながります。

車両再識別の仕組みを理解する#

通常、交差点、駐車場、高速道路などの映像に車両再識別技術を適用し、異なるカメラに同じ車両が映っているかどうかを判定します。この概念は、複数の視点間で人物を追跡する人物再識別に似ていますが、ここでは人の外見ではなく、車両固有の特徴の分析に重点を置きます。

この処理には、いくつかの重要なステップがあります。それぞれのステップは、システムが車両を検出し、視覚的特徴を抽出し、異なる視点間で確実に照合できるように設計されています。

大まかに言うと、システムはまず各フレーム内の車両を検出し、色、形状、テクスチャなどの特徴を抽出して、車両ごとに固有のデジタル表現、つまり埋め込みを作成します。これらの埋め込みを時間軸およびカメラ間で比較し、多くの場合、物体トラッキングや時空間的な検証も組み合わせて、2つの検出結果が同じ車両に属するかどうかを判定します。

図2. 車両再識別の仕組み（出典）

この処理を詳しく見ていきましょう。

• 物体検出： システムはまず各動画フレーム内の車両を識別して位置を特定し、処理対象の領域を正確に把握します。通常、このステップは物体検出モデルが担います。
• 特徴抽出：検出後、専用のRe-IDまたは特徴抽出ネットワークが各車両のクロップ画像を分析し、色、形状、テクスチャ、特徴的な部品などの視覚的詳細を捉えた特徴マップまたは特徴表現を生成します。
• 埋め込みの生成： 抽出された特徴は、特徴埋め込みと呼ばれる数値表現に変換されます。この埋め込みは、異なる角度から見た車両の外観を捉えるデジタル指紋のように機能します。照合前に、通常これらの埋め込みを正規化し、照明、コントラスト、カメラ設定の違いがID比較に影響しないようにします。正規化により、システムはノイズではなく、意味のあるID関連の特徴に集中できます。
• 物体トラッキング： 1台のカメラ映像内で、トラッキングアルゴリズムがフレーム間の検出結果を関連付け、車両がシーン内を移動しても一貫したIDを維持できるようにします。
• カメラ間照合： 異なるカメラ間で同じ車両を照合するため、システムは埋め込み（Re-IDネットワークが生成）に加えて、時間と位置の情報を比較します。このステップにより、カメラの視野が重なっていない場合でも、2つの検出結果が同じ車両に属するかどうかを判定します。

Ultralytics YOLOモデルが車両再識別を支援する方法#

Ultralytics YOLOモデルは、車両再識別パイプラインで重要な支援的役割を果たします。YOLOモデル単体でRe-IDを実行するわけではありませんが、Re-IDネットワークが正確なカメラ間照合を行うために必要とする、高速な検出や安定したトラッキングなどの重要な機能を提供します。

次に、YOLO11などのUltralytics YOLOモデルが車両再識別システムをどのように強化できるかを詳しく見ていきましょう。

正確な車両検出モジュール：Re-IDシステムの第一段階#

あらゆる車両再識別システムの基盤は、正確な物体検出です。YOLO11などのUltralytics YOLOモデルは、混雑したシーン、部分的なオクルージョン、激しい交通量、変化する照明条件の中でも各フレーム内の車両をすばやく検出できるため、この用途に適しています。

また、カスタムトレーニングにも対応しているため、独自のデータセットでモデルをファインチューニングし、タクシー、配送バン、フリート車両など特定の車両タイプを認識できるように学習させられます。これは、より専門的な検出が必要な場合に特に有用です。クリーンで正確なバウンディングボックスを提供することで、Ultralytics YOLOモデルはRe-IDネットワークに高品質な入力を与え、カメラ間でのより信頼性の高い照合につなげます。

信頼性の高い単一カメラトラッキングの支援#

車両を検出した後、Ultralytics YOLO11などのモデルは、単一カメラの視野内で安定した物体トラッキングも支援できます。物体トラッキングとは、検出された車両を連続するフレーム間で追跡し、移動中も一貫したIDを割り当てる処理です。

Ultralytics PythonパッケージでByteTrackやBoT-SORTなどのトラッキングアルゴリズムを標準サポートしているため、YOLO11は車両がシーン内を移動しても一貫したIDを維持できます。この安定したトラッキングにより、Re-IDシステムに処理が引き継がれる前のID切り替わりが減少し、最終的にカメラ間照合の精度が向上します。

IDの安定性を高めるオプションのトラッカーレベルRe-ID#

標準的な動きベースのトラッキングに加えて、Ultralytics Pythonパッケージには、BoT-SORTトラッカー内でオプションの外観ベースのRe-ID機能が含まれています。これにより、トラッカーは動きのパターンやバウンディングボックスの重なりだけでなく、視覚的な外観の特徴も使用して、2つの検出結果が同じ車両に属するかどうかを判定できます。

有効にすると、BoT-SORTは検出器またはUltralytics YOLO11分類モデルから軽量な外観埋め込みを抽出し、それを使用してフレーム間のIDを検証します。この追加の外観情報により、短時間のオクルージョン、車両同士の接近、カメラの動きによる小さなずれなど、困難な状況でもトラッカーがより安定したIDを維持できます。

この組み込みRe-IDは、完全なカメラ間車両再識別の代替を目的としたものではありませんが、単一カメラの視野内でのIDの一貫性を向上させ、後段のRe-IDモジュールが利用できる、よりクリーンなトラックレットを生成します。これらの外観ベースのトラッキング機能を使用するには、BoT-SORTトラッカーの設定ファイルで「with_reid」を「True」に設定し、外観特徴を提供するモデルを選択してRe-IDを有効にします。

詳しくは、利用可能なRe-IDオプションと設定方法を説明しているUltralyticsの物体トラッキングに関するドキュメントページをご覧ください。

Re-IDネットワークに高品質な入力を提供する#

トラッキング中のIDの安定性を高めるだけでなく、YOLOモデルはRe-IDネットワーク自体に渡すクリーンな視覚入力の準備でも重要な役割を果たします。

車両が検出されると、通常そのバウンディングボックスがクロップされ、照合に必要な視覚的特徴を抽出する再識別ネットワークに送られます。Re-IDモデルはこれらのクロップ画像に大きく依存するため、ぼやけている、位置がずれている、または不完全であるなど入力の品質が低いと、弱い埋め込みや信頼性の低いカメラ間照合につながる可能性があります。

Ultralytics YOLOモデルは、対象車両を完全に捉えた、クリーンで位置合わせの整ったバウンディングボックスを一貫して生成することで、これらの問題を軽減します。より明瞭で正確なクロップにより、Re-IDネットワークは色、形状、テクスチャ、その他の識別特徴など、意味のある詳細に集中できます。高品質な入力は、カメラ映像間でより信頼性が高く正確なRe-ID性能につながります。

Re-IDモデルとの組み合わせによるカメラ間照合の実現#

Ultralytics YOLOモデル単体で再識別を実行することはありませんが、Re-IDネットワークが異なるカメラ映像間で車両を比較するために必要な重要情報を提供します。YOLO11などのモデルが各カメラ内での車両の位置特定とトラッキングを担い、Re-IDモデルが異なる場所で撮影された2つの車両クロップが同じIDに属するかどうかを判定します。

これらのコンポーネント、つまり検出とトラッキングを担うYOLOと、特徴抽出を担う専用の埋め込みモデルが連携すると、完全なマルチカメラ車両照合パイプラインが形成されます。これにより、より大規模なカメラネットワーク内を移動する同じ車両を関連付けられるようになります。

例えば、最近の研究では、研究者がオンラインのマルチカメラトラッキングシステムにおける車両検出器として、軽量なUltralytics YOLO11モデルを使用しました。この研究では、YOLO11を使用することで精度を損なわずに検出時間を短縮でき、後段のトラッキングとカメラ間照合の全体的な性能が向上したことが示されました。

図3. Ultralytics YOLO11ベースの複数カメラ間におけるマルチ車両トラッキングと再識別（出典）

車両Re-IDのためのディープラーニングベースのアーキテクチャ#

ここまでで、Ultralytics YOLOモデルが車両再識別をどのように支援できるかを理解できたところで、次に特徴抽出と照合のステップを担うディープラーニングモデルを詳しく見ていきましょう。これらのモデルは、車両の外観を学習し、堅牢な埋め込みを作成し、異なるカメラ映像間で外観が似た車両を区別する役割を担います。

物体再識別システムで使用される主要なディープラーニングコンポーネントの例を紹介します。

• CNNsによる特徴抽出： ResNet50やResNet101などの畳み込みニューラルネットワークは、パターン認識を通じて深い特徴を学習し、車両ごとの差異となる色、形状、テクスチャなどの要素を識別します。学習されたパターンは、車両固有のデジタル表現として機能する埋め込みに変換されます。

• アテンションメカニズムとTransformer： 空間アテンションを含むアテンションネットワークやレイヤーは、ヘッドライト、窓、ナンバープレート周辺など、車両の重要な領域を強調するのに役立ちます。空間アテンションは、最も有益な視覚的手がかりが存在する位置にモデルの注意を向けます。一方、Vision Transformers（ViT）などのTransformerベースモデルは、画像全体にわたるグローバルな関係を捉えます。これらを組み合わせることで、車両の外観が非常に似ている場合でも、細かな違いを識別する精度が向上します。

• パーツベースおよびマルチブランチネットワーク： 一部のRe-IDモデルは、ルーフ、テールライト、サイドパネルなど、特定の車両領域を個別に分析してから結果を統合します。これにより、車両が部分的にオクルージョンされている場合や、識別が難しい角度から撮影されている場合でも、システムの堅牢性が維持されます。

これらのアーキテクチャコンポーネントに加えて、メトリックラーニングも車両Re-IDモデルのトレーニングで重要な役割を果たします。トリプレットロス、コントラストiveロス、クロスエントロピーロスなどの損失関数は、同じ車両の画像を近づけ、異なる車両の画像を遠ざけることで、強力で識別性の高い埋め込みをシステムに学習させます。

代表的な車両再識別データセットとベンチマーク#

コンピュータビジョン研究では、データセットの品質が、モデルを実環境にデプロイした後の性能に大きな影響を与えます。データセットは、モデルが学習するラベル付きの画像や動画を提供します。

車両再識別用の最先端データセットでは、照明、視点の変化、天候の変動など、多様な条件を捉える必要があります。この多様性により、モデルは現実の交通環境の複雑さに対応できます。

ここでは、車両再識別モデルのトレーニング、最適化、評価を支援する代表的なデータセットを紹介します。

• VeRi-776データセット： 20台の都市カメラで撮影された、50,000枚を超えるアノテーション付き車両画像のコレクションです。アノテーションには車両ID、色、モデル、ナンバープレート領域が含まれており、詳細な特徴学習が可能です。
• VehicleIDデータセット： 26,000台を超える車両を表す、200,000枚以上の画像を含む大規模データセットです。スケーラビリティの研究や、異なる手法間のベースライン比較によく利用されます。
• VeRi-Wildデータセット： 視点、天候、部分的なオクルージョンの違いなど、現実世界の変動性を反映するように設計されています。モデルの堅牢性と汎化性能の評価によく使用されます。

図4. VeRi-776データセットの車両例（出典）

これらのデータセットにおけるモデル性能は、通常、平均適合率（mAP）やRank-1、Rank-5精度などの指標で評価されます。mAPは、特定の車両に対して関連するすべての照合結果をモデルがどれだけ正確に検索できるかを測定します。一方、Rank-1とRank-5のスコアは、正しい照合結果が結果リストの先頭、または上位数件の予測内に現れるかどうかを示します。

これらのベンチマークは、研究者に異なるアプローチを一貫した方法で比較する手段を提供し、実環境で利用できる、より正確で信頼性の高い車両再識別システムの開発を導く重要な役割を果たします。

車両再識別の応用#

ここまで基礎を説明してきたので、次に車両再識別が実際の交通、モビリティ、監視のワークフローを支援するユースケースを見ていきましょう。

都市交通の監視とモニタリング#

都市の幹線道路は常に車両が行き交っており、交通カメラは異なる地域間を移動する同じ車両を追跡し続けるのに苦労することがあります。照明の変化、混雑したシーン、外観がほとんど同じ車両によって、カメラ間でIDが失われる可能性があります。

車両再識別は、車両を明確に検出し、特徴的な特徴を抽出し、低解像度や混雑した映像でも一貫したIDを維持することで、この問題に対処します。その結果、ネットワーク全体でより滑らかで継続的なトラッキングが可能になり、交通管理チームは車両が都市内をどのように移動しているかを明確に把握できます。また、渋滞やインシデントに対して、より迅速で的確な対応が可能になります。

スマートパーキングシステム#

スマートパーキング施設では、入場、退場、アクセス制御、駐車スペースの割り当てを管理するため、一貫した車両識別が必要です。しかし、このような環境のカメラは、地下駐車場、日陰のエリア、夕暮れ時の屋外駐車場など、特殊な角度や厳しい照明条件で車両を捉えることがよくあります。

こうした条件では、異なる区域で見かけた車両が同じものかどうかを確認するのが難しくなります。IDに一貫性がないと、駐車記録が途切れ、アクセス制御の信頼性が低下し、ドライバーに遅延が生じる可能性があります。そのため、多くのスマートパーキングシステムでは、車両が施設内を移動する間も各車両の安定したIDを維持するために、車両再識別モデルを導入しています。

図5. 左側に選択した車両画像、右側に照合検索結果を表示した車両再識別の例（出典）

法執行とフォレンジック#

交通モニタリングをさらに発展させた用途として、車両再識別は法執行やフォレンジック調査でも重要な役割を果たします。多くの場合、警察官は複数のカメラを通して車両を追跡する必要がありますが、ナンバープレートが読み取れなかったり、存在しなかったり、意図的に隠されていたりすることがあります。

混雑したシーン、視認性の低さ、部分的なオクルージョンによって、異なる車両が誤って似て見えることがあり、手作業による識別は時間がかかり、信頼性も低くなります。車両再識別は、ナンバープレートだけに依存せず視覚的特徴を分析することで、重複しないカメラネットワーク全体にわたる車両の移動を追跡するために利用できます。

これにより、捜査担当者は車両の移動をより容易に追跡し、異なる場所に現れた時刻を把握し、インシデントの前後における経路を確認できます。AIを活用した車両再識別は、容疑車両の追跡、インシデント映像の確認、事象の前後に車両が移動した方向の特定といったタスクも支援します。

図6. さまざまな視点から異なるカメラ間で照合された車両（出典）

フリートと物流のトラッキング#

フリートや物流の運用では、車両の移動を追跡するためにGPS、RFIDタグ、手動ログに依存することがよくあります。しかし、これらのツールでは、積み込み場、倉庫ヤード、施設内道路網など、セキュリティカメラやヤードカメラがカバーするエリアに追跡の空白が生じます。

車両は、視野が重ならないカメラ間を頻繁に移動したり、構造物の背後に隠れたり、フリート内の他の車両とほとんど同じ外観であったりするため、異なる場所で見た車両が同じものかどうかを確認するのは困難です。車両再識別システムは、視覚的詳細と時間情報を分析し、車両が施設内を移動する間も各車両の一貫したIDを維持することで、こうした空白を埋めるのに役立ちます。

これにより、フリート管理者は拠点内の活動をより包括的に把握でき、配送経路の検証、通常とは異なる移動の特定、車両が想定ルートに従っていることの確認などのタスクを支援できます。

車両再識別タスクのメリットとデメリット#

AI対応の車両再識別を利用する主なメリットをいくつか紹介します。

• 手作業の負担軽減： 車両再識別は、従来なら大規模な手動確認が必要だったID照合タスクを自動化し、映像分析に必要な時間と労力を大幅に削減します。
• 自動化とリアルタイムの洞察： 検出、トラッキング、特徴照合を組み合わせることで、車両再識別は継続的な自動モニタリングを支援し、インシデントに迅速に対応するためのリアルタイムアラートを提供できます。
• スケーラビリティと適応性： Re-IDモデルは、堅牢な特徴学習、マルチスケール特徴抽出、視覚的変化があっても安定する不変表現を通じて、新しい環境、照明条件、カメラアングルに適応できます。これらの機能により、大規模な都市ネットワークから小規模な導入環境まで対応できます。

車両再識別には多くのメリットがある一方で、考慮すべき制限もあります。実環境での信頼性に影響する要因をいくつか紹介します。

• 高い計算負荷： 特徴抽出、埋め込み生成、カメラ間照合には、特に大規模なカメラネットワークを監視する場合、相当な処理能力が必要です。
• 環境の変動性： 夜間の照明、天候の変化、影、オクルージョンなどの要因により、シーン間で一貫したIDを維持するモデルの能力が低下する可能性があります。
• データセットとドメインの制限： 限定的または理想化されたデータセットでトレーニングされたモデルは、追加のファインチューニングやドメイン適応を行わないと、現実の条件に十分に汎化できない場合があります。

車両再識別手法の今後#

技術の進化に伴い、車両再識別も発展を続けています。IEEE、CVPR、arXivで近年発表された論文や国際会議での発表からは、複数のデータソースと高度な特徴推論を組み合わせた、より豊かなモデルへ明確に移行していることが分かります。この分野では今後、より堅牢で効率的であり、現実世界の変動性に大規模に対応できるシステムの構築に重点が置かれると考えられます。

例えば、有望な方向性の1つとして、Transformerベースのモデルやグラフ集約ネットワークの利用が挙げられます。Transformerは画像全体を分析し、すべての視覚的詳細がどのように関連しているかを理解できます。これにより、角度や照明が変化しても、システムは同じ車両を認識しやすくなります。

グラフベースのモデルは、異なる車両部品やカメラビューをネットワーク内で接続された点として扱うことで、さらに一歩進んだ処理を実現します。これにより、システムはそれらの重要な点の相関関係を理解し、車両の識別情報や識別特徴について、より適切な判断を下せるようになります。

もう一つの重要な進展は、マルチモーダルデータフュージョンと特徴量融合です。画像だけに依存するのではなく、より新しいシステムでは、視覚情報をGPSデータやセンサーから得られる動作パターンなど、他のマルチメディア信号と組み合わせます。この追加のコンテキストにより、車両が部分的に遮られている場合や、照明条件が悪い場合、カメラのアングルが突然変化した場合でも、システムは精度を維持しやすくなります。

主なポイント#

車両再識別は、インテリジェント交通システムにおける重要な手法になりつつあり、都市が異なるカメラ間で車両をより確実に追跡するのに役立っています。ディープラーニングの進歩と、より豊富で多様なデータセットを用いた検証の改善により、これらのシステムは現実の環境でより高い精度と実用性を実現しています。

テクノロジーが進化する中で、プライバシー、セキュリティ、倫理に関する責任ある取り組みとイノベーションのバランスを取ることが重要です。全体として、こうした進展は、よりスマートで安全かつ効率的な交通ネットワークへの道を切り開いています。

AIについてさらに詳しく知るには、GitHubリポジトリをご覧いただき、コミュニティにご参加ください。ソリューションページで、ロボティクスにおけるAIと製造業におけるコンピュータービジョンについてご覧ください。ライセンスオプションを確認して、今すぐVision AIを始めましょう。