コンピュータービジョンモデルを使って距離を計算する方法とは？

道路を渡るとき、こちらに向かってくる車を見れば、車までのおおよその距離をすぐに判断できます。この素早い、ほとんど直感的な判断は、周囲の空間を理解しているからこそ可能です。その感覚をもとに、歩く速度を上げるか、止まるか、そのまま歩き続けるかを決められます。

同様に、コンピュータービジョンは人工知能（AI）の一分野であり、視覚データを解釈することで、機械が周囲の環境を理解できるようにします。車との距離を判断して素早く行動できるのと同じように、コンピュータービジョンモデルは画像や動画を分析し、機械が周囲の世界を認識して反応できるようにします。

たとえば、Ultralytics YOLO11は、画像や動画内の物体をリアルタイムで検出・追跡できるコンピュータービジョンモデルです。簡単に言うと、YOLO11は画像を部分ごとにではなく一度に全体を見て処理するため、より高速で効率的です。また、インスタンスセグメンテーション、姿勢推定、画像分類などのコンピュータービジョンタスクにも対応できます。

特に、Ultralytics YOLO11の機能を使って物体間の距離を計算できます。これは製造業、小売業、群衆管理など多くの分野で役立ち、安全性と効率の向上につながります。

この記事では、コンピュータービジョンの活用におけるUltralytics YOLO11を使った距離計算の方法、その重要性、さまざまな業界への影響について解説します。

図1. YOLOを使って飛行機の着陸距離を計算する例。

コンピュータービジョンにおける距離計算の概要#

コンピュータービジョンにおける距離計算では、画像内の2つの物体を検出して位置を特定し、その間のピクセル数を測定します。ピクセルはデジタル画像を構成する個々の単位で、それぞれが特定の色または輝度値を持つ一点を表します。

ピクセル単位の測定値を実際の距離に変換するには、キャリブレーションが重要です。これは、定規で何かを測り、その測定値を使って別の物体の大きさを把握することに似ています。サイズが既知の物体を基準にすることで、キャリブレーションによってピクセルと実際の物理的な距離が対応付けられます。

仕組みを確認するため、例を見てみましょう。以下の画像では、コインが基準物体であり、そのサイズ（0.9インチ×1.0インチ）が既知です。他の物体のピクセル単位の測定値をコインのサイズと比較することで、実際の大きさを計算できます。

図2. コインを基準として、他の物体の実際の大きさを測定できます。

ただし、距離計算は2次元（2D）平面上で行われるため、物体間の水平方向と垂直方向の距離のみを測定します。これは、カメラからの距離を含む3次元空間内の物体の距離を測定する深度推定とは異なります。

深度カメラは実際の深度を測定し、より詳細な空間情報を得られますが、多くの場合、キャリブレーション済みの単純な距離で十分です。たとえば、2D平面上で物体間の距離が分かれば、物体追跡や行列管理などのタスクに対応できるため、そのような状況では深度推定は必要ありません。

Ultralytics YOLO11を使った距離計算の仕組み#

次に、Ultralytics YOLO11の物体検出と追跡機能を使って、2つの物体間の距離を計算する方法を見ていきましょう。手順は以下のとおりです。

• 物体の検出と追跡：Ultralytics YOLO11は、フレーム内の物体を認識して検出し、動画のフレーム間でその動きを追跡できます。各物体に固有のトラックIDを割り当てることで、動画全体を通して物体の位置や動きを監視できます。
• バウンディングボックス: Ultralytics YOLO11の物体検出結果に基づいて、検出された物体の周囲にバウンディングボックスを描画し、画像内の位置を示します。
• 物体の選択: 注目する2つの物体を選択でき、物体がリアルタイムで移動するのに合わせてUltralytics YOLO11がバウンディングボックスを更新します。
• 重心の計算: バウンディングボックスのコーナー座標に基づいて、各物体のバウンディングボックスの中心点である重心を計算し、物体の位置を表します。
• 距離の計算: 2つの物体の重心を使って、両者間のユークリッド距離を計算できます。ユークリッド距離とは2D平面上の2点間の直線距離で、水平方向と垂直方向の両方の差を使って計算します。これにより、2つの物体間の距離をピクセル単位で求められます。

この方法で計算される距離は、2Dピクセル測定に基づく推定値にすぎない点に注意が必要です。

図3. Ultralytics YOLOを使って人物を検出し、距離を計算。

YOLOによる距離推定の効果#

Ultralytics YOLO11を使った距離計算は推定値であることを踏まえると、どこで活用でき、どのような効果があるのか疑問に思うかもしれません。

キャリブレーションを使って距離を推定するため、多くの実用的な場面で役立つ十分な精度が得られます。Ultralytics YOLO11による距離推定は、物体が常に動き、円滑な稼働を維持するためにリアルタイムの調整が必要な倉庫など、動的な環境で特に有用です。

興味深い例として、YOLO11を使ってコンベヤーベルト上の荷物を追跡し、荷物間の距離をリアルタイムで推定できます。これにより、倉庫管理者は荷物同士の間隔が適切に保たれていることを確認でき、衝突を防いで円滑な稼働を維持できます。

このような場合、必ずしも正確な距離が必要とは限りません。通常は最適な距離の範囲やしきい値を設定するため、この種のアプリケーションでは推定値で十分です。

図4. Ultralytics YOLO11を使った荷物の検出と荷物間距離の計算。

コンピュータービジョンアプリケーションにおける距離計算#

Ultralytics YOLO11を使って物体間の距離を計算すると、さまざまなコンピュータービジョンアプリケーションに役立ちます。たとえば小売分析では、顧客の位置をリアルタイムで追跡し、行列管理の改善に役立てられます。これにより、企業はリソースをより適切に配分し、待ち時間を短縮し、より快適な買い物体験を提供できます。人員配置を動的に調整して顧客の流れを管理することで、店舗は混雑を防ぎ、スペースを有効活用できます。

同様に、交通管理では、距離推定によって車間距離を監視し、交通パターンを分析できます。あおり運転などの危険な行為の検出や、交通が円滑に流れるよう信号の調整に活用できます。潜在的な問題を特定し、リアルタイムで交通管理全体を改善することで、道路の安全性向上にも役立ちます。

図5. ビジョンベースの距離計算を交通監視に活用できます。

この技術のもう一つのユニークな活用例は、COVID-19パンデミックの際にソーシャルディスタンスの確保を支援したことです。公共の場所や店舗、病院で人々が安全な距離を保てるようにし、ウイルス感染のリスクを抑えました。

距離をリアルタイムで追跡することで、人々が近づきすぎた際にアラートを送信でき、企業や医療機関は迅速に対応して、すべての人にとってより安全な環境を維持しやすくなります。

コンピュータービジョンにおける距離計算のメリットとデメリット#

コンピュータービジョンを使った距離計算の活用例をいくつかご紹介しました。ここでは、そのメリットを詳しく見ていきましょう。

• 自動化: Vision AIは、本来なら手作業で追跡する必要がある距離計算タスクを自動化できます。これにより、人為的ミスや人件費を削減しながら、生産性を高められます。
• リソースの最適化: 物体のおおよその間隔や近接度が分かると、人員や機械などのリソースを最適化し、無駄を減らしてワークフローを改善できます。
• セットアップの簡便さ: 一度セットアップすれば、ビジョンベースの距離計算システムは比較的メンテナンスが容易で、手動入力や複雑な機械に依存する他のシステムと比べて、人の介入も少なくて済みます。

こうしたメリットがある一方で、システムを導入する際に考慮すべき制約もあります。コンピュータービジョンを使った距離計算で注意すべき主な要因を簡単にご紹介します。

• 環境要因への感度: 照明条件、影、反射、障害物によって距離計算の精度が影響を受け、誤差や一貫性の欠如が生じる可能性があります。
• プライバシーに関する懸念: コンピュータービジョンで物体や人を追跡すると、特に個人データが関係する公共の場所や機微な環境では、プライバシー上の問題が生じる可能性があります。
• 複数物体のシナリオにおける複雑さ: 多数の物体が移動する環境では、複数の物体間の距離を同時に正確に計算することが難しく、特に物体同士が近接したり交差したりする場合に混乱が生じる可能性があります。

重要なポイント#

Ultralytics YOLO11を使った物体間距離の計算は、意思決定を支援できる信頼性の高いソリューションです。物体同士の近さを把握することで効率と安全性を高められる、倉庫、小売、交通管理などの動的な環境で特に役立ちます。

Ultralytics YOLO11を使えば、通常は手作業が必要なタスクを自動化できます。環境要因への感度やプライバシーに関する懸念などの課題はありますが、自動化、スケーラビリティ、容易な統合といったメリットは大きな効果をもたらします。コンピュータービジョン、特に距離計算の分野が進歩するにつれて、機械が周囲の環境とどのように関わり、理解するかに大きな変化が生まれるでしょう。

コミュニティに参加しましょう。GitHubリポジトリでVision AIの詳細をご確認ください。コンピュータービジョンの活用に関心がある方は、ライセンスオプションをご覧ください。医療分野におけるコンピュータービジョンが効率をどのように向上させるかを学び、ソリューションページで農業におけるAIの効果をご確認ください。