Ultralytics YOLO11を使用したコンピュータビジョンアプリケーションにおける距離計算が、オブジェクトの近接性をリアルタイムで測定するのにどのように役立つかを学びます。
道を渡るときに車が向かってくるのを見ると、それがどれくらい離れているかをすぐに判断できます。この迅速で、ほとんど本能的な判断は、周囲の空間認識のおかげです。この感覚に基づいて、加速するか、停止するか、歩き続けるかを決定できます。
同様に、コンピュータビジョンは、人工知能（AI）の一分野であり、機械が視覚データを解釈することで周囲の状況を理解できるようにするものです。車が接近しているかどうかを評価して迅速な判断を下すのと同じように、コンピュータビジョンモデルは画像やビデオを分析し、機械が周囲の状況を感知して対応できるように支援します。
例えば、Ultralytics YOLO11は、画像やビデオ内のオブジェクトをリアルタイムで検出および追跡できるコンピュータビジョンモデルです。簡単に言うと、YOLO11は画像全体を一度に見ることで、部分的に見るよりも高速かつ効率的です。また、インスタンスセグメンテーション、ポーズ推定、画像分類などのコンピュータビジョンタスクも処理できます。
特に、YOLO11の機能は、オブジェクト間の距離を計算するために使用でき、これは製造、小売、群集管理などの多くの分野で役立ち、安全性と効率の向上に役立ちます。
この記事では、YOLO11をコンピュータビジョンアプリケーションにおける距離計算にどのように活用できるか、その重要性、およびさまざまな産業への影響について解説します。
コンピュータビジョンにおける距離の計算では、画像内の2つのオブジェクト間のピクセルを検出し、位置を特定し、測定します。ピクセルとは、デジタル画像を構成する個々の単位であり、それぞれが特定のカラーまたは強度値を持つ単一の点を表します。
ピクセルの測定値を現実世界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、物差しを使用して何かを測定し、その測定値を使用して他のオブジェクトのサイズを理解することと考えることができます。既知のサイズのオブジェクトを参照することにより、キャリブレーションはピクセルと実際の物理的な距離との間のリンクを作成します。
これがどのように機能するかを例で見てみましょう。下の画像では、コインが基準オブジェクトであり、そのサイズ（0.9インチ x 1.0インチ）は既知です。他のオブジェクトのピクセル測定値をコインのサイズと比較することで、それらの実際のサイズを計算できます。
ただし、距離の計算は二次元（2D）平面で行われるため、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、三次元空間における物体の距離を測定する奥行き推定とは異なります。
デプスカメラは真の深度を測定し、より詳細な空間情報を提供できますが、多くの場合、単純なキャリブレーションされた距離で十分です。たとえば、オブジェクトを追跡したり、キューを管理したりするタスクでは、2D平面上のオブジェクト間の距離を知ることでうまく機能するため、そのような状況では深度推定は必要ありません。
次に、YOLO11の物体検出と追跡のサポートを使用して、2つの物体間の距離を計算する方法について説明します。内訳は次のとおりです。
この方法で計算された距離は、2Dピクセル測定に基づいているため、あくまで推定値であることを念頭に置いておくことが重要です。
YOLO11を使用した距離の計算は概算であることを考えると、どこで使用でき、どのように違いを生み出すことができるのか疑問に思うかもしれません。
キャリブレーションは距離の推定に使用されるため、多くの実用的な状況で役立つほど正確です。YOLO11の距離推定は、オブジェクトが常に動いており、物事をスムーズに実行するためにリアルタイムの調整が必要な倉庫のような動的な環境で特に役立ちます。
興味深い例として、YOLO11を使用してコンベヤーベルト上の荷物を追跡し、リアルタイムで荷物間の距離を推定する事例があります。これは、倉庫管理者が荷物が適切に配置されていることを確認し、衝突を防ぎ、作業を円滑に進めるのに役立ちます。
このような場合、正確な距離は必ずしも必要ではありません。通常、最適な距離の範囲または閾値が設定されるため、これらのタイプのアプリケーションでは推定値で十分です。
YOLO11を用いて物体間の距離を計算することで、様々なコンピュータビジョン応用が実現可能です。例えば、小売分析においては、顧客の位置をリアルタイムで追跡することにより、待ち行列管理を改善できます。これにより、企業はリソース配分を最適化し、待ち時間を短縮し、よりスムーズなショッピング体験を提供できます。人員配置を動的に調整し、顧客の流れを管理することで、店舗は混雑を防止し、スペースの利用を最適化できます。
同様に、交通管理では、距離推定は車両間隔の監視と交通パターンの分析に役立ちます。これは、危険な行動（車間距離の不保持など）を検出し、交通信号を調整して交通の流れをスムーズに保つために使用できます。潜在的な問題を特定し、リアルタイムで全体的な交通管理を改善することで、道路をより安全にするのに役立ちます。
このテクノロジーのもう1つのユニークな使用法は、COVID-19パンデミックの際に、ソーシャルディスタンスを促進するのに役立ったことです。公共スペース、店舗、病院で人々が安全な距離を保つようにし、ウイルスの拡散リスクを軽減しました。
リアルタイムで距離を追跡することにより、個人が近すぎる場合にアラートを送信できるため、企業や医療提供者は迅速に対応し、すべての人にとってより安全な環境を維持することが容易になります。
コンピュータビジョンを使用した距離計算の応用例をいくつか説明したので、そうすることによる関連する利点を詳しく見てみましょう。
これらの利点がある一方で、このようなシステムを実装する際には、留意すべきいくつかの制約事項もあります。コンピュータビジョンを使用した距離計算に関して考慮すべき主な要素を以下に簡単に示します。
YOLO11を使用してオブジェクト間の距離を計算することは、意思決定をサポートできる信頼性の高いソリューションです。特に、倉庫、小売、交通管理など、オブジェクトの近接状況を把握することが効率と安全性の向上につながる動的な環境で役立ちます。
YOLO11を使用すると、通常は手作業が必要なタスクを自動化できます。環境要因への感受性やプライバシーに関する懸念など、いくつかの課題はありますが、自動化、スケーラビリティ、簡単な統合などの利点により、影響力があります。コンピュータビジョン、特に距離計算などの分野での改善が続くにつれて、機械が周囲の環境とどのように相互作用し、理解するかにおいて、大きな変化が見られる可能性があります。
コミュニティに参加しましょう！GitHubリポジトリを探索して、Vision AIの詳細をご覧ください。コンピュータビジョンの活用に関心がある場合は、ライセンスオプションをご確認ください。ヘルスケアにおけるコンピュータビジョンがどのように効率を向上させているか、ソリューションページにアクセスして農業におけるAIの影響をご覧ください。
