コンピュータビジョンモデルを使用して距離を計算する方法

道路を横断していて向かってくる車が見えたとき、それがどれくらい離れているかを瞬時に判断できます。この迅速でほとんど直感的な判断は、周囲に対する空間認識のおかげです。この感覚に基づいて、速度を上げるか、止まるか、歩き続けるかを決定できます。

同様に、computer visionは人工知能（AI）の一分野であり、機械が視覚データを解釈して周囲の環境を理解できるようにするものです。車との距離を測って素早い判断を下すのと同様に、computer visionモデルは画像や動画を分析し、機械が周囲の世界を知覚してそれに反応するのを助けます。

たとえば、Ultralytics YOLO11は、画像や動画内のオブジェクトをリアルタイムで検出し、追跡できるcomputer visionモデルです。簡単に言うと、YOLO11は部分ごとではなく画像全体を一度に見ることで動作するため、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computer visionタスクも処理できます。

特に、Ultralytics YOLO11の機能を使用すると、オブジェクト間の距離を計算できます。これは製造業、小売、群衆管理などの多くの分野で役立ち、安全性と効率の向上に貢献します。

この記事では、コンピュータビジョンアプリケーションにおけるdistance calculationにUltralytics YOLO11がどのように活用できるか、その重要性、そしてさまざまな産業における影響について探ります。

Fig 1. 飛行機の着陸距離の計算にYOLOを使用している例。

コンピュータビジョンにおける距離計算の概要#

コンピュータビジョンにおける距離計算には、画像内の2つのオブジェクト間のピクセルを検出し、特定し、測定することが含まれます。ピクセルはデジタル画像を構成する最小単位であり、それぞれが特定の色や輝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、calibrationが鍵となります。これは、定規を使って何かを測定し、その測定値を使って他のオブジェクトのサイズを把握することに例えられます。既知のサイズを持つオブジェクトを参照することにより、calibrationはピクセルと実際の物理的距離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例を見てみましょう。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）が既知です。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、それらの現実世界のサイズを計算できます。

Fig 2. コインは、他のオブジェクトの現実世界のサイズを測定するための基準として使用できます。

ただし、距離計算は2次元（2D）平面上で行われるため、オブジェクト間の水平および垂直方向の距離のみを測定します。これは3次元空間内のオブジェクトの距離（カメラからの距離を含む）を測定する深度推定とは異なります。

depth cameras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済みの距離で十分です。たとえば、2次元平面上でオブジェクトがどれだけ離れているかを知ることは、オブジェクトの追跡やキューの管理などのタスク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。

Ultralytics YOLO11を使用した距離計算の仕組みの理解#

次に、Ultralytics YOLO11のobject detectionとトラッキングのサポートを使用して2つのオブジェクト間の距離を計算する方法を順に見ていきましょう。以下はその内訳です。

• オブジェクトの検出と追跡: Ultralytics YOLO11は、フレーム内のオブジェクトを認識して検出したり、ビデオ内のフレーム間での動きを追跡したりするために使用できます。各オブジェクトに一意のトラックIDを割り当てることで、システムはビデオ全体を通してその位置と動きを監視できます。
• バウンディングボックス: バウンディングボックスは、画像内での位置を定義するUltralytics YOLO11のオブジェクト検出結果に基づいて、検出されたオブジェクトの周囲に描画されます。
• オブジェクトの選択: 2つのオブジェクトを選択してフォーカスを当てることができ、オブジェクトがリアルタイムで移動するにつれてUltralytics YOLO11がバウンディングボックスを更新します。
• 重心計算: 重心（2つのオブジェクトのバウンディングボックスの中心点）は、バウンディングボックスの角の座標に基づいて計算され、オブジェクトの位置を表します。
• 距離計算: 2つのオブジェクトの重心を使用して、それらの間のユークリッド距離を計算できます。ユークリッド距離は、2D平面上の2点間の直線距離であり、水平方向と垂直方向の両方の差を使用して計算されます。これにより、2つのオブジェクト間のピクセル単位での距離が得られます。

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に留意してください。

図3. Ultralytics YOLOを使用して人物を検出し、距離を計算する様子。

YOLOによる距離推定の影響#

Ultralytics YOLO11を使用した距離の計算があくまで推定値であることを考慮すると、これがどこで使用でき、どのように違いを生み出せるのか疑問に思うかもしれません。

これらの距離推定値の算出にはキャリブレーションが使用されるため、多くの実用的な状況で役立つ十分な精度を備えています。Ultralytics YOLO11の距離推定は、オブジェクトが常に動いており、スムーズな運用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の動的な環境で特に役立ちます。

興味深い例として、YOLO11を使用してコンベアベルト上のtrack packagesを行い、それらの間の距離をリアルタイムで推定することが挙げられます。これにより、倉庫管理者はパッケージが適切に離れていることを確認し、衝突を防ぎ、業務をスムーズに維持することができます。

そのような場合、正確な距離が常に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が設定されるため、このようなアプリケーションには推定で十分機能します。

図4: Ultralytics YOLO11を使用してパッケージを検出し、それらの間の距離を計算する。

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#

さまざまなコンピュータビジョンアプリケーションが、Ultralytics YOLO11を使用してオブジェクト間の距離を計算することから恩恵を受けることができます。たとえば、リテールアナリティクスでは、顧客の位置をリアルタイムで追跡することでqueue managementの改善に役立ちます。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、よりスムーズなショッピング体験を生み出すことが可能になります。店舗はスタッフの配置数を動的に調整し、顧客の流れを管理することで、混雑を防ぎ、スペースの利用を最適化できます。

同様に、traffic managementにおいて、距離推定は車両の間隔を監視し、交通パターンを分析するのに役立ちます。これは、車間距離の詰めすぎなどの危険な行動を検出し、信号機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、リアルタイムでの全体的な交通管理を改善することにより、道路をより安全にするのに役立ちます。

Fig 5. ビジョンを活用した距離計算を使用して交通を監視できます。

このテクノロジーのもうひとつのユニークな用途は、COVID-19 pandemicの最中に社会的距離の確保を促進するのに役立ったことです。公共の場所、店舗、病院で人々が安全な距離を保つことを確実にし、ウイルスの拡散リスクを軽減しました。

距離をリアルタイムで追跡することで、個人が近すぎるときにアラートを送信でき、企業や医療提供者が迅速に対応し、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した。

コンピュータビジョンにおける距離計算の長所と短所#

コンピュータビジョンを使用した距離計算のアプリケーションのいくつかについて説明しましたので、それを行うことに関連するメリットを詳しく見ていきましょう。

• 自動化: ビジョンAIは、そうでなければ手動での追跡を必要とする距離計算タスクを自動化し、ヒューマンエラーと人件費を削減しながら生産性を向上させることができます。
• リソースの最適化: オブジェクトの間隔や近接度をおおよそ把握することで、リソース（スタッフや機械など）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。
• 最小限のセットアップの複雑さ: 一度セットアップすれば、ビジョン対応の距離計算システムはメンテナンスが比較的容易であり、手動入力や複雑な機械に依存する他のシステムと比較して、人間の介入を減らすことができます。

これらの利点にもかかわらず、そのようなシステムを実装する際には留意すべき制限もいくつかあります。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重要な要素を簡単に見てみましょう。

• 環境要因への敏感さ: 距離計算の精度は、照明条件、影、反射、または障害物の影響を受ける可能性があり、エラーや不一致の原因となる場合があります。
• Privacy concerns: computer visionを使用してオブジェクトや人を追跡することは、特に個人データが関与する可能性のある公共の場所や機密性の高い環境において、プライバシーの問題を引き起こす可能性があります。
• マルチオブジェクトシナリオにおける複雑さ: 多数の移動オブジェクトが存在する環境では、複数のオブジェクト間の距離を同時に正確に計算することは、特にそれらが近くにある場合や交差している場合に、混乱を招く可能性があります。

重要なポイント#

Ultralytics 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。オブジェクトの近接度を追跡することで効率性と安全性を向上できる、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により、通常なら手動での作業を必要とするタスクの自動化が可能になります。環境要因に対する感度やプライバシーの懸念などの課題はいくつか存在しますが、自動化、拡張性、簡単な統合といったメリットにより、大きなインパクトをもたらします。コンピュータビジョンが、特に距離計算などの領域で進化し続けるにつれて、機械が周囲の環境と相互作用し理解する方法に大きな変化が見られるようになるでしょう。

私たちのcommunityに参加しましょう！ビジョンAIについて詳しく知るには、私たちのGitHub repositoryをご覧ください。computer visionの活用に興味がある場合は、私たちのlicensing optionsをご確認ください。computer vision in healthcareが効率をどのように向上させているか学び、ソリューションページにアクセスしてAI in agricultureの影響をご確認ください！