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、コンピュータビジョンは、視覚データを解釈することでマシンが周囲を理解できるようにする人工知能（AI）の分野です。人間が車の近接度を評価して素早く判断を下すのと同様に、コンピュータビジョンモデルは画像や動画を分析し、マシンが周囲の世界を感知して反応することを支援します。

例えば、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、追跡できるコンピュータビジョンモデルです。簡単に言えば、YOLO11は画像を部分ごとではなく一度に全体を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、ポーズ推定、画像分類といったコンピュータビジョンのタスクも処理できます。

特に、YOLO11の機能を使用してオブジェクト間の距離を計算することができます。これは製造、小売、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いてYOLO11を使用して距離計算を行う方法、その重要性、そして様々な業界における影響について探ります。

図1. YOLOを使用して飛行機の着陸距離を計算する例。

Link to this section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、キャリブレーションが重要です。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理解するのと同じことだと考えてください。既知のサイズのオブジェクトを参照することで、キャリブレーションはピクセルと実際の物理的距離を結び付けます。

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。

図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。

深度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済みの距離で十分です。例えば、2D平面内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行列の管理といったタスクに適しており、そのような状況では深度推定は必要ありません。

Link to this sectionYOLO11を使用した距離計算の仕組みを理解する#

次に、YOLO11のオブジェクト検出および追跡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説明します。内訳は以下の通りです。

• オブジェクトの検出と追跡: YOLO11は、フレーム内のオブジェクトを認識して検出したり、動画内のフレーム間でそ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、システムは動画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、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、画像内でのその位置を定義します。
• オブジェクトの選択: 2つのオブジェクトを選択して焦点を当てることができ、YOLO11はオブジェクトがリアルタイムで移動するにつれて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。

Link to this sectionYOLOによる距離推定の影響#

YOLO11を使用した距離計算が推定であることを踏まえると、どこで使用でき、どのように違いをもたらすのか疑問に思うかもしれません。

これらの距離推定値を得るために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があります。YOLO11の距離推定は、倉庫のような動的な環境で特に役立ちます。そこではオブジェクトが絶えず動いており、スムーズな運用のためにリアルタイムの調整が必要です。

興味深い例として、YOLO11を使用してコンベアベルト上のパッケージを追跡し、それらの間の距離をリアルタイムで推定することがあります。これは倉庫管理者がパッケージが適切に間隔を空けられていることを確認し、衝突を防ぎ、運用を円滑に保つのに役立ちます。

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. 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。

Link to this section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#

様々なコンピュータビジョンアプリケーションが、YOLO11を使用してオブジェクト間の距離を計算することでメリットを得られます。例えば小売分析では、リアルタイムで顧客の位置を追跡することで、行列管理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割り当て、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。人員配置レベルを動的に調整し、顧客の流れを管理することで、店舗は混雑を防ぎ、スペースの使用を最適化できます。

同様に、交通管理においても、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、あおり運転などの危険な行動を検出し、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、道路の安全性を向上させるのに役立ちます。

図5. ビジョン対応の距離計算を使用して交通を監視できます。

この技術のもう一つのユニークな用途は、COVID-19パンデミックの際に社会的距離の確保を促進するため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ことを保証し、ウイルス拡散のリスクを低減しました。

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。

Link to this section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。
• プライバシーに関する懸念: コンピュータビジョンを使用してオブジェクトや人を追跡することは、特に公共の場所や個人情報が含まれる可能性のある敏感な環境において、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。

Link to this section重要なポイント#

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。これは、倉庫、小売、交通管理のような動的な環境で、オブジェクトの近接度を追跡することで効率と安全性を向上できる場合に特に役立ちます。

YOLO11は通常であれば手作業を必要とするタスクを自動化することを可能にします。環境要因への敏感さやプライバシーの懸念といった課題はありますが、自動化、スケーラビリティ、容易な統合といった利点は影響力があります。コンピュータビジョンが改善し続けるにつれて、特に距離計算のような分野では、マシンが周囲と対話および理解する方法が劇的に変化するでしょう。

私たちのコミュニティに参加しましょう！ビジョンAIの詳細については、GitHubリポジトリをご覧ください。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を学び、AI in agricultureの影響をソリューションページでご覧ください！