コンピュータービジョンモデルを使用して距離を計算する方法？

道路を渡っているときに、向かってくる車を見れば、車がどのくらい離れているかを瞬時におおよそ判断できます。この素早く、ほとんど本能的ともいえる判断は、周囲の空間を理解しているからこそ可能です。この感覚に基づいて、速度を上げるか、止まるか、歩き続けるかを決められます。

同様に、コンピュータービジョンは、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する人工知能（AI）の一分野です。車との距離を判断して素早く意思決定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。

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・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は画像を部分ごとではなく全体として一度に処理するため、より高速で効率的に動作します。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、小売、群衆管理などの多くの分野で役立ち、安全性と効率性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アプリケーションでの距離計算にUltralytics YOLO11を使用する方法、その重要性、さまざまな業界への影響について説明します。

図1. YOLOを使用し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つのオブジェクトを検出して位置を特定し、それら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1つの点を表します。

ピクセルの測定値を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、定規で何かを測定し、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ようなものです。サイズが既知のオブジェクトを基準にすることで、キャリブレーションはピクセルと実際の物理的な距離を結び付けます。

この仕組みを例で確認してみましょう。下の画像では、コインが基準オブジェクトで、そのサイズ（0.9in×1.0in）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、実世界でのサイズを計算できます。

図2. コインを基準として使用し、他のオブジェクトの実世界でのサイズを測定できます。

ただし、距離計算は2次元（2D）平面上で行われるため、オブジェクト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め、3次元空間におけるオブジェクト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距離で十分です。例えば、2次元平面上でオブジェクト同士がどのくらい離れているかが分かれば、オブジェクトの追跡や行列の管理などのタスクには十分機能するため、そのような状況では深度推定は必要ありません。

Ultralytics YOLO11による距離計算の仕組み#

次に、Ultralytics YOLO11のオブジェクト検出および追跡機能を使用して、2つのオブジェクト間の距離を計算する方法を見ていきましょう。手順は次のとおりです。

• 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、動画のフレーム間でその動きを追跡できます。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、動画全体を通じて位置と動きを監視できます。
• バウンディングボックス：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。
• オブジェクトの選択：2つのオブジェクトを選択して対象にでき、オブジェクトの移動に合わせてUltralytics YOLO11がバウンディングボックスをリアルタイムで更新します。
• 重心の計算：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である重心を、バウンディングボックスの各頂点の座標に基づいて計算し、オブジェクトの位置を表します。
• 距離の計算：次に、2つのオブジェクトの重心を使用して、両者間のユークリッド距離を計算できます。ユークリッド距離は、2次元平面上の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用して計算します。これにより、2つのオブジェクト間のピクセル単位の距離が得られます。

この方法で計算される距離は、2次元のピクセル測定値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を使用して人物を検出し、距離を計算する例。

YOLOによる距離推定の影響#

Ultralytics YOLO11を使用した距離計算は推定値であることを考えると、どこで使用でき、どのような効果があるのか疑問に思うかもしれません。

これらの距離推定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が得られます。Ultralytics YOLO11の距離推定は、倉庫のようにオブジェクトが常に動き、業務を円滑に進めるためにリアルタイムの調整が必要な動的環境で特に有用です。

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、荷物間の距離をリアルタイムで推定する方法があります。これにより、倉庫管理者は荷物が適切な間隔で配置されていることを確認でき、衝突を防ぎながら業務を円滑に進められます。

このような場合、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または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に機能します。

図4. Ultralytics YOLO11を使用して荷物を検出し、荷物間の距離を計算する例。

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#

さまざまなコンピュータービジョンアプリケーションで、Ultralytics YOLO11を使用してオブジェクト間の距離を計算することが役立ちます。例えば、小売分析では、顧客の位置をリアルタイムで追跡することで、行列管理を改善できます。これにより、企業はリソースをより適切に配分し、待ち時間を短縮して、より快適なショッピング体験を実現できます。スタッフの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、スペースを効率的に活用できます。

同様に、交通管理では、距離推定によって車両間の間隔を監視し、交通パターンを分析できます。これを使用して、車間距離を詰めすぎる運転などの危険な行動を検出したり、交通信号を調整して交通の流れを円滑にしたりできます。潜在的な問題を特定し、交通管理全体をリアルタイムで改善することで、道路の安全性向上に役立ちます。

図5. ビジョン対応の距離計算を交通監視に使用できます。

この技術のもう1つの特徴的な用途は、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促進したことです。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、ウイルスの拡散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、人同士が近づきすぎたときにアラートを送信でき、企業や医療機関が迅速に対応して、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した。

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用した距離計算の用途について説明したところで、ここでは関連するメリットを詳しく見ていきます。

• 自動化：ビジョンAIによって、手動追跡が必要だった距離計算タスクを自動化できます。これにより、人為的エラーと人件費を削減しながら、生産性を向上させられます。
• リソースの最適化：オブジェクトのおおよその間隔や近接度を把握することで、スタッフや機械などのリソースを最適化し、無駄を削減してワークフローを改善できます。
• セットアップの複雑さが少ない：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比較的メンテナンスの負担が少なく、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、人による介入も少なくて済みます。

このようなメリットがある一方で、システムを導入する際に留意すべき制限もあります。ここでは、コンピューター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簡単に紹介します。

• 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、エラーや一貫性の欠如につなが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を使用してオブジェクトや人物を追跡すると、特に個人データが関わる公共の場所や機密性の高い環境で、プライバシーに関する問題が生じる可能性があります。
• 複数オブジェクトのシナリオにおける複雑さ：多数の動く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が混乱につながる可能性があります。特に、オブジェクト同士が近接していたり交差していたりする場合に顕著です。

主なポイント#

Ultralytics YOLO11を使用してオブジェクト間の距離を計算する方法は、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。特に、倉庫、小売、交通管理など、オブジェクト同士の近接度を把握することで効率性と安全性を向上できる動的環境で役立ちます。

Ultralytics YOLO11により、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によって大きな効果を発揮します。コンピュータービジョンが進化を続ける中、特に距離計算などの分野では、機械が周囲の環境と関わり、それを理解する方法に大きな変化が起こる可能性があります。

コミュニティに参加しましょう。GitHubリポジトリでビジョンAIについて詳しくご確認ください。コンピュータービジョンの活用に関心がある場合は、ライセンスオプションをご覧ください。医療分野のコンピュータービジョンが効率を向上させる方法や、農業におけるAIの効果については、ソリューションページをご覧ください。