Ultralytics YOLO11 使用したコンピュータビジョンアプリケーションでの距離計算が、物体の近さをリアルタイムで測定するのに役立つことをご覧ください。
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、画像やビデオ内の物体をリアルタイムでdetect ・track できるコンピューター・ビジョン・モデルである。簡単に言えば、YOLO11 画像全体を部分的に見るのではなく、一度に見ることで動作する。また、インスタンスの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機能は、物体が互いにどのくらい離れているかを計算するのに使用できる。これは、製造業、小売業、群衆管理など多くの分野で有用であり、安全性と効率性の向上に役立つ。
この記事では、YOLO11 コンピュータ・ビジョン・アプリケーションの距離計算にどのように使用できるのか、なぜ重要なのか、そしてさまざまな業界に与える影響について探ります。
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サポートしているオブジェクト検出とトラッキングを使って、2つのオブジェクト間の距離を計算する方法を説明しよう。以下がその内訳だ：
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 使った距離計算が推定であることを考えると、あなたは不思議に思うかもしれない：YOLO11を使うことで、どこにどのような違いが生まれるのだろうか？
これらの距離推定を行う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を備えている。YOLO11距離推定は、倉庫のようなダイナミックな環境で、物体が常に動いており、物事を円滑に進めるためにリアルタイムの調整が必要な場合に特に有効です。
興味深い例としては、YOLO11 ベルトコンベア上の荷物をtrack し、荷物間の距離をリアルタイムで推定している。これにより、倉庫管理者は荷物が適切な間隔で置かれていることを確認し、衝突を防いで物事をスムーズに進めることができる。
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使った物体間の距離計算は、様々なコンピュータ・ビジョン・アプリケーションに役立ちます。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により、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実現できる。スタッフの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、店舗は過密状態を防ぎ、スペースの利用を最適化することができる。
同様に交通管理においても、距離推定は車間距離の監視や交通パターンの分析に役立つ。これを利用して、尾行などの危険な行動をdetect し、交通信号を調整して交通の流れをスムーズに保つことができる。潜在的な問題を特定し、全体的な交通管理をリアルタイムで改善することで、道路をより安全にすることができる。
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 使った物体間の距離計算は、意思決定をサポートする信頼性の高いソリューションです。特に、倉庫や小売店、交通管理などのダイナミックな環境では、物体の近接性をtrack することで、効率と安全性を向上させることができます。
YOLO11 、通常手作業が必要な作業を自動化することを可能にする。環境要因に敏感であることやプライバシーへの懸念といった課題はあるが、自動化、拡張性、容易な統合といった利点があるため、インパクトは大きい。コンピュータ・ビジョンの改良が進むにつれ、特に距離計算のような分野では、機械が周囲の環境とどのように相互作用し、理解するかに真の変化が見られるようになるだろう。
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。
