姿勢推定にUltralytics YOLO11を使用する方法

人工知能（AI）の一分野であるコンピュータビジョンに関する研究は、1960年代までさかのぼります。しかし、ディープラーニングが台頭した2010年代になるまで、機械による画像理解には大きなブレークスルーが見られませんでした。コンピュータビジョンにおける注目すべき進歩の1つが、Ultralytics YOLO11モデルファミリーです（その後、Ultralytics YOLO26に引き継がれました）。Ultralyticsの年次ハイブリッドイベントであるYOLO Vision 2024 (YV24)で初めて発表されたYOLO11モデルは、姿勢推定を含むさまざまなコンピュータビジョンタスクに対応しています。

姿勢推定を使うと、画像や動画内の人物や物体のキーポイントを検出し、その位置、姿勢、動きを把握できます。スポーツ分析、動物の行動モニタリング、ロボティクスなどで広く活用され、機械が物理的な動作をリアルタイムに解釈するのに役立ちます。YOLO（You Only Look Once）シリーズの従来モデルと比べて精度、効率、速度が向上したYOLO11は、リアルタイム姿勢推定タスクに適しています。

図1. 姿勢推定にUltralytics YOLO11を使用する例。

この記事では、姿勢推定とは何か、その活用例を取り上げ、Ultralytics Pythonパッケージを使ってYOLO11で姿勢推定を行う方法を説明します。また、Ultralytics HUB（現在のUltralytics Platform）で、数回クリックするだけでYOLO11と姿勢推定を試す方法もご紹介します。それでは始めましょう。

姿勢推定とは何ですか？#

Ultralytics YOLO11を姿勢推定に使用する方法を見ていく前に、まず姿勢推定について理解を深めましょう。

姿勢推定は、画像や動画内の人物や物体の姿勢を分析するコンピュータービジョン技術です。Ultralytics YOLO11のようなディープラーニングモデルは、対象となる物体や人物のキーポイントを識別、特定、追跡できます。物体の場合、これらのキーポイントには角、エッジ、特徴的な表面の模様などが含まれます。一方、人物の場合は、肘、膝、肩などの主要な関節を示します。

姿勢推定は、物体検出などのほかのコンピュータービジョンタスクと比べて独特で、より複雑です。物体検出では、画像内の物体をボックスで囲んで位置を特定しますが、姿勢推定ではさらに進んで、物体上のキーポイントの正確な位置を予測します。

図2. Ultralytics YOLO11を使用して、オフィス内の人物を検出し、姿勢を推定する例。

姿勢推定には、ボトムアップ方式とトップダウン方式という主な手法が2つあります。ボトムアップ方式では、個々のキーポイントを検出して骨格にグループ化します。一方、トップダウン方式では、まず物体を検出し、その後、物体内のキーポイントを推定します。

Ultralytics YOLO11は、トップダウン方式とボトムアップ方式の長所を組み合わせています。ボトムアップ方式のように、キーポイントを手動でグループ化する必要がなく、シンプルかつ高速に処理できます。同時に、トップダウン方式の精度を活用し、人物の検出と姿勢推定を1つのステップで実行します。

Ultralytics YOLO11の姿勢推定ユースケース#

姿勢推定におけるUltralytics YOLO11の汎用性の高い機能は、多くの業界で幅広い応用の可能性を広げます。YOLO11の姿勢推定のユースケースをいくつか詳しく見ていきましょう。

Ultralytics YOLO11によるリアルタイム姿勢推定：作業者の安全性向上#

建設プロジェクトでは、安全性が重要です。建設現場では、業務に関連する負傷事故が多く発生するため、特に重要となります。2021年には、業務上の死亡事故の約20%が建設現場またはその周辺で発生しました。重機や電気設備などの日常的なリスクから作業員を守るには、強固な安全対策が欠かせません。標識やバリケードの設置、監督者による手動監視などの従来の方法は、必ずしも効果的とは限らず、監督者がより重要な業務に取り組む時間を奪うこともあります。

AIを活用して安全性を高めることができ、姿勢推定ベースの作業者モニタリングシステムを導入すれば、事故のリスクを減らせます。Ultralytics YOLO11モデルを使用して、作業者の動きや姿勢を追跡できます。危険な設備に近づきすぎている作業者や、誤った方法で作業している作業者など、潜在的な危険をすばやく検知できます。リスクが検出された場合は、監督者に通知したり、アラームで作業者に知らせたりできます。危険を常時監視する継続的なモニタリングシステムにより、建設現場の安全性を高め、作業者を保護できます。

図3. Ultralytics YOLO11を使用した建設現場での姿勢推定の例。

Ultralytics YOLO11による家畜モニタリングの姿勢推定#

農家や研究者はUltralytics YOLO11を使って、牛などの家畜の行動を調査し、跛行などの病気の初期兆候を検出できます。跛行とは、脚や足の痛みによって動物が正常に移動できなくなる状態です。牛の場合、跛行などの病気は健康と福祉に影響するだけでなく、酪農場の生産性にも問題を引き起こします。研究によると、世界の酪農業界では、放牧システムで牛の約8%、集約飼育システムで15～30%が跛行の影響を受けています。跛行を早期に検出して対処することで、動物福祉の向上と、この状態による生産損失の軽減につながります。

Ultralytics YOLO11の姿勢推定機能は、農家が動物の歩行パターンを追跡し、関節の問題や感染症などの健康問題を示す異常をすばやく特定するのに役立ちます。これらの問題を早期に発見することで、治療を迅速に行い、動物の苦痛を軽減し、農家の経済的損失を防ぐことができます。

ビジョンAIを活用したモニタリングシステムは、休息行動、社会的な交流、採食パターンの分析にも役立ちます。農家は姿勢推定を使って、ストレスや攻撃性の兆候を観察することもできます。得られた知見を活用することで、動物の生活環境を改善し、福祉を向上させられます。

図4. 牛の姿勢推定の可視化。

フィットネス業界におけるUltralytics YOLO11のユースケース#

姿勢推定は、運動中の姿勢をリアルタイムで改善するのにも役立ちます。Ultralytics YOLO11を使うと、ジムやヨガのインストラクターは運動する人の体の動きを追跡し、関節や手足などのキーポイントに注目して姿勢を評価できます。収集したデータを理想的なポーズやトレーニング方法と比較し、動作を誤って行っている場合にインストラクターへアラートを送ることで、けがの予防に役立てられます。

図5. 姿勢推定を使った運動の分析。

たとえばヨガのクラスでは、姿勢推定を使って、すべての生徒が適切なバランスとアライメントを保っているかを確認できます。コンピュータービジョンと姿勢推定を統合したモバイルアプリケーションは、自宅で運動する人やパーソナルトレーナーを利用できない人にとって、フィットネスをより身近なものにします。この継続的なリアルタイムフィードバックは、けがのリスクを抑えながら、ユーザーが技術を向上させ、フィットネスの目標を達成するのに役立ちます。

Ultralytics YOLO11モデルによるリアルタイム姿勢推定を試す#

姿勢推定とは何かを解説し、その用途をいくつか見てきました。ここでは、YOLO11で姿勢推定を試す方法をご紹介します。簡単に始める方法は2つあります。Ultralytics Pythonパッケージを使用する方法と、Ultralytics HUBを利用する方法です。両方の方法を見ていきましょう。

Ultralytics YOLO11を使った推論の実行#

推論では、YOLO11モデルがトレーニングデータ以外の新しいデータを処理し、学習したパターンに基づいて予測を行います。Ultralytics Pythonパッケージを使えば、コードから推論を実行できます。まず、pip、conda、またはDockerを使ってUltralyticsパッケージをインストールすれば、利用を開始できます。インストール中に問題が発生した場合は、一般的な問題のガイドで役立つトラブルシューティングのヒントを確認できます。

パッケージのインストールが完了したら、次のコードを使ってYOLO11姿勢推定モデルを読み込み、画像内の物体の姿勢を予測できます。

図6. Ultralytics YOLO11を使った推論の実行例を示すコードスニペット。

カスタムUltralytics YOLO11モデルのトレーニング#

コンピュータビジョンプロジェクトに取り組んでいて、姿勢推定を含む特定の用途向けのデータセットがあるとします。その場合、アプリケーションに適したカスタムYOLO11モデルをファインチューニングしてトレーニングできます。たとえば、キーポイントのデータセットを使って、手足、頭、尾の位置などの特徴を特定し、画像内のトラの姿勢を分析して理解できます。

次のコードスニペットを使って、Ultralytics YOLO11姿勢推定モデルを読み込んでトレーニングできます。YAML設定からモデルを構築することも、事前トレーニング済みモデルを読み込んでトレーニングすることもできます。このスクリプトでは、重みを転送し、姿勢推定用のCOCOデータセットなど、指定したデータセットを使ってモデルのトレーニングを開始できます。

図7. Ultralytics YOLO11のカスタムトレーニング。

新しくトレーニングしたカスタムモデルを使って、コンピュータービジョンソリューションに関連する未見の画像に対して推論を実行できます。また、トレーニング済みモデルはエクスポートモードを使って他の形式に変換できます。

Ultralytics HUBでYOLO11を試す#

ここまでは、基本的なコーディング知識が必要なYOLO11の使用方法を見てきました。コーディングに詳しくない方や、コードを使わない方法をお探しの方には、Ultralytics HUBという選択肢があります。Ultralytics HUBは、YOLOモデルのトレーニングとデプロイのプロセスを簡素化する、使いやすいプラットフォームです。専門知識がなくても、HUBでデータセットやモデルを簡単に管理し、モデルをトレーニングしてデプロイできます。

画像に対して推論を実行するには、アカウントを作成して「Models」セクションに移動し、関心のあるUltralytics YOLO11姿勢推定モデルを選択します。プレビューセクションに画像をアップロードすると、以下に示すように予測結果を確認できます。

図8. Ultralytics HUBでYOLO11を使った姿勢推定。

人間の姿勢検出におけるUltralytics YOLO11の進歩#

Ultralytics YOLO11は、幅広い用途における姿勢推定などのタスクに、正確で柔軟なソリューションを提供します。建設現場での作業者の安全性向上から、家畜の健康状態のモニタリング、フィットネスにおける姿勢矯正の支援まで、高度なコンピュータービジョン技術を通じて、YOLO11は高精度なリアルタイムフィードバックを実現します。

さまざまなモデルバリアントや特定の用途に合わせてカスタムトレーニングできる柔軟性を備えており、開発者にも企業にも役立つツールです。Ultralytics Pythonパッケージを使ったコーディングでも、より簡単に導入できるUltralytics HUBの利用でも、YOLO11によって姿勢推定が身近になり、その効果を活用できます。

詳しくは、GitHubリポジトリをご覧いただき、コミュニティにご参加ください。ソリューションページでは、製造業と農業におけるAIの活用例をご紹介しています。