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ービジョンに関する研究は、1960年代に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年代になって初めて、機械による画像理解に大きな進歩が見られました。コンピュータービジョンにおける最新の進歩の一つが、最先端のUltralytics YOLO11モデルです。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、姿勢推定を含む幅広いコンピュータービジョンタスクに対応しています。

姿勢推定を使用すると、画像や動画内の人物または物体のキーポイントを検出し、位置、姿勢、動きを理解できます。スポーツ分析、動物行動モニタリング、ロボティクスなどのアプリケーションで広く利用されており、機械が物理的な動作をリアルタイムで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よりも精度、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、その用途をいくつか取り上げ、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を使い、数回クリックするだけでYOLO11と姿勢推定を試す方法も紹介します。それでは始めましょう。

姿勢推定とは何ですか？#

姿勢推定に新しいUltralytics YOLO11モデルを使用する方法を説明する前に、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または物体の姿勢を分析するために使用され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特定、検出、追跡できます。物体の場合、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、人の場合、キーポイントは肘、膝、肩などの主要な関節を表します。

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、独自性があり、より複雑です。物体検出では、画像内の物体を囲むボックスを描いて位置を特定しますが、姿勢推定ではさらに踏み込み、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、ボトムアップとトップダウンという主な2つの方法があります。ボトムアップ方式では、個々のキーポイントを検出してスケルトンにまとめます。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#

安全性は、あらゆる建設プロジェクトで重要な要素です。統計的に、建設現場では業務上の負傷が多く発生しているため、特に重要です。2021年には、業務上の死亡事故全体の約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があるため、作業者の安全を守るには強力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といった従来の方法は、必ずしも効果的とは限らず、監督者がより重要な業務に集中できなくなることもあります。

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、牛などの家畜の動きや行動を調べ、跛行などの病気の初期兆候を検知できます。跛行とは、脚や足の痛みが原因で、動物が正常に動けなくなる状態です。牛の跛行などの疾患は、健康や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。調査によると、世界の酪農業界では、跛行は放牧システムの牛の8%、飼育環境が制限されたシステムの牛の15～30%に影響します。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、この症状に伴う生産損失の軽減につながります。

Ultralytics YOLO11の姿勢推定機能を使うと、農家は動物の歩き方のパターンを追跡し、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できます。こうした問題を早期に発見すれば、より迅速な治療が可能になり、動物の不快感を軽減するとともに、農家が経済的損失を回避するのに役立ちます。

ビジョンAIを活用したモニタリングシステムは、休息時の行動、社会的な交流、摂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。こうした知見は、動物の生活環境を改善し、健康と福祉の向上に活用できます。

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、関節や手足などのキーポイントに注目しながら、運動中の人の身体の動きを追跡し、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運動テクニックと比較し、動作が正しくない場合にインストラクターへ通知することで、けがの予防につなげられます。

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、姿勢推定によって、すべての受講者が適切なバランスと姿勢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できます。こうした継続的なリアルタイムフィードバックは、ユーザーがテクニックを改善し、けがのリスクを減らしながら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、その用途について見てきたところで、新しいYOLO11モデルで姿勢推定を試す方法を紹介します。始めるには、Ultralytics Pythonパッケージを使う方法と、Ultralytics HUBを利用する方法の2つがあります。それぞれ見ていきましょう。

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セット以外の新しいデータを処理し、学習したパターンを使ってそのデータに基づく予測を行います。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。使い始めるには、pip、conda、またはDockerを使ってUltralyticsパッケージをインストールするだけです。インストール中に問題が発生した場合は、よくある問題のガイドで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で推論を実行するコードスニペット。

カスタムUltralytics YOLO11モデルのトレーニング#

たとえば、コンピューター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。その用途に合わせてファインチューニングし、カスタムYOLO11モデルを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い、手足、頭、尾の位置などの特徴を特定して、画像内のトラの姿勢を分析・理解できます。

次のコードスニペットを使って、Ultralytics YOLO11の姿勢推定モデルを読み込み、トレーニングできます。モデルはYAML設定から構築することも、事前学習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することもできます。

図7. Ultralytics YOLO11のカスタムトレーニング。

新たにトレーニングしたカスタムモデルを使うと、コンピュータービジョンソリューションに関連する未学習の画像で推論を実行できます。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ほかの形式に変換することもできます。

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の使い方を紹介しました。それが目的ではない場合や、コーディングに慣れていない場合は、Ultralytics HUBを利用できます。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。HUBでは、専門知識がなくてもデータセットの管理、モデルのトレーニング、デプロイを簡単に行えます。

画像で推論を実行するには、アカウントを作成し、「Models」セクションに移動して、使用したい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で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. YOLO11を使ったUltralytics HUBでの姿勢推定。

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。

複数のモデルバリエーションを備え、特定のユースケースに合わせたカスタムトレーニングにも対応する汎用性の高さから、開発者にも企業にも非常に有用なツールとなっています。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によって姿勢推定を幅広く活用できます。

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、製造業や農業におけるAIアプリケーションを紹介しています。🚀