Ultralytics YOLO11を使ったエリアベースの物体カウント

物体カウントは簡単そうに思えるかもしれませんが、道路、店舗、倉庫など人や物の往来が多い場所では、すぐに非常に現実的な課題になります。長年、物体のカウントは主に手作業で行われてきました。車両の台数を数えたり、店舗への来店者数を追跡したり、セキュリティ目的で人の動きを監視したりするのに、何時間も費やされてきました。しかし、この方法は時間がかかり、ミスが起こりやすく、規模の拡大にも適していません。

ここで活用されるのが、人工知能（AI）、特にコンピュータービジョンです。コンピュータービジョンは、人間と同様に視覚データを処理するAIの一分野です。主な用途の一つが物体カウントで、指定したエリア内の物体を自動的に検出・追跡できます。

一般的な物体カウントで分かるのは、単にアイテムの総数に限られ、物体がどこにあるかまでは把握できません。領域ベースのカウント、つまりカウント領域を使用すると、画像内の特定のエリアに焦点を当ててこの課題を解決できます。より詳細な知見が得られ、動きをより有意義な形で追跡できます。

Ultralytics YOLO11は、物体検出や追跡などさまざまなコンピュータービジョンタスクに対応するモデルであり、領域ベースの物体カウントに活用できます。この記事では、Ultralytics YOLO11を使って領域内の物体をカウントする方法、実環境での用途、主なメリットを紹介します。それでは始めましょう。

領域内の物体カウントの概要#

画像内の物体を検出してカウントするだけでは、得られる情報に限界があります。特に空港やショッピングモールのように、1つのフレーム内の複数の領域に人が密集する場所では、物体が正確にどこにあるのか、特定の領域を何人が通過するのかという情報がより重要です。

Ultralytics YOLO11などのコンピュータービジョンモデルは、こうしたコンピュータービジョンの用途に簡単に活用できます。搭乗ゲートや待合ラウンジなどの重要な場所にゾーンを設定することで、YOLO11はその特定エリア内の物体だけをカウントできます。移動可能な領域を使えば、複数の領域にある物体の数をリアルタイムで把握することもできます。

図1. スポーツで領域ベースの選手カウントにYOLOを使用する例。

Ultralytics YOLO11を使うと、このプロセスを簡単かつ効率的に実行できます。物体の検出、動きの追跡、進入または退出したゾーンに基づくカウントを支援します。YOLO11が特に大きな効果をもたらすのは、精度を損なうことなくリアルタイムの結果を提供できる点です。また、定義した各ゾーン内で複数の物体を追跡できるため、さまざまな物体を一度にカウントして分類できます。

Ultralytics YOLO11を使用した領域内の物体カウント#

Ultralyticsは、YOLOモデルの実用的なユースケースを紹介する使いやすいソリューションを提供しています。これには、物体カウント、移動領域内の物体カウント、ぼかし処理、速度推定などの実環境向けソリューションが含まれます。

領域ベースの物体カウントにUltralyticsのソリューションを導入して実行するのは簡単です。これにより、ユーザーは複雑な設定ではなく、インサイトの獲得に集中できます。

舞台裏では、領域ベースの物体カウントソリューションがUltralytics YOLO11を使用して、動画の各フレーム内の物体を検出します。検出結果はその後、トラッキングアルゴリズム（BoT-SORTやByteTrackなど）に渡され、フレーム間で各物体に一貫したIDが割り当てられます。

物体の検出とトラッキングが完了すると、システムは、事前に定義された領域（ポリゴン、長方形、線）と物体が交差しているかどうかを確認します。交差している場合、これらの領域への進入や領域内での移動に基づいてカウントされます。

領域ベースの物体カウントに対応するUltralyticsソリューションのその他の主な機能は次のとおりです。

• 高速処理: このソリューションでは、Ultralytics YOLO11を使用してリアルタイムで物体をカウントし、動画ストリームを迅速かつ効率的に分析できます。
• カスタマイズ可能な領域: ユーザーはポリゴン、長方形、線を使って動画フレーム内に特定の領域を定義でき、カウント対象となる場所を正確に指定できます。
• 複数物体のカウント: システムは、定義された同じ領域内で複数種類の物体を同時に検出してカウントできます。
• 簡単な統合：Ultralytics Python APIまたはコマンドラインインターフェースを使うと、既存システムに簡単に統合でき、設定作業も最小限で済みます。

領域内の物体カウントを実際に試す#

領域ベースのカウントにUltralyticsのソリューションを使い始めるには、Ultralyticsの公式ドキュメントをご覧ください。YOLO11を使用して領域内の物体をカウントする方法が、手順を追って説明されています。

ソリューションの設定中に問題が発生した場合は、次の点を確認してください。

• Ultralytics Pythonパッケージが正しくインストールされていることを確認してください。公式ドキュメントのトラブルシューティングガイドをご覧ください。
• 領域の設定を確認し、インターフェースで定義した領域が正しく設定されていることを確かめてください。
• アップデートと新しいリリースを確認し、Ultralytics Pythonパッケージを最新の状態に保ってください。

領域内の物体カウントの実世界での活用例#

Ultralytics YOLO11を使った領域ベースの物体カウント方法をより深く理解できたところで、実世界での活用例をいくつか見ていきましょう。

小売分析における顧客の動線追跡#

領域ベースの物体カウントを使用すると、店舗内で顧客が最も長く滞在する場所に関する疑問に簡単に答えられます。Ultralytics YOLO11を使えば、小売業者は出口、レジ、高い関心を集める商品売り場など、重要な場所での移動パターンを追跡できます。全体の来店者数を測定するだけでなく、この領域ベースのアプローチにより、特定のエリアを訪れる顧客数を把握できます。

Ultralyticsのソリューションを使うと、手動でのコーディングや複雑なセットアップが不要になり、小売業者の業務に役立ちます。小売業者は、ポリゴン、長方形、線を使って店舗内の区画を簡単に指定し、顧客の移動や通行量を追跡できます。

その後、Ultralytics YOLO11が物体を検出して動きを追跡し、人が領域に入ったり出たりする際にカウントをリアルタイムで更新します。これにより、小売業者は顧客の動線を把握し、関心度を測定して、データに基づいた意思決定を行えます。

図2. 領域ベースの検出を使用して、店舗の外にいる人をカウントするYOLO。

料金所における交通管理#

都市部では常に交通が行き交い、車は高速道路に合流し、信号で停車し、混雑した交差点に列を作ります。交通管理は、道路の安全を保ち、交通を円滑に流すうえで重要です。

Ultralytics YOLO11を使用した領域ベースの物体カウントは、交差点や料金所のレーンなどに道路を区切ることで、交通管理を支援できます。交通管理チームは、各領域の車両数をリアルタイムで監視できます。このライブデータにより、より迅速な対応、より良い交通計画、そして全体的に円滑な交通の流れが可能になります。

この手法の興味深い活用例が料金所です。適切に監視されていないと、料金所はすぐに混雑することがあります。領域ベースのカウントにUltralyticsのソリューションを使えば、各料金所レーンを個別に追跡できます。

すべての交通を一度に監視するのではなく、システムは特定のレーンを通過する車両だけに焦点を当てます。車が進入または退出すると、Ultralytics YOLO11が即座にカウントするため、運用担当者は混雑し始めたレーンを把握できます。

図3. 料金所でYOLO11によって実現する領域ベースのカウント。

農場や保護施設での動物のカウント#

動物のカウントは、特に狭い場所を群れで移動する場合、難しいことがあります。ところどころで数え漏らしがあると、給餌、健康状態の確認、農場の記録に問題が生じる可能性があります。農家にとって、作業を滞らせずに正確な頭数を把握することは不可欠です。

Ultralytics YOLO11を使うと、このプロセスが大幅にスムーズになります。農家は、幅の広いゲート、狭い通路、湾曲した囲いなど、独自のトラッキングゾーンを作成できます。これらのゾーン内でモデルはリアルタイムに動物を検出し、バウンディングボックスを付けて動きを追跡します。たとえば、柵で囲まれた通路を移動する羊やヤギの大群を、手作業なしで迅速かつ正確に数えられます。

公共の安全を目的とした群衆の監視#

人が集まる公共の場所は、わずか数分で空いている状態から満員になることがあります。地下鉄、空港、コンサート会場では、一か所に人が集まりすぎると移動が滞り、安全上の懸念が生じる可能性があります。人の流れをリアルタイムで監視することで、当局は群衆の密集を早期に発見し、事態が深刻化する前に対応できます。

具体的には、Ultralytics YOLO11を使用した領域ベースのカウントにより、視界内の全員を追跡するのではなく、入場ゲート、プラットフォーム、待合エリアなど、特定のゾーン内の移動を監視できます。これにより、警備チームは移動パターンに注目し、混雑箇所を迅速に特定して、スケジュールの変更からスタッフの配置まで、より適切な運用上の判断を行えます。

図4. 地下鉄の群衆管理を改善するため、領域内でUltralytics YOLO11を使用して人をカウント。

重要なポイント#

Ultralytics YOLO11を使用した領域ベースの物体カウントにより、特定のエリアにおける物体の追跡をより効率的かつ正確に行えます。小売、交通管理、公共の安全など、さまざまな分野で、このビジョンAIを活用したアプローチは、企業や都市計画担当者がデータに基づいてより適切な判断を下すのに役立ちます。カウントを自動化することで、手作業を減らし、全体的な効率を高められます。

今後、AIとコンピュータービジョンによって、物体カウントはさらに高度化するでしょう。精度の向上、さまざまな環境に対応する適応学習、自動化やIoT（モノのインターネット）システムとの統合が期待できます。このようなスマートオートメーションは、空間、人、移動を管理する方法の未来を形作っています。

GitHubリポジトリでAIについて詳しく学び、成長を続けるコミュニティに参加してください。自動車分野のAIと農業分野のコンピュータービジョンの進歩をご覧ください。ライセンスオプションを確認して、ビジョンAIプロジェクトを実現しましょう。