Ultralytics YOLO11を使用したリージョンベースの物体カウント

物体カウントは簡単そうに聞こえるかもしれませんが、道路、店舗、倉庫などの混雑した場所では、すぐに非常に困難な作業になる可能性があります。長年、物体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、店舗への入店・退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ために、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、規模を拡大しにくいという問題があります。

ここで、人工知能（AI）、特にコンピュータービジョンが役立ちます。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。主要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。

通常、物体カウントは単に物体の総数を示すだけで、物体がどこにあるかまでは分かりません。リージョンベースのカウント、つまりカウントリージョンの利用では、画像内の特定のエリアに焦点を当てることで、この問題を解決します。より詳細なインサイトが得られ、物体の動きをより有意義な方法で追跡できます。

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したコンピュータービジョンモデルで、リージョンベースの物体カウントに使用できます。この記事では、Ultralytics YOLO11を使用してリージョン内の物体をカウントする方法、実世界での用途、主なメリットについて説明します。さっそく始めましょう。

リージョン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、分かることに限りがあります。特に空港やショッピングモールなど、1つのフレーム内で人が複数のリージョンに密集する場所では、物体が正確にどこにあり、特定のリージョンを何人が通過したかといったインサイトの方が重要です。

Ultralytics YOLO11などのコンピュータービジョンモデルは、このようなコンピュータービジョンアプリケーションに簡単に利用できます。搭乗ゲートや待合ラウンジなどの主要な場所にゾーンを割り当てることで、YOLO11を使ってその特定のスペース内にある物体だけをカウントできます。可動リージョンを使用すれば、異なるリージョン内の物体数をリアルタイムで把握することも可能です。

図1. スポーツでYOLOを使用してリージョンベースで選手をカウントする例。

Ultralytics YOLO11により、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、物体が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が特に優れている点は、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ことです。また、定義した各ゾーン内でのマルチオブジェクトトラッキングにも対応しているため、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を使用したリージョン内の物体カウント#

Ultralyticsは、YOLOモデルの最先端の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。物体カウント、可動リージョン内の物体カウント、ぼかし、速度推定など、実世界で利用できるソリューションが含まれています。

リージョンベースの物体カウント向けUltralyticsソリューションのセットアップと実行は、簡単かつシンプルです。これにより、ユーザーは複雑な設定ではなく、インサイトの取得に集中できます。

舞台裏では、リージョン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。次に、これらの検出結果を追跡アルゴリズム（BoT-SORTやByteTrackなど）に渡し、フレーム間で各物体に一貫したIDを割り当てます。

物体を検出して追跡した後、システムはそれらが事前定義されたリージョン（ポリゴン、長方形、線）のいずれかと交差しているかを確認します。交差している場合は、ゾーンへの進入またはゾーン内の移動に基づいてカウントされます。

リージョンベースの物体カウント向け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: Ultralytics YOLO11を使用したリアルタイムの物体カウントが可能で、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リージョン: ユーザーはポリゴン、長方形、線を使用して動画フレーム内に特定のリージョンを定義でき、カウント範囲を正確に制御できます。

• マルチオブジェクトカウント: 同じ定義済みリージョン内で、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用して既存システムとシームレスに統合でき、複雑な設定はほとんど必要ありません。

リージョン内の物体カウントを実際に試す#

リージョンベースのカウント向けUltralyticsソリューションを始めるには、公式Ultralyticsドキュメントをご覧ください。YOLO11を使用してリージョン内の物体をカウントする方法を、手順に沿って説明しています。

ソリューションのセットアップ中に問題が発生した場合は、次のヒントを参考にしてください。

• 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。

• リージョン設定を確認し、定義したリージョンがインターフェース上で正しく設定されていることを確認してください。

• 更新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。

リージョン内の物体カウントの実世界での用途#

Ultralytics YOLO11を使用したリージョンベースの物体カウントの方法を理解したところで、利用できる実世界での用途をいくつか見ていきましょう。

小売分析のための顧客動線の追跡#

リージョンベースの物体カウントを利用すると、店舗内のどこで顧客が最も長く時間を過ごしているかに関する疑問に簡単に答えられます。Ultralytics YOLO11は、出口、レジ、高い関心を集める商品セクションなどの主要な場所で、顧客の動線パターンを小売業者が追跡するのに役立ちます。全体の来店者数を測定するだけでなく、このリージョンベースのアプローチにより、特定のエリアを訪れた顧客数を把握できます。

Ultralyticsソリューションを使用すると、手動コーディングや複雑なセットアップが不要になるため、小売業者にとって便利です。小売業者は、ポリゴンや長方形の線を使って店舗のさまざまなセクションに簡単に印を付け、顧客の動線や来店者数を追跡できます。

Ultralytics YOLO11は物体を検出し、その動きを追跡して、人がそのリージョンに入ったり出たりするたびにカウントをリアルタイムで更新できます。これにより小売業者は、顧客の動線を理解し、エンゲージメントを測定し、データに基づく意思決定を行えます。

図2. リージョン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。

料金所の交通管理#

都市は常に交通でにぎわっており、車が高速道路に合流し、信号で停止し、混雑した交差点に列を作っています。交通管理は、道路の安全を保ち、交通を円滑に流すための重要な要素です。

Ultralytics YOLO11によるリージョンベースの物体カウントは、道路を交差点や料金レーンなどのセクションに分けることで、この課題を支援できます。交通管理チームは、各リージョン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、優れた交通計画、全体的な交通流の改善が可能になります。

この興味深いユースケースの一つが料金所です。適切に監視されていないと、料金所はすぐに混雑する可能性があります。リージョンベースのカウント向けUltralyticsソリューションを使えば、各料金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が即座にカウントできるため、オペレーターはどのレーンが混雑しているかを把握できます。

図3. 料金所でYOLO11により有効化されたリージョンベースのカウント。

農場やシェルターでの動物カウント#

動物のカウントは、狭い場所を群れで移動する場合など、難しい作業になることがあります。何度か数え漏らすだけでも、給餌、健康チェック、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、作業を遅らせることなく正確な頭数を維持することは不可欠です。

Ultralytics YOLO11により、このプロセスがはるかにスムーズになります。農家は、広いゲート、狭い通路、湾曲した囲いなど、カスタム追跡ゾーンを作成できます。モデルはこれらのゾーン内で動物をリアルタイムに検出し、バウンディングボックスを付けて動きを追跡します。例えば、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カウントできます。

公共安全のための群衆監視#

混雑した公共スペースは、数分で空いている状態から満員になる可能性があります。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遅れ、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、当局は群衆の集中を早期に発見し、事態が手に負えなくなる前に対応できます。

具体的には、Ultralytics YOLO11を使用したリージョン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、待機エリアなど特定のゾーン内の移動を監視できます。これによりセキュリティチームは、移動パターンに集中し、混雑箇所を迅速に特定し、スケジュール変更からスタッフ配置まで、より適切な運用上の意思決定を行えます。

図4. より良い地下鉄の群衆管理のため、リージョン内でUltralytics YOLO11を使用して人をカウント。

主なポイント#

Ultralytics YOLO11によるリージョンベースの物体カウントは、特定のエリア内の物体をより効率的かつ正確に追跡できます。小売、交通管理、公共安全のいずれにおいても、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より適切なデータに基づく意思決定を行うのに役立ちます。カウントの自動化により手作業を減らし、全体的な効率を向上させます。

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スマートになるでしょう。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されます。このようなスマートオートメーションは、空間、人、動きを管理する方法の未来を形作っています。

AIについてはGitHubリポジトリで詳しく学び、成長を続けるコミュニティに参加してください。自動車におけるAIと農業における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、ビジョンAIプロジェクトを実現してください。