オープンソースの物体追跡ツールとアルゴリズム：トップ8

車が赤信号を無視して運転手に自動的に違反切符が送られたり、サッカー選手がフィールドをドリブルで進み、カメラがプレーを滑らかに追いかけたりするとき、AIは静かにバックグラウンドで動作しています。特に、こうしたシステムはコンピュータビジョンに依存しています。コンピュータビジョンはAIの一分野であり、機械が世界の視覚情報を見て、解釈し、理解できるようにします。

コンピュータビジョンにおいて、こうしたアプリケーションを支える主要なタスクの一つが物体追跡です。動画の各フレームで物体を識別し、物体が移動したり、他の物体と重なったり、方向を変えたりしても追跡するために使用されます。

現在では、さまざまな用途、パフォーマンス要件、複雑さのレベルに合わせて設計された物体追跡ツールやアルゴリズムが数多くあります。数十個の物体をリアルタイムで追跡できる速度を重視するものもあれば、オクルージョン、急速な動き、低照度などの困難な条件下での精度や長期的な安定性を優先するものもあります。

特に、オープンソースプロジェクトは、この分野の発展に大きく貢献してきました。コードが公開されているため、開発者や研究者は仕組みを調査し、既存の手法を改良し、新しいアプリケーションに適応させることができます。このオープン性によって、物体追跡は急速に進化し、実世界のシステムにも容易に統合できるようになりました。

この記事では、人気の高いオープンソースの物体追跡ツールとアルゴリズムを8つ紹介します。それでは始めましょう。

物体追跡とは何ですか？#

警備員が駐車場のCCTV映像を監視している場面を考えてみてください。警備員は1台の赤い車を注意して見守ることにします。動画が再生される間、その車を頭の中で識別し、他の車が通り過ぎたり、人が前を歩いたりしても、車がどこへ移動しても追跡し続けます。

AIを活用した物体追跡も似ていますが、自動かつ大規模に動作します。つまり、物体追跡とは、動画のフレーム内を移動する物体を追い、その物体のIDをフレーム間で一貫して維持するプロセスです。

多くのシステムでは、まず物体検出から始めます。物体検出によって、各フレーム内の人、車両、道路標識などの物体を検出してラベル付けします。次に、物体が移動したり、現れたり、消えたり、重なったりする際、追跡システムがフレーム間の検出結果を関連付け、どの物体がどれで、時間の経過とともにそれぞれがどこへ移動したかを把握します。

図1. 物体追跡の様子（出典）

追跡には、一般的に2つのタイプがあります。単一物体追跡（SOT）は1つの主要な物体に焦点を当てます（スポーツ動画でボールだけを追跡する場合など）。一方、マルチオブジェクト追跡（MOT）は複数の物体を同時に追跡し、それぞれに一意のIDを割り当てます（混雑した交差点ですべての車を追跡する場合など）。

追跡のタイプにかかわらず、ほとんどのシステムは3つの中核コンポーネントに依存しています。各フレームで物体を検出する検出器、物体がどのように移動する可能性が高いかを予測するモーションモデル、新しい検出結果を以前から追跡している物体に関連付けるマッチング処理です。これらの要素によって、生の動画が、物体が時間の経過とともにどのように移動し、相互作用するかに関する意味のある情報へと変換されます。

オープンソースの物体追跡ツールが必要とされる理由#

詳しい説明に入る前に、オープンソースの物体追跡ツールとアルゴリズムがなぜ特別なのか、疑問に思うかもしれません。

オープンソースツールは、物体追跡をより使いやすく、広く利用できるようにするうえで大きな役割を果たしてきました。コードが公開されているため、開発者や研究者はトラッカーの仕組みを正確に確認し、そこから学び、自分のプロジェクトに適応できます。ブラックボックスとして扱う必要はありません。

さらに、活発なコミュニティの恩恵も受けられます。多くのオープンソース追跡ツールは、機能の追加、速度と精度の改善、バグ修正、最新の研究成果への対応を行う活発なコントリビューターによって保守されています。この継続的な協業によって、さまざまなアプリケーションで信頼性と有用性を維持できます。

コストも、重要な理由の一つです。オープンソースツールは無料であるため、学生、スタートアップ、小規模なチームは、ライセンス料やサブスクリプション費用を気にせず、実験、プロトタイプ作成、実システムの構築を行えます。

オープンソースの物体追跡ツールとアルゴリズム：トップ8#

現在では、追跡システムの構築に利用できる多種多様なオープンソースの選択肢があります。パイプラインに直接組み込める追跡アルゴリズムやモデルもあれば、そうしたモデルの実行、管理、統合を容易にするライブラリやフレームワークもあります。これらを組み合わせることで、中核となる追跡ロジックから、実際のプロジェクトで必要となる周辺ツールまでをカバーできます。

次に、人気の高いオープンソースの物体追跡ツールとアルゴリズムを8つ見ていきましょう。

1. Ultralytics YOLOモデルとUltralytics Pythonパッケージ#

物体追跡に利用できる最も簡単で実用的な選択肢の一つが、Ultralytics YOLOモデルとUltralytics Pythonパッケージの組み合わせです。Ultralytics YOLO11や近日公開予定のUltralytics YOLO26などのUltralytics YOLOモデルは、物体検出、インスタンスセグメンテーション、ポーズ推定、物体追跡など、さまざまなビジョンタスクに対応するコンピュータビジョンモデルです。

図2. YOLO11を使用して物体を検出・追跡する例（出典）

興味深いことに、モデル自体はフレーム間で物体を追跡しません。代わりに、Ultralytics YOLOモデルの実行とデプロイを簡素化するライブラリであるUltralytics Pythonパッケージが、YOLOのフレーム単位の検出結果と、BoT-SORTやByteTrackなどの専用マルチオブジェクト追跡アルゴリズムを組み合わせることで追跡を可能にします。

組み込みの追跡機能により、UltralyticsパッケージとUltralytics YOLOモデルを使用して各フレームの物体を検出し、一貫したIDを割り当てることができます。これにより、物体が移動したり、重なったり、フレーム外に出たり、後で再び入ったりしても追跡できます。このアプローチは製造や小売などの分野で導入が進んでおり、欠陥検査ワークフロー、在庫の流れの追跡、店舗内の顧客追跡などのアプリケーションを可能にしています。

2. OpenCVトラッカー#

OpenCVは、物体追跡アルゴリズムのコレクションを含む広範なコンピュータビジョンライブラリです。このライブラリは1999年からOpenCVコミュニティによって開発・保守されています。

これらのトラッカーの多くは、ディープラーニングに依存するのではなく、相関フィルターやカーネルベースの手法など、従来のコンピュータビジョン手法を使用します。これらの手法は、ニューラルネットワークで特徴を学習するのではなく、色やテクスチャなどの視覚的外観をフレーム間で照合して物体を追跡します。

これらのアルゴリズムを使用する場合、通常はまず追跡したい物体を選択します。その後、物体の移動に合わせて、トラッカーが後続のフレーム内で最も類似した視覚領域を継続的に検索します。

図3. OpenCVを使用した物体追跡（出典）

これらの手法は、複雑なシーンや混雑したシーンでは、最新のディープラーニングベースの追跡システムほど堅牢ではない場合があります。それでも、軽量で高速、かつ実行しやすいため、広く使用されています。また、これらのトラッカーはCPU上で効率的に動作し、通常GPUを必要としないため、簡単な実験、授業での学習、趣味のプロジェクトにも適しています。

3. ByteTrack#

ByteTrackは、マルチオブジェクト追跡で最も人気の高いオープンソースアルゴリズムの一つです。モデルが高い確信度を持つ検出結果だけを照合するのではなく、多くのシステムが通常は無視する低信頼度の検出結果も利用します。

これにより、一時的に見えにくくなった物体も追跡し続けられます。例えば、物体が部分的に遮られている場合、遠くにある場合、または高速で移動している場合です。高速で信頼性も高いため、ByteTrackは交通分析、歩行者追跡、小売店の監視など、リアルタイム性能と一貫したIDが重要なアプリケーションでよく使用されます。

前述のように、検出にUltralytics YOLOモデルを使用している場合、Ultralytics Pythonパッケージを通じてByteTrackを簡単に有効化できます。また、カスタムパイプラインで単独使用することもできるため、研究用プロトタイプからC++で記述された本番システムまで、幅広い用途に適しています。

4. DeepSORT#

マルチオブジェクト追跡で広く使用されているもう一つのアルゴリズムがDeepSORTです。これは単純オンライン・リアルタイム追跡（SORT）を短縮した名称です。SORTは単純オンライン・リアルタイム追跡を意味します。

ByteTrackと同様に、SORTは検出による追跡のアプローチに従います。ただし、SORTはカルマンフィルターに依存します。これは過去の動きに基づいて物体の将来の位置を推定する数学モデルであり、各物体が次にどこへ移動する可能性が高いかを予測します。

次に、主に位置とバウンディングボックスの重なりに基づいて、新しい検出結果を既存のトラックに照合します。そのため、SORTは高速で軽量ですが、物体が重なったり、交差したり、一時的に視界から消えたりすると、追跡が難しくなる場合があります。

DeepSORTは、外観情報を追跡プロセスに追加することでSORTを改良しています。動きや位置に加えて、物体の外観を学習するディープラーニングベースの再識別（re-id）モデルを使用します。これにより、動きだけでは他の物体と区別できない場合でも、フレーム間で同じ物体を認識できます。

このため、DeepSORTは、人が頻繁に重なったり一時的に遮蔽されたりする監視や群衆監視などのアプリケーションでよく使用されます。ただし、現在では古典的なベースラインと見なされており、より新しい追跡手法のほうが、より困難なシーンで高い性能を達成することがよくあります。

5. Norfair#

Norfairは、固定された追跡パイプラインを強制するのではなく、柔軟性を重視して設計された軽量な追跡ライブラリです。検出器の出力を、バウンディングボックスの中心、キーポイント、カスタム座標データなどの点の集合として表現できる限り、ほぼあらゆる検出器に追跡機能を追加できます。

図4. Norfairを使用した実世界の物体追跡（出典）

この柔軟性により、標準的なマルチオブジェクト追跡ツールでは対応しにくい、特殊な入力や動的な移動パターンを扱うプロジェクトで特に効果を発揮します。また、このライブラリには、フレーム間で検出結果をどのように照合するかを制御する組み込みの距離関数も用意されています。

これらの距離関数は、2つの点または物体がどの程度類似しているかを測定し、ユーザーが追跡ロジックを完全に制御できるようにします。Norfairは、ロボティクス、スポーツ動作分析、ドローンナビゲーション、ポーズのランドマークやキーポイントの追跡に大きく依存するアプリケーションでよく使用されます。

6. MMTracking#

MMTrackingは、MMDetectionなどの広く使用されているコンピュータビジョンライブラリも手がけるOpenMMLabチームのオープンソース追跡ツールボックスです。MMDetectionを基盤として構築されており、追跡システムの開発や実験に利用できる柔軟なフレームワークを提供します。

最大の強みの一つは、モジュール設計です。単一のパイプラインに固定するのではなく、MMTrackingでは検出器、追跡モジュール、一部の構成では再識別モデルなど、さまざまなコンポーネントを設定して入れ替えることができます。この柔軟性により、手法のベンチマーク、新しいアイデアの検証、追跡パイプラインのファインチューニングを行いたい研究チームや高度なプロジェクトで特に人気があります。

7. FairMOT#

FairMOTは、多数の物体を同時に追跡するために設計されたマルチプルオブジェクト追跡フレームワークです。従来の検出による追跡パイプラインでは、まず検出を実行し、その後、別のステップとしてフレーム間の物体を関連付けます。一方、FairMOTは検出と再識別を単一のネットワークで同時に学習します。

図5. FairMOTフレームワークの仕組み（出典）

この統合された構成により、特に人が頻繁に重なったり高速で移動したりする混雑したシーンで、より一貫したIDを維持できます。FairMOTは歩行者追跡や群衆監視などのシナリオでよく使用されます。また、多数の対象をリアルタイムで追跡することが重要な小売分析や交通監視などにも適用されています。

8. SiamMask#

SiamMaskは、バウンディングボックスとともにセグメンテーションマスクを生成することで、多くのトラッカーより一歩進んだ単一物体追跡手法です。簡単に言えば、対象の周囲に長方形を描くだけではありません。物体の形状をピクセルレベルで輪郭化するため、対象の形状が変化したり、回転したり、一部が隠れたりする場合に役立ちます。

図6. SiamMaskを使用した物体の追跡とセグメンテーション（出典）

このアプローチでは、シャム型追跡設計を使用します。まず、トラッカーが最初のフレームから対象の小さな参照画像（一般にテンプレートと呼ばれます）を取得します。次に、新しい各フレームでより広い領域を検索し、そのテンプレートとの類似度が最も高い位置を見つけます。

SiamMaskは、この照合ベースの考え方を発展させたものです。対象のピクセルレベルのマスクも予測するため、動画の再生中に物体の位置と、より正確な輪郭の両方を取得できます。

物体追跡ツールを選択する際の主な要素#

現在のAI分野では、オープンソースの物体追跡ツールにさまざまな選択肢があります。コンピュータビジョンプロジェクトに最適な選択肢は、具体的なユースケースに必要な要件によって異なります。検討すべき要素を以下に示します。

• 精度: オーバーラップ、オクルージョン、急速な動きが発生している間も安定したIDを維持する必要がある、混雑したシーンや視覚的に複雑なシーンでは特に重要です。
• 速度: ロボティクス、交通監視、スポーツ分析などのリアルタイムアプリケーションでは、完璧な精度よりも応答性が重要になる場合があります。
• 統合の容易さ: 数行のコードだけで簡単にプラグアンドプレイできる物体追跡ツールもあれば、より多くのセットアップ、設定、カスタムパイプライン作業が必要なものもあります。
• デプロイの制約: GPUサーバー、エッジデバイス、モバイルハードウェアなどの対象環境によって、実用的な追跡アプローチが決まる場合があります。
• スケーラビリティ: システムで多数の物体を同時に追跡したり、複数の動画ストリームを処理したりする必要がある場合、パフォーマンスを大きく低下させずに効率よくスケールできるトラッカーを選ぶ必要があります。

各物体追跡ツールやアルゴリズムには、それぞれ異なる目的があります。最終的には、適切な選択は具体的な要件、実行時の制約、パフォーマンス指標、そしてプロジェクトで追跡アプローチにどの程度のカスタマイズ性が必要かによって決まります。

主なポイント#

物体追跡は、初期の手作業で設計された手法から、動き、ID、行動を驚くべき精度で解釈する現在の最先端ディープラーニングシステムへと進化してきました。オープンソースツールは、この進歩を推進する大きな力となっています。強力なアルゴリズムへのアクセスを民主化し、実験を促進し、制限の多いライセンスや大規模なインフラストラクチャなしで、高度な追跡パイプラインを研究者が構築できるようにしています。

AIについて詳しく知るには、コミュニティとGitHubリポジトリをご覧ください。農業におけるAIと製造業におけるコンピュータビジョンのソリューションページもご覧ください。ライセンスオプションを確認し、ご自身のビジョンモデルの構築を始めましょう。