コンピュータービジョンにおけるFPSの役割を理解する

お気に入りのスポーツシーンをスローモーションのリプレイで見ると、細部まではっきりと確認できます。一方、監視カメラの映像は通常、カクついて見づらく、その違いは明らかです。この違いを生み出す重要な技術要素がFPS（frames per second、1秒あたりのフレーム数）です。FPSが高いほど動きが滑らかで現実的になり、低いと映像がカクつき、細部が見えにくくなることがあります。

この概念は、人間と同じように機械が視覚データを解釈・分析できるAIの一分野であるコンピュータービジョンに直接影響します。コンピュータービジョンでは、FPSが高いほど、システムは毎秒より多くの情報を取得でき、リアルタイムの物体検出と追跡の精度が向上します。

この記事では、FPSの技術的な側面と、コンピュータビジョンアプリケーションとの関係について解説します。

コンピュータービジョンにおけるFPSとは何ですか？#

レーシングゲームをプレイしているとしましょう。60 FPSでは、曲がるときも滑らかで操作にすぐ反応しますが、20 FPSでは操作に遅れが生じ、障害物を避けにくくなります。簡単に言えば、FPSは1秒間に表示される静止画の枚数と考えることができます。1秒あたりの画像が多いほど動きは滑らかで自然に見え、少ないとカクついて見えます。

ゲームと同様に、FPSはコンピュータビジョンアプリケーションにおいて重要な要素です。FPSが高いとビジョンAIで物体を滑らかに追跡できますが、低いと細部を見逃す可能性があります。

たとえば、スポーツ分析では、AI搭載カメラが速いパス、選手の動き、ボールの軌道を追跡するには、高いFPSが必要です。FPSが低いと、足とボールの重要な接触や急な方向転換を捉えられず、分析精度に影響する可能性があります。

同様に、交通監視システムでは、高いFPSを利用して速度超過車両や車線変更をリアルタイムで検出します。適切なFPSは、各コンピュータビジョンアプリケーションの具体的な要件に応じて選択し、性能、効率、視覚的な鮮明さのバランスを取る必要があります。

図1：異なるフレームレートの比較。

コンピュータービジョンにおけるFPSの技術的な側面#

FPSとは何か、コンピュータビジョンでどのように使われるかを説明したところで、動画のFPSの計算方法から技術的な側面を見ていきましょう。

総フレーム数を動画の長さ（秒）で割ると、動画のFPSを算出できます。たとえば、4秒間に96フレームある動画は24 FPS（毎秒24枚の画像が表示されることを意味します）となり、4秒間に32フレームの場合は8 FPSです。OpenCVなどのPythonライブラリを使うと、動画のメタデータの取得やフレーム数のカウント、FPSの自動計算ができ、動画分析のプロセスを効率化できます。

図2. 24 FPS 対 8 FPS 対 4 FPS。

動画のFPSに影響する要因#

ただし、コンピュータービジョンソリューションの開発で技術的な判断を行う際、FPSの計算だけでは十分ではありません。ハードウェア性能、ソフトウェアの最適化、環境条件など、実効フレームレートに影響するさまざまな要因も考慮する必要があります。

これらの要因を詳しく見ていきましょう。

• ハードウェア性能：カメラセンサーの品質とデバイスの処理能力によって、1秒間にキャプチャできるフレーム数が決まります。通常、優れたハードウェアほど高いFPSに対応し、より滑らかな動画を実現できます。
• ソフトウェアの最適化：効率的な動画エンコード・処理ソフトウェアは、フレームをすばやく抽出して分析するのに役立ちます。これにより、不要な遅延なく動画を処理できます。
• 環境条件：シーンの照明や動きは、フレームをどれだけ鮮明にキャプチャできるかに影響します。良好な照明と適度な動きはFPSの向上に役立ちますが、条件が悪い場合は鮮明さを保つために高いFPSが必要になることがあります。
• ストレージ要件：FPSが高いほど1秒あたりにキャプチャするフレーム数が増え、ファイルサイズも大きくなります。そのため、ストレージ要件が増えるとともに、滑らかに再生するにはより高速なデータ処理が必要です。

コンピュータービジョンアプリケーションにおけるFPSを詳しく見る#

リアルタイムのコンピュータービジョンタスクに対応するUltralytics YOLO11などのAIモデルを使うと、高いフレームレートの動画を分析できます。このリアルタイム性能は、自動運転、監視、ロボティクスなど、わずかな遅延でも重大なエラーにつながる可能性があるアプリケーションで重要です。

精度と性能のために高いFPSが不可欠となる、実際のビジョンAIアプリケーションをいくつか見ていきましょう。

監視・セキュリティソリューションにおける高いフレームレート#

高速道路など交通量の多いエリアを監視するシステムでは、細部を捉えるために高いFPSを使用し、速度の速い車両を鮮明に記録します。この鮮明さは、車両を正確に識別するために高品質な映像を必要とする自動ナンバープレート認識（ANPR）システムに不可欠です。

このようなシステムでは、Ultralytics YOLO11などのモデルを使用して、動画フィードから直接ナンバープレートを検出できます。ナンバープレートを検出した後、テキスト画像を機械可読文字に変換する光学文字認識（OCR）を使用して、ナンバープレートの情報を読み取ります。このプロセスにより、車両を迅速かつ正確に識別でき、交通取り締まりと全体的なセキュリティが強化されます。

図3. YOLO11を使用したナンバープレートの検出。

自律システムに必要なFPSを理解する#

一時停止標識の前にいる自動運転車が、安全に進行できるかを判断するため、周囲を注意深く分析している場面を考えてみてください。この車はほぼ瞬時に判断する必要があり、そのためには視覚データをリアルタイムで取得して処理しなければなりません。

自動運転車に高いFPSで映像をキャプチャできるカメラが搭載されていれば、より連続的で詳細な画像ストリームを取得できます。この強化された視覚入力により、車は障害物、歩行者、その他の車両をすばやく検出できます。その結果、周囲の状況の変化に車両が迅速に対応できます。

カメラが低いFPSで画像を処理していた場合、車両が得る映像はよりカクつき、詳細さも損なわれる可能性があります。これにより反応が遅れ、重要な情報を見逃すリスクが高まり、安全性を損なうおそれがあります。

FPSとスポーツ分析の関係#

一瞬の判断が勝敗を左右するスポーツでは、あらゆる動きを正確に捉えることが重要です。高いFPSに対応する技術を使うと、動きのわずかな細部まで記録でき、コーチ、アナリスト、選手は一瞬も見逃すことなくプレーをスローモーションで確認できます。また、動作をフレームごとに鮮明に確認できるため、テニス、サッカー、クリケットなどで審判がより正確に判定するのにも役立ちます。

たとえば、バレーボールに関する興味深い研究では、高いFPSの使用がパフォーマンス評価をどのように改善するかを分析しました。FPSを30から240に上げると、動きの鮮明さと物体追跡が大幅に改善しました。スパイクの分析精度も向上し、コーチは手の位置、ボールとの接触点、ジャンプの動作をより正確に把握できるようになりました。さらに、この研究では、高いFPSによってモーションブラーが減少し、サーブや守備時の反応を分析しやすくなることも分かりました。

図4. 動きの鮮明さに関する低FPSと高FPSの比較。

動画分析で低いFPSが効果的な場合#

すべてのコンピュータービジョンアプリケーションで、高いFPSによる映像の記録が必要なわけではありません。タスクによっては、低いFPSでも正確な結果を得るのに十分な場合が多くあります。低いFPSが適している主な分野を紹介します。

• オフラインでの後処理と分析：交通監視や群衆分析などのアプリケーションでは、すべてのフレームを高いFPSでキャプチャする必要はありません。低いFPSでも、車両の流れ、歩行者の密度、渋滞の傾向など、動きのパターンを分析するために十分なデータを得られます。重複するフレームを減らすことで、正確な分析を維持しながら、ストレージ要件と計算負荷を最小限に抑えられます。
• 環境のタイムラプス監視： 植物の成長、建設の進捗、氷河の移動など、ゆっくりとした変化を追跡する場合は、数分ごと、または1日に1回のフレームキャプチャで十分です。これにより、長期的な変化を効果的に記録しながら、ストレージを節約できます。
• リソースが限られた環境：野生生物の監視や遠隔地のセキュリティでは、低いFPSによってバッテリーとストレージを節約できます。5～10 FPSで動作するモーション検知カメラは、長時間にわたって重要なイベントを記録できるため、電力網に接続されていない場所への設置に適しています。

ディープラーニングアプリケーションに適したFPSの選択#

最適なFPSを選ぶには、性能とシステムの制約とのバランスを取る必要があります。ディープラーニングアプリケーションのFPSを最適化する際に考慮すべき点を以下に示します。

• パフォーマンスとリソースのバランス：FPSを高くすると応答性は向上しますが、消費電力と処理負荷も増加します。FPSの動的な調整、フレーム補間の使用、ハードウェアの最適化により、システムに過度な負荷をかけずに滑らかなパフォーマンスを維持できます。
• アプリケーション固有の要件：アプリケーションによってFPSの要件は異なります。バッテリー駆動デバイスでは電力を節約するために低いFPSを使用する一方、ドローンや自動運転車などのリアルタイムシステムでは、迅速かつ正確に応答するために高いFPSが必要です。
• テストと最適化： FPSの設定は、さまざまな照明条件や動きの条件下でテストするのが理想的です。レイテンシを評価し、FPSのレベルを並べて比較することで、応答性、視覚品質、リソース効率の最適なバランスを判断できます。

AIモデルにおけるFPSの最適化と今後のイノベーション#

AIとハードウェアの最適化が進み、リソースが限られた環境でも高いフレームレートを実現しやすくなっています。たとえば、映画、スポーツ、ロボティクスなどの業界では、動きの複雑さや処理能力に応じてシステムがFPSを動的に調整する、よりスマートなフレームレート管理の恩恵を受けられます。AIによるフレーム補間も、リアルタイムにフレームを追加生成することで、動画の滑らかさを向上させます。

一方、NVIDIAの最近のブレークスルーにより、FPSのパフォーマンスはさらに向上しています。DLSS 4（ディープラーニング・スーパーサンプリング）はマルチフレーム生成を導入し、AIを使って追加フレームを予測・生成します。これにより、システムの負荷を軽減しながら、フレームレートを最大8倍に高められます。

レンダリングの一部をAIに任せることで、DLSS 4はハードウェアに余計な負荷をかけずに映像を滑らかにし、パフォーマンスと効率の両方を向上させます。

重要なポイント#

FPSは単に映像の滑らかさを測る指標ではなく、AIとコンピュータービジョンにおけるリアルタイムの意思決定を支えます。動画の各フレームには重要なデータが含まれており、機械はそれを使って物体を追跡し、動きを分析し、変化する環境に対応できます。障害物を回避する自動運転車から、脅威を即座に検出する監視システムまで、適切なFPSが精度と効率を確保します。

FPSの未来は、フレームレートを上げることだけでなく、インテリジェントに最適化することにもあります。この進化によって、さまざまな業界のコンピュータービジョンシステムがより高速で革新的になり、リソース効率も向上します。

AIについてさらに詳しく知りたい方は、GitHubリポジトリをご覧になり、コミュニティにご参加ください。独自のコンピュータービジョンプロジェクトを始める準備ができたら、ライセンスオプションをご確認ください。医療におけるコンピュータービジョンが効率をどのように向上させているかを学び、ソリューションページで製造業におけるAIの影響をご覧ください。