ポーズ推定を使用して走行テクニックを完璧にする

ランニングは世界中で人気の高い運動です。アメリカでは、約 50 million people が定期的にランニングやジョギングを楽しんでおり、日本では2024年にランニングが最も人気のあるスポーツとなりました。

特に早朝や夜遅くには、至る所でランナーを見かけることができます。公園、道路、海岸は、さまざまな目的を持ち、異なるペースで走る人々で溢れています。

トレーニングプランに従う人もいれば、健康維持や気分転換のためにカジュアルに走る人もいます。多くの人にとって、ランニングは毎日気軽に体を動かせる手段です。しかし、見た目ほど単純ではありません。

姿勢や歩幅のわずかな変化が、パフォーマンス、快適さ、そして背中の痛みなどの怪我のリスクに影響を与える可能性があります。体の動きに注意を払うことは、ランナーがより健康を維持し、持久力、筋力、全体的なフィットネスの向上といったトレーニングの成果を高める助けとなります。

しかし、走っている最中にこうした詳細を捉えるのは困難です。ほんの数分間に多くの出来事が起こり、見逃しやすい数百ものステップが存在します。ここで computer vision が役立ちます。これは、画像や動画を分析して動きをフレーム単位で分解し、リアルタイムでは見分けにくいパターンを明らかにすることができるAIの分野です。

Pose estimation は、このアプローチの重要な要素です。これは、体の関節や時間の経過に伴うその動きを追跡するために使用できる computer vision タスクです。Ultralytics YOLO11 や、今後の Ultralytics YOLO26 などのモデルは pose estimation をサポートしており、フレーム間でランナーの動きを継続的に追跡できるため、リアルタイム分析が大幅に実用的になります。

図 1: YOLO11 と pose estimation を使用したランニングおよびトレーニング中のアスリートの分析。(Source)

この記事では、適切なランニングフォームとはどのようなものか、そしてUltralytics YOLOモデルを使ってランニングテクニックを分析および改善する方法を探ります。それでは始めましょう！

適切なランニングフォームが重要な理由#

ランニングのさまざまな要素に入る前に、日常のトレーニングにおいてなぜランニングフォームが重要なのかを詳しく見ていきましょう。

気軽なジョギングであれ、特定の目標に向けたトレーニングであれ、すべてのランナーは自身の努力を成果につなげたいと考えています。しかし、姿勢、過度なストライド（オーバーストライディング）、タイミングのわずかな問題が積み重なると、ランニングが本来よりもきつく感じられ、下半身や関節に過度な負担をかけることになります。

体のメカニズムに注意を払うことは、ランナーがより安全に走れるようになり、怪我のリスクを軽減し、心臓の健康増進、筋肉の強化、全体的なフィットネス向上といったメリットを得るのに役立ちます。優れたランニングフォームは、体が協調システムとして動くことから始まります。

胴体がわずかに前傾した状態で整列し、腕と脚がバランスよく動くと、エネルギー効率が向上し、動きが滑らかになり、怪我のリスクが軽減されます。時間が経つにつれて、フォームは筋肉の連携の仕方も形成していきます。

バランスの取れた動きは、安定性、姿勢、持久力を支え、筋力トレーニングやランニング中の正しい姿勢を維持します。初心者にとっては、これが成長のための強力な基盤となります。エリートランナーにとっては、疲労に関連する問題や長期的な不快感のリスクを減らしながら、パフォーマンスを向上させます。

適切なランニングフォームの兆候を特定する#

ランナーが自身の動きに注意を払うようになると、ランニングスタイル全体で特定のパターンが見えてきます。人によって走り方は多少異なりますが、これらの共通要素は、効率的なランニングがどのようなものかについての一般的な指針を提供します。

ランニングフォームとは、ランニング中に姿勢、バランス、動きがどのように連携するかを指します。これは、前進する際に体がどのように整列し、協調しているかを説明するものです。これらの詳細を観察することで、ランナーは滑らかで制御された動きや、無駄な労力や不快感につながる可能性のある習慣を見つけることができます。

適切なランニングフォームによく見られる要素をいくつか紹介します：

• 脚の動きとストライド： 良いランニングフォームは通常、リラックスした膝の引き上げと、自然に感じられる安定したストライドから生まれます。ストライドの長さとストライド頻度は重要であり、一歩ごとに前方に踏み込みすぎるとバランスが崩れる可能性があります。スムーズなプッシュオフにより、走りが軽く効率的に感じられます。
• 足の着地と重心： ランナーは、かかと、足の中央部、または前足部のいずれで着地するかに関わらず、さまざまな方法で着地します。正確な着地ポイントよりも重要なのは、各ステップで体がどれだけスムーズに動くかです。重心を安定させることで、無駄な動きが減り、安定性が高まります。
• 筋肉の協調性： ランニングでは、臀筋、大腿四頭筋、ハムストリングス、腸腰筋など、複数の筋肉群が関与します。これらの筋肉がバランスよく連携して動くと、動きが安定し、怪我のリスクが軽減されます。

図 2: ランニングの歩容を理解し、より良いランナーになるための体の主要ポイント。(Source)

多くのランナーは、走り方を改善するためにランニングシューズ、コーチング、フォーム指導にも頼っています。適切なランニングシューズは、特に筋力や一貫性を構築中の初心者ランナーにとって、快適さをサポートし関節へのストレスを軽減するのに役立ちます。

また、ランニングコーチと取り組んだり、フォーム重視のトレーニングプランに従ったりすることで、正しいランニングフォームを理解し、非効率な習慣を修正し、長期的に怪我のリスクを下げることができます。特に初心者にとって、早い段階で正しいランニングフォームを学ぶことは、成長するにつれてランニングをより簡単に、安全に、そして楽しいものにすることができます。

ポーズ推定を使用してランニングを分析する方法の理解#

Pose estimation は、人物やオブジェクトのキーポイントを識別して追跡し、画像や動画内での位置や動きを特定する computer vision task です。特に、人間の姿勢推定により、人間の体がフレームごとにどのように動くかを追跡することが可能になります。

単にフレーム内のランナーを検出するだけでなく、時間の経過とともに体の各部位がどのように動くかを追跡し、詳細な歩容やランニングの生体力学の分析をサポートします。ポーズ推定の主な利点の一つは、標準的なカメラで動作するため、多くの実環境で利用可能であることです。

ポーズ推定をサポートするYOLO11のようなモデルは、トレッドミル上であれ屋外であれ、ランナーをフレームごとに追跡できます。肩、臀部、膝、足首、肘などの主要なポイントを特定することで、モデルは時間経過に伴う身体の動きを結び付け、全体的なモーションや関節の屈曲パターンを明らかにします。

図 3: ウォームアップ運動中に体の主要ポイントを追跡するために pose estimation を使用できます。(Source)

例えば、スクワットやランジのような一般的なワークアウトの動きでは、タイミングと協調性が体の動きに大きく影響します。ストライド、体の整列、足の位置のわずかな変化が、速度、バランス、制御、および怪我のリスクに影響を与える可能性があります。

こうした小さな変化を一貫して捉えるのは容易ではありません。ポーズ推定はランニングコーチに取って代わるものではありませんが、姿勢、タイミング、協調性をランニング中に視覚的に確認しやすくする補助ツールとして機能します。時間が経つにつれて、テクニックを比較し、小さな調整に気づくことも容易になります。

Ultralytics YOLOモデルがランニングテクニックの分析をどのようにサポートできるか#

次に、Ultralytics YOLOモデルがポーズ推定のようなタスクをどのようにサポートするかを見ていきましょう。

YOLO11 などの Ultralytics YOLO pose モデルはすぐに利用可能であり、COCO-Pose などの大規模なラベル付きデータセットで事前トレーニングされています。これにより、一般的な人間の身体のキーポイントを検出して追跡し、その知識をさまざまなアプリケーションに適用できるようになります。

動画フレーム全体で身体のキーポイントを追跡することで得られた知見は、人々が時間の経過とともにどのように動くかを研究するために使用できます。これにより、姿勢、ストライドパターン、関節の動き、協調性など、ランニングテクニックの重要な側面を分析することが可能になります。

より具体的なインサイトが必要な場合は、これらのモデルを custom-trained できます。最初からモデルをトレーニングするのではなく、追加のラベル付きデータを使用して、事前トレーニング済みの YOLO pose モデルをファインチューニングすることができます。

例えば、犬の走り方を分析するソリューションを構築したい場合、犬に特化したラベル付きポーズデータでモデルをトレーニングすれば、元のトレーニングで得た一般的なポーズ推定機能を保持したまま、犬の身体構造と動作パターンを学習させることができます。

図 4: pose estimation のために犬の上で検出された体の主要ポイント。(Source)

ポーズ推定を使用したハードル走のテクニック分析#

ポーズ推定の仕組みについて理解が深まったところで、ハードル走のテクニックを分析するためにそれがどのように適用できるかの例を見ていきましょう。

ハードルは、スピードが求められ技術的に厳しい sport です。1回の走行中、足の接地、踏み切り、着地はほんのわずかな瞬間に起こります。

これらの動作は非常に速いため、肉眼や手作業での動画レビューで重要な詳細を観察するのは困難です。その結果、ストライドのリズム、タイミング、接地における小さくも意味のある違いは見落とされがちです。

Computer vision ベースの pose estimation は、標準的なビデオ映像を構造化データに変換することでこれに対処します。例えば、最近の調査では、研究者が Ultralytics YOLOv8 ベースのモデルを使用して下半身のキーポイントを追跡しました。YOLOv8 は Ultralytics YOLO モデルの以前の世代であり、pose estimation をサポートし、YOLO11 などの新しいモデルの基盤を提供します。

この調査では、sprint hurdling 中のステップのタイミング、ストライドパターン、および地面との接触を分析するために、足首、かかと、親指などのキーポイントに焦点を当てました。時間の経過に伴ってこれらのキーポイントを追跡することにより、研究者は実際のトレーニング条件下でのステップの進行、タイミング、および動きのパターンを綿密にモニターすることができました。

歩容分析にコンピュータビジョンを使用することの長所と短所#

ランニングテクニックを分析するためにポーズ推定を使用する主な利点は次のとおりです：

• 客観的なフィードバック： ポーズ推定は、個人的な判断ではなく、測定された身体のキーポイントに基づいた一貫性のある視覚データを提供します。これにより、可動域を評価する際の主観性を減らすことができます。
• 自己レビュー： ランナーは常にコーチのサポートを受けることなく、自分の動作パターンを分析できるため、レクリエーションや自主的なトレーニングに役立ちます。
• グループでの拡張性： 同じワークフローを複数のランナーに適用できるため、手動観察が非現実的なチーム、トレーニンググループ、または研究において効果的です。

ポーズ推定にはいくつかの利点がありますが、考慮すべきいくつかの制限があります：

• カメラ設定： カメラの角度が正しくなかったり、フレーミングが不一致だったりすると、関節の角度、ストライドパターン、ステップ数のキャプチャ精度が低下する可能性があります。
• 遮蔽（オクルージョン）： 身体の一部が隠れていたり、フレーム内で複数のランナーが重なっていたりすると、精度が低下します。
• 環境要因： 屋外の環境（影、凹凸のある路面、動く背景など）は、測定の一貫性に影響を与える可能性があります。

重要なポイント#

Ultralytics YOLOモデルとポーズ推定により、ランニング分析はより身近なものになっています。これらは、通常の動画から身体の動き、関節の角度、ストライドパターンを追跡するために使用でき、ランニングフォームに関する明確な洞察を提供します。これらのツールは、ランナーやコーチが非効率性を発見し、改善を追跡し、怪我のリスクをリアルタイムで管理するのに役立ちます。

AI についての詳細を GitHub repository の訪問や community への参加を通じてご覧ください。また、ソリューションページをチェックして、AI in robotics や computer vision in automotive について学びましょう。our licensing options を確認して、今すぐビジョン AI を始めましょう。