ポーズ推定でランニングフォームを改善

ランニングは世界中で人気のある運動です。米国では約5,000万人が定期的にランニングやジョギングをしており、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。

特に早朝や夕方には、あちこちでランナーを見かけます。公園、道路、ビーチには、さまざまな速度で、それぞれ異なる目的を持って走る人々が集まります。

トレーニング計画に沿って走る人もいれば、体を動かしたり気分をすっきりさせたりするために気軽に走る人もいます。多くの人にとって、ランニングは毎日手軽に体を動かす方法です。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は、パフォーマンス、快適さ、けがのリスクに影響し、腰痛などの問題につながることがあります。体の動きに注意を払うことで、ランナーは健康を維持し、持久力、筋力、全体的な体力の向上など、トレーニングからより多くの成果を得られます。

しかし、走っている最中にこうした細かな点を捉えるのは困難です。わずか数分の間にも多くのことが起こり、見逃しやすい動作が何百回も繰り返されます。ここでコンピュータビジョンが役立ちます。コンピュータビジョンは、画像や動画を分析して動きをフレームごとに分解し、リアルタイムでは見つけにくいパターンを明らかにするAIの一分野です。

姿勢推定は、このアプローチの重要な要素です。これは、体の関節とその経時的な動きを追跡するために利用できるコンピュータビジョンタスクです。Ultralytics YOLO11や、近日公開予定のUltralytics YOLO26などのモデルは姿勢推定に対応しており、フレーム間でランナーの動きを一貫して追跡できるため、リアルタイム分析をより実用的にします。

図1. YOLO11と姿勢推定を使った、ランニングおよびトレーニング中のアスリートの分析。（出典）

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、またUltralytics YOLOモデルを使ってランニング技術を分析・改善する方法について説明します。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を詳しく見ていく前に、日々のトレーニングでランニングフォームが重要な理由を確認しましょう。

気軽なジョギングを楽しむ人も、特定の目標に向けて取り組む人も、すべてのランナーは努力を成果につなげたいと考えています。しかし、姿勢のわずかな問題、歩幅の広げすぎ、タイミングのずれは、気づかないうちに積み重なり、走ることを必要以上に大変にし、下半身や関節に余計な負担をかけることがあります。

体の動きの仕組みに注意を払うことで、ランナーは安全性を高め、ランニングによるけがのリスクを減らし、心臓の健康、筋力、全体的な体力の向上といったメリットを得られます。良いランニングフォームは、体が連動したシステムとして動くことから始まります。

胴体を少し前傾させてまっすぐに保ち、腕と脚をバランスよく動かすと、エネルギーをより効率的に使え、動きが滑らかになり、けがのリスクも低下します。時間とともに、フォームは筋肉の連携の仕方にも影響します。

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アライメントを改善します。初心者にとって、これは成長の土台となります。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軽減しながら、パフォーマンスを高めます。

適切なランニングフォームの見分け方#

ランナーが自分の動きに注意を向けるようになると、さまざまな走り方に共通するパターンが見えてきます。走り方には個人差がありますが、こうした共通要素から、効率的なランニングの一般的な特徴を把握できます。

ランニングフォームとは、ランニング中の姿勢、バランス、動きがどのように連動するかを指します。前進しながら体のアライメントと連携をどのように保つかを表します。こうした点を確認すると、滑らかで安定した動きと、余計な力や不快感につながる可能性のある癖を見分けやすくなります。

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、膝をリラックスして持ち上げ、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頻度は重要で、一歩ごとに前方へ踏み出しすぎるとバランスが崩れることがあります。滑らかな蹴り出しによって、軽快で効率的に走れます。
• 足の接地と重心: ランナーの足の着地方法には、かかと、ミッドフット、前足部などさまざまなタイプがあります。着地やヒールストライクの正確な位置よりも重要なのは、一歩ごとに体がどれだけ滑らかに移動するかです。体の中心を保つことで、余計な動きを減らし、より安定した状態を保てます。
• 筋肉の連携: ランニングでは、臀筋、大腿四頭筋、ハムストリングス、股関節屈筋など、複数の筋肉群を使います。これらの筋肉がバランスよく連携すると、動きがより安定し、けがのリスクが低下します。

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重要なポイント。（出典）

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やコーチング、フォームに関する指導も活用しています。適切なランニングシューズは、快適さを支え、関節への負担を軽減できます。特に、筋力と継続性を高めている途中の初心者に有効です。

また、ランニングコーチの指導を受けたり、フォームに重点を置いたトレーニング計画に沿って取り組んだりすることで、適切なランニングフォームを理解し、効率の悪い癖を直し、時間とともにけがのリスクを抑えられます。特に初心者は、早い段階で正しいランニングフォームを身につけることで、上達するにつれてランニングがより楽で安全になり、楽しみやすくなります。

姿勢推定を使ったランニング分析を理解する#

姿勢推定は、人や物体の位置と動きを特定するために、画像や動画内のキーポイントを識別・追跡するコンピュータビジョンタスクです。特に人間の姿勢推定を使うと、フレームごとに人体の動きを追跡できます。

フレーム内のランナーを検出するだけでなく、さまざまな体の部位が時間とともにどのように動くかを追跡できるため、歩容やランニングのバイオメカニクスを詳細に分析できます。姿勢推定の主な利点の一つは、標準的なカメラで利用でき、さまざまな実環境で導入しやすいことです。

姿勢推定に対応するYOLO11などのモデルは、トレッドミル上でも屋外でも、ランナーをフレームごとに追跡できます。肩、臀部、膝、足首、肘などのキーポイントを特定することで、モデルは時間の経過に伴う体の動きを関連付け、全体的な動きや関節の屈曲パターンを明らかにします。

図3. 姿勢推定を使って、ウォームアップ運動中の体の重要なポイントを追跡できます。（出典）

たとえば、スクワットやランジなどの一般的なトレーニング動作では、タイミングと連携が体の動きに大きく影響します。ストライド、体のアライメント、足の位置のわずかな変化が、速度、バランス、コントロール、けがのリスクに影響することがあります。

こうした小さな変化を一貫して捉えるのは簡単ではありません。姿勢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、複数回のランニングを通じて姿勢、タイミング、連携を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。また、時間の経過とともに、走り方を比較したり、わずかな調整に気づいたりする作業も効率化できます。

Ultralytics YOLOモデルがランニング技術の分析を支援する方法#

次に、Ultralytics YOLOモデルが姿勢推定などのタスクをどのように支援するかを見ていきましょう。

YOLO11のようなUltralytics YOLO姿勢推定モデルは、すぐに利用できる状態で提供され、COCO-Poseなどの大規模なラベル付きデータセットで事前学習されています。そのため、一般的な人体のキーポイントを検出・追跡し、その知識をさまざまな用途に適用できます。

動画フレーム間で体のキーポイントを追跡して得られるインサイトは、人々が時間とともにどのように動くかを調べるために利用できます。これにより、ランニング技術の重要な要素である姿勢、ストライドのパターン、関節の動き、連携を分析できます。

より具体的なインサイトが必要な場合、これらのモデルはカスタムトレーニングできます。モデルを最初からトレーニングするのではなく、事前学習済みのYOLO姿勢推定モデルを追加のラベル付きデータでファインチューニングできます。

たとえば、犬の走り方を分析するソリューションを構築する場合、犬に特化したラベル付き姿勢データでモデルをトレーニングできます。これにより、元の学習で得た一般的な姿勢推定機能を維持しながら、犬の体の構造や動きのパターンを学習できます。

図4. 姿勢推定のために検出された犬の体の重要なポイント。（出典）

姿勢推定を使ったハードル技術の分析#

姿勢推定の仕組みについて理解が深まったところで、ハードル技術の分析に活用する例を見ていきましょう。

ハードル走は、スピードと高度な技術が求められるスポーツです。1回の走行中に、足の接地、踏み切り、着地が一瞬のうちに起こります。

動作が非常に速く起こるため、重要な細部を肉眼や手作業での動画確認で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、接地の違いなど、小さくても意味のある差が見過ごされがちです。

コンピュータビジョンを活用した姿勢推定では、標準的な動画を構造化データに変換することで、この課題に対応します。たとえば、最近の研究では、研究者がUltralytics YOLOv8ベースのモデルを使って下半身のキーポイントを追跡しました。Ultralytics YOLOモデルの旧世代であるYOLOv8は姿勢推定に対応しており、YOLO11などの新しいモデルの基盤となっています。

この研究では、足首、かかと、親指などの主要なポイントに焦点を当て、ハードル走中のステップのタイミング、ストライドのパターン、地面との接地を分析しました。これらのポイントを時間の経過とともに追跡することで、研究者は実際のトレーニング環境におけるステップの進行、タイミング、動作パターンを詳しく観察できました。

歩行分析にコンピュータビジョンを活用するメリットとデメリット#

ランニングのテクニック分析にポーズ推定を活用する主なメリットをいくつか紹介します。

• 客観的なフィードバック: ポーズ推定では、個人の判断ではなく、測定された身体のキーポイントに基づく一貫した視覚データが得られます。これにより、可動域を評価する際の主観性を抑えられます。
• 自己分析: ランナーは継続的なコーチのサポートを受けずに、自分自身の動作パターンを分析できます。そのため、レクリエーション目的のトレーニングや自主トレーニングに役立ちます。
• グループへの拡張性: 同じワークフローを複数のランナーに適用できるため、手作業での観察が現実的でないチーム、トレーニンググループ、研究に適しています。

ポーズ推定にはいくつかのメリットがありますが、考慮すべき制約もあります。

• カメラのセットアップ: カメラの角度が適切でなかったり、フレーミングに一貫性がなかったりすると、関節角度、ストライドのパターン、歩数を捉える精度が低下する可能性があります。
• オクルージョン: 身体の一部が遮られたり、フレーム内で複数のランナーが重なったりすると、精度が低下します。
• 環境要因: 屋外環境では、影、凹凸のある地面、動く背景などが測定の一貫性に影響す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、ランニング分析をより手軽に利用できるようになっています。通常の動画から身体の動き、関節角度、ストライドのパターンを追跡し、ランニングフォームに関する明確な知見を得られます。これらのツールを使うと、ランナーやコーチは非効率な動きを見つけ、改善状況を追跡し、リアルタイムで怪我のリスクを管理できます。

GitHubリポジトリにアクセスしてコミュニティに参加し、AIについてさらに詳しくご覧ください。ロボティクスにおけるAIと自動車分野におけるコンピュータビジョンについては、ソリューションページをご覧ください。ビジョンAIを今すぐ始めるには、ライセンスオプションをご確認ください。