ポーズ推定を使用して走行フォームを改善する

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でした。

ランナーは、特に早朝や夕方遅くに、あらゆる場所で見かけます。公園や通り、ビーチには、さまざまな速度や目的で動く人々が集まります。

トレーニング計画に従う人もいれば、体を動かしたり気分転換をし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、ランニングは毎日簡単に体を動かす方法です。しかし、それでも見た目ほど単純ではありません。

姿勢やストライドの小さな変化が、パフォーマンスや快適さ、背中の痛みなどのけがのリスクに影響することがあります。体の動きに注意を向けることで、ランナーはより健康的に走り、持久力や筋力、全体的なフィットネスなど、トレーニングからより多くの成果を得られます。

しかし、ランニング中にこうした細部を捉えるのは困難です。わずか数分間にも多くのことが起こり、何百ものステップを見落としやすいためです。ここでコンピュータービジョンが役立ちます。これは、画像や動画を分析し、動きをフレーム単位に分解して、リアルタイムでは捉えにくいパターンを明らかにできるAIの一分野です。

ポーズ推定は、このアプローチの重要な要素です。これは、体の関節と時間の経過に伴う動きを追跡できるコンピュータービジョンのタスクです。Ultralytics YOLO11や近日公開予定のUltralytics YOLO26などのモデルはポーズ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とポーズ推定を使用したアスリートのランニングおよびトレーニングの分析。(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モデルをランニング技術の分析と改善にどのように活用できるかを説明します。早速始めましょう。

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。

軽いジョギングに出かける場合でも、具体的な目標に向けて取り組む場合でも、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、姿勢やオーバーストライド、タイミングの小さな問題が徐々に積み重なると、必要以上にランニングがきつく感じられ、下半身や関節に余分な負担がかかります。

身体力学に注意を向けることで、ランナーはより安全に走り、ランニングによるけがのリスクを抑え、心臓の健康状態の改善、筋力の向上、全体的なフィットネスなどの効果を得られます。良いランニングフォームは、体を協調したシステムとして動かすことから始まります。

胴体がわずかに前傾しながら整列し、腕と脚がバランスよく動くと、エネルギーがより効率的に使われ、動きが滑らかになり、けがのリスクが低下します。時間の経過とともに、フォームは筋肉同士の連携の仕方にも影響します。

バランスの取れた動きは、筋力トレーニングやランニング中の安定性、姿勢、持久力、より良いアライメントを支えます。初心者にとっては、成長の土台になります。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抑えながら、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特徴を見分ける#

ランナーが自分の動きにより注意を向け始めると、ランニングスタイルを問わず、いくつかのパターンが見えてきます。走り方は人それぞれ少しずつ異なりますが、これらの共通要素から、効率的なランニングがどのようなものかを概ね把握できます。

ランニングフォームとは、走行中に姿勢、バランス、動きがどのように連携するかを指します。前進しながら体がどのように整列し、協調して動くかを表します。こうした細部を見ることで、ランナーは滑らかでコントロールされた動きだけでなく、余分な努力や不快感につながる習慣も見つけられます。

適切なランニングフォームによく見られる一般的な要素を以下に示します。

• 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によって生まれます。ストライドの長さと頻度は重要であり、一歩ごとに前方へ伸ばしすぎるとバランスを崩すことがあります。滑らかな蹴り出しにより、軽やかで効率的な走りを維持できます。
• 足の接地と重心: ランナーの足の接地方法は、かかと、ミッドフット、前足部などさまざまです。正確な着地位置やヒールストライクよりも重要なのは、一歩ごとに体がどれだけ滑らかに移動するかです。重心を中央に保つことで、余分な動きが減り、安定性が高まります。
• 筋肉の協調: 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、複数の筋群が働きます。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主要な身体ポイント。(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ます。適切なランニングシューズは快適性を支え、関節への負担を軽減します。特に、筋力と安定した走力を身につけている途中の初心者に有効です。

また、ランニングコーチと取り組んだり、フォームを重視したトレーニング計画に従ったりすることで、ランナーは適切なランニングフォームを理解し、非効率的な習慣を修正し、時間の経過に伴うけがのリスクを下げられます。特に初心者は、早い段階で正しいランニングフォームを学ぶことで、上達するにつれてランニングをより楽に、安全に、楽しく感じられるようになります。

ポーズ推定をランニング分析に活用する方法#

ポーズ推定は、人や物体の主要なポイントを特定して追跡し、画像や動画内での位置や動きを判断するコンピュータービジョンのタスクです。特に、人間のポーズ推定によって、フレームごとに人体の動きを追跡できます。

フレーム内でランナーを単に検出するだけでなく、時間の経過に伴うさまざまな身体部位の動きを追跡できるため、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。ポーズ推定の主な利点の1つは、標準的なカメラで動作することであり、多くの実環境で利用できます。

YOLO11のようなポーズ推定対応モデルは、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、肘などの主要なポイントを特定することで、モデルは時間の経過に伴う身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. ポーズ推定は、ウォームアップ運動中の主要な身体ポイントの追跡に活用できます。(出典)

たとえば、スクワットやランジなどの一般的なワークアウト動作では、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、身体のアライメント、足の位置の小さな変化が、速度やバランス、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。ポーズ推定はランニングコーチの代わりにはなりませんが、ランニング中の姿勢やタイミング、協調性を見やすくする視覚的な補助として機能します。また、時間の経過とともに、技術の比較や小さな調整の把握もより効率的になります。

Ultralytics YOLOモデルによるランニング技術分析の支援#

次に、Ultralytics YOLOモデルがポーズ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などのUltralytics YOLOポーズモデルは、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トレーニングされています。これにより、一般的な人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用途に適用できます。

動画フレーム全体で身体のキーポイントを追跡して得られる情報は、人の時間経過に伴う動きの研究に活用できます。これにより、ランニング技術の重要な側面である姿勢、ストライドパターン、関節の動き、協調性を分析できます。

より具体的な情報が必要な場合、これらのモデルを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、事前トレーニング済みのYOLOポーズ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の構築が目的であれば、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できます。これにより、モデルは元のトレーニングで得た一般的なポーズ推定能力を維持しながら、犬の身体構造と動きのパターンを学習できます。

図4. ポーズ推定のために犬から検出された主要な身体ポイント。(出典)

ポーズ推定をハードル技術の分析に活用する方法#

ポーズ推定の仕組みを理解できたところで、ハードル技術の分析にどのように応用できるか、例を見ていきましょう。

ハードル競技は、スピードが速く、技術的な難度も高いスポーツです。1回の走行中に、足の接地、踏み切り、着地がほんの一瞬のうちに起こります。

これらの動作は非常に速く行われるため、重要な細部を肉眼や動画の手作業による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やタイミング、地面との接触における小さいものの意味のある違いが見過ごされることがあります。

コンピュータービジョンを基盤とするポーズ推定は、標準的な動画映像を構造化データに変換することで、この問題に対処します。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にあたり、ポーズ推定に対応し、YOLO11などの新しいモデルの基盤を提供しています。

この研究では、スプリントハードル中のステップのタイミング、ストライドパターン、地面との接触を分析するため、足首、かかと、足の親指などの主要なポイントに注目しました。これらの主要なポイントを時間の経過に沿って追跡することで、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、動作パターンを詳細に監視できました。

歩容分析にコンピュータービジョンを使用するメリットとデメリット#

ランニング技術の分析にポーズ推定を使用する主なメリットを以下に示します。

• 客観的なフィードバック: ポーズ推定は、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抑えられます。
• セルフレビュー: ランナーは継続的なコーチのサポートを必要とせずに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、手作業による観察が現実的でないチームや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利点がありますが、以下の制限事項も考慮する必要があります。

• カメラの設定: カメラアングルが不適切であったり、フレーミングが一貫していなかったりすると、関節角度やストライドパターン、ステップ数を捉える精度が低下することがあります。
• オクルージョン: 体の一部が遮られていたり、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: 屋外の状況では、影や不均一な路面、動く背景などが測定の一貫性に影響することがあります。

主なポイント#

Ultralytics YOLOモデルとポーズ推定によって、ランニング分析はより利用しやすくなっています。通常の動画から身体の動きや関節角度、ストライドパターンを追跡できるため、ランニングフォームに関する明確な情報を得られます。これらのツールは、ランナーやコーチが非効率な動きを見つけ、改善を追跡し、リアルタイムでけがのリスクを管理するのに役立ちます。

GitHubリポジトリにアクセスし、コミュニティに参加して、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や自動車分野におけるコンピュータービジョンについては、ソリューションページをご確認ください。ライセンスオプションを確認して、今すぐVision AIを始めましょう。