ポーズ推定とは何か、どこで利用できますか？

誰かが前かがみになっていたり、肩を後ろに引いて背筋を伸ばして立っていたりすると、その人の姿勢が悪いのか、自信に満ちているのかはすぐに分かります。誰かに説明してもらう必要はありません。これは、私たちが時間をかけて自然にボディランゲージを解釈することを学んできたからです。

経験と観察を通じて、私たちの脳は人間を含むさまざまな物体の姿勢を非常にうまく認識できるようになりました。近年の人工知能（AI）とコンピュータービジョンの進歩により、機械が世界の視覚情報を解釈できるようになったことで、機械もこの能力を学習し、再現し始めています。

ポーズ推定は、画像や動画を見て、人や物体の位置と向きを機械が把握できるようにするコンピュータービジョンのタスクです。関節や手足など、身体上のキーポイントを特定することで、人や物体がどのように動いているかを理解します。

このテクノロジーは、フィットネス、医療、アニメーションなど、さまざまな分野で広く利用されています。たとえば職場環境では、従業員の姿勢を監視し、安全衛生やウェルネスの取り組みを支援するために利用できます。Ultralytics YOLO11のようなコンピュータービジョンモデルは、人間のポーズをリアルタイムで推定することで、これを可能にします。

図1。Ultralytics YOLO11を使用して作業員の姿勢を監視する例です。

この記事では、ポーズ推定とその仕組みを詳しく見ていくとともに、実際の現場で変化をもたらしているユースケースを紹介します。さっそく始めましょう。

ポーズ推定の進化#

ポーズ推定の研究は、1960年代後半から1970年代に始まりました。長年にわたり、このコンピュータービジョンのタスクへのアプローチは、基本的な数学や幾何学から、人工知能を基盤とするより高度な手法へと変化してきました。

初期の手法は、固定されたカメラアングルと既知の基準点に依存していました。その後、3Dモデルや特徴マッチングを取り入れるように進化しました。現在では、Ultralytics YOLO11のようなディープラーニングモデルが、画像や動画から身体の位置をリアルタイムで検出できるため、ポーズ推定はこれまで以上に高速かつ正確になっています。

テクノロジーが進歩するにつれ、研究者たちは、さまざまな物体、特に人間や動物のポーズを監視・追跡できることに可能性を見いだしました。ポーズ推定が特に重要なのは、これまで不可能だった方法で、AIツールが姿勢や動きを理解し、測定できるようになるためです。

たとえば、コンピューターによるハンズフリー操作のためのジェスチャー認識、パフォーマンス向上を目的としたアスリートの動作分析、ビデオゲームでのリアルなアニメーションの実現、さらには患者の回復状況の追跡による医療支援などが可能になります。

他のコンピュータービジョンのタスクとの違いは何ですか？#

ポーズ推定は、物体検出やインスタンスセグメンテーションなど、他のコンピュータービジョンのタスクとは異なります。これらのタスクは主に、画像内の物体を識別して位置を特定することに重点を置いています。

たとえば物体検出では、人、車両、動物などの対象を囲むバウンディングボックスを描画し、その存在と位置を示します。インスタンスセグメンテーションでは、さらに一歩進んで、各物体の正確な形状をピクセルレベルで輪郭化します。

ただし、これら2つの手法はいずれも、主に物体が何であるか、どこにあるかを扱うものであり、物体がどのような姿勢を取っているか、何をしている可能性があるかについての情報は提供しません。そこで重要になるのがポーズ推定です。

ポーズ推定では、肘、膝、さらには尾など、身体上のキーポイントを特定することで、姿勢や動きを解釈できます。これにより、3D空間での動きを含め、動作、ジェスチャー、身体のダイナミクスをより深く理解できます。

ポーズ推定の仕組みを理解する#

ポーズ推定モデルは、一般的にボトムアップとトップダウンという2つの主要なアプローチに従います。ボトムアップアプローチでは、モデルがまず肘、膝、肩などの個々のキーポイントを検出し、それらをグループ化して、どの人や物体に属するかを判断します。一方、トップダウンアプローチでは、まず各物体（画像内の人など）を検出し、その特定の物体に対応するキーポイントを特定します。

図2。ボトムアップとトップダウンのポーズ推定手法です。

Ultralytics YOLO11などの新しいモデルの中には、両方のアプローチの利点を組み合わせたものがあります。手動でグループ化するステップを省くことでボトムアップ手法の効率性を維持しながら、人を検出してポーズを一度に推定する、単一の効率化されたプロセスによって、トップダウンシステムの精度も活用します。

ポーズ推定向けUltralytics YOLO11のカスタムトレーニング#

ポーズ推定モデルの仕組みを見ていくと、これらのモデルが実際にどのようにしてさまざまな物体のポーズを推定することを学習するのか、疑問に思うかもしれません。そこで登場するのがカスタムトレーニングという考え方です。

カスタムトレーニングとは、独自のデータを使用して、特定のキーポイントを認識するようモデルに学習させることです。モデルをゼロから構築するには大量のラベル付き画像と多くの時間が必要なため、多くの人は転移学習を選択します。これは、大規模なデータセットでトレーニング済みのモデル（COCO-Poseデータセットで事前学習されたUltralytics YOLO11ポーズ推定モデルなど）を使い始め、特定のタスクやユースケース向けに独自のデータでファインチューニングする方法です。

ヨガのポーズを扱っているとしましょう。各ポーズにその動作固有のキーポイントがラベル付けされた画像を使用して、Ultralytics YOLO11をファインチューニングできます。そのためには、モデルが学習できる、アノテーション済み画像のカスタムデータセットが必要です。

トレーニング中は、バッチサイズ（一度に処理する画像の数）、学習率（モデルが学習内容を更新する速度）、エポック（モデルがデータセットを繰り返し処理する回数）などの設定を調整して、精度を向上させることができます。これにより、特定のニーズに合わせたポーズ推定モデルを、はるかに簡単に構築できます。

ポーズ推定の実際の応用例#

ここまでポーズ推定とは何か、どのように機能するかを説明してきました。ここからは、実際のユースケースをいくつか詳しく見ていきましょう。

理学療法でのポーズ推定の利用#

ポーズ推定は、医療業界、特に理学療法において、徐々に信頼性の高いツールになりつつあります。AIとコンピュータービジョンを使用することで、これらのシステムは姿勢や動きをリアルタイムで追跡し、理学療法士が提供するようなフィードバックを提供できます。

たとえば、膝の手術から回復中の患者は、ポーズ推定システムを使ってリハビリテーションの運動を正しく行えているか確認できます。システムは誤った動きを検出して改善の提案を行えるため、患者は適切にリハビリを続け、けがを避けることができます。

図3。理学療法にUltralytics YOLO11を使用する例です。

リハビリテーションに加えて、ポーズ推定はフィットネスアプリにも導入されつつあります。たとえば、自宅でトレーニングする人は、運動中のフォームをアプリで確認できます。アプリは、スクワットの角度を調整したり、デッドリフト中に背中がまっすぐになっているか確認したりするなど、リアルタイムでフィードバックを提供できます。これにより、ユーザーはトレーナーがいなくてもフォームを改善し、けがを防止できます。

ポーズ推定によって実現するエンターテインメント向けモーションキャプチャ#

ポーズ推定は、モーションキャプチャの仕組みを変え、エンターテインメント分野でより簡単かつ利用しやすいものにしました。従来、モーションキャプチャでは人の身体にマーカーを取り付け、特殊なカメラで追跡する必要があり、難しく費用もかかりました。

現在では、AIとコンピュータービジョンの進歩により、マーカーを必要とせず、一般的なカメラとアルゴリズムを使用して身体の動きを追跡できます。そのため、リアルタイムでも処理をより効率的かつ正確に行えます。

その好例がDisneyのAR（拡張現実）Poserです。この楽しいツールでは、スマートフォンで写真を撮ると、デジタルキャラクターが拡張現実上であなたのポーズをまねします。写真内のポーズを分析して3Dキャラクターにマッチさせることで、楽しくパーソナライズされたARセルフィーを作成します。

図4。ポーズ推定を使用して人物のポーズをまねるARキャラクターです。

動物のポーズ推定を活用した社会行動研究#

動物の行動を研究することで、科学者は動物がどのようにコミュニケーションを取り、相手を見つけ、子どもの世話をし、群れで生活しているのかを理解できます。この知識は、野生生物を保護し、自然界をより深く理解するうえで不可欠です。

ポーズ推定は、動物にセンサーやタグを取り付けることなく、画像や動画を使用して動物の動きや姿勢を追跡することで、このプロセスを簡単にします。これらのシステムは動物のポーズを自動的に監視し、毛づくろい、遊び、争いなどの行動に関する洞察を提供できます。

興味深い例として、科学者がポーズ推定を使用して類人猿の行動を研究しています。実際、研究者たちは6種の類人猿から収集した71,000枚を超えるラベル付き画像を含む、OpenApePoseのようなデータセットを作成しています。

図5。類人猿のポーズ推定です。

ポーズ推定のメリットとデメリット#

ポーズ推定がさまざまな業界にもたらす主なメリットを以下に示します。

• スケーラビリティ： ポーズ推定システムは、スマートフォンから高度なカメラセットアップまで、幅広いデバイスに導入できます。そのため、さまざまなユースケースや環境に対して高いスケーラビリティとアクセシビリティを実現できます。
• コスト効率： ポーズ推定は一般的なカメラに依存し、高価なセンサーやタグを必要としないため、研究用途と商用用途のいずれにおいても、動きを追跡するためのよりコスト効率の高いソリューションになります。
• 継続的な監視： ポーズ推定システムは、継続的かつリアルタイムの追跡を提供できます。これにより、リハビリテーション中の患者の経過や野生動物の行動の追跡など、時間の経過に伴う変化を監視できます。

さまざまな分野でポーズ推定のメリットは明らかですが、考慮すべき課題もあります。以下に、把握しておくべき主な制限事項を示します。

• 限定的な汎化性能： 人間のデータセットでトレーニングされた多くのモデルは、特定のデータセットで再トレーニングしない限り、動物や一般的ではない身体構造にはうまく汎化できません。

• 環境上の制限： 照明が不十分な場合、高速な動きによるモーションブラーが発生する場合、または背景が雑然としている場合、性能が低下する可能性があります。

• オクルージョンへの高い感度： 身体の一部が遮られていたり、フレーム外にあったりすると、特に混雑したシーンや複数人の追跡において、精度が低下する可能性があります。

主なポイント#

ポーズ推定は、初期のマーカーを使用したシステムから、Ultralytics YOLO11のようなディープラーニングモデルを基盤とする実用的なツールへと進化し、大きな進歩を遂げてきました。理学療法の改善、インタラクティブなAR体験の実現、野生生物研究の支援など、ポーズ推定は機械が動きや姿勢を理解する方法を変えています。テクノロジーが進歩し続ける中で、その制限に対処することは、さらに実用的な用途を開拓し、私たちや他の生物がどのように動くのかを機械がより適切に理解できるようにするための鍵となります。

AIに関心がありますか？GitHubリポジトリを確認し、コミュニティに参加して、ライセンスオプションを確認し、コンピュータービジョンプロジェクトを始めましょう。小売業におけるAIや物流業界におけるコンピュータービジョンなどのイノベーションについては、ソリューションページをご覧ください。