姿勢推定とは何か、どのような用途に使えるか？

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のを見ると、姿勢が悪いのか自信があるのかはすぐに分かります。説明してもらう必要はありません。私たちは時間をかけて、自然にボディランゲージを読み取る方法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対象の姿勢を認識する能力を高めてきました。人工知能（AI）と、機械が世界の視覚情報を解釈できるようにする分野であるコンピュータービジョンの近年の進歩により、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、人や物体の位置や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。身体の関節や手足など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。

この技術は、フィットネス、ヘルスケア、アニメーションなどの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、安全衛生の取り組みを支援するために使用できます。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。

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、実際に効果を発揮しているユースケースを紹介します。

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、人工知能を活用したより高度な手法へと移り変わってきました。

初期の手法は、固定されたカメラアングルと既知の参照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やその後継モデルであるUltralytics YOLO26のようなディープラーニングモデルが画像や動画から人体の位置をリアルタイムで検出できるため、ポーズ推定がかつてないほど高速かつ正確になっています。

技術の進歩に伴い、研究者たちは、さまざまな物体、特に人や動物のポーズを監視、追跡することの応用可能性に気付きました。ポーズ推定は、AIツールが姿勢や動きを、これまで不可能だった方法で理解し、測定できるようにするため、特に重要です。

たとえば、コンピューターは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生成にポーズ推定を利用できます。また、患者の回復状況を追跡することで医療を支援することもできます。

他のコンピュータービジョンタスクとの違い#

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の他のコンピュータービジョン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、その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、乗り物、動物などの周囲にバウンディングボックスを描画し、それら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はさらに一歩進み、各物体の正確な形状をピクセル単位で輪郭化します。

ただし、どちらの手法も主に物体が何であり、どこにあるかを扱うもので、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空間での動きを含む、動作、ジェスチャー、身体の動態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、モデルはまず肘、膝、肩などの個々のキーポイントを検出し、次にそれらをグループ化して、どの人物や物体に属するかを判定します。一方、トップダウンアプローチでは、まず各物体（画像内の人物など）を検出してから、その物体に固有の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。

Ultralytics YOLO11のような新しいモデルには、両方のアプローチの利点が組み合わされています。YOLO11は手動でグループ化する手順を省略することでボトムアップ方式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ことで、トップダウン方式の精度も活用します。すべてを単一の合理化されたプロセスで実行できます。

ポーズ推定向けにUltralytics YOLO11をカスタムトレーニングする#

ポーズ推定モデルの仕組みを見ていく中で、モデルがどのようにしてさまざまな物体のポーズを推定できるようになるのか、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です。

カスタムトレーニングとは、独自のデータを使って、特定のキーポイントを認識するようモデルを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になるため、多くの人は転移学習を選択します。転移学習では、COCO-Poseデータセットで事前学習されたUltralytics YOLO11ポーズ推定モデルのような、大規模なデータセットで学習済みのモデルを使用し、特定のタスクやユースケースに合わせて独自のデータでファインチューニングします。

たとえばヨガのポーズを扱う場合、各ポーズにその動作に固有のキーポイントをラベル付けした画像を使って、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ようにアノテーション済み画像を集めたカスタムのポーズデータセットが必要です。

トレーニング中は、精度を高めるために、バッチサイズ（一度に処理する画像数）、学習率（モデルがどれだけ速く学習内容を更新するか）、エポック数（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活用例#

ポーズ推定とは何か、どのように機能するかを説明したところで、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。

理学療法におけるポーズ推定の活用#

ポーズ推定は、医療分野、特に理学療法において、信頼できるツールとして徐々に普及しています。AIとコンピュータービジョンを活用することで、こうした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返すことができます。

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、改善案を提示することで、患者が計画どおりにリハビリを続け、けがを避けられるよう支援します。

図3。理学療法にUltralytics YOLO11を活用する例。

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取り入れられています。たとえば、自宅でトレーニングする人は、エクササイズ中のフォームをアプリで確認できます。スクワットの角度を調整したり、デッドリフト中に背筋が伸びているか確認したりするためのリアルタイムフィードバックをアプリが提供できます。これにより、トレーナーがいなくても、ユーザーはフォームを改善し、けがを防ぐことができます。

ポーズ推定を活用した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、エンターテインメント分野のモーションキャプチャのあり方を変え、より簡単で利用しやすいものにしました。以前は、人の身体にマーカーを取り付け、専用カメラで追跡する必要があり、手間も費用もかかる場合がありました。

現在では、AIとコンピュータービジョンの進歩により、通常のカメラとアルゴリズムを使ってマーカーなしで身体の動きを追跡できるため、リアルタイムでも、より効率的かつ正確に処理できます。

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でそのポーズをまねします。写真のポーズを分析して3Dキャラクターに合わせることで、楽しくパーソナライズされたARセルフィーを作り出します。

図4。ポーズ推定を使って人物のポーズをまねるARキャラクター。

動物のポーズ推定を活用した社会行動の研究#

動物の行動を研究することで、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、群れで暮らすかを科学者が理解できるようになります。この知識は、野生動物の保護と自然界への理解を深め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、画像や動画を使って動物の動きや姿勢を追跡できるため、このプロセスを簡素化します。こうした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知見を提供できます。

興味深い例として、科学者がポーズ推定を使っ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などの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。

ポーズ推定のメリットとデメリット#

ここでは、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いくつか紹介します。

• 拡張性：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システムまで、幅広いデバイスに導入できるため、さまざまなユースケースや環境で高い拡張性と利用しやすさを実現します。
• 費用対効果：ポーズ推定は一般的なカメラを利用し、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、動きを追跡する費用対効果の高いソリューションとなる可能性があります。
• 継続的な監視：ポーズ推定システムは継続的なリアルタイム追跡を提供できるため、リハビリ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。

ポーズ推定にはさまざまな分野で明らかなメリットがありますが、考慮すべき課題もあります。留意すべき主な制約をいくつか紹介します。

• 汎化性能の限界：人間のデータセットで学習した多くのモデルは、特定のデータセットで再トレーニングしないと、動物や一般的ではない身体構造にうまく汎化できません。
• 環境上の制約：照明が不十分な環境、動きの速さによるモーションブラー、背景が雑然とした環境では、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：身体の一部が隠れている場合やフレーム外にある場合、特に混雑したシーンや複数人の追跡では、精度が低下する可能性があります。

重要なポイント#

ポーズ推定は、マーカーを使う初期のシステムから、Ultralytics YOLO11のようなディープラーニングモデルを活用する有用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、野生動物研究の支援など、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。技術が進歩し続ける中、その制約への対処が、実用的な用途をさらに広げ、私たちや他の生物の動きを機械がより適切に理解できるようにする鍵となります。

AIに興味がありますか？GitHubリポジトリをご覧いただき、コミュニティに参加し、ライセンスオプションを確認して、コンピュータービジョンプロジェクトを始めましょう。ソリューションページでは、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詳しくご紹介しています。