Pose Estimation

姿勢推定は、単にオブジェクトの存在を検出するだけでなく、その幾何学的構造や物理的な向きを理解する、高度なコンピュータビジョン技術です。標準的なobject detectionでは被写体を単純な長方形の枠で囲みますが、姿勢推定では、人体上の関節（ひじ、ひざ、肩）や車両上の構造的な角といった、keypointsと呼ばれる特定のセマンティックなポイントを特定します。これらの目印をマッピングすることで、machine learningモデルは被写体の骨格表現を再構築でき、システムは2次元または3次元空間におけるボディランゲージ、動作のダイナミクス、正確な位置を解釈できるようになります。

中核となるメカニズム：トップダウンとボトムアップ#

現代の姿勢推定は高度なdeep learningアーキテクチャに大きく依存しており、視覚データを処理するためにConvolutional Neural Networks (CNNs)がよく使用されます。アルゴリズムは一般的に、キーポイントを特定するために次の2つの主要な戦略のいずれかに従います。

• トップダウンアプローチ: この方法では、まずオブジェクト検出モデルを使用してbounding boxes内の個々のインスタンスを特定します。より大きな画像から人物またはオブジェクトが切り抜かれると、姿勢推定器がその特定の領域内のキーポイントを予測します。このアプローチは非常に高精度であることが多いですが、フレーム内の被写体の数が増えるにつれてinference latencyが高くなるという課題があります。
• ボトムアップアプローチ: 逆に、この戦略では画像全体の中にあるすべての潜在的なキーポイントを同時に検出し（群衆の中からすべての「左ひざ」を見つけるなど）、関連付けアルゴリズムを使用してそれらを個々の骨格にグループ化します。この方法は、人数に関係なく計算コストが比較的一定に保たれるため、混雑したシーンでのreal-time inferenceにおいて一般的に好まれます。

YOLO26のような最先端モデルは、これらのニーズのバランスを取る高度なエンドツーエンドのアーキテクチャを利用しており、edge AIデバイスやモバイルプラットフォームへのデプロイに適した高速な姿勢推定を提供します。

関連するコンピュータビジョン用語の区別#

computer visionのワークフローにおけるその独自の価値を理解するために、姿勢推定を他の視覚認識タスクと区別すると便利です。

• Object Detection: オブジェクトが何でありどこにあるのかを特定することに焦点を当て、長方形のボックスを出力します。内部の関節構造を理解することなく、被写体を剛体として扱います。
• Instance Segmentation: オブジェクトの正確な輪郭を描くピクセル単位の完璧なマスクを生成します。セグメンテーションは境界を提供しますが、kinematic analysisに必要な関節や骨格のつながりを明示的には識別しません。
• Pose Estimation: 特に内部構造をターゲットにし、所定の目印間の接続（股関節からひざなど）をマッピングして姿勢や動作を分析します。

実社会での応用#

人間やオブジェクトの動きをデジタル化する能力により、さまざまな業界で変革的なアプリケーションがもたらされており、注釈付きキーポイントの大規模なデータセットを管理するためにUltralytics Platformなどのツールを使用してトレーニングされることがよくあります。

ヘルスケアとリハビリテーション#

医療分野では、AI in healthcareが姿勢推定を利用して患者のリハビリテーションを遠隔からモニタリングします。関節の角度や可動域を追跡することで、自動システムにより患者が自宅でphysical therapy exercisesを正しく行っていることを確認できます。これにより、再負傷のリスクが軽減され、臨床医は高価な実験室設備を必要とせずに回復の進捗状況を定量化できるようになります。

スポーツ分析#

コーチやアスリートは、パフォーマンスを最適化するためにsports analyticsを活用しています。姿勢推定モデルを使用すると、従来のmotion captureで使用されるような邪魔なマーカー付きスーツを必要とせずに、ゴルファーのスイングプレーン、ランナーのストライド長、ピッチャーの生体力学を分析できます。これにより、テクニックを向上させ、使いすぎによる怪我を防ぐための、データに基づく即座のフィードバックが得られます。

小売と行動分析#

商業環境では、AI in retailシステムが姿勢検出を使用して、高い棚にある商品に手を伸ばす、特定の通路に長居するなど、顧客の行動を理解します。このデータは、物理的な行動と購買決定を関連付けることにより、店舗レイアウトの最適化やinventory managementの改善に役立ちます。

コード例：Ultralytics YOLO26によるポーズ推定#

現代のPythonフレームワークを使用すれば、姿勢推定の実装は簡単です。次の例は、ultralyticsパッケージを使用して事前トレーニング済みのYOLO26モデル（YOLO11の後継）をロードし、画像内の人間のキーポイントを検出する方法を示しています。

from ultralytics import YOLO

# Load the YOLO26 pose model (nano version for speed)
model = YOLO("yolo26n-pose.pt")

# Perform inference on an image source
# The model identifies bounding boxes and specific keypoints (joints)
results = model("https://ultralytics.com/images/bus.jpg")

# Print the xy coordinates of detected keypoints
print(results[0].keypoints.xy)

# Visualize the skeletal results directly
results[0].show()