セキュリティアプリケーションにはどのようにコンピュータビジョンが使用されていますか？

Ultralytics YOLOモデルは、リアルタイムのオブジェクト検出、追跡、分類を通じて、幅広いセキュリティアプリケーションをサポートします。一般的なユースケースには、PPEおよび職場の安全コンプライアンス、人および車両の検出と追跡、境界および侵入のモニタリング、アクセス制御とナンバープレート認識、群衆および占有状況のモニタリング、脅威および禁止オブジェクトの検出、盗難または異常の検出が含まれます。YOLOモデルはカスタムデータセットでトレーニングできるため、一般的な汎用検出器としてデプロイされるのではなく、工場床、駐車場、小売店などの特定の環境に合わせて通常微調整されます。ほとんどのセキュリティチームは、単一の明確に定義された検出タスクから開始し、ニーズの成長に合わせて追跡、行動ルール、および自動アラートを組み合わせたより幅広いプラットフォームへと拡張します。

リアルタイムセキュリティカメラのモニタリングにYOLOを使用できますか？

はい。Ultralytics YOLOはリアルタイムオブジェクト検出用に構築されているため、ライブCCTVおよびIPカメラのモニタリングに最適です。映像をクラウドに送信する必要なく、エッジデバイス、オンプレミスサーバー、または既存のNVR/DVRインフラストラクチャ上で実行し、低遅延でビデオストリーム全体の人間、車両、オブジェクトを検出できます。これにより、事後確認ではなく、侵入、不正アクセス、または安全でない行動に関する即座のアラートを必要とするセキュリティチームにとって一般的な選択肢となっています。

YOLOベースの侵入検出と従来のモーションセンサーの違いは何ですか？

従来のモーションセンサーやライトカーテンシステムは動きを検出しますが、人間、車両、動物、またはデブリを区別できないため、頻繁に誤警報が発生します。YOLOベースの境界および侵入検出では、コンピュータビジョンを使用してイベントのトリガーを分類し、ゾーンベースのルールを適用し、方向や滞留行動を分析します。これにより誤検知が大幅に削減され、セキュリティチームは、単なる動きではなく、制限ゾーンへの人間の侵入のみにアラートを出すなどのより正確なルールを設定できるようになります。

商用セキュリティ製品にYOLOを使用するにはどのライセンスが必要ですか？

Ultralytics YOLOは、AGPL-3.0オープンソースライセンスまたは商用エンタープライズライセンスの下で提供されています。販売、ライセンス供与、または顧客向けに運用するソフトウェアなどの商用セキュリティまたは監視製品を構築しており、アプリケーションのオープンソース化を希望しない場合は、AGPLに依存するのではなく、エンタープライズライセンスが必要になります。ソフトウェアを商用で配布またはホストする場合、AGPLの義務により完全なアプリケーションソースコードの共有が求められる場合があるため、これはセキュリティベンダーからの最も一般的な質問の1つです。

セキュリティにおけるコンピュータビジョン

境界モニタリングから盗難検出まで、Ultralytics YOLOは次世代のセキュリティインテリジェンスを支えます。

世界をリードする組織から信頼されています

Ultralytics YOLOがセキュリティに取り組む方法

チームに対応するリアルタイムAI

セキュリティ運用向けに構築されたUltralytics YOLOは、すでにお持ちのカメラ、VMS、およびサーバー上で実行できる、正確で高速な本番対応のコンピュータビジョンに向けてワークフローを合理化します。

プラグアンドプレイデプロイ：既存のカメラおよびVMSと連携し、統合時間を数日に短縮します。
検出精度：物体、環境、動的なシーンを対象とした最先端のリアルタイム検出です。
5ms未満の推論：20種類のエクスポート形式で、エッジ、クラウド、オンプレミスにデプロイできます。
数時間で本番環境に対応：アノテーション、トレーニング、デプロイにより市場投入までの時間を短縮します。

ライセンスをリクエスト

セキュリティにおける確かな実績

脅威の検出からアクセス制御、職場の安全性まで、最近の研究はUltralytics YOLOがセキュリティチームにもたらす成果を示しています。

脅威検出95.4%

ライブビデオで武器を発見する

Ultralytics YOLO26は監視映像内の武器を95.4%のmAPで検出し、同じエッジハードウェアで以前のYOLOモデルの2倍以上のフレームレートを処理します。

Fierro Silva et al., Frontiers in Computer Science, 2026

アクセス制御とLPR89%

プレートと車両を1回のパスで読み取る

Ultralytics YOLOパイプラインは89%のAPでプレートを検出し、18〜22 FPSで各車両のプレート、色、メーカー、モデルの記録を作成します。

Islas-Yañez et al., Sensors, 2026

職場の安全性7.3 ms

リアルタイムでPPEのコンプライアンスを確認する

Ultralytics YOLO11の安全モニターは、同じデータセットでの以前のアプローチの170ミリ秒から短縮し、フレームあたり7.3ミリ秒で、ヘルメット、ベスト、メガネの未着用を96.9%のmAPでフラグ付けします。

Rahman et al., Computers, 2026

YOLO26の推論を試す

画像をドラッグ＆ドロップしてリアルタイム物体検出を確認

入力画像

画像をアップロードするか、例を選択してテストします yolo26n. Predictドキュメント

ライブデモ

ここに画像をドロップ

またはクリックして参照

JPEG、PNG、WebP、AVIF、HEIC、JP2、TIFF、BMPなどに対応（最大10MB）

または例を試す

信頼度

0.25

IoU

0.70

画像サイズ

640

APIドキュメント

モデルをデプロイして、APIキー認証付きの専用推論エンドポイントを取得します。その後、以下のプレースホルダーURLとキーを、デプロイ時の値に置き換えてください。デプロイドキュメント

注記： これはサンプルコードです。まずモデルをデプロイして、エンドポイントURLとAPIキーを取得してください。

import requests

# Replace with your deployment URL and API key
url = "https://your-deployment-url.run.app/predict"
api_key = "YOUR_API_KEY"

# Optional inference parameters (conf, iou, imgsz)
args = {"conf": 0.25, "iou": 0.7, "imgsz": 640}

with open("image.jpg", "rb") as f:
    response = requests.post(
        url,
        headers={"Authorization": f"Bearer {api_key}"},
        data=args,
        files={"file": f},
    )

print(response.json())