Ultralytics YOLO11 使用したコンピュータビジョンアプリケーションでの距離計算が、物体の近さをリアルタイムで測定するのに役立つことをご覧ください。
道路を横断中、車がこちらに向かってくるのが見えたとき、あなたはその車との距離を瞬時に判断することができる。この本能的ともいえる素早い判断は、周囲の状況を空間的に把握しているおかげだ。この感覚に基づいて、スピードを上げるか、止まるか、歩き続けるかを判断することができる。
同様に、コンピューター・ビジョンは人工知能（AI）の一分野であり、視覚データを解釈することで機械が周囲の環境を理解することを可能にする。車の接近を評価して迅速な判断を下すのと同じように、コンピューター・ビジョン・モデルは画像やビデオを分析し、機械が周囲の世界を感知して反応するのを助けることができる。
例えば Ultralytics YOLO11は、画像やビデオ内の物体をリアルタイムで検出・追跡できるコンピューター・ビジョン・モデルである。簡単に言えば、YOLO11 画像全体を部分的に見るのではなく、一度に見ることで動作する。また、インスタンスのセグメンテーション、ポーズ推定、画像分類などのコンピュータビジョンタスクも処理できます。
特に、YOLO11機能は、物体が互いにどのくらい離れているかを計算するのに使用できる。これは、製造業、小売業、群衆管理など多くの分野で有用であり、安全性と効率性の向上に役立つ。
この記事では、YOLO11 コンピュータ・ビジョン・アプリケーションの距離計算にどのように使用できるのか、なぜ重要なのか、そしてさまざまな業界に与える影響について探ります。
コンピュータビジョンにおける距離計算では、画像内の2つのオブジェクト間のピクセルを検出し、位置を特定し、測定する。ピクセルはデジタル画像を構成する個々の単位であり、それぞれが特定の色または強度値を持つ単一の点を表す。
ピクセルの測定値を現実の距離に変換するには、キャリブレーションが鍵となる。これは、定規を使って何かを測定し、その測定値を使って他のオブジェクトのサイズを理解するようなものだと考えることができる。既知のサイズのオブジェクトを参照することで、キャリブレーションはピクセルと実際の物理的距離との間にリンクを作成します。
これがどのように機能するか、例を見てみよう。下の画像では、コインが参照オブジェクトで、そのサイズ（0.9インチ×1.0インチ）は既知です。他のオブジェクトのピクセルサイズをコインのサイズと比較することで、それらの実世界のサイズを計算することができます。
しかし、距離計算は2次元（2D）平面で行われる。つまり、オブジェクト間の水平方向と垂直方向の距離だけを測定する。これは、カメラからの距離も含めた3次元空間におけるオブジェクトの距離を測定する奥行き推定とは異なる。
深度カメラは真の深度を測定し、より詳細な空間情報を与えることができますが、多くの場合、単純に校正された距離で十分です。例えば、物体が2D平面上でどの程度離れているかを知ることは、物体の追跡や待ち行列の管理などのタスクに有効であるため、そのような状況では深度推定は必要ない。
次に、YOLO11サポートしているオブジェクト検出とトラッキングを使って、2つのオブジェクト間の距離を計算する方法を説明しよう。以下がその内訳だ：
この方法で計算された距離は、2Dピクセルの測定値に基づいているため、あくまで推定値であることに留意することが重要だ。
YOLO11 使った距離計算が推定であることを考えると、あなたは不思議に思うかもしれない：YOLO11を使うことで、どこにどのような違いが生まれるのだろうか？
これらの距離推定を行うためにキャリブレーションが使用されるため、多くの実用的な状況で役立つ十分な精度を備えている。YOLO11距離推定は、倉庫のようなダイナミックな環境で、物体が常に動いており、物事を円滑に進めるためにリアルタイムの調整が必要な場合に特に役立ちます。
興味深い例として、YOLO11 ベルトコンベア上の荷物を追跡し、荷物間の距離をリアルタイムで推定している。これにより、倉庫管理者は荷物が適切な間隔で置かれていることを確認し、衝突を防いで物事をスムーズに進めることができる。
このような場合、正確な距離は必ずしも必要ではありません。通常、最適な距離の範囲やしきい値が設定されているため、この種のアプリケーションでは推定値がうまく機能する。
YOLO11使った物体間の距離計算は、様々なコンピュータ・ビジョン・アプリケーションに役立ちます。例えば小売分析では、顧客の位置をリアルタイムで追跡することにより、行列管理の改善に役立ちます。これにより、企業はリソースをより適切に割り当て、待ち時間を短縮し、よりスムーズなショッピング体験を実現できる。スタッフの配置レベルを動的に調整し、顧客の流れを管理することで、店舗は過密状態を防ぎ、スペースの利用を最適化することができる。
同様に交通管理においても、距離推定は車間距離の監視や交通パターンの分析に役立つ。これを利用して、尾行などの危険な行動を検知し、交通信号を調整して交通の流れをスムーズに保つことができる。潜在的な問題を特定し、全体的な交通管理をリアルタイムで改善することで、道路をより安全にすることができる。
COVID-19が大流行したとき、この技術は社会的距離を置くことに役立った。公共スペース、店舗、病院などで人々が安全な距離を保つようにし、ウイルス拡散のリスクを軽減したのだ。
リアルタイムで距離を追跡することで、個人の距離が近すぎる場合にアラートを送ることができ、企業や医療提供者が迅速に対応し、誰にとってもより安全な環境を維持することが容易になる。
さて、ここまでコンピュータ・ビジョンを使った距離計算の応用例について説明してきたが、ここではそれに付随するメリットについて詳しく見ていこう：
このような利点がある一方で、このようなシステムを導入する際に注意しなければならない制限もあります。ここでは、コンピュータビジョンを使った距離計算に関して考慮すべき主な要素を簡単に紹介します：
YOLO11 使った物体間の距離計算は、意思決定をサポートする信頼性の高いソリューションです。特に、倉庫、小売、交通管理などのダイナミックな環境では、物体の近接性を把握することで、効率と安全性を向上させることができます。
YOLO11 、通常は手作業が必要な作業を自動化することを可能にする。環境要因に敏感であることやプライバシーへの懸念といった課題はあるが、自動化、拡張性、容易な統合といった利点があるため、インパクトは大きい。コンピュータ・ビジョンの改良が進むにつれ、特に距離計算のような分野では、機械が周囲の環境とどのように相互作用し、理解するかに真の変化が起こるだろう。
私たちのコミュニティに参加してください！GitHub リポジトリでビジョン AI の詳細をご覧ください。コンピュータビジョンの活用に興味がある方は、ライセンスオプションをご覧ください。ヘルスケアにおけるコンピュータビジョンがどのように効率を向上させているかを学び、農業におけるAIの影響を見るには、ソリューションのページをご覧ください！
JA
EN
ZH
KO
RU
DE
FR
ES
PT
IT
AR
TR
VI