コンピュータビジョン
コンピュータビジョンは、画像や映像から意味を取り出す分野です。物体がどこにあり、何であり、どう動くかを扱います。顔認識、映像解析、光学文字認識はいずれもその応用であり、画素を構造化された計測値へ変換するという共通の工程の上に成り立っています。
コンピュータビジョンの中核タスク
- 分類：この画像に何が写っているかを単一のラベルで表す。
- 検出：各物体がどこにあるかを、種別付きの矩形で表す。
- 領域分割：矩形ではなく、どの画素がどの物体に属するかを表す。
- 追跡：映像のフレーム間で同一物体に同じ識別を維持する。
- 認識：対象を既知のものと照合する。顔認識が行うのはこれです。
- 姿勢・特徴点推定：物体や人体の各部位の相対的な位置を求める。
実用システムは、これらのうち一つを選ぶのではなく連鎖させます。顔認識では検出、位置合わせのための特徴点推定、認識と進みます。映像解析では検出、追跡、規則の適用と進みます。前段の弱さを後段で回復できないのはこの連鎖のためで、検出されなかった顔が認識されることはありません。
顔認識・映像解析とコンピュータビジョンの関係
どちらもコンピュータビジョンの応用であり、出力する内容で区別されます。映像解析は種別と動きまでで止まります。人物、車両、ゾーンへの侵入といった単位です。顔認識は、登録テンプレートとの照合により身元まで進みます。共通の基盤は検出であり、一つの製品が両方を提供することが多く、購入側がこれらの語を同時に目にするのもそのためです。
法的な扱いは、この共通基盤には従いません。多くの法域で、人物の特定は生体情報処理に該当し、人数の計数は該当しません。同一製品の2つの機能が、まったく異なる規制区分に置かれることがあります。
現場で精度を制約する要因
| 要因 | 影響 | 有効な対処 |
|---|---|---|
| 対象上の画素数 | 認識より先に検出が失敗する | 実際の距離に合わせた設置位置と焦点距離 |
| 照明と逆光 | モデルが依拠する質感が失われる | 直射日光を避けた配置、WDR対応カメラ |
| 姿勢と遮蔽 | 部分的な見え方は登録テンプレートに対しスコアが下がる | 人が自然に通過する向きに近い画角 |
| 動きによるぶれ | 歩行速度でフレームが使用不能になる | 明るさではなく通行速度に合わせたシャッター速度 |
| 環境の差異 | 他所で学習したモデルは挙動が変わる | 調達前に自拠点の映像で評価する |
いずれもソフトウェアではなく撮影に関する判断です。自拠点のカメラでの実証が、いかなるベンチマークよりも導入結果をよく予測する実務上の理由はここにあります。ベンチマークが測るのはモデルであり、実証が測るのは設置環境です。
よくある質問
- コンピュータビジョンとは何ですか。
- コンピュータビジョンは、画像や映像から意味を取り出す分野です。物体がどこにあり、何であり、どう動くかを扱います。顔認識、映像解析、光学文字認識はその応用であり、いずれも画素を構造化された計測値へ変換する工程の上に成り立っています。
- 顔認識はコンピュータビジョンの一部ですか。
- 一部です。顔認識は検出の先の身元まで進む応用であり、検出した顔を登録テンプレートと照合します。検出と位置合わせの工程は他のビジョン処理と共通で、出力する内容と規制上の扱いが異なります。
- コンピュータビジョンと機械学習の違いは何ですか。
- 機械学習は手法であり、コンピュータビジョンは対象領域です。現在の多くのビジョンシステムは機械学習で構築されますが、この分野には学習を一切用いない幾何学的・光学的手法も含まれます。カメラ校正や古典的なステレオ再構成などです。
- 実運用で精度を制約するのは何ですか。
- モデルの選択よりも撮影条件です。対象上の画素数、照明と逆光、姿勢と遮蔽、動きによるぶれ、学習に用いた映像と自拠点の映像との差が挙げられます。いずれも設置と光学の判断であり、ベンチマークより実証が結果をよく予測する理由です。
- コンピュータビジョンにクラウドは必要ですか。
- 必要ありません。ビジョンモデルはカメラや小型機器を含むローカルのハードウェアで日常的に動作します。複数カメラの映像では、全系統を遠隔サービスへ送ることが継続的な帯域確保を意味するため、通常はローカル実行が現実的です。
- コンピュータビジョンの主なタスクは何ですか。
- 分類は画像にラベルを付け、検出は物体の位置を求め、領域分割は画素を物体に割り当て、追跡はフレーム間で識別を維持し、認識は対象を既知のものと照合し、姿勢推定は部位の相対位置を求めます。実用システムはこれらを単独ではなく連鎖させて用います。