AI分野におけるスケルトンとは、人間や動物などの身体の構造を関節と骨の組み合わせでモデル化した骨格データのことを指します。主にコンピュータビジョンや姿勢推定の領域で、画像や動画から対象の動きを高精度に検出・追跡するために活用されています。
スケルトンとは
一言でいうと、AIにおけるスケルトンとは、対象の関節位置を結んだ骨格モデルのことであり、画像や映像から動きを解析するための基礎データです。
詳しく解説
コンピュータビジョンや姿勢推定の分野では、カメラ映像から人物の目、鼻、肩、肘、手首などの主要な関節位置座標を検出し、それらを線で結ぶことでスケルトンモデルを構築します。この骨格構造を用いることで、服装や外見の変化に左右されず、骨格の動きそのものだけを効率よく解析できるようになります。深層学習モデルの発展により、リアルタイムでの高精度な骨格検出が可能になり、スポーツのフォーム解析やリハビリテーション、ヒューマン・コンピュータ・インタラクションなどの多様なAIシステムで重要な役割を果たしています。
具体例・使われ方
具体的な利用例として、スポーツ選手の投球フォームや走りをAIが分析し、改善点を指摘するシステムがあります。また、フィットネスアプリにおいてユーザーのスクワットの姿勢が正しいかをリアルタイムで判定する際や、防犯カメラの映像から不審な挙動を自動検知する見守りシステムなどでもスケルトンデータが活用されています。
似た用語との違い
一般的な画像認識や物体検出が画像全体の中から「人やモノがどこにいるか」の領域を捉えるのに対し、スケルトンは「人物の身体の内部構造や関節の座標」に特化して解析を行う点が異なります。また、単なるピクセル単位のセグメンテーションとは異なり、構造化された数値データとして扱われるため処理が軽量です。
注意点
オクルージョン（遮蔽）と呼ばれる現象、すなわち物陰に隠れて関節がカメラから見えない状況では、検出精度が著しく低下する限界があります。また、極端な暗所や激しいブレを伴う映像では誤検出が生じやすいため、用途や環境に応じたモデル選定や前処理の工夫が必要です。