動作解析のデータ収集｜撮影環境・カメラ・条件で精度がどう変わるか

AI 動作解析の精度は、モデルの優劣以前に、入力データの質で 7 割以上が決まる——これは実装現場でよく言われることです。最新の骨格推定モデルを使っても、撮影条件が悪ければ精度は出ません。逆に、撮影条件が整っていれば、シンプルなモデルでも十分な精度が出ます。

本記事では、動作解析を実装する際にデータ収集で気をつけたい現場ポイントを、領域別に整理します。

1. カメラ機材の選択

「どのカメラを使うか」は、精度・コスト・運用性に大きく影響します。

スマートフォン 普及度は最高、コストは最低。最新のスマートフォンは 4K 60fps を標準で撮れるため、屋内・近距離の動作解析であれば十分な品質が得られます。リサコでも「スマートフォンで 3D 動作分析」のような実装事例があります。

民生用ビデオカメラ 家庭用デジカメ・アクションカメラ（GoPro 等）も、適切な設定で十分な品質を出せます。広角・防水・耐衝撃などの特殊条件が必要な場合は、ハードウェア側で対応するのが楽です。

産業用カメラ 工場・研究施設での精密計測には、産業用カメラ（FLIR、Basler 等）。露出・フレームレート・トリガを精密に制御でき、グローバルシャッター（ローリングシャッター歪みなし）が選べます。

専用モーションキャプチャ Vicon、OptiTrack などの専用システム。マーカーを使う光学式、慣性センサーを使う IMU 式があり、研究機関での精密計測に使われます。コストは高いですが、精度は別格です。

赤外線深度カメラ Azure Kinect、Intel RealSense などの深度センサー。骨格推定に深度情報を加えることで、2D カメラより精度が出やすくなります。屋内・近距離の用途に向きます。

機材選択は、「どの程度の精度が必要か」と「現場での運用性」のバランスで決めます。プロ動作解析の研究で 0.5mm 単位の精度が必要な場合と、市民スポーツの「フォームのおおまかな改善」では、機材は別物になります。

2. 撮影アングル

カメラの位置・角度は、骨格推定の精度を大きく左右します。

正面・側面・後面 最も基本的な 3 視点。歩行・走行解析では、側面（矢状面）が最も情報量が多いです。スイング・投擲などの回転動作は、複数アングル必須です。

俯瞰・煽り 高い位置から見下ろす（俯瞰）、低い位置から見上げる（煽り）。真上に近い俯瞰は、左右の動きが見えやすく、団体スポーツ・群衆動態解析に向きます。

マルチカメラ 2 台以上のカメラで同じシーンを撮影。3D 再構成が可能になり、隠れ（オクルージョン）の影響を大きく減らせます。同期と位置キャリブレーションが鍵になります。

カメラ位置を決めるときは、**「測りたい動作の主要な動きが、画面内で十分に見えるか」**を最優先に検討します。

3. 照明条件

照明は、ほとんどの撮影品質問題の根本原因になりがちです。

避けたい条件：

• 強い逆光（被写体が暗く落ちる）
• 強い斜光（影が大きく出る）
• 蛍光灯のフリッカ（高フレームレート撮影で問題化）
• 不均一な照明（部屋の片側だけ暗い）

望ましい条件：

• 拡散光（曇天・大型ソフトボックス）
• 均一な照度
• フリッカフリーの LED 照明（高フレームレート撮影時）

屋外撮影は太陽光が強力で品質も良いですが、時間帯・天候の制約があります。屋内では、照明セットを組むか、明るい場所を選ぶかの判断が必要です。

4. 背景・服装・被写体条件

背景や被写体の条件も、骨格推定精度に直接影響します。

背景： 背景に人物や複雑な模様があると、骨格推定モデルが誤検出を起こします。可能な限りシンプル・単色の背景が理想です。実運用では難しい場合も多いので、ROI（関心領域）を設定する、被写体検出を併用する、などの工夫が必要です。

服装： 体のラインが見えやすい服装（タイトなウェア）の方が、関節位置の推定精度が出ます。逆に、ゆったりした服装（コート、ゆるい T シャツ）は、関節の正確な位置が見えづらく、精度が落ちます。研究用途では事前に服装指定をするのが普通です。

被写体の数： 1 人なのか、複数人が映るのか。複数人の場合、**個人を追跡する仕組み（トラッキング）**が必要になります。重なり（人同士の隠れ）が頻繁に発生する場合、上面カメラの追加など別アプローチが必要です。

5. フレームレート・解像度

時間方向の精度は、フレームレート（fps）に依存します。

• 速い動き（投球・スイング）：120fps 以上が望ましい
• 歩行・日常動作：60fps で十分なケースが多い
• 長時間記録（数時間）：30fps、データ容量とのバランス

リサコでも「動作分析に最適なフレームレート（スマホ FPS 設定）」のような記事で実務目安を整理しています。

解像度は、**「測りたい部位が画面内で何ピクセルあるか」**が決定的です。1080p で全身を映す場合、手首は 30〜50px 程度になります。指関節の精密推定までやりたい場合は、4K 撮影や、ズームでパーツ別撮影が必要です。

6. キャリブレーション・同期

3D 再構成・マルチカメラ撮影で必須なのが、キャリブレーション（カメラ位置・向きの計測）と同期（複数カメラの時刻合わせ）です。

キャリブレーションのポイント：

• チェッカーボード等の既知パターンで内部・外部パラメータを推定
• 撮影前に必ずキャリブレーション、撮影中は機材を動かさない
• 機材を動かしたら再キャリブレーション

同期のポイント：

• ハードウェア同期（同期信号で同時撮影）が最も確実
• ソフトウェア同期（タイムスタンプ照合）は誤差が出やすい
• 視覚的同期（フラッシュ、クラッカー等で同時イベントを作る）も実用上有効

7. 倫理・プライバシー

データ収集において、近年特に重要性が増しているのが倫理・プライバシー観点です。

• 撮影対象者の同意取得（書面同意）
• データの利用目的の明示
• 個人を特定しない加工（顔ぼかし、骨格データのみ保存）
• 保存期間と消去ポリシー
• 研究用途では倫理審査委員会（IRB）の承認

これは「AI と個人情報保護」の記事で詳しく整理しています。データ収集段階から、ガバナンスを組み込んでおくことが重要です。

まとめ——「データを丁寧に取る」が最大の差別化要因

AI 動作解析の品質を分けるのは、最新のモデル選びより、データ収集の段階での丁寧さです。撮影条件を整え、適切なフレームレート・解像度で記録し、被写体の条件を揃える——これらができるかが、結果として精度を大きく分けます。

リサーチコーディネートでは、「うごきラボ」を中心に、動作解析プロジェクトのデータ収集設計から実装・評価までを一貫してお引き受けしています。動作解析の精度評価・データ収集計画にお困りの場合は、お気軽にお問い合わせください。