Pythonで学ぶ動画解析 実践入門-OpenCV・YOLO・CLIP・動画生成まで（エンジニア入門シリーズ） [単行本]

Pythonで学ぶ動画解析 実践入門-OpenCV・YOLO・CLIP・動画生成まで（エンジニア入門シリーズ） の 商品概要

• 目次

  目 次
  
  第１章　動画解析の基礎と画像解析との違い
  
  １-１　動画解析の重要性と応用分野
  
  １-２　画像解析と動画解析の違い
  
  １-３　動画解析プロジェクトのワークフロー
  
  
  第２章　動画データの基礎知識とPythonによる扱い
  
  ２-１　動画データの形式
  
  ２-２　動画と画像のデータ構造の違い
  
  ２-３　フレーム、FPS、解像度
  
  ２-４　Python とOpenCV での動画読み込みと保存
  
  ２-５　Web カメラからの動画取得とフレーム表示
  
  
  第３章　動画の前処理と基本的な操作
  
  ３-１　フレーム抽出・保存・スキップ処理
  
  ３-２　解像度変更・切り出し・ノイズ除去
  
  ３-３　動画の一括処理
  
  ３-４　動画処理結果の可視化
  
  ３-５　MoviePy による映像編集の基本
  
  ３-６　ffmpeg による高速映像処理の実践
  
  
  第４章　動きの検出と背景差分の実装
  
  ４-１　差分画像による変化検出
  
  ４-２　背景差分（ MOG2、KNN）
  
  ４-３　オプティカルフローによる動きの可視化
  
  
  第５章　物体検出と追跡アルゴリズムの活用
  
  ５-１　従来の物体検出手法（ Haar Cascade、HOG+SVM）
  
  ５-２　特徴点検出とマッチング（ SIFT、SURF、ORB）
  
  ５-３　フレーム単位の物体検出（ YOLOなど）
  
  ５-４　物体追跡（ MedianFlow、KCF、CSRTなど）
  
  ５-５　複数物体のID 管理と履歴記録
  
  
  第６章　セグメンテーションを活用した映像解析
  
  ６-１　セグメンテーションの基礎
  
  ６-２　セマンティックセグメンテーションの実装例
  
  ６-３　インスタンスセグメンテーションの実装例
  
  ６-４　パノプティックセグメンテーションの実装例
  
  ６-５　動画解析への応用と実用的なポイント
  
  
  第７章　動画の特徴設計：フレーム特徴と時系列特徴
  
  ７-１　本章の目的と前提
  
  ７-２　フレームレベルの特徴設計
  
  ７-３　時系列レベルの特徴設計
  
  ７-４　特徴統合と入力表現
  
  ７-５　アノテーションとラベリング
  
  
  第８章　機械学習モデルによる動画分類と時系列解析
  
  ８-１　scikit-learnでの分類器作成（ SVM、RandomForestなど）
  
  ８-２　時系列解析手法（ LSTM、3D-CNNなどの紹介）
  
  ８-３　簡易評価・交差検証・実務での注意点
  
  
  第９章　人物検出と行動認識の応用
  
  ９-１　人物検出の特徴と応用
  
  ９-２　姿勢推定の基本
  
  ９-３　骨格情報を用いた行動認識の実装例
  
  ９-４　骨格情報を用いた行動分類システムの構築と評価
  
  
  第10章　学習済みモデルを活用した映像解析の応用
  
  10 -１　顔認識モデルによる人物識別と照合
  
  10 -２　学習済み行動認識モデルによる動画分類
  
  10 -３　CLIP を用いたゼロショット映像検索
  
  10 -４　Whisper を用いた動画音声の文字起こしと要約
  
  10 -５　学習済みVLMによる映像の説明と要約
  
  
  第11章　動画の変換・生成とその応用
  
  11 -１　動画の超解像
  
  11 -２　動画補間
  
  11 -３　動画修復・復元
  
  11 -４　動画スタイル変換
  
  11 -５　テキストからの動画生成
  
  11 -６　画像からの動画生成
  
  
  第12章　実践ケーススタディ：現場での動画解析活用
  
  12 -１　監視映像での異常検知
  
  12 -２　製造ラインでの異常動作の識別
  
  12 -３　スポーツ映像における動作解析
  
  12 -４　複数人行動の同時処理
  
  12 -５　交通量調査：車両カウントとライン通過判定
  
  
  第13章　動画解析システム導入の現実：課題・制約・運用上の注意
  
  13 -１　実環境における映像品質変動と環境変化への適応
  
  13 -２　大量データ処理の現実と工夫
  
  13 -３　プライバシー、倫理、法的な注意点
  
  
  第14章　今後の発展と学びの広げ方
  
  14-１　深層学習との統合の方向性
  
  14-２　最新技術の動向（ CLIP、VLM、マルチモーダルAIなど）
  
  14 -３　代表的な映像解析データセット
  
  14-４　継続的な学習に役立つリソース紹介（ 論文、コミュニティなど）

• 出版社からのコメント

  動画解析技術をPythonで実装しながら学び、最新のAI・生成AI技術や実務での応用まで体系的に理解できる一冊です。

• 内容紹介

  画像解析だけでなく、動画ならではの時間的な情報（動きや行動）を扱う技術を基礎から最新のAI技術まで体系的に学べる構成。
  
  【こんな方におすすめ】※編集部より
  
  動画解析をPythonで学びたい方
  
  映像AI・OpenCVを実践的に身につけたい方
  
  最新の生成AI・マルチモーダルAIに興味がある方
  
  映像解析を研究・開発・業務に活かしたい方
  
  
  【この本でわかること】※編集部より
  
  動画解析の基礎とPython・OpenCVによる実装方法
  
  物体検出・追跡や行動認識などの映像解析技術
  
  CLIP・Whisper・VLMなど最新AIを活用した映像解析
  
  動画生成技術と実践的な活用・運用のポイント
  
  
  近年,計算機の高性能化や記録媒体の大容量化に伴い,映像データを
  容易に扱える環境が整ってきました。さらに,ディープラーニングをは
  じめとする人工知能技術の進展によって,映像から人や物体、行動を認
  識する技術が急速に発展しています。映像解析は監視やセキュリティ,
  スポーツや医療,製造業など幅広い分野で実用化が進んでおり,今後ま
  すます重要な役割を果たすことが期待されます。
  本書は,そのような映像解析技術の基礎から応用までを,Python と
  OpenCV を中心に実装しながら理解できるように構成しています。対象
  とする読者は、Python によるプログラミングの基礎を身につけており,
  映像解析システムの仕組みを学び,実際に動作するシステムを構築した
  いと考えている方です。また,最新の研究動向や、映像解析技術の歴史
  的背景に関心を持つ読者にとっても参考となるよう意図しています。

• 著者について

  植木一也 (ウエキカズヤ)
  1999 年、東北大学大学院情報科学研究科修士課程修了。同年、
  NEC ソフトウェア（ 現 NEC） に入社し、主に顔認識・パターン認
  識に関する研究に従事した。2007 年、早稲田大学理工学研究科
  博士課程修了、博士（ 工学）。2013 年から 2017 年まで早稲田大
  学理工学術院助教を務め、2017 年より明星大学情報学部准教授。
  
  現在は画像・映像理解技術の研究に従事しており、特に米国
  NIST主催の映像検索ベンチマーク（ TRECVID） に取り組み、映像検索技術の発展に貢
  献している。2016 年、2017 年、2022 年、2025 年にはTRECVID のAVS タスクにて世
  界一位の映像検索精度を達成した。

Pythonで学ぶ動画解析 実践入門-OpenCV・YOLO・CLIP・動画生成まで（エンジニア入門シリーズ） の商品スペック