本稿では YOLO26 で姿勢を推定する方法について述べる。

環境

Date: 2026/10/06
CPU: Intel Core i5-13400F
GPU: NVIDIA GeForce RTX 5070Ti
RAM: 32GB
OS: Windows 11 Home 25H2 日本語版
Camera: Logicool C922 Pro Stream Webcam
uv: 0.12.23
Python: 3.14
NVIDIA-SMI: 617.14
CUDA: 13.2.2
PyTorch: 2.14.1+cu132
ultralytics: 8.4.173

導入

（任意）NVIDIA GPU を使用する場合は CUDA を導入
1. 最新の NVIDIA ドライバーをインストール
  1. NVIDIA App で更新可能
    https://www.nvidia.com/ja-jp/software/nvidia-app/
2. NVIDIA ドライバーの CUDA 対応バージョンを確認
  コマンドプロンプト
```
nvidia-smi
```
  出力例
```
+-----------------------------------------------------------------------------------------+
| NVIDIA-SMI 617.14                 KMD Version: 617.14        CUDA UMD Version: 13.4     |
+-----------------------------------------+------------------------+----------------------+
| GPU  Name                  Driver-Model | Bus-Id          Disp.A | Volatile Uncorr. ECC |
| Fan  Temp   Perf          Pwr:Usage/Cap |           Memory-Usage | GPU-Util  Compute M. |
|                                         |                        |               MIG M. |
|=========================================+========================+======================|
|   0  NVIDIA GeForce RTX 5070 Ti   WDDM  |   00000000:01:00.0  On |                  N/A |
| 32%   40C    P0             35W /  300W |    1298MiB /  16303MiB |      1%      Default |
|                                         |                        |                  N/A |
+-----------------------------------------+------------------------+----------------------+
```
  NVIDIA バージョン : 617.14
  CUDA 対応バージョン : <=13.4
  ※ 出力の右上は、ドライバーが対応する CUDA バージョンの上限
3. 後段で導入する PyTorch の CUDA 対応バージョンを確認
  https://pytorch.org/get-started/locally/
  2026/10/06 : <=13.2
4. GPU の CUDA 対応バージョンを確認
  https://developer.nvidia.com/cuda/gpus
  （参考）Wikipedia もわかりやすい
  https://en.wikipedia.org/wiki/CUDA#GPUs_supported
  1. GPU の Compute capability を確認
    NVIDIA GeForce RTX 5070Ti : cc 12.0
  2. Compute capability の CUDA 対応バージョンを確認
    cc 12.0 : CUDA 12.8 - 13.3
    以上より、今回は CUDA 13.2 を導入する
5. CUDA 13.2.2 をインストール
  https://developer.nvidia.com/cuda-toolkit-archive
Python (>=3.8) を導入
1. uv をインストール
  https://github.com/astral-sh/uv
  PowerShell（Windows）
```
powershell -ExecutionPolicy ByPass -c "irm https://astral.sh/uv/install.ps1 | iex"
```
2. uv を更新
  コマンドプロンプト
```
uv self update
```
3. プロジェクトを作成
  名前：yolo26（任意）
  コマンドプロンプト
```
uv init yolo26
```
4. プロジェクトフォルダに移動
  コマンドプロンプト
```
cd yolo26
```
5. Python 3.14 で仮想環境を作成
  コマンドプロンプト
```
uv venv -p 3.14
```
PyTorch (>=1.8) を導入
1. PyTorch 公式サイトでインストールコマンドを確認
  https://pytorch.org/get-started/locally/
2. uv pip で PyTorch をインストール
  コマンドプロンプト（CUDA 13.2 を使用する場合の例）
```
uv pip install torch torchvision --index-url https://download.pytorch.org/whl/cu132
```
  コマンドプロンプト（CPU を使用する場合の例）
```
uv pip install torch torchvision
```
ultralytics を導入（YOLO本体）
1. uv pip で ultralytics をインストール
  コマンドプロンプト
```
uv pip install ultralytics
```

コーディング

プロジェクトフォルダに以下の main.py を配置する。

main.py

from ultralytics import YOLO
import cv2

# モデルを準備
model = YOLO("yolo26n-pose.pt")

# カメラを準備
cap = cv2.VideoCapture(0, cv2.CAP_DSHOW)

# メインループ
while True:

	# 1フレーム取得
	ret, frame = cap.read()
	if not ret:
		break

	# 姿勢を推定
	results = model(frame)

	# プレビューを描画
	preview = results[0].plot()

	# プレビューを表示
	cv2.imshow("yolo26", preview)

	# qキーで終了
	if cv2.waitKey(1) & 0xFF == ord("q"):
		break

# 終了処理
cap.release()
cv2.destroyAllWindows()

モデルを準備

model = YOLO("yolo26n-pose.pt")

初回実行時、モデルのファイルが自動でダウンロードされる。
使用可能なモデルは以下のとおり。

カメラを準備

cap = cv2.VideoCapture(0, cv2.CAP_DSHOW)

Webカメラを用いる。
カメラ番号 0 番が何であるかは時と場合による。

たとえば以下のように調べることができる。

コマンドプロンプト

uv pip install pygrabber

scan_camera.py

from pygrabber.dshow_graph import FilterGraph

graph = FilterGraph()

for index, name in enumerate(graph.get_input_devices()):
	print(index, name)

コマンドプロンプト

uv run scan_camera.py

出力例

0 c922 Pro Stream Webcam
1 Live Gamer EXTREME 3

今回はカメラ番号 0 で c922 Pro Stream Webcam が起動することがわかる。

カメラ名でカメラ番号を探索したい場合は以下のように書ける。

from pygrabber.dshow_graph import FilterGraph

def find_camera_index(camera_name: str) -> int:
	graph = FilterGraph()
	cameras = graph.get_input_devices()

	for index, name in enumerate(cameras):
		if camera_name.lower() in name.lower():
			return index

	raise RuntimeError(
		f"カメラ \"{camera_name}\" が見つかりません。\n"
		f"カメラ一覧: {cameras}"
	)

CAMERA_NAME = "C922"
cap = cv2.VideoCapture(find_camera_index(CAMERA_NAME), cv2.CAP_DSHOW)

メインループ / 1フレーム取得

while True:
	ret, frame = cap.read()
	if not ret:
		break

cap.read() で最新の 1 フレームを取得。
ループを回し、連続して処理する。

姿勢を推定

results = model(frame)

1 フレームを姿勢推定器にかける。

numpy.ndarray を渡せるので、そのまま model(frame) と書ける。

結果の詳細は以下のとおり。

たとえば

print(results[0].keypoints.xy)

とすれば、結果の各点の座標を取得できる。

results[0] とは、1枚目の結果である。
今回は 1 フレームを渡しているため、1枚分しかない。

keypoints.xy は [人物][関節][x,y] という構造である。
関節は17点、対応は以下のとおり。

たとえば

left_wrist = results[0].keypoints.xy[0][9]
x = left_wrist[0]
y = left_wrist[1]

とすれば、1人目の左手首の座標を取得できる。

ただし、results[0].keypoints.xy[0][9] は人物が検出されていない場合にエラーとなる。また、どの人を指すか固定できるとは限らない。

プレビューを描画 / 表示

preview = results[0].plot()
cv2.imshow("yolo26", preview)

OpenCV で描画。
ここでの "yolo26" はウィンドウのタイトル。

qキーで終了

if cv2.waitKey(1) & 0xFF == ord("q"):
    break

ウィンドウイベントを処理するため waitKey() で毎ループ OpenCV を呼ぶ。基本的にはキーイベントを少なくとも 1ms 待つ。
waitKey() の戻り値は押下キーの情報を含む。下位 8 ビットが「q」の ASCII コードならば、「q」キーが入力されたと判断できる。
ここでは break、すなわちループを抜ける。

終了処理

cap.release()
cv2.destroyAllWindows()

ループ終了後、カメラ占有を解放し、ウィンドウを閉じる。
解放を忘れると他のプログラムが使用できなくなる。

実行

プロジェクトフォルダで以下のコマンドを実行する。

Webカメラが起動する。
起動には少し時間がかかる。

コマンドプロンプト

uv run main.py

成功すると姿勢推定結果が表示される。

※ 本イメージ画像はWebカメラの代わりに仮想カメラを入力して撮影した。