NVIDIAが「DeepStream 9.1」を発表　複数カメラによる3D物体追跡とキャリブレーションの自動化を実現

要点

• NVIDIAは、映像解析アプリケーション開発用の最新プラットフォーム「DeepStream 9.1」をリリースした。

• 新機能「AutoMagicCalib（AMC）」により、これまで手間がかかっていた複数カメラの位置調整（キャリブレーション）作業を自動化した。

• 「Multi-View 3D Tracking（MV3DT）」の導入により、異なるカメラの映像間で同一の被写体に一貫したIDを付与する3D追跡が可能になった。

• AIが自律的に処理を構成する13種類の「自律的スキル（agentic skills）」を搭載し、自然言語から追跡パイプラインを構築できる。

• エッジAI端末向けの「JetPack 7.2」に対応し、Jetson OrinやThorなどのプラットフォームで動作性能が向上している。

• 米NVIDIAは2026年7月15日、映像解析（ビデオアナリティクス）アプリケーションの開発と展開を劇的に簡素化するプラットフォームの最新バージョン「DeepStream 9.1」を発表した。今回のアップデートでは、複数カメラによる高精度な3D物体追跡や、カメラ設定時の最大の障壁であったキャリブレーション作業の自動化といった新技術が実装されている。倉庫の安全管理や店舗での顧客追跡など、広範囲にわたる監視システムの構築プロセスが大きく効率化される見込みだ。

単一カメラの限界を克服する新アプローチ

広大なスペースにおける映像解析アプリケーションを開発する際、従来の単一カメラによる2D（二次元）追跡では、奥行きを示す深度情報が得られないため、被写体がカメラの撮影範囲から外れると見失ってしまうという弱点があった。この課題を解決するためには複数のカメラを組み合わせた3D追跡が必要となるが、カメラの画角や位置関係を精密にすり合わせる「キャリブレーション（カメラの位置や角度を設定し、画像座標を実世界座標に変換する調整作業）」を手動で行う必要があり、計算の複雑さや設定ミスによるエラーが開発者を悩ませてきた。

DeepStream 9.1で提供される「AutoMagicCalib（AMC）」および「Multi-View 3D Tracking（MV3DT）」は、この面倒な手続きを解消するための新機能だ。AMCは複数カメラのキャリブレーション処理を自動化し、手動による調整の手間と設定ミスを大幅に低減する。一方のMV3DTは、自動調整されたカメラ群からの検出データを共通の「3D座標系」に投影し、カメラをまたぐ同一の被写体に「グローバルオブジェクトID」を一貫して付与する技術である。これにより、人物などが死角や別のカメラ視野に移動しても、単一のIDを維持したまま正確な位置を測定し続けることができるという。本技術の基盤となる分散型3D追跡のアルゴリズムは、研究論文「Fully Distributed Multi-View 3D Tracking in Real-Time」にて詳しく解説されている。

分散型アーキテクチャとサポートモデル

MV3DTは、ネットワーク上のカメラ間でデータを連携させる分散型アーキテクチャ（処理を複数の端末に分散させて行う仕組み）を採用している。各カメラノードが独立して物体の検出やデータ関連付け、ターゲット管理を行い、これらが通信プロトコル「MQTT」を介してリアルタイムに連携し合うことで、システム全体で一貫した追跡結果を融合する。

本システムでは、以下の3つの検出モデルが標準でサポートされている。

• PeopleNetTransformer：Transformer（データの関連性を効率的に処理するニューラルネットワーク構造）ベースの歩行者検出用デフォルトモデル。
• PeopleNet v2.6.3：エッジ端末でも滑らかに動作する、高い処理効率を持った検出モデル。
• RT-DETR 2D：リアルタイムでの高速な検出に対応したモデル。

検出されたデータは、映像内に重ねて表示されるオンスクリーンディスプレイや、俯瞰図（birds-eye view）、またはデータ連携用のメッセージングシステム「Kafka」を介して外部に出力され、下流のアプリケーションで幅広く活用できる設計となっている。

自然言語による開発とエッジ性能の強化

さらに、DeepStream 9.1では開発効率を高めるための「モジュール化」と「自動化」も追求されている。今回新たに、AIが自律的に開発タスクを実行する13種類の「自律的スキル（agentic skills）」が追加された。これにより、「Claude Code」や「Codex」といったコーディングエージェント（自動でプログラミングを行うAIツール）と連携し、自然言語のプロンプト（指示テキスト）を入力するだけで、マルチカメラ追跡のパイプライン（一連の処理の流れ）や自動キャリブレーションを自動構築して稼働させることが可能になるという。

また、最新のエッジ向けソフトウェアパッケージである「NVIDIA JetPack 7.2」をサポートした。これにより、「Jetson Orin」や「Thor」といったNVIDIAのエッジAIプラットフォーム上で、映像解析パイプラインの動作性能を最大限に引き出すことができる。

提供について

DeepStream 9.1に必要となるソースコード一式およびリファレンス用アプリケーションは、NVIDIAの公式GitHubリポジトリ（NVIDIA DeepStream GitHub repository）において、すでにオープンソースとして公開されている。開発者は自由にコードを入手し、プロジェクトに応じたカスタマイズや開発に着手することが可能だ。