OpenPoseとは？棒人間でポーズを指定する仕組みと商用利用の条件、代替ツールまで (2026年版)

生成した人物イラストのポーズが、何度描き直しても思った角度にならない。あるいは、動画から人の動きを数値で取り出したいけれど、どのライブラリを選べばいいのか分からない。どちらの入口から来た人にも、答えは同じところにあります。人の骨格を機械が読める形にする技術、それがポーズ推定です。

OpenPoseはその分野で最も名前が知られた実装です。ただし、そのまま仕事に使えるかというと話は別。ライセンスにかなり厳しい条件がついています。

ここでは仕組み・使いどころ・お金の話・乗り換え先まで、判断に必要な材料を順番に並べていきます。

OpenPoseとは？ひとことで言うと何ができるのか

OpenPoseとは、画像や映像に写った人物の関節位置をリアルタイムで検出し、体・手・顔の骨格情報として出力するオープンソースのライブラリです。カーネギーメロン大学（CMU）の研究プロジェクトとして公開され、コードはGitHub上で誰でも読めます。

出力される骨格は、いわゆる「棒人間」。頭・肩・肘・手首・腰・膝・足首といった点が線でつながれた、あの図です。

特徴として大きいのは、写っている人数が何人でも処理時間がほとんど変わらない点。公式が公開している推論時間の比較では、Alpha-PoseやMask R-CNNが人数の増加とともに処理時間を伸ばすのに対し、OpenPoseの実行時間はほぼ一定を保ちます。1人でも10人でも同じ速さ。ここが実務では地味に効きます。

もうひとつ、2026年時点でOpenPoseを知っておく理由があります。学術論文がポーズ推定の性能を語るとき、比較の土台に置かれるのがほぼOpenPoseだからです。「OpenPoseを12ポイント上回った」と書かれていたら、それはこのライブラリのこと。業界の物差しとして機能しています。

骨格を「棒人間」に変える仕組みはどうなっている？

人物検出を先にやってから、その中の関節を探す。多くのポーズ推定はこの順番で動きます。人が増えるほど処理が重くなるのは、この方式だからです。

OpenPoseは逆の発想を取りました。画像全体からすべての関節候補を一気に洗い出し、そのあとで「どの肘とどの手首が同じ人のものか」を結びつけていきます。人数に処理時間が引っ張られない理由がここにあります。

関節同士のつながりを判定する手がかりも独特です。肘と手首の間に「腕らしい向きの流れ」があるかどうかを画像から推定し、それが一致するペアを同じ人体としてつなぐ。人が重なり合っていても、腕の向きが自然につながる相手を選べるという設計です。

結果として、多少の隠れ（オクルージョン）や照明の変化にも粘ります。完全に隠れた関節までは無理。ただ、人混みで腕が半分隠れる程度なら、それらしい位置を返してくれます。

この「人数が増えても落ちない」性質が、監視カメラ映像やスポーツ映像の解析でOpenPoseが選ばれ続けた理由でした。

何点の関節を取れるのか — 検出できるキーポイント

どこまで細かく取れるのかは、用途を決める最初の分かれ道です。全身のシルエットさえ分かればいい場合と、指1本の角度が必要な場合では、必要なモデルが変わります。

以下がOpenPoseで扱える主な検出対象です。

つまり、全身から指先・表情までを1つのライブラリでまかなえます。手と顔を同時に有効にすると処理は当然重くなるので、必要な部位だけ有効にするのが現実的な運用。

足のつま先まで取れるBODY_25は、歩行の分析やダンスの動作解析で使われてきた形式です。イラスト生成用途なら18点で十分足ります。

画像生成でOpenPoseが注目された理由は？

イラストや写真をAIに描かせるとき、いちばん言うことを聞かないのがポーズです。「右手を上げて振り向いている」と文章で指示しても、返ってくる絵は毎回違う。手が3本になることさえあります。

ここで棒人間が効きます。骨格の画像を1枚渡して「この形で描いて」と指定すれば、構図が固定されるからです。文章で角度を説明する必要がなくなる。

この仕組みを担うのがControlNetという追加の制御モデルで、そのなかでも棒人間を入力に取るモードが「OpenPose」と呼ばれています。画像生成の文脈で「OpenPoseを使う」と言うとき、たいていはCMUのライブラリ本体ではなく、この制御モードを指しています。

ポーズを固定したうえで、服装・画風・背景だけを文章で変える。同じキャラクターで複数カットを作るときの定番の手順です。

イラスト生成そのものの選択肢を整理したいなら、AIイラストツールの比較記事を先に読むと、ControlNetがどのツールで使えるのかが早く分かります。

使い方1: ControlNetで棒人間からイラストを作る

実際の流れは3ステップです。手元に参考写真があるかどうかで、最初の一歩が変わります。

1. ポーズの元になる画像を用意する（自分で撮った写真、フリー素材、3Dモデルのスクリーンショットなど）
2. 前処理で棒人間の骨格画像に変換する
3. 骨格画像とテキスト指示（AIへの指示文）をセットで渡して生成する

前処理を挟むと、元画像の顔や服装の情報は捨てられ、骨格だけが残ります。他人の写真をそのまま使うと肖像権や著作権の問題が残るので、素材の出どころは必ず確認してください。骨格だけになったから安心、とはなりません。

生成環境については、ノードをつないで処理の流れを組むタイプと、フォーム入力で完結するタイプで操作感がまったく違います。ComfyUIとStable Diffusionの違いを整理した記事を読んでおくと、自分がどちらの環境を用意すべきか判断できます。

環境ごとの向き不向きを表にすると、こうなります。

つまり、繰り返し量産するならノード型、様子見ならフォーム型。この使い分けで迷うことはほぼなくなります。

使い方2: 棒人間を自分で組み立てる

参考写真が見つからないポーズもあります。特殊なアクション、あり得ない角度、キャラクター特有の決めポーズ。

そういうときはエディタで棒人間を直接動かします。ComfyUIなどの環境にはOpenPose Editorと呼ばれる編集ツールがあり、関節を1つずつドラッグして好きな形を作れます。写真を探す時間がまるごと消えるので、これは重宝します。

作った骨格は画像として保存しておけば再利用できます。よく使うポーズを10枚くらい貯めておくと、シリーズものの制作速度が変わってきます。

注意点をひとつ。棒人間は2次元の点の集まりなので、奥行きの情報を持っていません。腕が体の前にあるのか後ろにあるのかは、骨格画像だけでは伝わらないことがあります。生成結果が妙に平面的になったら、これが原因のことが多いです。

その場合は、角度を少しずらした骨格を作り直すのが早い。テキスト側で「腕を前に」と補足するより確実です。

商用利用はできる？ライセンスの結論

ここがこの記事でいちばん大事なところです。

CMUが公開しているOpenPoseは、非営利目的でのみ無料というライセンスで配布されています。研究、学習、個人の趣味なら問題ありません。会社の製品に組み込む、受託案件の納品物に使う、といった商用利用は無料ライセンスの範囲外です。

商用で使う場合は別途ライセンス契約が必要で、条件は年額25,000ドルの非返金ロイヤリティ。さらに、この商用ライセンスはスポーツ分野には適用できないという制限もついています。動作解析でいちばん需要がありそうな領域が、そもそも対象外。

整理すると次のようになります。

つまり、ビジネスで使うならコストは決して小さくありません。個人開発者や小規模チームが気軽に払える額ではないです。

なお、画像生成のControlNetで使う「OpenPose」については、実装や配布元によってライセンスの扱いが変わります。自分が入れた拡張機能・モデルファイルがどの権利表記で配布されているかを、導入時に必ず読んでください。「OpenPoseという名前だから全部同じ条件」ではありません。ここを確認せずに納品物へ入れるのが、いちばん危ない進み方です。

社内でAIツールを導入するときの権利まわりの確認手順は、AIツールの内部監査をテーマにした記事にまとめてあります。ライセンス確認を仕組み化したい人はそちらへ。

商用で使うならどれを選ぶべき？代替ライブラリの比較

年額25,000ドルを払う前に、検討すべき選択肢があります。ポーズ推定の分野はOpenPose公開後も動き続けていて、後発の実装がいくつも出ています。

代表的なのがGoogleのMediaPipe Pose、そしてRTMPoseとViTPoseです。

MediaPipe Poseは端末側で軽く動くことを重視した設計で、スマホやブラウザでの実装例が多い実装です。RTMPoseとViTPoseは比較的新しく、精度と速度の両立を狙っています。

ただし、ライセンス条件はそれぞれ違います。商用可否は必ず各プロジェクトの公式ライセンス表記を自分で確認してください。「MediaPipeだから無条件で商用OK」と人づてに聞いた話で判断するのは危険です。

正直なところ、いま新しく商用プロダクトを作るならOpenPose以外から選ぶのが自然な流れです。OpenPoseの価値は「比較の基準として全員が知っている」ことにあって、実装の新しさではありません。

ここまでの整理: OpenPoseは人数に強い骨格検出ライブラリで、画像生成ではControlNetの棒人間ポーズ指定として使われます。非営利なら無料、商用は年額25,000ドルでスポーツ分野は対象外。仕事で使うならMediaPipe PoseやRTMPoseを先に検討するのが現実的です。

動かすのに必要なマシンは？

リアルタイム処理を狙うなら、NVIDIA製GPUを積んだマシンが前提になります。CPUだけでも動きますが、速度は大きく落ちます。動画をリアルタイムで処理する用途には厳しい。

静止画を1枚ずつ処理するだけなら、CPUでも待てば終わります。数百枚をバッチで回すなら話は変わりますが。

環境構築の難易度も正直に書いておきます。C++の依存ライブラリを揃える工程があり、初めての人はここで詰まりがちです。GitHubの公式インストールドキュメントは丁寧に書かれているので、手順を飛ばさず順番に進めるのが結局いちばん速い。

画像生成でControlNet経由で使うだけなら、この苦労はほぼ発生しません。拡張機能とモデルファイルを入れれば済みます。同じ「OpenPoseを使う」でも、必要な準備がまるで違う点は押さえておいてください。

つまずきやすいポイントはどこ？

導入後に相談が集まりやすい箇所を挙げます。原因を知っていれば数分で解決するものばかり。

• 骨格が検出されない — 人物が小さすぎる、または画角から手足が切れている。全身がフレームに収まる素材を用意する
• 複数人のとき骨格が混線する — 人が密に重なっている状況では起きます。カメラ位置を変えるか、フレームを分割する
• 生成した絵のポーズが微妙にずれる — 棒人間に奥行き情報がないため。角度違いの骨格を作り直すほうが早い
• 手指が崩れる — 体の骨格だけでは指の情報が渡っていない。手のキーポイントを併用するか、生成側で手の修正を別途かける

どれも設定を深追いするより、入力素材を変えたほうが早く直ります。ここは覚えておくと時間を節約できます。

業務で使うとき、何を確認しておくべき？

チームで導入する前に潰しておく項目を並べます。あとから問題になりやすいものだけに絞りました。

顔のキーポイント検出まで使う場合、扱っているのは個人を識別しうる情報です。骨格だけなら匿名性が高い一方、顔の70点は別物として扱ってください。

ローカル実行できることは、この点でOpenPoseの強みでもあります。映像を外部サーバーに送らずに済むので、社外に出せない素材でも扱える。クラウドの解析サービスでは、ここが引っかかって導入が止まることがよくあります。

AI関連の情報収集そのものを効率化したいなら、AI検索ツールのガイドで挙げているような一次情報の追い方を仕組みにしておくと、ライセンス変更のような重要な更新を取りこぼしません。

どんな人にOpenPoseを勧められるか

用途別に整理します。自分がどこに当てはまるかで、答えが変わります。

つまり、研究と個人利用ならOpenPose、事業で使うなら別を選ぶ。この線引きがいちばんシンプルです。

画像生成側のツール選びで迷っているなら、画像生成カテゴリから現行の選択肢を眺めるのが早いです。ControlNet対応の有無は環境によって差があります。

関連する比較・代替を見る

ポーズ指定を実際にやるとなると、生成環境そのものの選定が次の課題になります。以下から自分の条件に近いものを見てください。

• ComfyUIとStable Diffusionの比較 — ControlNetを組み込むならこの2択から
• Stable DiffusionとMidjourneyの比較 — ポーズ制御のしやすさで差が出ます
• MidjourneyとAdobe Fireflyの比較 — 商用利用の条件を重視する人向け
• Stable Diffusionの代替ツール — ローカル環境を用意できない場合の逃げ道
• ComfyUIの代替ツール — ノード操作が合わなかった人へ
• Midjourneyの代替ツール — 月額を抑えたい場合の候補

各ツールの詳細は Stable Diffusion と ComfyUI のページにまとめてあります。

AI PICKS編集部の判定

OpenPoseは、技術としては今も現役です。人数が増えても処理時間が伸びない設計は明確な強みで、多人数の映像を扱う場面では今でも有力な選択肢。学術論文が比較基準に置き続けているのも、実力があるからです。

ただ、事業で使うなら話は変わります。年額25,000ドルの非返金ロイヤリティは、個人開発者や小規模チームには現実的な金額ではありません。そのうえ、動作解析でいちばん需要の大きいスポーツ分野が商用ライセンスの対象外。使いたい人ほど使えない構造になっています。ここは正直、厳しい。

一方、画像生成でControlNetの棒人間として使うぶんには話がまったく違って、こちらは圧倒的に手軽です。ポーズが固定できるだけで、同じキャラクターの複数カット制作が別物の速度になります。イラスト制作をやっている人には、これは覚える価値のある技術です。

結論として、研究と個人のイラスト制作ならOpenPose、商用プロダクトへの組み込みならMediaPipe PoseやRTMPoseを先に検討。この2つの世界を混同したまま進めると、あとでライセンスの問題が出てきます。線を引いてから手を動かしてください。

よくある質問（FAQ）

Q. OpenPoseは無料で使えますか？

非営利目的なら無料です。研究、学習、個人の趣味制作はこの範囲に入ります。商用利用は無料ライセンスの対象外で、年額25,000ドルの商用ライセンスが別途必要になります。

Q. 会社の業務で使ったらどうなりますか？

自社サービスへの組み込みや受託案件の納品物に使う場合、商用利用に該当します。無料ライセンスの範囲を超えるため、有償ライセンスを契約するか、商用条件が明確な別のライブラリへ切り替えるのが正しい対応です。

Q. Stable Diffusionで使う「OpenPose」も同じライセンスですか？

同じ名前でも、配布元と実装によって条件が変わります。拡張機能やモデルファイルを入れたときに表示されるライセンス表記を、その都度確認してください。名前だけで判断しないことが大事です。

Q. GPUがないパソコンでも動きますか？

動きますが、大幅に遅くなります。リアルタイムで動画を処理したいならNVIDIA製GPUが実質的な前提です。静止画を数枚処理するだけならCPUでも待てば終わります。

Q. MediaPipeとどちらを選べばいいですか？

商用プロダクトに組み込むならMediaPipe Poseが現実的です。軽量で端末側でも動きます。研究で既存論文と比較したい場合や、多人数の同時検出が主目的ならOpenPoseに分があります。

Q. 棒人間の画像はどこで手に入りますか？

参考写真を前処理して自動生成するのが基本です。写真がない場合は、OpenPose Editorのような編集ツールで関節をドラッグして自作できます。作った骨格は保存して何度でも使い回せます。

Q. 手や顔の細かい形も取れますか？

取れます。手は片手21点、顔は70点のキーポイントに対応しています。ただし同時に有効にすると処理が重くなるので、必要な部位だけ使うのが現実的です。

Q. 生成した絵のポーズが指定どおりにならないのはなぜですか？

棒人間には奥行きの情報がないためです。腕が体の前か後ろかが伝わらず、平面的な解釈になることがあります。角度を変えた骨格を作り直すのが、テキストで補足するより確実な直し方です。

画像生成そのものの環境をこれから選ぶなら、ComfyUIとStable Diffusionの違いをまとめた記事を次に読んでください。ControlNetを入れる前提でどちらを用意すべきかが、この記事の内容とつながって判断しやすくなります。AIサービス全体の動きを追いたい場合は、Meta AIのガイドも合わせてどうぞ。