ウェブカメラ（VTuber・3DMV制作・モーショントラッキング向け）を整理してみた

先日、iPhone用の「iFacialMocap」というアプリとと3Dモデルを組み合わせてキャラクターを動かし、VTuberのように人間の動きをトラッキングする形でMV（ミュージックビデオ）のようなものを作ってみました。

最近は、MVなどを制作する際に「顔出しはしたくない」という方も増えていて、そうした要望に応えながら映像のバリエーションを増やすという意味でも手軽に使えるウェブカメラが1台あると何かと便利です。

キャラクターの表情を動かす方法としては、iPhoneと「iFacialMocap」というアプリを連携させてフェイストラッキングを行う手法もありますが、この方法には以下のようなメリットとデメリットがあります。

• メリット： iPhoneのTrueDepthカメラ（顔認証用の仕組み）を使うため、顔の表情や視線の動きは高い精度で捉えることができます。

• デメリット： あくまで顔の表情に特化した仕組みであるため、上半身や腕といった身体全体の動きまではトラッキングできません。

もしMVの演出などで「手足や体も一緒に動かしたい」となると、iPhoneのアプリ単体では限界があるので、PCとカメラを組み合わせて身体全体の動き（ポーズトラッキング）までカバーするために、まずは導入しやすい低価格帯のウェブカメラの選択肢を整理してみました。

ウェブカメラを選ぶ際のポイント

トラッキング用途でウェブカメラを選ぶときは、いくつか押さえておきたいポイントがあります。

フレームレート（fps）

一般的に、30fpsよりも60fpsのほうが動きは滑らかに記録できます。
表情の細かい変化や、身体の素早い動きを拾いたい場合は60fpsのほうが有利です。
ただし、60fps対応のウェブカメラは価格が上がりやすい傾向があります。
また、顔のトラッキングをiPhone側で行い、ウェブカメラは体の動きだけに使う構成であれば、30fpsでも実用的に使えることも多いと思われます。

オートフォーカス（AF）の安定性

トラッキングでは、顔や身体が常にクリアに映っていることが重要です。
動いたときにピントが外れたり、フォーカスが迷って映像がぼやけると、認識ミスやトラッキングのズレにつながります。

そのため、オートフォーカスがスムーズに追従し安定しているカメラを選ぶと扱いやすくなります。
ただ固定距離で使う場合は固定フォーカスのほうが安定するケースもあります。

動作の安定性と信頼性

リアルタイムでトラッキング処理を行うため、映像が途切れたりフレームドロップが発生すると、そのまま動きの乱れにつながります。
ドライバーの完成度やUSB接続の安定性も重要な要素です。
特に長時間使う場合は、発熱や接続の不安定さが出にくいモデルを選ぶと安心です。

明るさへの強さ（露出・HDR）

部屋が暗いとノイズが増えたりコントラストが下がり、顔や身体の検出精度が落ちやすくなります。
自動露出補正やHDR機能がしっかりしているカメラは、多少暗い環境でも安定した映像を保ちやすくなります。
あわせて、照明で顔や体をしっかり照らすとさらに安定します。

画質（解像度）

トラッキングの用途であれば、解像度は1080p（フルHD）あれば十分かなといった印象です。
4K対応のカメラもありますが、トラッキング用途ではオーバースペックになって、PCへの負荷や転送帯域の負担が増える可能性もあると思われます。
ただ、カメラから距離を取って撮影する場合や、複数人を同時に認識させたい場合は、高解像度が有利になることもあります。

視野角

意外と見落としがちですが、視野角も重要です。
画角が狭いと、少し動いただけでフレームから外れてしまいます。
全身を入れたい場合や動きの大きいパフォーマンスを想定している場合は、やや広角寄りのカメラを選ぶと使いやすくなります。
ただし、広角すぎると歪みが出やすく、認識精度に影響することもあるため、バランスが重要です。

定番＆コスパが良いモデル

■ Logicool C920n

スペック： フルHD / 30fps

トラッキング用途では、定番としてよく名前が挙がるモデルです。
露出や色味が安定しているため、Warudoなどのトラッキングソフトでも認識が崩れにくく、扱いやすいのが特徴です。

動作も比較的安定しており、長時間の使用でもトラブルが出にくい印象があります。
また流通量が多く、中古品も手に入りやすいため、価格を抑えやすいのもポイントです。

注意点としては、プライバシーシャッター（レンズカバー）が付いていないことです。
使用後にアプリを閉じ忘れると、そのまま映像が有効になっている可能性があります。
気になる場合は、物理カバーを後付けするか、USBを抜くなどの対策をしておくと安心です。

なお、オートフォーカスはやや迷いやすい場面もあるため、使用環境によっては固定距離での運用や、カメラ位置を安定させる工夫をしておくとより安定します。

■ Logicool C920e

• スペック： フルHD / 30fps

基本的な仕様は「C920n」と似ていますが、こちらはビジネス向けのモデルです。
大きな違いは着脱式のプライバシーシャッターが標準で付属している点です。
使わないときにレンズを物理的に隠せるため配信や録画後の映り込み対策がしやすくなっています。
画質やトラッキング用途での使い勝手はC920nと大きく変わらず、安定した映像を得やすいのが特徴です。
設定に手間がかからず、そのまま使いやすいモデルです。
価格は新品だとやや高めに設定されていることが多いですが、中古市場に出ている場合は比較的安く入手できることもあります。
シャッター付きモデルを重視する場合はこちらを選ぶメリットがあります。

■ Logicool C922n

• スペック： 1080p / 30fps または 720p / 60fps

解像度を720pに下げることで60fpsの滑らかな撮影に対応しているモデルです。
動きの速いシーンでもフレーム落ちしにくく、トラッキング用途では扱いやすい構成です。

1080pでは30fpsになりますが、画質を優先するか動きの滑らかさを優先するかを用途に応じて切り替えられるのが特徴です。
MV用途で身体の動きをしっかり拾いたい場合は、720p / 60fpsの設定が使いやすいです。
C920系と比べると価格は少し上がりますが、フレームレートを重視する場合は選択肢に入りやすいモデルです。
なお、照明環境が暗いと60fps時にシャッタースピードの関係で映像が暗くなりやすいため、ある程度の明るさを確保して使うのが前提になります。

ワンランク上（精度重視）

■ Logicool 500 または MX Brio (旧Brio 4K系)

• スペック： 1080p / 60fps対応（上位モデルは4K対応）

C920系よりも性能が高く、明暗差のある環境でも映像が安定しやすいモデルです。
部屋の照明がやや弱い環境でも、顔や輪郭を捉えやすく、条件があまり整っていない環境でも使いやすいモデルです。

価格はC920系より上がりますが、ライティングにあまり手をかけられない場合や、できるだけ安定したトラッキングを重視したい場合には選びやすい選択肢です。

なお、4K対応モデルは高解像度での撮影も可能ですが、トラッキング用途では1080pで使うケースが多く、PC負荷とのバランスを見て設定を選ぶのが現実的です。

とにかく安く済ませたいなら

■ EMEET C950

• スペック： 1080p / 30fps、物理シャッター付き

2,000円台で購入できることが多い、低価格帯の定番モデルです。
物理シャッターが付いているため使わないときはレンズをしっかり隠せます。
画質やオートフォーカスの精度は上位モデルと比べると控えめですが、明るい環境であればトラッキング用途でもある程度実用になります。
まずは試してみたい、という用途には手を出しやすい一台です。

■ UGREEN 1080p ウェブカメラ

• スペック： 1080p / 30fps、物理シャッター付き

こちらも2,000円前後で販売されていることが多く、物理カバー付きで扱いやすいモデルです。
基本的な性能は価格相応ですが、最低限のトラッキング用途には対応できます。

どちらのモデルも暗い環境ではノイズが増えやすく認識精度が落ちやすい傾向があります。
安価なカメラを使う場合は、照明を用意するだけでも安定感が変わることがあります。

精度を上げるならカメラだけでなくこれも重要

トラッキングの精度は、カメラの性能だけで決まるものではありません。環境の作り方で結果が大きく変わります。

■ 照明（ライティング）

顔や体の輪郭がはっきり見えるように、正面から均一に光を当てるのが基本です。
リングライトやデスクライトを使って、影が強く出ないようにすると認識が安定します。
逆光は避けたほうが無難です。
背後から強い光が当たると顔が暗くなり、トラッキングが外れやすくなります。

■ 背景

背景はできるだけシンプルにしておくと、人物との区別がつきやすくなります。
細かい柄や動くもの（テレビ画面やカーテンなど）があると、誤認識の原因になります。
単色の壁やカーテンなど、落ち着いた背景にしておくと安定します。

■ カメラの位置

カメラは目線の高さに合わせて設置するのが基本です。
上や下からの角度が強すぎると、顔や体の形が歪んで認識されやすくなります。
顔からの距離は50〜80cm程度を目安にすると、表情と上半身の動きをバランスよく捉えられます。
全身を映す場合は、少し距離を取りつつ画角とのバランスを調整します。

■ 服装とコントラスト

意外と影響が大きいのが服装です。
背景と同系色の服だと輪郭が曖昧になり、認識が不安定になることがあります。
背景とある程度コントラストが出る色を選ぶと安定します。

■ PCの処理性能

トラッキングはリアルタイムで映像解析を行うため、PCの負荷も無視できません。
フレーム落ちや遅延が出る場合は、解像度やフレームレートを下げる、不要なアプリを閉じるといった対策で改善することがあります。

iPhoneを持っている場合

Face IDに対応したiPhoneが手元にある場合は、顔のトラッキングだけを「iPhone＋iFacialMocap」で行い、Warudoなどと連携する方法もあります。

ウェブカメラによる画像認識とは異なり、iPhoneは赤外線センサーを使って顔の動きを取得するため、表情の細かい変化までしっかり反映できます。
口の動きやまばたきなども安定してトラッキングできるのが特徴です。

一方で、この方法では身体の動きは取得できません。
そのため、顔はiPhone、体の動きはウェブカメラという形で役割を分けて使う構成になります。

この組み合わせにすると、それぞれの得意分野を活かせるため、全体として安定したトラッキングがしやすくなります。
特に表情のクオリティを重視したい場合には有効な方法だと思います。