JP2015220507A - 監視装置、監視方法および監視プログラム - Google Patents

Abstract

【課題】移動対象物の特徴量の抽出漏れの発生を抑制すること。【解決手段】監視装置１００は、複数のカメラＣの少なくともいずれかのカメラＣにより撮影された画像から特徴量の抽出対象候補となる対象人物Ｐを検出して、対象人物Ｐの位置を特定する。監視装置１００は、特定した対象人物Ｐの位置の時系列変化に基づいて、対象人物の移動方向Ｌおよび移動速度Ｖを算出する。監視装置１００は、記憶部１１０を参照して、算出した対象人物Ｐの移動方向Ｌおよび移動速度Ｖに基づいて、対象人物Ｐの抽出可能期間Ｔを算出する。監視装置１００は、検出した対象人物Ｐのうち、算出した抽出可能期間Ｔが相対的に少ない対象人物Ｐを優先して特徴量の抽出対象に決定する。【選択図】図１

Description

本発明は、監視装置、監視方法および監視プログラムに関する。

従来、商業施設や駅構内などの多地点にカメラを配置し、カメラに映った人物の顔、年齢、性別、服装などの特徴量を、画像処理によって抽出するシステムが開発されている。抽出された特徴量は、撮影された画像データや撮影時刻と関連付けて記録しておくことで、人物検索システムなどに利用することができる。

人物検索システムの応用例としては、犯罪者、迷子、行方不明者の捜索などが挙げられる。このような利用を想定すると、蓄積された人物の特徴情報を直ぐにでも利用できたほうが望ましいため、撮影された画像データから人物の特徴量をリアルタイムに抽出し、蓄積できることが求められる。また、カメラに映った全ての人物から漏れなく特徴量を抽出することが理想的である。

先行技術としては、例えば、複数のプリセット位置を予め登録し、侵入物体の位置を検知する複数のセンサから出力された位置座標に基づき侵入物体の移動予測を行い、侵入物体の移動方向から顔の向きを算出し、前もってカメラの視野角を変更する技術がある。また、天井面に配置される、ある撮像装置の撮影画像に基づき撮影領域内の通路に設定された境界を人物が通過したことが検出されると、他の撮像装置が、人物が境界を通過したことを示す通過信号に応答して、通過人物の静止画像を撮影する技術がある。

また、移動体の速度、方向、予測した動線より、移動体が撮影範囲外に出てしまう時間を予想し、撮影範囲外に出てしまう時間が早い移動体から優先順位を付け、優先順位の高い移動体から、ズームアップ撮影を行うカメラ装置がある。また、あるカメラが撮影した画像データから移動体の外見上の特徴情報を抽出し、移動体がどの側面から撮影されたかを示す側面情報と特徴情報とを組み合わせた移動体情報を、移動体が移動する方向に位置する他のカメラに送信する技術がある。

特開２０１０−１２４０２３号公報 特開２００５−０６４６７５号公報 特開２００６−３３２８８１号公報 特開２００７−０４９２７８号公報

しかしながら、従来技術によれば、カメラに映る人物が多くなると、人物の特徴量を抽出するための画像処理にかかる処理時間が増大して、撮影された画像データから特徴量をリアルタイムに抽出することが困難となり、人物の特徴量の抽出漏れが発生してしまう。

一つの側面では、本発明は、移動対象物の特徴量の抽出漏れの発生を抑制する監視装置、監視方法および監視プログラムを提供することを目的とする。

本発明の一側面によれば、複数のカメラの少なくともいずれかのカメラにより撮影された画像から特徴量の抽出対象候補となる移動対象物を検出して、前記移動対象物の位置を特定し、特定した前記移動対象物の位置の時系列変化に基づいて、前記移動対象物の移動方向および移動速度を算出し、前記複数のカメラそれぞれの撮影範囲に関する情報を記憶する記憶部を参照して、算出した前記移動対象物の移動方向および移動速度に基づいて、前記移動対象物の特徴量を抽出可能な抽出可能期間を算出し、検出した前記移動対象物のうち、算出した前記抽出可能期間が相対的に少ない移動対象物を優先して特徴量の抽出対象に決定する監視装置、監視方法および監視プログラムが提案される。

本発明の一態様によれば、移動対象物の特徴量の抽出漏れの発生を抑制することができるという効果を奏する。

図１は、実施の形態にかかる監視方法の一実施例を示す説明図である。 図２は、監視システム２００のシステム構成例を示す説明図である。 図３は、監視装置１００のハードウェア構成例を示すブロック図である。 図４は、対象人物情報ＤＢ２２０の記憶内容の一例を示す説明図である。 図５は、カメラ情報ＤＢ２３０の記憶内容の一例を示す説明図である。 図６は、カメラＣｉの特徴抽出可能距離の具体例を示す説明図である。 図７は、監視装置１００の機能的構成例を示すブロック図である。 図８は、対象人物Ｐの検出例を示す説明図である。 図９は、抽出可能期間テーブル９００の記憶内容の一例を示す説明図である。 図１０は、カメラＣ１に映る対象人物Ｐ１の位置の具体例を示す説明図である。 図１１は、移動先カメラＣｉの特徴抽出可能距離ｄｉの具体例を示す説明図である。 図１２は、監視装置１００の監視処理手順の一例を示すフローチャート（その１）である。 図１３は、監視装置１００の監視処理手順の一例を示すフローチャート（その２）である。 図１４は、画像選定処理の具体的処理手順の一例を示すフローチャートである。 図１５は、照度判定処理の具体的処理手順の一例を示すフローチャートである。 図１６は、逆光状態判定処理の具体的処理手順の一例を示すフローチャートである。 図１７は、人物検出処理の具体的処理手順の一例を示すフローチャートである。 図１８は、方向／速度算出処理の具体的処理手順の一例を示すフローチャートである。 図１９は、特徴抽出可能期間算出処理の具体的処理手順の一例を示すフローチャートである。 図２０は、特徴抽出対象決定処理の具体的処理手順の一例を示すフローチャートである。

以下に図面を参照して、本発明にかかる監視装置、監視方法および監視プログラムの実施の形態を詳細に説明する。

（監視方法の一実施例）
図１は、実施の形態にかかる監視方法の一実施例を示す説明図である。図１において、監視装置１００は、カメラＣ（例えば、カメラ１０１〜１０３）により撮影される動画像のうちのいずれかの画像から検出した移動対象物のうち、特徴量の抽出対象となる移動対象物を決定するコンピュータである。

カメラＣは、移動対象物を撮影する撮影装置である。カメラＣは、例えば、監視エリア内の多地点に配置される。監視エリアは、例えば、商業施設、駅構内、市街地、高速道路などである。カメラＣは、監視装置１００と接続され、所定の時間間隔（例えば、１／３０［秒］）で撮影した一連の画像を動画像として監視装置１００に出力する。

移動対象物は、移動する物体であり、例えば、人物、車両、犬や猫などの動物である。特徴量とは、カメラＣにより撮影される画像を画像処理して得られる、移動対象物を特徴付ける情報である。画像は、例えば、カメラＣにより撮影される動画像を形成する１フレーム分の画像データである。

例えば、移動対象物を「人物」とすると、特徴量は、人物の顔画像、身長、年齢、性別、服装などである。また、移動対象物を「車両」とすると、特徴量は、車体画像、車種、車体の色、ナンバープレートに記された車両の登録地や番号などを示す文字列である。また、移動対象物を「動物」とすると、特徴量は、動物の顔画像、体長、品種などである。

以下の説明では、移動対象物として「人物」を例に挙げて説明する。

ここで、商業施設や駅構内などの歩行者の多い監視エリアでは、多地点に配置されるカメラＣに映る人物が多くなり、人物の特徴量を抽出するための画像処理にかかる処理時間が爆発的に増加する場合がある。一方で、コンピュータでリアルタイムに処理できる処理量には限りがある。

このため、カメラＣにより次々と撮影される画像から特徴量を抽出するための画像処理が追いつかず、カメラＣに映る全ての人物の特徴量をリアルタイムに抽出することができない場合がある。したがって、カメラＣに映る人物のうち、どの人物の特徴量を優先して抽出すべきであるかという取捨選択が重要となる。

ところが、特徴量を優先して抽出すべき人物の選択を適切に行わないと、特徴量を抽出する機会を失ってしまう人物が出てきてしまう。例えば、図１に示すように、ある時刻ｔ１に、場所Ａに設置されたカメラ１０１に人物Ｐ１が映っており、場所Ｂに設置されたカメラ１０３に人物Ｐ２が映っているとする。

ここで、時刻ｔ１に特徴量を抽出する人物を、人物Ｐ１，Ｐ２のいずれにするか選択する場合を想定する。ただし、人物Ｐ１は、時刻ｔ１以降に、矢印Ｌ１で示す移動方向に移動して、時刻ｔ２において、カメラ１０２でも映る場合を想定する。一方、人物Ｐ２は、時刻ｔ１以降は、カメラ１０１〜１０３のいずれにも映らない場合を想定する。

例えば、時刻ｔ１に人物Ｐ２の特徴量を抽出すると選択した場合、時刻ｔ１に人物Ｐ１の特徴量は抽出できないが、時刻ｔ２にカメラ１０２に人物Ｐ１が映る。このため、人物Ｐ１の特徴量は、時刻ｔ２にカメラ１０２により撮影される画像から抽出することができる。

一方、時刻ｔ１に人物Ｐ１の特徴量を抽出すると選択した場合、時刻ｔ１に人物Ｐ２の特徴量を抽出できない。また、人物Ｐ２は時刻ｔ１以降いずれのカメラＣにも映らない。このため、時刻ｔ１に人物Ｐ２の特徴量を抽出できなければ、人物Ｐ２の特徴量の抽出漏れが発生してしまうことになる。

そこで、本実施の形態では、監視エリアにおいて今後特徴量を抽出する機会が少ない人物を優先して特徴量の抽出対象に決定することで、人物の特徴量の抽出漏れの発生を抑制する監視方法について説明する。以下、監視装置１００の監視処理例について説明する。

（１）監視装置１００は、複数のカメラＣの少なくともいずれかのカメラＣにより撮影された画像から特徴量の抽出対象候補となる人物を検出して、人物の位置を特定する。例えば、監視装置１００は、背景差分法を用いて、カメラＣにより撮影された画像から人物領域を抽出することにより、人物を検出することにしてもよい。

ここで、背景差分法とは、事前に用意した背景画像と、観測画像（カメラＣによって撮影された画像）とを比較して、事前に用意した背景画像に存在しない物体を抽出するものである。具体的には、例えば、監視装置１００は、事前に用意した背景画像とカメラＣにより撮影された画像との差分をとり、差分が大きい領域を人物領域として抽出する。

人物の位置は、例えば、画像座標系における座標で表現される。具体的には、例えば、人物の位置は、画像上の人物領域を囲う外接矩形領域の中心座標でもよく、また、人物領域を囲う外接矩形領域の上端または下端の中心座標でもよい。特定された人物の位置は、後述の図３に示すメモリ３０２やディスク３０５などの記憶装置に履歴情報として記録される。

以下の説明では、カメラＣにより撮影された画像から検出された特徴量の抽出対象候補となる人物を「対象人物Ｐ」と表記する場合がある。

図１の例では、監視装置１００は、カメラ１０１により撮影された画像から特徴量の抽出対象候補となる対象人物Ｐ１を検出し、対象人物Ｐ１の位置を特定する。また、監視装置１００は、カメラ１０３により撮影された画像から特徴量の抽出対象候補となる対象人物Ｐ２を検出し、対象人物Ｐ２の位置を特定する。

ただし、カメラＣにより撮影される画像の中には、人物の特徴量の抽出に適さない画像が含まれている場合がある。例えば、照度が不十分な状態で撮影された画像や逆光状態で撮影された画像は、人物の特徴量の抽出に適していない。このため、監視装置１００は、人物の特徴量の抽出に適さない画像を処理対象から除外することにしてもよい。

（２）監視装置１００は、特定した対象人物Ｐの位置の時系列変化に基づいて、対象人物の移動方向Ｌおよび移動速度Ｖを算出する。ここで、対象人物Ｐの位置の時系列変化とは、時間の経過にしたがって変化する対象人物Ｐの位置である。対象人物Ｐの位置の時系列変化は、例えば、記録された対象人物Ｐの位置の履歴情報から特定される。

一例として、カメラ１０１により撮影される動画像のうち、現フレームの画像上での対象人物Ｐ１の位置ｃ１と、直前フレームの画像上での対象人物Ｐ１の位置ｃ２が、対象人物Ｐ１の位置の履歴情報として記録されているとする。

この場合、監視装置１００は、対象人物Ｐ１の位置ｃ１，ｃ２を画像座標系から空間座標系に変換し、変換後の位置ｃ２から位置ｃ１に向かうベクトルの方向を、対象人物Ｐ１の移動方向Ｌ１として算出する。また、監視装置１００は、変換後の位置ｃ１と位置ｃ２との距離を、フレーム間の時間間隔（例えば、１／３０［秒］）で除算することにより、対象人物Ｐ１の移動速度Ｖ１を算出する。

対象人物Ｐ２についても同様に、監視装置１００は、対象人物Ｐ２の位置の履歴情報に基づいて、対象人物Ｐ２の移動方向Ｌ２および移動速度Ｖ２を算出する。

（３）監視装置１００は、記憶部１１０を参照して、算出した対象人物Ｐの移動方向Ｌおよび移動速度Ｖに基づいて、対象人物Ｐの抽出可能期間Ｔを算出する。ここで、記憶部１１０は、複数のカメラＣのそれぞれの撮影範囲に関する情報を記憶する。撮影範囲は、カメラＣにより撮影される範囲である。

より具体的には、例えば、記憶部１１０は、監視エリアに設置された各カメラＣの撮影範囲のうち抽出可能範囲ｄを特定する情報を記憶することにしてもよい。抽出可能範囲ｄは、カメラＣの撮影範囲のうち人物の特徴量を抽出可能な範囲である。各カメラＣの抽出可能範囲ｄは、予め任意に設定可能である。

特徴量の種類によっては、カメラＣに対象人物Ｐの一部が映っていれば抽出できるものもあれば、対象人物Ｐの全体が映っていないと抽出できないものもある。また、カメラＣの周辺にある物（例えば、看板、壁、屋根など）が妨げとなって、カメラＣの撮影範囲であっても人物が映り込まない範囲が存在することがある。

このため、各カメラＣの抽出可能範囲ｄは、特徴量の種類やカメラＣの設置状況などを考慮して適宜設定される。各カメラＣの抽出可能範囲ｄは、例えば、人物の特徴量を抽出可能な距離によって表現される（単位は、例えば、［ｍ（メートル）］）。また、各カメラＣの撮影範囲全体を、各カメラＣの抽出可能範囲ｄとして設定することにしてもよい。

抽出可能期間Ｔは、監視エリアにおいて、対象人物Ｐの特徴量を抽出可能な残りの予測期間である。抽出可能期間Ｔが長いほど、対象人物Ｐの特徴量を抽出できる機会が多いことを意味する。抽出可能期間Ｔは、例えば、監視エリア内で対象人物Ｐの特徴量を抽出可能な画像を撮影できる、残りのフレーム数、あるいは、残り時間によって表現される。

より詳細に説明すると、記憶部１１０は、例えば、各カメラＣに映る位置から所定方向に移動した場合の経路上に存在する各カメラＣの抽出可能範囲ｄを特定する情報を記憶している。図１の例では、記憶部１１０は、カメラ１０１に映る位置から移動方向Ｌ１に移動した場合の経路上に存在するカメラ１０１，１０２の抽出可能範囲ｄ１，ｄ２を特定する情報を記憶している。

また、記憶部１１０は、カメラ１０３に映る位置から移動方向Ｌ２に移動した場合の経路上に存在するカメラ１０３の抽出可能範囲ｄ３を特定する情報を記憶している。すなわち、監視エリアにおいて、カメラ１０３に映る位置から移動方向Ｌ２に移動した経路上には、カメラ１０３以外のカメラＣは存在しない。

この場合、監視装置１００は、記憶部１１０を参照して、対象人物Ｐ１の位置（空間座標系における位置）から移動方向Ｌ１に移動した場合の経路上に存在するカメラ１０１，１０２を特定する。そして、監視装置１００は、特定したカメラ１０１，１０２の抽出可能範囲ｄ１，ｄ２と、対象人物Ｐ１の移動速度Ｖ１に基づいて、対象人物Ｐ１の抽出可能期間Ｔ１を算出する。

より具体的には、例えば、監視装置１００は、カメラ１０１，１０２の抽出可能範囲ｄ１，ｄ２の合計値を、対象人物Ｐ１の移動速度Ｖ１で除算することにより、対象人物Ｐ１の抽出可能期間Ｔ１を算出する。この場合、対象人物Ｐ１の抽出可能期間Ｔ１は「Ｔ１＝（ｄ１＋ｄ２）／Ｖ１」となる。

同様に、監視装置１００は、記憶部１１０を参照して、対象人物Ｐ２の位置（空間座標系における位置）から移動方向Ｌ２に移動した場合の経路上に存在するカメラ１０３を特定する。そして、監視装置１００は、特定したカメラ１０３の抽出可能範囲ｄ３と、対象人物Ｐ２の移動速度Ｖ２に基づいて、対象人物Ｐ２の抽出可能期間Ｔ２を算出する。

より具体的には、例えば、監視装置１００は、カメラ１０３の抽出可能範囲ｄ３を、対象人物Ｐ２の移動速度Ｖ２で除算することにより、対象人物Ｐ２の抽出可能期間Ｔ２を算出する。この場合、対象人物Ｐ２の抽出可能期間Ｔ２は「Ｔ２＝ｄ３／Ｖ２」となる。ここでは、抽出可能期間Ｔ１，Ｔ２の大小関係は「Ｔ１＞Ｔ２」となる。

（４）監視装置１００は、検出した対象人物Ｐのうち、算出した抽出可能期間Ｔが相対的に少ない対象人物Ｐを優先して特徴量の抽出対象に決定する。図１の例では、監視装置１００は、検出した対象人物Ｐ１，Ｐ２のうち、抽出可能期間Ｔ２が抽出可能期間Ｔ１よりも少ない対象人物Ｐ２を優先して特徴量の抽出対象に決定する。

このように、監視装置１００によれば、特徴量の抽出対象候補となる対象人物Ｐが、今後どの方向にどれくらいの速度で移動するかを予測して、対象人物Ｐの特徴量を抽出可能な抽出可能期間Ｔを算出することができる。これにより、監視エリアにおいて対象人物Ｐの特徴量を抽出可能な機会がどれくらい残されているのかを定量的に評価することが可能となる。

また、監視装置１００によれば、検出した対象人物Ｐのうち、算出した抽出可能期間Ｔが相対的に少ない対象人物Ｐを優先して特徴量の抽出対象に決定することができる。これにより、今後特徴量を抽出可能な機会が少ない対象人物Ｐの特徴量を優先して抽出することが可能となり、対象人物Ｐの特徴量の抽出漏れの発生を抑制することができる。

なお、監視装置１００により抽出対象に決定された対象人物Ｐについての特徴量の抽出処理は、例えば、監視装置１００において実行されてもよく、また、監視装置１００に接続された他のコンピュータで実行されてもよい。

（監視システム２００のシステム構成例）
つぎに、実施の形態にかかる監視システム２００のシステム構成例について説明する。監視システム２００は、例えば、犯罪者、迷子、行方不明者などの捜索に利用される人物検索システムに適用される。

図２は、監視システム２００のシステム構成例を示す説明図である。図２において、監視システム２００は、監視装置１００と、カメラＣ１〜Ｃｎと、を含む構成である（ｎは、２以上の自然数）。監視システム２００において、監視装置１００とカメラＣ１〜Ｃｎは、有線または無線のネットワーク２１０を介して接続される。ネットワーク２１０は、例えば、ＬＡＮ（Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ）、ＷＡＮ（Ｗｉｄｅ Ａｒｅａ Ｎｅｔｗｏｒｋ）、インターネットなどである。

ここで、監視装置１００は、対象人物情報ＤＢ（データベース）２２０およびカメラ情報ＤＢ２３０を有し、各カメラＣ１〜Ｃｎにより撮影される画像から検出した対象人物Ｐのうち、特徴量の抽出対象となる対象人物Ｐを決定する。監視装置１００は、例えば、サーバである。各種ＤＢ等２２０，２３０の記憶内容については、図４および図５を用いて後述する。

カメラＣ１〜Ｃｎは、監視エリア内の多地点に配置され、人物を撮影する撮影装置である。カメラＣ１〜Ｃｎは、時間間隔ＩＮＶで撮影した一連の画像を動画像として監視装置１００に出力する。時間間隔ＩＮＶは、例えば、１／３０［秒］である。カメラＣ１〜Ｃｎは、例えば、単眼カメラであってもステレオカメラ（二眼カメラ）であってもよい。また、図１に示したカメラ１０１〜１０３は、例えば、カメラＣ１〜Ｃｎに対応する。

以下の説明では、カメラＣ１〜Ｃｎのうちのいずれかのカメラを「カメラＣｉ」と表記する場合がある（ｉ＝１，２，…，ｎ）。

（監視装置１００のハードウェア構成例）
図３は、監視装置１００のハードウェア構成例を示すブロック図である。図３において、監視装置１００は、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）３０１と、メモリ３０２と、Ｉ／Ｆ（Ｉｎｔｅｒｆａｃｅ）３０３と、ディスクドライブ３０４と、ディスク３０５と、を有する。また、各構成部は、バス３００によってそれぞれ接続される。

ここで、ＣＰＵ３０１は、監視装置１００の全体の制御を司る。メモリ３０２は、例えば、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）およびフラッシュＲＯＭなどを有する。具体的には、例えば、フラッシュＲＯＭやＲＯＭが各種プログラムを記憶し、ＲＡＭがＣＰＵ３０１のワークエリアとして使用される。メモリ３０２に記憶されるプログラムは、ＣＰＵ３０１にロードされることで、コーディングされている処理をＣＰＵ３０１に実行させる。

Ｉ／Ｆ３０３は、通信回線を通じてネットワーク２１０に接続され、ネットワーク２１０を介して他のコンピュータ（例えば、図２に示したカメラＣ１〜Ｃｎ）に接続される。そして、Ｉ／Ｆ３０３は、ネットワーク２１０と内部のインターフェースを司り、他のコンピュータからのデータの入出力を制御する。Ｉ／Ｆ３０３には、例えば、モデムやＬＡＮアダプタなどを採用することができる。

ディスクドライブ３０４は、ＣＰＵ３０１の制御に従ってディスク３０５に対するデータのリード／ライトを制御する。ディスク３０５は、ディスクドライブ３０４の制御で書き込まれたデータを記憶する。ディスク３０５としては、例えば、磁気ディスク、光ディスクなどが挙げられる。

なお、監視装置１００は、上述した構成部のほか、例えば、ＳＳＤ（Ｓｏｌｉｄ Ｓｔａｔｅ Ｄｒｉｖｅ）、キーボード、マウス、ディスプレイなどを有することにしてもよい。

（対象人物情報ＤＢ２２０の記憶内容）
つぎに、図２に示した対象人物情報ＤＢ２２０の記憶内容について説明する。対象人物情報ＤＢ２２０は、例えば、図３に示したメモリ３０２やディスク３０５などの記憶装置により実現される。

図４は、対象人物情報ＤＢ２２０の記憶内容の一例を示す説明図である。図４において、対象人物情報ＤＢ２２０は、直前フレームの対象人物情報（例えば、対象人物情報４１０−１，４１０−２）と現フレームの対象人物情報（例えば、対象人物情報４２０−１，４２０−２）とを記憶する。具体的には、対象人物情報ＤＢ２２０は、人物ＩＤ、検出カメラＩＤ、色ヒストグラム、人物位置、移動方向および移動速度のフィールドを有し、各フィールドに情報を設定することで、直前フレームおよび現フレームの対象人物情報をレコードとして記憶する。

ここで、人物ＩＤは、対象人物Ｐを識別する識別子である。検出カメラＩＤは、対象人物Ｐが検出されたカメラＣｉを識別する識別子である。色ヒストグラムは、カメラＣｉにより撮影された画像から抽出される対象人物Ｐの人物領域の中に、どの色成分（例えば、ＲＧＢやＨＳＶ）が何画素含まれているかを示すヒストグラムである。

人物位置は、カメラＣｉにより撮影された画像上での対象人物Ｐの位置（画像座標系における位置）である。移動方向は、対象人物Ｐの移動方向Ｌである。ここでは、移動方向は、東西南北などの方角によって表現される。移動速度は、対象人物Ｐの移動速度Ｖである。ここでは、移動速度は、［ｍ（メートル）／ｆｒａｍｅ（フレーム）］の単位によって表現される。

図示は省略するが、対象人物情報ＤＢ２２０には、例えば、人物ＩＤと対応付けて、対象人物Ｐの人物領域の画像データが記憶される。人物領域の画像データは、例えば、対象人物Ｐの特徴量を抽出する特徴抽出処理に利用される。

なお、上述した説明では、対象人物情報ＤＢ２２０は、直前フレームの対象人物情報と現フレームの対象人物情報とを記憶する場合を例に挙げて説明したが、これに限らない。例えば、対象人物情報ＤＢ２２０は、過去数フレーム分の対象人物情報を記憶することにしてもよい。

（カメラ情報ＤＢ２３０の記憶内容）
つぎに、図２に示したカメラ情報ＤＢ２３０の記憶内容について説明する。カメラ情報ＤＢ２３０は、例えば、図３に示したメモリ３０２やディスク３０５などの記憶装置により実現される。また、図１に示した記憶部１１０は、例えば、カメラ情報ＤＢ２３０に対応する。

図５は、カメラ情報ＤＢ２３０の記憶内容の一例を示す説明図である。図５において、カメラ情報ＤＢ２３０は、カメラＩＤ、移動方向、移動先カメラＩＤおよび特徴抽出可能距離のフィールドを有し、各フィールドに情報を設定することで、カメラ情報（例えば、カメラ情報５００−１〜５００−３）をレコードとして記憶する。

ここで、カメラＩＤは、カメラＣｉを識別する識別子である。移動方向は、カメラＣｉに映る位置からの移動方向である。移動先カメラＩＤは、カメラＣｉに映る位置から対応する移動方向に移動した場合の経路上に存在するカメラＣｊを識別する識別子である（ｊ≠ｉ、ｊ＝１，２，…，ｎ）。

特徴抽出可能距離は、カメラＣｉの撮影範囲のうち人物の特徴量を抽出可能な抽出可能範囲を特定する情報である。特徴抽出可能距離は、例えば、事前にカメラＣｉにより撮影された画像Ｆｉを用いて人物の特徴量を抽出する特徴抽出処理を実施し、人物の特徴量を抽出できた画像Ｆｉ上の範囲をもとに設定される。特徴抽出可能距離の詳細な説明については、図６を用いて後述する。

カメラ情報５００−１を例に挙げると、カメラＣ１に映る位置から東方向に移動した場合の経路上に存在するカメラＣ１，Ｃ２，Ｃ３，Ｃ４の特徴抽出可能距離をそれぞれ示している。なお、カメラＣ３の特徴抽出可能距離が「０［ｍ］」となっているのは、人物がカメラＣ３の撮影方向と同一方向を向いて移動することになり、人物の正面を撮影できないためである。

（カメラＣｉの特徴抽出可能距離の具体例）
図６は、カメラＣｉの特徴抽出可能距離の具体例を示す説明図である。図６において、画像６００は、カメラＣｉにより撮影される画像Ｆｉである。画像６００において、領域６１０（実線枠）は、カメラＣｉの撮影範囲を示す。また、領域６２０（点線枠）は、カメラＣｉの撮影範囲のうち人物の特徴量を抽出可能な抽出可能範囲である。

この場合、画像座標系における領域６２０の右下の端点６２１（または、左下の端点）と右上の端点６２２（または、左上の端点）との距離を、空間座標系における距離で表した値（図６の例では、８［ｍ］）が、カメラＣｉの特徴抽出可能距離として設定される。すなわち、カメラＣｉの抽出可能範囲を人物が通過する際の最短距離相当が、カメラＣｉの特徴抽出可能距離として設定される。

（監視装置１００の機能的構成例）
図７は、監視装置１００の機能的構成例を示すブロック図である。図７において、監視装置１００は、取得部７０１と、検出部７０２と、方向／速度算出部７０３と、期間算出部７０４と、決定部７０５と、特徴抽出部７０６と、出力部７０７と、を含む構成である。取得部７０１〜出力部７０７は制御部となる機能であり、具体的には、例えば、図３に示したメモリ３０２、ディスク３０５などの記憶装置に記憶された監視プログラムをＣＰＵ３０１に実行させることにより、または、Ｉ／Ｆ３０３により、その機能を実現する。各機能部の処理結果は、例えば、メモリ３０２、ディスク３０５などの記憶装置に記憶される。

取得部７０１は、カメラＣｉにより撮影された画像Ｆｉを取得する。ここで、画像Ｆｉは、カメラＣｉにより撮影される動画像のうちの１フレーム分の画像データである。具体的には、例えば、取得部７０１は、カメラＣ１〜Ｃｎにより時間間隔ＩＮＶでそれぞれ撮影される画像Ｆ１〜Ｆｎを、カメラＣ１〜Ｃｎからそれぞれ取得する。

検出部７０２は、カメラＣｉにより撮影された画像Ｆｉから特徴量の抽出対象候補となる対象人物Ｐを検出して、対象人物Ｐの位置を特定する。具体的には、例えば、検出部７０２は、背景差分法を用いて、カメラＣｉにより撮影された画像Ｆｉから人物領域を抽出することにより、対象人物Ｐを検出する。

ここで、図８を用いて、対象人物Ｐの検出例について説明する。

図８は、対象人物Ｐの検出例を示す説明図である。図８において、画像８００は、カメラＣｉにより撮影された画像Ｆｉである。検出部７０２は、事前に用意した背景画像とカメラＣｉにより撮影された画像８００との差分をとり、差分が大きい領域を人物領域として抽出する。

図８の例では、画像８００から人物領域８０１〜８０４が抽出される。一例として、人物領域８０１を例に挙げると、検出部７０２は、画像８００上の人物領域８０１を囲う外接矩形領域８１０の下端の中心座標８１１を、人物領域８０１に対応する対象人物Ｐの位置として特定する。

また、検出部７０２は、人物領域８０１の色ヒストグラムを作成する。色ヒストグラムは、例えば、ＲＧＢ色空間のＲＧＢそれぞれを１６分割した１６×１６×１６ビンのヒストグラムや、ＨＳＶ色空間のＨｕｅ（色相）とＳａｔｕｒａｔｉｏｎ（彩度）のそれぞれを６４分割した６４×６４ビンのヒストグラムなどである。

具体的には、例えば、検出部７０２は、人物領域８０１の画素情報に基づいて、ＲＧＢ色空間のＲＧＢそれぞれを１６分割した１６×１６×１６ビンの色ヒストグラムを作成する。また、例えば、検出部７０２は、人物領域８０１の画素情報に基づいて、ＨＳＶ色空間の色相と彩度のそれぞれを６４分割した６４×６４ビンの色ヒストグラムを作成することにしてもよい。

また、検出部７０２は、人物領域８０１〜８０４ごとに人物ＩＤを付与し、人物ＩＤ、検出カメラＩＤ、色ヒストグラムおよび対象人物Ｐの位置（人物位置）を対応付けて、対象人物情報ＤＢ２２０に記録する。これにより、新たな対象人物情報が対象人物情報ＤＢ２２０に新規登録される。この時点では、対象人物情報の移動方向および移動速度は未設定である。

なお、画像Ｆｉで複数の人物領域が重なっている場合には、検出部７０２は、例えば、カメラＣｉから人物までの距離情報をもとに、人物領域を分離することにしてもよい。カメラＣｉから人物までの距離情報は、例えば、カメラＣｉとしてステレオカメラ（二眼カメラ）を利用することで、カメラＣｉから得ることができる。

また、対象人物情報ＤＢ２２０には、上述したように、直前フレームの対象人物情報と現フレームの対象人物情報とが記憶される。このため、次フレームの画像Ｆｉが取得されると、現フレームの対象人物情報が直前フレームの対象人物情報となり、次フレームの対象人物情報が現フレームの対象人物情報となる。

図７の説明に戻り、検出部７０２は、カメラＣ１〜Ｃｎのうち逆光状態ではないカメラＣｉにより撮影された画像Ｆｉから特徴量の抽出候補となる対象人物Ｐを検出することにしてもよい。ここで、逆光状態で人物を撮影すると人物領域は全体的に暗くなる。すなわち、人物領域の中に輝度の高い画素が含まれない場合は、カメラＣｉが逆光状態であると判断できる。

このため、検出部７０２は、例えば、カメラＣｉにより撮影された画像Ｆｉの背景領域外の画素群のうち輝度値が閾値以上の画素の割合に基づいて、カメラＣｉが逆光状態であるか否かを判定することにしてもよい。なお、カメラＣｉの逆光状態を判定する具体的な処理手順については、図１６のフローチャートを用いて後述する。

また、検出部７０２は、カメラＣ１〜Ｃｎのうち撮影範囲の照度が十分であると判定したカメラＣｉにより撮影された画像Ｆｉから特徴量の抽出候補となる対象人物Ｐを検出することにしてもよい。ここで、照度とは、光に照らされている面（撮影範囲）の明るさの度合いである。

具体的には、例えば、検出部７０２は、カメラＣｉにより撮影された画像Ｆｉの背景領域の画素の平均輝度値に基づいて、カメラＣｉの撮影範囲の照度が十分であるか否かを判定することにしてもよい。なお、カメラＣｉの撮影範囲の照度を判定する具体的な処理手順については、図１５のフローチャートを用いて後述する。

方向／速度算出部７０３は、特定した対象人物Ｐの位置の時系列変化に基づいて、対象人物Ｐの移動方向Ｌおよび移動速度Ｖを算出する。具体的には、例えば、まず、方向／速度算出部７０３は、対象人物情報ＤＢ２２０の現フレームの対象人物情報の色ヒストグラムと直前フレームの対象人物情報の色ヒストグラムとを比較して、対象人物Ｐの対応付けを行う。

なお、比較対象とする色ヒストグラムは、例えば、同一のカメラＣｉにより撮影された現フレームの画像Ｆｉおよび直前フレームの画像Ｆｉのそれぞれに基づく対象人物情報の色ヒストグラムとする。

より詳細に説明すると、例えば、方向／速度算出部７０３は、現フレームの対象人物情報の色ヒストグラムと直前フレームの対象人物情報の色ヒストグラムとの類似度を算出する。色ヒストグラムの類似度としては、例えば、Ｂｈａｔｔａｃｈａｒｙｙａ（バタチャリア）係数を利用することができる。

この場合、方向／速度算出部７０３は、例えば、下記式（１）を用いて、ビン数がｎである色ヒストグラムｈ_Aと色ヒストグラムｈ_BのＢｈａｔｔａｃｈａｒｙｙａ係数Ｂを求めることができる。ただし、色ヒストグラムは、全体を画素数で除算することで正規化済みとする。Ｂｈａｔｔａｃｈａｒｙｙａ係数Ｂが高いほど、色ヒストグラムｈ_Aと色ヒストグラムｈ_Bの類似度が高いことを表す。

方向／速度算出部７０３は、直前フレームの対象人物情報の色ヒストグラムのうち、現フレームの対象人物情報の色ヒストグラムとの類似度（Ｂｈａｔｔａｃｈａｒｙｙａ係数Ｂ）が最大となる色ヒストグラムを特定する。そして、方向／速度算出部７０３は、現フレームの対象人物情報と、特定した類似度が最大の色ヒストグラムを含む直前フレームの対象人物情報とを対応付ける。

この際、現フレームの対象人物情報の人物ＩＤを、対応する直前フレームの対象人物情報の人物ＩＤに書き換える。これにより、現フレーム／直前フレーム間で対象人物Ｐの対応付けを行うことができる。

ただし、最大の類似度が、予め設定された閾値以下であれば、方向／速度算出部７０３は、現フレームの対象人物情報と直前フレームの対象人物情報との対応付けを行わないことにしてもよい。すなわち、最大の類似度が閾値以下であれば、現フレームの画像Ｆｉに映る対象人物Ｐは全て新規に出現した人物として扱う。

さらに、方向／速度算出部７０３は、直前フレームの対象人物情報のうち、現フレームの対象人物情報の人物位置との距離が近い対象人物情報ほど、色ヒストグラムの類似度が高くなるように重み付けすることにしてもよい。

また、方向／速度算出部７０３は、直前フレームの対象人物情報のうち、現フレームの対象人物情報の人物位置との距離が最小かつ閾値以下となる人物位置を含む対象人物情報を、現フレームの対象人物情報と対応付けることにしてもよい。すなわち、方向／速度算出部７０３は、フレーム間での人物位置の距離が最小かつ閾値以下となる対象人物Ｐ同士を対応付けることにしてもよい。

つぎに、方向／速度算出部７０３は、フレーム間で対応する対象人物情報の人物位置の時系列変化に基づいて、対象人物Ｐの移動方向および移動速度を算出する。具体的には、例えば、下記式（２）および（３）を用いて、フレーム間で対応する対象人物情報の人物位置を画像座標系から空間座標系に変換する。

ただし、（ｕ，ｖ）は、画像座標系における人物位置の座標位置である。また、（Ｘｗ，Ｙｗ，Ｚｗ）は、空間座標系における人物位置の座標位置である。また、ｐ_nmは、カメラＣｉの設置位置や歪み係数などを考慮して、事前にカメラキャリブレーションにより求めた係数である（ｎ＝１，２，３、ｍ＝１，２，３，４）。また、Ｙｗは「Ｙｗ＝０」とする。また、ここでは、カメラＣｉが単眼カメラである場合を想定する。

ここで、空間座標系における現フレームの人物位置を「人物位置ｃ１」とし、直前フレームの人物位置を「人物位置ｃ２」とする。この場合、方向／速度算出部７０３は、人物位置ｃ２から人物位置ｃ１に向かうベクトルの方向を、対象人物Ｐの移動方向Ｌとして算出する。移動方向Ｌは、例えば、東西南北の方角によって表現される。

また、方向／速度算出部７０３は、人物位置ｃ１と人物位置ｃ２との距離を、フレーム間の時間間隔ＩＮＶ（例えば、１／３０［秒］）で除算することにより、対象人物Ｐの移動速度Ｖを算出する。すなわち、移動速度Ｖは、対象人物Ｐが１フレームごとに進む距離を表す（単位：［ｍ／ｆｒａｍｅ］）。

算出された対象人物Ｐの移動方向Ｌおよび移動速度Ｖは、対象人物情報ＤＢ２２０内の対応する現フレームの対象人物情報に設定される。

期間算出部７０４は、カメラ情報ＤＢ２３０を参照して、算出された対象人物Ｐの移動方向Ｌおよび移動速度Ｖに基づいて、対象人物Ｐの特徴量を抽出可能な抽出可能期間Ｔを算出する。具体的には、例えば、まず、期間算出部７０４は、カメラ情報ＤＢ２３０を参照して、対象人物Ｐの位置から、対象人物Ｐの移動方向Ｌに移動した場合の経路上に存在する移動先カメラＣを特定する。

そして、期間算出部７０４は、特定した移動先カメラＣの特徴抽出可能距離ｄと、対象人物Ｐの移動速度Ｖとに基づいて、対象人物Ｐの抽出可能期間Ｔを算出する。より具体的には、例えば、期間算出部７０４は、特定した移動先カメラＣの特徴抽出可能距離ｄの合計値Ｄを算出し、算出した合計値Ｄを対象人物Ｐの移動速度Ｖで除算することにより、対象人物Ｐの抽出可能期間Ｔを算出する。

また、期間算出部７０４は、特定した移動先カメラＣのうち逆光状態ではないカメラＣｉの特徴抽出可能距離ｄｉと、対象人物Ｐの移動速度Ｖとに基づいて、対象人物Ｐの抽出可能期間Ｔを算出することにしてもよい。これにより、移動先カメラＣのうち逆光状態にあるカメラを除外して、対象人物Ｐの抽出可能期間Ｔを算出することができる。

また、期間算出部７０４は、特定した移動先カメラＣのうち撮影範囲の照度が十分であると判定したカメラＣｉの特徴抽出可能距離ｄｉと、対象人物Ｐの移動速度Ｖとに基づいて、対象人物Ｐの抽出可能期間Ｔを算出することにしてもよい。これにより、移動先カメラＣのうち撮影範囲の照度が不十分なカメラを除外して、対象人物Ｐの抽出可能期間Ｔを算出することができる。

また、期間算出部７０４は、特定した移動先カメラＣのうち現フレームの画像Ｆｉに対象人物Ｐが映っているカメラＣｉの特徴抽出可能距離ｄｉとして、特徴抽出可能距離ｄｉから距離ｍｄを引いた値を用いることにしてもよい。ここで、現フレームの画像Ｆｉに対象人物Ｐが映っているカメラＣｉとは、対象人物Ｐの検出元となる画像を撮影したカメラである。

また、距離ｍｄとは、カメラＣｉの特徴抽出可能距離ｄｉのうち対象人物Ｐが既に移動した距離である。これにより、対象人物Ｐが映っているカメラＣｉの特徴抽出可能距離ｄｉから対象人物Ｐが既に移動した距離ｍｄを除外して、対象人物Ｐの抽出可能期間Ｔを算出することができる。

なお、対象人物Ｐの抽出可能期間Ｔの算出例については、図１０および図１１を用いて後述する。また、算出された対象人物Ｐの抽出可能期間Ｔは、例えば、図９に示す抽出可能期間テーブル９００に記憶される。ここで、抽出可能期間テーブル９００の記憶内容について説明する。

図９は、抽出可能期間テーブル９００の記憶内容の一例を示す説明図である。図９において、抽出可能期間テーブル９００は、人物ＩＤおよび抽出可能期間のフィールドを有し、各フィールドに情報を設定することで、抽出可能期間情報（例えば、抽出可能期間情報９００−１〜９００−７）をレコードとして記憶する。

ここで、人物ＩＤは、対象人物Ｐを識別する識別子である。抽出可能期間は、対象人物Ｐの抽出可能期間Ｔである。抽出可能期間テーブル９００では、対象人物Ｐの抽出可能期間Ｔが昇順となるように抽出可能期間情報がソートされて記憶されている。抽出可能期間情報９００−１を例に挙げると、対象人物Ｐ１２の抽出可能期間Ｔ１２「Ｔ１２＝２［フレーム］」を示している。

図７の説明に戻り、決定部７０５は、検出された対象人物Ｐのうち、算出された抽出可能期間Ｔが相対的に少ない対象人物Ｐを優先して特徴量の抽出対象に決定する。具体的には、例えば、決定部７０５は、図９に示した抽出可能期間テーブル９００を参照して、抽出可能期間Ｔが少ないほうから所定数Ｍの抽出可能期間情報を選択する。

ここで、所定数Ｍは、任意に設定される値である。例えば、所定数Ｍは、カメラＣｉにより撮影される画像Ｆｉから人物の特徴量をリアルタイムに抽出できるように、人物の特徴量を抽出する特徴抽出処理を実行するコンピュータ（例えば、監視装置１００）の処理能力や特徴抽出処理の処理内容に応じて適宜設定される。より具体的には、例えば、所定数Ｍは、抽出対象となる全ての対象人物Ｐの特徴量を抽出する特徴抽出処理にかかる処理時間が、予め規定された処理時間（例えば、時間間隔ＩＮＶ）を超えないように設定される。

そして、決定部７０５は、選択した抽出可能期間情報の人物ＩＤから識別される対象人物Ｐを、現フレームにおいて特徴量を抽出する抽出対象に決定する。一例として、所定数Ｍを「Ｍ＝５」とすると、決定部７０５は、抽出可能期間テーブル９００を参照して、対象人物Ｐ１２，Ｐ５，Ｐ８，Ｐ１１，Ｐ９を抽出対象に決定する。なお、特徴量を抽出済みの対象人物Ｐについては、特徴量の抽出対象候補から除外することにしてよい。

特徴抽出部７０６は、抽出対象に決定された対象人物Ｐの特徴量を抽出する。具体的には、例えば、特徴抽出部７０６は、カメラＣｉにより撮影された現フレームの画像Ｆｉ内の対象人物Ｐの人物領域の画像データから、対象人物Ｐの顔画像、身長、年齢、性別、服装などの特徴量を抽出する。

出力部７０７は、抽出された対象人物Ｐの特徴量を出力する。出力部７０７の出力形式としては、例えば、メモリ３０２やディスク３０５などの記憶装置への記憶、Ｉ／Ｆ３０３による外部のコンピュータへの送信、不図示のディスプレイへの表示、不図示のプリンタへの印刷出力などがある。

なお、上述した説明では、特徴抽出部７０６により対象人物Ｐの特徴量を抽出することにしたが、監視装置１００は特徴抽出部７０６を有していなくてもよい。この場合、例えば、出力部７０７は、決定部７０５によって抽出対象に決定された対象人物Ｐの人物領域の画像データを出力することにしてもよい。

（対象人物Ｐの抽出可能期間Ｔの算出例）
つぎに、図１０および図１１を用いて、対象人物Ｐの抽出可能期間Ｔの算出例について説明する。ここでは、図４に示した現フレームの対象人物情報４２０−１を例に挙げて、対象人物Ｐ１の抽出可能期間Ｔ１の算出例について説明する。

図１０は、カメラＣ１に映る対象人物Ｐ１の位置の具体例を示す説明図である。図１０において、画像１０００は、カメラＣ１により撮影された画像Ｆ１である。画像１０００において、領域１０１０（点線枠）は、カメラＣ１の撮影範囲のうち人物の特徴量を抽出可能な抽出可能範囲であり、特徴抽出可能距離ｄ１は「ｄ１＝６［ｍ］」である。

ここで、対象人物Ｐ１は、移動方向Ｌ１（東の方角）に向かって移動している。対象人物Ｐ１の位置１００１（空間座標系）は、領域１０１０を移動方向Ｌ１に沿って２［ｍ］進んだ位置となっている。すなわち、カメラＣ１の特徴抽出可能距離ｄ１のうち対象人物Ｐ１が既に移動した距離ｍｄは、「ｍｄ＝２［ｍ］」である。

この距離ｍｄは、例えば、以下のように特定することができる。

まず、期間算出部７０４は、画像座標系において、対象人物Ｐ１の位置１００１を通り、かつ、領域１０１０の上辺と平行な直線１０２０と、領域１０１０の左辺との交点１００２を特定する。つぎに、期間算出部７０４は、交点１００２の座標位置と領域１０１０の左上の端点１００３の座標位置を空間座標系に変換する。

そして、期間算出部７０４は、空間座標系において、交点１００２と端点１００３との間の距離を算出することにより、領域１０１０内で対象人物Ｐ１が移動方向Ｌ１に沿って既に移動した距離ｍｄを求めることができる。以下、図１１を用いて、図１０に示す対象人物Ｐ１の抽出可能期間Ｔ１の算出例について説明する。

図１１は、移動先カメラＣｉの特徴抽出可能距離ｄｉの具体例を示す説明図である。まず、期間算出部７０４は、現フレームの対象人物情報４２０−１を参照して、対象人物Ｐ１の検出カメラＩＤ「Ｃ１」および移動方向「東」を特定する。つぎに、期間算出部７０４は、特定した検出カメラＩＤ「Ｃ１」および移動方向「東」を検索キーとして、カメラ情報ＤＢ２３０を参照して、カメラＣ１に映る位置から移動方向「東」に移動した場合の経路上に存在する移動先カメラを特定する。

ここでは、図１１に示すように、移動先カメラＣ１，Ｃ２，Ｃ３，Ｃ４が特定される。移動先カメラＣ１，Ｃ２，Ｃ３，Ｃ４の特徴抽出可能距離ｄ１，ｄ２，ｄ３，ｄ４は、６［ｍ］、８［ｍ］、０［ｍ］、８［ｍ］である。ただし、図１１では、移動先カメラＣ３は、特徴抽出可能距離ｄ３が「０［ｍ］」のため図示を省略する。

また、移動先カメラＣ４は、人物の特徴量の抽出に適さない逆光状態であるカメラであるとする。また、図１０に示したように、対象人物Ｐ１は、カメラＣ１の特徴抽出可能距離ｄ１のうち既に２［ｍ］移動している。このため、カメラＣ１の特徴抽出可能距離ｄ１は、６［ｍ］から２［ｍ］を引いた４［ｍ］とする。

この場合、期間算出部７０４は、移動先カメラＣ１，Ｃ２，Ｃ３の特徴出可能距離ｄ１，ｄ２，ｄ３の合計値Ｄを算出する。ここでは、合計値Ｄは、「Ｄ＝１２［ｍ］」となる。そして、期間算出部７０４は、算出した合計値Ｄを対象人物Ｐ１の移動速度Ｖ１で除算することにより、対象人物Ｐ１の抽出可能期間Ｔ１を算出する。現フレームの対象人物情報４２０−１の例では、対象人物Ｐ１の移動速度Ｖ１は、１．０［ｍ／ｆｒａｍｅ］である。このため、対象人物Ｐ１の抽出可能期間Ｔ１は、１２［ｆｒａｍｅ］となる。

（監視装置１００の監視処理手順）
つぎに、監視装置１００の監視処理手順について説明する。ここでは、ある時刻ｔにおいてカメラＣ１〜Ｃｎにより撮影された画像Ｆ１〜Ｆｎに対して実行される監視処理手順について説明する。この監視処理は、例えば、時間間隔ＩＮＶごとにカメラＣ１〜Ｃｎにより撮影される画像Ｆ１〜Ｆｎが取得される度に実行される。

図１２および図１３は、監視装置１００の監視処理手順の一例を示すフローチャートである。図１２のフローチャートにおいて、まず、監視装置１００は、カメラＣｉの「ｉ」を「ｉ＝１」とし（ステップＳ１２０１）、カメラＣｉにより撮影された画像Ｆｉを読み込む（ステップＳ１２０２）。

つぎに、監視装置１００は、画像Ｆｉに対して画像選定処理を実行する（ステップＳ１２０３）。画像選定処理は、人物の特徴量の抽出に適した処理対象画像を選定するための処理である。画像選定処理の具体的な処理手順については、図１４を用いて後述する。

そして、監視装置１００は、画像Ｆｉが処理対象画像であるか否かを判断する（ステップＳ１２０４）。ここで、画像Ｆｉが処理対象画像でない場合（ステップＳ１２０４：Ｎｏ）、監視装置１００は、ステップＳ１２０６に移行する。

一方、画像Ｆｉが処理対象画像である場合（ステップＳ１２０４：Ｙｅｓ）、監視装置１００は、画像Ｆｉに対して人物検出処理を実行する（ステップＳ１２０５）。人物検出処理は、画像Ｆｉから対象人物Ｐを検出するための処理である。人物検出処理の具体的な処理手順については、図１７を用いて後述する。

つぎに、監視装置１００は、カメラＣｉの「ｉ」をインクリメントして（ステップＳ１２０６）、「ｉ」が「ｎ」より大きいか否かを判断する（ステップＳ１２０７）。ここで、「ｉ」が「ｎ」以下の場合（ステップＳ１２０７：Ｎｏ）、監視装置１００は、ステップＳ１２０２に戻る。

一方、「ｉ」が「ｎ」より大きい場合（ステップＳ１２０７：Ｙｅｓ）、監視装置１００は、図１３に示すステップＳ１３０１に移行する。

図１３のフローチャートにおいて、まず、監視装置１００は、対象人物情報ＤＢ２２０から、未選択の現フレームの対象人物情報を選択する（ステップＳ１３０１）。そして、監視装置１００は、選択した現フレームの対象人物情報に対する特徴抽出可能期間算出処理を実行する（ステップＳ１３０２）。特徴抽出可能期間算出処理は、対象人物Ｐの特徴量を抽出可能な抽出可能期間Ｔを算出するための処理である。特徴抽出可能期間算出処理の具体的な処理手順については、図１９を用いて後述する。

つぎに、監視装置１００は、対象人物情報ＤＢ２２０から選択されていない未選択の現フレームの対象人物情報があるか否かを判断する（ステップＳ１３０３）。ここで、未選択の現フレームの対象人物情報がある場合（ステップＳ１３０３：Ｙｅｓ）、監視装置１００は、ステップＳ１３０１に戻る。

一方、未選択の現フレームの対象人物情報がない場合（ステップＳ１３０３：Ｎｏ）、監視装置１００は、特徴抽出対象決定処理を実行する（ステップＳ１３０４）。特徴抽出対象決定処理は、特徴量の抽出対象となる対象人物Ｐを決定するための処理である。特徴抽出対象決定処理の具体的な処理手順については、図２０を用いて後述する。

つぎに、監視装置１００は、抽出対象に決定された対象人物Ｐの特徴量を抽出する特徴抽出処理を実行する（ステップＳ１３０５）。そして、監視装置１００は、実行した特徴抽出処理の処理結果を出力して（ステップＳ１３０６）、本フローチャートによる一連の処理を終了する。これにより、抽出対象に決定された対象人物Ｐの特徴量を抽出することができる。

＜画像選定処理の具体的処理手順＞
つぎに、図１２に示したステップＳ１２０３の画像選定処理の具体的な処理手順について説明する。

図１４は、画像選定処理の具体的処理手順の一例を示すフローチャートである。図１４のフローチャートにおいて、まず、監視装置１００は、カメラＣｉの撮影範囲の照度を判定する照度判定処理を実行する（ステップＳ１４０１）。照度判定処理の具体的な処理手順については、図１５を用いて後述する。

つぎに、監視装置１００は、カメラＣｉの撮影範囲の照度が十分であるか否かを判断する（ステップＳ１４０２）。ここで、カメラＣｉの撮影範囲の照度が十分でない場合（ステップＳ１４０２：Ｎｏ）、監視装置１００は、画像選定処理を呼び出したステップに戻る。

一方、カメラＣｉの撮影範囲の照度が十分である場合（ステップＳ１４０２：Ｙｅｓ）、監視装置１００は、カメラＣｉの逆光状態を判定する逆光状態判定処理を実行する（ステップＳ１４０３）。逆光状態判定処理の具体的な処理手順については、図１６を用いて後述する。

つぎに、監視装置１００は、カメラＣｉが逆光状態であるか否かを判断する（ステップＳ１４０４）。ここで、カメラＣｉが逆光状態である場合（ステップＳ１４０４：Ｙｅｓ）、監視装置１００は、画像選定処理を呼び出したステップに戻る。

一方、カメラＣｉが逆光状態でない場合（ステップＳ１４０４：Ｎｏ）、監視装置１００は、画像Ｆｉを処理対象画像に決定して（ステップＳ１４０５）、画像選定処理を呼び出したステップに戻る。これにより、人物の特徴量の抽出に適さない画像Ｆｉを処理対象から除外することができる。

＜照度判定処理の具体的処理手順＞
つぎに、図１４に示したステップＳ１４０１の照度判定処理の具体的な処理手順について説明する。

図１５は、照度判定処理の具体的処理手順の一例を示すフローチャートである。図１５のフローチャートにおいて、まず、監視装置１００は、画像Ｆｉの背景領域の画素の平均輝度値を算出する（ステップＳ１５０１）。そして、監視装置１００は、算出した平均輝度値が、予め設定された閾値以上であるか否かを判断する（ステップＳ１５０２）。

ここで、平均輝度値が閾値以上の場合（ステップＳ１５０２：Ｙｅｓ）、監視装置１００は、カメラＣｉの撮影範囲の照度が十分であると判定して（ステップＳ１５０３）、照度判定処理を呼び出したステップに戻る。

一方、平均輝度値が閾値未満の場合（ステップＳ１５０２：Ｎｏ）、監視装置１００は、カメラＣｉの撮影範囲の照度が十分でないと判定して（ステップＳ１５０４）、照度判定処理を呼び出したステップに戻る。これにより、カメラＣｉの撮影範囲の照度が十分であるか否かを判定することができる。

＜逆光状態判定処理の具体的処理手順＞
つぎに、図１４に示したステップＳ１４０３の逆光状態判定処理の具体的な処理手順について説明する。

図１６は、逆光状態判定処理の具体的処理手順の一例を示すフローチャートである。図１６のフローチャートにおいて、まず、監視装置１００は、カウント値ｃｎｔ１，ｃｎｔ２を「ｃｎｔ１＝０、ｃｎｔ２＝０」とする（ステップＳ１６０１）。

つぎに、監視装置１００は、画像Ｆｉから未選択の画素を選択する（ステップＳ１６０２）。そして、監視装置１００は、選択した画素が、画像Ｆｉの人物領域内の画素であるか否かを判断する（ステップＳ１６０３）。なお、人物領域は、例えば、背景領域外の領域であり、背景差分法により画像Ｆｉから特定される。

ここで、人物領域内の画素でない場合（ステップＳ１６０３：Ｎｏ）、監視装置１００は、ステップＳ１６０７に移行する。一方、人物領域内の画素の場合（ステップＳ１６０３：Ｙｅｓ）、監視装置１００は、カウント値ｃｎｔ１をインクリメントする（ステップＳ１６０４）。

そして、監視装置１００は、選択した画素の輝度値が、予め設定された閾値以上であるか否かを判断する（ステップＳ１６０５）。ここで、画素の輝度値が閾値未満の場合（ステップＳ１６０５：Ｎｏ）、監視装置１００は、ステップＳ１６０７に移行する。

一方、画素の輝度値が閾値以上の場合（ステップＳ１６０５：Ｙｅｓ）、監視装置１００は、カウント値ｃｎｔ２をインクリメントする（ステップＳ１６０６）。そして、監視装置１００は、画像Ｆｉから選択されていない未選択の画素があるか否かを判断する（ステップＳ１６０７）。

ここで、未選択の画素がある場合（ステップＳ１６０７：Ｙｅｓ）、監視装置１００は、ステップＳ１６０２に戻る。一方、未選択の画素がない場合（ステップＳ１６０７：Ｎｏ）、カウント値ｃｎｔ２をカウント値ｃｎｔ１で除算した（ｃｎｔ２／ｃｎｔ１）が、予め設定された閾値以上であるか否かを判断する（ステップＳ１６０８）。

ここで、（ｃｎｔ２／ｃｎｔ１）が閾値以上の場合（ステップＳ１６０８：Ｙｅｓ）、監視装置１００は、カメラＣｉが逆光状態でないと判定して（ステップＳ１６０９）、逆光状態判定処理を呼び出したステップに戻る。

一方、（ｃｎｔ２／ｃｎｔ１）が閾値未満の場合（ステップＳ１６０８：Ｎｏ）、監視装置１００は、カメラＣｉが逆光状態であると判定して（ステップＳ１６１０）、逆光状態判定処理を呼び出したステップに戻る。これにより、カメラＣｉが逆光状態であるか否かを判定することができる。

＜人物検出処理の具体的処理手順＞
つぎに、図１２に示したステップＳ１２０５の人物検出処理の具体的な処理手順について説明する。

図１７は、人物検出処理の具体的処理手順の一例を示すフローチャートである。図１７のフローチャートにおいて、まず、監視装置１００は、画像Ｆｉから未抽出の人物領域を抽出する（ステップＳ１７０１）。そして、監視装置１００は、人物領域が抽出されたか否かを判断する（ステップＳ１７０２）。

ここで、人物領域が抽出されなかった場合（ステップＳ１７０２：Ｎｏ）、監視装置１００は、人物検出処理を呼び出したステップに戻る。一方、人物領域が抽出された場合（ステップＳ１７０２：Ｙｅｓ）、監視装置１００は、抽出した人物領域を囲う外接矩形領域の下端の中心座標を算出することにより、対象人物Ｐの位置を特定する（ステップＳ１７０３）。

つぎに、監視装置１００は、人物領域の色ヒストグラムを作成する（ステップＳ１７０４）。そして、監視装置１００は、対象人物Ｐを識別する人物ＩＤを生成し（ステップＳ１７０５）、人物ＩＤ、検出カメラＩＤ、色ヒストグラムおよび対象人物Ｐの位置を対応付けて、対象人物情報ＤＢ２２０に記録する（ステップＳ１７０６）。

これにより、現フレームの対象人物情報が対象人物情報ＤＢ２２０に新規登録される。ただし、この時点では、対象人物情報の移動方向および移動速度は未設定である。また、検出カメラＩＤは、画像Ｆｉを撮影したカメラＣｉのカメラＩＤである。

つぎに、監視装置１００は、対象人物Ｐの移動方向Ｌおよび移動速度Ｖを算出する方向／速度算出処理を算出する（ステップＳ１７０７）。方向／速度算出処理の具体的な処理手順については、図１８を用いて後述する。そして、監視装置１００は、画像Ｆｉから抽出されていない未抽出の人物領域があるか否かを判断する（ステップＳ１７０８）。

ここで、未抽出の人物領域がある場合（ステップＳ１７０８：Ｙｅｓ）、監視装置１００は、ステップＳ１７０１に戻る。一方、未抽出の人物領域がない場合（ステップＳ１７０８：Ｎｏ）、監視装置１００は、人物検出処理を呼び出したステップに戻る。これにより、カメラＣｉに映る対象人物Ｐの現フレームの対象人物情報を対象人物情報ＤＢ２２０に登録することができる。

＜方向／速度算出処理の具体的処理手順＞
つぎに、図１７に示したステップＳ１７０７の方向／速度算出処理の具体的な処理手順について説明する。

図１８は、方向／速度算出処理の具体的処理手順の一例を示すフローチャートである。図１８のフローチャートにおいて、まず、監視装置１００は、対象人物情報ＤＢ２２０から、検出カメラＩＤにカメラＣｉのカメラＩＤが設定された未選択の直前フレームの対象人物情報を選択する（ステップＳ１８０１）。

そして、監視装置１００は、現フレームの対象人物情報の色ヒストグラムと、選択された直前フレームの対象人物情報の色ヒストグラムとの類似度を算出する（ステップＳ１８０２）。現フレームの対象人物情報は、図１７に示したステップＳ１７０６において対象人物情報ＤＢ２２０に新規登録された対象人物情報である。

つぎに、監視装置１００は、対象人物情報ＤＢ２２０から選択されていない未選択の直前フレームの対象人物情報があるか否かを判断する（ステップＳ１８０３）。ただし、選択対象となる直前フレームの対象人物情報は、検出カメラＩＤにカメラＣｉのカメラＩＤが設定された対象人物情報である。

ここで、未選択の直前フレームの対象人物情報がある場合（ステップＳ１８０３：Ｙｅｓ）、監視装置１００は、ステップＳ１８０１に移行する。一方、未選択の直前フレームの対象人物情報がない場合（ステップＳ１８０３：Ｎｏ）、監視装置１００は、算出した類似度のうちの最大の類似度を特定する（ステップＳ１８０４）。

そして、監視装置１００は、特定した最大の類似度が、予め設定された閾値以下であるか否かを判断する（ステップＳ１８０５）。ここで、最大の類似度が閾値以下の場合（ステップＳ１８０５：Ｙｅｓ）、監視装置１００は、方向／速度算出処理を呼び出したステップに戻る。

一方、最大の類似度が閾値より大きい場合（ステップＳ１８０５：Ｎｏ）、現フレームの対象人物情報の人物ＩＤを、類似度が最大となる色ヒストグラムを含む直前フレームの対象人物情報の人物ＩＤに書き換える（ステップＳ１８０６）。これにより、現フレーム／直前フレーム間で対象人物Ｐの対応付けを行うことができる。

つぎに、監視装置１００は、現フレーム／直前フレーム間で対応する対象人物情報の人物位置の時系列変化に基づいて、対象人物Ｐの移動方向Ｌを算出するとともに（ステップＳ１８０７）、対象人物Ｐの移動速度Ｖを算出する（ステップＳ１８０８）。

そして、監視装置１００は、算出した対象人物Ｐの移動方向Ｌおよび移動速度Ｖを、対象人物情報ＤＢ２２０内の対応する現フレームの対象人物情報に設定して（ステップＳ１８０９）、方向／速度算出処理を呼び出したステップに戻る。これにより、対象人物Ｐの移動方向Ｌおよび移動速度Ｖを算出することができる。

＜特徴抽出可能期間算出処理の具体的処理手順＞
つぎに、図１３に示したステップＳ１３０２の特徴抽出可能期間算出処理の具体的な処理手順について説明する。

図１９は、特徴抽出可能期間算出処理の具体的処理手順の一例を示すフローチャートである。図１９のフローチャートにおいて、まず、監視装置１００は、対象人物情報ＤＢ２２０から未選択の現フレームの対象人物情報を選択する（ステップＳ１９０１）。

そして、監視装置１００は、カメラ情報ＤＢ２３０を参照して、選択した現フレームの対象人物情報の検出カメラＩＤおよび移動方向を検索キーとして、移動先カメラＣを特定する（ステップＳ１９０２）。移動先カメラＣは、対象人物Ｐの位置から、対象人物Ｐの移動方向Ｌに移動した場合の経路上に存在するカメラＣｉである。

つぎに、監視装置１００は、特定した移動先カメラＣのうち、逆光状態でなく、かつ、撮影範囲の照度が十分であると判定した移動先カメラＣを特定する（ステップＳ１９０３）。そして、監視装置１００は、カメラ情報ＤＢ２３０を参照して、特定した逆光状態でなく、かつ、撮影範囲の照度が十分であると判定した移動先カメラＣの特徴抽出可能距離ｄの合計値Ｄを算出する（ステップＳ１９０４）。

つぎに、監視装置１００は、対象人物Ｐが映るカメラＣｉの特徴抽出可能距離ｄｉのうち対象人物Ｐが既に移動した距離ｍｄを算出して（ステップＳ１９０５）、算出した合計値Ｄから距離ｍｄを減算する（ステップＳ１９０６）。そして、監視装置１００は、減算後の合計値Ｄを、選択した現フレームの対象人物情報の移動速度Ｖで除算することにより、対象人物Ｐの抽出可能期間Ｔを算出する（ステップＳ１９０７）。

つぎに、監視装置１００は、算出した対象人物Ｐの抽出可能期間Ｔを、選択した現フレームの対象人物情報の人物ＩＤと対応付けて抽出可能期間テーブル９００に登録する（ステップＳ１９０８）。これにより、対象人物Ｐの抽出可能期間情報が抽出可能期間テーブル９００に新規登録される。

そして、監視装置１００は、対象人物情報ＤＢ２２０から選択されていない未選択の現フレームの対象人物情報があるか否かを判断する（ステップＳ１９０９）。ここで、未選択の現フレームの対象人物情報がある場合（ステップＳ１９０９：Ｙｅｓ）、ステップＳ１９０１に戻る。

一方、未選択の現フレームの対象人物情報がない場合（ステップＳ１９０９：Ｎｏ）、監視装置１００は、特徴抽出可能期間算出処理を呼び出したステップに戻る。これにより、対象人物Ｐの特徴量を抽出可能な抽出可能期間Ｔを算出することができる。

＜特徴抽出対象決定処理の具体的処理手順＞
つぎに、図１３に示したステップＳ１３０４の特徴抽出対象決定処理の具体的な処理手順について説明する。

図２０は、特徴抽出対象決定処理の具体的処理手順の一例を示すフローチャートである。図２０のフローチャートにおいて、まず、監視装置１００は、抽出可能期間テーブル９００に登録されている抽出可能期間情報を、抽出可能期間が昇順となるようにソートする（ステップＳ２００１）。

そして、監視装置１００は、抽出可能期間テーブル９００内の上位Ｍ個の抽出可能期間情報を選択する（ステップＳ２００２）。つぎに、監視装置１００は、選択した上位Ｍ個の抽出可能期間情報の人物ＩＤから識別される対象人物Ｐを、現フレームにおいて特徴量を抽出する抽出対象に決定する（ステップＳ２００３）。

そして、監視装置１００は、抽出可能期間テーブル９００の記憶内容を初期化して（ステップＳ２００４）、特徴抽出対象決定処理を呼び出したステップに戻る。これにより、現フレームにおいて特徴量の抽出対象となる対象人物Ｐを決定することができる。

以上説明したように、実施の形態にかかる監視装置１００によれば、カメラＣｉにより撮影された画像Ｆｉから対象人物Ｐを検出して、対象人物Ｐの位置を特定し、対象人物Ｐの位置の時系列変化に基づいて、対象人物Ｐの移動方向Ｌおよび移動速度Ｖを算出することができる。これにより、特徴量の抽出対象候補となる対象人物Ｐが、今後どの方向にどれくらいの速度で移動するかを予測することができる。

また、監視装置１００によれば、カメラ情報ＤＢ２３０を参照して、算出した対象人物Ｐの移動方向Ｌおよび移動速度Ｖに基づいて、対象人物Ｐの特徴量を抽出可能な抽出可能期間Ｔを算出することができる。これにより、監視エリアにおいて対象人物Ｐの特徴量を抽出可能な機会がどれくらい残されているのかを定量的に評価することが可能となる。

また、監視装置１００によれば、検出した対象人物Ｐのうち、算出した抽出可能期間Ｔが相対的に少ない対象人物Ｐを優先して特徴量の抽出対象に決定することができる。これにより、今後特徴量を抽出可能な機会が少ない対象人物Ｐの特徴量を優先して抽出することが可能となり、対象人物Ｐの特徴量の抽出漏れの発生を抑制することができる。

また、監視装置１００によれば、カメラＣ１〜Ｃｎのうち逆光状態ではないカメラＣｉにより撮影された画像Ｆｉから特徴量の抽出候補となる対象人物Ｐを検出することができる。これにより、逆光状態で撮影されたために、人物の特徴量の抽出に適さない画像を処理対象から除外することができ、人物の特徴量の抽出精度を向上させることができる。

また、監視装置１００によれば、カメラＣ１〜Ｃｎのうち撮影範囲の照度が十分であると判定したカメラＣｉにより撮影された画像Ｆｉから特徴量の抽出候補となる対象人物Ｐを検出することができる。これにより、照度が不十分な状態で撮影されたために、人物の特徴量の抽出に適さない画像を処理対象から除外することができ、人物の特徴量の抽出精度を向上させることができる。

また、監視装置１００によれば、カメラ情報ＤＢ２３０を参照して、対象人物Ｐの位置から対象人物Ｐの移動方向Ｌに移動した場合の経路上に存在する移動先カメラＣを特定し、移動先カメラＣの特徴抽出可能距離ｄと、対象人物Ｐの移動速度Ｖとに基づいて、対象人物Ｐの抽出可能期間Ｔを算出することができる。これにより、対象人物Ｐが今後撮影されるカメラＣｉを予測して、対象人物Ｐの特徴量を抽出可能な機会がどれくらい残されているのかを定量的に評価することが可能となる。

また、監視装置１００によれば、特定した移動先カメラＣのうち逆光状態ではないカメラＣｉの特徴抽出可能距離ｄｉと、対象人物Ｐの移動速度Ｖとに基づいて、対象人物Ｐの抽出可能期間Ｔを算出することができる。これにより、移動先カメラＣのうち現フレームの時点で逆光状態にあるために、対象人物Ｐが今後撮影されたとしても、人物の特徴量の抽出に適した画像を撮影できない可能性が高いカメラを除外して、対象人物Ｐの抽出可能期間Ｔを算出することができる。

また、監視装置１００によれば、特定した移動先カメラＣのうち撮影範囲の照度が十分であると判定したカメラＣｉの特徴抽出可能距離ｄｉと、対象人物Ｐの移動速度Ｖとに基づいて、対象人物Ｐの抽出可能期間Ｔを算出することができる。これにより、移動先カメラＣのうち現フレームの時点で撮影範囲の照度が不十分であるために、対象人物Ｐが今後撮影されたとしても、人物の特徴量の抽出に適した画像を撮影できない可能性が高いカメラを除外して、対象人物Ｐの抽出可能期間Ｔを算出することができる。

これらのことから、監視装置１００によれば、毎フレームごとに、カメラＣ１〜Ｃｎに映る全ての人物を対象として特徴量の抽出を試みるのではなく、今後特徴量を抽出しやすい機会が少ない人物の特徴量を優先して抽出することができる。これにより、人物の特徴量の抽出漏れの発生を抑制するとともに、システム全体の処理量を抑えることができる。

また、監視装置１００によれば、人物の特徴量の抽出に適さない画像を処理対象から除外することができる。これにより、人物の特徴量の抽出精度を向上させるとともに、人物の特徴量を抽出できないような画像に対する特徴抽出処理を削減して処理時間の増加を抑えることができる。

なお、本実施の形態で説明した監視方法は、予め用意されたプログラムをパーソナル・コンピュータやワークステーション等のコンピュータで実行することにより実現することができる。本監視プログラムは、ハードディスク、フレキシブルディスク、ＣＤ−ＲＯＭ、ＭＯ、ＤＶＤ等のコンピュータで読み取り可能な記録媒体に記録され、コンピュータによって記録媒体から読み出されることによって実行される。また、本監視プログラムは、インターネット等のネットワークを介して配布してもよい。

上述した実施の形態に関し、さらに以下の付記を開示する。

（付記１）複数のカメラの少なくともいずれかのカメラにより撮影された画像から特徴量の抽出対象候補となる移動対象物を検出して、前記移動対象物の位置を特定し、
特定した前記移動対象物の位置の時系列変化に基づいて、前記移動対象物の移動方向および移動速度を算出し、
前記複数のカメラそれぞれの撮影範囲に関する情報を記憶する記憶部を参照して、算出した前記移動対象物の移動方向および移動速度に基づいて、前記移動対象物の特徴量を抽出可能な抽出可能期間を算出し、
検出した前記移動対象物のうち、算出した前記抽出可能期間が相対的に少ない移動対象物を優先して特徴量の抽出対象に決定する、
制御部を有することを特徴とする監視装置。

（付記２）前記記憶部は、前記複数のカメラそれぞれに映る位置から所定方向に移動した場合の経路上に存在するカメラの撮影範囲のうち特徴量を抽出可能な抽出可能範囲を特定する情報を記憶しており、
前記制御部は、
前記記憶部を参照して、前記移動対象物の位置から前記移動対象物の移動方向に移動した場合の経路上に存在するカメラを特定し、特定した前記カメラの抽出可能範囲と、前記移動対象物の移動速度とに基づいて、前記移動対象物の抽出可能期間を算出することを特徴とする付記１に記載の監視装置。

（付記３）前記制御部は、
特定した前記カメラのうち逆光状態ではないと判定したカメラの抽出可能範囲と、前記移動対象物の移動速度とに基づいて、前記移動対象物の抽出可能期間を算出することを特徴とする付記２に記載の監視装置。

（付記４）前記制御部は、
特定した前記カメラのうち撮影範囲の照度が十分であると判定したカメラの抽出可能範囲と、前記移動対象物の移動速度とに基づいて、前記移動対象物の抽出可能期間を算出することを特徴とする付記２または３に記載の監視装置。

（付記５）前記制御部は、
前記複数のカメラのうち逆光状態ではないと判定したカメラにより撮影された画像から特徴量の抽出候補となる移動対象物を検出することを特徴とする付記２〜４のいずれか一つに記載の監視装置。

（付記６）前記制御部は、
前記複数のカメラそれぞれにより撮影された画像の背景領域外の画素群のうち輝度値が閾値以上の画素の割合に基づいて、前記複数のカメラのうち逆光状態ではないカメラを判定することを特徴とする付記５に記載の監視装置。

（付記７）前記制御部は、
前記複数のカメラのうち撮影範囲の照度が十分であると判定したカメラにより撮影された画像から特徴量の抽出候補となる移動対象物を検出することを特徴とする付記２〜６のいずれか一つに記載の監視装置。

（付記８）前記制御部は、
前記複数のカメラそれぞれにより撮影された画像の背景領域内の画素の平均輝度値に基づいて、前記複数のカメラのうち撮影範囲の照度が十分であるカメラを判定することを特徴とする付記７に記載の監視装置。

（付記９）前記制御部は、
前記複数のカメラのうち前記割合が閾値以上となるカメラを逆光状態ではないカメラと判定することを特徴とする付記６に記載の監視装置。

（付記１０）前記制御部は、
前記複数のカメラのうち前記平均輝度値が閾値以上となるカメラを撮影範囲の照度が十分であるカメラと判定することを特徴とする付記８に記載の監視装置。

（付記１１）前記制御部は、
決定した前記抽出対象となる移動対象物の特徴量を前記画像から抽出することを特徴とする付記１〜１０のいずれか一つに記載の監視装置。

（付記１２）コンピュータが、
複数のカメラの少なくともいずれかのカメラにより撮影された画像から特徴量の抽出対象候補となる移動対象物を検出して、前記移動対象物の位置を特定し、
特定した前記移動対象物の位置の時系列変化に基づいて、前記移動対象物の移動方向および移動速度を算出し、
前記複数のカメラそれぞれの撮影範囲に関する情報を記憶する記憶部を参照して、算出した前記移動対象物の移動方向および移動速度に基づいて、前記移動対象物の特徴量を抽出可能な抽出可能期間を算出し、
検出した前記移動対象物のうち、算出した前記抽出可能期間が相対的に少ない移動対象物を優先して特徴量の抽出対象に決定する、
処理を実行することを特徴とする監視方法。

（付記１３）コンピュータに、
複数のカメラの少なくともいずれかのカメラにより撮影された画像から特徴量の抽出対象候補となる移動対象物を検出して、前記移動対象物の位置を特定し、
特定した前記移動対象物の位置の時系列変化に基づいて、前記移動対象物の移動方向および移動速度を算出し、
前記複数のカメラそれぞれの撮影範囲に関する情報を記憶する記憶部を参照して、算出した前記移動対象物の移動方向および移動速度に基づいて、前記移動対象物の特徴量を抽出可能な抽出可能期間を算出し、
検出した前記移動対象物のうち、算出した前記抽出可能期間が相対的に少ない移動対象物を優先して特徴量の抽出対象に決定する、
処理を実行させることを特徴とする監視プログラム。

（付記１４）コンピュータに、
複数のカメラの少なくともいずれかのカメラにより撮影された画像から特徴量の抽出対象候補となる移動対象物を検出して、前記移動対象物の位置を特定し、
特定した前記移動対象物の位置の時系列変化に基づいて、前記移動対象物の移動方向および移動速度を算出し、
前記複数のカメラそれぞれの撮影範囲に関する情報を記憶する記憶部を参照して、算出した前記移動対象物の移動方向および移動速度に基づいて、前記移動対象物の特徴量を抽出可能な抽出可能期間を算出し、
検出した前記移動対象物のうち、算出した前記抽出可能期間が相対的に少ない移動対象物を優先して特徴量の抽出対象に決定する、
処理を実行させる監視プログラムを記録したことを特徴とする前記コンピュータに読み取り可能な記録媒体。

１００ 監視装置
１０１〜１０３，Ｃ，Ｃ１〜Ｃｎ，Ｃｉ カメラ
１１０ 記憶部
２２０ 対象人物情報ＤＢ
２３０ カメラ情報ＤＢ
７０１ 取得部
７０２ 検出部
７０３ 方向／速度算出部
７０４ 期間算出部
７０５ 決定部
７０６ 特徴抽出部
７０７ 出力部
９００ 抽出可能期間テーブル

Claims (10)

1. 複数のカメラの少なくともいずれかのカメラにより撮影された画像から特徴量の抽出対象候補となる移動対象物を検出して、前記移動対象物の位置を特定し、
   特定した前記移動対象物の位置の時系列変化に基づいて、前記移動対象物の移動方向および移動速度を算出し、
   前記複数のカメラそれぞれの撮影範囲に関する情報を記憶する記憶部を参照して、算出した前記移動対象物の移動方向および移動速度に基づいて、前記移動対象物の特徴量を抽出可能な抽出可能期間を算出し、
   検出した前記移動対象物のうち、算出した前記抽出可能期間が相対的に少ない移動対象物を優先して特徴量の抽出対象に決定する、
   制御部を有することを特徴とする監視装置。
2. 前記記憶部は、前記複数のカメラそれぞれに映る位置から所定方向に移動した場合の経路上に存在するカメラの撮影範囲のうち特徴量を抽出可能な抽出可能範囲を特定する情報を記憶しており、
   前記制御部は、
   前記記憶部を参照して、前記移動対象物の位置から前記移動対象物の移動方向に移動した場合の経路上に存在するカメラを特定し、特定した前記カメラの抽出可能範囲と、前記移動対象物の移動速度とに基づいて、前記移動対象物の抽出可能期間を算出することを特徴とする請求項１に記載の監視装置。
3. 前記制御部は、
   特定した前記カメラのうち逆光状態ではないと判定したカメラの抽出可能範囲と、前記移動対象物の移動速度とに基づいて、前記移動対象物の抽出可能期間を算出することを特徴とする請求項２に記載の監視装置。
4. 前記制御部は、
   特定した前記カメラのうち撮影範囲の照度が十分であると判定したカメラの抽出可能範囲と、前記移動対象物の移動速度とに基づいて、前記移動対象物の抽出可能期間を算出することを特徴とする請求項２または３に記載の監視装置。
5. 前記制御部は、
   前記複数のカメラのうち逆光状態ではないと判定したカメラにより撮影された画像から特徴量の抽出候補となる移動対象物を検出することを特徴とする請求項２〜４のいずれか一つに記載の監視装置。
6. 前記制御部は、
   前記複数のカメラそれぞれにより撮影された画像の背景領域外の画素群のうち輝度値が閾値以上の画素の割合に基づいて、前記複数のカメラのうち逆光状態ではないカメラを判定することを特徴とする請求項５に記載の監視装置。
7. 前記制御部は、
   前記複数のカメラのうち撮影範囲の照度が十分であると判定したカメラにより撮影された画像から特徴量の抽出候補となる移動対象物を検出することを特徴とする請求項２〜６のいずれか一つに記載の監視装置。
8. 前記制御部は、
   前記複数のカメラそれぞれにより撮影された画像の背景領域内の画素の平均輝度値に基づいて、前記複数のカメラのうち撮影範囲の照度が十分であるカメラを判定することを特徴とする請求項７に記載の監視装置。
9. コンピュータが、
   複数のカメラの少なくともいずれかのカメラにより撮影された画像から特徴量の抽出対象候補となる移動対象物を検出して、前記移動対象物の位置を特定し、
   特定した前記移動対象物の位置の時系列変化に基づいて、前記移動対象物の移動方向および移動速度を算出し、
   前記複数のカメラそれぞれの撮影範囲に関する情報を記憶する記憶部を参照して、算出した前記移動対象物の移動方向および移動速度に基づいて、前記移動対象物の特徴量を抽出可能な抽出可能期間を算出し、
   検出した前記移動対象物のうち、算出した前記抽出可能期間が相対的に少ない移動対象物を優先して特徴量の抽出対象に決定する、
   処理を実行することを特徴とする監視方法。
10. コンピュータに、
    複数のカメラの少なくともいずれかのカメラにより撮影された画像から特徴量の抽出対象候補となる移動対象物を検出して、前記移動対象物の位置を特定し、
    特定した前記移動対象物の位置の時系列変化に基づいて、前記移動対象物の移動方向および移動速度を算出し、
    前記複数のカメラそれぞれの撮影範囲に関する情報を記憶する記憶部を参照して、算出した前記移動対象物の移動方向および移動速度に基づいて、前記移動対象物の特徴量を抽出可能な抽出可能期間を算出し、
    検出した前記移動対象物のうち、算出した前記抽出可能期間が相対的に少ない移動対象物を優先して特徴量の抽出対象に決定する、
    処理を実行させることを特徴とする監視プログラム。

Images