JP2016191973A - 情報転送装置、学習システム、情報転送方法及びプログラム - Google Patents

Abstract

【課題】学習の価値があるデータを選択的に送信し得る、情報転送装置、それを用いた学習システム、情報転送方法、及びプログラムを提供する。【解決手段】学習システム１００は、情報転送装置１０と、学習処理装置２０とを備える。情報転送装置１０は、学習対象となるデータを取得し、取得したデータと基準となるモデルとを比較して、データに、学習対象としての価値の程度を示す指標を付与する、解析部１１と、指標を用いて設定されたルールに基づいて、データを学習処理装置２０に送信する、送信処理部１２とを備える。学習処理装置２０は、情報転送装置１０から送信されてきたデータに基づいて、モデルの更新または新たなモデルの作成を行なう、学習処理部２１を備えている。【選択図】図１

Description

本発明は、情報転送装置、それを用いた学習システム、情報転送方法及びこれらを実現するためのプログラムに関し、特には、機械学習技術を使った映像解析システムにおいて、学習モデル作成の学習処理に用いる情報を選択的に転送する技術に関する。

近年、監視カメラが急速に普及している。監視カメラは、街頭、店舗、公共施設、高速道路等、広い範囲に配置されるようになっている。また、監視カメラにおいては、近年の固体撮像素子の高性能化により、高解像度化が進んでおり、映像の伝送に必要な帯域も増大している。

ここで、図１６を用いて、従来からの監視システムについて説明する。図１６は、従来からの広帯域のネットワークを利用した監視システムの概略構成を示す図である。図１６に示すように、監視システム４００において、各監視カメラ４０１からの映像は、ネットワーク４０２を介して、監視サーバ４０３へと伝送される。監視サーバ４０３は、監視室等の監視員４０４が待機する場所に配置されており、伝送されてきた映像を蓄積する。また、監視サーバ４０４は、蓄積した映像を、監視員４０４の端末４０６の画面に表示させる。

これにより、監視員４０４は、画面を目視することによって監視を行なう。また、監視サーバ４０３には、検知サーバ４０５が接続されることもある。検知サーバ４０５は、自動監視機能を有しており、映像中から侵入者を検知することができる（例えば、特許文献１参照。）。このため、検知サー４０５を用いれば、監視員４０４による監視がサポートされ、監視負担が軽減される。

但し、広範囲に分散配置された高解像度カメラの映像を集中監視するためには、図１６に示すように、広帯域のネットワークが必要となり、監視システムの構築にかかるコストが増大してしまい、現実的ではない。

このため、監視カメラ自体に自動監視機能を付与し、監視カメラ単独で何らかの検知モデルに基づく自動監視を行い、監視対象となる事象が発生した場合にのみ、監視室などに通知が行なわれるようにした、監視システムも提案されている。

図１７は、従来からの自動監視機能付の監視カメラを用いた監視システムの概略構成を示す図である。図１７に示す監視システム５００では、監視カメラ５０１は異常があった場合にのみ通知を行なうので、ネットワーク５０２は、広帯域である必要はない。

また、図１７の例のように、各監視カメラ５０１自体に自動監視機能を付与する場合は、各監視カメラ５０１において、検知モデルを正常な状態に保つために、検知モデルを更新することが重要となる。これは、環境の変化及び監視対象の変化に随時対応しなければ、誤検知及び検知漏れが増加して、有効な自動監視を継続できなくなるためである。

但し、各監視カメラ５０１において独立して検知モデルを更新する態様も考えられるが、監視カメラ単体では検知モデルの更新に必要なリソースを確保することが難しいため、この態様をとることは困難である。また、検知モデルの更新には、監視対象の変化を特定するための外部情報が必要であったり、他の監視カメラの映像が必要であったりするが、このことも、上記態様をとることが困難な理由である。また、各監視カメラ５０１の状況に応じて、人手によって検知モデルを更新することも考えられるが、監視カメラの数が増加すると、作業量的にも、時間的にも現実的でない。

従って、図１７の例では、監視サーバ５０３に加えて、各監視カメラ５０１の検知モデルの更新を行なうモデル更新サーバ５０５も設置されている。モデル更新サーバ５０５は、機械学習技術を用いた教師データの学習によって、監視カメラ毎に、環境の変化及び監視対象の変化に対応した検知モデルを作成する。そして、モデル更新サーバ５０５は、作成した検知モデルを各監視カメラ５０１に転送し、検知モデルの更新を行なわせる。なお、図１７において、５０４は、監視員を示し、５０６は、監視員の端末を示している。

特開２０１２−８８７８７号公報

しかしながら、図１７に示した監視システムでは、ネットワークの帯域が制限されるため、監視カメラ５０１がモデル更新サーバ５０１に送信することができるデータは限られてしまう。このため、図１７に示した監視システムにおいては、モデル更新サーバ５０５は、十分な教師データを蓄積することができず、検知モデルを動的に更新することが難しいという問題がある。

一方、ネットワークの帯域に応じて、学習の価値があるデータのみが選択的にモデル更新サーバ５０５に送信されるようにすれば、上記問題を解決することができると考えられる。しかし、従来の図１７に示した監視システムでは、監視カメラ５０１には、このような機能は付与されておらず、学習の価値があるデータの選択的送信は困難である。

本発明の目的の一例は、上記問題を解消し、学習の価値があるデータを選択的に送信し得る、情報転送装置、それを用いた学習システム、情報転送方法、及びプログラムを提供することにある。

上記目的を達成するため、本発明の一側面における情報転送装置は、
学習対象となるデータを取得し、取得した前記データと基準となるモデルとを比較して、前記データに、学習対象としての価値の程度を示す指標を付与する、解析部と、
前記指標を用いて設定されたルールに基づいて、前記データを外部に送信する、送信処理部と、
を備えている、ことを特徴とする。

上記目的を達成するため、本発明の一側面における情報転送システムは、
情報転送装置と、学習処理装置とを備え、
前記情報転送装置は、
学習対象となるデータを取得し、取得した前記データと基準となるモデルとを比較して、前記データに、学習対象としての価値の程度を示す指標を付与する、解析部と、
前記指標を用いて設定されたルールに基づいて、前記データを前記学習処理装置に送信する、送信処理部と、
を備え、
前記学習処理装置は、
前記情報転送装置から送信されてきた前記データに基づいて、前記モデルの更新、または新たなモデルの作成を行なう、学習処理部を備えている、
ことを特徴とする。

また、上記目的を達成するため、本発明の一側面における情報転送方法は、
（ａ）学習対象となるデータを取得し、取得した前記データと基準となるモデルとを比較して、前記データに、学習対象としての価値の程度を示す指標を付与する、ステップと、
（ｂ）前記指標を用いて設定されたルールに基づいて、前記データを外部に送信する、ステップと、
を有する、ことを特徴とする。

更に、上記目的を達成するため、本発明の一側面におけるプログラムは、
コンピュータに、
（ａ）学習対象となるデータを取得し、取得した前記データと基準となるモデルとを比較して、前記データに、学習対象としての価値の程度を示す指標を付与する、ステップと、
（ｂ）前記指標を用いて設定されたルールに基づいて、前記データを外部に送信する、ステップと、
を実行させる、ことを特徴とする。

以上のように本発明によれば、学習の価値があるデータを選択的に送信することができる。

図１は、本発明の実施の形態１における情報転送装置及び学習システムの概略構成を示すブロック図である。 図２は、本発明の実施の形態１における情報転送装置の具体的構成を示すブロック図である。 図３は、本発明の実施の形態１における学習処理装置の具体的構成を示すブロック図である。 図４は、本発明の実施の形態１における情報転送装置の映像データの送信処理時の動作を示すフロー図である。 図５は、本発明の実施の形態１における情報転送装置の検知モデルの更新処理時の動作を示すフロー図である。 図６は、本発明の実施の形態１における学習処理装置の動作を示すフロー図である。 図７は、本発明の実施の形態２における情報転送装置の具体的構成を示すブロック図である。 図８は、本発明の実施の形態２において用いられるルールの一例を示す図である。 図９は、本発明の実施の形態２における情報転送装置の映像データの送信処理時の動作を示すフロー図である。 図１０は、本発明の実施の形態３における情報転送装置の具体的構成を示すブロック図である。 図１１は、本発明の実施の形態３における学習処理装置の具体的構成を示すブロック図である。 図１２は、本発明の実施の形態４における学習処理装置の具体的構成を示すブロック図である。 図１３は、本発明の実施の形態５における情報転送装置及び学習システムの概略構成を示すブロック図である。 図１４は、本発明の実施の形態５における情報転送装置の映像データの送信処理時の動作を示すフロー図である。 図１５は、本発明の実施の形態１〜５における情報転送装置及び学習処理装置を実現するコンピュータの一例を示すブロック図である。 図１６は、従来からの広帯域のネットワークを利用した監視システムの概略構成を示す図である。 図１７は、従来からの自動監視機能付の監視カメラを用いた監視システムの概略構成を示す図である。

（発明の概要）
本発明が、監視システムに利用された場合を例に挙げて、本発明の概要について以下に説明する。

監視システムにおいて、監視カメラ側では、まず初期状態の検知モデルが設定される。この検知モデルは、監視サーバによる教師データを用いた機械学習によって作成され、監視カメラにダウンロードされる。また、このときの教師データは、例えば、任意の映像に対して、検知すべき対象物が映っているか否かを示すラベルを付与することによって得ることができる。また、映像としては、検知モデルの設定対象となる監視カメラによって撮影された映像が用いられる。

本発明の情報転送装置は、監視カメラに組み込まれ、検知モデルに基づいて、映像データに検知すべき対象物が映っているかどうかを判定し、信頼度を算出する。そして、監視カメラは、判定の結果、信頼度が予め設定された閾値以上であれば、判定対象となった映像データを監視サーバに送信する。また、情報転送装置は、判定の結果、信頼度が閾値未満の場合でも、予め設定された頻度で、映像データを監視サーバ（センタ）に送信する。

この結果、監視サーバは、対象物の検知に成功した映像データ（以下「検知データ」と表記する。）だけでなく、対象物の検知に失敗した映像データ（以下「非検知データ」と表記する。）も蓄積する。そして、監視システムの管理者は、蓄積された非検知データの中から、検知すべき対象物が映っている映像データが存在していないかどうかを確認する。

確認の結果、管理者は、検知すべき対象物が映っている映像データを見つけた場合は、その映像データに、検知すべき対象物が映っている旨のラベルを付与する。一方、管理者は、検知すべき対象物が映っていない映像データには、検知すべき対象物が映っていない旨のラベルを付与する。

そして、管理者は、検知データと、これらのラベルが付与された非検知データとを用いて、監視サーバに再学習を行なわせて、検知モデルを更新させる。その後、監視サーバは、更新した検知モデルを、監視カメラにダウンロードさせる。

このように、本発明では、検知すべき対象物が映っていない非検知データについては、必要最小現のデータだけが、監視サーバへと送られる。よって、ネットワークの帯域が狭い場合であっても、検知モデルの動的な更新を容易に行なうことができ、検知精度を向上させることができる。

（実施の形態１）
以下、本発明の実施の形態１における、情報転送装置、学習システム、情報転送方法、及びプログラムについて、図１〜図６を参照しながら説明する。

［システム構成］
最初に、本発明の実施の形態１における情報転送装置及び学習システムの概略構成について図１を用いて説明する。図１は、本発明の実施の形態１における情報転送装置及び学習システムの概略構成を示すブロック図である。

図１に示すように、本実施の形態１における学習システム１００は、情報転送装置１０と、学習処理装置２０とを備えている。また、情報転送装置１０と、学習処理装置２０とは、ネットワーク２００を介して接続されている。

また、図１に示すように、情報転送装置１０は、解析部１１と、送信処理部１２とを備えている。解析部１１は、学習対象となるデータを取得し、取得したデータと基準となるモデルとを比較して、データに、学習対象としての価値の程度を示す指標を付与する。送信処理部１２は、指標を用いて設定されたルールに基づいて、データを学習処理装置１２に送信する。

学習処理装置２０は、学習処理部２１を備えている。学習処理部２１は、情報転送装置１０から送信されてきたデータに基づいて、情報転送装置で用いられるモデルの更新、または新たなモデルの作成を行なう。

このように、本実施の形態１においては、情報転送装置１０は、データに指標を付与することで、学習の価値があるデータを選択的に送信することができる。このため、ネットワークの帯域が狭い場合であっても、モデルを動的に更新することが可能となる。

続いて、図２及び図３を用いて、本実施の形態１における情報転送装置の具体的構成について説明する。図２は、本発明の実施の形態１における情報転送装置の具体的構成を示すブロック図である。

図２に示すように、本実施の形態１においては、情報転送装置１０は、監視カメラ３０の一部となっている。監視カメラ３０は、情報転送装置１０と、撮像部３１とを備えている。撮像部３１は、固体撮像素子（図示せず）を備え、映像データを出力する。また、情報転送装置１０は、監視カメラとは別体の装置であっても良い。この場合、情報転送装置１０は、ケーブル等によって監視カメラに接続される。

また、本実施の形態１において、情報転送装置１０は、監視カメラ以外の用途に用いることもできる。他の用途としては、赤外線を利用した人感センサが挙げられる。また、加速度センサ及び角速度センサ等を搭載した、スマートフォン等の情報端末も挙げられる。

また、本実施の形態１では、解析部１１は、学習データとして、撮像部３１から出力された映像データを取得する。解析部１１は、取得した映像データと基準となるモデルとを比較して、映像データに対象物が映っているかどうかを判定し、判定結果に応じて、映像データに、指標として確信度を付与する。確信度は、映像データに対象物が映っていることの確からしさを示す指標である。

また、送信処理部１２は、本実施の形態１では、ルールとして、確信度を用いて設定されたルールを用いる。具体的には、ルールは、「確信度が閾値より大きい映像データを全て送信し、確信度が閾値以下の映像データを、送信頻度が設定値となるように送信する」、ことを規定している。送信処理部１２は、この確信度を用いて設定されたルールに基づいて、映像データを、学習処理装置２０に送信する。

また、図２に示すように、本実施の形態１では、情報転送装置１０は、解析部１１及び送信処理部１２に加えて、モデル格納部１３と、確信度閾値保持部１４と、送信頻度保持部１５と、モデル管理部１６とを備えている。

このうち、モデル格納部１３は、解析部１１で用いられる基準となるモデル（以下「検知モデル」と表記する。）を格納している。確信度閾値保持部１４は、上述したルールで用いる閾値を保持している。送信度保持部１５は、上述したルールで用いる送信頻度の設定値を保持している。

また、モデル管理部１６は、学習処理装置１０から、更新後の検知モデル又は新たに作成された検知モデルが送信されてくると、これを受信する。そして、モデル管理部１６は、取得した検知モデルをモデル格納部１３に格納させ、解析部１１が用いる検知モデルを更新する。

続いて、図３を用いて、本実施の形態１における学習処理装置の具体的構成について説明する。図３は、本発明の実施の形態１における学習処理装置の具体的構成を示すブロック図である。

図３に示すように、学習処理装置２０は、上述した学習処理部２１に加えて、データ受信部２２と、データ蓄積部２３と、学習管理部２４と、ラベル入力部２５と、モデル格納部２６と、モデル管理部２７と、モデル出力部２８とを備えている。

データ受信部２２は、情報転送装置１０の送信処理部１２から送信されてきた映像データを受信し、これを、データ蓄積部２３に蓄積させる。学習管理部２４は、学習処理部２１による処理を管理し、学習処理部２１に既存の検知モデルの更新又は新たな検知モデルの作成を行なわせる。また、学習管理部２４は、データ蓄積部２３に蓄積されている映像データも管理する。

ラベル入力部２５は、管理者による外部からの指示に応じて、データ蓄積部２３に蓄積されている映像データの各フレーム対して、検知対象となるシーンに該当しているかどうかを示すラベルを付与する。例えば、ラベル入力部２５は、管理者が該当しないと指定したフレームに対しては、ラベルとして、数値「０」を付与し、管理者が該当すると指定したフレームに対しては、ラベルとして数値「１」を付与する。

学習処理部２１は、本実施の形態１では、データ蓄積部２３から、学習対象となる映像データ、具体的には、各フレームにラベルが付与された映像データを取得する。また、学習処理部２１は、取得した映像データを用いて、既存の検知モデルの更新、又は新たな検知モデルの作成を実行する。そして、学習処理部２１は、更新又は作成した検知モデルを、モデル格納部２６に格納する。

モデル管理部２７は、モデル格納部２６に格納されている検知モデルの中から、送信先となる監視カメラ３０に送信すべき検知モデルを選択し、モデル出力部２８に、選択した検知モデルを、監視カメラ３０へと送信させる。

［システム動作］
次に、本実施の形態１における情報転送装置１０及び学習処理装置２０の動作について図４及び図５を用いて説明する。また、本実施の形態１では、情報転送装置１０を動作させることによって、情報転送方法が実施される。よって、本実施の形態１における情報転送方法の説明は、以下の情報転送装置１０の動作説明に代える。

まず、図４を用いて、本実施の形態１における情報転送装置１０の映像データの送信処理の際の動作について説明する。図４は、本発明の実施の形態１における情報転送装置の映像データの送信処理時の動作を示すフロー図である。

最初に、図４に示すように、解析部１１が、撮像部３１から映像データを取得する（ステップＳ１）。次に、解析部１１は、モデル格納部１３から検知モデルを読み込み、読み込んだ検知モデルに基づいて、映像データのフレーム毎に、検知すべき対象物が映っているかどうかを判定し、判定結果に応じて、確信度を付与する（ステップＳ２）。

具体的には、ステップＳ２では、解析部１１は、例えば、対象物が映っていると判定する場合は、判定対象のフレームに確信度として「１．０」を付与する。また、解析部１１は、対象物が映っていないと判定する場合は、判定対象のフレームに確信度として「０．０」を付与する。更に、解析部１１は、対象物が映っているかどうか判断できない場合は、判定対象のフレームに確信度として「０．５」を付与する。

次に、送信処理部１２は、ステップＳ２で確信度が付与された映像データを取得し、更に、確信度閾値保持部１４から閾値を取得し、送信頻度保持部１５から送信頻度の設定値を取得する。そして、送信処理部１２は、映像データに付与されている確信度が閾値より大きいかどうかを判定する（ステップＳ３）。

ステップＳ３の判定の結果、映像データに付与されている確信度が閾値より大きい場合は、送信処理部１２は、判定対象となっている映像データ（フレーム）を、学習処理装置２０に送信する（ステップＳ４）。

一方、ステップＳ３の判定の結果、映像データに付与されている確信度が閾値以下の場合は、送信処理部１２は、送信頻度が設定値となるように、判定対象となっている映像データ（フレーム）を、学習処理装置２０に送信する（ステップＳ５）。具体的には、送信処理部１２は、例えば、送信頻度の設定値が０．０１であれば、１００回に１回の頻度で、確信度が閾値以下の映像データを送信することになる。

ステップＳ４又はＳ５の実行後、処理は一旦終了するが、撮像部３１から映像データが送られてくると、再度、ステップＳ１が実行される。ステップＳ１〜Ｓ５は、撮像部３１から映像データが送られてくる間、繰り返し実行される。

次に、図５を用いて、本実施の形態１における情報転送装置１０の映像データの検知モデルの更新処理の際の動作について説明する。図５は、本発明の実施の形態１における情報転送装置の検知モデルの更新処理時の動作を示すフロー図である。

図５に示すように、最初に、情報転送装置１０において、モデル管理部１６は、学習処理装置１０から、更新後の検知モデル又は新たに作成された検知モデルが送信されてくると、これを受信する（ステップＳ１０）。

次に、モデル管理部１６は、取得した検知モデルをモデル格納部１３に格納させ、解析部１１が用いる検知モデルを更新する（ステップＳ１１）。ステップＳ１１の実行後は、解析部１１は、この更新後の検知モデルを用いて、ステップＳ２を実行する。

続いて、図６を用いて、本実施の形態１における学習処理装置２０の動作について説明する。図６は、本発明の実施の形態１における学習処理装置の動作を示すフロー図である。

図６に示すように、学習管理部２４は、外部からの入力、監視カメラ３０における検知精度の低下、又は監視カメラ３０での検知頻度の異常、といったイベントの発生を契機に、モデル更新トリガーを発行する（ステップＳ２０）。

次に、学習管理部２４は、モデル更新トリガーの発行目的が、検知モデルの精度の向上、検知対象の追加といった検知モデルの更新を必要としているかどうかを判定する（ステップＳ２１）。

ステップＳ２１の判定の結果、モデル更新トリガーの発行目的が、検知モデルの更新を必要としている場合は、学習管理部２４は、学習処理部２１に検知モデルの更新を指示する。これにより、学習処理部２１は、データ蓄積部２３から、既存の検知モデルと、追加の学習データとなる映像データとを取得する（ステップＳ２２）。

次に、学習処理部２１は、ステップＳ２２で取得した検知モデルと映像データとを用いて、既存の検知モデルを更新し（ステップＳ２３）、更新した検知モデルを、モデル格納部２６に格納する。

次に、モデル管理部２７は、モデル出力部２８に、更新された検知モデルを渡し、送信先となる監視カメラ３０へと送信させる（ステップＳ２４）。

一方、ステップＳ２１の判定の結果、モデル更新トリガーの発行目的が、検知モデルの更新を必要としていない場合、即ち、新たな検知モデルの作成を必要としている場合は、学習管理部２４は、学習処理部２１に新たな検知モデルの作成を指示する。これにより、学習処理部２１は、データ蓄積部２３から、新規の学習データとなる映像データとを取得する（ステップＳ３２）。

次に、学習処理部２１は、ステップＳ３２で取得した映像データを用いて、新たな検知モデルを作成し（ステップＳ３３）、作成した検知モデルを、モデル格納部２６に格納する。

次に、モデル管理部２７は、モデル出力部２８に、新たに作成された検知モデルを渡し、送信先となる監視カメラ３０へと送信させる（ステップＳ３４）。ステップＳ２４又はＳ３４が実行されると、情報転送装置１０において、上述したステップＳ１０及びＳ１１が実行される。

［実施の形態１における効果］
以上のように、本実施の形態１によれば、情報転送装置側のリソースが貧弱で、情報転送装置と学習処理装置との間のネットワークの帯域が狭い環境であっても、検知モデルが劣化しないように、動的に更新できる。更に、検知モデルの変更を柔軟に実施できる。このため、本実施の形態１のこれらの装置を監視システムに用いた場合は、有効な自動監視を継続することができる

また、本実施の形態１は、監視カメラ３０に特別なハードウェアの追加を行なうことなく、実現できるので、導入コストの低減を実現できる。また、本実施の形態１は、ネットワークの構築にかかるコストも抑制できる。

［プログラム］
本実施の形態１における第１のプログラムは、コンピュータに、図４に示すステップＳ１〜Ｓ５、図５に示すＳ１０〜Ｓ１０を実行させるプログラムであれば良い。このプログラムをコンピュータにインストールし、実行することによって、本実施の形態における情報転送装置１０と情報転送方法とを実現することができる。この場合、コンピュータのＣＰＵ（Central Processing Unit）は、解析部１１、送信処理部１２、モデル管理部１６として機能し、処理を行なう。

また、本実施の形態１における第２のプログラムは、コンピュータに、図６に示すステップＳ２０〜Ｓ３４を実行させるプログラムであれば良い。このプログラムをコンピュータにインストールし、実行することによって、本実施の形態における学習処理装置を実現することができる。この場合、コンピュータのＣＰＵ（Central Processing Unit）は、学習処理部２１、データ受信部２２、学習管理部２４、ラベル入力部２５、モデル管理部２７、モデル出力部２８として機能し、処理を行なう。

（実施の形態２）
次に、本発明の実施の形態２における、情報転送装置、学習システム、情報転送方法、及びプログラムについて、図７〜図９を参照しながら説明する。

［システム構成］
最初に、本発明の実施の形態２における情報転送装置及び学習システムの概略構成について図７及び図８を用いて説明する。図７は、本発明の実施の形態２における情報転送装置の具体的構成を示すブロック図である。図８は、本発明の実施の形態２において用いられるルールの一例を示す図である。

但し、本実施の形態２において、学習処理装置は、図１に示した実施の形態１における学習処理装置２０と同様である。よって、以下においては、本実施の形態２における情報転送装置を中心に説明する。

図７に示すように、本実施の形態２における情報転送装置４０は、送信処理部１２が使用するルールの点で、実施の形態１における情報転送装置１０と異なっている。そのため、情報転送装置４０は、図１に示した確信度閾値保持部１４及び送信頻度保持部１５の代わりに、通信ルール保持部４１を備えている。

また、通信ルール保持部４１は、確信度が閾値より大きくなった回数が、設定回数を超えた場合に、確信度が閾値より大きい最新の映像データを送信することを規定した複数のルールを保持している。また、これらのルールは、それぞれにおいて、閾値は異なっている。そして、本実施の形態２では、送信処理部１２は、確信度が閾値より大きくなるまで、各ルールを、閾値が大きい順に適用する。

具体的には、図８の例では、通信ルール保持部４１は、確信度の閾値が異なる４つのルールを保持している。各ルールは、ルールラベル、確信度の閾値、送信率を含んでいる。また、各ルールには、上述した設定回数が紐付けられている。また、送信処理部１２は、図８に示す各ルールを、閾値が大きい順に適用し、いずれかのルールを適用できた場合は、それ以降のルールについて適用しない。

例えば、確信度Ｘの映像データが存在し、それに対応する送信率がｒ％であるとする。この場合、設定回数は下記の式（１）によって計算できる。そして、送信処理部１２は、映像データの確信度がいずれかのルールに合致すると、カウンタｃを１増加させる。そして、送信処理部１２は、カウンタｃの値が、そのルールの設定回数を超える場合（ｃ＞（１００／ｒ）−１）は、映像データを送信すると共に、カウンタｃをリセットする。
設定回数＝（１００／ｒ）−１・・・・・（１）

なお、送信処理部１２は、上記の式（１）で算出される設定回数が「０」以上の場合にのみ、上記の送信処理を実行する。図８に示す「全非送信」の場合のように、設定回数が０より小さくなるルールを適用する場合は、送信処理部１２は、上記の送信処理を行なわずに、常に映像データを送信しないものとする。

［システム動作］
次に、本実施の形態２における情報転送装置４０の動作について図９を用いて説明する。図９は、本発明の実施の形態２における情報転送装置の映像データの送信処理時の動作を示すフロー図である。また、本実施の形態２では、情報転送装置４０を動作させることによって、情報転送方法が実施される。よって、本実施の形態２における情報転送方法の説明は、以下の情報転送装置１０の動作説明に代える。

最初に、図９に示すように、解析部１１が、撮像部３１から映像データを取得する（ステップＳ４０）。次に、解析部１１は、モデル格納部１３から検知モデルを読み込み、読み込んだ検知モデルに基づいて、映像データのフレーム毎に、検知すべき対象物が映っているかどうかを判定し、判定結果に応じて、確信度を付与する（ステップＳ４１）。なお、ステップＳ４０及びＳ４１は、それぞれ、図４に示したステップＳ１及びＳ２と同様のステップである。

次に、送信処理部１２は、確信度が閾値より大きくなるまで、各ルールを閾値が大きい順に適用する（ステップＳ４２）。次に、送信処理部１２は、カウンタｃの値が、設定回数を超えているかどうかを判定する（ステップＳ４３）。

ステップＳ４３の判定の結果、カウンタｃの値が設定回数を超えている場合は、送信処理部１２は、判定対象となっている映像データ（フレーム）を、学習処理装置２０に送信する（ステップＳ４４）。一方、ステップＳ４３の判定の結果、カウンタｃの値が設定回数以下の場合は、送信処理部１２は、処理を終了する。

但し、撮像部３１から映像データが送られてくると、再度、ステップＳ４０が実行される。ステップＳ４０〜Ｓ４４は、撮像部３１から映像データが送られてくる間、繰り返し実行される。

［実施の形態２における効果］
以上のように、実施の形態２によれば、複数のルールを適用できるため、多様な通信量の制御が可能となる。また、本本実施の形態２を用いた場合も、実施の形態１と同様に、情報転送装置側のリソースが貧弱で、情報転送装置と学習処理装置との間のネットワークの帯域が狭い環境であっても、検知モデルが劣化しないように、動的に更新できる。

［プログラム］
本実施の形態２におけるプログラムは、コンピュータに、図９に示すステップＳ４０〜Ｓ４４を実行させるプログラムであれば良い。このプログラムをコンピュータにインストールし、実行することによって、本実施の形態における情報転送装置１０と情報転送方法とを実現することができる。この場合、コンピュータのＣＰＵ（Central Processing Unit）は、解析部１１、送信処理部１２、モデル管理部１６として機能し、処理を行なう。なお、本実施の形態２において、学習処理装置を構築するプログラムは、実施の形態１におけるプログラムと同様である。

（実施の形態３）
次に、本発明の実施の形態３における、情報転送装置、学習システム、情報転送方法、及びプログラムについて、図１０及び図１１を参照しながら説明する。図１０は、本発明の実施の形態３における情報転送装置の具体的構成を示すブロック図である。図１１は、本発明の実施の形態３における学習処理装置の具体的構成を示すブロック図である。

図１０に示すように、本実施の形態３では、情報転送装置５０は、ルール受信部５１を備えており、この点で、図７に示した実施の形態２における情報転送装置４０と異なっている。なお、この点以外については、情報転送装置５０は、情報転送装置４０と同様に構成されている。

また、図１１に示すように、本実施の形態３では、学習処理装置６０は、ルール管理部６１とルール出力部６２とを備えており、この点で、図３に示した実施の形態１における学習処理装置２０と異なっている。なお、この点以外については、学習処理装置６０は、学習処理装置２０と同様に構成されている。

続いて、本実施の形態３と実施の形態１及び２との相違点を中心に説明する。先ず、学習処理装置６０において、ルール管理部６１は、情報転送装置５０に対してルールの変更を行なわせる。

例えば、検知精度が劣化した監視カメラ３０が存在する場合、学習管理部２４は、この監視カメラ３０で用いる検知モデルの更新又は再作成を実行する。このような場合、ルール管理部６１は、検知精度が劣化した監視カメラ３０から、より多くの映像データを取得できるように、この監視カメラ３０に対して、ルールの変更を指示する。

具体的には、ルール管理部６１は、新たなルールを作成し、又は予め作成されているルールの中からの適切なルールを選択し、新たなルール又は選択したルールを、ルール出力部６２から、指定の監視カメラ３０に送信する。この場合、情報転送装置５０では、ルール受信部５１が、送信されてきたルールを受信し、受信したルールを、通信ルール保持部４１に保持させる。

その後、ルールの変更により、監視カメラ３０から、学習処理装置６０へと十分な量の学習データ（映像データ）が送信され、これらが新たに蓄積されると、学習処理装置６０は、再学習を行なって、検知モデルの更新、又は新たな検知モデルの作成を実行する。そして、学習処理装置６０は、更新又は新たに作成された検知モデルを、監視カメラ３０に配信する。

本実施の形態３によれば、例えば、カメラの撮影範囲内に新たな建築物が作られたことによる背景又は光の状況の変化、交通量の増減、通行人の年代層の変化などの影響により、検知精度が劣化した場合に、簡単に、モデルを再作成することが可能となる。本実施の形態３は、この様な場合に、精度劣化を改善することが可能である。

また、本実施の形態３では、情報転送装置５０を動作させることによって、情報転送方法が実施される。更に、本実施の形態３において、情報転送装置５０を実現するプログラムとしては、コンピュータに、図９に示すステップＳ４０〜Ｓ４４と、送信されてきたルールを受信して、それを通信ルール保持部４１に保持させるステップとを実行させるプログラムが挙げられる。

また、本実施の形態３において、学習処理装置６０を実現するプログラムとしては、コンピュータに、図６に示すステップＳ２０〜Ｓ３４と、新たなルールの作成又は選択を行なうステップと、新たなルールを送信するステップとを実行させるプログラムが挙げられる。

（実施の形態４）
次に、本発明の実施の形態４における、情報転送装置、学習システム、情報転送方法、及びプログラムについて、図１２を参照しながら説明する。図１２は、本発明の実施の形態４における学習処理装置の具体的構成を示すブロック図である。

まず、図示していないが、本実施の形態４は、学習処理装置７０が複数の情報転送装置（監視カメラ）に接続されていることが前提となる。また、図１２に示すように、本実施の形態４では、学習処理装置７０は、シミュレーション実行部７１を備えており、この点で、図３に示した実施の形態１における学習処理装置２０と異なっている。なお、この点以外については、学習処理装置７０は、学習処理装置２０と同様に構成されている。

続いて、本実施の形態４と実施の形態１との相違点を中心に説明する。先ず、学習処理装置７０において、シミュレーション実行部７１は、複数の情報転送装置のうちの１つの情報転送装置の検知モデルを用いて、別の情報転送装置から送信されてきた映像データに対象物が映っているかどうかの判定を実行する。

つまり、本実施の形態４では、学習処理装置７０は、ある監視カメラの検知モデルを更新する際に、この監視カメラからの蓄積されている映像データに対して、別の監視カメラの映像データからの学習で作成した検知モデルを用いて、検知のシミュレーションを実行する。そして、このシミュレーションの結果を用いれば、以下の機能を実現できる。

例えば、設置されたばかりで、蓄積されている映像データが不十分な監視カメラが存在しているとする。この場合に、シミュレーションによって、他の監視カメラでの学習によって作成された検知モデルを用いても、高精度に検知できていることが確認できたとする。この結果、設置されたばかりの監視カメラで撮影された映像データを用いた学習を実施せずに、他の監視カメラの検知モデルを、設置されたばかりの監視カメラに送信しても、十分な検知精度を得ることができることが分かる。

また、このような確認ができた場合は、設置されたばかりの監視カメラで撮影された映像データと、他の監視カメラで使用された検知モデルの元となった映像データとは、特徴が類似していると判断できる。

よって、この場合、検知モデルの元となった映像データから、検知対象となるオブジェクト領域を切り出し、切り出した領域を、設置されたばかりの監視カメラで撮影された映像データにはめこみ、得られた映像データによってシミュレーションを行なうことができる。そして、シミュレーションの結果から、適切に検知が行なわれた映像データを選出し、これらを蓄積すれば、学習に用いる映像データを増殖させることができるので、その後、これらを用いて学習を行なえば、設置されたばかりの適切な監視カメラの検知モデルの作成が可能となる。

また、本実施の形態４でも、情報転送装置を動作させることによって、情報転送方法が実施される。更に、本実施の形態４において、情報転送装置を実現するプログラムとしては、実施の形態１〜３のいずれかに示したプログラムが挙げられる。また、本実施の形態４において、学習処理装置７０を実現するプログラムとしては、コンピュータに、図６に示すステップＳ２０〜Ｓ３４と、シミュレーションを実行するステップとを実行させるプログラムが挙げられる。

（実施の形態５）
次に、本発明の実施の形態５における、情報転送装置、学習システム、情報転送方法、及びプログラムについて、図１３及び図１４を参照しながら説明する。

［システム構成］
最初に、本発明の実施の形態５における情報転送装置及び学習システムの構成について図１３を用いて説明する。図１３は、本発明の実施の形態５における情報転送装置及び学習システムの概略構成を示すブロック図である。

図１２に示すように、本実施の形態５における学習システム３００は、情報転送装置８０と、学習処理装置２０とを備えている。また、情報転送装置８０と、学習処理装置２０とは、ネットワーク２００を介して接続されている。なお、学習処理装置２０は、図１に示した学習処理装置と同様のものである。

情報転送装置８０は、測定部８１と、データ処理部８２と、送信処理部８３とを備えている。測定部８１は、ネットワーク２００の帯域を測定する。データ処理部８２は、学習対象となるデータを取得し、取得したデータに、測定された帯域の値を付与する。送信処理部８３が、帯域の値を用いて設定されたルールに基づいて、データを学習処理装置に送信する。

本実施の形態５においても、データとしては、撮像部から出力された映像データが挙げられる。また、本実施の形態５において、送信処理部８３が用いるルールとしては、「帯域の値が閾値より大きい映像データを全て送信し、帯域の値が閾値以下の映像データを、送信頻度が設定値となるように送信する」、ことを規定しているルールが挙げられる。

［システム動作］
次に、本実施の形態５における情報転送装置８０の動作について図１４を用いて説明する。図１４は、本発明の実施の形態５における情報転送装置の映像データの送信処理時の動作を示すフロー図である。

また、本実施の形態５では、情報転送装置８０を動作させることによって、情報転送方法が実施される。よって、本実施の形態５における情報転送方法の説明は、以下の情報転送装置８０の動作説明に代える。なお、本実施の形態５において、学習処理装置２０の動作は、実施の形態１と同様である。

最初に、図１４に示すように、測定部８１は、ネットワーク２００の帯域を測定する（ステップＳ５０）。次に、データ処理部８２は、学習対象となるデータとして、撮像部から映像データを取得し（ステップＳ５１）、取得した映像データに、測定された帯域の値を付与する（ステップＳ５２）。

次に、送信処理部１２は、ステップＳ５２で帯域の値が付与された映像データを取得し、映像データに付与されている帯域の値が閾値より大きいかどうかを判定する（ステップ５Ｓ３）。

ステップＳ５３の判定の結果、映像データに付与されている帯域の値が閾値より大きい場合は、送信処理部１２は、判定対象となっている映像データ（フレーム）を、学習処理装置２０に送信する（ステップＳ５４）。

一方、ステップＳ５３の判定の結果、映像データに付与されている帯域の値が閾値以下の場合は、送信処理部１２は、送信頻度が設定値となるように、判定対象となっている映像データ（フレーム）を、学習処理装置２０に送信する（ステップＳ５５）。

ステップＳ５４又はＳ５５の実行後、処理は一旦終了するが、撮像部から映像データが送られてくると、再度、ステップＳ５０が実行される。ステップＳ５１〜Ｓ５５は、撮像部３１から映像データが送られてくる間、繰り返し実行される。

［実施の形態５における効果］
このように、本実施の形態５においては、実施の形態１と異なり、確信度の代わりに、ネットワークの帯域の値が用いられて、データを送信すべきかどうかの判断が行なわれる。本実施の形態５によれば、ネットワーク帯域が十分でないときは、通信頻度を低く設定でき、ネットワーク帯域が十分あるときは、通信頻度を高く設定できる。

［プログラム］
本実施の形態５におけるプログラムは、コンピュータに、図１４に示すステップＳ５０〜Ｓ５５を実行させるプログラムであれば良い。このプログラムをコンピュータにインストールし、実行することによって、本実施の形態における情報転送装置８０と情報転送方法とを実現することができる。この場合、コンピュータのＣＰＵ（Central Processing Unit）は、測定部８１、データ処理部８２、送信処理部８３として機能し、処理を行なう。なお、本実施の形態５において、学習処理装置を構築するプログラムは、実施の形態１におけるプログラムと同様である。

（物理構成）
ここで、実施の形態１〜５におけるプログラムを実行することによって、情報転送装置及び学習処理装置を実現するコンピュータについて図１５を用いて説明する。図１５は、本発明の実施の形態１〜５における情報転送装置及び学習処理装置を実現するコンピュータの一例を示すブロック図である。

図１５に示すように、コンピュータ１１０は、ＣＰＵ１１１と、メインメモリ１１２と、記憶装置１１３と、入力インターフェイス１１４と、表示コントローラ１１５と、データリーダ／ライタ１１６と、通信インターフェイス１１７とを備える。これらの各部は、バス１２１を介して、互いにデータ通信可能に接続される。

ＣＰＵ１１１は、記憶装置１１３に格納された、本実施の形態におけるプログラム（コード）をメインメモリ１１２に展開し、これらを所定順序で実行することにより、各種の演算を実施する。メインメモリ１１２は、典型的には、ＤＲＡＭ（Dynamic Random Access Memory）等の揮発性の記憶装置である。また、本実施の形態におけるプログラムは、コンピュータ読み取り可能な記録媒体１２０に格納された状態で提供される。なお、本実施の形態におけるプログラムは、通信インターフェイス１１７を介して接続されたインターネット上で流通するものであっても良い。

また、記憶装置１１３の具体例としては、ハードディスクドライブの他、フラッシュメモリ等の半導体記憶装置が挙げられる。入力インターフェイス１１４は、ＣＰＵ１１１と、キーボード及びマウスといった入力機器１１８との間のデータ伝送を仲介する。表示コントローラ１１５は、ディスプレイ装置１１９と接続され、ディスプレイ装置１１９での表示を制御する。

データリーダ／ライタ１１６は、ＣＰＵ１１１と記録媒体１２０との間のデータ伝送を仲介し、記録媒体１２０からのプログラムの読み出し、及びコンピュータ１１０における処理結果の記録媒体１２０への書き込みを実行する。通信インターフェイス１１７は、ＣＰＵ１１１と、他のコンピュータとの間のデータ伝送を仲介する。

また、記録媒体１２０の具体例としては、ＣＦ（Compact Flash（登録商標））及びＳＤ（Secure Digital）等の汎用的な半導体記憶デバイス、フレキシブルディスク（Flexible Disk）等の磁気記憶媒体、又はＣＤ−ＲＯＭ（Compact Disk Read Only Memory）などの光学記憶媒体が挙げられる。

上述した実施の形態の一部又は全部は、以下に記載する（付記１）〜（付記２０）によって表現することができるが、以下の記載に限定されるものではない。

（付記１）
学習対象となるデータを取得し、取得した前記データと基準となるモデルとを比較して、前記データに、学習対象としての価値の程度を示す指標を付与する、解析部と、
前記指標を用いて設定されたルールに基づいて、前記データを外部に送信する、送信処理部と、
を備えている、ことを特徴とする情報転送装置。

（付記２）
前記解析部が、前記データとして、映像データを取得し、取得した前記映像データと基準となるモデルとを比較して、前記映像データに対象物が映っているかどうかを判定し、判定結果に応じて、前記映像データに、前記指標として、前記対象物が映っていることの確からしさを示す確信度を付与し、
前記送信処理部が、前記確信度を用いて設定されたルールに基づいて、前記映像データを外部に送信する、
付記１に記載の情報転送装置。

（付記３）
前記ルールが、前記確信度が閾値より大きい映像データを全て送信し、前記確信度が前記閾値以下の映像データを、送信頻度が設定値となるように送信する、ことを規定している、
付記２に記載の情報転送装置。

（付記４）
前記ルールが、
前記確信度が閾値より大きくなった回数が、設定回数を超えた場合に、前記確信度が前記閾値より大きい最新の映像データを送信することを規定した複数のルールを含み、
前記複数のルールそれぞれにおいて、前記閾値は異なり、
前記送信処理部は、前記確信度が前記閾値より大きくなるまで、前記複数のルールを、前記閾値が大きい順に適用する、
付記２に記載の情報転送装置。

（付記５）
情報転送装置と、学習処理装置とを備え、
前記情報転送装置は、
学習対象となるデータを取得し、取得した前記データと基準となるモデルとを比較して、前記データに、学習対象としての価値の程度を示す指標を付与する、解析部と、
前記指標を用いて設定されたルールに基づいて、前記データを前記学習処理装置に送信する、送信処理部と、
を備え、
前記学習処理装置は、
前記情報転送装置から送信されてきた前記データに基づいて、前記モデルの更新、または新たなモデルの作成を行なう、学習処理部を備えている、
ことを特徴とする学習システム。

（付記６）
前記解析部が、前記データとして、映像データを取得し、取得した前記映像データと基準となるモデルとを比較して、前記映像データに対象物が映っているかどうかを判定し、判定結果に応じて、前記映像データに、前記指標として、前記対象物が映っていることの確からしさを示す確信度を付与し、
前記送信処理部が、前記確信度を用いて設定されたルールに基づいて、前記映像データを外部に送信する、
付記５に記載の学習システム。

（付記７）
前記ルールが、前記確信度が閾値より大きい場合は、前記確信度が閾値より大きい映像データを全て送信し、前記確信度が閾値以下の場合は、前記確信度が前記閾値以下の映像データを、前記送信頻度が設定値となるように送信する、ことを規定している、
付記６に記載の学習システム。

（付記８）
前記ルールが、
前記確信度が閾値より大きくなった回数が、設定回数を超えた場合に、前記確信度が前記閾値より大きい最新の映像データを送信することを規定した複数のルールを含み、
前記複数のルールそれぞれにおいて、前記閾値は異なり、
前記送信処理部は、前記確信度が前記閾値より大きくなるまで、前記複数のルールを、前記閾値が大きい順に適用する、
付記６に記載の学習システム。

（付記９）
前記学習処理装置が、更に、前記情報転送装置に対して前記ルールの変更を行なわせる、ルール管理部を備えている、
付記５〜８のいずれかに記載の学習システム

（付記１０）
複数の情報転送装置が備えられており、
前記学習処理装置が、更に、複数の前記情報転送装置のうちの１つの情報転送装置のモデルを用いて、別の情報転送装置から送信されてきた映像データに前記対象物が映っているかどうかの判定を行なう、シミュレーション実行部を備えている、
付記６〜９のいずれかに記載の学習システム。

（付記１１）
ネットワークに接続されている情報転送装置であって、
前記ネットワークの帯域を測定する、測定部と、
学習対象となるデータを取得し、取得した前記データに、測定された前記帯域の値を付与する、データ処理部と、
前記帯域の値を用いて設定されたルールに基づいて、前記データを前記学習処理装置に送信する、送信処理部と、
を備えている、ことを特徴とする情報転送装置。

（付記１２）
互いにネットワークを介して接続された、情報転送装置と、学習処理装置とを備え、
前記情報転送装置は、
前記ネットワークの帯域を測定する、測定部と、
学習対象となるデータを取得し、取得した前記データに、測定された前記帯域の値を付与する、データ処理部と、
前記帯域の値を用いて設定されたルールに基づいて、前記データを前記学習処理装置に送信する、送信処理部と、
を備え、
前記学習処理装置は、
前記情報転送装置から送信されてきた前記データに基づいて、前記モデルの更新、または新たなモデルの作成を行なう、学習処理部を備えている、
ことを特徴とする学習システム。

（付記１３）
（ａ）学習対象となるデータを取得し、取得した前記データと基準となるモデルとを比較して、前記データに、学習対象としての価値の程度を示す指標を付与する、ステップと、
（ｂ）前記指標を用いて設定されたルールに基づいて、前記データを外部に送信する、ステップと、
を有する、ことを特徴とする情報転送方法。

（付記１４）
前記（ａ）のステップにおいて、前記データとして、映像データを取得し、取得した前記映像データと基準となるモデルとを比較して、前記映像データに対象物が映っているかどうかを判定し、判定結果に応じて、前記映像データに、前記指標として、前記対象物が映っていることの確からしさを示す確信度を付与し、
前記（ｂ）のステップにおいて、前記確信度を用いて設定されたルールに基づいて、前記映像データを外部に送信する、
付記１３に記載の情報転送方法。

（付記１５）
前記ルールが、前記確信度が閾値より大きい映像データを全て送信し、前記確信度が前記閾値以下の映像データを、送信頻度が設定値となるように送信する、ことを規定している、
付記１４に記載の情報転送方法。

（付記１６）
前記ルールが、
前記確信度が閾値より大きくなった回数が、設定回数を超えた場合に、前記確信度が前記閾値より大きい最新の映像データを送信することを規定した複数のルールを含み、
前記複数のルールそれぞれにおいて、前記閾値は異なり、
前記（ｂ）のステップにおいて、前記確信度が前記閾値より大きくなるまで、前記複数のルールを、前記閾値が大きい順に適用する、
付記１４に記載の情報転送方法。

（付記１７）
コンピュータに、
（ａ）学習対象となるデータを取得し、取得した前記データと基準となるモデルとを比較して、前記データに、学習対象としての価値の程度を示す指標を付与する、ステップと、
（ｂ）前記指標を用いて設定されたルールに基づいて、前記データを外部に送信する、ステップと、
を実行させる、プログラム。

（付記１８）
前記（ａ）のステップにおいて、前記データとして、映像データを取得し、取得した前記映像データと基準となるモデルとを比較して、前記映像データに対象物が映っているかどうかを判定し、判定結果に応じて、前記映像データに、前記指標として、前記対象物が映っていることの確からしさを示す確信度を付与し、
前記（ｂ）のステップにおいて、前記確信度を用いて設定されたルールに基づいて、前記映像データを外部に送信する、
付記１７に記載のプログラム。

（付記１９）
前記ルールが、前記確信度が閾値より大きい映像データを全て送信し、前記確信度が前記閾値以下の映像データを、送信頻度が設定値となるように送信する、ことを規定している、
付記１８に記載のプログラム。

（付記２０）
前記ルールが、
前記確信度が閾値より大きくなった回数が、設定回数を超えた場合に、前記確信度が前記閾値より大きい最新の映像データを送信することを規定した複数のルールを含み、
前記複数のルールそれぞれにおいて、前記閾値は異なり、
前記（ｂ）のステップにおいて、前記確信度が前記閾値より大きくなるまで、前記複数のルールを、前記閾値が大きい順に適用する、
付記１８に記載のプログラム。

以上のように本発明によれば、学習の価値があるデータを選択的に送信することができる。本発明は、学習が必要な分野、例えば、監視システムに有効である。

１０ 情報転送装置（実施の形態１）
４０ 情報転送装置（実施の形態２）
５０ 情報転送装置（実施の形態３）
８０ 情報転送装置（実施の形態５）
１１ 解析部
１２ 送信処理部
１３ モデル格納部
１４ 確信度閾値保持部
１５ 送信頻度保持部
１６ モデル管理部
２０ 学習処理装置（実施の形態１）
６０ 学習処理装置（実施の形態３）
７０ 学習処理装置（実施の形態４）
２１ 学習処理部
２２ データ受信部
２３ データ蓄積部
２４ 学習管理部
２５ ラベル入力部
２６ モデル格納部
２７ モデル管理部
２８ モデル出力部
３０ 監視カメラ
３１ 撮像部
４０ 情報転送装置
１００ 学習システム
１１０ コンピュータ
１１１ ＣＰＵ
１１２ メインメモリ
１１３ 記憶装置
１１４ 入力インターフェイス
１１５ 表示コントローラ
１１６ データリーダ／ライタ
１１７ 通信インターフェイス
１１８ 入力機器
１１９ ディスプレイ装置
１２０ 記録媒体
１２１ バス
２００ ネットワーク

Claims (7)

1. 学習対象となるデータを取得し、取得した前記データと基準となるモデルとを比較して、前記データに、学習対象としての価値の程度を示す指標を付与する、解析部と、
   前記指標を用いて設定されたルールに基づいて、前記データを外部に送信する、送信処理部と、
   を備えている、ことを特徴とする情報転送装置。
2. 前記解析部が、前記データとして、映像データを取得し、取得した前記映像データと基準となるモデルとを比較して、前記映像データに対象物が映っているかどうかを判定し、判定結果に応じて、前記映像データに、前記指標として、前記対象物が映っていることの確からしさを示す確信度を付与し、
   前記送信処理部が、前記確信度を用いて設定されたルールに基づいて、前記映像データを外部に送信する、
   請求項１に記載の情報転送装置。
3. 前記ルールが、前記確信度が閾値より大きい映像データを全て送信し、前記確信度が前記閾値以下の映像データを、送信頻度が設定値となるように送信する、ことを規定している、
   請求項２に記載の情報転送装置。
4. 前記ルールが、
   前記確信度が閾値より大きくなった回数が、設定回数を超えた場合に、前記確信度が前記閾値より大きい最新の映像データを送信することを規定した複数のルールを含み、
   前記複数のルールそれぞれにおいて、前記閾値は異なり、
   前記送信処理部は、前記確信度が前記閾値より大きくなるまで、前記複数のルールを、前記閾値が大きい順に適用する、
   請求項２に記載の情報転送装置。
5. 情報転送装置と、学習処理装置とを備え、
   前記情報転送装置は、
   学習対象となるデータを取得し、取得した前記データと基準となるモデルとを比較して、前記データに、学習対象としての価値の程度を示す指標を付与する、解析部と、
   前記指標を用いて設定されたルールに基づいて、前記データを前記学習処理装置に送信する、送信処理部と、
   を備え、
   前記学習処理装置は、
   前記情報転送装置から送信されてきた前記データに基づいて、前記モデルの更新、または新たなモデルの作成を行なう、学習処理部を備えている、
   ことを特徴とする学習システム。
6. （ａ）学習対象となるデータを取得し、取得した前記データと基準となるモデルとを比較して、前記データに、学習対象としての価値の程度を示す指標を付与する、ステップと、
   （ｂ）前記指標を用いて設定されたルールに基づいて、前記データを外部に送信する、ステップと、
   を有する、ことを特徴とする情報転送方法。
7. コンピュータに、
   （ａ）学習対象となるデータを取得し、取得した前記データと基準となるモデルとを比較して、前記データに、学習対象としての価値の程度を示す指標を付与する、ステップと、
   （ｂ）前記指標を用いて設定されたルールに基づいて、前記データを外部に送信する、ステップと、
   を実行させる、プログラム。

Images