JP2018005555A - 画像処理装置、情報処理装置、および方法、並びにプログラム - Google Patents

Abstract

【課題】オブジェクトの属性に応じた特徴量抽出処理により、オブジェクト属性に応じた高精度かつ効率的な検索を実現する。【解決手段】画像から検出された動体オブジェクトの動体属性を判定し、動体属性に応じて動体枠を分割し、特徴量抽出対象とする分割領域を決定する。決定した分割領域から特徴量を抽出してメタデータを生成する。動体属性が人であるか車であるか、さらに車種、車の方向、さらに動体枠のサイズ、カメラの俯角等に基づいて動体枠の分割態様、特徴量抽出領域を決定し、特徴量情報を記録したメタデータを生成する。オブジェクト検索においては、このメタデータを適用した検索処理を実行することで、オブジェクト属性に応じた最適な検索が実現される。【選択図】図１９

Description

本開示は、画像処理装置、情報処理装置、および方法、並びにプログラムに関する。さらに詳細には、画像から人、車等のオブジェクト検出処理を実行する画像処理装置、情報処理装置、および方法、並びにプログラムに関する。

近年、駅、ビル、公道、その他の様々な場所に監視カメラ（セキュリティカメラ）が設置されている。これら監視カメラの撮影画像は、例えばネットワークを介してサーバに送信され、データベース等の記憶手段に記憶され、サーバ、あるいはネットワーク接続された検索装置（情報処理装置）を適用した様々なデータ処理に利用される。
サーバや検索装置（情報処理装置）が実行するデータ処理は、例えば、特定人物や特定車両等のオブジェクト検索、追跡処理等である。

このような監視カメラを用いた監視システムでは、撮影画像データから特定オブジェクトを検出するために、動体検出や、顔検出、あるいは人検出等、様々な種類の検出処理を組み合わせて実行する。
カメラ撮影画像からのオブジェクト検出、追跡処理は、例えば、様々な事件の不審者や犯人捜査に活用されている。

このような監視カメラ（セキュリティカメラ）の設置数は、近年、爆発的に伸びており、年間に記録される映像はすでに１兆時間を超えていると言われている。この流れは今後も加速する傾向にあり、数年後には現在の数倍の記録時間に達すると予測されている。しかし、このような現状であるにも関わらず、事件発生等の有事の際は、今でもオペレータが大量に記録された映像を一つ一つ再生して確認すると言った、目視による検索をしている事例が多く、年々オペレータの人件費が増加しているという問題が生じている。

上記のようなデータ処理量の増大を解決するための構成について様々な提案がなされている。
例えば、特許文献１（特開２０１３−１８６５４６号公報）は、画像処理装置において、人物の衣服の特徴（色など）を抽出し、抽出特徴量を用いた画像解析処理を行なうことで、複数カメラの膨大な撮影画像データから同一人物と推定される人物を効率的に抽出する構成を開示している。
このような特徴量を用いた画像解析処理により、オペレータの作業負荷の軽減が実現される。

しかし、上記のような画像特徴量を用いた解析処理を利用した場合でもまだ多くの問題がある。
例えば、上記の特許文献１に記載の構成は、検索対象を人物に限定し、人物の衣服の色等の特徴を画像から取得するアルゴリズムを実行するものである。
この特徴量取得アルゴリズムは、画像内の人領域や顔領域を判別し、衣服部分を推定してその色情報等を取得する特徴量取得アルゴリズムであり、特徴量取得対象は人物に限定されている。

従って、追跡または検索対象が人物以外のオブジェクト、例えば車両の追跡が必要である場合、上記特許文献１に開示された人物を対象とした特徴量取得アルゴリズムを実行しても、正しい車両情報、例えば車の正しい色情報取得処理ができないという問題がある。

特開２０１３−１８６５４６号公報

本開示は、例えば、上述の問題点に鑑みてなされたものであり、検索や追跡対象となる様々な種類のオブジェクトに応じた最適な画像解析を実行して、オブジェクト種類に応じた検索や追跡処理を効率的にかつ高精度に実行可能とする画像処理装置、情報処理装置、および方法、並びにプログラムを提供する。

本開示の一実施例においては、例えば、検索処理や追跡処理対象とするオブジェクトの属性（例えば人、車種等）に応じて異なるオブジェクト分割を行い、オブジェクト種類に応じた分割領域単位で色情報等の特徴量を抽出し、解析する。このような処理により、オブジェクト種類に応じた検索や追跡処理を効率的にかつ高精度に実行可能とする画像処理装置、情報処理装置、および方法、並びにプログラムを提供する。

本開示の第１の側面は、
画像から検出するオブジェクトに対応するメタデータを生成するメタデータ生成部を有し、
前記メタデータ生成部は、
画像から検出された動体オブジェクトに対する動体枠を設定する動体枠設定部と、
動体枠の設定された動体の属性を判定する動体属性判定部と、
動体属性に応じて、動体枠を分割する動体枠領域分割部と、
動体属性に応じて、特徴量抽出対象とする分割領域を決定する特徴量抽出分割領域決定部と、
前記特徴量抽出分割領域決定部の決定した分割領域から特徴量を抽出する特徴量抽出部と、
前記特徴量抽出部の抽出した特徴量を記録したメタデータを生成するメタデータ記録部を有する画像処理装置にある。

さらに、本開示の第２の側面は、
画像からのオブジェクト検索を実行するデータ処理部を有し、
前記データ処理部は、
検索対象オブジェクトの属性に応じて決定される特徴量抽出領域の特徴量に基づくオブジェクト検索を実行する情報処理装置にある。

さらに、本開示の第３の側面は、
画像処理装置において実行する画像処理方法であり、
前記画像処理装置は、画像から検出するオブジェクトに対応するメタデータを生成するメタデータ生成部を有し、
前記メタデータ生成部が、
画像から検出された動体オブジェクトに対する動体枠を設定する動体枠設定処理と、
動体枠の設定された動体の属性を判定する動体属性判定処理と、
動体属性に応じて、動体枠を分割する動体枠領域分割処理部と、
動体属性に応じて、特徴量抽出対象とする分割領域を決定する特徴量抽出分割領域決定処理と、
前記特徴量抽出分割領域決定処理において決定した分割領域から特徴量を抽出する特徴量抽出処理と、
前記特徴量抽出処理において抽出した特徴量を記録したメタデータを生成する処理を実行する画像処理方法にある。

さらに、本開示の第４の側面は、
情報処理装置において実行する情報処理方法であり、
前記情報処理装置は、
画像からのオブジェクト検索を実行するデータ処理部を有し、
前記データ処理部が、
検索対象オブジェクトの属性に応じて決定される特徴量抽出領域の特徴量に基づくオブジェクト検索を実行する情報処理方法にある。

さらに、本開示の第５の側面は、
画像処理装置において画像処理を実行させるプログラムであり、
前記画像処理装置は、画像から検出するオブジェクトに対応するメタデータを生成するメタデータ生成部を有し、
前記プログラムは、前記メタデータ生成部に、
画像から検出された動体オブジェクトに対する動体枠を設定する動体枠設定処理と、
動体枠の設定された動体の属性を判定する動体属性判定処理と、
動体属性に応じて、動体枠を分割する動体枠領域分割処理部と、
動体属性に応じて、特徴量抽出対象とする分割領域を決定する特徴量抽出分割領域決定処理と、
前記特徴量抽出分割領域決定処理において決定した分割領域から特徴量を抽出する特徴量抽出処理と、
前記特徴量抽出処理において抽出した特徴量を記録したメタデータを生成する処理を実行させるプログラムにある。

さらに、本開示の第６の側面は、
情報処理装置において情報処理を実行させるプログラムであり、
前記情報処理装置は、
画像からのオブジェクト検索を実行するデータ処理部を有し、
前記プログラムは、前記データ処理部に、
検索対象オブジェクトの属性に応じて決定される特徴量抽出領域の特徴量に基づくオブジェクト検索を実行させるプログラムにある。

なお、本開示のプログラムは、例えば、様々なプログラム・コードを実行可能な情報処理装置やコンピュータ・システムに対して、コンピュータ可読な形式で提供する記憶媒体、通信媒体によって提供可能なプログラムである。このようなプログラムをコンピュータ可読な形式で提供することにより、情報処理装置やコンピュータ・システム上でプログラムに応じた処理が実現される。

本開示のさらに他の目的、特徴や利点は、後述する本開示の実施例や添付する図面に基づくより詳細な説明によって明らかになるであろう。なお、本明細書においてシステムとは、複数の装置の論理的集合構成であり、各構成の装置が同一筐体内にあるものには限らない。

本開示の一実施例の構成によれば、オブジェクトの属性に応じた特徴量抽出処理により、オブジェクト属性に応じた高精度かつ効率的な検索が実現される。
具体的には、画像から検出された動体オブジェクトの動体属性を判定し、動体属性に応じて動体枠を分割し、特徴量抽出対象とする分割領域を決定する。決定した分割領域から特徴量を抽出してメタデータを生成する。動体属性が人であるか車であるか、さらに車種、車の方向、さらに動体枠のサイズ、カメラの俯角等に基づいて動体枠の分割態様、特徴量抽出領域を決定し、特徴量情報を記録したメタデータを生成する。オブジェクト検索においては、このメタデータを適用した検索処理を実行することで、オブジェクト属性に応じた最適な検索が実現される。
本構成により、オブジェクトの属性に応じた特徴量抽出処理により、オブジェクト属性に応じた高精度かつ効率的な検索が実現される。
なお、本明細書に記載された効果はあくまで例示であって限定されるものではなく、また付加的な効果があってもよい。

本開示の処理が適用可能な情報処理システムの一例について説明する図である。 オブジェクト検索、追跡処理シーケンスについて説明するフローチャートを示す図である。 オブジェクト検索、追跡処理実行時の検索装置の表示データ（ＵＩ：ユーザインタフェース）の一例について説明する図である。 オブジェクト検索、追跡処理実行時の検索装置の表示データ（ＵＩ：ユーザインタフェース）の一例について説明する図である。 オブジェクト検索、追跡処理実行時の検索装置の表示データ（ＵＩ：ユーザインタフェース）の一例について説明する図である。 オブジェクト検索、追跡処理実行時の検索装置の表示データ（ＵＩ：ユーザインタフェース）の一例について説明する図である。 候補オブジェクトの優先度算出処理例について説明するフローチャートを示す図である。 情報処理システムを構成する装置の構成と通信データの例について説明する図である。 カメラ（画像処理装置）のメタデータ生成部の詳細構成と処理について説明する図である。 カメラ（画像処理装置）のメタデータ生成部の詳細構成と処理について説明する図である。 カメラ（画像処理装置）のメタデータ生成部の詳細構成と処理について説明する図である。 カメラ（画像処理装置）の実行するメタデータ生成処理に適用する属性対応動体枠分割情報登録テーブルの具体例について説明する図である。 カメラ（画像処理装置）の実行するメタデータ生成処理に適用する属性対応動体枠分割情報登録テーブルの具体例について説明する図である。 カメラ（画像処理装置）の実行するメタデータ生成処理に適用する属性対応動体枠分割情報登録テーブルの具体例について説明する図である。 カメラ（画像処理装置）の実行するメタデータ生成処理に適用する特徴量抽出分割領域情報登録テーブルの具体例について説明する図である。 カメラ（画像処理装置）の実行するメタデータ生成処理に適用する特徴量抽出分割領域情報登録テーブルの具体例について説明する図である。 カメラ（画像処理装置）の実行するメタデータ生成処理に適用する特徴量抽出分割領域情報登録テーブルの具体例について説明する図である。 異なるカメラ俯角に応じて異なる分割領域の設定態様、および特徴量抽出領域の設定態様の具体例について説明する図である。 カメラ（画像処理装置）の実行するメタデータ生成処理のショウサイシーケンスを説明するフローチャートを示す図である。 オブジェクト検索を実行する検索装置の表示データ（ＵＩ：ユーザインタフェース）の例について説明する図である。 オブジェクト検索を実行する検索装置の表示データ（ＵＩ：ユーザインタフェース）の例について説明する図である。 オブジェクト検索を実行する検索装置の表示データ（ＵＩ：ユーザインタフェース）の例について説明する図である。 オブジェクト検索を実行する検索装置の表示データ（ＵＩ：ユーザインタフェース）の例について説明する図である。 オブジェクト検索を実行する検索装置の表示データ（ＵＩ：ユーザインタフェース）の例について説明する図である。 オブジェクト検索を実行する検索装置において、新たな動体枠を指定した処理要求を実行した場合の処理例について説明する図である。 オブジェクト検索を実行する検索装置の表示データ（ＵＩ：ユーザインタフェース）の例について説明する図である。 カメラ（画像処理装置）のハードウェア構成例について説明する図である。 記憶装置（サーバ）、および検索装置（情報処理装置）のハードウェア構成例について説明する図である。

以下、図面を参照しながら本開示の画像処理装置、情報処理装置、および方法、並びにプログラムの詳細について説明する。なお、説明は以下の項目に従って行なう。
１．本開示の処理を適用可能な情報処理システムの構成例について
２．特定オブジェクトの検索、追跡処理のシーケンス例について
３．特徴情報に基づく候補オブジェクトの抽出と、優先度の設定例
４．オブジェクト属性に対応した特徴量抽出領域設定を行う構成と処理について
５．カメラ（画像処理装置）のメタデータ生成部の実行するメタデータ生成シーケンスについて
６．検索装置（情報処理装置）によるオブジェクト検索、追跡処理について
７．情報処理システムを構成するカメラ、およびその他の装置のハードウェア構成例について
８．本開示の構成のまとめ

［１．本開示の処理を適用可能な情報処理システムの構成例について］
まず、本開示の処理を適用可能な情報処理システムの構成例について説明する。
図１は本開示の処理の適用可能な情報処理システムの一構成例を示す図である。

図１に示す情報処理システムは、少なくとも１台以上のカメラ（画像処理装置）１０−１〜ｎと記憶装置（サーバ）２０、検索装置（情報処理装置）３０がネットワーク４０を介して接続されている。
各カメラ（画像処理装置）１０−１〜ｎは、映像の撮影・記録・解析を行い、ネットワーク４０を介して、映像データと映像の解析結果として得られる情報（メタデータ）を生成して出力する。

記憶装置（サーバ）２０は、ネットワーク４０を介して、各カメラ１０から撮影画像（映像）と、画像対応メタデータを受信し、記憶部（データベース）に蓄積するとともに、検索装置（情報処理装置）３０からの検索要求等のユーザ指示を、入力し、データ処理を行なう。
記憶装置（サーバ）２０は、例えば、検索装置（情報処理装置）３０から入力するユーザ指示に応じて、各カメラ１０−１〜ｎから受信した撮影画像とメタデータを用いて、画像内の特定のオブジェクト、例えば特定の人物の検索処理や、追跡処理等のデータ処理を実行する。

検索装置（情報処理装置）３０は、ユーザからの指示、例えば特定人物の検索要求等の指示情報を入力し、入力した指示情報を、ネットワーク４０を介して記憶装置（サーバ）２０へ送信する。また、記憶装置（サーバ）２０からの検索結果や追跡結果としての画像や検索・追跡結果情報等を受信し、ディスプレイへ出力する処理などを実行する。

なお、図１では、記憶装置２０と、検索装置３０を個別の構成とした例を示しているが、検索装置３０と記憶装置２０の機能を持つ１つの情報処理装置を設定した構成としてもよい。
また、図１では、記憶装置２０、検索装置３０を各々１台のみ示しているが、これらの機器を、複数、ネットワーク４０に接続し、各サーバ、各検索装置において、様々な情報処理を実行し、処理結果を相互に送受信する構成とするなど、様々な構成が可能である。

［２．特定オブジェクトの検索、追跡処理のシーケンス例について］
次に、図１に示す情報処理システムを利用した特定オブジェクトの検索、追跡処理のシーケンス例について、図２に示すフローチャートを参照して説明する。
図２に示すフローは、図１に示す検索装置３０を利用するユーザが、検索、追跡対象オブジェクトを指定して、特定オブジェクトの検索や追跡処理を実行する際の一般的な処理フローである。
図２に示すフローチャートの各ステップの処理について、順次、説明する。

（ステップＳ１０１）
まず、ステップＳ１０１において、検索装置（情報処理装置）３０を利用するユーザが、検索、追跡対象オブジェクトの特徴情報を検索装置３０に入力する。
この処理に際して、検索装置３０の表示部（ディスプレイ）に表示されるデータ（ユーザ・インタフェース）の例を図３に示す。

図３に示すユーザ・インタフェースは、検索処理の開始時点において、検索装置３０の表示部（ディスプレイ）に表示されるユーザ・インタフェースの一例である。
特徴情報指定領域５１は、検索、追跡対象オブジェクトの特徴情報を入力する領域である。
検索装置３０の操作ユーザは、この特徴情報指定領域５１に、検索、追跡対象オブジェクトの特徴情報を入力することができる。

図に示す例では、、検索、追跡対象オブジェクトの特徴情報として、属性、色指定を行った例であり、
属性＝人、
色＝赤
このような指定情報が入力されている。
これは、例えば赤い服を着た人を検索することの指定情報である。

撮影画像５２は、ネットワーク接続されたカメラ１０−１〜ｎが撮影中の画像、あるいはカメラ１０−１〜ｎが過去に撮影し、記憶装置（サーバ）２０の記憶部に格納された画像である。
ステップＳ１０１では、例えばに図３に示すユーザ・インタフェースを利用して、検索、追跡対象オブジェクトの特徴情報を検索装置３０に入力する。

（ステップＳ１０２）
次に、ステップＳ１０２において、検索装置３０は、ステップＳ１０１において指定された検索対象オブジェクトの特徴情報に一致または類似する候補オブジェクトをカメラ撮影画像から検索する処理を実行する。
なお、検索処理は、検索装置３０が実行してもよいし、検索装置３０が記憶装置（サーバ）２０に検索コマンドを送信して、記憶装置（サーバ）２０側において実行する構成としてもよい。

（ステップＳ１０３〜Ｓ１０５）
次に、ステップＳ１０３において、検索装置３０は、ステップＳ１０２における検索結果として、ステップＳ１０１でユーザが指定した特徴情報と一致または類似する候補オブジェクトの一覧を候補オブジェクトリストとして表示部に表示する。

この表示データの一例を図４に示す。
図４に示すユーザ・インタフェースには、先に図３を参照して説明した特徴情報指定領域５１に併せて、候補オブジェクトリスト５３が表示されている。
候補オブジェクトリスト５３には、ユーザが検索対象オブジェクトの特徴情報として指定した情報、例えば、属性＝人、色＝赤に一致または類似する複数のオブジェクトが、例えば類似度の高い順（優先度順）、かつ撮影時間順に表示される。

なお、カメラが現在、撮影中の画像を利用したリアルタイム検索処理の場合は、リスト画像を、新たな撮影画像に順次置き換える表示更新処理を逐次、実行する。
また、過去の撮影画像、すなわち記憶装置（サーバ）２０の記憶部に格納済みの画像を適用した検索処理の場合は、リスト画像の更新を行うことなく固定的な画像リストの表示がなされる。

検索装置３０のユーザは、表示部に表示された候補オブジェクトリスト５３から、検索対象とするオブジェクトを見つけると、例えば、図４に示すように、カーソル５４の指定による検索対象オブジェクト選択を行う。
この処理は、図２に示すステップＳ１０４の判定がＹｅｓと判定され、ステップＳ１０５の処理を実行する場合の処理に対応する。

表示部に表示された候補オブジェクトリスト５３に、検索対象とする目的オブジェクトが見つからない場合は、ステップＳ１０１に戻り、検索対象オブジェクトの特徴情報の変更処理等を実行して、ステップＳ１０１以下の処理を繰り返す。
この処理は、図２に示すステップＳ１０４の判定がＮｏと判定され、ステップＳ１０１に戻る処理に対応する。

（ステップＳ１０６〜Ｓ１０７）
ステップＳ１０５において、候補オブジェクトからの検索対象オブジェクトの指定が行われると、ステップＳ１０６において、選択指定された検索対象オブジェクトの画像からの検索、追跡処理が開始される。
さらに、ステップＳ１０７において、検索、追跡結果が検索装置３０の表示部に表示される。

これらの処理の実行時における表示画像、すなわち検索結果の表示態様としては、様々な表示例がある。複数の表示例について、図５、図６を参照して説明する。
図５に示す検索結果表示例は、各カメラの撮影画像５２から検索された検索結果オブジェクト画像５６と、検索結果オブジェクト拡大画像５７を、検索結果として表示した例である。

さらに、図６に示す検索結果表示例は、オブジェクト追跡マップ５８と、マップ連動画像５９を並列に表示した例である。
オブジェクト追跡マップ５８は、様々な位置に設置されたカメラ位置情報に基づいて、検索対象オブジェクトの移動ルートを矢印として示したマップである。
現在の追跡オブジェクト位置識別子６０をマップ上に表示している。
マップ連動画像は、現在の追跡オブジェクト位置識別子６０のオブジェクトを撮影しているカメラの撮影画像を表示している。

なお、図５、図６に示す表示データ例は、検索結果の表示データの一例であり、この他にも、様々な表示態様が可能である。

（ステップＳ１０８）
最後に、オブジェクトの検索、追跡処理を終了するか否かを判定する。この判定処理は、ユーザからの入力に基づいて実行される。
ユーザが処理終了を示す入力を行った場合は、ステップＳ１０８の判定がＹｅｓとなり、処理を終了する。
ユーザが処理終了を示す入力を行わない場合は、ステップＳ１０８の判定がＮｏとなり、ステップＳ１０６における検索対象オブジェクトの検索、追跡処理を継続する。

以上、図１に示すネットワークにより接続された情報処理システムを適用したオブジェクト検索処理シーケンスの一例について説明した。
なお、図５〜図６を参照して説明した処理シーケンス、およびユーザ・インタフェースは、一般的に多く行なわれるオブジェクト検索処理処理の一例であり、この他にも様々な異なるシーケンスに従った処理や、異なる表示データからなるユーザ・インタフェースを利用した処理が可能である。

［３．特徴情報に基づく候補オブジェクトの抽出と、優先度の設定例］
図２を参照して説明したフロー中、ステップＳ１０２〜Ｓ１０３において、検索装置３０は、ユーザが指定したオブジェクトの特徴情報、例えば属性＝人、色＝赤等の特徴情報に基づいて、画像から候補オブジェクトの抽出処理を実行し、抽出した候補オブジェクトに対して優先度を設定し、優先度順にリスト化して表示する処理を行なう。すなわち、図４に示す候補オブジェクトリスト５３の生成と表示処理を実行する。

図４に示す候補オブジェクトリスト５３は、ユーザが検索対象とするオブジェクトに近いと判定されるものから順に表示することが好ましく、この処理のために、各候補オブジェクト対応の優先度を算出し、算出した優先度順に表示することが好ましい。
この優先度算出シーケンスの一例について、図７に示すフローチャートを参照して説明する。

なお、優先度算出態様には、様々な手法があり、状況に応じて異なる優先度の算出処理が実行される。
図７に示すフローは、例えば、ある事件を起こした犯人を検索対象オブジェクととした例であり、事件の発生位置、発生時間、事件発生時の犯人の服装（服の色）に関する情報が得られている場合の優先度算出処理例である。

カメラの撮影画像に含まれる多くの人物画像から、複数の候補オブジェクトを抽出して、これらの複数の候補オブジェクトに対して、犯人である確率の高い候補オブジェクトに高い優先度を設定する。
具体的には、画像から検出された候補オブジェクト各々についての位置、時間、服の色の３つのデータを、優先度算出用パラメータとして優先度を算出する。

なお、図７に示すフローは、ユーザの指定した特徴情報に類似する複数の候補オブジェクトが抽出済みであり、抽出された各候補オブジェクトの撮影位置、撮影時間、服の色の候補オブジェクト対応データが取得済みであることを条件として実行される。
以下、図７に示すフローチャートの各ステップの処理につて、順次、説明する。

（ステップＳ２０１）
まず、ステップＳ２０１において、画像から抽出した各候補オブジェクトの撮影位置情報を適用して、各候補オブジェクトに対応する予測移動位置重みＷ１を算出する。
この予測移動位置重みＷ１の算出処理は、例えば、以下のように行う。
検索対象とする検索オブジェクト（犯人）の事件発生時に撮影された犯人の画像に基づいて、予測移動方向を割り出す。例えば犯人の走って逃げる画像等から移動方向を推定し、各画像に撮影された候補オブジェクトの撮影位置が、推定移動方向に適応する位置であるほど、予測移動位置重みＷ１を高くする設定とする。

具体的には、例えば、事件発生時に撮影された画像から特定される犯人の位置と、候補オブジェクトの撮影画像から特定される候補オブジェクトの位置との距離Ｄと角度θの乗算値Ｄ×θを予測移動位置重みＷ１として算出する。あるいは、予め規定した関数ｆ１を適用して、Ｗ１＝ｆ１（Ｄ×θ）を予測移動位置重みＷ１として算出する。

（ステップＳ２０２）
次に、ステップＳ２０２において、画像から抽出した各候補オブジェクトの撮影時間情報を適用して、各候補オブジェクトに対応する予測移動時間重みＷ２を算出する。
この予測移動時間重みＷ２の算出処理は、例えば、以下のように行う。
検索対象とする検索オブジェクト（犯人）の事件発生時に撮影された犯人の画像の撮影時間からの経過時間に基づいて、各画像に撮影された候補オブジェクトの撮影時間が、各画像から算出される移動距離に相当する時間差であると判断される時間であるほど、予測移動時間重みＷ２を高くする設定とする。

具体的には、例えば、事件発生時の撮影画像から特定される犯人の移動方向と速度から犯人の移動ベクトルＶと、事件発生時の撮影画像から特定される犯人の位置と、候補オブジェクトの撮影画像から特定される候補オブジェクトの位置との距離Ｄとの演算値Ｄ／Ｖを予測移動時間重みＷ２として算出する。あるいは、予め規定した関数ｆ２を適用して、Ｗ２＝ｆ２（Ｄ／Ｖ）を予測移動時間重みＷ２として算出する。

（ステップＳ２０３）
次に、ステップＳ２０３において、画像から抽出した各候補オブジェクトの服装、具体的には服の色情報を適用して、各候補オブジェクトに対応する色類似性重みＷ３を算出する。
この色類似性重みＷ３の算出処理は、例えば、以下のように行う。
検索対象とする検索オブジェクト（犯人）の事件発生時に撮影された犯人の画像から特定される服の色と、候補オブジェクトの服の色が類似すると判断されるほど、色類似性重みＷ３を高くする設定とする。

具体的には、例えば、Ｈ（色相），Ｓ（彩度），Ｖ（輝度）等を用いて類似性おもみ算出を行う。
事件発生時に撮影された犯人の画像から特定される服の色のＨ（色相），Ｓ（彩度），Ｖ（輝度）を、Ｉｈ，Ｉｓ，Ｉｖとする。
また、候補オブジェクトの服の色のＨ（色相），Ｓ（彩度），Ｖ（輝度）を、Ｔｈ，Ｔ，Ｔとする。
これらの各値を適用して、色類似性重みＷ３を以下の式に従って算出する。
Ｗ３＝（Ｉｈ−Ｔｈ）^２＋（Ｉｓ−Ｔｓ）^２＋（Ｉｖ−Ｔｖ）^２
上記式に従って、色類似性重みＷ３を算出する。
あるいは、予め規定した関数ｆ３を適用して、
Ｗ３＝ｆ３（（Ｉｈ−Ｔｈ）^２＋（Ｉｓ−Ｔｓ）^２＋（Ｉｖ−Ｔｖ）^２）
上記式に従って、色類似性重みＷ３を算出する。

（ステップＳ２０４）
最後に、ステップＳ２０４において、ステップＳ２０１〜Ｓ２０３で算出した以下の３種類の重み情報、すなわち、
予測移動位置重みＷ１
予測移動時間重みＷ２
色類似性重みＷ３、
これらの各重みに基づいて、総合的な優先度Ｗを以下に示す式に従って算出する。
Ｗ＝Ｗ１×Ｗ２×Ｗ３
なお、各重みに予め規定した係数を設定した以下のような算出処理を実行してもよい。
Ｗ＝αＷ１×βＷ２×γＷ３

このように、各候補オブジェクトについて、優先度の算出処理を実行し、算出した優先度が高いほど、図４に示す候補オブジェクトリスト５３の先頭に近い位置に表示する。
この優先度設定順の候補ブジェクト表示処理により、ユーザは、いち早く、目的とする検索、追跡対象オブジェクトをリストから発見することが可能となる。
なお、前述したように、優先度の設定態様には、様々な手法があり、状況に応じて異なる優先度の算出処理が実行される。

なお、図２〜図７を参照して説明したオブジェクト検索処理は、一般的に実行されるオブジェクトの特徴量に基づく検索処理の一例を説明したものである。
本開示のオブジェクト検索処理においては、図１に示すと同様の情報処理システムを適用し、オブジェクトの属性、例えば、検索対象オブジェクトが、人であるか、車であるか等、オブジェクト属性に応じて異なる特徴量抽出処理を実行する。
この本開示の独自の処理によって、より確実で効率的なオブジェクトの検索、追跡処理が実現される。

以下の項目において、本開示の処理の詳細について説明する。
すなわち、オブジェクト属性に応じて異なる特徴量抽出を実行し、抽出したオブジェクト属性対応の特徴量に基づいて、オブジェクトの検索、追跡を行う装置の構成と処理の詳細について説明する。

［４．オブジェクト属性に対応した特徴量抽出領域設定を行う構成と処理について］
以下、オブジェクト属性に対応した特徴量抽出領域設定を行う本開示のオブジェクト検索処理構成と処理について説明する。

以下に説明する本開示の情報処理システムは、先に図１を参照して説明したシステムと同様のシステムである。すなわち、図１に示すように、カメラ（画像処理装置）１０と、記憶装置（サーバ）２０と、検索装置（情報処理装置）３０がネットワーク４０によって接続された構成である。

ただし、オブジェクト属性に応じた特徴量抽出領域を設定した処理を実行するための独自の構成を有する。
図８は、カメラ（画像処理装置）１０と、記憶装置（サーバ）２０と、検索装置（情報処理装置）３０の構成と処理を説明する図である。

カメラ１０は、メタデータ生成部１１１と、画像処理部１１２を有する。
メタデータ生成部１１１は、カメラ１０の撮影する画像フレーム各々に対応するメタデータを生成する。
メタデータの具体例については、後段で説明するが、例えば、撮影画像に含まれるオブジェクト属性（人、車等）対応の特徴量情報等によって構成されるメタデータを生成する。

カメラ１０のメタデータ生成部１１１は、撮影画像から検出されるオブジェクトの属性、例えば、オブジェクトが、人であるか、車であるか等、オブジェクト属性に応じて異なる特徴量の抽出処理を実行する。この本開示の独自の処理によって、より確実で効率的なオブジェクトの検索、追跡処理が実現される。

カメラ１０のメタデータ生成部１１１は、カメラ１０の撮影する画像から動体オブジェクトを検出し、検出した動体オブジェクトの属性（人、車等）を判定し、さらに、判定した属性に基づいて動体領域（オブジェクト）の分割態様を決定する。さらに、特徴量を抽出するための分割領域を決定し、決定した分割領域からその動体の特徴量、例えば色情報等を抽出する処理を実行する。
なお、メタデータ生成部１１１の詳細構成と詳細処理については、後段で説明する。

画像処理部１１２は、カメラ１０の撮影する画像の画像処理を実行する。具体的には、例えば、カメラ１０の撮像部（イメージセンサ）から出力される画像データ（ＲＡＷ画像）を入力し、入力したＲＡＷ画像に含まれるノイズを低減するノイズ低減処理などを実行する。さらに、ＲＡＷ画像の各画素位置にＲＧＢの全色に対応する画素値を設定するデモザイク処理や、ホワイトバランス（ＷＢ）調整、ガンマ補正等、一般的なカメラにおける信号処理を実行する。さらに、画像送信処理のための画像の符号化、圧縮処理等を実行する。

カメラ１０の撮影画像と各撮影画像に対応して生成されたメタデータは、ネットワークを介して記憶装置（サーバ）２０に送信される。
記憶装置（サーバ）２０は、メタデータ記憶部１２１、画像記憶部１２２を有する。
メタデータ記憶部１２１は、カメラ１０のメタデータ生成部１１１が生成した各画像対応のメタデータを格納する記憶部である。
画像記憶部１２２は、カメラ１０が撮影し、画像処理部１２３の生成した画像データを格納する記憶部である。

なお、メタデータ記憶部１２１には、上述したカメラ１０のメタデータ生成部１１１の生成したメタデータ、すなわち、オブジェクトの属性（人、車等）に応じて決定される特徴量抽出領域から得られる特徴量、例えば色情報等の特徴量が、その特徴量を抽出した領域情報に対応付けて記録される。
メタデータ記憶部１２１に格納される具体的な特徴量の記憶データ構成例については、後述する。

検索装置（情報処理装置）３０は、入力部１３１、データ処理部１３２、出力部１３３を有する。
入力部１３１は、例えばキーボード、マウス、タッチパネル型入力部等によって構成され、ユーザからの様々な処理要求、例えばオブジェクト検索要求、オブジェクト追跡要求、画像表示要求等の入力処理に利用される。

データ処理部１３２は、入力部１３１から入力された処理要求に応じたデータ処理を実行する。具体的には、例えば、上述したメタデータ記憶部１２１に格納されたメタデータ、すなわち、オブジェクトの属性（人、車等）に応じて決定される特徴量抽出領域から得られる特徴量、例えば色情報等の特徴量と、特徴量抽出領域情報を用いたオブジェクト検索や追跡処理を実行する。

出力部１３３は、表示部（ディスプレイ）やスピーカ等によって構成され、カメラ１０の撮影画像や、検索、追跡結果等のデータ出力を実行する。
また、出力部１３３は、ユーザ・インタフェース出力にも利用され、入力部１３１としても機能する。

次に、図９を参照して、カメラ（画像処理装置）１０のメタデータ生成部１１１の詳細構成と処理について説明する。
前述したように、カメラ１０のメタデータ生成部１１１は、カメラ１０の撮影する画像から動体オブジェクトを検出し、検出した動体オブジェクトの属性（人、車等）を判定し、さらに、判定した属性に基づいて、動体領域（オブジェクト）の分割態様を決定する。さらに、特徴量を抽出するための分割領域を決定し、決定した分割領域からその動体の特徴量、例えば色情報等を抽出する処理を実行する。

図９に示すように、メタデータ生成部１１１は、動体オブジェクト検出部２０１、動体枠設定部２０２、動体属性判定部２０３、動体枠領域分割部２０４、徳地陽両抽出分割領域決定部２０５、分割領域特徴量抽出部２０６、メタデータ記録、出力部２０７を有する。

動体オブジェクト検出部２０１は、カメラ１０の撮影画像２００を入力する。なお、撮影画像２００は、例えば動画像であり、動体オブジェクト検出部２０１は、カメラ１０の撮影する動画像を構成する画像フレームを順次、入力する。
動体オブジェクト検出部２０１は、撮影画像２００から動体オブジェクトを検出する。この動体オブジェクト検出処理は、たとえば連続撮影画像の画素値差分に基づく動体検出処理等、既存の動体検出方法を適用して実行される。

動体枠設定部２０２は、動体オブジェクト検出部２０１の検出した動体領域に枠を設定する。例えば動体領域を囲む矩形枠を設定する。
動体枠設定部２０２による動体枠設定処理の具体例を図１０に示す。
図１０〜図１１には、図９に示すメタデータ生成部１１１の動体枠設定部２０２〜メタデータ記録、出力部２０７が実行する処理の具体例を示している。
なお、図１０〜図１１には、具体例として、以下の２つの処理例を並べて示している。
（１）処理例１＝動体が人である場合の処理例、
（２）処理例２＝動体がバスである場合の処理例、

図１０に示す動体枠設定部２０２の処理例１は、動体が人である場合の動体枠２５１の設定例を示している。
動体枠２５１は、動体領域である人画像領域全体を囲む枠として設定される。
また、図１０に示す動体枠設定部２０２の処理例２は、動体がバスである場合の動体枠２７１の設定例を示している。
動体枠２７１は、動体領域であるバス画像領域全体を囲む枠として設定される。

次の動体属性判定部２０３は、動体枠設定部２０２の設定した動体枠内の動体の属性、具体的には、人、車、さらに車の種類、例えば、乗用車、バス、トラック等の属性判定を行なう。
また、車の場合には、正面向きの車であるか、横向きの車であるかについても判定する。

この属性判定は、例えば、予めカメラ１０の記憶部（データベース）に登録された人や、乗用車、バス等の様々な動体の形状の特徴情報を記録した辞書データとの照合処理によって行うことができる。

なお、属性の種類は、人、車の車種の他、利用する辞書データに応じて、様々な属性判定が可能である。
例えば、電車、動物、例えば犬、ねこ等について、これら各動体の特徴情報が辞書データとして記憶部に登録されている場合には、この辞書データとの照合処理を行なうことで、これらの属性についても判定可能である。

図１０に示す動体属性判定部２０３の処理例１は、動体が人である場合の動体属性判定処理例である。
動体属性判定部２０３は、動体枠２５１内の動体形状と、様々な動体の特徴情報を登録した辞書データとの照合処理を実行し、動体枠２５１内の動体が人であると判定する。動体属性判定部２０３は、この判定結果に基づいて、動体属性＝人とした動体属性情報をカメラ１０の記憶部に記録する。

一方、図１０に示す動体属性判定部２０３の処理例２は、動体がバスである場合の動体属性判定処理例である。
動体属性判定部２０３は、動体枠２７１内の動体形状と、様々な動体の特徴情報を登録した辞書データとの照合処理を実行し、動体枠２７１内の動体がバスであり、かつ横から見たバスであると判定する。動体属性判定部２０３は、この判定結果に基づいて、動体属性＝バス（横）とした動体属性情報をカメラ１０の記憶部に記録する。

次の動体枠領域分割部２０４は、動体枠設定部２０２の設定した動体枠を、動体属性判定部２０３の判定した動体属性に応じて分割する処理を行なう。
なお、分割処理は、動体枠設定部２０２の設定した動体枠のサイズや、図９に示すカメラの設置状況パラメータ２１０、具体的にはカメラの撮影角度である俯角も考慮して行われる。
俯角は、カメラの撮影方向を示す角度であり、水平方向を０°として、水平面から下向きに見下ろす角度に相当する。

図１０に示す動体枠領域分割部２０４の処理例１は、動体が人である場合の動体枠領域分割処理例である。
動体枠領域分割部２０４は、動体枠設定部２０２の設定した動体枠を、動体枠のサイズと、動体属性判定部２０３の判定した動体属性＝人、さらにカメラ撮影角度（俯角）に応じて分割する処理を行なう。
なお、動体枠サイズや動体属性等に応じて実行すべき領域分割情報は、予め記憶部に格納されたテーブル（属性対応動体枠分割情報登録テーブル）に登録されている。
動体枠領域分割部２０４は、このテーブルを参照して、動体属性が「人」である場合に実行すべき分割領域設定情報を取得し、この取得情報に従って動体枠を分割する。

カメラ１０の記憶部に格納された「属性対応動体枠分割情報登録テーブル」の具体例を図１２〜図１４に示す。
図１２〜図１４は、動体属性が以下の各属性の場合について実行すべき動体枠分割数を規定した「属性対応動体枠分割情報登録テーブル」である。
（１）人
（２）乗用車（正面向き）
（３）乗用車（横向き）
（４）ボックスカー（正面向き）
（５）ボックスカー（横向き）
（６）バス（正面向き）
（７）バス（横向き）
（８）トラック（正面向き）
（９）トラック（横向き）
（１０）バイク（正面向き）
（１１）バイク（横向き）
（１２）その他

これらの１２種類の属性に応じて、かつ、動体枠サイズと、カメラ俯角に応じて動体枠の領域分割数が規定されている。
動体枠サイズは、動体枠の縦方向の画素サイズとして以下の５種類に区分されている。
（１）３０画素（ｐｉｘｅｌ）以下
（２）３０〜６０画素（ｐｉｘｅｌ）
（３）６０〜９０画素（ｐｉｘｅｌ）
（４）９０〜１２０画素（ｐｉｘｅｌ）
（５）１２０画素（ｐｉｘｅｌ）以上

また、カメラ俯角は、以下の２種類に区分されている。
（１）０〜３０°
（２）３１°以上

このように、動体枠の分割態様は、以下の３つの条件に基づいて決定される。
（Ａ）動体枠内の動体の属性、
（Ｂ）動体枠サイズ
（Ｃ）カメラ俯角
動体枠領域分割部２０４は、これら（Ａ），（Ｂ），（Ｃ）３種類の情報を取得し、取得したこれらの３情報に基づいて、図１２〜図１４に示す「属性対応動体枠分割情報登録テーブル」から該当するエントリを選択して、動体枠の領域分割態様を決定する。
なお、（Ａ）動体枠内の動体の属性については、動体属性判定部２０３の判定情報から取得する。
（Ｂ）動体枠サイズは、動体枠設定部２０２の動体枠設定情報から取得する。
（Ｃ）カメラ俯角は、図９に示すカメラ設置状況パラメータ２１０、すなわち、カメラ１０の記憶部に格納されたカメラ設置状況パラメータ２１０から取得する。

例えば、図１０の処理例１の場合、動体枠領域分割部２０４が、
（Ａ）動体枠内の動体の属性＝人、
（Ｂ）動体枠サイズ＝１５０画素（縦（ｙ）方向の長さ）
（Ｃ）カメラ俯角＝５度
これらのデータを取得しているものとする。

動体枠領域分割部２０４は、これらの取得情報に従って、図１２〜図１４に示す「属性対応動体枠分割情報登録テーブル」から該当するエントリを選択する。
図１２に示す処理例１対応エントリが選択される。
図１２に示す処理例１対応エントリには領域分割数＝６が設定されている。
動体枠領域分割部２０４は、図１２に示す処理例１対応エントリの記録データに従い、動体枠を６分割する領域分割処理を実行する。
図１０に示す動体領域分割部２０４の処理例１に示すように、動体枠２５１を縦方向に６分割して、領域１〜領域６を設定する。

また、図１０に示す処理例２の場合、動体枠領域分割部２０４は、
（Ａ）動体枠内の動体の属性＝バス（横）、
（Ｂ）動体枠サイズ＝１００画素（縦（ｙ）方向の長さ）
（Ｃ）カメラ俯角＝５度
これらのデータを取得しているものとする。

動体枠領域分割部２０４は、これらの取得情報に従って、図１２〜図１４に示す「属性対応動体枠分割情報登録テーブル」から該当するエントリを選択する。
図１３に示す処理例２対応エントリが選択される。
図１３に示す処理例２対応エントリには領域分割数＝４が設定されている。
動体枠領域分割部２０４は、図１３に示す処理例２対応エントリの記録データに従い、動体枠を４分割する領域分割処理を実行する。
図１０に示す動体領域分割部２０４の処理例２に示すように、動体枠２７１を縦方向に４分割して、領域１〜領域４を設定する。

このように、動体枠領域分割部２０４は、動体枠設定部２０２の設定した動体枠を、動体属性判定部２０３の判定した動体属性、動体枠サイズ、カメラの俯角に応じて分割する処理を行なう。

次の特徴量抽出分割領域決定部２０５の実行する処理について、図１１を参照して説明する。
特徴量抽出分割領域決定部２０５は、動体枠領域分割部２０４が設定した動体枠内に設定された１以上の分割領域中、特徴量を抽出すべき分割領域を決定する処理を行なう。特徴量とは、例えば色情報である。

特徴量抽出分割領域決定部２０５は、動体枠領域分割部２０４における領域分割処理と同様、動体枠設定部２０２の設定した動体枠のサイズや、図９に示すカメラの設置状況パラメータ２１０、具体的にはカメラの撮影角度である俯角を考慮して特徴量を抽出すべき分割領域を決定する。

なお、特徴量抽出すべき分割領域については、予め記憶部に格納されたテーブル（特徴量抽出分割領域情報登録テーブル）に登録されている。
特徴量抽出分割領域決定部２０５は、このテーブルを参照して、特徴量を抽出すべき分割領域を決定する処理を行なう。

カメラ１０の記憶部に格納された「特徴量抽出分割領域情報登録テーブル」の具体例を図１５〜図１７に示す。
図１５〜図１７は、動体属性が以下の各属性の場合について、特徴量を抽出すべき領域識別子を規定した「特徴量抽出分割領域情報登録テーブル」である。
（１）人
（２）乗用車（正面向き）
（３）乗用車（横向き）
（４）ボックスカー（正面向き）
（５）ボックスカー（横向き）
（６）バス（正面向き）
（７）バス（横向き）
（８）トラック（正面向き）
（９）トラック（横向き）
（１０）バイク（正面向き）
（１１）バイク（横向き）
（１２）その他

これらの１２種類の属性に応じて、かつ、動体枠サイズと、カメラ俯角に応じて、特徴量の抽出対象となる領域の領域識別子が規定されている。
動体枠サイズは、動体枠の縦方向の画素サイズとして以下の５種類に区分されている。
（１）３０画素（ｐｉｘｅｌ）以下
（２）３０〜６０画素（ｐｉｘｅｌ）
（３）６０〜９０画素（ｐｉｘｅｌ）
（４）９０〜１２０画素（ｐｉｘｅｌ）
（５）１２０画素（ｐｉｘｅｌ）以上

また、カメラ俯角は、以下の２種類に区分されている。
（１）０〜３０°
（２）３１°以上

このように、特徴量の抽出対象とする領域は、以下の３つの条件に基づいて決定される。
（Ａ）動体枠内の動体の属性、
（Ｂ）動体枠サイズ
（Ｃ）カメラ俯角
特徴量抽出分割領域決定部２０５は、これら（Ａ），（Ｂ），（Ｃ）３種類の情報を取得し、取得したこれらの３情報に基づいて、図１５〜図１７に示す「特徴量抽出分割領域情報登録テーブル」から該当するエントリを選択して、特徴量抽出対象とする分割領域を決定する。
なお、（Ａ）動体枠内の動体の属性については、動体属性判定部２０３の判定情報から取得する。
（Ｂ）動体枠サイズは、動体枠設定部２０２の動体枠設定情報から取得する。
（Ｃ）カメラ俯角は、図９に示すカメラ設置状況パラメータ２１０、すなわち、カメラ１０の記憶部に格納されたカメラ設置状況パラメータ２１０から取得する。

例えば、図１１に示す処理例１の場合、特徴量抽出分割領域決定部２０５が、
（Ａ）動体枠内の動体の属性＝人、
（Ｂ）動体枠サイズ＝１５０画素（縦（ｙ）方向の長さ）
（Ｃ）カメラ俯角＝５度
これらのデータを取得しているものとする。

特徴量抽出分割領域決定部２０５は、これらの取得情報に従って、図１５〜図１７に示す「特徴量抽出分割領域情報登録テーブル」から該当するエントリを選択する。
図１５に示す処理例１対応エントリが選択される。
図１５に示す処理例１対応エントリには分割領域識別子＝３，５が設定されている。
特徴量抽出分割領域決定部２０５は、図１５に示す処理例１対応エントリの記録データに従い、分割領域３，５を、特徴量を抽出する分割領域に決定する。
図１１に示す特徴量抽出分割領域決定部２０５の処理例１に示すように、動体枠２５１に設定された分割領域１〜領域６の領域３，５を特徴量抽出領域に決定する。

また、図１１に示す処理例２の場合、特徴量抽出分割領域決定部２０５は、
（Ａ）動体枠内の動体の属性＝バス（横）、
（Ｂ）動体枠サイズ＝１００画素（縦（ｙ）方向の長さ）
（Ｃ）カメラ俯角＝５度
これらのデータを取得しているものとする。

特徴量抽出分割領域決定部２０５は、これらの取得情報に従って、図１５〜図１７に示す「特徴量抽出分割領域情報登録テーブル」から該当するエントリを選択する。
図１６に示す処理例２対応エントリが選択される。
図１６に示す処理例２対応エントリには分割領域識別子＝３，４が設定されている。
特徴量抽出分割領域決定部２０５は、図１６に示す処理例２対応エントリの記録データに従い、分割領域３，４を、特徴量を抽出する分割領域に決定する。
図１１に示す特徴量抽出分割領域決定部２０５の処理例２に示すように、動体枠２７１に設定された分割領域１〜領域４の領域３，４を特徴量抽出領域に決定する。

このように、特徴量抽出分割領域決定部２０５は、動体枠領域分割部２０４によって設定された動体枠内の分割領域から、特徴量を抽出する分割領域を決定する処理を行なう。
この決定処理は、動体属性判定部２０３の判定した動体属性、動体枠サイズ、カメラの俯角に応じて実行する。

次の分割領域特徴量抽出部２０６は、特徴量抽出分割領域決定部２０５が決定した特徴量抽出対象領域から特徴量を抽出する処理を実行する。
図１１を参照して、分割領域特徴量抽出部２０６の実行する具体的処理例について説明する。
なお、この実施例では、取得する特徴量は色情報である。

例えば、図１１に示す処理例１は、動体枠２５１内の動体が動体属性＝人であり、特徴量抽出分割領域決定部２０５が、動体枠２５１の分割領域１〜領域６から、領域３，５を特徴量抽出領域として決定した場合の処理例である。
この処理例１では、分割領域特徴量抽出部２０６は、分割領域３，５から特徴量として動体の色情報を取得する。

図１１の分割領域特徴量抽出部２０６の処理例１として示すように、以下のように領域３，５の特徴量を取得する。
分割領域特徴量抽出部２０６は、領域３の特徴量として、動体枠２５１の分割領域３の色情報＝「赤」を取得する。さらに、領域５の特徴量として、動体枠２５１の分割領域５の色情報＝「黒」を取得する。
これらの取得情報は記憶部に格納される。
なお、図１１に示す処理例１は、１つの領域から１つの色情報のみを取得する構成例であるが、例えば衣服が複数の異なる色からなる模様を有する場合など、１つの領域に複数の色が含まれる場合がある。このような場合は、１つの領域から、その領域に含まれる複数の色情報を取得し、領域対応の色情報として複数の色情報を記憶部に格納する。

また、図１１に示す処理例２は、動体枠２７１内の動体が動体属性＝バス（横）であり、特徴量抽出分割領域決定部２０５が、動体枠２７１の分割領域１〜領域４から、領域３，４を特徴量抽出領域として決定した場合の処理例である。
この処理例２では、分割領域特徴量抽出部２０６は、分割領域３，４から特徴量として動体の色情報を取得する。

図１１の分割領域特徴量抽出部２０６の処理例２として示すように、以下のように領域３，４の特徴量を取得する。
分割領域特徴量抽出部２０６は、領域３の特徴量として、動体枠２７１の分割領域３の色情報＝「白」を取得する。さらに、領域４の特徴量として、動体枠２７１の分割領域４の色情報＝「緑」を取得する。
これらの取得情報は記憶部に格納される。
なお、図１１に示す処理例２も、処理例１と同様、１つの領域から１つの色情報のみを取得する構成例であるが、１つの領域に複数の色が含まれる場合は、その領域に含まれる複数の色情報を取得し、領域対応の色情報として複数の色情報を記憶部に格納する。

図９に示す次のメタデータ記録、出力部２０７は、動体枠の設定された動体オブジェクトに関するメタデータ２２０を生成して出力する。メタデータ２２０の出力先は、図８に示す記憶装置（サーバ）２０であり、メタデータ２２０は、図８に示す記憶装置（サーバ）２２０のメタデータ記憶部１２１に格納される。

図１１を参照して、メタデータ記録、出力部２０７の生成するメタデータの具体例について説明する。
図１１に示す処理例１は、動体枠２５１内の動体が動体属性＝人であり、動体枠２５１の領域分割数が６であり、分割領域３，５から特徴量として動体の色情報を取得した例である。

この処理例１において、メタデータ記録、出力部２０７は、図１１に示すように、以下の様な記録データを有するオブジェクト１対応メタデータを生成する。
（１）属性＝人
（２）領域分割態様＝縦方向に６分割
（３）特徴量取得領域識別子＝３，５
（４）分轄領域特徴量＝（領域３＝赤、領域５＝黒）
（５）動体オブジェクト検出画像フレーム情報

メタデータ記録、出力部２０７は、上記（１）〜（５）の情報を含むメタデータを、動体オブジェクト１対応のメタデータとして生成し、記憶装置（サーバ）２０に格納する。なお、動体オブジェクト検出画像フレーム情報は、このメタデータが生成された画像フレーム、すなわち動体検出が実行された画像フレームの識別情報である。具体的には、画像を撮影したカメラのカメラ識別情報や撮影日時情報等が記録される。
メタデータは、動体オブジェクト１が検出された画像フレームの対応データとしてサーバに格納される。

また、図１１に示す処理例２は、動体枠２７１内の動体が動体属性＝バス（横）であり、動体枠２７１の領域分割数が４であり、分割領域３，４から特徴量として動体の色情報を取得した例である。

この処理例２において、メタデータ記録、出力部２０７は、図１１に示すように、以下の様な記録データを有するオブジェクト２対応メタデータを生成する。
（１）属性＝バス（横）
（２）領域分割態様＝縦方向に４分割
（３）特徴量取得領域識別子＝３，４
（４）分轄領域特徴量＝（領域３＝白、領域４＝緑）
（５）動体オブジェクト検出画像フレーム情報

メタデータ記録、出力部２０７は、上記（１）〜（５）の情報を含むメタデータを、動体オブジェクト２対応のメタデータとして生成し、記憶装置（サーバ）２０に格納する。なお、動体オブジェクト検出画像フレーム情報は、このメタデータが生成された画像フレーム、すなわち動体検出が実行された画像フレームの識別情報である。具体的には、画像を撮影したカメラのカメラ識別情報や撮影日時情報等が記録される。
メタデータは、動体オブジェクト２が検出された画像フレームの対応データとしてサーバに格納される。

このように、図８に示すカメラ１０のメタデータ生成部１１１は、カメラの撮影画像に含まれる動体オブジェクト各々についてのメタデータを生成して記憶装置（サーバ）２０に送信し、メタデータは、記憶装置（サーバ）２０のメタデータ記憶部１２１に格納される。

図１２〜図１７を参照して説明したように、カメラ１０のメタデータ生成部１１１は、動体枠の分割態様、および特徴量抽出対象領域を、以下の３つの条件に基づいて決定する。
（Ａ）動体枠内の動体の属性、
（Ｂ）動体枠サイズ
（Ｃ）カメラ俯角

上記条件中のカメラ俯角について、図１８を参照して説明する。
先に説明したように、カメラ俯角は、カメラの撮影方向を示す角度であり、水平方向を０°として、水平面から下向きに見下ろす角度に相当する。
図１８には、２つの異なるカメラ俯角の設定による撮影態様と、撮影された画像から切り出した動体枠の分割態様、および特徴量抽出領域の設定例を示している。

図１８（１）に示す例は、カメラ俯角＝５°の設定による撮影態様と、動体枠分割態様、および特徴量抽出領域の設定例である。
この例は、図９〜図１７を参照して説明した処理例１に対応する例であり、図１２に示す「属性対応動体枠分割情報登録テーブル」中の処理例１対応エントリに従って、動体枠の分割数を６として、図１５に示す「特徴量抽出分割領域情報登録テーブル」中の処理例１対応エントリに従って、特徴量抽出領域を領域３と領域５に設定した例である。
このような分割設定と、特徴量抽出領域設定により、人物の上半身の服の色と、下半身の服の色の各々を個別に判別した情報を取得することが可能となる。

一方、図１８（２）に示す例は、カメラ俯角＝７０°の設定による撮影態様と、動体枠分割態様、および特徴量抽出領域の設定例である。
この例は、図１２に示す「属性対応動体枠分割情報登録テーブル」中の処理例１対応エントリの右隣りのエントリに相当する。このエントリの登録データである分割数＝４に従って、動体枠の分割数を４とする。
さらに、図１５に示す「特徴量抽出分割領域情報登録テーブル」中の、
属性＝人
領域分割数＝４
カメラ俯角＝３１°〜
これらの設定のエントリの登録データ＝２，３に従って、特徴量抽出領域を領域２と領域３に設定した例である。
このような分割設定と、特徴量抽出領域設定により、人物の上半身の服の色と、下半身の服の色の各々を個別に判別した情報を取得することが可能となる。

このように、動体枠の分割設定態様、および特徴量抽出領域を、カメラの設定状況としてのカメラ俯角に従って変更することで、動体の特徴をより把握可能な構成としている。

なお、上述した実施例では、動体枠の分割態様を決定するためのテーブル、すなわち、図１２〜図１４に示す「属性対応動体枠分割情報登録テーブル」と、特徴量を抽出する分割領域を決定するために用いるテーブル、すなわち、図１５〜図１７に示す「特徴量抽出分割領域情報登録テーブル」、これら２種類の個別のテーブルを適用した実施例として説明した。これら２つのテーブルは１つのテーブルにまとめることも可能であり、１つのテーブルを利用して、動体枠の分割態様決定処理と、特徴量抽出分割領域の決定処理を行なう構成としてもよい。

また、図１２〜図１７に示すテーブルでは、動体枠のサイズとして、高さ情報のみを用いて処理を分類しているが、動体枠の幅や、面積を考慮した構成としてもよい。
車種についても、図１２〜図１７のテーブルに示す以外の車種を設定してもよい。また、車の場合に正面と横のみを区分してデータを設定しているが、背面や斜め方向の場合についても設定データを設ける構成としてもよい。
また、カメラ俯角については、３０°までと３０°以上の２つの分類としているが、さらに、細かい分類を行う構成としてもよい。

［５．カメラ（画像処理装置）のメタデータ生成部の実行するメタデータ生成シーケンスについて］
次に、図１９に示すフローチャートを参照して、カメラ（画像処理装置）１０のメタデータ生成部１１１の実行する処理シーケンスについて説明する。

なお、図１９に示すフローに従った処理は、例えばカメラの記憶部に格納されたプログラムに従い、プログラム実行機能を有するＣＰＵ等を備えたデータ処理部であるメタデータ生成部において実行される。
以下、図１９に示すフローチャートの各ステップの処理について、順次、説明する。

（ステップＳ３０１）
まず、カメラのメタデータ生成部は、ステップＳ３０１において、カメラの撮影画像から動体オブジェクトを検出する。
この処理は、図９に示す動体オブジェクト検出部２０１の実行する処理である。この動体オブジェクト検出処理は、たとえば連続撮影画像の画素値差分等からの動体検出等、既存の動体検出方法を適用して実行される。

（ステップＳ３０２）
次に、ステップＳ３０２において、ステップＳ３０１で検出した動体オブジェクトに対して動体枠を設定する。
この処理は、図９に示す動体枠設定部２０２の実行する処理である。
図１０を参照して説明したように、動体全体を囲む矩形枠を動体枠として設定する。

（ステップＳ３０３〜Ｓ３０８）
次の、ステップＳ３０３〜Ｓ３０８は、図９に示す動体属性判定部２０３の実行する処理である。
動体属性判定部２０３は、まず、ステップＳ３０３で、動体属性を判定しようとする動体に設定された動体枠のサイズを取得し、ステップＳ３０４において、動体枠が、許容最低サイズ以上あるか否かを判定する。

先に説明したように、動体属性判定部２０３は、動体枠設定部２０２の設定した動体枠内の動体の属性、具体的には、人、車、さらに車の種類、例えば、乗用車、バス、トラック等の属性判定を行なう。また、車の場合には、正面向きの車であるか、横向きの車であるかについても判定する。
この属性判定は、例えば、予めカメラ１０の記憶部（データベース）に登録された人や、乗用車、バス等の様々な動体の形状の特徴情報を記録した辞書データとの照合処理によって行う。

しかし、動体枠サイズが小さすぎると、正確な属性判定が困難となる。ステップＳ３０３〜Ｓ３０４は、動体枠が、属性を正しく判定するための許容最低サイズ以上であるか否かを判定し、許容サイズ未満である場合（ステップＳ３０４の判定＝Ｎｏ）は、属性判定処理を行なうことなく、ステップＳ３０９に進む。
なお、動体枠サイズが小さく許容最低サイズ未満である場合、図１２〜図１７のテーブルを用いた処理において、属性＝その他として処理が実行される。

一方、ステップＳ３０２で設定した動体枠が、属性を正しく判定するための許容最低サイズ以上であると判定すると、ステップＳ３０５に進み、動体枠内の動体の上位属性の判定処理を実行する。
ステップＳ３０５〜Ｓ３０７において、動体の上位属性をまず判定する。
上位属性とは、動体が人であるか人でないかの判別処理である。
動体が人であると判定した場合（Ｓ３０６＝Ｙｅｓ）は、ステップＳ３０９に進む。
一方、動体が人でないと判定した場合（Ｓ３０６＝Ｎｏ）は、ステップＳ３０７に進む。

動体が人でないと判定した場合（Ｓ３０６＝Ｎｏ）は、ステップＳ３０７において、さらに、動体が車であるか否かを判別する。
動体が車であると判定した場合（Ｓ３０７＝Ｙｅｓ）は、ステップＳ３０８に進む。
一方、動体が車でないと判定した場合（Ｓ３０７＝Ｎｏ）は、ステップＳ３０９に進む。

動体が車であると判定した場合（Ｓ３０７＝Ｙｅｓ）は、ステップＳ３０８に進み、さらに、動体属性（下位属性）として、動体枠内の動体である車の種類と向きを判定する。
具体的には、例えば、乗用車（正面向き）、乗用車（横向き）、ボックスカー（正面向き）、ボックスカー（横向き）、バス（正面向き）、バス（横向き）、トラック（正面向き）、トラック（横向き）、バイク（正面向き）、バイク（横向き）、例えばこれらのどれに該当するかを判定する。

（ステップＳ３０９）
次のステップＳ３０９の処理は、図９に示す動体枠領域分割部２０４の実行する処理である。
ステップＳ３０９の処理は、以下のいずれかの場合に開始される。
（ａ）ステップＳ３０４において、動体枠が許容最低サイズ未満であると判定した場合、
（ｂ）ステップＳ３０６〜Ｓ３０７において、動体属性が、人でも車でもないと判定した場合、
（ｃ）ステップＳ３０６において、動体属性が人であると判定した場合、
（ｄ）ステップＳ３０８の処理が完了し、車の種類と向きの属性判定が完了した場合、

上記（ａ）〜（ｄ）の処理のいずれかが実行されると、ステップＳ３０９の処理、すなわち、図９に示す動体枠領域分割部２０４が、動体枠設定部２０２の設定した動体枠を、動体属性等に応じて分割する処理を行なう。
なお、動体枠分割処理は、動体枠設定部２０２の設定した動体枠のサイズや、図９に示すカメラの設置状況パラメータ２１０、具体的にはカメラの撮影角度である俯角も考慮して行われる。

具体的には、図１２〜図１４を参照して説明した「属性対応動体枠分割情報登録テーブル」を参照して、動体枠の分割処理を実行する。
動体枠領域分割部２０４は、動体属性、動体枠サイズ、カメラ撮影方向の俯角、これらに基づいて、図１２〜図１４を参照して説明した「属性対応動体枠分割情報登録テーブル」から該当エントリを抽出して、分割態様を決定する。

先に図１２〜図１４を参照して説明したように、動体枠の分割態様は、以下の３つの条件に基づいて決定される。
（Ａ）動体枠内の動体の属性、
（Ｂ）動体枠サイズ
（Ｃ）カメラ俯角
動体枠領域分割部２０４は、これら（Ａ），（Ｂ），（Ｃ）３種類の情報を取得し、取得したこれらの３情報に基づいて、図１２〜図１４に示す「属性対応動体枠分割情報登録テーブル」から該当するエントリを選択して、動体枠の領域分割態様を決定する。

（ステップＳ３１０）
次のステップＳ３１０の処理は、図９に示す分割特徴量抽出分割領域決定部２０５の実行する処理である。

特徴量抽出分割領域決定部２０５は、動体枠領域分割部２０４が設定した動体枠内に設定された１以上の分割領域中、特徴量を抽出すべき分割領域を決定する処理を行なう。特徴量とは、例えば色情報である。
特徴量抽出分割領域決定部２０５は、動体枠領域分割部２０４における領域分割処理と同様、動体枠設定部２０２の設定した動体枠のサイズや、図９に示すカメラの設置状況パラメータ２１０、具体的にはカメラの撮影角度である俯角を考慮して特徴量を抽出すべき分割領域を決定する。

具体的には、先に図１５〜図１７を参照して説明した「特徴量抽出分割領域情報登録テーブル」を参照して、特徴量を抽出すべき分割領域を決定する処理を行なう。
特徴量抽出分割領域決定部２０５は、動体属性、動体枠サイズ、カメラ撮影方向の俯角、これらに基づいて、図１５〜図１７を参照して説明した「特徴量抽出分割領域情報登録テーブル」から該当エントリを抽出して、特徴量を抽出すべき分割領域を決定する。

先に図１５〜図１７を参照して説明したように、特徴量を抽出すべき分割領域は、以下の３つの条件に基づいて決定される。
（Ａ）動体枠内の動体の属性、
（Ｂ）動体枠サイズ
（Ｃ）カメラ俯角
動体枠領域分割部２０４は、これら（Ａ），（Ｂ），（Ｃ）３種類の情報を取得し、取得したこれらの３情報に基づいて、図１５〜図１７に示す「特徴量抽出分割領域情報登録テーブル」から該当するエントリを選択して、特徴量を抽出すべき分割領域を決定する。

（ステップＳ３１１）
最後のステップＳ３１１の処理は、図９に示す分割領域特徴量抽出部２０６とメタデータ記録、出力部２０７の実行する処理である。

分割領域特徴量抽出部２０６は、特徴量抽出分割領域決定部２０５が決定した特徴量抽出対象領域から特徴量を抽出する処理を実行する。
先に図１１を参照して説明したように、特徴量抽出分割領域決定部２０５が動体枠内の動体属性等に応じて決定した特徴量抽出分割領域から特徴量、例えば動体の色情報を取得する。
メタデータ記録、出力部２０７は、先に図１１を参照して説明したように、以下の様な記録データを有するオブジェクト対応メタデータを生成する。
（１）属性
（２）領域分割態様
（３）特徴量取得領域識別子
（４）分轄領域特徴量
（５）動体オブジェクト検出画像フレーム情報

メタデータ記録、出力部２０７は、上記（１）〜（５）の情報を含むメタデータを、動体オブジェクト対応のメタデータとして生成し、記憶装置（サーバ）２０に格納する。なお、動体オブジェクト検出画像フレーム情報は、このメタデータが生成された画像フレーム、すなわち動体検出が実行された画像フレームの識別情報である。具体的には、画像を撮影したカメラのカメラ識別情報や撮影日時情報等が記録される。
メタデータは、動体オブジェクト１が検出された画像フレームの対応データとしてサーバに格納される。

［６．検索装置（情報処理装置）によるオブジェクト検索、追跡処理について］
次に、図１に示す検索装置（情報処理装置）３０を利用して特定の人物等の検索や追跡等を実行する処理、および、この処理に際して、検索装置（情報処理装置）３０の表示部に表示される表示データ（ユーザ・インタフェース）の例について、図２０以下を参照して説明する。

先に説明したように、カメラ１０のメタデータ生成部１１１は、画像から検出された動体オブジェクトの動体属性を判定し、動体属性や、動体枠サイズ、カメラ俯角等に応じて動体枠を分割し、また特徴量抽出対象とする分割領域を決定して、決定した分割領域から特徴量を抽出してメタデータを生成する。
図１に示す検索装置（情報処理装置）３０は、このメタデータを適用した検索処理を実行することで、オブジェクト属性に応じた最適な検索が実現される。

すなわち、図８に示す検索装置（情報処理装置）３０のデータ処理部１３２は、検索対象オブジェクトの属性に応じて決定される特徴量抽出領域の特徴量に基づくオブジェクト検索を実行する。
例えば、データ処理部１３２は、検索対象オブジェクトの属性が人であるか車であるかに応じて決定される特徴量抽出領域の特徴量に基づくオブジェクト検索を実行する。また、検索対象オブジェクトの属性が車である場合、車の車種や方向に応じて決定される特徴量抽出領域の特徴量に基づくオブジェクト検索を実行する。
また、データ処理部１３２は、検索対象画像内の動体オブジェクトのサイズ、またはカメラの撮影角度情報の少なくともいずれかの情報に応じて決定される特徴量抽出領域の特徴量に基づくオブジェクト検索を実行する。

図２０以下を参照して、検索装置（情報処理装置）３０がオブジェクト検索を実行する際に、検索装置（情報処理装置）３０の表示部に表示されるデータについて説明する。
図２０は、図１に示すシステムを構成する検索装置（情報処理装置）３０の表示部に表示されるデータの一例を示す図である。

特徴情報指定部３０１は、検索装置（情報処理装置）３０を用いた検索や追跡処理を行なうユーザが検索追跡対象オブジェクトの特徴情報を入力するための領域である。
図２０に示す特徴情報指定部３０２は、検索対象オブジェクトの属性と、領域単位の特徴を指定することが可能な構成を持つ。

指定画像表示部３０２は、過去の撮影画像に基づいて実行された検索処理や、ユーザによる検索処理によって抽出された検索対象オブジェクトが含まれる画像の表示領域であり、検索対象オブジェクトが含まれる画像と、その画像から抽出した検索対象オブジェクトの拡大画像等が表示される。

検索履歴情報表示部３０３には、過去の検索処理において抽出した画像データ等、過去の検索履歴情報が表示される。
なお、図２０に示す表示データの例は一例であり、この他にも様々なデータ表示態様が可能である。

図２０に示す特徴情報指定部３０１に対する検索対象オブジェクトの属性と、領域単位の特徴の指定処理を行なう場合、例えば、特徴情報指定部３０１の属性・領域単位の特徴のボックスにチェックを入力すると、図２１に示す特徴情報指定パレット３０４が表示され、このパレットを利用して、属性や、領域単位の特徴（色等）を指定することができる。

図２１に示すように、特徴情報指定パレット３０４には、
（ａ）属性選択部
（ｂ）領域、色選択部
（ｃ）色指定部
これらの各情報入力部が設けられている。

（ａ）属性選択部は、検索対象とするオブジェクトの属性を指定する領域である。具体的には、図に示すように検索対象オブジェクトが人であるか、乗用車であるか、バスであるか等の検索対象オブジェクトの属性情報を指定する。
図に示す例では、人にチェック入力がなされており、検索対象オブジェクトを人に設定した例を示している。

（ｂ）領域、色選択部は、検索対象オブジェクトの特徴情報として、検索対象オブシェクトの領域単位の色を指定する領域である。例えば検索対象オブジェクトが人である場合、上半身の色と下半身の色を個別に設定できる構成としている。
本開示のオブジェクト検索では、前述したように動体枠の分割領域単位の特徴量（色等）を取得する構成であり、この処理に対応する指定処理を行なうことを可能としている。

（ｃ）色指定部は、領域、色選択部における領域単位の色指定処理に適用する色情報の設定を行うための領域である。赤、黄、緑等の色指定を行った後、その明度をさらに指定することを可能とした構成を持つ。（ｂ）領域、色選択部のいずれかの項目にチェックを入力すると（ｃ）色指定部が表示され、チェック項目に対する色指定が可能となる。

例えば、「赤いＴシャツで黒いズボンの人」を検索したいとすると、まず、（ｂ）領域、色選択部において、検索したいオブジェクトの属性として「人」を選択する。次に、検索したいオブジェクトの領域とその色を指定する。「上半身」にチェックを入れると、（ｃ）色指定部欄において、色を指定することができる。
検索対象となる人は、「赤いＴシャツ」なので赤色を選択し、決定すると「上半身」の右側に赤色が表示される。「黒いズボン」についても同様に「下半身」を選択し、黒を指定する。

なお、図２１に示す（ｂ）領域、色選択部の例では、各領域についてそれぞれ一色のみ指定しているが、複数色を指定することも可能である。例えば、赤いＴシャツに白い羽織をしていれば、「上半身」に白を追加する。そうすると、「上半身」の右側の赤色の横に白色も表示される。特徴情報指定パレット３０４を利用して指定した属性と領域単位の特徴（色）は、特徴情報指定部３０１に反映され、指定情報が各欄に表示される。

図２２は、検索処理の結果表示例の一例を示す図である。
ユーザによる設定が可能な時間指定用スライダ３１１と、時間指定用スライダ３１１によってユーザが指定した時間近傍のカメラ撮影画像から検索された候補オブジェクトリスト３１２が表示される。
候補オブジェクトリスト３１２は、ユーザ指定の特徴情報と類似するオブジェクトのサムネイル画像の一覧リストである。

なお、候補オブジェクトリスト３１２には、各撮影時間単位で複数の候補オブジェクトが表示されるが、この表示順は、例えば、ユーザ指定の特徴情報との類似性等を考慮して算出した優先度に従って行われる。
優先度の算出は、例えば、先に図７に示すフローチャートを参照して説明した処理に従って実行することが可能である。

候補オブジェクトリスト３１２の左には、現在検索対象としている検索対象オブジェクト３１３の画像が表示される。この検索対象オブジェクト３１３と類似すると判定される候補オブジェクトが、所定の時間間隔の撮影画像中から検索されてリスト化されサムネイル画像（縮小画像）として表示される。

ユーザは、候補オブジェクトリスト３１２から、検索対象オブジェクトであると判定したサムネイル画像を、カーソル３１４を利用して選択することが可能であり、この選択画像が、時間指定用スライダ３１１の上部に各時間対応選択オブジェクト３１５として表示される。
なお、候補オブジェクトリスト３１２として表示する画像の時間間隔は、表示画像時間間隔指定部３１６を利用した指定処理により、自由に設定することができる。

候補オブジェクトリスト３１２には、ユーザの指定時間に対応する撮影時間の候補オブジェクトが最も多く表示される。それ以外の時間は、少なく表示される。このような表示制御により、各時間から検索対象オブジェクトを取りこぼしなく発見することができる。

図２３は、図２２に示す候補オブジェクトリスト３１２からの選択情報に基づいて表示される検索結果データのもう１つの表示例を示す図である。
この図２３に示す検索結果表示例は、特定の人物を検索対象オブジェクトとして、その移動経路をマップ（地図）として表示した例である。
図に示すように、オブジェクト追跡マップ３２１が表示され、マップ内に検索、追跡対象オブジェクトの移動経路が矢印として示される。
さらに、現在の検索追跡対象オブジェクトの位置を示す追跡オブジェクト位置識別子３２２がマップ内に表示される。

このマップ上の移動経路は、図２２を参照して説明した候補オブジェクトリスト３１２からユーザが選択したオブジェクトの位置情報に基づいて生成される。
オブジェクト追跡マップ３２１には、ユーザによる選択オブジェクトを撮影したカメラ位置にカメラアイコン３２３が表示され、カメラの方向と視野角も表示される。

なお、図には示していないが、カメラアイコンに併せて、検索オブジェクトが、各カメラ位置を通過した時間情報や、撮影画像のサムネイルを表示することが可能である。ユーザがカメラアイコンに併せて表示された撮影画像であるサムネイル画像をカーソル等で選択指定すると、オブジェクト追跡マップ３２１の隣接領域に、そのサムネイル画像の前後の時間に撮影された再生画像３２４が表示される。

再生画像３２４は、再生画像操作部３２５の操作により、通常再生の他、逆再生や早送り、早戻し、スライダの操作による再生位置の選択等の様々な処理が可能となる。
また、再生画像３２４中に検索対象オブジェクトが表示された場合、そのオブジェクトを囲む枠が表示される。

また、オブジェクト動線表示指示部３２６にチェックを入れると、その検索対象者の画像上の軌跡を、複数のオブジェクト枠として表示することができる。
例えば、図２４に示すように、再生画像３２４中に検索対象オブジェクトの移動経路に従ってオブジェクト識別枠３２８に囲まれたオブジェクトを表示する処理を行なうことができる。
また、このオブジェクト識別枠３２８のいずれかを選択して枠をクリックすると、その枠にオブジェクトがいた時点の画像にジャンプして再生処理を行なうことができる。

また、オブジェクト識別枠３２８のいずれかを選択して枠を右クリックすると、複数のデータ処理の選択リストが提示され、提示リストからのユーザ選択により、様々な新たな処理を開始させることができる。
具体的には、例えば、
（Ａ）このオブジェクトの検索を追加、
（Ｂ）このオブジェクトで検索をやり直す、
このような処理を新たに開始させることが可能となる。

これらの新たな処理をユーザが指定して開始させた場合の処理について、図２５を参照して説明する。
図２５には、オブジェクト識別枠３２８のいずれかを選択して、
（Ａ）このオブジェクトの検索を追加、
（Ｂ）このオブジェクトで検索をやり直す、
上記、（Ａ），（Ｂ）のいずれかの処理をユーザが指定した場合に行われる以下の（１）〜（４）の処理態様を示した図である。
（１）現検索オブジェクト
（２）検索履歴
（３）検索オブジェクト移動状態表示情報
（４）検索オブジェクト検索結果表示情報

例えば、ユーザが、図２４に示すオブジェクト識別枠３２８のいずれかを選択して、
（Ａ）このオブジェクトの検索を追加、
この処理（Ａ）を指定した場合、
（１）現検索オブジェクトは、ユーザの選択したオブジェクト識別枠内のオブジェクトに変更される。
（２）検索履歴として、ユーザによるオブジェクト識別枠の選択前に実行されていた検索情報が検索履歴として記憶部に格納される。
（３）検索オブジェクト移動状態表示情報は、情報がそのまま表示される。
（４）検索オブジェクト検索結果表示情報についてはクリアされる。

また、ユーザがオブジェクト識別枠３２８のいずれかを選択して、
（Ｂ）このオブジェクトで検索をやり直す、
この処理（Ｂ）を指定した場合、
（１）現検索オブジェクトは、ユーザの選択したオブジェクト識別枠内のオブジェクトに変更される。
（２）検索履歴として、ユーザによるオブジェクト識別枠の選択前に実行されていた検索情報は検索履歴として記憶部に格納されることなく、クリアされる。
（３）検索オブジェクト移動状態表示情報についてはクリアされる。
（４）検索オブジェクト検索結果表示情報についてはクリアされる。

図２３、図２４に示す例は、検索対象オブジェクトの移動経路をマップとして表示した例であるが、マップの代わりにタイムライン表示を行うことも可能である。
図２６は、検索結果をタイムライン表示によって表示した例を示す。

図２６に示すタイムライン表示データ２３１は、図２２を参照して説明した候補オブジェクトリスト３１２からユーザが選択したオブジェクトの撮影画像を時間軸に沿って、順次表示したデータである。ユーザ操作可能な時間指定用スライダ３３２をユーザが操作することで、その指定時間に対応する検索対象オブジェクト撮影画像を拡大表示し、その前後の検索対象オブジェクト撮影画像も併せて観察することができる。
ユーザは検索対象オブジェクトの撮影画像を時系列に見ることによりオブジェクトの移動の妥当性等を確認することができる。

［７．情報処理システムを構成するカメラ、およびその他の装置のハードウェア構成例について］
次に、図１に示す情報処理システムを構成するカメラ１０、およびその他の装置である記憶装置（サーバ）２０、検索装置（情報処理装置）３０のハードウェア構成例について説明する。

まず、カメラ１０のハードウェア構成例について、図２７を参照して説明する。
図２７は、本開示のカメラ（画像処理装置）１０の一構成例を示すブロック図である。図１に示すカメラ１０に相当する。

図２７に示すように、カメラ１０は、レンズ５０１、イメージセンサ５０２、画像処理部５０３、センサ５０４、メモリ５０５、通信部５０６、駆動部５０７、ＣＰＵ５０８、ＧＰＵ５０９、ＤＳＰ１１０を有する。

撮影画像は、レンズ５０１を介してイメージセンサ５０２に撮り込まれる。
イメージセンサ５０２は、例えばＣＣＤ（Ｃｈａｒｇｅ Ｃｏｕｐｌｅｄ Ｄｅｖｉｃｅｓ）イメージセンサやＣＭＯＳ（Ｃｏｍｐｌｅｍｅｎｔａｒｙ Ｍｅｔａｌ Ｏｘｉｄｅ Ｓｅｍｉｃｏｎｄｕｃｔｏｒ）イメージセンサなどである。

画像処理部５０３は、イメージセンサ５０２から出力される画像データ（ＲＡＷ画像）を入力し、入力したＲＡＷ画像に含まれるノイズを低減するノイズ低減処理の他、ＲＡＷ画像の各画素位置にＲＧＢの全色に対応する画素値を設定するデモザイク処理や、ホワイトバランス（ＷＢ）調整、ガンマ補正等、一般的なカメラにおける信号処理を実行する。
センサ５０４は、画像撮影を最適な設定で行うためのセンサ、例えば輝度センサ等であり、センサ５０４の検出情報に応じて画像撮影の撮影態様が制御される。

メモリ５０６は、撮影画像の格納、カメラ１０において実行する処理プログラム、各種パラメータ等の格納領域として利用されるＲＡＭ，ＲＯＭ等によって構成されるメモリである。
通信部５０６は、図１に示す記憶装置（サーバ）２０や、検索装置（情報処理装置）３０とのネットワーク４０を介した通信処理に利用する通信部である。

駆動部５０７は、画像撮影のためのレンズ駆動、絞り制御等、画像撮影に必要となる様々な駆動処理を行なう。この駆動処理は、例えばセンサ５０４の検出情報を用いて、ＣＰＵ５０８の制御の下に実行される。
ＣＰＵ５０８は、カメラ１０の実行する画像撮影、画像解析、メタデータ生成、通信処理等の様々な処理の制御を実行する。メモリ５０５に格納されたデータ処理プログラムに従って様々な処理を実行するデータ処理部として機能する。

ＧＰＵ（グラフィックプロセッサユニツト）５０９、および、ＤＳＰ（デジタルシグナルプロセッサ）５１０は、例えば撮影画像に対する画像処理等を実行するプロセッサであり、撮影画像の解析処理等に利用される。ＣＰＵ５０８と同様、メモリ５０５に格納されたデータ処理プログラムに従って様々な画像処理を実行するデータ処理部として機能する。

なお、本開示のカメラ１０は、撮影画像からの動体検出処理やオブジェクト識別処理、特徴量抽出処理等を行なう。
これらのデータ処理は、データ処理部として機能する画像処理部５０３、ＣＰＵ５０８、ＧＰＵ５０９、ＤＳＰ５１０等を適用して実行される。このデータ処理に適用する処理プログラムはメモリ５０５に格納される。
なお、例えば、画像処理部５０３内に専用のハードウェア回路を実装し、専用ハードウェアを適用して動体検出やオブジェクト識別処理、特徴量抽出処理を実行する構成としてもよい。
さらに、専用ハードウェアによる処理とプログラムに従ったソフトウェア適用処理を適宜、組み合わせて処理を実行する構成としてもよい。

次に、図１に示すシステムを構成する記憶装置（サーバ）２０や、検索装置（情報処理装置）３０として適用可能な情報処理装置のハードウェア構成例について、図２８を参照して説明する。

ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）６０１は、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）６０２、または記憶部６０８に記憶されているプログラムに従って各種の処理を実行するデータ処理部として機能する。例えば、上述した実施例において説明したシーケンスに従った処理を実行する。ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）６０３には、ＣＰＵ６０１が実行するプログラムやデータなどが記憶される。これらのＣＰＵ６０１、ＲＯＭ６０２、およびＲＡＭ６０３は、バス６０４により相互に接続されている。

ＣＰＵ６０１はバス６０４を介して入出力インタフェース６０５に接続され、入出力インタフェース６０５には、各種スイッチ、キーボード、マウス、マイクロホンなどよりなる入力部６０６、ディスプレイ、スピーカなどよりなる出力部６０７が接続されている。ＣＰＵ６０１は、入力部６０６から入力される指令に対応して各種の処理を実行し、処理結果を例えば出力部６０７に出力する。

入出力インタフェース６０５に接続されている記憶部６０８は、例えばハードディスク等からなり、ＣＰＵ６０１が実行するプログラムや各種のデータを記憶する。通信部６０９は、インターネットやローカルエリアネットワークなどのネットワークを介したデータ通信の送受信部として機能し、外部の装置と通信する。

入出力インタフェース６０５に接続されているドライブ６１０は、磁気ディスク、光ディスク、光磁気ディスク、あるいはメモリカード等の半導体メモリなどのリムーバブルメディア６１１を駆動し、データの記録あるいは読み取りを実行する。

［８．本開示の構成のまとめ］
以上、特定の実施例を参照しながら、本開示の実施例について詳解してきた。しかしながら、本開示の要旨を逸脱しない範囲で当業者が実施例の修正や代用を成し得ることは自明である。すなわち、例示という形態で本発明を開示してきたのであり、限定的に解釈されるべきではない。本開示の要旨を判断するためには、特許請求の範囲の欄を参酌すべきである。

なお、本明細書において開示した技術は、以下のような構成をとることができる。
（１） 画像から検出するオブジェクトに対応するメタデータを生成するメタデータ生成部を有し、
前記メタデータ生成部は、
画像から検出された動体オブジェクトに対する動体枠を設定する動体枠設定部と、
動体枠の設定された動体の属性を判定する動体属性判定部と、
動体属性に応じて、動体枠を分割する動体枠領域分割部と、
動体属性に応じて、特徴量抽出対象とする分割領域を決定する特徴量抽出分割領域決定部と、
前記特徴量抽出分割領域決定部の決定した分割領域から特徴量を抽出する特徴量抽出部と、
前記特徴量抽出部の抽出した特徴量を記録したメタデータを生成するメタデータ記録部を有する画像処理装置。

（２） 前記動体枠領域分割部は、
動体属性が人であるか車であるかを判別し、判別結果に応じて動体枠の領域分割態様を決定する（１）に記載の画像処理装置。

（３） 前記動体枠領域分割部は、
動体属性が車である場合、車の車種を判別し、車の車種に応じて動体枠の領域分割態様を決定する（１）または（２）に記載の画像処理装置。

（４） 前記動体枠領域分割部は、
動体属性が車である場合、車の方向を判別し、車の方向に応じて動体枠の領域分割態様を決定する（１）〜（３）いずれかに記載の画像処理装置。

（５） 前記動体枠領域分割部は、
動体枠のサイズ、またはカメラの撮影角度情報の少なくともいずれかの情報を取得し、取得情報に応じて動体枠の領域分割態様を決定する（１）〜（４）いずれかに記載の画像処理装置。

（６） 前記特徴量抽出分割領域決定部は、
動体属性が人であるか車であるかを判別し、判別結果に応じて特徴量を抽出する分割領域を決定する（１）〜（５）いずれかに記載の画像処理装置。

（７） 前記特徴量抽出分割領域決定部は、
動体属性が車である場合、車の車種を判別し、車の車種に応じて特徴量を抽出する分割領域を決定する（１）〜（６）いずれかに記載の画像処理装置。

（８） 前記特徴量抽出分割領域決定部は、
動体属性が車である場合、車の方向を判別し、車の方向に応じて特徴量を抽出する分割領域を決定する（１）〜（７）いずれかに記載の画像処理装置。

（９） 前記特徴量抽出分割領域決定部は、
動体枠のサイズ、またはカメラの撮影角度情報の少なくともいずれかの情報を取得し、取得情報に応じて特徴量を抽出する分割領域を決定する（１）〜（８）いずれかに記載の画像処理装置。

（１０） 前記画像処理装置は、さらに、
撮像部を有し、
前記メタデータ生成部は、
前記撮像部の撮影画像を入力して、撮影画像から検出するオブジェクトに対応するメタデータを生成する（１）〜（９）いずれかに記載の画像処理装置。

（１１） 画像からのオブジェクト検索を実行するデータ処理部を有し、
前記データ処理部は、
検索対象オブジェクトの属性に応じて決定される特徴量抽出領域の特徴量に基づくオブジェクト検索を実行する情報処理装置。

（１２） 前記データ処理部は、
検索対象オブジェクトの属性が人であるか車であるかに応じて決定される特徴量抽出領域の特徴量に基づくオブジェクト検索を実行する（１１）に記載の情報処理装置。

（１３） 前記データ処理部は、
検索対象オブジェクトの属性が車である場合、車の車種に応じて決定される特徴量抽出領域の特徴量に基づくオブジェクト検索を実行する（１１）または（１２）に記載の情報処理装置。

（１４） 前記データ処理部は、
検索対象オブジェクトの属性が車である場合、車の方向に応じて決定される特徴量抽出領域の特徴量に基づくオブジェクト検索を実行する（１１）〜（１３）いずれかに記載の情報処理装置。

（１５） 前記データ処理部は、
検索対象画像内の動体オブジェクトのサイズ、またはカメラの撮影角度情報の少なくともいずれかの情報に応じて決定される特徴量抽出領域の特徴量に基づくオブジェクト検索を実行する（１１）〜（１４）いずれかに記載の情報処理装置。

（１６） 画像処理装置において実行する画像処理方法であり、
前記画像処理装置は、画像から検出するオブジェクトに対応するメタデータを生成するメタデータ生成部を有し、
前記メタデータ生成部が、
画像から検出された動体オブジェクトに対する動体枠を設定する動体枠設定処理と、
動体枠の設定された動体の属性を判定する動体属性判定処理と、
動体属性に応じて、動体枠を分割する動体枠領域分割処理部と、
動体属性に応じて、特徴量抽出対象とする分割領域を決定する特徴量抽出分割領域決定処理と、
前記特徴量抽出分割領域決定処理において決定した分割領域から特徴量を抽出する特徴量抽出処理と、
前記特徴量抽出処理において抽出した特徴量を記録したメタデータを生成する処理を実行する画像処理方法。

（１７） 情報処理装置において実行する情報処理方法であり、
前記情報処理装置は、
画像からのオブジェクト検索を実行するデータ処理部を有し、
前記データ処理部が、
検索対象オブジェクトの属性に応じて決定される特徴量抽出領域の特徴量に基づくオブジェクト検索を実行する情報処理方法。

（１８） 画像処理装置において画像処理を実行させるプログラムであり、
前記画像処理装置は、画像から検出するオブジェクトに対応するメタデータを生成するメタデータ生成部を有し、
前記プログラムは、前記メタデータ生成部に、
画像から検出された動体オブジェクトに対する動体枠を設定する動体枠設定処理と、
動体枠の設定された動体の属性を判定する動体属性判定処理と、
動体属性に応じて、動体枠を分割する動体枠領域分割処理部と、
動体属性に応じて、特徴量抽出対象とする分割領域を決定する特徴量抽出分割領域決定処理と、
前記特徴量抽出分割領域決定処理において決定した分割領域から特徴量を抽出する特徴量抽出処理と、
前記特徴量抽出処理において抽出した特徴量を記録したメタデータを生成する処理を実行させるプログラム。

（１９） 情報処理装置において情報処理を実行させるプログラムであり、
前記情報処理装置は、
画像からのオブジェクト検索を実行するデータ処理部を有し、
前記プログラムは、前記データ処理部に、
検索対象オブジェクトの属性に応じて決定される特徴量抽出領域の特徴量に基づくオブジェクト検索を実行させるプログラム。

また、明細書中において説明した一連の処理はハードウェア、またはソフトウェア、あるいは両者の複合構成によって実行することが可能である。ソフトウェアによる処理を実行する場合は、処理シーケンスを記録したプログラムを、専用のハードウェアに組み込まれたコンピュータ内のメモリにインストールして実行させるか、あるいは、各種処理が実行可能な汎用コンピュータにプログラムをインストールして実行させることが可能である。例えば、プログラムは記録媒体に予め記録しておくことができる。記録媒体からコンピュータにインストールする他、ＬＡＮ（Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ）、インターネットといったネットワークを介してプログラムを受信し、内蔵するハードディスク等の記録媒体にインストールすることができる。

なお、明細書に記載された各種の処理は、記載に従って時系列に実行されるのみならず、処理を実行する装置の処理能力あるいは必要に応じて並列的にあるいは個別に実行されてもよい。また、本明細書においてシステムとは、複数の装置の論理的集合構成であり、各構成の装置が同一筐体内にあるものには限らない。

以上、説明したように、本開示の一実施例の構成によれば、オブジェクトの属性に応じた特徴量抽出処理により、オブジェクト属性に応じた高精度かつ効率的な検索が実現される。
具体的には、画像から検出された動体オブジェクトの動体属性を判定し、動体属性に応じて動体枠を分割し、特徴量抽出対象とする分割領域を決定する。決定した分割領域から特徴量を抽出してメタデータを生成する。動体属性が人であるか車であるか、さらに車種、車の方向、さらに動体枠のサイズ、カメラの俯角等に基づいて動体枠の分割態様、特徴量抽出領域を決定し、特徴量情報を記録したメタデータを生成する。オブジェクト検索においては、このメタデータを適用した検索処理を実行することで、オブジェクト属性に応じた最適な検索が実現される。
本構成により、オブジェクトの属性に応じた特徴量抽出処理により、オブジェクト属性に応じた高精度かつ効率的な検索が実現される。

１０ カメラ（画像処理装置）
２０ 記憶装置（サーバ）
３０ 検索装置（情報処理装置）
４０ ネットワーク
１１１ メタデータ生成部
１１２ 画像処理部
１２１ メタデータ記憶部
１２２ 画像記憶部
１３１ 入力部
１３２ データ処理部
１３３ 出力部
２００ 撮影画像
２０１ 動体オブジェクト検出部
２０２ 動体枠設定部
２０３ 動体属性判定部
２０４ 動体枠領域分割部
２０５ 特徴量抽出分割領域決定部
２０６ 分割領域特徴量抽出部
２０７ メタデータ記録、出力部
２１０ カメラ設置状況パラメータ
２２０ メタデータ
５０１ レンズ
５０２ イメージセンサ
５０３ 画像処理部
５０４ センサ
５０５ メモリ
５０６ 通信部
５０７ 駆動部
５０８ ＣＰＵ
５０９ ＧＰＵ
５１０ ＤＳＰ
６０１ ＣＰＵ
６０２ ＲＯＭ
６０３ ＲＡＭ
６０４ バス
６０５ 入出力インタフェース
６０６ 入力部
６０７ 出力部
６０８ 記憶部
６０９ 通信部
６１０ ドライブ
６１１ リムーバブルメディア

Claims (19)

1. 画像から検出するオブジェクトに対応するメタデータを生成するメタデータ生成部を有し、
   前記メタデータ生成部は、
   画像から検出された動体オブジェクトに対する動体枠を設定する動体枠設定部と、
   動体枠の設定された動体の属性を判定する動体属性判定部と、
   動体属性に応じて、動体枠を分割する動体枠領域分割部と、
   動体属性に応じて、特徴量抽出対象とする分割領域を決定する特徴量抽出分割領域決定部と、
   前記特徴量抽出分割領域決定部の決定した分割領域から特徴量を抽出する特徴量抽出部と、
   前記特徴量抽出部の抽出した特徴量を記録したメタデータを生成するメタデータ記録部を有する画像処理装置。
2. 前記動体枠領域分割部は、
   動体属性が人であるか車であるかを判別し、判別結果に応じて動体枠の領域分割態様を決定する請求項１に記載の画像処理装置。
3. 前記動体枠領域分割部は、
   動体属性が車である場合、車の車種を判別し、車の車種に応じて動体枠の領域分割態様を決定する請求項１に記載の画像処理装置。
4. 前記動体枠領域分割部は、
   動体属性が車である場合、車の方向を判別し、車の方向に応じて動体枠の領域分割態様を決定する請求項１に記載の画像処理装置。
5. 前記動体枠領域分割部は、
   動体枠のサイズ、またはカメラの撮影角度情報の少なくともいずれかの情報を取得し、取得情報に応じて動体枠の領域分割態様を決定する請求項１に記載の画像処理装置。
6. 前記特徴量抽出分割領域決定部は、
   動体属性が人であるか車であるかを判別し、判別結果に応じて特徴量を抽出する分割領域を決定する請求項１に記載の画像処理装置。
7. 前記特徴量抽出分割領域決定部は、
   動体属性が車である場合、車の車種を判別し、車の車種に応じて特徴量を抽出する分割領域を決定する請求項１に記載の画像処理装置。
8. 前記特徴量抽出分割領域決定部は、
   動体属性が車である場合、車の方向を判別し、車の方向に応じて特徴量を抽出する分割領域を決定する請求項１に記載の画像処理装置。
9. 前記特徴量抽出分割領域決定部は、
   動体枠のサイズ、またはカメラの撮影角度情報の少なくともいずれかの情報を取得し、取得情報に応じて特徴量を抽出する分割領域を決定する請求項１に記載の画像処理装置。
10. 前記画像処理装置は、さらに、
    撮像部を有し、
    前記メタデータ生成部は、
    前記撮像部の撮影画像を入力して、撮影画像から検出するオブジェクトに対応するメタデータを生成する請求項１に記載の画像処理装置。
11. 画像からのオブジェクト検索を実行するデータ処理部を有し、
    前記データ処理部は、
    検索対象オブジェクトの属性に応じて決定される特徴量抽出領域の特徴量に基づくオブジェクト検索を実行する情報処理装置。
12. 前記データ処理部は、
    検索対象オブジェクトの属性が人であるか車であるかに応じて決定される特徴量抽出領域の特徴量に基づくオブジェクト検索を実行する請求項１１に記載の情報処理装置。
13. 前記データ処理部は、
    検索対象オブジェクトの属性が車である場合、車の車種に応じて決定される特徴量抽出領域の特徴量に基づくオブジェクト検索を実行する請求項１１に記載の情報処理装置。
14. 前記データ処理部は、
    検索対象オブジェクトの属性が車である場合、車の方向に応じて決定される特徴量抽出領域の特徴量に基づくオブジェクト検索を実行する請求項１１に記載の情報処理装置。
15. 前記データ処理部は、
    検索対象画像内の動体オブジェクトのサイズ、またはカメラの撮影角度情報の少なくともいずれかの情報に応じて決定される特徴量抽出領域の特徴量に基づくオブジェクト検索を実行する請求項１１に記載の情報処理装置。
16. 画像処理装置において実行する画像処理方法であり、
    前記画像処理装置は、画像から検出するオブジェクトに対応するメタデータを生成するメタデータ生成部を有し、
    前記メタデータ生成部が、
    画像から検出された動体オブジェクトに対する動体枠を設定する動体枠設定処理と、
    動体枠の設定された動体の属性を判定する動体属性判定処理と、
    動体属性に応じて、動体枠を分割する動体枠領域分割処理部と、
    動体属性に応じて、特徴量抽出対象とする分割領域を決定する特徴量抽出分割領域決定処理と、
    前記特徴量抽出分割領域決定処理において決定した分割領域から特徴量を抽出する特徴量抽出処理と、
    前記特徴量抽出処理において抽出した特徴量を記録したメタデータを生成する処理を実行する画像処理方法。
17. 情報処理装置において実行する情報処理方法であり、
    前記情報処理装置は、
    画像からのオブジェクト検索を実行するデータ処理部を有し、
    前記データ処理部が、
    検索対象オブジェクトの属性に応じて決定される特徴量抽出領域の特徴量に基づくオブジェクト検索を実行する情報処理方法。
18. 画像処理装置において画像処理を実行させるプログラムであり、
    前記画像処理装置は、画像から検出するオブジェクトに対応するメタデータを生成するメタデータ生成部を有し、
    前記プログラムは、前記メタデータ生成部に、
    画像から検出された動体オブジェクトに対する動体枠を設定する動体枠設定処理と、
    動体枠の設定された動体の属性を判定する動体属性判定処理と、
    動体属性に応じて、動体枠を分割する動体枠領域分割処理部と、
    動体属性に応じて、特徴量抽出対象とする分割領域を決定する特徴量抽出分割領域決定処理と、
    前記特徴量抽出分割領域決定処理において決定した分割領域から特徴量を抽出する特徴量抽出処理と、
    前記特徴量抽出処理において抽出した特徴量を記録したメタデータを生成する処理を実行させるプログラム。
19. 情報処理装置において情報処理を実行させるプログラムであり、
    前記情報処理装置は、
    画像からのオブジェクト検索を実行するデータ処理部を有し、
    前記プログラムは、前記データ処理部に、
    検索対象オブジェクトの属性に応じて決定される特徴量抽出領域の特徴量に基づくオブジェクト検索を実行させるプログラム。

Images