JP2019205034A - 監視パラメータ更新システム、監視パラメータ更新方法およびプログラム - Google Patents

Abstract

【課題】撮像画像中に現れた監視対象物である特定オブジェクトを誤認識した場合に撮像画像の認識に関する監視パラメータを更新し、特定オブジェクトの認識精度を向上して監視精度の劣化を抑制する。【解決手段】監視カメラシステム５では、監視エリアを撮像可能に設置された監視カメラ１０に接続された画像認識装置３０と、クラウドサーバ４０とが通信可能に接続される。画像認識装置３０は、監視カメラ１０による監視エリアの撮像画像に基づいて、撮像映像中に現れた人物を認識し、その認識結果および撮像映像を対応付けてクラウドサーバ４０に送信する。クラウドサーバ４０は、この認識結果および撮像映像に基づいて、影や標識等の対象を人物であると誤認識した場合、認識用のパラメータを含む使用指示を画像認識装置３０に送信する。【選択図】図１

Description

本開示は、監視パラメータ更新システム、監視パラメータ更新方法およびプログラムに関する。

特許文献１には、複数台のカメラのそれぞれにより撮像されたイメージデータとカメラのパラメータ値を可変なスライドバーとをＧＵＩ（Graphical User Interface）に表示し、それぞれのイメージデータが同一の外観が得られなければ、ユーザの操作により選択されたカメラについて、ユーザのスライドバーの操作によりパラメータ値を変更する技術が開示されている。

特開２００８−１７４７６号公報

しかし、特許文献１の構成では、パラメータ値を変更するかどうかはそれぞれのイメージデータが同一の外観を有するか否かという基準に依存する。このため、パラメータ値が設定されている時にイメージデータ中に現れた所定のオブジェクト（例えば人物）が誤認識された場合に現時点のパラメータ値を変更することはできない。従って、イメージデータ中に監視対象物である所定のオブジェクトが出現しても、その出現を看過する可能性があり、監視精度が不十分となる可能性があった。

本開示は、上述した従来の状況に鑑みて案出され、撮像画像中に現れた監視対象物である特定オブジェクトを誤認識した場合に撮像画像の認識に関する監視パラメータを更新し、特定オブジェクトの認識精度を向上して監視精度の劣化を抑制する監視パラメータ更新システム、監視パラメータ更新方法およびプログラムを提供することを目的とする。

本開示は、監視エリアを撮像可能に設置されたカメラに接続された第１処理装置と、第２処理装置とが通信可能に接続された監視パラメータ更新システムであって、前記第１処理装置は、前記カメラにより撮像された前記監視エリアの撮像画像に基づいて、前記撮像画像中に現れた特定オブジェクトを認識し、その認識結果および撮像画像を対応付けて前記第２処理装置に送信し、前記第２処理装置は、前記第１処理装置から送られた前記認識結果および撮像画像に基づいて、前記特定オブジェクトでないオブジェクトを認識した場合、監視パラメータを含む監視パラメータ更新指示を前記第１処理装置に送信する、監視パラメータ更新システムを提供する。

また、本開示は、監視エリアを撮像可能に設置されたカメラに接続された第１処理装置と、第２処理装置とが通信可能に接続された監視パラメータ更新システムを用いた監視パラメータ更新方法であって、前記第１処理装置は、前記カメラにより撮像された前記監視エリアの撮像画像に基づいて、前記撮像画像中に現れた特定オブジェクトを認識し、その認識結果および撮像画像を対応付けて前記第２処理装置に送信し、前記第２処理装置は、前記第１処理装置から送られた前記認識結果および撮像画像に基づいて、前記特定オブジェクトでないオブジェクトを認識した場合、監視パラメータを含む監視パラメータ更新指示を前記第１処理装置に送信する、監視パラメータ更新方法を提供する。

また、本開示は、監視エリアを撮像可能に設置されたカメラと第２処理装置とにそれぞれ接続された、コンピュータである第１処理装置に、前記カメラにより撮像された前記監視エリアの撮像画像に基づいて、前記撮像画像中に現れた特定オブジェクトを認識するステップと、前記特定オブジェクトの認識結果および撮像画像を対応付けて前記第２処理装置に送信するステップと、前記特定オブジェクトの認識結果および撮像画像に基づいて前記第２処理装置により前記特定オブジェクトでないオブジェクトが認識された場合に、前記第２処理装置から送られた、監視パラメータを含む監視パラメータ更新指示を受信するステップと、をそれぞれ実行させるための、プログラムを提供する。

また、本開示は、監視エリアを撮像可能に設置されたカメラに接続された第１処理装置との間で通信可能に接続された、コンピュータである第２処理装置に、前記カメラにより撮像された前記監視エリアの撮像画像に基づいて前記第１処理装置により前記撮像画像中に現れた特定オブジェクトが認識された場合に、前記第１処理装置から送られた、前記特定オブジェクトの認識結果および撮像画像を受信するステップと、前記第１処理装置から送られた前記認識結果および撮像画像に基づいて、前記特定オブジェクトでないオブジェクトを認識するステップと、前記オブジェクトが認識された場合、監視パラメータを含む監視パラメータ更新指示を前記第１処理装置に送信するステップと、をそれぞれ実行させるための、プログラムを提供する。

本開示によれば、撮像画像中に現れた監視対象物である特定オブジェクトを誤認識した場合に撮像画像の認識に関する監視パラメータを更新し、特定オブジェクトの認識精度を向上して監視精度の劣化を抑制することができる。

実施の形態１に係る監視カメラシステムの概要例を示す図 監視カメラのハードウェア構成例を示すブロック図 画像認識装置のハードウェア構成例を示すブロック図 クラウドサーバのハードウェア構成例を示すブロック図 実施の形態１に係る監視カメラシステムの動作手順例を示すシーケンス図 認識用のパラメータが登録されたパラメータテーブルの登録内容の一例を示す図 正報が通知された場合に表示される監視カメラの撮像映像の一例を示す図 誤報が通知された場合に表示される監視カメラの撮像映像の一例を示す図

（実施の形態の着想に至る経緯）
例えば、高速道路の入口は、安全上、人が入っていけない場所である。高速道路の入口には、通常、監視カメラが設置されている。このような監視カメラにより撮像された撮像映像に映る被写体（オブジェクト）を認識するための画像認識装置は、監視カメラにより撮像された撮像映像に人物らしき被写体（オブジェクト）が映っている場合、ユーザ（例えば、システムの運用者）にその事象を通知する。運用者は、監視カメラの撮像映像に映っている被写体が人であることを確認すると、警報を発する等の様々な対処を行う。

人物らしき対象が映っていることが認識されて画像認識装置から運用者に通知される発報には、正報（いわゆる、認識された被写体が人であるとの正しい認識結果を知らせる旨のメッセージ）の他、撮像映像内に映る影もしくは標識を誤って人物と認識してしまった誤報が多々ある。運用者は、常に１台の監視カメラの撮像映像を監視して観ているわけでなく、複数台の監視カメラの撮像映像のそれぞれを常に観ている。運用者が、誤報に対応する監視カメラの撮像映像を確認している間に、他の監視カメラの撮像映像に基づく正報が通知された場合、正報に対応する撮像映像の運用者による確認が遅れてしまう。この間に、高速道路の入口から入った人物が路肩まで出てしまう等、危ない事象が起こり得る。このように、従来技術では、運用者が、多くの撮像映像を確認しなければならない状況になると、発生したそれぞれの事象に対し、素早く対処できず対応の遅れに繋がることが想定される。また、誤報の数が多くなると、運用者は、撮像映像の確認に忙殺され、正報に対応する撮像映像を見逃してしまうことにも繋がる。このような課題に対して、特許文献１の構成では依然として具体的な解決を図ることが困難である。

そこで、以下の実施の形態１では、被写体（言い換えると、対象）の誤認識を低減し、運用者に通知される誤報の数を減らすことで、素早く対処すべき事象への対応の遅れや、正報に対応する撮像映像の見逃しを無くし、運用者が迅速に対象を認識でき、かつ運用者の負担を減らすようにする監視カメラシステムの例を説明する。

（実施の形態１）
以下、適宜図面を参照しながら、本開示に係る監視パラメータ更新システム、監視パラメータ更新方法およびプログラムとして、監視パラメータ更新システムの一例としての監視カメラシステムを具体的に開示した実施の形態を詳細に説明する。但し、必要以上に詳細な説明は省略する場合がある。例えば、既によく知られた事項の詳細説明や実質的に同一の構成に対する重複説明を省略する場合がある。これは、以下の説明が不必要に冗長になるのを避け、当業者の理解を容易にするためである。なお、添付図面および以下の説明は、当業者が本開示を十分に理解するために提供されるのであって、これらにより特許請求の範囲に記載の主題を限定することは意図されていない。

図１は、実施の形態１に係る監視カメラシステム５の概要例を示す図である。監視カメラシステム５は、人物等の立ち入りが禁止された立入禁止区域（例えば、高速道路の入口）を撮像エリア（言い換えると、撮像エリア）として設定され、その撮像エリアに人物等が立ち入らないように監視する。具体的には、監視カメラシステム５は、複数の監視カメラ１０と、それぞれの監視カメラに対応する複数の画像認識装置３０と、クラウドサーバ４０とを含む構成を有する。複数の監視カメラ１０は、例えば複数の立入禁止区域をそれぞれ監視エリアとして撮像可能な位置に設置される。立入禁止区域は、例えば、遮断機が降りた踏切内もしくは夜間の入場が禁止された公園内等のように、不規則にあるいは時間帯によって立ち入りが制限される場所を含んでよい。また、立入禁止区域は、例えば、人に限らず車両、犬もしくは猫等の小動物の立ち入りが禁止される場所を含んでよい。監視カメラ１０により撮像された撮像映像は、それぞれ対応して設けられた画像認識装置３０に伝送される。

ここでは、１台の監視カメラ１０と１台の画像認識装置３０は、１セットとして組み合わされ、ネットワークＮＷ１を介して通信可能である。なお、１台の監視カメラ１０と１台の画像認識装置３０は、別々の筐体に収容された装置として構成されてもよいし、同一の筐体に収容されて、一体の装置として構成されてもよい。また、１台の監視認識装置に複数の監視カメラが接続されてもよい。

それぞれの画像認識装置３０は、それぞれの監視カメラ１０で撮像される撮像映像を解析して画像認識処理を行い、監視エリアでの人物判定等の処理を行うものであり、ネットワークＮＷ２を介してクラウドサーバ４０に通信可能に接続される。クラウドサーバ４０は、画像認識装置３０による人物判定、および監視カメラ１０による撮像映像を基に、撮像映像を構成する個々の撮像画像ごとに人物等の被写体（オブジェクト）の認識処理等の画像認識処理を行う。また、クラウドサーバ４０は、画像認識処理の結果に基づいて、対応する画像認識装置３０もしくはその画像認識装置３０に対応する監視カメラ１０に対し、認識用のパラメータ（後述参照）を更新するものであり、ネットワークＮＷ３を介して、ＰＣ（personal computer）５０に接続される。ＰＣ５０は、クラウドサーバ４０から送信された発報情報（後述する正報参照）および正報が生成された時の撮像映像を表示する。なお、ＰＣ５０は、クラウドサーバ４０から取得した発報情報に誤報が含まれる場合、アラームを発して運用者に通知する。

図２は、監視カメラ１０のハードウェア構成例を示すブロック図である。カメラの一例としての監視カメラ１０は、パン・チルト・ズーム可能なＰＴＺ（Pan Tilt Zoom）カメラである。例えば、監視カメラ１０は、既定のホームポジション（つまり、プリセット位置の一つ）において、自カメラに対応する立入禁止区域の全体を画角内に含むように撮像する。撮像映像中に人物等の対象が出現した場合、監視カメラ１０は、対象が画角内で大きくなるように、パン角およびチルト角を変更して姿勢を対象に向け、ズーム倍率を上げてもよい。

監視カメラ１０は、ＣＰＵ１１と、記憶部１２と、撮像部１３と、映像処理部１４と、通信部１５と、パンチルト駆動部１６と、加速度センサ１８と、ＩＲ照射部１９と、を含む構成である。

パンチルト駆動部１６は、撮像部１３をパン方向およびチルト方向に駆動するものであり、チルト制御部２１、パン制御部２２、チルトモータ２３およびパンモータ２４を含む。チルト制御部２１は、チルトモータ２３の回転角を制御する。パン制御部２２は、パンモータ２４の回転角を制御する。

加速度センサ１８は、監視カメラ１０の姿勢（例えば、レンズの光軸方向を定めるパン角およびチルト角）に対応する信号を出力する。ＣＰＵ１１は、加速度センサ１８から出力される信号を基に、監視カメラ１０の姿勢を制御する。加速度センサ１８には、例えば半導体ピエゾ抵抗効果を利用した半導体式、回転質量体により可動接点と固定接点を開閉する機械式のものが用いられる。

撮像部１３は、撮像素子として、ＣＣＤ（Charge Coupled Device）またはＣＭＯＳ（Complementary Metal Oxide Semiconductor）を有する。撮像素子は、例えば１画素がＲ画素、Ｇ画素、Ｂ画素およびＩＲ画素のベイヤ配列で形成される、複数の画素群（例えば１００万画素）を含む。また、撮像部１３は、焦点距離を調節可能フォーカスレンズ、およびズーム倍率を変更可能なズームレンズを含む。撮像部１３は、撮像素子から出力される電荷信号を増幅するアンプ、およびこのアンプのゲインを調整可能なゲイン調整部を含む。

映像処理部１４は、撮像部１３で撮像された撮像映像のデータ信号に対し、ＡＤ変換、色補正、雑音除去、輪郭強調等の各種の信号処理を行う。

記憶部１２は、例えばＲＡＭ（Random Access Memory）とＲＯＭ（Read Only Memory）を含み、監視カメラ１０の動作の実行に必要なプログラムやデータ（例えば、フォーカス調整に必要な焦点距離、ゲイン調整に必要なゲイン値等のパラメータを含む）、動作中に生成された情報またはデータ等を一時的に保存する。記憶部１２は、監視カメラ１０のホームポジションを表す（パン角、チルト角、ズーム倍率）をプリセット値として記憶してもよい。ＲＡＭは、例えばＣＰＵ１１の動作時に使用されるワークメモリである。ＲＯＭは、例えばＣＰＵ１１を制御するためのプログラムおよびデータを予め記憶する。

ＣＰＵ１１は、監視カメラ１０の各部の動作を制御する。ＣＰＵ１１は、監視カメラ１０の制御部として機能し、監視カメラ１０の各部の動作を全体的に統括するための制御処理、監視カメラ１０の各部との間のデータの入出力処理、データの演算（計算）処理およびデータの記憶処理を行う。ＣＰＵ１１は、記憶部１２内のＲＯＭに記憶されたプログラムの実行に従って動作する。ＣＰＵ１１は、加速度センサ１８から出力される信号を基に、監視カメラ１０の姿勢を制御する。ＣＰＵ１１は、撮像部１３で撮像され、映像処理部１４で信号処理された撮像映像のデータを、通信部１５を介して、画像認識装置３０に送信する。

通信部１５は、有線ＬＡＮ（Local Area Network）で画像認識装置３０と通信可能に接続される。なお、通信部１５は、無線ＬＡＮでＰＣと通信可能に接続されてもよい。

ＩＲ照射部１９は、夜間等の周囲が暗い場合、白黒画像を撮像するために、被写体に向けて近赤外光（ＩＲ（infrared radiation ）光）を照射する。ここでは、夜間に光の到達する距離が長く、非可視光であるＩＲ光を照射する場合を示したが、非可視光であるＩＲ光に限らず、可視光を照射してもよい。

図３は、画像認識装置３０のハードウェア構成例を示すブロック図である。画像認識装置３０は、自装置に接続される監視カメラ１０により撮像された撮像映像をリアルタイムで受信して画像認識処理（例えば、人物の判定、人物の侵入の有無の検知）を施す。また、画像認識装置３０は、人物判定の結果として人物の侵入を検知した場合、人物判定の結果（発報情報の一例）および人物判定が行われた撮像映像（発報画像の一例）をクラウドサーバ４０に送信する。また、画像認識装置３０は、例えば１日１回、クラウドサーバ４０から最適な認識用のパラメータを受信し、自装置が保持する認識用のパラメータを更新するか、または監視カメラ１０が保持する認識用のパラメータを監視カメラ１０に更新させる。

第１処理装置の一例としての画像認識装置３０は、映像処理装置として動作し、プロセッサ３１、ＲＯＭ（Read only memory）３２、ＲＡＭ（Random Access memory）３３、ハードディスクドライブ（ＨＤＤ）３４、および通信部３５を少なくとも含む構成である。

プロセッサ３１は、例えばＣＰＵ（Central Processing unit）、ＤＳＰ（Digital Signal Processor）またはＦＰＧＡ（Field Programmable Gate Array）を用いて構成され、画像認識装置３０の各部の動作を制御する。プロセッサ３１は、画像認識装置３０の制御部として機能し、画像認識装置３０の各部の動作を全体的に統括するための制御処理、画像認識装置３０の各部との間のデータの入出力処理、データの演算（計算）処理およびデータの記憶処理を行う。プロセッサ３１は、ＲＯＭ３２に記憶されたプログラムおよびデータに従って動作する。プロセッサ３１は、画像認識装置３０に接続される監視カメラ１０により撮像された撮像映像を用いて、上述した画像認識処理を行う。

ＲＯＭ３２は、例えばプロセッサ３１を制御するためのプログラムおよびデータを予め記憶する。ＲＡＭ３３は、プロセッサ３１の動作時に使用されるワークメモリである。ＲＡＭ３３は、プロセッサ３１の動作の実行に必要なプログラムやデータ、更には、動作中に生成された情報またはデータ等を一時的に保存する。

ＨＤＤ３４は、大容量の記憶媒体であり、プロセッサ３１により実行された撮像映像の画像認識判定結果３４ａと、通信部３５により受信された撮像画像データ３４ｂと、プロセッサ３１における画像認識処理において用いられる認識用のパラメータ３４ｃ等を記憶する。

通信部３５は、ネットワークＮＷ１を介して、監視カメラ１０とデータ通信可能に接続される。通信部３５は、ネットワークＮＷ２を介して、クラウドサーバ４０とデータ通信可能に接続される。ネットワークＮＷ１およびネットワークＮＷ２は、有線ＬＡＮ（Local Area Network）または無線ＬＡＮであってもよい。

図４は、クラウドサーバ４０のハードウェア構成例を示すブロック図である。クラウドサーバ４０は、画像認識装置３０から送信された、人物判定の結果（発報情報の一例）および人物判定が行われた撮像映像（発報画像の一例）を受信するとともに、この撮像映像を用いて画像認識装置３０での画像認識処理の精度を確認するために画像認識の再検証を行う。クラウドサーバ４０は、再検証を行う際、ハードディスクドライブ（ＨＤＤ）４４に蓄積されている誤報データ（図示略）との類似性を確認し、誤報データとの類似性が高い場合、誤報と判定し、誤報と判定された撮像映像をＰＣ５０に表示しない。一方、クラウドサーバ４０は、誤報データとの類似性が低い場合、正報と判定し、正報と判定された撮像映像をＰＣ５０に表示する。クラウドサーバ４０は、誤報の判定結果および誤報と判定された撮像映像を含む誤報データをハードディスクドライブ（ＨＤＤ）４４に蓄積し、学習データとして扱う。クラウドサーバ４０は、誤報データを大量に蓄積する。誤報データの蓄積量が増加すると、クラウドサーバ４０によって判定される誤報データとの類似性の確認精度が向上する。クラウドサーバ４０は、誤報と判定した場合、その都度、認識用のパラメータを更新する。クラウドサーバ４０は、例えば１日１回、現時点の最適な認識用のパラメータを画像認識装置３０に送信する。最適な認識用のパラメータは、図６に示すように、例えば照度、明るさ、背景色、色情報等に対応する、白黒／カラーの切替、フォーカス調整、ゲイン調整等を含む。

第２処理装置の一例としてのクラウドサーバ４０は、映像処理装置として動作し、プロセッサ４１、ＲＯＭ（Read only memory）４２、ＲＡＭ（Random Access memory）４３、ハードディスクドライブ（ＨＤＤ）４４、および通信部４５を含む構成である。

プロセッサ４１は、例えばＣＰＵ（Central Processing unit）、ＤＳＰ（Digital Signal Processor）またはＦＰＧＡ（Field Programmable Gate Array）を用いて構成され、クラウドサーバ４０の各部の動作を制御する。プロセッサ４１は、クラウドサーバ４０の制御部として機能し、クラウドサーバ４０の各部の動作を全体的に統括するための制御処理、クラウドサーバ４０の各部との間のデータの入出力処理、データの演算（計算）処理およびデータの記憶処理を行う。プロセッサ４１は、ＲＯＭ４２に記憶されたプログラムおよびデータに従って動作する。プロセッサ４１は、画像認識装置３０から送信された、人物判定の結果（発報情報の一例）および人物判定が行われた撮像映像（発報画像の一例）を用いて、上述した画像認識の再検証を行う。

ＲＯＭ４２は、例えばプロセッサ４１を制御するためのプログラムおよびデータを予め記憶する。ＲＡＭ４３は、プロセッサ４１の動作時に使用されるワークメモリである。ＲＡＭ４３は、プロセッサ４１の動作の実行に必要なプログラムやデータ、更には、動作中に生成された情報またはデータ等を一時的に保存する。

ＨＤＤ４４は、大容量の記憶媒体であり、撮像映像の画像認識判定結果４４ａ、撮像画像データ４４ｂ、認識用のパラメータ４４ｃ等を記憶する。

通信部４５は、ネットワークＮＷ２を介して、画像認識装置３０とデータ通信可能に接続される。通信部４５は、ネットワークＮＷ３を介して、ＰＣ５０とデータ通信可能に接続される。ネットワークＮＷ３は、有線ＬＡＮ（Local Area Network）または無線ＬＡＮであってもよい。

次に、実施の形態１に係る監視カメラシステム５の動作例を説明する。

図５は、実施の形態１に係る監視カメラシステム５の動作手順例を示すシーケンス図である。監視カメラ１０の撮像部１３は、監視エリアＳＡ（図７参照）の一例として立入禁止区域を撮像する（Ｔ１）。通信部１５は、ネットワークＮＷ１を介して、撮像部１３による撮像映像を画像認識装置３０に送信する（Ｔ２）。

画像認識装置３０の通信部３５は、監視カメラ１０からの撮像映像を受信する。プロセッサ３１は、通信部３５を介して受信した撮像映像に対して画像認識処理を行い、人物判定を行う（Ｔ３）。

画像認識処理では、例えば人工知能を用いて人物判定が行われる。プロセッサ３１は、ディープラーニング等の機械学習によって蓄積された人物画像の学習データを基に、学習済みモデルを生成し、この学習済みモデルに撮像映像を入力し、その学習済みモデルを用いた人物判定（言い換えると、人物の検知および認識の処理）の出力として、対象である人物の有無を判定する。また、プロセッサ３１は、判定した人物を囲む枠を設定し、この人物画像の動きに合わせて枠を移動させる。

なお、ステップＴ３では、人工知能を用いて画像中の人物を判定したが、プロセッサ３１は、予め登録された人物の参照画像と、監視カメラ１０による撮像映像とのテンプレートマッチングを行って人物を判定してもよい。プロセッサ３１は、テンプレートマッチングを行い、参照画像と撮像映像との特徴量の類似度が既定値より高い場合、人物を判定し、同様に人物を囲む枠を設定してもよい。

通信部３５は、人物判定の結果、および人物判定が行われた撮像映像をクラウドサーバ４０に送信する（Ｔ４）。ここでは、人物であると判定された場合、撮像画像が送信されるが、人物でないと判定された場合にも撮像画像を送信してもよい。画像認識装置３０では、人物でないと判定された場合でも、クラウドサーバ４０が人物判定を行って、画像認識装置の判定を取り消し、人物と判定することも想定される。これにより、人物でないと判定される誤判定を排除できる。従って、人物検知の精度を高めることができる。

クラウドサーバ４０の通信部４５は、画像認識装置３０から人物判定の結果および人物判定後の撮像映像を受信する。クラウドサーバ４０のプロセッサ４１は、オブジェクト認識処理を行う（Ｔ５）。

オブジェクト認識処理では、例えば人工知能を用いて人物判定が行われる。プロセッサ４１は、ディープラーニング等の機械学習によって蓄積された人物画像の学習データを基に、学習済みモデルを生成し、この学習済みモデルに撮像映像を入力し、その学習済みモデルを用いたオブジェクト認識処理（つまり、人物の検知および認識の処理）の出力として、対象である人物の有無を判定する。また、プロセッサ４１は、判定した人物を囲む枠を設定し、この人物画像の動きに合わせて枠を移動させる。

なお、ステップＴ５では、人工知能を用いて画像中の人物を判定したが、プロセッサ４１は、予め登録された人物の参照画像と、監視カメラ１０による撮像映像とのテンプレートマッチングを行ってもよい。プロセッサ４１は、テンプレートマッチングで特徴量の類似度が既定値より高い場合、人物を判定する。プロセッサ４１は、人物が判定された人物画像を囲む枠を設定し、この人物画像の動きに合わせて枠を移動させる。

なお、ステップＴ３およびステップＴ５の判定では、同じ判定手法が用いられたが、異なる判定手法を用いてもよい。例えば、ステップＴ３では人工知能を用いて人物判定を行い、ステップＴ５ではテンプレートマッチングを行って人物判定を行ってもよい。逆に、ステップＴ３ではテンプレートマッチングを行って人物判定を行い、ステップＴ５では人工知能を用いて人物判定を行ってもよい。この場合、異なる判定手法で同じ判定結果が得られる場合、判定精度が高まる。また、判定結果が異なる場合、疑わしい判定結果をＰＣに表示して、運用者の判断を仰ぐようにしてもよい。また、画像認識装置と比べて、判定能力が高いと想定されるクラウドサーバの判定結果を優先してもよい。

また、ステップＴ３およびステップＴ５の判定では、立入禁止区域に侵入している対象として人間である場合を想定したが、車両、小動物、ゴミ等であってもよい。

人物判定の結果、正報（つまり、画像認識装置３０での認識結果がクラウドサーバ４０での認識結果と一致した旨の結果）が得られた場合、プロセッサ４１は、ＨＤＤ４４に、人物判定の結果を画像認識判定結果４４ａとして記憶し、正報に対応する撮像映像を撮像画像データ４４ｂとして記憶する。また、プロセッサ４1は、正報に対応する撮像映像を学習データとして蓄積し、認識用のパラメータ４４ｃを更新する。

クラウドサーバ４０の通信部４５は、人物判定の結果、正報（つまり、画像認識装置３０での認識結果がクラウドサーバ４０での認識結果と一致した旨の結果）が得られた場合、その判定結果および撮像映像をＰＣ５０に送信する（Ｔ６）。ＰＣ５０は、正報である判定結果および撮像画像を受信し、その撮像画像を、ＰＣ５０に内蔵されるまたはＰＣ５０に接続されるディスプレイ（図示略）の表示画面に表示する（Ｔ７）。運用者は、ＰＣ５０に表示された正報である撮像映像を視認できる。これにより、誤報（つまり、画像認識装置３０での認識結果がクラウドサーバ４０での認識結果と一致しなかった旨の結果）に対応する撮像映像が表示されないので、運用者は、正報に対応する撮像映像の確認に注力できる。

ステップＴ５の人物判定の結果、誤報（つまり、画像認識装置３０での認識結果がクラウドサーバ４０での認識結果と一致しなかった旨の結果）が得られた場合、プロセッサ４１は、ＨＤＤ４４に、人物判定の結果を画像認識判定結果４４ａとして記憶し、誤報に対応する撮像映像を撮像画像データ４４ｂとして記憶する。また、プロセッサ４１は、誤報に対応する撮像映像を学習データとして蓄積し、認識用のパラメータ４４ｃを更新する。

クラウドサーバ４０の通信部４５は、人物判定の結果、誤報（つまり、画像認識装置３０での認識結果がクラウドサーバ４０での認識結果と一致しなかった旨の結果）が得られた場合、認識用のパラメータ４４ｃを画像認識装置３０に送信し、この認識用のパラメータ４４ｃを含む更新指示（監視パラメータ更新指示の一例）を行う（Ｔ８）。この認識用のパラメータ４４ｃの送信は、ステップＴ４で撮像映像を送信した画像認識装置３０に対して行われる。

図６は、認識用のパラメータ４４ｃが登録されたパラメータテーブルＴｂ１の登録内容の一例を示す図である。このパラメータテーブルＴｂ１は、クラウドサーバ４０のＨＤＤ４４に記憶される。パラメータテーブルＴｂ１に登録されている認識用のパラメータは、撮像画像に映る対象に対して人物判定を行う際、誤判定を抑制するために更新されるパラメータである。パラメータテーブルＴｂ１には、認識用のパラメータの一例として、白黒／カラー切替、フォーカス調整、ゲイン調整の各条件が登録される。また、認識用のパラメータは、例えば人工知能により画像認識処理を行う場合、ニューラルネットワークを構成する中間層のニューロンの数および重み付け係数を含んでよい。また、テンプレートマッチングにより画像認識処理を行う場合、使用される参照画像を含む。また、認識用のパラメータは、正報画像および誤報画像を含んでもよい。

白黒／カラー切替は、画像認識装置３０によって行われる。白黒／カラー切替は、日時や画像全体の照度を基に、撮像される映像を白黒画像あるいはカラー画像に切り替えることである。例えば、日中（明るい時間帯）や画像全体が明るい場合、カラー画像が採用される。夜間（暗い時間帯）や画像全体が暗い場合、白黒画像が採用される。一例として、監視カメラ１０の撮像素子において、１画素がＲ画素、Ｇ画素、Ｂ画素およびＩＲ画素のベイヤ配列で構成される場合、白黒画像は、ＩＲ画素から出力される信号で生成され、カラー画像は、Ｒ画素、Ｇ画素およびＢ画素から出力される信号で生成される。白黒／カラー切替を行う場合、画像認識装置３０のプロセッサ３１は、通信部３５を介して入力される監視カメラ１０による撮像信号のうち、ＩＲ画素の信号を選択して白黒画像を選択し、またはＲＧＢ画素の信号を選択してカラー画像を選択する。

フォーカス調整は、監視カメラ１０によって行われる。フォーカス調整は、日時や画像全体の乱れ（言い換えると、ぼけ）の度合いを基に、フォーカスを調整する（焦点距離を調節する）ことである。監視カメラ１０のＣＰＵ１１は、撮像部１３内の撮像素子の前に配されたフォーカスレンズを光軸方向に移動させることで焦点距離を調節する。

ゲイン調整は、監視カメラ１０によって行われる。ゲイン調整は、天候や夜間等の影響で光量の多寡が生じる場合、撮像信号を増減して画像の明るさを調整することである。監視カメラ１０のＣＰＵ１１は、撮像部１３内の撮像素子からの電荷信号が入力されるアンプのゲインを調整することで、撮像信号を増減させる。

画像認識装置３０の通信部３５は、ステップＴ８でクラウドサーバ４０から認識用のパラメータ４４ｃを受信すると、自装置のＨＤＤ３４に記憶されている認識用のパラメータ３４ｃを更新する（Ｔ９）。プロセッサ３１は、自装置のパラメータとして、認識用のパラメータ３４ｃに含まれる白黒／カラー切替を設定する。通信部３５は、認識用のパラメータ３４ｃに含まれるフォーカス調整およびゲイン調整のそれぞれのパラメータのうち一方またはその両方を監視カメラ１０に送信する（Ｔ１０）。

監視カメラ１０の通信部１５は、画像認識装置３０からフォーカス調整およびゲイン調整のそれぞれのパラメータのうち一方またはその両方を受信する。ＣＰＵ１１は、フォーカス調整およびゲイン調整のそれぞれのパラメータのうち一方またはその両方を記憶部１２に記憶し、撮像部１３に対してフォーカス調整およびゲイン調整のうち一方またはその両方を行う（Ｔ１１）。

クラウドサーバ４０のＨＤＤ４４には、多くの画像認識装置３０から受信した正報または誤報の撮像映像を基にリアルタイムに更新される、最適な認識用のパラメータ４４ｃが登録されたパラメータテーブルＴｂ１が記憶される。プロセッサ４１は、ＨＤＤ４４に記憶されたパラメータテーブルＴｂ１に登録されている認識用のパラメータ４４ｃを、定期的に（ここでは、一例として１日１回）それぞれの画像認識装置３０に送信し、この認識用のパラメータ４４ｃを含む使用指示（監視パラメータ使用指示）を行う（Ｔ１２）。

それぞれの画像認識装置３０の通信部３５は、ステップＴ１２でクラウドサーバ４０から認識用のパラメータ４４ｃを受信すると、自装置のＨＤＤ３４に記憶されている認識用のパラメータ３４ｃを更新する（Ｔ１３）。それぞれのプロセッサ３１は、自装置のパラメータとして、認識用のパラメータ３４ｃに含まれる白黒／カラー切替を設定する。それぞれの通信部３５は、認識用のパラメータ３４ｃに含まれるフォーカス調整およびゲイン調整のそれぞれのパラメータのうち一方またはその両方をそれぞれの監視カメラ１０に送信する（Ｔ１４）。

それぞれの監視カメラ１０の通信部１５は、画像認識装置３０からフォーカス調整およびゲイン調整のそれぞれのパラメータのうち一方またはその両方を受信する。それぞれのＣＰＵ１１は、フォーカス調整およびゲイン調整のそれぞれのパラメータのうち一方またはその両方を記憶部１２に記憶し、撮像部１３に対してフォーカス調整およびゲイン調整のうち一方またはその両方を行う（Ｔ１５）。これ以降、監視カメラ１０は、ステップＴ１の処理に戻り、監視カメラシステム５は、同様の処理を繰り返す。

図７は、正報が通知された場合に表示される監視カメラ１０の撮像映像ＧＺ１の一例を示す図である。図７に示す撮像映像ＧＺ１は、例えばＰＣ５０に内蔵されたディスプレイ（図示略）またはＰＣ５０に接続されたディスプレイ（図示略）の表示画面において表示される。監視カメラ１０は、例えば高速道路の入口付近の上方に設置される。撮像映像ＧＺ１には、監視カメラ１０が俯瞰するように撮像した、監視エリアＳＡとして高速道路の入口から料金所ゲートに至る道路が映っている。撮像映像ＧＺ１には、人物と判定された、作業員らしい３人の人物ｈｍ１，ｈｍ２，ｈｍ３が映っている。また、撮像映像ＧＺ１には、３人の人物ｈｍ１，ｈｍ２，ｈｍ３の上半身をそれぞれ囲むように、枠ｗ１，ｗ２，ｗ３が重畳表示される。運用者は、上述したディスプレイ（図示略）の表示画面において表示されている撮像映像ＧＺ１に映っている枠ｗ１，ｗ２，ｗ３で囲まれた３人の人物ｈｍ１，ｈｍ２，ｈｍ３を視認する。この場合、３人の人物ｈｍ１，ｈｍ２，ｈｍ３は、道路関係者であると判断されるので、運用者は、例えば特に対処しない。撮像映像ＧＺ１は、例えば正報画像である。

図８は、誤報が通知された場合に表示される監視カメラ１０の撮像映像ＧＺ２の一例を示す図である。誤報が通知された場合、監視カメラ１０による撮像映像ＧＺ２は、ＰＣ５０に表示されないが、図８に示す撮像映像ＧＺ１は、例えばＰＣ５０に内蔵されたディスプレイ（図示略）またはＰＣ５０に接続されたディスプレイ（図示略）の表示画面において表示されてよい。撮像映像ＧＺ２は、画像認識装置３０からクラウドサーバ４０に伝送されると、プロセッサ４１は、撮像映像ＧＺ２を撮像画像データ４４ｂとしてＨＤＤ４４に保存する。撮像映像ＧＺ２は、認識用のパラメータ４４ｃの学習データとして利用される。撮像映像ＧＺ２には、日陰により、人物と誤判定された、ポールの影ｅ１および標識ｅ２が映っている。また、撮像映像ＧＺ２には、ポールの影ｅ１の一部および標識ｅ２をそれぞれ囲むように、枠ｗ４，ｗ５が重畳表示される。ただし、撮像映像ＧＺ２は、ＰＣ５０に表示されないので、運用者は、誤判定された撮像映像ＧＺ２に気づかない。この場合、ＰＣ５０に常時撮像映像が表示される場合、枠ｗ４，ｗ５が表示されないことになる。なお、運用者は、手空きの場合、誤判定された撮像映像ＧＺ２をＰＣ５０に表示させてもよく、人物判定の結果を確認することができる。撮像映像ＧＺ２は、誤報画像である。

以上により、実施の形態１に係る監視カメラシステム５は、監視エリアＳＡを撮像可能に設置された監視カメラ１０に接続された画像認識装置３０（第１処理装置の一例）と、クラウドサーバ４０（第２処理装置の一例）とが通信可能に接続される。画像認識装置３０は、監視カメラ１０により撮像された監視エリアＳＡの撮像画像に基づいて、撮像画像中に現れた人物ｈｍ１，ｈｍ２，ｈｍ３（特定オブジェクトの一例）を認識し、その認識結果および撮像画像を対応付けてクラウドサーバ４０に送信する。クラウドサーバ４０は、画像認識装置３０から送られた認識結果および撮像画像に基づいて、人物でない影ｅ１や標識ｅ２等の対象（特定オブジェクトでないオブジェクトの一例）を認識した場合、クラウドサーバ４０が保持している認識用のパラメータ（監視パラメータの一例）を含む監視パラメータ使用指示を画像認識装置３０に送信する。クラウドサーバ４０が保持している認識用のパラメータが画像認識装置３０に送信されるのは、オブジェクトの認識能力がそれぞれの画像認識装置３０よりクラウドサーバ４０が優れているからである。つまり、画像認識装置３０の認識結果よりもクラウドサーバ４０の認識結果が優先され、画像認識装置３０の認識結果がクラウドサーバ４０の認識結果に一致しなかった場合には、クラウドサーバ４０が保持している認識用のパラメータが正解データとして、画像認識装置３０に送られる。

これにより、監視カメラシステム５は、監視カメラ１０により撮像された撮像映像中に現れた対象である人物が画像認識装置３０によって誤認識されたとクラウドサーバ４０によって判定された場合、画像認識装置３０が撮像映像の認識に用いた認識用のパラメータを適正に更新できる。つまり、上述したように、撮像映像中に現れる対象（つまり、人物や物体等のオブジェクト）の認識能力は画像認識装置３０よりもクラウドサーバ４０の方が優れている。クラウドサーバ４０は、画像認識装置３０から送られた人物等の特定のオブジェクトの認識結果および撮像映像を受け取り、画像認識装置３０の認識結果を再検証することで、画像認識装置３０が用いた認識用のパラメータを更新させるか否かを決定する。従って、監視カメラシステム５によれば、監視カメラ１０による撮像映像中に現れ得る人物の認識精度の向上が可能となり、監視エリアＳＡにおける監視精度の劣化を抑制でき、監視員の負担の軽減が図られる。

また、画像認識装置３０は、監視カメラ１０により撮像された監視エリアＳＡの撮像映像を認識する時に用いる認識用のパラメータを、クラウドサーバ４０から送られた更新指示（監視パラメータ更新指示の一例）に含まれる認識用のパラメータに更新する。これにより、クラウドサーバ４０は、自装置が保持している認識用のパラメータを、全ての画像認識装置３０に送信し、画像認識装置３０に登録されている認識用のパラメータを更新できる。従って、それぞれの画像認識装置３０に登録されている認識用のパラメータを共通化でき、画像認識の精度を揃えることができる。例えばメンテナンス等がある場合、一時的に画像認識装置３０の置換が可能となる。

また、認識用のパラメータは、監視エリアＳＡの撮像映像を白黒画像またはカラー画像に切り替えるための切替条件を含む。画像認識装置３０は、この切替条件を用いて、監視エリアＳＡの撮像映像を白黒画像またはカラー画像に切り替える。これにより、画像認識装置３０およびクラウドサーバ４０は、日時や画像全体の照度によって光量の多寡が生じるような場合でも、監視カメラ１０による撮像映像として、画像認識に適した白黒画像またはカラー画像を得ることができる。さらに、画像認識に適した撮像映像に対し、画像認識を行うことで、認識精度が向上する。

また、認識用のパラメータは、監視カメラ１０の撮像時におけるフォーカス調整条件を含む。画像認識装置３０は、このフォーカス調整条件を含む使用指示を監視カメラ１０に転送する。画像認識装置３０は、監視カメラ１０に対し、撮像時におけるフォーカス調整条件を更新させる。画像認識装置３０は、更新後の前記フォーカス調整条件を用いて、監視カメラ１０で撮像された撮像映像を受信する。これにより、画像認識装置３０およびクラウドサーバ４０は、監視カメラ１０で撮像される映像のフォーカスを調整することで、日時や画像全体の乱れによってぼけが生じるような場合でも、撮像映像を鮮明化できる。さらに、鮮明化された撮像映像に対し、画像認識を行うことで、認識精度が向上する。

また、認識用のパラメータは、監視カメラ１０の撮像時におけるゲイン調整条件を含む。画像認識装置３０は、ゲイン調整条件を含む使用指示を監視カメラ１０に転送する。画像認識装置３０は、監視カメラ１０の撮像時におけるゲイン調整条件を更新させる。画像認識装置３０は、更新後のゲイン調整条件を用いて撮像された撮像映像を受信する。これにより、画像認識装置３０およびクラウドサーバ４０は、監視カメラ１０の撮像部１３から出力される撮像信号のゲインを調整することで、天候や夜間等の影響で明るさが変化するような場合でも、撮像映像の輝度を適正に調整可能である。さらに、輝度が適正に調整された撮像映像に対し、画像認識を行うことで、認識精度が向上する。

また、使用指示に含まれる認識用のパラメータは、人物と認識されたことのある画像を示す正報画像と、人物と誤認識されたことのある画像を示す誤報画像のうち少なくとも一方を有する。画像認識装置３０は、正報画像または誤報画像を用いて、監視カメラ１０により撮像された監視エリアＳＡの撮像映像の認識を行う。これにより、画像認識装置３０およびクラウドサーバ４０は、正報画像または誤報画像を用いて、画像認識を行うことで、認識精度が高まる。また、正報画像と誤報画像のいずれを用いて画像認識を行ってもよく、学習効果が高まり、認識精度の向上に繋がる。

また、クラウドサーバ４０は、画像認識装置３０から送られた認識結果および撮像映像に基づいて、人物を認識した場合、画像認識装置３０またはクラウドサーバ４０における認識結果を、クラウドサーバ４０に接続されるＰＣ５０に内蔵または接続されたディスプレイ（モニタの一例）に表示する。これにより、人物を認識した場合、クラウドサーバ４０に接続されるＰＣ５０は、正報画像である、監視カメラ１０による撮像映像ＧＺ１、およびその認識結果を表す枠ｗ１，ｗ２，ｗ３を表示できる。また、人物を誤認識した撮像映像ＧＺ２が表示されないので、運用者が視認する撮像映像の量を削減できる。従って、運用者は、立入禁止区域に人物が侵入した等、発生した事象に対し素早く対処でき、また、事象の見逃しを減らせる。

以上、図面を参照しながら各種の実施の形態について説明したが、本開示はかかる例に限定されないことは言うまでもない。当業者であれば、特許請求の範囲に記載された範疇内において、各種の変更例、修正例、置換例、付加例、削除例、均等例に想到し得ることは明らかであり、それらについても当然に本開示の技術的範囲に属するものと了解される。また、発明の趣旨を逸脱しない範囲において、上述した各種の実施の形態における各構成要素を任意に組み合わせてもよい。

例えば、上記実施の形態では、高速道路の入口を監視する場合を示したが、この例に限らず、人や物が立ち入らない場所、例えば人や車の進入が禁止される遮断機が降りている踏切内、放射線管理区域、夜間入場不可である動物園や公園等を監視する場合においても、本開示は同様に適用可能である。

上記実施の形態では、対象が人である場合を示したが、対象は、立入禁止区域への侵入が許可されていないもの、車、小動物、ゴミ等を含む。

上記実施形態では、人物の認識結果として、人物を囲む枠ｗ１，ｗ２，ｗ３を撮像映像中に表示したが、人物を認識したことを表すマークやメッセージ等を表示してもよい。

上記実施形態では、クラウドサーバに接続されるＰＣが人物を認識した撮像映像を表示したが、画像認識装置にモニタを接続し、このモニタが人物を認識した撮像映像を表示してもよい。これにより、運用者は、ＰＣに表示される撮像映像およびモニタに表示される撮像映像を見比べることができ、最終的な人物か否かの判断を行うことも可能である。

また、本開示は、上記実施形態の装置の機能を実現するプログラムを、ネットワークあるいは各種記憶媒体を介して装置に供給し、この装置内のコンピュータが読み出して実行するプログラムも適用範囲である。

本開示は、撮像画像中に現れた監視対象物である特定オブジェクトを誤認識した場合に撮像画像の認識に関する監視パラメータを更新し、特定オブジェクトの認識精度を向上して監視精度の劣化を抑制する監視パラメータ更新システム、監視パラメータ更新方法およびプログラムとして有用である。

５ 監視カメラシステム
１０ 監視カメラ
１１ ＣＰＵ
１２ 記憶部
１３ 撮像部
１４ 映像処理部
１５ 通信部
１６ パンチルト駆動部
１８ 加速度センサ
１９ ＩＲ照射部
３０ 画像認識装置
３１ プロセッサ
３２ ＲＯＭ
３３ ＲＡＭ
３４ ＨＤＤ
３５ 通信部
４０ クラウドサーバ
４１ プロセッサ
４２ ＲＯＭ
４３ ＲＡＭ
４４ ＨＤＤ
４５ 通信部
５０ ＰＣ

Claims (10)

1. 監視エリアを撮像可能に設置されたカメラに接続された第１処理装置と、第２処理装置とが通信可能に接続された監視パラメータ更新システムであって、
   前記第１処理装置は、
   前記カメラにより撮像された前記監視エリアの撮像画像に基づいて、前記撮像画像中に現れた特定オブジェクトを認識し、その認識結果および撮像画像を対応付けて前記第２処理装置に送信し、
   前記第２処理装置は、
   前記第１処理装置から送られた前記認識結果および撮像画像に基づいて、前記特定オブジェクトでないオブジェクトを認識した場合、監視パラメータを含む監視パラメータ更新指示を前記第１処理装置に送信する、
   監視パラメータ更新システム。
2. 前記第１処理装置は、
   前記カメラにより撮像された前記監視エリアの撮像画像を認識する時に用いる監視パラメータを、前記第２処理装置から送られた前記監視パラメータ更新指示に含まれる監視パラメータに更新する、
   請求項１に記載の監視パラメータ更新システム。
3. 前記監視パラメータは、前記監視エリアの撮像画像を白黒画像またはカラー画像に切り替えるための切替条件であり、
   前記第１処理装置は、
   前記切替条件を用いて、前記監視エリアの撮像画像を白黒画像またはカラー画像に切り替える、
   請求項２に記載の監視パラメータ更新システム。
4. 前記監視パラメータは、前記カメラの撮像時におけるフォーカス調整条件であり、
   前記第１処理装置は、
   前記フォーカス調整条件を含む前記監視パラメータ更新指示を前記カメラに転送し、前記カメラの撮像時におけるフォーカス調整条件を更新させ、更新後の前記フォーカス調整条件を用いて撮像された撮像画像を受信する、
   請求項２に記載の監視パラメータ更新システム。
5. 前記監視パラメータは、前記カメラの撮像時におけるゲイン調整条件であり、
   前記第１処理装置は、
   前記ゲイン調整条件を含む前記監視パラメータ更新指示を前記カメラに転送し、前記カメラの撮像時におけるゲイン調整条件を更新させ、更新後の前記ゲイン調整条件を用いて撮像された撮像画像を受信する、
   請求項２に記載の監視パラメータ更新システム。
6. 前記監視パラメータ更新指示に含まれる監視パラメータは、前記特定オブジェクトと認識されたことのある画像を示す正報画像と、前記特定オブジェクトと誤認識されたことのある画像を示す誤報画像とのうち少なくとも一方を有し、
   前記第１処理装置は、
   前記正報画像または前記誤報画像を用いて、前記カメラにより撮像された前記監視エリアの撮像画像の認識を行う、
   請求項２に記載の監視パラメータ更新システム。
7. 前記第２処理装置は、
   前記第１処理装置から送られた前記認識結果および撮像画像に基づいて、前記特定オブジェクトを認識した場合、前記第１処理装置または前記第２処理装置における認識結果を、前記第２処理装置に接続されるモニタに表示する、
   請求項１〜６のうちいずれか１項に記載の監視パラメータ更新システム。
8. 監視エリアを撮像可能に設置されたカメラに接続された第１処理装置と、第２処理装置とが通信可能に接続された監視パラメータ更新システムを用いた監視パラメータ更新方法であって、
   前記第１処理装置は、
   前記カメラにより撮像された前記監視エリアの撮像画像に基づいて、前記撮像画像中に現れた特定オブジェクトを認識し、その認識結果および撮像画像を対応付けて前記第２処理装置に送信し、
   前記第２処理装置は、
   前記第１処理装置から送られた前記認識結果および撮像画像に基づいて、前記特定オブジェクトでないオブジェクトを認識した場合、監視パラメータを含む監視パラメータ更新指示を前記第１処理装置に送信する、
   監視パラメータ更新方法。
9. 監視エリアを撮像可能に設置されたカメラと第２処理装置とにそれぞれ接続された、コンピュータである第１処理装置に、
   前記カメラにより撮像された前記監視エリアの撮像画像に基づいて、前記撮像画像中に現れた特定オブジェクトを認識するステップと、
   前記特定オブジェクトの認識結果および撮像画像を対応付けて前記第２処理装置に送信するステップと、
   前記特定オブジェクトの認識結果および撮像画像に基づいて前記第２処理装置により前記特定オブジェクトでないオブジェクトが認識された場合に、前記第２処理装置から送られた、監視パラメータを含む監視パラメータ更新指示を受信するステップと、をそれぞれ実行させるための、
   プログラム。
10. 監視エリアを撮像可能に設置されたカメラに接続された第１処理装置との間で通信可能に接続された、コンピュータである第２処理装置に、
    前記カメラにより撮像された前記監視エリアの撮像画像に基づいて前記第１処理装置により前記撮像画像中に現れた特定オブジェクトが認識された場合に、前記第１処理装置から送られた、前記特定オブジェクトの認識結果および撮像画像を受信するステップと、
    前記第１処理装置から送られた前記認識結果および撮像画像に基づいて、前記特定オブジェクトでないオブジェクトを認識するステップと、
    前記オブジェクトが認識された場合、監視パラメータを含む監視パラメータ更新指示を前記第１処理装置に送信するステップと、をそれぞれ実行させるための、
    プログラム。

Images