JP2021118478A - 監視カメラ、カメラパラメータ決定方法およびプログラム - Google Patents

Abstract

【課題】撮像エリアの画像に映る人物の顔の監視精度の改善に寄与するカメラパラメータを適応的に決定し、画像の画質を的確に改善して監視業務の効率化を図る。【解決手段】監視カメラは、人工知能を搭載し、撮像エリアを撮像する撮像部と、人工知能を用いて、撮像エリアの撮像画像に映る人物を検知する検知部と、撮像画像中の人物の顔の位置を推定し、顔の明度あるいは移動速度に基づいて監視カメラのカメラパラメータを決定する制御部と、を備える。【選択図】図３

Description

本開示は、監視カメラのカメラパラメータを決定する監視カメラ、カメラパラメータ決定方法およびプログラムに関する。

特許文献１には、人工知能を搭載した移動式遠隔監視カメラが開示されている。特許文献１の移動式遠隔監視カメラは、ドーム型風防を介して撮像可能なＷｅｂカメラと、モバイル通信用ルータと、Ｗｉ−ｆｉ（登録商標）通信用アクセスポイント機器と、人工知能を用いた画像解析機能とを備えるオールインワン構造の監視カメラである。

国際公開第２０１６／１９９１９２号

監視カメラにより撮像されるエリア（以下、「撮像エリア」と称する）は、例えば人の出入りが多い自動ドア付近などのように、監視カメラの運営者（例えば店舗のオーナ）が監視するために注目する場所であることが多い。ところが、例えば昼間の時間帯には太陽光の逆光により、撮像エリアの撮像により得られた画像全体としては明るくてもその画像に映る人物の顔が暗いことがあり、監視精度が劣化する可能性があった。

また、監視精度の向上のために、人工知能（ＡＩ：Ａｒｔｉｆｉｃｉａｌ Ｉｎｔｅｌｌｉｇｅｎｔｓ）を利用して監視対象のオブジェクトを検知する監視カメラが提案されている（特許文献１参照）。上述したように、監視カメラにより撮像された画像に映る人物の顔が暗いと、人工知能による顔の検知性能が低下するので監視精度の劣化につながるという課題があった。特許文献１には、画像に映る人物の顔が暗い場合の画質を改善することの技術的対策については考慮されていない。なお、被写体の一例として人物を挙げて上述した課題を説明したが、被写体は万引き犯などの人物に限らず、監視対象としての車両である場合にも同様に当てはまると考えられる。監視対象としての車両は、例えば万引き犯が逃走用に乗る車両が該当する。

本開示は、上述した従来の事情に鑑みて案出され、撮像エリアの画像に映る人物の顔の監視精度の改善に寄与するカメラパラメータを適応的に決定し、画像の画質を的確に改善して監視業務の効率化を図る監視カメラ、カメラパラメータ決定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、上述した従来の事情に鑑みて案出され、撮像エリアの画像に映る車両の特徴パーツの監視精度の改善に寄与するカメラパラメータを適応的に決定し、画像の画質を的確に改善して監視業務の効率化を図る監視カメラ、カメラパラメータ決定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、人工知能を搭載する監視カメラであって、撮像エリアを撮像する撮像部と、前記人工知能を用いて、前記撮像エリアの撮像画像に映る人物を検知する検知部と、前記撮像画像の前記人物の顔の位置を推定し、前記顔の明度あるいは移動速度に基づいて前記監視カメラのカメラパラメータを決定する制御部と、を備える、監視カメラを提供する。

また、本開示は、人工知能を搭載する監視カメラにより実行されるパラメータ決定方法であって、撮像エリアを撮像するステップと、前記人工知能を用いて、前記撮像エリアの撮像画像に映る人物を検知するステップと、前記撮像画像の前記人物の顔の位置を推定し、前記顔の明度あるいは移動速度に基づいて前記監視カメラのカメラパラメータを決定するステップと、を有する、カメラパラメータ決定方法を提供する。

また、本開示は、コンピュータである、人工知能を搭載する監視カメラに、撮像エリアを撮像するステップと、前記人工知能を用いて、前記撮像エリアの撮像画像に映る人物を検知するステップと、前記撮像画像の前記人物の顔の位置を推定し、前記顔の明度あるいは移動速度に基づいて前記監視カメラのカメラパラメータを決定するステップと、を実行させるための、プログラムを提供する。

また、本開示は、人工知能を搭載する監視カメラであって、撮像エリアを撮像する撮像部と、前記人工知能を用いて、前記撮像エリアの撮像画像に映る車両を検知する検知部と、前記撮像画像の前記車両の明度あるいは移動速度に基づいて、前記監視カメラのカメラパラメータを決定する制御部と、を備える、監視カメラを提供する。

また、本開示は、人工知能を搭載する監視カメラにより実行されるパラメータ決定方法であって、撮像エリアを撮像するステップと、前記人工知能を用いて、前記撮像エリアの撮像画像に映る車両を検知するステップと、前記撮像画像の前記車両の明度あるいは移動速度に基づいて、前記監視カメラのカメラパラメータを決定するステップと、を有する、カメラパラメータ決定方法を提供する。

また、本開示は、コンピュータである、人工知能を搭載する監視カメラに、撮像エリアを撮像するステップと、前記人工知能を用いて、前記撮像エリアの撮像画像に映る車両を検知するステップと、前記撮像画像の前記車両の明度あるいは移動速度に基づいて、前記監視カメラのカメラパラメータを決定するステップと、を実行させるための、プログラムを提供する。

なお、これらの包括的または具体的な態様は、システム、装置、方法、集積回路、コンピュータプログラム、または、記録媒体で実現されてもよく、システム、装置、方法、集積回路、コンピュータプログラムおよび記録媒体の任意な組み合わせで実現されてもよい。

本開示によれば、撮像エリアの画像に映る人物の顔の監視精度の改善に寄与するカメラパラメータを適応的に決定でき、画像の画質を的確に改善して監視業務の効率化を図ることができる。

本開示によれば、撮像エリアの画像に映る車両の特徴パーツの監視精度の改善に寄与するカメラパラメータを適応的に決定でき、画像の画質を的確に改善して監視業務の効率化を図ることができる。

本開示の一態様における更なる利点および効果は、明細書および図面から明らかにされる。かかる利点および／または効果は、いくつかの実施形態並びに明細書および図面に記載された特徴によってそれぞれ提供されるが、１つまたはそれ以上の同一の特徴を得るために必ずしも全てが提供される必要はない。

実施の形態１に係る監視カメラシステムのシステム構成例を示す図 実施の形態１に係る監視カメラのハードウェア構成例を示すブロック図 被写体として人物を例示した場合の、カメラパラメータの調整前後による撮像画像の第１の対比例を示す図 被写体として人物を例示した場合の、カメラパラメータの調整前後による撮像画像の第２の対比例を示す図 実施の形態１に係る監視カメラの第１の動作手順例を時系列に示すフローチャート 被写体として車両を例示した場合の、カメラパラメータの調整前後による撮像画像の対比例を示す図 実施の形態１に係る監視カメラの第２の動作手順例を時系列に示すフローチャート

以下、適宜図面を参照しながら、本開示に係る監視カメラ、カメラパラメータ決定方法およびプログラ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あるいは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ことを避け、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ものであり、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１００のシステム構成例を示す図である。図１に示すように、監視カメラシステム１００は、監視カメラ１と、モニタＭＮ１および操作部ＭＨ１のそれぞれが接続される照合サーバ５０と、を含む構成である。監視カメラ１と照合サーバ５０とは、ネットワークＮＷ１を介して互いにデータを送受信可能に接続される。

ネットワークＮＷ１は、例えばＷｉ−Ｆｉ（登録商標）等の無線ＬＡＮ（Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ）、Ｂｌｕｅｔｏｏｔｈ（登録商標）およびＷｉＧｉｇ（Ｗｉｒｅｌｅｓｓ Ｇｉｇａｂｉｔ）のいずれかに準じた無線ネットワークであるが、これらに限定されなくてよい。なお、ネットワークＮＷ１は、ＵＳＢ（Ｕｎｉｖｅｓａｌ Ｓｅｒｉａｌ Ｂｕｓ）ケーブル、あるいは有線ＬＡＮなどの有線ネットワークでもよい。以下の説明において、監視カメラ１により撮像された画像（以下、「撮像画像」と称する）には、撮像画像データだけでなく、その撮像画像を撮像した監視カメラ１のカメラＩＤ（Ｉｄｅｎｔｉｆｉｃａｔｉｏｎ）と撮像日時の情報とが含まれる。

監視カメラ１は、例えば、道路の路側に設置されたポール（図示略）、駐車場、店舗などの建物内の自動ドア付近の天井などの各所に設置されている。監視カメラ１は、所定幅の画角内の撮像エリアに進入する被写体を撮像する。また、監視カメラ１は、人工知能（ＡＩ）を搭載しており、搭載された人工知能を用いて、被写体の撮像画像からオブジェクトを検知する。オブジェクトは、例えば、人物、人物の顔、車両、車両の特徴パーツである。車両の特徴パーツとは、例えば、車型、車色、ナンバープレートのナンバー、自動車メーカのエンブレムなどである。車型は、例えばミニバン、セダン、ワンボックスなどの車体のボディタイプを示す。なお、オブジェクトは、上述した人物、人物の顔、車両、車両の特徴パーツに限定されず、オートバイなどの二輪車、自転車、三輪車、キックスケーターなどの広義での移動体、さらにはその移動体の特徴パーツである。

監視カメラ１には、学習モデルが学習モデルメモリ１５ｂに記憶されている（図２参照）。この学習モデルは、監視カメラ１に搭載されているＡＩの機能を特徴付けるパラメータ群である。すなわち、学習モデルは、監視カメラ１に搭載されているＡＩの検知対象であるオブジェクトを決定するパラメータ群である。学習モデルは、例えば、監視カメラ１のニューラルネットワークＮ１の構造を決定するパラメータ群であってもよい。監視カメラ１のニューラルネットワークＮ１の構造を決定するパラメータ群には、例えば、ニューラルネットワークＮ１のユニット間の接続関係を示す情報または重み係数などが含まれる。学習モデルは、端末装置（図示略）により生成されて監視カメラ１に予め記憶されている。

監視カメラ１は、検知対象となるオブジェクトごとに対応するニューラルネットワークＮ１を構築して、対応するオブジェクトを検知可能である。例えば、監視カメラ１は、人物を検知するためのニューラルネットワーク、人物の顔を検知するためのニューラルネットワーク、車両を検知するためのニューラルネットワーク、車両の特徴パーツを検知するためのニューラルネットワークを構築して対応するオブジェクトの検知を実行可能である。図１に示すニューラルネットワークＮ１は、上述した４つの例示した個々のニューラルネットワークを総称したものである。

監視カメラ１は、例えば人物の顔を検知した場合に、撮像画像から顔を切り出した顔切出し画像を生成し、ネットワークＮＷ１を介して照合サーバ５０に顔切出し画像を含む照合指示を送る。

監視カメラ１は、例えば車両のナンバープレートのナンバーを文字認識した場合に、ネットワークＮＷ１を介して照合サーバ５０にナンバーの文字認識結果を含む照合指示を送る。

照合サーバ５０は、例えば、パーソナルコンピュータ、スマートフォン、タブレット端末、あるいは高性能なスペックを有するサーバコンピュータマシン等の情報処理装置である。照合サーバ５０は、ネットワークＮＷ１を介して、監視カメラ１との間でデータ通信する。

照合サーバ５０は、通信ＩＦ回路５１と、プロセッサ５２と、メモリ５３と、データベース５４と、を含む構成である。なお、添付図面ではインターフェースを便宜的に「ＩＦ」と簡略して記載している。

通信ＩＦ回路５１は、上述したネットワークＮＷ１を介して、監視カメラ１との間でデータ通信する。通信ＩＦ回路５１は、例えば監視カメラ１から送られた照合指示（上述参照）を受信してプロセッサ５２に出力する。

プロセッサ５２は、例えばＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）、ＤＳＰ（Ｄｉｇｉｔａｌ Ｓｉｇｎａｌ Ｐｒｏｃｅｓｓｏｒ）、ＧＰＵ（Ｇｒａｐｈｉｃａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）もしくはＦＰＧＡ（Ｆｉｅｌｄ Ｐｒｏｇｒａｍｍａｂｌｅ Ｇａｔｅ Ａｒｒａｙ）を用いて構成される。プロセッサ５２は、照合サーバ５０の全体的な動作を司るコントローラとして機能し、照合サーバ５０の各部の動作を統括するための制御処理、照合サーバ５０の各部との間のデータの入出力処理、データの演算処理およびデータの記憶処理を行う。プロセッサ５２は、メモリ５３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５２は、動作時にメモリ５３を使用し、プロセッサ５２が生成または取得したデータもしくは情報をメモリ５３に一時的に保存する。

プロセッサ５２は、通信ＩＦ回路５１からの照合指示に基づいて、その照合指示に含まれる顔切出し画像あるいはナンバーの文字認識結果と同一または類似するものがデータベース５４に登録されているか否かを判断する処理（つまり、照合処理）を実行する。プロセッサ５２は、この照合処理を、照合処理用に作成された学習モデルを用いたＡＩ機能により実行してもよい。これにより、プロセッサ５２は、高精度な照合処理を実行できる。なお、プロセッサ５２は、照合処理の結果を、ネットワークＮＷ１を介して接続された監視カメラ１あるいは他の外部装置（例えば照合処理の依頼者が所持する端末）に応答してもよいし、モニタＭＮ１に出力（表示）してもよい。なお、監視カメラ１から送られた顔切出し画像の照合は、照合サーバ５０による照合処理により実行されてもよいし、監視カメラ１から送られた顔切出し画像を受信した受信端末（図示略）を使用する人物（例えばシステム管理者）が目視で確認することで実行されてもよい。

メモリ５３は、例えばＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）とＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）とを用いて構成され、照合サーバ５０の動作の実行に必要なプログラム、更には、動作中に生成されたデータもしくは情報を一時的に保持する。ＲＡＭは、例えば、照合サーバ５０の動作時に使用されるワークメモリである。ＲＯＭは、例えば、照合サーバ５０を制御するためのプログラムを予め記憶して保持する。

データベース５４は、例えばＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）あるいはＳＳＤ（Ｓｏｌｉｄ Ｓｔａｔｅ Ｄｒｉｖｅ）を用いて構成される。データベース５４は、照合対象となる人物の顔のブラックリストが登録された顔ブラックリストデータ（図示略）あるいは照合対象となる車両のナンバーのブラックリストが登録された車両ナンバーブラックリスト（図示略）を格納する。

モニタＭＮ１は、例えばＬＣＤ（Ｌｉｑｕｉｄ Ｃｒｙｓｔａｌ Ｄｉｓｐｌａｙ）あるいは有機ＥＬ（Ｅｌｅｃｔｒｏｌｕｍｉｎｅｓｃｅｎｃｅ）を用いて構成された表示デバイスである。モニタＭＮ１は、例えば照合サーバ５０で実行された照合処理の結果を表示する。なお、モニタＭＮ１は、照合サーバ５０に含まれてもよい。

操作部ＭＨ１は、例えばマウス、キーボード、タッチパッド、タッチパネルなどのユーザの入力操作を受け付ける入力デバイスである。操作部ＭＨ１は、ユーザの入力操作に対応する信号を照合サーバ５０に送る。なお、操作部ＭＨ１は、照合サーバ５０に含まれてもよい。

図２は、実施の形態１に係る監視カメラ１のハードウェア構成例を示すブロック図である。図２には、監視カメラ１の他に、監視カメラ１に挿抜される外部記憶媒体Ｍ１も示してある。外部記憶媒体Ｍ１は、例えばＳＤカード等の記憶媒体である。

図２に示すように、監視カメラ１は、レンズ１１と、レンズ駆動部ＬＭ１と、撮像素子１２と、メモリ１３と、プロセッサ１４と、ＡＩ処理部１５と、通信ＩＦ回路１６と、外部記憶媒体ＩＦ１８と、ＩＲ照明部１９と、パンチルト駆動部ＰＴＭ１と、を含む構成である。

撮像部の一例としてのレンズ１１は、例えばフォーカスレンズおよびズームレンズを含み、被写体により反射された光である入射光ＩＣＬ１を入射して撮像素子１２の受光面に被写体の光学像を結像する。レンズ１１には、監視カメラ１の設置場所または撮影用途等に応じて、様々な焦点距離または撮影範囲のレンズを用いることができる。

撮像部の一例としてのレンズ駆動部ＬＭ１は、プロセッサ１４からの制御信号に基づいて、レンズ１１に関するカメラパラメータ（例えばフォーカスレンズの位置、ズーム倍率に対応するズームレンズの位置）を調整するようレンズ１１を駆動する。

撮像部の一例としての撮像素子１２は、撮像素子１２に関するカメラパラメータ（例えばシャッタ速度に対応する露光時間、ゲイン）を設定し、このカメラパラメータを用いて、受光面に受けた光を電気信号に変換するための光電変換を行う。撮像素子１２は、例えば、ＣＣＤ（Ｃｈａｒｇｅ Ｃｏｕｐｌｅｄ Ｄｅｖｉｃｅ）またはＣＭＯＳ（Ｃｏｍｐｌｅｍｅｎｔａｒｙ Ｍｅｔａｌ Ｏｘｉｄｅ Ｓｅｍｉｃｏｎｄｕｃｔｏｒ）等のイメージセンサである。撮像素子１２は、受光面に受けた光に応じた電気信号（アナログ信号）をプロセッサ１４に出力する。このアナログ信号は、撮像部の一例としてのプロセッサ１４により、デジタル形式の撮像画像のデータに変換される。これにより、プロセッサ１４によって撮像画像のデータが生成される。

メモリ１３は、例えばＲＡＭとＲＯＭとを用いて構成され、監視カメラ１の動作の実行に必要なプログラム、更には、動作中に生成されたデータもしくは情報を一時的に保持する。ＲＡＭは、例えば、監視カメラ１の動作時に使用されるワークメモリである。ＲＯＭは、例えば、監視カメラ１を制御するための本開示に係るプログラムを予め記憶して保持する。言い換えると、プロセッサ１４は、ＲＯＭに記憶されているプログラムを実行することで、コンピュータである監視カメラ１に、本開示に係るカメラパラメータ決定方法にうる各種の処理を実行可能である。

プロセッサ１４は、例えばＣＰＵ、ＤＳＰ、ＧＰＵもしくはＦＰＧＡを用いて構成される。プロセッサ１４は、監視カメラ１の全体的な動作を司るコントローラとして機能し、監視カメラ１の各部の動作を統括するための制御処理、監視カメラ１の各部との間のデータの入出力処理、データの演算処理およびデータの記憶処理を行う。プロセッサ１４は、メモリ１３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１４は、動作時にメモリ１３を使用し、プロセッサ１４が生成または取得したデータもしくは情報をメモリ１３に一時的に保存する。

また、撮像部の一例としてのプロセッサ１４は、撮像素子１２から出力された電気信号に既定の信号処理を施すことで、デジタル形式の撮像画像のデータを生成してＡＩ処理部１５に出力する。この時、プロセッサ１４は、信号処理に関するカメラパラメータ（例えばトーンカーブ）を調整（変更）した上で信号処理を実行することで、撮像画像のデータを生成してもよい。

また、プロセッサ１４は、タイマ（図示略）を有し、タイマの出力に基づいて現在時刻を把握可能であり、夜間（言い換えると、日没付近〜明け方付近）にはＩＲ光の照射を指示する制御信号をＩＲ照明部１９に出力する。

また、制御部の一例としてのプロセッサ１４は、ＡＩ処理部１５の処理結果（詳細は後述参照）に基づいて、監視カメラ１のカメラパラメータを調整（変更）するように決定する。プロセッサ１４は、この決定されたカメラパラメータに調整（変更）するための制御信号を生成し、レンズ駆動部ＬＭ１、撮像素子１２、プロセッサ１４内の信号処理部、およびパンチルト駆動部ＰＴＭ１のうち少なくとも１つに出力する。例えば、プロセッサ１４は、例えば逆光などの影響により撮像画像に映っているはずのオブジェクト（例えば人物の顔）がＡＩ処理部１５において検知できない場合、ＡＩ処理部１５がそのオブジェクト（例えば人物の顔）の検知精度を向上可能となるように現時点のカメラパラメータを調整（変更）する。

ここで、調整（変更）されるカメラパラメータは、例えば、レンズ１１に関するカメラパラメータ（上述参照）、撮像素子１２に関するカメラパラメータ（上述参照）、信号処理に関するカメラパラメータ、パン回転あるいはチルト回転に関するカメラパラメータ、ＩＲ照明部１９に関するカメラパラメータである。但し、調整（変更）されるカメラパラメータは、上述したカメラパラメータに限定されないことは言うまでもない。ＡＩ処理部１５の処理結果に基づくプロセッサ１４によるカメラパラメータの調整（変更）の詳細については、後述する。

検知部の一例としてのＡＩ処理部１５は、人工知能を用いて、プロセッサ１４から出力される撮像画像のデータの中から、検知対象となるオブジェクトを検知する。ＡＩ処理部１５は、例えばＣＰＵ、ＤＳＰ、ＧＰＵあるいはＦＰＧＡなどのプロセッサと、フラッシュメモリなどのメモリとを用いて構成される。ＡＩ処理部１５は、ＡＩ演算処理部１５ａと、学習モデルメモリ１５ｂとを有する。

ＡＩ演算処理部１５ａは、学習モデルメモリ１５ｂに記憶された学習モデルに基づいたＡＩ（人工知能）を形成する。例えば、ＡＩ演算処理部１５ａは、学習モデルに基づいたニューラルネットワークＮ１（図１参照）を形成する。ＡＩ演算処理部１５ａは、プロセッサ１４により生成された被写体の撮像画像のデータを入力し、学習モデルに基づいたニューラルネットワークＮ１によって、入力された撮像画像のデータの中から、検知対象となるオブジェクトを検知する。

学習モデルメモリ１５ｂは、例えばＲＡＭ、ＲＯＭ、フラッシュメモリなどのメモリによって構成される。学習モデルメモリ１５ｂは、予め学習処理によって作成されたオブジェクトごとの検知処理用の学習モデルを格納している。ＡＩ演算処理部１５ａは、学習モデルメモリ１５ｂからオブジェクトごとの学習モデルを実行して対応するニューラルネットワークＮ１を形成することで、撮像画像に映るオブジェクトを検知できる。

通信部の一例としての通信ＩＦ回路１６は、ネットワークＮＷ１を介して接続された照合サーバ５０との間でデータ通信（送受信）を行う。通信ＩＦ回路１６は、例えばプロセッサ１４により生成される照合指示（例えば、顔切出し画像と顔ブラックリストデータとの照合処理、あるいは、ナンバーの文字認識結果とナンバーブラックリストデータとの照合処理、のリクエスト）を照合サーバ５０に送る。

外部記憶媒体ＩＦ１８には、ＳＤカードなどの外部記憶媒体Ｍ１が挿抜される。

ＩＲ照明部１９は、プロセッサ１４からの制御信号（例えばＩＲ光の照射開始の指示）に基づいて、撮像エリアに向けて近赤外の波長帯域を有するＩＲ光ＲＤ１の照射を開始する。ＩＲ照明部１９は、プロセッサ１４からの制御信号（例えばＩＲ光ＲＤ１の照射終了の指示）に基づいて、撮像エリアへのＩＲ光ＲＤ１の照射を終了する。また、ＩＲ照明部１９は、プロセッサ１４からの制御信号（例えばＩＲ光ＲＤ１の強度の調整の指示）に基づいて、現在照射しているＩＲ光ＲＤ１の強度を強めたりもしくは弱めたりして照射する。

パンチルト駆動部ＰＴＭ１は、プロセッサ１４からの制御信号に基づいて、パン回転あるいはチルト回転に関するカメラパラメータ（例えばパン回転量、チルト回転量）を調整して監視カメラ１のパン回転あるいはチルト回転もしくはその両方を実行する。

図３は、被写体として人物を例示した場合の、カメラパラメータの調整前後による撮像画像の第１の対比例を示す図である。撮像画像ＩＭＧ１は、例えば建物内に入った人物ＰＳ１を被写体として監視カメラ１により撮像された画像である。監視カメラ１は、画角内の撮像エリア全体を最適に撮像するために現時点設定されているカメラパラメータに基づいて撮像された撮像画像ＩＭＧ１を用いたＡＩ処理により、人物ＰＳ１の全体枠あるいは人物ＰＳ１の肩上ＳＤ１（つまり肩甲骨より上部）の枠を検知することはできる。

ところが、撮像画像ＩＭＧ１が撮像された時点のカメラパラメータの下で撮像されている状態では、例えば太陽光などの逆光の影響により人物ＰＳ１の顔ＦＣ１が暗く撮像されてしまっている。これでは、人物ＰＳ１の顔ＦＣ１が具体的に特定できず、顔照合の精度が低下する。結果として撮像エリアの監視精度が劣化する可能性が高い。なお、監視カメラ１は、顔ＦＣ１が暗く撮像されても、上述したように撮像画像ＩＭＧ１の人物ＰＳ１を検知できるので顔ＦＣ１の領域の明るさ（明度）情報を取得することはできる。

そこで、実施の形態１に係る監視カメラ１では、プロセッサ１４は、顔領域が明るく撮像可能となるように、顔ＦＣ１の領域の明るさ情報を用いてカメラパラメータ（例えば撮像素子１２の露光時間、ゲイン、またはトーンカーブの特性）を現在値から増加あるいは鋭くなるように調整（変更）する。なお、トーンカーブとは、プロセッサ１４により行われる信号処理（例えば撮像画像のデータの生成）の際に用いられ、入力の明るさの階調に対する出力の明るさの階調を規定した特性を示す。トーンカーブの特性は、例えばプロセッサ１４あるいはメモリ１３に保存される。

この調整（変更）後に監視カメラ１により撮像された撮像画像ＩＭＧ２によれば、同一の人物ＰＳ１の顔ＦＣ２の領域が明るくなり（言い換えると、顔ＦＣ２の明度が高くなり）、照合サーバ５０での顔照合（顔認識）の処理に適する程度の明るさが得られる。つまり、ＡＩ処理部１５は、顔ＦＣ２を高確率に検知できる。従って、照合サーバ５０で行われる顔照合の精度も向上することが期待される。また、上述した撮像画像ＩＭＧ２によれば、監視カメラ１は、撮像画像ＩＭＧ２中に映る人物ＰＳ１の全身あるいは肩上ＳＤ２の検知（識別）精度（例えば、顔だけでなく、性別、年齢、人相、服装などのディテールの検知精度）を向上できる。なお、ＡＩ処理部１５は、顔ＦＣ２の明度が高くなっても、撮像画像ＩＭＧ１と同様に人物ＰＳ１の全体枠あるいは人物ＰＳ１の肩上ＳＤ２（つまり肩甲骨より上部）の枠を検知することはできる。

図４は、被写体として人物を例示した場合の、カメラパラメータの調整前後による撮像画像の第２の対比例を示す図である。撮像画像ＩＭＧ３は、例えば屋外で自転車に乗った人物ＰＳ２を被写体として監視カメラ１により撮像された画像である。監視カメラ１は、画角内の撮像エリア全体を最適に撮像するために現時点設定されているカメラパラメータ（例えば露光時間１／３０［秒］）に基づいて撮像する。その結果、撮像画像ＩＭＧ３で示すように、画角内を移動する人物ＰＳ２の画像にはブレが生じている。しかし、ブレの度合いが軽度であればＡＩ処理により、人物ＰＳ２の全体枠を検知することはできる。一方で、ブレが生じた画像では人物ＰＳ２の顔は検出困難である。

そこで、実施の形態１に係る監視カメラ１では、プロセッサ１４は、人物ＰＳ２がブレないように撮像可能となるように、人物ＰＳ２の移動速度および移動方向を用いてカメラパラメータ（例えば撮像素子１２の露光時間）を現在値（例えば１／３０［秒］）から他の設定値（例えば１／６４０［秒］）に調整（変更）する。調整後の設定値は、例えばプロセッサ１４あるいはメモリ１３に保存される。

この調整（変更）後に監視カメラ１により撮像された撮像画像ＩＭＧ４によれば、同一の人物ＰＳ２がブレることなく鮮明に撮像可能となるので、人物ＰＳ２の顔領域が鮮明になり、照合サーバ５０での顔照合（顔認識）の処理に適するブレのない画像が得られる。つまり、ＡＩ処理部１５は、人物ＰＳ２の顔を高確率に検知できる。なお、ＡＩ処理部１５は、人物ＰＳ２の顔のブレが抑えられても、撮像画像ＩＭＧ３と同様に人物ＰＳ２の全体枠を検知することはできる。

次に、実施の形態１に係る監視カメラ１の第１の動作手順例を、図４を参照して説明する。図５は、実施の形態１に係る監視カメラ１の第１の動作手順例を時系列に示すフローチャートである。第１の動作手順例では、監視カメラ１の被写体が人物であり、ＡＩ処理により人物の顔を検知可能となるようにカメラパラメータを調整（変更）する例を説明する。なお、図５の説明において調整（変更）されるカメラパラメータとして、撮像素子１２の露光時間およびゲイン、トーンカーブを例示しているが、これらに限定されないことは言うまでもない。

図５において、監視カメラ１は、カメラパラメータの設定例として、撮像素子１２の露光時間およびゲインのそれぞれを所定値（例えば、撮像画像全体を明るく撮像可能となるための既定の初期値）を設定する（Ｓｔ１）。また、監視カメラ１は、カメラパラメータの一例として、既定の特性（例えば、撮像画像全体を明るく撮像可能となるための既定の特性）を有するトーンカーブを設定する（Ｓｔ２）。監視カメラ１は、ステップＳｔ１，Ｓｔ２のカメラパラメータの設定後、被写体（例えば人物ＰＳ１）を撮影（撮像）する。

監視カメラ１は、被写体（例えば人物ＰＳ１）の撮像画像のデータを対象としてＡＩによる検知処理を実行する（Ｓｔ３）。監視カメラ１は、ＡＩによる検知処理により、撮像画像中に人物ＰＳ１（図３参照、例えば人物ＰＳ１の全体像）を検知したか否かを判別する（Ｓｔ４）。なお、この人物ＰＳ１の全体像は、監視カメラ１の取り付け位置からの画角に応じて特定される全体像でよく、人物ＰＳ１の正面視の全体像に限らず、横、斜め前方もしくは斜め後方から見た全体像であってもよい。

監視カメラ１は、撮像画像中に人物ＰＳ１（図３参照）を検知した場合（Ｓｔ４、ＹＥＳ）、検知により特定された人物ＰＳ１の検知枠（つまり、検知された人物ＰＳ１の全身あるいは肩上部の範囲を示す枠）から人物ＰＳ１の顔の位置を推定する（Ｓｔ５）。さらに、監視カメラ１は、推定された顔の位置から撮像画像中の顔の明るさや移動速度を特定し、顔の明るさおよび移動速度の値に基づいて、撮像素子１２の設定値（例えば露光時間、ゲイン）を増加または減少するように算出して決定する（Ｓｔ５）。なお、ステップＳｔ５の決定は、顔の明るさおよび移動速度の両方を用いることなく、例えば顔の明るさあるいは移動速度の一方だけを用いて決定されてもよい。なお、監視カメラ１は、この決定された設定値（カメラパラメータの一例）を撮像素子１２に設定するように即刻反映してもよい（Ｓｔ６）。このステップＳｔ６の処理はオプションであり省略されてもよい。省略された場合には、ステップＳｔ５で決定された設定値は後述するステップＳｔ７以降のステップＳｔ１の時点で撮像素子１２に設定されるように反映される。

一方、ステップＳｔ５（あるいはステップＳｔ６）の後または人物ＰＳ１が検知できなかった場合（Ｓｔ４、ＮＯ）、監視カメラ１は、ＡＩによる検知処理により、撮像画像中に人物ＰＳ１の顔ＦＣ２（図３参照）を検知したか否かを判別する（Ｓｔ７）。

監視カメラ１は、撮像画像中に人物ＰＳ１の顔ＦＣ２（図３参照）を検知した場合（Ｓｔ７、ＹＥＳ）、撮像画像中の顔ＦＣ２の領域が最適となるように（例えば顔の照合処理に適する既定の明度を有するように）トーンカーブの特性を現在の特性から鋭くなるように決定する（Ｓｔ８）。つまり、撮像画像中で顔ＦＣ２がＡＩにより検知されたとしても、その顔ＦＣ２の領域の明度が照合処理に適する既定の明度を有さない場合には、後述するステップＳｔ９の処理がフィルタリング機能を果たすことで、顔ＦＣ２の領域の明度が照合処理に適する既定の明度を有するようにトーンカーブが調整（変更）される。

さらにステップＳｔ８の後、監視カメラ１は、ＡＩによる検知処理による顔ＦＣ２の検知に関する顔スコア（例えば撮像画像中で検知した顔領域の顔らしさ（顔の尤度）を定量的に示す確率出力値）がしきい値以上であるか否かを判別する（Ｓｔ９）。しきい値は、例えば顔の照合処理に適する程の明度を有する撮像画像において顔が検知される時の確率出力値である。

監視カメラ１は、顔ＦＣ２が検知された時の顔スコアがしきい値以上であると判定した場合（Ｓｔ９、ＹＥＳ）、撮像画像中の顔ＦＣ２の領域を切り出した顔切出し画像を生成する。監視カメラ１は、この顔切出し画像のデータを含む照合指示を生成し、照合サーバ５０に転送する（Ｓｔ１０）。この後、照合サーバ５０は、ＡＩを用いた顔照合により、監視カメラ１から転送された照合指示に含まれる顔切出し画像のデータと顔ブラックリストデータとを照合する。なお、顔ブラックリストデータが監視カメラ１に格納されている場合には、顔切出し画像と顔ブラックリストデータとの照合処理は監視カメラ１によって実行されても構わない。

一方、顔ＦＣ２が検知できなかった場合（Ｓｔ７、ＮＯ）、ステップＳｔ１０の後または顔ＦＣ２が検知された時の顔スコアがしきい値未満であると判定された場合（Ｓｔ９、ＮＯ）、監視カメラ１の処理はステップＳｔ１に戻り、以降、ステップＳｔ１〜ステップＳｔ１０の処理がループ処理として繰り返される。なお、図５ではカメラパラメータの一例として、撮像素子１２の露光時間、ゲイン、トーンカーブを例示したが、これらに限定されず、例えば監視カメラ１のパン回転、チルト回転もしくはその両方を実行したり、フォーカスレンズの位置（つまり絞り制御）、ズームレンズの位置（つまりズーム倍率制御）、ＩＲ照明部１９からのＩＲ光の強度の調整（オン、オフ、調光）を行ったりしてもよい。

このように、実施の形態１に係る監視カメラ１は、人工知能を搭載し、撮像エリアを撮像する撮像部と、人工知能を用いて、撮像エリアの撮像画像に映る人物ＰＳ１を検知する検知部と、撮像画像の人物の顔の位置を推定し、顔の明度あるいは移動速度に基づいて監視カメラ１のカメラパラメータを決定する。

これにより、監視カメラ１は、例えば太陽光の逆光などの影響により撮像エリアの画像に映る人物ＰＳ１の顔が暗くなる環境下であったり、人物が自転車もしくはバイクなどの移動物体に乗っているような動きのあるシーンであったりしても、その撮像エリアの監視精度の改善に寄与するカメラパラメータを適応的に決定できるので、人工知能（ＡＩ）による撮像画像中の検知対象となるオブジェクトの検知精度を向上できる。従って、監視カメラ１は、撮像された人物ＰＳ１の画像の画質を的確に改善して、人物ＰＳ１の顔を検知するなど撮像エリア内の監視業務の効率化を図ることができる。

また、監視カメラ１は、決定されたカメラパラメータを設定する。これにより、監視カメラ１は、検知対象となるオブジェクト（例えば人物ＰＳ１の顔）のＡＩによる検知精度を迅速に向上できるので、撮像画像中の検知対象となるオブジェクト（例えば人物ＰＳ１の顔）を高精度に検知できる。

また、監視カメラ１は、撮像画像に人物ＰＳ１を検知できない場合に、撮像部により撮像された撮像画像に映る人物ＰＳ１がＡＩにより検知可能となるようにカメラパラメータを決定して設定する。これにより、監視カメラ１は、現時点の設定されているカメラパラメータが人物ＰＳ１自体をＡＩでも検知できない環境下に取り付けられている場合には、少なくとも人物ＰＳ１の検知が可能となるようにカメラパラメータを調整（変更）できる。

また、カメラパラメータは、撮像部の露光時間である。監視カメラ１は、撮像部により撮像された撮像画像に映る人物ＰＳ１の顔がＡＩにより検知可能となるように（例えば、顔照合に適する明度やブレの度合いを有するように）露光時間を決定する。これにより、監視カメラ１は、撮像素子１２から得られる撮像画像が鮮明になって被写体の特徴的な部分（例えば顔）の画質が的確に改善されるので、ＡＩによる人物の顔の検知精度を向上できるだけでなく、照合サーバ５０での顔ブラックリストデータを用いた照合処理に使える程度の明度またはブレの度合いを有する顔切出し画像を高精度に生成できる。

また、カメラパラメータは、撮像部のゲインである。監視カメラ１は、撮像部により撮像された撮像画像に映る人物の顔がＡＩにより検知可能となるように（例えば、顔照合に適する明度やブレの度合いを有するように）ゲインを決定する。これにより、監視カメラ１は、撮像素子１２から得られる撮像画像の明度が相対的に高くなって被写体の特徴的な部分（例えば顔）の画質が的確に改善されるので、ＡＩによる人物の顔の検知精度を向上できるだけでなく、照合サーバ５０での顔ブラックリストデータを用いた照合処理に使える程度の明度またはブレの度合いを有する顔切出し画像を高精度に生成できる。

また、カメラパラメータは、撮像画像の生成に用いられるトーンカーブである。監視カメラ１は、撮像部により撮像された撮像画像に映る人物ＰＳ１の顔がＡＩにより検知可能となるように（例えば、顔照合に適する明度やブレの度合いを有するように）トーンカーブを決定する。これにより、監視カメラ１は、プロセッサ１４により生成された撮像画像の明度が相対的に高くなって被写体の特徴的な部分（例えば顔）の画質が的確に改善されるので、ＡＩによる人物の顔の検知精度を向上できるだけでなく、照合サーバ５０での顔ブラックリストデータを用いた照合処理に使える程度の明度またはブレの度合いを有する顔切出し画像を高精度に生成できる。

また、カメラパラメータは、撮像部のパン回転およびチルト回転のうち少なくとも１つの回転量である。監視カメラ１は、撮像部により撮像された撮像画像に映る人物ＰＳ１の顔がＡＩにより検知可能となるように回転量を決定する。これにより、監視カメラ１は、画角内に人物の顔が適切に含まれるようになり、ＡＩによる人物の顔の検知精度を的確に向上できる。さらに、監視カメラ１は、照合サーバ５０での顔ブラックリストデータを用いた照合処理に使える程度の解像度を有する顔切出し画像を高精度に生成できる。

また、カメラパラメータは、撮像部のズーム倍率である。監視カメラ１は、撮像部により撮像された撮像画像に映る人物ＰＳ１の顔がＡＩにより検知可能となるように、ズーム倍率を決定する。これにより、監視カメラ１は、撮像画像中における人物ＰＳ１の顔の占める割合が少なくても、ズーム倍率を上げてズームアップすることで人物の顔をＡＩによって高精度に検知できる。さらに、監視カメラ１は、照合サーバ５０での顔ブラックリストデータを用いた照合処理に使える程度の解像度を有する顔切出し画像を高精度に生成できる。

また、監視カメラ１は、カメラパラメータが設定された後に撮像部により撮像された撮像画像に人物の顔がＡＩにより検知されかつ顔の検知スコア（例えば顔スコア）がしきい値以上となる場合、撮像画像から顔を切り出した顔切出し画像を、監視カメラ１と通信可能に接続される顔照合サーバ（例えば照合サーバ５０）に送る。これにより、監視カメラ１は、撮像エリアに進入した人物の顔を切り出した顔切出し画像を生成でき、この顔切出し画像の顔が顔ブラックリストデータに登録されている不審人物の顔であるか否かを照合サーバ５０に判定要求することができる。従って、撮像エリアの監視精度が的確に向上する。

図６は、被写体として車両を例示した場合の、カメラパラメータの調整前後による撮像画像の対比例を示す図である。撮像画像ＩＭＧ５は、例えば夜間の道路脇に設置された監視カメラ１が撮像エリア内に進入した車両ＶＣＬ１を被写体として撮像された画像である。監視カメラ１は、画角内の撮像エリア全体を最適に撮像するために現時点設定されているカメラパラメータに基づいて撮像された撮像画像ＩＭＧ５を用いたＡＩ処理により、車両ＶＣＬ１のシルエット（つまりぼんやりとした全体枠）を検知することはできる。

ところが、撮像画像ＩＭＧ５が撮像された時点のカメラパラメータの下で撮像されている状態では、例えば夜間の後続車、対向車あるいは自車のヘッドライトなどの影響により車両ＶＣＬ１の後方側のナンバープレートおよびその周囲が白飛びしてしまう、もしくは走行中の車両ＶＣＬ１がブレて撮影されることにより、ナンバーだけでなく車両ＶＣＬ１の詳細をＡＩにより検知することが困難な状況となることが考えられる。このようなケースのとき、人の目では車の車型、車色を認識できても、監視カメラ１内のＡＩ処理では車両ＶＣＬ１のナンバー、車型、車色などの車両ＶＣＬ１に特有の特徴パーツを高精度に検知できず、撮像エリアの監視精度が劣化する可能性が高い。

そこで、実施の形態１に係る監視カメラ１では、プロセッサ１４は、先ずナンバーなどのかなり詳細な部分的な特徴パーツよりも優先的に車両ＶＣＬ１全体の外観的な特徴パーツを高精度に撮像可能となるように、カメラパラメータ（例えば撮像素子１２の露光時間、ゲイン、トーンカーブの特性）を現在値から増加あるいは鋭くなるように調整（変更）する。この調整後のカメラパラメータは撮像素子１２に設定されたり、プロセッサ１４あるいはメモリ１３に保存されたりする。

この調整（変更）後に監視カメラ１により撮像された撮像画像ＩＭＧ６によれば、同一の車両ＶＣＬ１全体の外観（外形）の領域が明るくなり、車両ＶＣＬ１の外観的な特徴パーツとして、監視カメラ１は、撮像画像ＩＭＧ６から、ＡＩ処理によって車両ＶＣＬ１の車型（例えばミニバン）および車色（例えばピンク）を判別可能となる。つまり、ＡＩ処理部１５は、車両ＶＣＬ１の車型および車色を高確率に検知できる。

次に、プロセッサ１４は、車両ＶＣＬ１のナンバープレートあるいはエンブレム（ここでは、ナンバープレートを例示）などの部分的な特徴パーツを高精度に撮像可能となるように、カメラパラメータ（例えばズーム倍率に対応するズームレンズの位置）を現在値からズームアップするように調整（変更）する。この調整後のカメラパラメータはレンズ駆動部ＬＭ１、プロセッサ１４あるいはメモリ１３に保存される。これにより、監視カメラ１は、撮像画像ＩＭＧ６を撮像した時点に比べて、車両ＶＣＬ１のナンバープレートが撮像画像の中心となるようにズームアップの処理を行った上で撮像を行うことができる。

このズームアップの処理後に監視カメラ１により撮像された撮像画像ＩＭＧ７によれば、同一の車両ＶＣＬ１のナンバープレートの領域が明るくかつ拡大して映るようになり、車両ＶＣＬ１の部分的な特徴パーツとして、監視カメラ１は、ＡＩによる撮像画像ＩＭＧ７から、車両ＶＣＬ１のナンバープレート（例えば、品川３０６、ほ、１４−７１）を判別可能となる。つまり、ＡＩ処理部１５は、車両ＶＣＬ１の車型および車色に続けて、車両ＶＣＬ１のナンバーを段階的に高確率に検知できる。

次に、実施の形態１に係る監視カメラ１の第１の動作手順例を、図７を参照して説明する。図７は、実施の形態１に係る監視カメラ１の第２の動作手順例を時系列に示すフローチャートである。第２の動作手順例では、監視カメラ１の被写体が車両であり、ＡＩ処理により車両の特徴パーツ（例えば、車型および車色、ナンバーの順）を段階的に検知可能となるようにカメラパラメータを調整（変更）する例を説明する。なお、図７の説明において調整（変更）されるカメラパラメータとして、撮像素子１２の露光時間およびゲイン、トーンカーブ、パン回転量、チルト回転量、ズームレンズの位置（言い換えると、ズーム倍率）を例示しているが、これらに限定されないことは言うまでもない。また、図７の説明では、図４の説明と重複する処理の説明については同一のステップ番号を付与して説明を簡略化あるいは省略し、異なる内容について説明する。

図７において、監視カメラ１は、ステップＳｔ１，Ｓｔ２の後、カメラパラメータの設定例として、パン回転量、チルト回転量およびズーム倍率のうち少なくとも１つの設定を反映するためにＰＴＺ（Ｐａｎ Ｔｉｌｔ Ｚｏｏｍ）制御を実行する（Ｓｔ１１）。ステップＳｔ１，Ｓｔ２，Ｓｔ１１のカメラパラメータの設定後、監視カメラ１は、被写体（例えば車両ＶＣＬ１）を撮影（撮像）する。なお、監視カメラ１は、ステップＳｔ１１の処理をオプションとすることが可能であり、必ずしもＰＴＺ制御を実行する必要は無く、ＰＴＺ制御に関するカメラパラメータの変更があった場合に実行してもよい。

監視カメラ１は、被写体（例えば車両ＶＣＬ１）の撮像画像のデータを対象としてＡＩによる検知処理を実行する（Ｓｔ３）。監視カメラ１は、ＡＩによる検知処理により、撮像画像中に車両ＶＣＬ１（図６参照、例えば車両ＶＣＬ１の全体像もしくは車両ＶＬＣ１の一部）を検知したか否かを判別する（Ｓｔ１２）。なお、この車両ＶＣＬ１の全体像は、監視カメラ１の取り付け位置からの画角に応じて特定される全体像もしくは一部でよく、車両ＶＣＬ１の正面視の全体像に限らず、横、斜め前方もしくは斜め後方から見た全体像もしくは一部であってもよい。

監視カメラ１は、撮像画像中に車両ＶＣＬ１（図６参照）を検知した場合（Ｓｔ１２、ＹＥＳ）、撮像画像中の車両ＶＣＬ１のヘッドライトの点灯の有無およびヘッドライト部分の明るさ、あるいは車両ＶＣＬ１の移動速度に基づいて、撮像素子１２の設定値（例えば露光時間、ゲイン）を増加もしくは減少するように算出して決定する（Ｓｔ１３）。なお、監視カメラ１は、この決定された設定値（カメラパラメータの一例）を撮像素子１２に設定するように即刻反映してもよい（Ｓｔ６）。このステップＳｔ６の処理はオプションであり省略されてもよい。省略された場合には、ステップＳｔ１２で決定された設定値は後述するステップＳｔ１４以降のステップＳｔ１の時点で撮像素子１２に設定されるように反映される。

一方、ステップＳｔ１３（あるいはステップＳｔ６）の後または車両ＶＣＬ１が検知できなかった場合（Ｓｔ１２、ＮＯ）、監視カメラ１は、ＡＩによる検知処理により、撮像画像中に車両ＶＣＬ１の車型および車色（図６参照）を識別出来たか否かを判別する（Ｓｔ１４）。なお、ステップＳｔ１４では車型および車色の識別の有無が判断されているが、車型あるいは車色のいずれかだけの識別の有無が判断されてもよい。

監視カメラ１は、撮像画像中に車両ＶＣＬ１の車型および車色（図６参照）を識別した場合（Ｓｔ１４、ＹＥＳ）、ＡＩによる検知処理（識別処理）によりナンバープレートを検知できたか否かを判別する（Ｓｔ１５）。

監視カメラ１は、車両ＶＣＬ１のナンバーを検知した場合には（Ｓｔ１５、ＹＥＳ）、撮像画像中のナンバーの部分を切り出したナンバー切出し画像を生成する。監視カメラ１はナンバー切出し画像を含む照合指示を生成し、照合サーバ５０に転送する（Ｓｔ１６）。この後、照合サーバ５０は、ＡＩを用いた文字認識処理、ナンバー切出し画像のデータとナンバーブラックリストデータと照合を行う。なお、文字認識処理および照合処理のうち少なくとも１つは監視カメラ１（例えば、文字認識部および照合部の一例としてのプロセッサ１４）によって実行されてもかまわない。

一方、車両ＶＣＬ１のナンバーを検知できなかった場合（Ｓｔ１５、ＮＯ）、監視カメラ１は、検出した車両ＶＣＬ１のサイズに基づき、画面内のナンバープレートの大きさがナンバー認識に適した大きさとなるように、レンズのズーム倍率や、パン回転量、チルト回転量を算出する（Ｓｔ１７）。なお、監視カメラ１は、この決定された設定値をＰＴＺ制御に即刻反映してもよい（Ｓｔ１８）。このステップＳｔ１８の処理は、オプションであり省略されてもよい。省略された場合には、ステップＳｔ１７で決定された設定値は以降のステップＳｔ１１の時点でレンズ駆動部ＬＭ１、パンチルト駆動部ＰＴＭ１に設定されるように反映される。このナンバープレート部分のズームアップ処理で次回以降に撮像されて入力される撮像画像のフレームを対象としたナンバープレートの検出確率が向上することが期待される。

ステップＳｔ１６の後、ステップＳｔ１７（あるいはステップＳｔ１８）の後または車型および車色の両方が検知されなかったと判定された場合（Ｓｔ１４、ＮＯ）、監視カメラ１の処理はステップＳｔ１に戻り、以降、ステップＳｔ１〜ステップＳｔ１８の処理がループ処理として繰り返される。なお、図７ではカメラパラメータの一例として、撮像素子１２の露光時間、ゲイン、トーンカーブ、パン回転量、チルト回転量、ズームレンズの位置を例示したが、これらに限定されず、例えばフォーカスレンズの位置（つまり絞り制御）、ＩＲ照明部１９からのＩＲ光の強度の調整（オン、オフ、調光）を行ったりしてもよい。

以上により、実施の形態１に係る監視カメラ１は、人工知能を搭載し、撮像エリアを撮像する撮像部と、人工知能を用いて、撮像エリアの撮像画像に映る車両ＶＣＬ１を検知する検知部と、撮像画像の車両ＶＣＬ１の明度（例えばヘッドライトの点灯の有無、ヘッドライトが点灯している時のヘッドライト部分の明るさ）あるいは移動速度に基づいて、監視カメラ１のカメラパラメータを決定する。

これにより、監視カメラ１は、例えば夜間の後続車、対向車あるいは自車のヘッドライトなどの影響により撮像エリアの画像に映る車両ＶＣＬ１の特徴パーツが暗くなる環境下や、車両が撮像画像の画面上で移動することによりブレが生じるような環境下であっても、その撮像エリアの監視精度の改善に寄与するカメラパラメータを適応的に決定できるので、人工知能（ＡＩ）による撮像画像中の検知対象となるオブジェクトの検知精度を向上できる。従って、監視カメラ１は、撮像された車両ＶＣＬ１の画像の画質を的確に改善して、車両ＶＣＬ１の車型および車色を少なくとも検知するなど撮像エリア内の監視業務の効率化を図ることができる。

また、監視カメラ１は、決定されたカメラパラメータを設定する。これにより、監視カメラ１は、検知対象となるオブジェクト（例えば車両ＶＣＬ１の車型および車色、ナンバー）のＡＩによる検知精度を迅速に向上できるので、撮像画像中の検知対象となるオブジェクト（例えば車両ＶＣＬ１の車型および車色、ナンバー）を高精度に検知できる。

また、監視カメラ１は、撮像画像に車両ＶＣＬ１を検知できない場合に、撮像部により撮像された撮像画像に映る車両ＶＣＬ１がＡＩにより検知可能となるようにカメラパラメータを決定して設定する。これにより、監視カメラ１は、現時点の設定されているカメラパラメータが車両ＶＣＬ１自体をＡＩでも検知できない環境下に取り付けられている場合には、少なくとも車両ＶＣＬ１の検知が可能となるようにカメラパラメータを調整（変更）できる。

また、カメラパラメータは、撮像部の露光時間である。監視カメラ１は、撮像部により撮像された撮像画像に映る車両ＶＣＬ１の車型、車色、車種あるいはナンバープレートがＡＩにより検知可能となるように露光時間を決定する。これにより、監視カメラ１は、撮像素子１２から得られる撮像画像が鮮明になって被写体の特徴的な部分（例えば車型、車色、車種、ナンバー）の画質が的確に改善されるので、ＡＩによる車両の特徴パーツの検知精度を向上できるだけでなく、照合サーバ５０でのナンバーブラックリストデータを用いた照合処理に使える程度の明度を有するナンバー切出し画像を高精度に生成できる。

また、カメラパラメータは、撮像部のゲインである。監視カメラ１は、撮像部により撮像された撮像画像に映る車両ＶＣＬ１の車型、車色、車種あるいはナンバープレートがＡＩにより検知可能となるようにゲインを決定する。これにより、監視カメラ１は、撮像素子１２から得られる撮像画像の明度が相対的に高くなって被写体の特徴的な部分（例えば車型、車色、車種、ナンバー）の画質が的確に改善されるので、ＡＩによる車両の特徴パーツの検知精度を向上できるだけでなく、照合サーバ５０でのナンバーブラックリストデータを用いた照合処理に使える程度の明度を有するナンバー切出し画像を高精度に生成できる。

また、カメラパラメータは、撮像画像の生成に用いられるトーンカーブである。監視カメラ１は、撮像部により撮像された撮像画像に映る車両ＶＣＬ１の車型、車色、車種あるいはナンバープレートがＡＩにより検知可能となるようにトーンカーブを決定する。これにより、監視カメラ１は、プロセッサ１４から生成された撮像画像の明度が相対的に高くなって被写体の特徴的な部分（例えば車型、車色、車種、ナンバー）の画質が的確に改善されるので、ＡＩによる車両の特徴パーツの検知精度を向上できるだけでなく、照合サーバ５０でのナンバーブラックリストデータを用いた照合処理に使える程度の明度を有するナンバー切出し画像を高精度に生成できる。

また、カメラパラメータは、撮像部のパン回転およびチルト回転のうち少なくとも１つの回転量である。監視カメラ１は、撮像部により撮像された撮像画像に映る車両ＶＣＬ１の車型、車色、車種あるいはナンバープレートがＡＩにより検知可能となるように回転量を決定する。これにより、監視カメラ１は、画角内に車両が適切に含まれ、車両の特徴パーツ（例えば車型、車色、車種、ナンバー）のＡＩによる検知精度を的確に向上できる。

また、カメラパラメータは、撮像部のズーム倍率である。監視カメラ１は、撮像部により撮像された撮像画像に映る車両ＶＣＬ１の車型、車色、車種あるいはナンバープレートがＡＩにより検知可能となるようにズーム倍率を決定する。これにより、監視カメラ１は、撮像画像中における車両ＶＣＬ１の占める割合が少なくても、ズーム倍率を上げてズームアップすることで車両ＶＣＬ１の特徴パーツ（例えば車型、車色、車種、ナンバー）をＡＩによって高精度に検知できる。

また、監視カメラ１は、カメラパラメータが設定された後に撮像部により撮像された撮像画像に車両ＶＣＬ１の車型あるいは車色と車両ＶＣＬ１のナンバーとがＡＩにより検知された場合、ナンバーの文字認識およびナンバープレートのブラックリストとの照合をプロセッサ１４において行う。これにより、監視カメラ１は、車両ＶＣＬ１の特徴パーツを車型および車色、ナンバーの順に段階的に検知できたことで車両ＶＣＬ１の所有者を照合するためのナンバー切出し画像を生成でき、照合結果に基づいて撮像エリアに進入した車両ＶＣＬ１の詳細を細かく監視者に通知させることができる。また、監視カメラ１は、車両ＶＣＬ１の特徴パーツを車型および車色、ナンバーの順に段階的に検知できたことで車両ＶＣＬ１の所有者を照合サーバ５０に照会するためのナンバー切出し画像を生成でき、撮像エリアに進入した車両ＶＣＬ１の詳細を細かく監視者に通知させることができる。

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。

本開示は、撮像エリアの画像に映る人物の顔あるいは車両の特徴パーツの監視精度の改善に寄与するカメラパラメータを適応的に決定し、画像の画質を的確に改善して監視業務の効率化を図る監視カメラ、パラメータ決定方法およびプログラムとして有用である。

１ 監視カメラ
１１ レンズ
１２ 撮像素子
１３、５３ メモリ
１４、５２ プロセッサ
１５ ＡＩ処理部
１５ａ ＡＩ演算処理部
１５ｂ 学習モデルメモリ
１６、５１ 通信ＩＦ回路
１８ 外部記憶媒体ＩＦ
１９ ＩＲ照明部
５０ 照合サーバ
５４ データベース
１００ 監視カメラシステム
ＬＭ１ レンズ駆動部
Ｍ１ 外部記憶媒体
ＰＴＭ１ パンチルト駆動部

Claims (22)

1. 人工知能を搭載する監視カメラであって、
   撮像エリアを撮像する撮像部と、
   前記人工知能を用いて、前記撮像エリアの撮像画像に映る人物を検知する検知部と、
   前記撮像画像の前記人物の顔の位置を推定し、前記顔の明度あるいは移動速度に基づいて前記監視カメラのカメラパラメータを決定する制御部と、を備える、
   監視カメラ。
2. 前記制御部は、前記カメラパラメータを設定する、
   請求項１に記載の監視カメラ。
3. 前記制御部は、前記撮像画像に前記人物を検知できない場合に、前記撮像部により撮像された撮像画像に映る人物が前記検知部により検知可能となるように前記カメラパラメータを決定して設定する、
   請求項１に記載の監視カメラ。
4. 前記カメラパラメータは、前記撮像部の露光時間であり、
   前記制御部は、前記撮像部により撮像された撮像画像に映る人物の顔が前記検知部により検知可能となるように前記露光時間を決定する、
   請求項１に記載の監視カメラ。
5. 前記カメラパラメータは、前記撮像部のゲインであり、
   前記制御部は、前記撮像部により撮像された撮像画像に映る人物の顔が前記検知部により検知可能となるように前記ゲインを決定する、
   請求項１に記載の監視カメラ。
6. 前記カメラパラメータは、前記撮像画像の生成に用いられるトーンカーブであり、
   前記制御部は、前記撮像部により撮像された撮像画像に映る人物の顔が前記検知部により検知可能となるように前記トーンカーブを決定する、
   請求項１に記載の監視カメラ。
7. 前記カメラパラメータは、前記撮像部のパン回転およびチルト回転のうち少なくとも１つの回転量であり、
   前記制御部は、前記撮像部により撮像された撮像画像に映る人物の顔が前記検知部により検知可能となるように前記回転量を決定する、
   請求項１に記載の監視カメラ。
8. 前記カメラパラメータは、前記撮像部のズーム倍率であり、
   前記制御部は、前記撮像部により撮像された撮像画像に映る人物の顔が前記検知部により検知可能となるように前記ズーム倍率を決定する、
   請求項１に記載の監視カメラ。
9. 前記カメラパラメータが設定された後に前記撮像部により撮像された撮像画像に前記人物の顔が前記検知部により検知されかつ前記顔の検知スコアが閾値以上となる場合、前記撮像画像から前記顔を切り出した顔切出し画像を、前記監視カメラと通信可能に接続される顔照合サーバに送る通信部、をさらに備える、
   請求項１に記載の監視カメラ。
10. 人工知能を搭載する監視カメラにより実行されるカメラパラメータ決定方法であって、
    撮像エリアを撮像するステップと、
    前記人工知能を用いて、前記撮像エリアの撮像画像に映る人物を検知するステップと、
    前記撮像画像の前記人物の顔の位置を推定し、前記顔の明度あるいは移動速度に基づいて前記監視カメラのカメラパラメータを決定するステップと、を有する、
    カメラパラメータ決定方法。
11. コンピュータである、人工知能を搭載する監視カメラに、
    撮像エリアを撮像するステップと、
    前記人工知能を用いて、前記撮像エリアの撮像画像に映る人物を検知するステップと、
    前記撮像画像の前記人物の顔の位置を推定し、前記顔の明度あるいは移動速度に基づいて前記監視カメラのカメラパラメータを決定するステップと、を実行させるための、
    プログラム。
12. 人工知能を搭載する監視カメラであって、
    撮像エリアを撮像する撮像部と、
    前記人工知能を用いて、前記撮像エリアの撮像画像に映る車両を検知する検知部と、
    前記撮像画像の前記車両の明度あるいは移動速度に基づいて、前記監視カメラのカメラパラメータを決定する制御部と、を備える、
    監視カメラ。
13. 前記制御部は、前記カメラパラメータを設定する、
    請求項１２に記載の監視カメラ。
14. 前記制御部は、前記撮像画像に前記車両を検知できない場合に、前記撮像部により撮像された撮像画像に映る車両が前記検知部により検知可能となるように前記カメラパラメータを決定して設定する、
    請求項１２に記載の監視カメラ。
15. 前記カメラパラメータは、前記撮像部の露光時間であり、
    前記制御部は、前記撮像部により撮像された撮像画像に映る車両の車型、車色、車種あるいはナンバープレートが前記検知部により検知可能となるように前記露光時間を決定する、
    請求項１２に記載の監視カメラ。
16. 前記カメラパラメータは、前記撮像部のゲインであり、
    前記制御部は、前記撮像部により撮像された撮像画像に映る車型、車色、車種あるいはナンバープレートが前記検知部により検知可能となるように前記ゲインを決定する、
    請求項１２に記載の監視カメラ。
17. 前記カメラパラメータは、前記撮像画像の生成に用いられるトーンカーブであり、
    前記制御部は、前記撮像部により撮像された撮像画像に映る車型、車色、車種あるいはナンバープレートが前記検知部により検知可能となるように前記トーンカーブを決定する、
    請求項１２に記載の監視カメラ。
18. 前記カメラパラメータは、前記撮像部のパン回転およびチルト回転のうち少なくとも１つの回転量であり、
    前記制御部は、前記撮像部により撮像された撮像画像に映る車両の車型、車色、車種あるいはナンバープレートが前記検知部により検知可能となるように前記回転量を決定する、
    請求項１２に記載の監視カメラ。
19. 前記カメラパラメータは、前記撮像部のズーム倍率であり、
    前記制御部は、前記撮像部により撮像された撮像画像に映る車両の車型、車色、車種あるいはナンバープレートが前記検知部により検知可能となるように前記ズーム倍率を決定する、
    請求項１２に記載の監視カメラ。
20. 前記カメラパラメータが設定された後に前記撮像部により撮像された撮像画像に前記車両の車型あるいは車色と前記車両のナンバーとが前記検知部により検知された場合、前記ナンバーの文字認識およびナンバープレートのブラックリストとの照合を行う文字認識部、をさらに備える、
    請求項１５〜１９のうちいずれか一項に記載の監視カメラ。
21. 人工知能を搭載する監視カメラにより実行されるカメラパラメータ決定方法であって、
    撮像エリアを撮像するステップと、
    前記人工知能を用いて、前記撮像エリアの撮像画像に映る車両を検知するステップと、
    前記撮像画像の前記車両の明度あるいは移動速度に基づいて、前記監視カメラのパラメータを決定するステップと、を有する、
    カメラパラメータ決定方法。
22. コンピュータである、人工知能を搭載する監視カメラに、
    撮像エリアを撮像するステップと、
    前記人工知能を用いて、前記撮像エリアの撮像画像に映る車両を検知するステップと、
    前記撮像画像の前記車両の明度あるいは移動速度に基づいて、前記監視カメラのカメラパラメータを決定するステップと、を実行させるための、
    プログラム。

Images