JP6345155B2 - 映像監視システム及びプログラム - Google Patents

Description

本発明は、映像監視システム及びプログラム、特に画質を客観的に表す指標に関する。

ビルや駐車場等の施設を監視する監視システムでは、施設の出入口や通路に設置された監視カメラにより撮影された画像を所定期間保存し、必要により再生する。保存される画像は、用途によって要求される画質が異なってくる。例えば、セキュリティの厳しい場所の撮影画像であれば顔が認識できる程度の画質が要求され、相対的にセキュリティの厳しくない場所の撮影画像であれば人の存在や人数が特定できる程度の画質でよいかもしれない。つまり、監視カメラにより撮影された画像をそのままの画質で保存しなくても用途に応じた画質で保存すればよい。保存する画像の画質を低下させればデータ記憶容量を削減できる。監視システムの管理者は、システム導入前に、どの程度の画質で画像を保存するのかという希望を、システムを提供するサービス会社の担当者等に伝える。

ところで、画質を表す指標として、主観的な指標と客観的な指標とに大別できる。主観的な指標というのは、管理者が考える「綺麗、普通、粗い」や「人の顔が認識できる程度」など感覚的な表現により表される。一方、客観的な指標というのは、例えばＳＮＲ（ＳＮ比、Ｓｉｇｎａｌ−ｔｏ−Ｎｏｉｓｅ Ｒａｔｉｏ）などの数値によって表される。

特開２００７−３３６４０６号公報 特開２００８−３５３６７号公報 特開２０１０−２５２４００号公報 国際公開２００７／１２９４２２号 国際公開２００７／１２９４２３号

しかしながら、画質を伝える際に主観的な指標だと、その画質に個人差が生じうる。これに対し、客観的な指標を用いれば個人差が生じないが、客観的な指標値からどの程度の画質の画像が得られるのかわかりにくい。

本発明は、個人差が生じにくく画質の程度が直観的にわかりやすい客観的な指標を提供することを目的とする。

本発明に係る映像監視システムは、複数の画像がデータベース画像として登録されたデータベース画像記憶手段と、複数の画像が認識対象画像として登録された認識対象画像記憶手段と、前記認識対象画像記憶手段に登録された各認識対象画像を前記データベース画像記憶手段に登録されたデータベース画像と比較した結果、前記データベース画像記憶手段に登録されたデータベース画像の中から当該認識対象画像と同じ画像が正しく選択される確率を成功率として算出する成功率算出手段と、前記データベース画像記憶手段に登録された全て又は一部のデータベース画像それぞれの、当該データベース画像と画質の異なるｎ（ｎは自然数）種類の異画質画像を生成し、各異画質画像が当該データベース画像と同一と判断される認識精度を画質毎に算出する画質毎認識精度算出手段と、成功率に対する各画質の認識精度を、各画質の性能発揮率として算出する性能発揮率算出手段と、を有し、画質を表す客観的指標として性能発揮率を求めるものである。

また、前記性能発揮率算出手段に算出された性能発揮率と画質を表す他の客観的指標との関係を示す関数を求める手段を有するものである。

また、原画像を取得する取得手段と、上記発明に記載の映像監視システムにより求められた性能発揮率の中から、ユーザにより選択された性能発揮率を受け付ける受付手段と、前記受付手段に受け付けられた性能発揮率に応じた画質の画像を、原画像を符号化することで生成する符号化手段と、前記符号化手段により生成された画像をユーザに提示する提示手段と、を有するものである。

また、性能発揮率と、前記データベース画像記憶手段に登録されたデータベース画像の中から選出された１又は複数のデータベース画像を当該性能発揮率に対応する画質にて符号化して生成されたサンプル画像とを対応付けしてユーザに提示する画質サンプル提示手段を有するものである。

本発明に係るプログラムは、複数の画像がデータベース画像として登録されたデータベース画像記憶手段及び複数の画像が認識対象画像として登録された認識対象画像記憶手段をアクセス可能なコンピュータを、前記認識対象画像記憶手段に登録された各認識対象画像を前記データベース画像記憶手段に登録されたデータベース画像と比較した結果、前記データベース画像記憶手段に登録されたデータベース画像の中から当該認識対象画像と同じ画像が正しく選択される確率を成功率として算出する成功率算出手段、前記データベース画像記憶手段に登録された全て又は一部のデータベース画像それぞれの、当該データベース画像と画質の異なるｎ（ｎは自然数）種類の異画質画像を生成し、各異画質画像が当該データベース画像と同一と判断される認識精度を画質毎に算出する画質毎認識精度算出手段、成功率に対する各画質の認識精度を、各画質の性能発揮率として算出する性能発揮率算出手段、として機能させ、画質を表す客観的指標として性能発揮率を求めるものである。

本発明によれば、個人差が生じにくく画質の程度が直観的にわかりやすい客観的な指標を提供することができる。

また、性能発揮率と画質との関係を関数にて表すことができる。

また、ユーザにより指定された性能発揮率に対応する画質により画像をユーザに提示することができる。

また、性能発揮率と画質の異なるサンプル画像とを対応付けしてユーザに提示するようにしたので、ユーザに性能発揮率を選択しやすくすることができる。

本発明に係る映像監視システムの一実施の形態である画像処理装置を示したブロック構成図である。 本実施の形態における画像処理装置のハードウェア構成図である。 本実施の形態におけるデータベース画像蓄積部に蓄積されるデータベース画像の例を示した概念図である。 本実施の形態における性能発揮率算出処理を示したフローチャートである。 本実施の形態における異画質画像蓄積部に記憶される異画質画像の例を示した概念図である。 本実施の形態における性能発揮率算出処理により得られる客観的画質指標と性能発揮率との関係をグラフ形式にて示した図である。 本実施の形態における性能発揮率関数を示した図である。 本実施の形態における画質サンプル表を示した図である。

以下、図面に基づいて、本発明の好適な実施の形態について説明する。

図１は、本発明に係る映像監視システムの一実施の形態である画像処理装置１０を示したブロック構成図である。また、図２は、本実施の形態における画像処理装置１０を形成するコンピュータのハードウェア構成図である。本実施の形態において画像処理装置１０を形成するコンピュータは、パーソナルコンピュータ（ＰＣ）等従前から存在する汎用的なハードウェア構成で実現できる。すなわち、コンピュータは、図２に示したようにＣＰＵ３１、ＲＯＭ３２、ＲＡＭ３３、ハードディスクドライブ（ＨＤＤ）３４、入力手段として設けられたマウス３５とキーボード３６、及び表示装置として設けられたディスプレイ３７をそれぞれ接続する入出力コントローラ３８、通信手段として設けられたネットワークコントローラ３９を内部バス４０に接続して構成される。

図１に戻り、本実施の形態における画像処理装置１０は、成功率算出部１１、異画質画像生成部１２、性能発揮率算出部１３、要求画質受付部１４、画像取得部１５、画像変換部１６、画像提示部１７、データベース画像蓄積部２１、認識対象画像蓄積部２２、異画質画像蓄積部２３及び性能発揮率記憶部２４を有している。成功率算出部１１は、認識対象画像蓄積部２２に登録された各認識対象画像をデータベース画像蓄積部２１に登録されたデータベース画像と比較した結果、データベース画像蓄積部２１に登録されたデータベース画像の中から当該認識対象画像と同じ画像が正しく選択される確率を成功率として算出する。異画質画像生成部１２は、画質毎認識精度算出手段として設けられ、データベース画像蓄積部２１に登録された全て又は一部のデータベース画像それぞれの、当該データベース画像と画質の異なるｎ（ｎは自然数）種類の異画質画像を生成し、各異画質画像が当該データベース画像と同一と判断される認識精度を画質毎に算出する。性能発揮率算出部１３は、成功率算出部１１により算出された成功率に対する、異画質画像生成部１２により算出された各画質の認識精度を、各画質の性能発揮率として算出し、性能発揮率記憶部２４に保存する。

要求画質受付部１４は、性能発揮率と、データベース画像蓄積部２１に登録されたデータベース画像の中から選出された１又は複数のデータベース画像を当該性能発揮率に対応する画質にて符号化して生成されたサンプル画像とを対応付けして画質サンプル表を作成してユーザに提示する。また、性能発揮率の中から、画質サンプル表を参照したユーザにより選択された性能発揮率を受け付ける。画像取得部１５は、ユーザにより変換対象として指定された原画像を取得する。画像変換部１６は、要求画質受付部１４に受け付けられた性能発揮率に応じた画質の画像を、画像取得部１５により取得された原画像を符号化することで生成する。画像提示部１７は、画像変換部１６により生成された画像をユーザに提示する。

図３は、本実施の形態におけるデータベース画像蓄積部２１に蓄積されるデータベース画像の例を示した概念図である。本実施の形態では、処理対象の画像として顔画像を用いる場合で説明する。データベース画像蓄積部２１には、正面あるいは上下左右を向いた顔など、各人物の顔画像が登録されている。本実施の形態では、人物毎に当該人物を識別するラベルが割り振る。なお、データベース画像蓄積部２１に同一人物の顔画像が複数登録されている場合、各顔画像には同じラベルが割り振られる。

認識対象画像蓄積部２２には、１又は複数の人物の顔画像が認識対象画像として登録されている。認識対象画像蓄積部２２に登録される顔画像は、同一人物に対しデータベース画像蓄積部２１に登録された顔画像と必ずしも同一画像である必要はない。例えば、データベース画像は正面を向き、認識対象画像は右を向いていてもよい。但し、同一人物の顔画像であれば、認識対象画像蓄積部２２に登録される各認識対象画像に対してデータベース画像と同じ当該人物のラベルが割り振られる。

ある人物の顔画像は、データベース画像蓄積部２１及び認識対象画像蓄積部２２の双方に登録される必要はなく、どちらか一方に登録されていてもよい。

画像処理装置１０における各構成要素１１〜１７は、画像処理装置１０を形成するコンピュータと、コンピュータに搭載されたＣＰＵ３１で動作するプログラムとの協調動作により実現される。また、各記憶手段２１〜２４は、画像処理装置１０に搭載されたＨＤＤ３４にて実現される。あるいは、ＲＡＭ３３又は外部にある記憶手段をネットワーク経由で利用してもよい。

また、本実施の形態で用いるプログラムは、通信手段により提供することはもちろん、ＣＤ−ＲＯＭやＵＳＢメモリ等のコンピュータ読み取り可能な記録媒体に格納して提供することも可能である。通信手段や記録媒体から提供されたプログラムはコンピュータにインストールされ、コンピュータのＣＰＵがプログラムを順次実行することで各種処理が実現される。

監視システムを新規に導入する際、監視システムの仕様を決定する管理者等（以下、単に「管理者」）は、監視カメラにより撮影された画像をどの画質レベルで保存するのかということを、システムを提供するサービス会社の開発者や担当者（以下、単に「開発者」）に伝える必要がある。このとき、「普通」や「人の顔が認識できる程度」など主観的感覚的な表現では個人差が生じやすいため、管理者が要求している画質が正確に開発者等に伝わるとは限らない。一方、管理者は、画質を表すＳＮＲなどの一般的な客観的指標値がどの程度の画質を示しているのかわからない。

そこで、本実施の形態においては、個人差が生じにくく画質の程度が直観的にわかりやすい客観的な指標として「性能発揮率」という指標を提案する。以下、本実施の形態における性能発揮率算出処理を図４に示したフローチャートを用いて説明する。

本実施の形態では、前述したデータベース画像及び認識対象画像を予め用意している。データベース画像としては任意の画質の画像を用いてよいが、最高画質に設定したカメラの撮影画像と同等の高画質の画像を用意するのが好適である。認識対象画像においても同様である。

ステップ１１０において、成功率算出部１１は、認識対象画像蓄積部２２に登録された認識対象画像を順番に抽出する。そして、成功率算出部１１は、所定の画像認識処理を実施して、当該認識対象画像をデータベース画像蓄積部２１に登録された各データベース画像と比較し、データベース画像蓄積部２１に登録されたデータベース画像の中から当該認識対象画像と同一人物の顔画像が正しく選択されるかどうかを判定する。すなわち、当該認識対象画像のラベルと選択したデータベース画像のラベルとを比較し、一致していれば、正しく選択されていることになる。この判定処理を全ての認識対象画像に対して繰り返し実行する。そして、成功率算出部１１は、認識対象画像の数に対する正しく選択された数、すなわち正しく選択される確率を成功率として算出する。例えば、１００の認識対象画像のうち９５の認識対象画像がデータベース画像蓄積部２１の中から同一人物のデータベース画像を正しく選択できた場合、成功率は９５％と算出される。

なお、認識対象画像蓄積部２２に顔画像が登録されている人物の顔画像が、データベース画像蓄積部２１には登録されていない場合、正常に顔画像の認識処理が実行されれば、該当する人物の顔画像は選択されない。従って、この場合は、例えば「該当無し」とするなどして失敗に含めないようにする。そして、正常に顔画像の認識処理ができているので成功としてもよいし、成功にも失敗にもカウントしないようにしてもよい。

前述したようなデータベース画像蓄積部２１及び認識対象画像蓄積部２２を用いた成功率の算出方法として、累積照合特性（ＣＭＣ：Ｃｕｍｕｌａｔｉｖｅ Ｍａｔｃｈｉｎｇ Ｃｈａｒａｃｔｅｒｉｓｔｉｃ）を使用するのが一般的である。ＣＭＣとは、類似度の上位ｎ件中に正解が含まれている確率をグラフにしたもので、例えばｎ＝１０とすれば上位１０件中に正解が含まれている確率を成功率と定義する。ＣＭＣは、データベースが大きいほど値が小さくなるので、データベースの大きさに合わせてｎの値を設定するのが好適である。

成功率の定義として上記例を示したが、成功率としてはこれに限らず、例えばＦＭＲ（Ｆａｌｓｅ Ｍａｔｃｈ Ｒａｔｅ）、ＦＮＭＲ（Ｆａｌｓｅ Ｎｏｎ−Ｍａｔｃｈ Ｒａｔｅ）のような尺度を用いてもよいし、再現性がある(同じデータのとき同じ値が計算できる)ならば、これに限定する必要はない。ＦＭＲとは、認識対象画像に対しデータベース画像それぞれと同一人物かどうかの判定を画像同士の距離尺度(例えば、バタチャリヤ距離)に基づき判定した場合、同一人物と判定した中に他人が入っている確率である。ＦＮＭＲとは、認識対象画像に対しデータベース画像それぞれと同一人物かどうかの判定を類似度に基づき判定した場合、他人と判定した中に同一人物が含まれている確率である。

ステップ１２０において、異画質画像生成部１２は、データベース画像蓄積部２１に登録されたデータベース画像それぞれに対して、当該データベース画像と画質の異なるｎ種類の異画質画像を生成する。本実施の形態では、全てのデータベース画像の異画質画像を生成するものとして説明する。この異画質画像の生成処理について図５を用いて説明する。

１つのデータベース画像に着目して説明すると、異画質画像生成部１２は、データベース画像蓄積部２１の中から１つのデータベース画像を取り出す。そして、異画質画像生成部１２は、所定の符号化処理を実施して、予め設定されているｎ個のパラメータ（例えば、ビットレート）それぞれを用いてデータベース画像を符号化する。本実施の形態において実施する符号化処理というのは、データベース画像の画質を、指定された画質レベルに劣化（低下）させて異なる画質の画像を生成するデータ変換処理のことをいう。例えば、Ｈ．２６４／ＡＶＣを用いると、異画質画像生成部１２は、符号化データを一度復号し、符号化パラメータを変更してビットレートを制御することで異なるビットレートの符号化データを生成する。

このようにして、異画質画像生成部１２は、データベース画像から画質を低下させたｎ種類の画像を生成する。本実施の形態では、このようにデータベース画像から生成される異なる画質の画像を「異画質画像」と称している。異画質画像生成部１２は、以上の符号化処理を各データベース画像に対して実施することで、図５に例示したように画質１から画質ｎまでの異画質画像を生成し、画質毎にグループ化して異画質画像蓄積部２３に保存する。なお、各画質グループには、データベース画像数の画像が含まれる。

異画質画像を生成すると、異画質画像生成部１２は、ステップ１３０において、画質毎の認識率を算出する。すなわち、異画質画像生成部１２は、ステップ１１０において用いたのと同じ画像認識処理を実施して、ｎ個の画質グループ毎に、各異画質画像が当該データベース画像と同一と判断される認識精度（認識率）を算出する。例えば、画質１のグループに着目すると、当該グループに含まれる一の異画質画像と当該異画質画像の生成のもととなったデータベース画像とを比較する。そして、異画質画像とデータベース画像とが同一かを判定する。例えば、ステップ１１０において用いたのと同じ画像認識処理により得られる類似度が所定の閾値以上の場合を同一であると判断する。この判定処理を画質１のグループに含まれる全ての異画質画像に対して実行する。そして、異画質画像生成部１２は、異画質画像の数に対する同一と判定された数を認識率として算出する。例えば、同じ画質グループに含まれる１００の異画質画像によるデータベース画像との比較によって６０の異画質画像が当該データベース画像と同一と判断された場合、当該画質における認識率は６０％と算出される。異画質画像生成部１２は、算出した認識率を当該各画質グループに対応付けて異画質画像蓄積部２３に保存する。

なお、画質グループの数（ｎ）を多くするほど、後述する処理で求める性能発揮率の精度を向上させることができるが、多くしすぎると処理負荷が大きくなるため、適切な値（ｎ）を設定するのが好適である。

また、上記説明したステップ１１０とステップ１２０，１３０は、逆の順番に処理しても同時並行して処理してもよい。

ステップ１４０において、性能発揮率算出部１３は、上記ステップ１１０〜１３０による処理結果を用いて性能発揮率を算出する。すなわち、性能発揮率算出部１３は、データベース画像に基づく算出された成功率に対する画質グループ毎に算出した認識率、すなわち、（各画質グループの認識率）／成功率を各画質グループの性能発揮率として算出する。

続いて、性能発揮率算出部１３は、ステップ１５０において、算出した性能発揮率と画質との関係を関数化する。図６は、画質（客観的画質指標）と性能発揮率との関係を示した概念図である。客観的画質指標というのは、画質を客観的に示す指標であり、例えばＳＮＲである。上記の通り、性能発揮率はｎ個の離散的な値として算出されるが、図６では、客観的画質指標と性能発揮率との関係を、所定の手法を用いて関数化し連続線として表している。図７には、関数化するための一例として回帰式ｙ＝ａｘ＋ｂと、回帰式における各係数ａ，ｂの算出式が示されている。但し、ｘは性能発揮率、ｙは画質（客観的画質指標）、ｎは前述した画質の種類（画質グループ）の数である。

性能発揮率算出部１３は、以上のようにステップ１４０において求めた画質毎の性能発揮率及びステップ１５０において求めた画質と性能発揮率との関係を示す関数（以下、「性能発揮率関数」とも称する）を性能発揮率記憶部２４に登録する。

以上のようにして、画質を表す客観的な指標として性能発揮率を算出する。そして、監視システムの管理者は、監視カメラによる撮影画像をどの画質にて保存するかということを、次のようにして決める。なお、前述した性能発揮率を算出する処理を事前に実施しておき、以下に説明する撮影画像の画質の決定処理では、算出済みの性能発揮率を参照するようにしてもよい。

図８は、性能発揮率と当該画質によるサンプル画像とを対応付けした画質サンプル表を示した図である。要求画質受付部１４は、例えば、図８に例示した画質サンプル表をプリントアウトしたり、画面に表示したり、管理者が使用する端末へ送信したりするなどして管理者に提示する。本実施の形態では、ディスプレイ３７に表示して管理者に提示することを想定して説明する。

要求画質受付部１４は、画質サンプル表を次のようにして作成し、画面表示する。すなわち、要求画質受付部１４は、サンプル画像として利用する１又は複数のデータベース画像をデータベース画像蓄積部２１から取得し、その取得した各データベース画像を、予め設定された複数の性能発揮率それぞれに対応する画質となるパラメータ（例えば、ビットレート）にて符号化する。図８に示した画質サンプル表の例では、１０％刻みとなる性能発揮率が設定されている。従って、９０％、８０％、・・・という性能発揮率を性能発揮率記憶部２４に記憶された性能発揮率関数に代入することで画質を算出し、算出した各画質に対応するパラメータにてデータベース画像を符号化してサンプル画像を生成する。

なお、要求画質受付部１４は、画質サンプル表を自動的に作成するのではなく、管理者からの要求に応じて作成するようにしてもよい。例えば、データベース画像蓄積部２１に登録されているデータベース画像を画面に表示するなどして管理者に提示し、その提示したデータベース画像の中から画質サンプル表に含める画像を選択させるようにしてもよい。あるいは、要求画質受付部１４が自動的に作成した画質サンプル表に対し、管理者に更に加えたいデータベース画像を選択させたり、削除したいデータベース画像を選択させたりしてもよい。この際、データベース画像からサンプル画像を生成する画像認識処理を管理者に選択できるようにしてもよい。

また、本実施の形態では、要求画質受付部１４が画質サンプル表を管理者に提示するときにサンプル画像を生成するようにするが、異画質画像蓄積部２３の中から抽出して画質サンプル表に含めるようにしてもよい。

管理者は、ディスプレイ３７に表示された画質サンプル表のデータベース画像（オリジナル画像）及び符号化により生成されたサンプル画像を参照し、どのレベルの画質を要求するかを決め、これにより性能発揮率が決定される。ここで、管理者が、テスト用の画像を持っているのであれば、画像取得部１５は、そのテスト画像を取得する。そして画像変換部１６は、その取得した画像を、決定された性能発揮率に対応する画質（ビットレート）でデータ変換（符号化）を行う。画像提示部１７は、符号化後の画像をディスプレイ３７に表示するなどして管理者に提示する。管理者は、このようにして監視カメラにより撮影された画像を保存するための画像の画質が用途に即した画質であるかを検証できる。

本実施の形態によれば、以上説明したように成功率に対する各画質の認識率によって性能発揮率を算出し、その性能発揮率を、画質を表す客観的な指標として管理者に提示するようにした。客観的な指標として代表されるＳＮＲを用いることを想定すると、管理者は、具体的な数値を指定することは困難であると考えられる。これに対し、本実施の形態によれば、データベース画像の画質に対する、保存しようとする画像の画質の劣化度合いを性能発揮率という客観的な指標にて提示することができるので、性能発揮率は、ＳＮＲと画質を表す同じ客観的な指標でも画質のレベルが直観的にわかりやすい。

以上のようにして、性能発揮率が決定され、保存すべき画像の画質レベルが決定されると、監視システムの導入後、監視カメラにより撮影された画像は、決定された性能発揮率に対応する画質（ビットレート）にデータ変換され蓄積されることになる。

なお、本実施の形態では、画像サンプル表に含める性能発揮率の刻み幅として１０％を例にしたが、この刻み幅は任意でよく、また刻み幅を必ずしも一定とする必要はない。また、画像サンプル表に含める性能発揮率の数も適宜決めればよい。また、本実施の形態では、性能発揮率と画質との関係を関数にて得ているので、仮に管理者の要求が８５％と画質サンプル表に含まれていない性能発揮率を要求する場合にも、その要求された性能発揮率を性能発揮率関数に代入することで容易にサンプル画像の画質を特定でき、サンプル画像を提供することが可能である。また、本実施の形態では、サンプル画像のデータベース画像（オリジナル画像）と性能発揮率関数とからオリジナル画像の画質を劣化させてサンプル画像を生成して画質サンプル表を作成したが、サンプル画像として異画質画像を利用してもよい。

また、本実施の形態では、図に示した性能発揮率算出処理によって性能発揮率関数を得ることを目的としているので、構成要素１４〜１７によるそれ以降の処理は、別の画像処理装置にて実現してもよい。この場合、当該別装置にサンプル画像のデータベース画像及び性能発揮率関数を複写して持たせたり、あるいは当該別装置からデータベース画像蓄積部２１及び性能発揮率記憶部２４をアクセス可能に設定したりする必要はある。

また、本実施の形態では、データベース画像として顔画像を用いたが、それ以外の種類の画像、若しくはそれ以外の種類の画像と混在させてデータベース画像を構成してもよい。

また、本実施の形態では、本発明に係る映像監視システムを１台の画像処理装置１０にて実現した場合を例にして説明したが、図１に示した機能ブロックを複数の画像処理装置１０を分けて実現してもよい。

１０ 画像処理装置、１１ 成功率算出部、１２ 異画質画像生成部、１３ 性能発揮率算出部、１４ 要求画質受付部、１４ 要求画質受付部、１５ 画像取得部、１６ 画像変換部、１７ 画像提示部、２１ データベース画像蓄積部、２２ 認識対象画像蓄積部、２３ 異画質画像蓄積部、２４ 性能発揮率記憶部、３１ ＣＰＵ、３２ ＲＯＭ、３３ ＲＡＭ、３４ ハードディスクドライブ（ＨＤＤ）、３５ マウス、３６ キーボード、３７ ディスプレイ、３８ 入出力コントローラ、３９ ネットワークコントローラ、４０ 内部バス。

Claims (5)

1. 複数の画像がデータベース画像として登録されたデータベース画像記憶手段と、
   複数の画像が認識対象画像として登録された認識対象画像記憶手段と、
   前記認識対象画像記憶手段に登録された各認識対象画像を前記データベース画像記憶手段に登録されたデータベース画像と比較した結果、前記データベース画像記憶手段に登録されたデータベース画像の中から当該認識対象画像と同じ画像が正しく選択される確率を成功率として算出する成功率算出手段と、
   前記データベース画像記憶手段に登録された全て又は一部のデータベース画像それぞれの、当該データベース画像と画質の異なるｎ（ｎは自然数）種類の異画質画像を生成し、各異画質画像が当該データベース画像と同一と判断される認識精度を画質毎に算出する画質毎認識精度算出手段と、
   成功率に対する各画質の認識精度を、各画質の性能発揮率として算出する性能発揮率算出手段と、
   を有し、
   画質を表す客観的指標として性能発揮率を求めることを特徴とする映像監視システム。
2. 前記性能発揮率算出手段に算出された性能発揮率と画質を表す他の客観的指標との関係を示す関数を求める手段を有することを特徴とする請求項１に記載の映像監視システム。
3. 原画像を取得する取得手段と、
   請求項１に記載の映像監視システムにより求められた性能発揮率の中から、ユーザにより選択された性能発揮率を受け付ける受付手段と、
   前記受付手段に受け付けられた性能発揮率に応じた画質の画像を、原画像を符号化することで生成する符号化手段と、
   前記符号化手段により生成された画像をユーザに提示する提示手段と、
   を有することを特徴とする映像監視システム。
4. 性能発揮率と、前記データベース画像記憶手段に登録されたデータベース画像の中から選出された１又は複数のデータベース画像を当該性能発揮率に対応する画質にて符号化して生成されたサンプル画像とを対応付けしてユーザに提示する画質サンプル提示手段を有することを特徴とする請求項１乃至３のいずれか１項に記載の映像監視システム。
5. 複数の画像がデータベース画像として登録されたデータベース画像記憶手段及び複数の画像が認識対象画像として登録された認識対象画像記憶手段をアクセス可能なコンピュータを、
   前記認識対象画像記憶手段に登録された各認識対象画像を前記データベース画像記憶手段に登録されたデータベース画像と比較した結果、前記データベース画像記憶手段に登録されたデータベース画像の中から当該認識対象画像と同じ画像が正しく選択される確率を成功率として算出する成功率算出手段、
   前記データベース画像記憶手段に登録された全て又は一部のデータベース画像それぞれの、当該データベース画像と画質の異なるｎ（ｎは自然数）種類の異画質画像を生成し、各異画質画像が当該データベース画像と同一と判断される認識精度を画質毎に算出する画質毎認識精度算出手段、
   成功率に対する各画質の認識精度を、各画質の性能発揮率として算出する性能発揮率算出手段、
   として機能させ、
   画質を表す客観的指標として性能発揮率を求めることを特徴とするプログラム。