JP6922999B2 - 情報処理装置、情報処理方法およびプログラム - Google Patents

Description

本発明は、情報処理装置、情報処理方法およびプログラムに関する。

特許文献１には、時系列に沿って因果関係を有する内容の時系列データに対して、高速な分析処理を行う情報処理装置が開示されている。この装置は、因果関係を有する内容が同一の部分データ内に含まれるように、時系列データの一部を重複させながら分割し、その部分データを複数のノードに並行して処理させる。これにより、分析処理の精度を維持しつつ高速な分析処理を可能としている。

特開２００６−２５２３９４号公報

しかしながら、特許文献１の技術では、時系列データの一部が重複するように分割されるため、時系列データの分割幅が長くなり、処理のリアルタイム性を維持することが困難となり得る。リアルタイム性を維持するために、時系列データを分割する際の重複幅を短くすると、分析処理の精度が悪化する。

本発明は、上述の課題に鑑みてなされたものであって、時系列データを分割して分析処理を行う際に、リアルタイム性を維持しつつ高精度な分析処理を行うことが可能な情報処理装置、情報処理方法およびプログラムを提供することを目的とする。

本発明の一観点によれば、時系列に入力される複数のデータであって、前記データ間の少なくとも一部で関連性を有する時系列データを受信する入力部と、前記時系列データを第１の分割幅で時分割し、前記第１の分割幅による前記時系列データの第１の分析処理を分析システムに実行させるとともに、前記時系列データを前記第１の分割幅よりも長い第２の分割幅で時分割し、前記第２の分割幅による前記時系列データの第２の分析処理を前記分析システムに実行させる分割部とを備え、前記時系列データは、動画像データから検出された被写体情報を表し、前記時系列データに含まれる所定時間内の被写体数に基づいて、前記第１の分析処理および前記第２の分析処理を実行させる多重モードと、前記第２の分析処理を停止させる単モードとのいずれかのモードを選択する決定部を備えることを特徴とする情報処理装置が提供される。

本発明の他の観点によれば、情報処理装置が、時系列に入力される複数のデータであって、前記データ間の少なくとも一部で関連性を有する時系列データを受信するステップと、前記時系列データを第１の分割幅で時分割し、前記第１の分割幅による前記時系列データの第１の分析処理を分析システムに実行させるとともに、前記時系列データを前記第１の分割幅よりも長い第２の分割幅で時分割し、前記第２の分割幅による前記時系列データの第２の分析処理を前記分析システムに実行させるステップとを実行し、前記時系列データは、動画像データから検出された被写体情報を表し、前記情報処理装置は、前記時系列データに含まれる所定時間内の被写体数に基づいて、前記第１の分析処理および前記第２の分析処理を実行させる多重モードと、前記第２の分析処理を停止させる単モードとのいずれかのモードを選択するステップを実行することを特徴とする情報処理方法が提供される。

本発明の他の観点によれば、時系列に入力される複数のデータであって、前記データ間の少なくとも一部で関連性を有する時系列データを受信するステップと、前記時系列データを第１の分割幅で時分割し、前記第１の分割幅による前記時系列データの第１の分析処理を分析システムに実行させるとともに、前記時系列データを前記第１の分割幅よりも長い第２の分割幅で時分割し、前記第２の分割幅による前記時系列データの第２の分析処理を前記分析システムに実行させるステップとをコンピュータに実行させ、前記時系列データは、動画像データから検出された被写体情報を表し、前記時系列データに含まれる所定時間内の被写体数に基づいて、前記第１の分析処理および前記第２の分析処理を実行させる多重モードと、前記第２の分析処理を停止させる単モードとのいずれかのモードを選択するステップを前記コンピュータに実行させることを特徴とするプログラムが提供される。

本発明によれば、時系列データを分割して分析処理を行う際に、リアルタイム性を維持しつつ高精度な分析処理を行うことが可能な情報処理装置、情報処理方法およびプログラムが提供される。

第１実施形態に係る監視システムの概略図である。 第１実施形態に係るデータ分割装置のブロック図である。 第１実施形態に係る被写体／精度モデルの一例である。 第１実施形態に係る被写体／精度モデルの一例である。 第１実施形態に係る被写体間の近接関係を示す概念図である。 第１実施形態に係る被写体間の近接関係を示す概念図である。 第１実施形態に係る被写体／負荷モデルの一例である。 第１実施形態に係る負荷／精度モデルの一例である。 第１実施形態に係るデータ分割装置のハードウェアブロック図である。 第１実施形態に係るデータ分割装置の動作を表すフローチャートである。 第１実施形態に係る精度算出処理の詳細なフローチャートである。 第１実施形態に係る被写体／精度モデルによる分析精度の算出例である。 第１実施形態に係る被写体／精度モデルによる分析精度の算出例である。 第１実施形態に係る被写体数に応じた分析精度の算出例を示すテーブルである。 第１実施形態に係る被写体／負荷モデルによる分析負荷の算出例である。 第１実施形態に係る負荷／精度モデルによる分析精度の算出例である。 第１実施形態に係る負荷／精度モデルによる分析精度の算出例である。 第１実施形態に係る処理負荷に応じた分析精度の算出例を示すテーブルである。 第１実施形態に係る分析精度の統合値の算出例を示すテーブルである。 第２実施形態に係る情報処理装置の概略構成図である。

［第１実施形態］
図１は、本実施形態に係る監視システムの概略図である。監視システム１０は、例えば、不審者をリアルタイムに発見し、犯罪を未然に防止するためのシステムであって、監視カメラ１０１、画像解析装置１０２、分散処理装置１０３、表示装置１０４、データベース（ＤＢ）１０５を備える。監視カメラ１０１は、空港、駅、ショッピングモールなどの人の往来がある監視区域１１に設置され、所定のフレームレートで画像データ（動画像データ）の撮像を行う。監視カメラ１０１の数は限定されず、同一の監視区域１１内に数百から数千程度の監視カメラ１０１が設置され得る。

監視カメラ１０１は、撮像素子、Ａ／Ｄ（Analog/Digital）変換回路、画像処理回路を含む。監視カメラ１０１は、撮像素子から得られたアナログの画像信号をデジタルのＲＡＷデータに変換するとともに、ＲＡＷデータに対して所定の画像処理を行って、所定の形式で符号化された動画像データを生成することができる。

画像解析装置１０２は、監視カメラ１０１からの動画像データの内容をリアルタイムに解析し、解析により得られた情報を含むデータを出力する。例えば、画像解析装置１０２は、動画像データから被写体（人物、物体など）を検出して、被写体情報を生成することができる。被写体情報は、被写体数、各被写体の識別情報などであって、例えば動画像データのフレーム毎に生成される。被写体情報を含むデータは、画像解析装置１０２により継続的に生成され、分散処理装置１０３に対して時系列に逐次入力される。このように、被写体情報を含む複数のデータは、時系列データとして分散処理装置１０３に入力され、データ間の少なくとも一部で関連性を有している。

なお、本実施形態において、画像解析装置１０２は監視カメラ１０１毎に設けられているが、この構成に限定されない。画像解析装置１０２は、各監視カメラ１０１からの動画像データをリアルタイムに解析し、解析結果を時系列データとして分散処理装置１０３に入力することが可能なものであればよい。例えば、複数の監視カメラ１０１からの複数種類の動画像データに対して、１つの画像解析装置１０２で解析を行うように構成されてもよい。また、画像解析装置１０２を監視カメラ１０１または分散処理装置１０３と一体に構成することも可能である。

分散処理装置１０３は、データ分割装置１００、分析クラスタ（分析システム）１１０を含む。画像解析装置１０２からの時系列データは、データ分割装置１００により時分割されて分析クラスタ１１０において分散処理される。分析クラスタ１１０は複数のノードを含み、各ノードはコンピュータまたはプロセッサなどから構成され得る。分析クラスタ１１０は、分散処理装置１０３と別体に設けられていてもよく、また、ネットワーク上に配置された複数のクラウドサーバなどから構成されてもよい。

分析クラスタ１１０は、データ分割装置１００で時分割された時系列データに対して、分析処理を行う。時系列データは、時分割により関連性の一部が欠損しており、分析処理は、欠損した関連性を復元するための処理を含む。分析処理では、例えば、被写体情報に基づいて、特定の被写体に対し、これまでに直接的に接近した被写体、または他の被写体を介して間接的に近くにいたと思われる被写体などが即座に（例えば数秒以内に）検出される。すなわち、被写体同士の関連性の検出が行われる。分析処理の分析結果は、不審な置去物に対する持ち主候補の発見、犯罪者に対し接触した人物の発見などを支援するために使用することができる。

表示装置１０４は、パーソナルコンピュータ、監視サーバなどであって、分析クラスタ１１０からの分析結果を表示する。データベース１０５は、ハードディスク、ストレージサーバなどに設けられ、分析クラスタ１１０からの分析結果を格納する。表示装置１０４、データベース１０５は、直接にまたはネットワークを介して分散処理装置１０３と接続される。

図２は、本実施形態に係るデータ分割装置１００のブロック図である。データ分割装置１００は、入力部２０１、算出部２０２、計測部２０３、モデル記憶部２０４、多重化部２０５、分割部２０６、決定部２０７を備える。入力部２０１は、データ分割装置１００の外部（画像解析装置１０２）から分析処理の対象となる時系列データを受信する。データ分割装置１００は、本発明による情報処理装置の一実施形態である。

算出部２０２は、入力部２０１で受信された時系列データの所定時間内の入力データ量を算出する。本実施形態では、時系列データとして被写体情報が入力され、所定時間内の被写体数が算出される。ここで被写体数は、画像データに含まれる被写体の混雑度と言い換えてもよい。

計測部２０３は、分析クラスタ１１０から負荷情報を取得する。分析クラスタ１１０では、別の時系列データに対する分析処理などの他の処理が行われており、ここで取得される負荷情報は、当該他の処理に起因する処理負荷の情報である。モデル記憶部２０４には、被写体／精度モデル、被写体／負荷モデル、負荷／精度モデルが予め記憶されている。これらのモデルについては、図３Ａ〜図６を用いて後述する。

多重化部２０５は、入力部２０１で受信された時系列データの多重化を行う。例えば、多重化部２０５は、時系列データを複製して同一の時系列データを生成する。これら２つの時系列データは、多重化部２０５から分割部２０６に入力される。

分割部２０６は、多重化部２０５からの一方の時系列データを短時分割幅（第１の分割幅）で時分割するともに、多重化部２０５からの他方の時系列データを長時分割幅（第２の分割幅）で時分割する。短時分割幅は例えば１秒であり、長時分割幅は例えば１０秒である。時系列データを短時分割幅で分割して分析処理を行うことにより、リアルタイム性の高い分析結果を取得することができる。また、時系列データを長時分割幅で分割して分析処理を行うことにより、分析精度の高い分析結果を取得することができる。時分割された時系列データ（分割データ）は、分割部２０６から分析クラスタ１１０に送信され、分析クラスタ１１０において、第１の分割幅による第１の分析処理と第２の分割幅による第２の分析処理とが並行して実行される。

決定部２０７は、算出部２０２により算出された被写体数に基づいて、第１の分析処理および第２の分析処理を実行させる多重モードと、第２の分析処理を停止させる単モードとのいずれかの動作モードを選択する。すなわち、決定部２０７は、多重モードと単モードとの間で動作モードの切り替えを行う。決定部２０７は、モデル記憶部２０４に記憶されている各種モデルを用いて、多重モードと単モードのそれぞれで得られる分析精度を被写体数に基づいて算出し、多重モードと単モードのうち、より高い分析精度が得られる動作モードを選択する。ここで分析精度は、欠損した関連性の復元度合いを示す。

図３Ａおよび図３Ｂは、本実施形態に係る被写体／精度モデルの一例である。被写体／精度モデルは、被写体数に応じた分析精度の予測値をモデル化したものであって、過去の統計データなどに基づいて事前に作成される。

図３Ａは、短時分割幅による第１の分析処理における、被写体数と分析精度との関係を示すグラフである。このグラフは、以下の式（１）で規定されるモデルを図示したものである。
分析精度＝被写体数＊０．２２５−０．１［１≦被写体数≦４の場合］、
被写体数＊０．０２５＋０．７［被写体数＞４の場合］ ・・・式（１）

また、図３Ｂは、長時分割幅による第２の分析処理における、被写体数と分析精度との関係を示すグラフである。このグラフは、以下の式（２）で規定されるモデルを図示したものである。
分析精度＝被写体数＊０．０２５＋０．７［１≦被写体数の場合］ ・・・式（２）

図３Ａおよび図３Ｂに示されるような、被写体数に応じた分析精度を特に分析精度ａで表す。分析精度ａは、被写体数と比例関係にあり、被写体数が多くなるほど高くなる。被写体／精度モデルについて、図４Ａおよび図４Ｂを用いてさらに説明する。

図４Ａは、短時分割幅で時系列データが時分割されたときの、被写体間の近接関係を示す概念図である。上段は被写体数が少ない場合を表し、下段は被写体数が多い場合を表している。また、図４Ｂは、長時分割幅で時系列データが時分割されたときの、被写体間の近接関係を示す概念図である。図４Ａと同様に、上段は被写体数が少ない場合を表し、下段は被写体数が多い場合を表している。

図４Ａおよび図４Ｂにおいて、横軸方向、縦軸方向はそれぞれ時間、距離を表し、縦線で区切られた１区画は、１つの分割データに対応する。長時分割幅を短時分割幅の４つ分とし、所定時間を長時分割幅の長さに等しいものとすると、被写体数が少ない場合（上段）の被写体数は３（被写体４０１〜４０３）であり、被写体数が多い場合（下段）の被写体数は５（被写体４１１〜４１５）である。

図４Ａの上段のように、短時分割幅で被写体数が少ない場合、互いに近接する被写体４０１と被写体４０２が異なる分割データに含まれてしまうことが多い。分析クラスタ１１０において、分割データはそれぞれ独立して分析処理されるため、被写体４０１と被写体４０２との関連性すなわち、被写体４０１と被写体４０２とが互いに近接していることは検出されない。被写体４０２と被写体４０３との関連性についても同様に検出されない。

図４Ａの下段のように、短時分割幅で被写体数が多い場合であっても、互いに近接する被写体４１１と被写体４１３が異なる分割データに含まれてしまうことが多い。しかしながら、被写体数が多い（すなわち混雑度が高い）ことから、被写体４１２のように、被写体４１１が含まれる分割データと被写体４１３が含まれる分割データとの両方に含まれる第３の被写体が存在する可能性が高くなる。分割データがそれぞれ分析処理されることにより、被写体４１１と被写体４１２との関連性が検出され、また、被写体４１２と被写体４１３との関連性も検出される。よって、時分割によって欠損してしまった被写体４１１と被写体４１３との関連性を容易に復元することができる。同様に、被写体４１３と被写体４１５との関連性についても、被写体４１４を介して復元することができる。分析精度は、このような欠損した関連性の復元度合いを示す指標であって、０から１．０までの値で表される。分析精度は、欠損した関連性をすべて復元できる場合に１．０となる。

したがって、図３Ａに示したように、短時分割幅による第１の分析処理の分析精度ａは、被写体数が多くなるほど高くなり、１．０に近づく。特に、被写体数が少ない（例えば４以下）場合は、分析精度ａの被写体数毎の悪化率（すなわちグラフの傾き）が大きい。

また、図４Ｂの上段のように、長時分割幅で被写体数が少ない場合、互いに近接する被写体４０１と被写体４０２が１つの分割データ内に含まれることが多い。よって、分析処理により被写体４０１と被写体４０２との関係性が検出される。被写体４０２と被写体４０３との関係性についても同様に検出される。さらに、図４Ｂの下段のように、長時分割幅で被写体数が多い場合も、互いに近接する被写体４１１〜４１３および被写体４１３〜４１５が１つの分割データ内に含まれることが多い。よって、分析処理により被写体４１１〜４１３間の関係性および被写体４１３〜４１５間の関係性が検出される。

このように、長時分割幅で時分割を行う場合には、被写体数が少ない場合であっても分析精度ａの悪化量は比較的少ない。したがって、図３Ａおよび図３Ｂの比較からも分かるように、長時分割幅による第２の分析処理による分析精度ａは、短時分割幅での第１の分析処理による分析精度ａに対して、被写体数が少なくなるほど相対的に高くなる。

図５は、本実施形態に係る被写体／負荷モデルの一例である。被写体／負荷モデルは、被写体数に応じた分析負荷の予測値をモデル化したものであって、過去の統計データなどに基づいて事前に作成される。分析負荷は、各分割データに対する分析処理を所定の処理期間内で完了させるために、分析クラスタ１１０において単位時間当たりに必要なＣＰＵ（Central Processing Unit）時間で表されている。

図５のグラフは、以下の式（３）で規定されるモデルを図示したものであり、分析負荷は被写体数に比例している。このモデルは、第１の分析処理および第２の分析処理の分析精度を算出する際に共通して使用される。
分析負荷＝被写体数＊０．２５ ・・・式（３）

図６は、本実施形態に係る負荷／精度モデルの一例である。負荷／精度モデルは、分析クラスタ１１０全体について、分析負荷に応じた分析精度の予測値をモデル化したものであって、過去の統計データなどに基づいて事前に作成される。分析負荷は、被写体／負荷モデルと同様に、単位時間当たりに必要なＣＰＵ時間で表されている。

図６のグラフは、以下の式（４）で規定されるモデルを図示したものである。このモデルは、第１の分析処理および第２の分析処理の分析精度を算出する際に共通して使用される。
分析精度＝１．０［分析負荷≦１０．０の場合］、
１．０−（分析負荷−１０．０）＊０．０５［１０．０＜分析負荷＜３０．０の場合］、
０．０［分析負荷＞３０．０の場合］ ・・・式（４）

図６に示されるような、分析負荷に応じた分析精度を特に分析精度ｂで表す。分析精度ｂは、分析負荷が所定の閾値を超える場合、分析負荷が大きくなるほど低くなる。これは、分析負荷が増大することにより、分析クラスタ１１０で処理溢れが発生すると、分割データの分析処理が途中で打ち切られてしまうためである。

図７は、本実施形態に係るデータ分割装置１００のハードウェアブロック図である。データ分割装置１００は、ＣＰＵ７０１、メモリ７０２、記憶装置７０３、入出力インタフェース（Ｉ／Ｆ）７０４を備える。ＣＰＵ７０１は、メモリ７０２、記憶装置７０３に記憶されたプログラムに従って所定の動作を行うとともに、データ分割装置１００の各部を制御する機能を有する。また、ＣＰＵ７０１は、入力部２０１、算出部２０２、計測部２０３、多重化部２０５、分割部２０６の機能を実現するプログラムを実行する。

メモリ７０２は、ＲＡＭ（Random Access Memory）などから構成され、ＣＰＵ７０１の動作に必要なメモリ領域を提供する。また、メモリ７０２は、入力部２０１、多重化部２０５の機能を実現するバッファ領域として使用され得る。記憶装置７０３は、例えばフラッシュメモリ、ＳＳＤ（Solid State Drive）、ＨＤＤ（Hard Disk Drive）などであって、モデル記憶部２０４の機能を実現する記憶領域を提供する。入出力インタフェース７０４は、ＵＳＢ（Universal Serial Bus）、イーサネット（登録商標）、Ｗｉ−Ｆｉ（登録商標）などの規格に基づいて、外部装置（画像解析装置１０２、分析クラスタ１１０）との間でデータの送受信を行う。

なお、図７に示されているハードウェア構成は例示であり、これら以外の装置が追加されていてもよく、一部の装置が設けられていなくてもよい。例えば、一部の機能がネットワークを介して他の装置により提供されてもよく、本実施形態を構成する機能が複数の装置に分散されて実現されるものであってもよい。

図８は、本実施形態に係るデータ分割装置の動作を表すフローチャートである。まず、入力部２０１は、画像解析装置１０２から時系列データを受信する（ステップＳ１０１）。続いて、算出部２０２は、入力部２０１に入力された時系列データに含まれる被写体情報から所定時間内の被写体数を算出する（ステップＳ１０２）。

決定部２０７は、被写体数に基づいて、多重モードおよび単モードのそれぞれで得られる分析精度を算出する（ステップＳ１０３）。この精度算出処理の詳細は、図９を用いて後述する。続いて、決定部２０７は、多重モードおよび単モードのうち、より高い分析精度が得られる動作モードを選択する（ステップＳ１０４）。

多重化部２０５は、多重モードが選択された場合、入力部２０１で受信された時系列データを複製し、同一の被写体情報を含むこれら２つの時系列データを分割部２０６に出力する（ステップＳ１０５）。一方、多重化部２０５は、単モードが選択された場合、入力部２０１で受信された時系列データをそのまま分割部２０６に出力する。すなわち、単モードにおいては、時系列データの多重化処理（ステップＳ１０５）は実行されない。

分割部２０６は、多重モードが選択された場合、一方の時系列データを短時分割幅で時分割して分析クラスタ１１０に送信するとともに、一方の時系列データを長時分割幅で時分割して分析クラスタ１１０に送信する（ステップＳ１０６）。一方、分割部２０６は、単モードが選択された場合、時系列データを短時分割幅で時分割して分析クラスタ１１０に送信する。したがって、単モードにおいては、分析クラスタ１１０において第１の分析処理のみが実行され、第２の分析処理は実行されない（すなわち停止する）。

図９は、本実施形態に係る精度算出処理の詳細なフローチャートである。まず、決定部２０７は、被写体／精度モデルを用いて、多重モードおよび単モードのそれぞれで得られる分析精度ａを被写体数から算出する（ステップＳ２０１）。以下、被写体数が２である場合と被写体数が８である場合の２通りについて説明する。

図１０Ａに示すように、第１の分析処理（短時分割幅）の分析精度ａは、被写体数２に対して０．３５、被写体数８に対して０．９と算出される。また、図１０Ｂに示すように、第２の分析処理（長時分割幅）の分析精度ａは、被写体数２に対して０．７５、被写体数８に対して０．９５と算出される。

単モードでは、第１の分析処理のみが実行されるため、単モードで得られる分析精度ａは、第１の分析処理の分析精度ａで評価される。一方、多重モードでは、第１の分析処理と第２の分析処理の両方が実行され、第１の分析処理の分析精度ａよりも第２の分析処理の分析精度ａの方が高いため、多重モードで得られる分析精度ａは、第２の分析処理の分析精度ａで評価される。これらの算出結果を図１１にまとめて示す。

図９に戻り、決定部２０７は、分析クラスタ１１０の処理負荷に基づいて、第１の分析処理および第２の分析処理で得られる分析精度ｂを算出する（ステップＳ２０２）。詳細には、決定部２０７は、被写体／負荷モデルを用いて、分割処理の対象となっている時系列データ（対象データ）についての処理負荷を算出するとともに、分析クラスタ１１０の対象データ以外の処理負荷を計測部２０３から取得する。そして、決定部２０７は、これらの処理負荷を合計し、負荷／精度モデルを用いて、合計の処理負荷から分析精度ｂを算出する。

図１２に示すように、第１の分析処理および第２の分析処理の分析負荷はともに、被写体数２に対して０．５、被写体数８に対して２．０と算出される。単モードでは、第１の分析処理のみが実行されるため、単モードにおける分析負荷は、第１の分析処理の分析負荷に等しい。一方、多重モードでは、第１の分析処理と第２の分析処理の両方が実行されるため、多重モードにおける分析負荷は、第１の分析処理の分析負荷と第２の分析処理の分析負荷の合計値に等しい。すなわち、多重モードにおける分析負荷は単モードの２倍になり、被写体数２に対して１．０、被写体数８に対して４．０と算出される。

計測部２０３により、分析クラスタ１１０の対象データ以外の処理負荷が８．０と計測されたものとすると、単モードにおける合計の処理負荷は、被写体数２に対して８．５、被写体数８に対して１０．０と算出される。一方、多重モードにおける合計の処理負荷は、被写体数２に対して９．０、被写体数８に対して１２．０と算出される。これらの算出結果を図１４にまとめて示す。

よって、図１３Ａに示すように、単モードにおける分析精度ｂは、被写体数２に対して１．０、被写体数８に対しても１．０と算出される。一方、図１３Ｂに示すように、多重モードにおける分析精度ｂは、被写体数２に対して１．０、被写体数８に対しては０．８と算出される。

図９に戻り、決定部２０７は、分析精度ａと分析精度ｂの統合値を算出する（ステップＳ２０３）。図１５に示すように、統合値は、分析精度ａと分析精度ｂとの乗算によって算出される。すなわち、単モードにおける統合値は、被写体数２に対して０．３５＊１．０＝０．３５、被写体数８に対して０．９０＊１．０＝０．９０と算出される。一方、多重モードにおける統合値は、被写体数２に対して０．７５＊１．０＝０．７５、被写体数８に対して０．９５＊０．８＝０．７６と算出される。

これらの算出結果を図１５にまとめて示す。この統合値が、単モードおよび多重モードのそれぞれで得られる分析精度であり、精度算出処理（ステップＳ１０３）で最終的に算出される値である。よって、後段のモード選択処理（ステップＳ１０４）において、被写体数が２の場合には、分析精度のより高い（０．３５＜０．７５）多重モードが選択され、被写体数が８の場合には、分析精度のより高い（０．９０＞０．７６）単モードが選択される。

本実施形態によれば、時系列データを短い幅で時分割して分析処理を行う第１の分析処理、および同一の時系列データを長い幅で時分割して分析処理を行う第２の分析処理を並行して実行させる。第１の分析処理を実行させることで高いリアルタイム性を確保することができ、第２の分析処理を実行させることで高精度な処理結果を得ることができる。したがって、リアルタイム性を維持しつつ高精度な分析処理を行うことが可能となる。

さらに、本実施形態によれば、第２の分析処理を停止させることができるため、被写体数などの時系列データの内容に応じて分析処理の精度を最適化することができる。例えば、第１の分析処理に加えて第２の分析処理を実行させることにより、分析精度を向上させることができるが、分析負荷が増大するために、逆に分析精度が悪化する可能性もある。本実施形態では、このような処理の多重化による精度向上と、負荷増大による精度低下のバランスを取ることが可能となる。

［第２実施形態］
図１６は、本実施形態に係る情報処理装置の概略構成図である。情報処理装置１００は、入力部２０１、分割部２０６を備える。入力部２０１は、時系列に入力される複数のデータであって、データ間の少なくとも一部で関連性を有する時系列データを受信する。分割部２０６は、時系列データを第１の分割幅で時分割し、第１の分割幅による時系列データの第１の分析処理を分析クラスタ１１０に実行させるとともに、時系列データを第１の分割幅よりも長い第２の分割幅で時分割し、第２の分割幅による時系列データの第２の分析処理を分析クラスタ１１０に実行させる。

［変形実施形態］
本発明は、上述の実施形態に限定されることなく、本発明の趣旨を逸脱しない範囲において適宜変更可能である。例えば、上述の実施形態では、時系列データが動画像データから生成される被写体情報を含むものとして説明したが、これに限定されない。例えば、時系列データは、時間の経過により入力データ量が変化するものであれば動画像データ自体であってもよく、その他、音声データ、多数のセンサから入力されるデータなどであり得る。また、本発明は、被写体情報に限定されず、証券取引所の株価情報、クレジットカードの使用情報、交通情報などのようなデータ間に何らかの関連性が生じ得る分析対象に対して幅広く適用可能である。

また、上述の実施形態の機能を実現するように該実施形態の構成を動作させるプログラムを記憶媒体に記録させ、記憶媒体に記録されたプログラムをコードとして読み出し、コンピュータにおいて実行する処理方法も各実施形態の範疇に含まれる。すなわち、コンピュータ読取可能な記憶媒体も各実施形態の範囲に含まれる。また、上述のプログラムが記録された記憶媒体だけでなく、そのプログラム自体も各実施形態に含まれる。また、上述の実施形態に含まれる１又は２以上の構成要素は、各構成要素の機能を実現するように構成されたＡＳＩＣ（Application Specific Integrated Circuit）、ＦＰＧＡ（Field Programmable Gate Array）等の回路であってもよい。

該記憶媒体としては例えばフロッピー（登録商標）ディスク、ハードディスク、光ディスク、光磁気ディスク、ＣＤ（Compact Disk）−ＲＯＭ、磁気テープ、不揮発性メモリカード、ＲＯＭを用いることができる。また該記憶媒体に記録されたプログラム単体で処理を実行しているものに限らず、他のソフトウェア、拡張ボードの機能と共同して、ＯＳ（Operating System）上で動作して処理を実行するものも各実施形態の範疇に含まれる。

上述の実施形態の一部または全部は、以下の付記のようにも記載されうるが、以下には限られない。

（付記１）
時系列に入力される複数のデータであって、前記データ間の少なくとも一部で関連性を有する時系列データを受信する入力部と、
前記時系列データを第１の分割幅で時分割し、前記第１の分割幅による前記時系列データの第１の分析処理を分析システムに実行させるとともに、前記時系列データを前記第１の分割幅よりも長い第２の分割幅で時分割し、前記第２の分割幅による前記時系列データの第２の分析処理を前記分析システムに実行させる分割部とを備えることを特徴とする情報処理装置。

（付記２）
前記時系列データは、動画像データから検出された被写体情報を表し、
前記時系列データに含まれる所定時間内の被写体数に基づいて、前記第１の分析処理および前記第２の分析処理を実行させる多重モードと、前記第２の分析処理を停止させる単モードとのいずれかのモードを選択する決定部を備えることを特徴とする付記１に記載の情報処理装置。

（付記３）
前記決定部は、時分割により欠損した前記関連性の復元度合いを示す分析精度を、前記被写体数に基づいて算出し、前記多重モードおよび前記単モードのうち、より高い前記分析精度が得られるモードを選択することを特徴とする付記２に記載の情報処理装置。

（付記４）
前記決定部は、前記被写体数が多くなるほど、前記分析精度を高く算出することを特徴とする付記３に記載の情報処理装置。

（付記５）
前記決定部は、前記第２の分析処理の前記分析精度を、前記第１の分析処理の前記分析精度よりも高くすることを特徴とする付記３または４に記載の情報処理装置。

（付記６）
前記決定部は、前記第２の分析処理の前記分析精度を、前記第１の分析処理の前記分析精度に対して、前記被写体数が少なくなるほど相対的に高くすることを特徴とする付記４または５に記載の情報処理装置。

（付記７）
前記決定部は、前記分析システムの処理負荷に基づいて、前記多重モードおよび前記単モードのそれぞれで得られる前記分析精度を算出することを特徴とする付記３乃至６のいずれかに記載の情報処理装置。

（付記８）
前記決定部は、前記処理負荷が所定の閾値を超える場合、前記多重モードで得られる前記分析精度を、前記単モードで得られる前記分析精度に対して、前記処理負荷が大きくなるほど低くすることを特徴とする付記７に記載の情報処理装置。

（付記９）
時系列に入力される複数のデータであって、前記データ間の少なくとも一部で関連性を有する時系列データを受信するステップと、
前記時系列データを第１の分割幅で時分割し、前記第１の分割幅による前記時系列データの第１の分析処理を分析システムに実行させるとともに、前記時系列データを前記第１の分割幅よりも長い第２の分割幅で時分割し、前記第２の分割幅による前記時系列データの第２の分析処理を前記分析システムに実行させるステップとを備えることを特徴とする情報処理方法。

（付記１０）
時系列に入力される複数のデータであって、前記データ間の少なくとも一部で関連性を有する時系列データを受信するステップと、
前記時系列データを第１の分割幅で時分割し、前記第１の分割幅による前記時系列データの第１の分析処理を分析システムに実行させるとともに、前記時系列データを前記第１の分割幅よりも長い第２の分割幅で時分割し、前記第２の分割幅による前記時系列データの第２の分析処理を前記分析システムに実行させるステップとをコンピュータに実行させることを特徴とするプログラムが記録された記録媒体。

この出願は、２０１７年１１月２７日に出願された日本出願特願２０１７−２２６５７４を基礎とする優先権を主張し、その開示の全てをここに取り込む。

１０ 監視システム
１１ 監視区域
１００ データ分割装置（情報処理装置）
１０１ 監視カメラ
１０２ 画像解析装置
１０３ 分散処理装置
１０４ 表示装置
１０５ データベース
１１０ 分析クラスタ（分析システム）
２０１ 入力部
２０２ 算出部
２０３ 計測部
２０４ モデル記憶部
２０５ 多重化部
２０６ 分割部
２０７ 決定部
４０１〜４０３、４１１〜４１５ 被写体
７０１ ＣＰＵ
７０２ メモリ
７０３ 記憶装置
７０４ 入出力Ｉ／Ｆ

Claims (8)

1. 時系列に入力される複数のデータであって、前記データ間の少なくとも一部で関連性を有する時系列データを受信する入力部と、
   前記時系列データを第１の分割幅で時分割し、前記第１の分割幅による前記時系列データの第１の分析処理を分析システムに実行させるとともに、前記時系列データを前記第１の分割幅よりも長い第２の分割幅で時分割し、前記第２の分割幅による前記時系列データの第２の分析処理を前記分析システムに実行させる分割部とを備え、
   前記時系列データは、動画像データから検出された被写体情報を表し、
   前記時系列データに含まれる所定時間内の被写体数に基づいて、前記第１の分析処理および前記第２の分析処理を実行させる多重モードと、前記第２の分析処理を停止させる単モードとのいずれかのモードを選択する決定部を備えることを特徴とする情報処理装置。
2. 前記決定部は、時分割により欠損した前記関連性の復元度合いを示す分析精度を、前記被写体数に基づいて算出し、前記多重モードおよび前記単モードのうち、より高い前記分析精度が得られるモードを選択することを特徴とする請求項１に記載の情報処理装置。
3. 前記決定部は、前記被写体数が多くなるほど、前記分析精度を高く算出することを特徴とする請求項２に記載の情報処理装置。
4. 前記決定部は、前記第２の分析処理の前記分析精度を、前記第１の分析処理の前記分析精度に対して、前記被写体数が少なくなるほど相対的に高くすることを特徴とする請求項３に記載の情報処理装置。
5. 前記決定部は、前記分析システムの処理負荷に基づいて、前記多重モードおよび前記単モードのそれぞれで得られる前記分析精度を算出することを特徴とする請求項２乃至４のいずれか１項に記載の情報処理装置。
6. 前記決定部は、前記処理負荷が所定の閾値を超える場合、前記多重モードで得られる前記分析精度を、前記単モードで得られる前記分析精度に対して、前記処理負荷が大きくなるほど低くすることを特徴とする請求項５に記載の情報処理装置。
7. 情報処理装置が、
   時系列に入力される複数のデータであって、前記データ間の少なくとも一部で関連性を有する時系列データを受信するステップと、
   前記時系列データを第１の分割幅で時分割し、前記第１の分割幅による前記時系列データの第１の分析処理を分析システムに実行させるとともに、前記時系列データを前記第１の分割幅よりも長い第２の分割幅で時分割し、前記第２の分割幅による前記時系列データの第２の分析処理を前記分析システムに実行させるステップとを実行し、
   前記時系列データは、動画像データから検出された被写体情報を表し、
   前記情報処理装置は、前記時系列データに含まれる所定時間内の被写体数に基づいて、前記第１の分析処理および前記第２の分析処理を実行させる多重モードと、前記第２の分析処理を停止させる単モードとのいずれかのモードを選択するステップを実行することを特徴とする情報処理方法。
8. 時系列に入力される複数のデータであって、前記データ間の少なくとも一部で関連性を有する時系列データを受信するステップと、
   前記時系列データを第１の分割幅で時分割し、前記第１の分割幅による前記時系列データの第１の分析処理を分析システムに実行させるとともに、前記時系列データを前記第１の分割幅よりも長い第２の分割幅で時分割し、前記第２の分割幅による前記時系列データの第２の分析処理を前記分析システムに実行させるステップとをコンピュータに実行させ、
   前記時系列データは、動画像データから検出された被写体情報を表し、
   前記時系列データに含まれる所定時間内の被写体数に基づいて、前記第１の分析処理および前記第２の分析処理を実行させる多重モードと、前記第２の分析処理を停止させる単モードとのいずれかのモードを選択するステップを前記コンピュータに実行させることを特徴とするプログラム。

Images