JP7151449B2 - 情報処理システム、プログラム、及び情報処理方法 - Google Patents

Description

本発明は、情報処理システム、プログラム、及び情報処理方法に関する。

従来、車載カメラの画像から人物に関する情報を検出する技術が知られている。例えば、特許文献１には、認知症により徘徊の危険がある人物のデジタル写真データ等の照合用データを関係者から入手登録し、車外状況を車載カメラで撮影し、車載カメラから得られた画像情報を認証用データとして照合用データと照合し、照合結果を関係者に通報する、画像情報認証システムが開示されている。

特開２０１７－２１１８８８号公報

しかしながら、従来技術では、車載カメラの動画から検出した人物の照合用データを予め登録しておく必要があるため、照合用データとして登録していない人物を検出することはできない。このように、従来技術の利便性は必ずしも高くない。したがって、車載カメラの画像から人物に関する情報を検出する技術の利便性は、改善の余地があった。

かかる事情に鑑みてなされた本発明の目的は、車載カメラの画像から人物に関する情報を検出する技術の利便性を向上させることにある。

本発明の一実施形態に係る情報処理システムは、
複数の車両と、前記複数の車両と通信可能なサーバと、を備える情報処理システムであって、
前記複数の車両のそれぞれは、
車外の人物を撮像した動画を生成し、
前記動画と、前記動画の撮像時刻及び撮像位置と、を前記サーバへ送信し、
前記サーバは、
前記複数の車両からそれぞれ受信した複数の前記動画のうち、同一の人物を撮像した２つ以上の対象動画を特定し、
前記２つ以上の対象動画から前記人物の挙動を検出し、
検出された前記挙動に基づいて前記人物の属性情報を推定し、
前記人物の属性情報と、少なくとも１つの前記対象動画の撮像時刻及び撮像位置と、をクライアントへ送信する。

本発明の一実施形態に係るプログラムは、
複数の車両と通信可能な情報処理装置に、
前記複数の車両によってそれぞれ生成され車外の人物を撮像した複数の動画と、前記複数の動画の撮像時刻及び撮像位置と、を受信するステップと、
前記複数の動画のうち、同一の人物を撮像した２つ以上の対象動画を特定するステップと、
前記２つ以上の対象動画から前記人物の挙動を検出するステップと、
検出された前記挙動に基づいて前記人物の属性情報を推定するステップと、
前記人物の属性情報と、少なくとも１つの前記対象動画の撮像時刻及び撮像位置と、をクライアントへ送信するステップと、を実行させる。

本発明の一実施形態に係る情報処理方法は、
複数の車両と、前記複数の車両と通信可能なサーバと、を備える情報処理システムが実行する情報処理方法であって、
前記複数の車両のそれぞれが、
車外の人物を撮像した動画を生成するステップと、
前記動画と、前記動画の撮像時刻及び撮像位置と、を前記サーバへ送信するステップと、
前記サーバが、
前記複数の車両からそれぞれ受信した複数の前記動画のうち、同一の人物を撮像した２つ以上の対象動画を特定するステップと、
前記２つ以上の対象動画から前記人物の挙動を検出するステップと、
検出された前記挙動に基づいて前記人物の属性情報を推定するステップと、
前記人物の属性情報と、少なくとも１つの前記対象動画の撮像時刻及び撮像位置と、をクライアントへ送信するステップと、を含む。

本発明の一実施形態に係る情報処理システム、プログラム、及び情報処理方法によれば、車載カメラの画像から人物に関する情報を検出する技術の利便性が向上する。

本発明の一実施形態に係る情報処理システムの概略構成を示す図である。 車両の概略構成を示すブロック図である。 サーバの概略構成を示すブロック図である。 サーバに記憶される情報の例を示す図である。 車両の動作を示すフローチャートである。 サーバの動作を示すフローチャートである。

以下、本発明の実施形態について説明する。

（情報処理システムの構成）
図１を参照して、本発明の一実施形態に係る情報処理システム１の概要について説明する。情報処理システム１は、複数の車両１０と、サーバ２０と、を備える。車両１０は、例えば自動車であるが、これに限られず任意の車両であってもよい。図１では説明の簡便のため、車両１０については２つのみを図示しているが、情報処理システム１は任意の数の車両１０を備えてもよい。サーバ２０は、１つ又は互いに通信可能な複数の情報処理装置（例えば、サーバ装置）を含む。車両１０及びサーバ２０は、例えば移動体通信網及びインターネット等を含むネットワーク３０を介して通信可能である。また、サーバ２０は、ネットワーク３０を介してクライアント４０と通信可能である。クライアント４０は、例えばＰＣ（Personal Computer）、サーバ装置、及びスマートフォン等であるが、任意の情報処理装置であってもよい。

まず、本実施形態の概要について説明し、詳細については後述する。情報処理システム１は、例えば徘徊者又は不審者等の検出に用いられる。複数の車両１０のそれぞれは、例えば車載カメラを備えており、車外風景を撮像した動画を生成する。当該動画には、例えば車両１０の周辺に存在する歩行者等の人物が映り得る。各車両１０は、車外の人物を撮像した動画を生成すると、当該動画と、動画の撮像時刻及び撮像位置と、をサーバ２０へ送信する。

サーバ２０は、複数の車両１０によってそれぞれ生成された複数の動画のうち、同一の人物を撮像した２つ以上の動画のそれぞれを対象動画として特定する。以下、各対象動画に映った当該同一の人物を、対象人物ともいう。ここで、例えば徘徊者又は不審者等の人物は、その他の人物とは異なる特徴的な挙動を示すことが知られている。したがって、人物の挙動に基づいて徘徊者又は不審者等の該非判定が可能である。サーバ２０は、特定された２つ以上の対象動画から対象人物の挙動を検出し、検出された当該挙動に基づいて対象人物の属性情報（例えば、対象人物が徘徊者又は不審者に該当するか否か等）を推定する。そして、サーバ２０は、対象人物の属性情報と、対象動画の撮像時刻及び撮像位置と、をクライアント４０へ送信する。

一般的に、人物の動画から当該人物の挙動を検出するためには、人物の一連の動きが動画に映っている必要がある。しかしながら、例えば各車両１０が走行しながら人物を撮像した場合、各対象動画の長さは比較的短く、１つの対象動画には人物の一連の動きの一部しか映らない。このため、例えば１つの対象動画からでは、人物の挙動の検出精度が必ずしも十分でなく、或いは挙動を検出できない場合がある。これに対して、本実施形態によれば、上述したように複数の車両１０によってそれぞれ生成された複数の動画のうち、同一の人物を撮像した２つ以上の対象動画が特定される。上述のように、各対象動画には人物の一連の動きの一部しか映っていない場合であっても、２つ以上の対象動画から人物の一連の動きが検出され得る。即ち、２つ以上の対象動画を用いることによって、対象人物の挙動の検出精度が向上する。対象人物の挙動の検出精度の向上は、対象人物の属性情報の推定精度を向上させる。したがって、車載カメラの画像から人物に関する情報を検出する技術の利便性が向上する。

次に、情報処理システム１の各構成について、詳細に説明する。

（車両の構成）
図２に示すように、車両１０は、通信部１１と、測位部１２と、撮像部１３と、記憶部１４と、制御部１５と、を備える。通信部１１、測位部１２、撮像部１３、記憶部１４、及び制御部１５のそれぞれは、車両１０に内蔵されてもよく、或いは車両１０に着脱可能に設けられてもよい。通信部１１、測位部１２、撮像部１３、記憶部１４、及び制御部１５は、例えばＣＡＮ（Controller Area Network）等の車載ネットワーク又は専用線を介して、互いに通信可能に接続される。

通信部１１は、ネットワーク３０に接続する通信モジュールを含む。当該通信モジュールは、例えば４Ｇ（4th Generation）及び５Ｇ（5th Generation）等の移動体通信規格に対応するが、これらに限られず、任意の通信規格に対応してもよい。例えば、ＤＣＭ（Data Communication Module）等の車載通信機が、通信部１１として機能してもよい。本実施形態において、車両１０は、通信部１１を介してネットワーク３０に接続される。

測位部１２は、衛星測位システムに対応する受信機を含む。当該受信機は、例えばＧＰＳ（Global Positioning System）に対応するが、これに限られず、任意の衛星測位システムに対応してもよい。例えばカーナビゲーション装置が、測位部１２として機能してもよい。本実施形態において、車両１０は、測位部１２を用いて自車両の位置情報を取得する。

撮像部１３は、視野内の被写体を撮像した動画を生成する車載カメラを含む。当該車載カメラは、単眼カメラであってもよく、或いはステレオカメラであってもよい。撮像部１３は、車外風景を撮像可能となるように車両１０に備えられる。例えば、ドライブレコーダ又は乗員が使用するスマートフォン等のカメラ機能を有する電子機器が、撮像部１３として機能してもよい。本実施形態において、車両１０は、撮像部１３を用いて、車外風景を撮像した動画を生成する。

記憶部１４は、１つ以上のメモリを含む。本実施形態において「メモリ」は、例えば半導体メモリ、磁気メモリ、又は光メモリ等であるが、これらに限られない。記憶部１４に含まれる各メモリは、例えば主記憶装置、補助記憶装置、又はキャッシュメモリとして機能してもよい。記憶部１４は、車両１０の動作に用いられる任意の情報を記憶する。例えば、記憶部１４は、システムプログラム、アプリケーションプログラム、及び組み込みソフトウェア等を記憶してもよい。記憶部１４に記憶された情報は、例えば通信部１１を介してネットワーク３０から取得される情報で更新可能であってもよい。

制御部１５は、１つ以上のプロセッサを備える。本実施形態において「プロセッサ」は、汎用のプロセッサ、特定の処理に特化した専用のプロセッサ等であるが、これらに限られない。例えば、車両１０に搭載されたＥＣＵ（Electronic Control Unit）が、制御部１５として機能してもよい。制御部１５は、現在時刻を把握する計時機能を有する。制御部１５は、車両１０全体の動作を制御する。

例えば、制御部１５は、撮像部１３を用いて、車外風景を撮像した動画を生成する。上述したように、当該動画には、例えば車両１０の周辺に存在する歩行者等の人物が映り得る。制御部１５は、動画の撮像中、車外の人物が映っている場面を画像認識により検出すると、当該場面を切り出すことにより、車外の人物を撮像した動画を生成してもよい。車外の人物が映っている場面の検出には、例えば例えばパターンマッチング、特徴点抽出、又は機械学習等、任意の画像認識手法が採用可能である。制御部１５は、車外の人物を撮像した動画を生成すると、当該動画と、動画の撮像時刻及び撮像位置とを、通信部１１を介してサーバ２０へ送信する。撮像時刻は、例えば動画の撮像を開始した時刻であるが、動画の撮像を開始した時刻から終了した時刻までの期間内の任意の時刻であってもよい。撮像位置は、撮像時刻における車両１０の位置であって、測位部１２から取得される。

（サーバの構成）
図３に示すように、サーバ２０は、サーバ通信部２１と、サーバ記憶部２２と、サーバ制御部２３と、を備える。

サーバ通信部２１は、ネットワーク３０に接続する通信モジュールを含む。当該通信モジュールは、例えば有線ＬＡＮ（Local Area Network）規格に対応するが、これに限られず、任意の通信規格に対応してもよい。本実施形態において、サーバ２０は、サーバ通信部２１を介してネットワーク３０に接続される。

サーバ記憶部２２は、１つ以上のメモリを含む。サーバ記憶部２２に含まれる各メモリは、例えば主記憶装置、補助記憶装置、又はキャッシュメモリとして機能してもよい。サーバ記憶部２２は、サーバ２０の動作に用いられる任意の情報を記憶する。例えば、サーバ記憶部２２は、システムプログラム、アプリケーションプログラム、及びデータベース等を記憶してもよい。サーバ記憶部２２に記憶された情報は、例えばサーバ通信部２１を介してネットワーク３０から取得される情報で更新可能であってもよい。

サーバ制御部２３は、１つ以上のプロセッサを含む。サーバ制御部２３は、サーバ２０全体の動作を制御する。

例えば、サーバ制御部２３は、車両１０から動画、撮像時刻、及び撮像位置を受信すると、これらの情報をサーバ記憶部２２のデータベースに格納する。例えば図４に示すように、サーバ制御部２３は、動画ＩＤに対応付けて、動画、撮像時刻、及び撮像位置をデータベースに格納してもよい。動画ＩＤは、サーバ制御部２３は動画を一意に識別可能な情報であって、例えば動画の受信時に自動的に生成される。図４に示す例では、撮像時刻ｔ１及び撮像位置ｐ１において撮像された動画と、撮像時刻ｔ２及び撮像位置ｐ２において撮像された動画と、の２つの動画が格納されている。しかしながら、当該データベースには、複数の車両１０からそれぞれ受信された複数の動画が格納される。

また、サーバ制御部２３は、サーバ記憶部２２のデータベースに格納された複数の動画のうち、同一の人物を撮像した２つ以上の動画を選別し、選別された各動画を対象動画として特定する。具体的には、サーバ制御部２３は、データベースに格納された各動画に映った人物を画像認識により検出し、検出された人物同士の同一性を判定することにより、同一の人物を撮像した２つ以上の動画を選別する。動画に映った人物の検出及び同一性の判定には、例えばパターンマッチング、特徴点抽出、又は機械学習等、任意の画像認識手法が採用可能である。

動画の選別の際、サーバ制御部２３は、データベースに格納された複数の動画のうち、撮像時刻及び撮像位置が所定の範囲内で一致する複数の動画の中から、同一の人物を撮像した２つ以上の動画を選別してもよい。具体的には、サーバ制御部２３は、データベースに格納された各動画の撮像時刻及び撮像位置に基づいて、撮像時刻及び撮像位置が所定の範囲内で一致する複数の動画を特定し、特定された各動画に映った人物を画像認識により検出し、検出された人物同士の同一性を判定することにより、同一の人物を撮像した２つ以上の動画を選別する。ここで「撮像時刻及び撮像位置が所定の範囲内で一致する複数の動画」は、各動画と少なくとも１つの他の動画との関係において、撮像時刻の差が基準値（例えば、１分）以下であり、且つ撮像位置の差が基準値（例えば、６０ｍ）以下である複数の動画である。

かかる構成によれば、データベースに格納された全ての動画について人物の検出及び同一性の判定を実施する必要がなく、処理負担が軽減される。なお、上記の「所定の範囲」は、例えば実験結果又は経験則に基づいて定められてもよい。例えば、「所定の範囲」が狭いほど処理負担の軽減効果が大きくなるが、２つ以上の対象動画を特定しにくくなる。逆に、「所定の範囲」が広いほど２つ以上の対象動画を特定しやすくなるが、処理負担の軽減効果が小さくなる。

また、サーバ制御部２３は、特定された２つ以上の対象動画から、対象人物の挙動を検出する。任意の観点から見た対象人物の一連の動きが挙動として検出され得る。例えば、対象人物の視線、表情、顔の向きの変化、体の向きの変化、若しくは手足の動き、又はこれらの組み合わせ等、体の各部の一連の動きが挙動として検出されてもよい。また例えば、走る、立ち止まる、若しくは屈む、又はこれらの組み合わせ等、体全体の複合的な一連の動きが挙動として検出されてもよい。人物の挙動の検出は、例えばパターンマッチング、特徴点抽出、又は機械学習等、任意の画像認識手法が採用可能である。

また、サーバ制御部２３は、検出された挙動に基づいて対象人物の属性情報を推定する。本実施形態において、属性情報は、徘徊者又は不審者の該非判定結果を示す情報を含む。該非判定結果を示す情報は、例えば、対象人物が徘徊者又は不審者に該当するか否かを示す情報であってもよく、或いは対象人物が徘徊者又は不審者に該当する可能性を示す情報であってもよい。

挙動に基づく属性情報の推定には、任意の手法が採用可能である。上述したように、例えば徘徊者又は不審者等の人物は、その他の人物とは異なる特徴的な挙動を示すことが知られており、人物の挙動に基づいて徘徊者又は不審者等の該非判定が可能である。

一例において、人間の挙動と属性情報との対応関係を示す対応情報を用いる手法が採用される。当該対応関係は、例えば実験結果又は経験則に基づいて定められてもよい。具体的には、サーバ制御部２３は、人間の挙動と属性情報との対応関係を示す対応情報を、サーバ記憶部２２に予め記憶する。サーバ制御部２３は、当該対応情報を参照して、２つ以上の対象動画から検出された挙動に対応する属性情報を、対象人物の属性情報として推定する。

他の例において、人間の挙動と属性情報との対応関係を機械学習した結果を用いる手法が採用可能である。具体的には、サーバ制御部２３は、人間の挙動を入力データとし、当該人間の属性情報を出力データとする学習済みモデルをサーバ記憶部２２に予め記憶する。サーバ制御部２３は、２つ以上の対象動画から検出された挙動を当該モデルに入力し、出力された属性情報を対象人物の属性情報として推定する。

また、サーバ制御部２３は、少なくとも１つの対象動画の撮像位置に対応する地点の情報を取得する。撮像位置に対応する地点の情報は、例えば、撮像位置に対応する地点に存在する施設の名称、所在地、又は画像等を含むが、これらに限られず、当該地点に関する任意の情報を含んでもよい。撮像位置に対応する地点の情報は、例えばサーバ通信部２１を介してネットワーク３０から取得されてもよく、或いはサーバ記憶部２２に予め記憶させた地図情報から取得されてもよい。

また、サーバ制御部２３は、いずれか１つの対象動画から対象人物の画像（動画又は静止画）を切り出す。ここで、サーバ制御部２３は、２つ以上の対象動画のうち、対象人物の顔が映った場面の画像を優先的に切り出してもよい。

また、サーバ制御部２３は、対象人物の属性情報と、少なくとも１つの対象動画の撮像時刻及び撮像位置と、当該撮像位置に対応する地点の情報と、対象人物の画像と、をクライアント４０へ送信する。対象人物の属性情報等の送信は、例えばクライアント４０からの要求に応じて実施（例えば、プル配信）されてもよく、或いはサーバ制御部２３により自動的に実施（例えば、プッシュ配信）されてもよい。

ここで、上述した撮像位置に対応する地点の情報の取得、対象人物の画像の切り出し、及び対象人物の属性情報等の送信を含む動作は、推定された属性情報が所定の条件を満たす場合に限り実施されてもよい。例えば、推定された属性情報が、対象人物が徘徊者若しくは不審者に該当すること又は該当する可能性が所定基準よりも高いことを示す場合に限り、当該動作が実施されてもよい。

（車両の動作フロー）
図５を参照して、車両１０の動作のフローについて説明する。

ステップＳ１００：制御部１５は、撮像部１３を用いて、車外の人物を撮像した動画を生成する。

ステップＳ１０１：制御部１５は、ステップＳ１００で生成された動画と、当該動画の撮像時刻及び撮像位置とを、通信部１１を介してサーバ２０へ送信する。

（サーバの動作フロー）
図６を参照して、サーバ２０の動作のフローについて説明する。

ステップＳ２００：サーバ制御部２３は、人間の挙動と属性情報との対応関係を示す対応情報を、サーバ記憶部２２に記憶する。

ステップＳ２０１：サーバ制御部２３は、車両１０から動画、撮像時刻、及び撮像位置を受信し、サーバ記憶部２２のデータベースに格納する。

ステップＳ２０２：サーバ制御部２３は、サーバ記憶部２２のデータベースに格納された複数の動画のうち、同一の人物を撮像した２つ以上の動画を選別し、選別された各動画を対象動画として特定する。動画の選別の際、サーバ制御部２３は、データベースに格納された複数の動画のうち、撮像時刻及び撮像位置が所定の範囲内で一致する複数の動画の中から、同一の人物を撮像した２つ以上の動画を選別してもよい。

ステップＳ２０３：サーバ制御部２３は、特定された２つ以上の対象動画から、対象人物の挙動を検出する。

ステップＳ２０４：サーバ制御部２３は、検出された挙動に基づいて対象人物の属性情報を推定する。本例では、サーバ制御部２３は、ステップＳ２００の対応情報を参照して、２つ以上の対象動画から検出された挙動に対応する属性情報を、対象人物の属性情報として推定する。

ステップＳ２０５：サーバ制御部２３は、少なくとも１つの対象動画の撮像位置に対応する地点の情報を取得する。

ステップＳ２０６：サーバ制御部２３は、いずれか１つの対象動画から対象人物の画像（動画又は静止画）を切り出す。

ステップＳ２０７：サーバ制御部２３は、対象人物の属性情報と、少なくとも１つの対象動画の撮像時刻及び撮像位置と、当該撮像位置に対応する地点の情報と、対象人物の画像と、をクライアント４０へ送信する。

以上述べたように、本実施形態に係る情報処理システム１によれば、複数の車両１０のそれぞれは、車外の人物を撮像した動画を生成し、当該動画と、当該動画の撮像時刻及び撮像位置と、をサーバ２０へ送信する。サーバ２０は、複数の車両１０からそれぞれ受信した複数の動画のうち、同一の人物（対象人物）を撮像した２つ以上の対象動画を特定する。サーバ２０は、当該２つ以上の対象動画から対象人物の挙動を検出し、検出された挙動に基づいて対象人物の属性情報を推定する。そして、サーバ２０は、対象人物の属性情報と、少なくとも１つの対象動画の撮像時刻及び撮像位置と、をクライアント４０へ送信する。

かかる構成によれば、同一の人物を撮像した２つ以上の対象動画を用いて対象人物の挙動が検出されるので、例えば１つの対象動画を用いて対象人物の挙動を検出する構成と比較して、挙動の検出精度が向上する。対象人物の挙動の検出精度の向上は、対象人物の属性情報の推定精度を向上させる。したがって、車載カメラの画像から人物に関する情報を検出する技術の利便性が向上する。

本発明を諸図面及び実施例に基づき説明してきたが、当業者であれば本開示に基づき種々の変形及び修正を行うことが容易であることに注意されたい。したがって、これらの変形及び修正は本発明の範囲に含まれることに留意されたい。例えば、各手段又は各ステップ等に含まれる機能等は論理的に矛盾しないように再配置可能であり、複数の手段又はステップ等を１つに組み合わせたり、或いは分割したりすることが可能である。

例えば、上述した実施形態において、人間の挙動を入力データとし、当該人間の属性情報を出力データとする学習済みモデルを用いて、対象人物の属性情報を推定する構成について説明した。しかしながら、対象人物の属性情報の推定に用いる学習済みモデルは、当該例に限られない。例えば、２つ以上の対象動画を入力データとし、対象人物の属性情報を出力データとする学習済みモデルを用いて、対象人物の属性情報を推定する構成も可能である。

また、例えばスマートフォン又はコンピュータ等の汎用の情報処理装置を、上述した実施形態に係る車両１０の各構成部又はサーバ２０として機能させる構成も可能である。具体的には、実施形態に係る車両１０又はサーバ２０の各機能を実現する処理内容を記述したプログラムを、情報処理装置のメモリに格納し、情報処理装置のプロセッサによって当該プログラムを読み出して実行させる。したがって、本実施形態に係る発明は、プロセッサが実行可能なプログラムとしても実現可能である。

１ 情報処理システム
１０ 車両
１１ 通信部
１２ 測位部
１３ 撮像部
１４ 記憶部
１５ 制御部
２０ サーバ
２１ サーバ通信部
２２ サーバ記憶部
２３ サーバ制御部
３０ ネットワーク
４０ クライアント

Claims (7)

1. 複数の車両と、前記複数の車両と通信可能なサーバと、を備える情報処理システムであって、
   前記複数の車両のそれぞれは、
   車外の人物を撮像した動画を生成し、
   前記動画と、前記動画の撮像時刻及び撮像位置と、を前記サーバへ送信し、
   前記サーバは、
   人間の挙動と属性情報との対応関係を示す対応情報を予め記憶し、
   前記複数の車両からそれぞれ受信した複数の前記動画のうち、同一の人物を撮像した２つ以上の対象動画を特定し、
   前記２つ以上の対象動画から前記人物の挙動を検出し、
   検出された前記挙動に対応する属性情報を前記人物の属性情報として推定し、
   前記人物の属性情報と、少なくとも１つの前記対象動画の撮像時刻及び撮像位置と、をクライアントへ送信する、情報処理システム。
2. 請求項１に記載の情報処理システムであって、
   前記属性情報は、徘徊者又は不審者の該非判定結果を示す情報を含む、情報処理システム。
3. 請求項１又は２に記載の情報処理システムであって、
   前記サーバは、
   前記２つ以上の対象動画から前記人物の動画又は静止画を切り出し、
   切り出された前記動画又は前記静止画を前記クライアントへ送信する、情報処理システム。
4. 請求項１から３のいずれか一項に記載の情報処理システムであって、
   前記サーバは、
   前記少なくとも１つの対象動画の撮像位置に対応する地点の情報を取得し、
   取得された前記情報を前記クライアントへ送信する、情報処理システム。
5. 請求項１から４のいずれか一項に記載の情報処理システムであって、
   前記サーバは、前記複数の車両からそれぞれ受信した前記複数の動画のうち、撮像時刻及び撮像位置が所定の範囲内で一致する複数の前記動画の中から、同一の人物を撮像した前記２つ以上の対象動画を特定する、情報処理システム。
6. 複数の車両と通信可能な情報処理装置に、
   人間の挙動と属性情報との対応関係を示す対応情報を記憶するステップと、
   前記複数の車両によってそれぞれ生成され車外の人物を撮像した複数の動画と、前記複数の動画の撮像時刻及び撮像位置と、を受信するステップと、
   前記複数の動画のうち、同一の人物を撮像した２つ以上の対象動画を特定するステップと、
   前記２つ以上の対象動画から前記人物の挙動を検出するステップと、
   検出された前記挙動に対応する属性情報を前記人物の属性情報として推定するステップと、
   前記人物の属性情報と、少なくとも１つの前記対象動画の撮像時刻及び撮像位置と、をクライアントへ送信するステップと、
   を実行させる、プログラム。
7. 複数の車両と、前記複数の車両と通信可能なサーバと、を備える情報処理システムが実行する情報処理方法であって、
   前記複数の車両のそれぞれが、
   車外の人物を撮像した動画を生成するステップと、
   前記動画と、前記動画の撮像時刻及び撮像位置と、を前記サーバへ送信するステップと、
   前記サーバが、
   人間の挙動と属性情報との対応関係を示す対応情報を記憶するステップと、
   前記複数の車両からそれぞれ受信した複数の前記動画のうち、同一の人物を撮像した２つ以上の対象動画を特定するステップと、
   前記２つ以上の対象動画から前記人物の挙動を検出するステップと、
   検出された前記挙動に対応する属性情報を前記人物の属性情報として推定するステップと、
   前記人物の属性情報と、少なくとも１つの前記対象動画の撮像時刻及び撮像位置と、をクライアントへ送信するステップと、
   を含む、情報処理方法。

Images