JP7246029B2 - 撮像制御装置、撮像制御方法、及びプログラム - Google Patents

Description

本開示は、カメラの撮影動作に関するパラメタを決定する撮像制御装置、撮像制御方法、及びプログラムに関する。

特許文献１は、コントラスト方式で合焦する撮像装置を開示している。この撮像装置は、同一人物の被写体画像領域と部分画像領域とを組みで検索する場合と、被写体画像領域と部分画像領域との組みが検出された後に検出された領域について検索対象の画像を含むか否かを再度判定する場合とで、それぞれの検索に適した異なる検索条件を用いる。被写体画像領域と部分画像領域とを組みで検索することによって人物の検出漏れを抑制しながら、組みで検索するときに誤検出された領域を再判定により除外して、人物や顔の検出率を向上させている。検出率の向上が焦点探索領域の安定化に繋がる。これにより、コントラスト方式で合焦する場合におけるフォーカス制御の安定性を向上させている。

特許文献２は、監視対象を撮像する撮像装置を開示している。この撮像装置は、絞り値と少なくともシャッター速度およびゲイン値のいずれか一方を含む動作パラメタの値を変更することによって、撮像素子の出力信号の輝度レベルを目標値に近づける自動露出制御手段を有する。自動露出制御手段は、絞り値を小絞り端寄りの所定値にした状態で監視対象の明るさが暗くなった場合に、通常監視モードよりも異常監視モードが設定されているときのほうが、絞り値を優先して変更する。これにより、異常状態を高画質で撮影すると共に耐久性を向上させている。

特許第５８２９６７９号公報 特許第４９２１２０４号公報

本開示は、カメラの設置状況に応じたパラメタを決定する撮像制御装置、撮像制御方法、及びプログラムを提供する。

本開示の撮像制御装置は、カメラの撮影動作に関するパラメタ群を決定する撮像制御装置であって、カメラが生成した撮像データを入力する入力部と、撮像データに基づいて、パラメタ群の複数の候補の中からカメラに設定するパラメタ群を選択する制御部と、を備え、制御部は、各候補のパラメタ群に設定されたカメラが生成した撮像データを入力部を介して取得し、候補毎に撮像データから抽出対象をそれぞれ含む複数の抽出対象画像を抽出し、候補毎に複数の抽出対象画像に基づいて画質評価値を算出し、画質評価値に基づいて、パラメタ群の複数の候補の中からいずれか一つのパラメタ群を選択する。

これらの概括的かつ特定の態様は、システム、方法、及びコンピュータプログラム、並びに、それらの組み合わせにより、実現されてもよい。

本開示の撮像制御装置、撮像制御方法、及びプログラムによれば、カメラの撮像データに基づいて算出した画質評価値に基づいて、カメラに設定するパラメタ群を決定している。よって、カメラの設置状況に応じたパラメタを決定することができる。

第１及び第２実施形態の撮像制御装置の構成を示すブロック図 第１実施形態におけるパラメタの決定を示すフローチャート 画質評価値の算出を示すフローチャート 特徴ベクトルを説明するための図 第２実施形態におけるパラメタの決定を示すフローチャート 遺伝的アルゴリズムによるパラメタベクトルの生成を示すフローチャート 次世代のパラメタベクトルの生成を示すフローチャート 交叉を説明するためのフローチャート 突然変異を説明するためのフローチャート コピーを説明するためのフローチャート

（本開示の基礎となった知見）
監視カメラなどのカメラを新たに設置するとき又はレイアウト変更によって設置位置を変更するときは、カメラの撮影動作に関するパラメタ群をカメラの設置状況に応じた適当な値に設定する必要がある。例えば、カメラの設置状況として、カメラの設置位置及び周辺環境の照明条件等がある。

カメラの撮影動作に関するパラメタ群には、露光時間、フォーカス、圧縮品質等を設定するための複数種類のパラメタが含まれる。しかし、複数種類のパラメタの最適値を、カメラの設置位置及び周辺環境の照明条件等を考慮して、人間が決定することは難しい。例えば、画像のノイズを減らすために、露光時間を長くすると、動きによるボケが生じやすくなる。また、画像のノイズを減らすために、絞りを大きく開口すると、被写界深度が浅くなり、距離によるボケが生じやすくなる。また、カメラの明るさとボケやすさの間にもトレードオフの関係がある。よって、どのパラメタをどの値にすべきかを人間が決定することは難しかった。

さらに、空港及びショッピングセンタのような施設又は街中に、数百台の監視カメラが設置されることがある。このような多数の監視カメラに対して、１台ずつカメラのパラメタ群を、カメラの設置位置及び周辺環境の照明条件等に応じて手動で決定すると、時間がかかる。また、一度設置したカメラをレイアウト変更に伴って位置を変更したときに、カメラの台数が多いとパラメタ群を手動で再設定することが容易ではない。

本開示は、（Ｉ）カメラの撮影動作に関する複数種類のパラメタを、カメラの設置位置及び周辺環境の照明条件等に応じた適当な値に決定する撮像制御装置を提供する。

複数の監視カメラを使用して、特定の人物を探索することがある。このような監視カメラ等において、近年、深層学習等の機械学習を利用した自動顔認識が行われている。この自動顔認識に最適なパラメタ値を人間の主観による評価に基づいて決定することは難しい。例えば、人間は高周波領域の特徴が残っていると画質が良いと判断する。しかし、自動顔認識においては、一定以上の周波数領域はノイズに対してセンシティブなため利用されない。さらに、パラメタの良し悪しは、利用する自動顔認識のアルゴリズムにも依存する。しかし、人間には、例えば、ボケているが明るい画像と、シャープだが暗い画像のどちらが、自動顔認識に適しているかを判断することは困難である。

特許文献１は、撮像画像において合焦したい領域のコントラストに基づいてフォーカス制御を行っている。しかし、シャッタースピードを速くすることによってコントラストを向上させると、輝度レベルが低下する。一方、シャッタースピードを遅くして輝度レベルを向上させると、動きぼけによるコントラストの低下が生じる。よって、コントラストだけを指標とした場合、輝度レベルが考慮されず、顔認識に悪影響を及ぼす可能性がある。そのため、コントラストが顔認識に適した指標とは限らない。

特許文献２は、撮像画像の明るさ調整を、輝度レベルを目標値に近づけるという方法で実現している。しかし、輝度レベルが顔認識にとって適切な指標であるとは限らない。また、目標値をどのように設定するかが明確に定められていない。すなわち、顔認識に適した目標値が設定されていない。

よって、従来は、カメラの撮影動作に関する複数種類のパラメタを顔認識に適した値に決定することが難しかった。

本開示は、（ＩＩ）顔認識に適したパラメタ群を決定する撮像制御装置を提供する。

下記実施形態では、（Ｉ）カメラの設置位置及び周辺環境の照明条件等に応じた適当な値であって、且つ、（ＩＩ）顔認識に適した値のパラメタを決定する撮像制御装置について説明する。具体的には、本開示の撮像制御装置は、監視カメラなどのカメラが撮影した動画から顔画像の特徴量に基づく画質評価値を算出し、画質評価値に基づいてカメラに設定するパラメタ群を決定する。これにより、カメラの設置位置及び周辺環境の照明条件等に応じた、顔認識に適したパラメタ群をカメラに設定することができる。よって、顔認識の性能が向上する。

（第１実施形態）
以下、第１実施形態について、図面を参照しながら説明する。本実施形態では、深層学習を用いて顔認識するのに適したカメラのパラメタ群の設定について説明する。

１． 構成
図１は、本開示の撮像制御装置の電気的構成を示している。例えば、撮像制御装置１はサーバであり、カメラ２は監視カメラであり、カメラ制御装置３はパソコンである。撮像制御装置１は、例えば、クラウドサーバであり、インターネット経由により、１つ以上のカメラ制御装置３と接続される。図１の例では、１つのカメラ制御装置３に対して１台のカメラ２が接続される。撮像制御装置１は、例えば、複数のカメラ２が空港などに新たに設置されるときに、複数のカメラ２のそれぞれのパラメタ群を決定する。

撮像制御装置１は、通信部１０、制御部２０、記憶部３０、及びバス４０を備える。

通信部１０は、所定の通信規格に準拠して外部機器との通信を行う回路を含む。所定の通信規格は、例えば、ＬＡＮ、Ｗｉ－Ｆｉ（登録商標）、Ｂｌｕｅｔｏｏｔｈ（登録商標）、ＵＳＢ、ＨＤＭＩ（登録商標）を含む。

制御部２０は、撮像制御装置１の動作を制御する。制御部２０は、半導体素子などで実現可能である。制御部２０は、例えば、マイコン、ＣＰＵ、ＭＰＵ、ＤＳＰ、ＦＰＧＡ、ＡＳＩＣで構成することができる。制御部２０の機能は、ハードウェアのみで構成してもよいし、ハードウェアとソフトウェアとを組み合わせることにより実現してもよい。制御部２０は、記憶部３０に格納されたデータやプログラムを読み出して種々の演算処理を行い、所定の機能を実現する。制御部２０によって実行されるプログラムは、通信部１０等から提供されてもよいし、可搬性を有する記録媒体に格納されていてもよい。

制御部２０は、カメラ２が生成した撮像データに基づいて、カメラ２の撮影動作に関するパラメタ群を決定する。カメラ２のパラメタ群は、画質に影響する複数種類のパラメタを含む。例えば、パラメタ群は、絞り値、ゲイン、ホワイトバランス、シャッタースピード、及び焦点距離のうちの１つ以上を含む。

記憶部３０は、例えば、ハードディスク（ＨＤＤ）、ＳＳＤ、ＲＡＭ、ＤＲＡＭ、強誘電体メモリ、フラッシュメモリ、磁気ディスク、又はこれらの組み合わせによって実現できる。

バス４０は、通信部１０、制御部２０、及び記憶部３０を電気的に接続する信号線である。

撮像制御装置１は、さらに、ユーザによる種々の操作を入力するユーザインタフェースを含んでもよい。例えば、撮像制御装置１は、キーボード、ボタン、スイッチ、及びこれらの組み合わせを含んでもよい。

カメラ２は、ＣＣＤイメージセンサ、ＣＭＯＳイメージセンサ、又はＮＭＯＳイメージセンサなどの撮像素子を含む。

カメラ制御装置３は、撮像制御装置１が決定したパラメタ群に基づいてカメラ２を設定する。

２． 動作
２．１ パラメタベクトルの決定
図２は、撮像制御装置１の制御部２０によるパラメタベクトルの決定の動作を示すフローチャートである。

制御部２０は、Ｔ個のパラメタベクトルｐ_ｉ（ｉ＝１，２，・・・，Ｔ）、すなわち、パラメタベクトルｐ_１，ｐ_２，ｐ_３，・・・，ｐ_Ｔを生成する（Ｓ１）。パラメタベクトルｐ_ｉは、複数のパラメタを含むパラメタ群である。例えば、各パラメタベクトルｐ_ｉには、Ｍ個の要素であるパラメタｐ_ｉ，１，ｐ_ｉ，２，ｐ_ｉ，３・・・ｐ_ｉ，Ｍが含まれる。各パラメタｐ_ｉ，１，ｐ_ｉ，２，ｐ_ｉ，３・・・ｐ_ｉ，Ｍは、絞り値、ゲイン、ホワイトバランス、シャッタースピード、及び焦点距離などに対応する。Ｔ個のパラメタベクトルｐ_ｉは、Ｔパターンのパラメタベクトルｐ_ｉを構成する。すなわち、パラメタベクトルｐ_ｉに含まれる要素のうちの１つ以上が、他のパラメタベクトルｐ_ｉに含まれる同一種類の要素と異なる値を持つ。例えば、絞り値、ゲイン、ホワイトバランス、シャッタースピード、及び焦点距離のうちの少なくともいずれか一つが異なる。Ｔ個のパラメタベクトルｐ_ｉの生成方法は任意である。例えば、設定可能な値の全ての組み合わせによって、Ｔ個のパラメタベクトルｐ_ｉを生成してもよい。ステップＳ１で生成されるＴ個のパラメタベクトルｐ_ｉは、最終的にカメラ２に設定されるパラメタ群の候補となる。

制御部２０は、パラメタベクトルｐ_ｉについて画質評価値ａ_ｉを算出する（Ｓ２）。本実施形態における画質評価値ａ_ｉは画像認識に関連し、具体的には顔認識に対する適合度に対応する。

制御部２０は、算出した画質評価値ａ_ｉが既に算出した画質評価値の中で最大か否かを判断する（Ｓ３）。画質評価値ａ_ｉが最大であれば、そのパラメタベクトルｐ_ｉを最適なパラメタベクトルｐ_ｏｐｔに決定する（Ｓ４）。画質評価値ａ_ｉが最大でなければ、ステップＳ４をスキップする。

制御部２０は、Ｔ個のパラメタベクトルｐ_ｉの全てについて、画質評価値ａ_ｉに基づく評価が完了したか否かを判断する（Ｓ５）。評価していないパラメタベクトルｐ_ｉがあれば、ステップＳ２に戻る。

Ｔ個のパラメタベクトルｐ_ｉについての評価が完了すれば、パラメタベクトルｐ_ｏｐｔを最適なカメラパラメタとしてカメラ制御装置３に出力する（Ｓ６）。

２．２ 画質評価値の算出
図３は、画質評価値の算出（Ｓ２）の詳細を示している。制御部２０は、パラメタベクトルｐ_ｉをカメラ制御装置３に出力することによって、カメラ２の各種パラメタを設定する（Ｓ２０１）。

制御部２０は、パラメタベクトルｐ_ｉで示される値に設定されたカメラ２が撮影して生成した撮像データを取得する（Ｓ２０２）。撮像データは、例えば、１枚以上の画像を含む動画である。制御部２０は、撮像データからＮ個の顔画像を抽出する（Ｓ２０３）。顔画像の抽出方法は任意である。

制御部２０は、Ｎ個の顔画像を用いて画質評価値ａ_ｉを算出する（Ｓ２０４）。例えば、Ｎ個の顔画像の特徴量に基づいて画質評価値ａ_ｉを算出する。制御部２０は、パラメタベクトルｐ_ｉと画質評価値ａ_ｉを対応付けて記憶部３０に記録する。

図４を参照して、画質評価値ａ_ｉの算出（Ｓ２０４）の具体例について説明する。図４は、顔画像の特徴量の一例である特徴ベクトルｖ_ｉ，ｊの算出例を示している。本実施形態では、顔画像を学習したニューラルネットワークを使用して、特徴ベクトルｖ_ｉ，ｊ（ｊ＝１，２，・・・，Ｎ）を生成する。ニューラルネットワークは、例えば、多数の顔画像を示す学習データと、その顔画像が誰であるかを示すラベルとを対応付けて、事前に学習したものである。学習済みのニューラルネットワークは、記憶部３０に格納されている。ニューラルネットワークは、深層学習に用いられる多層構造を持つ。例えば、ニューラルネットワークは、入力層Ｌ１、中間層Ｌ２，Ｌ３，Ｌ４、及び出力層Ｌ５を含む。中間層の数は３層に限らない。中間層は、１つ以上の層を含む。ニューラルネットワークは、例えば、入力層Ｌ１に入力された顔画像が誰かを示すベクトルを出力層Ｌ５から出力する。

制御部２０は、ステップＳ２０３で抽出した１番目からＮ番目までの顔画像を順にニューラルネットワークの入力層Ｌ１に入力する。本実施形態では、例えば、ｊ番目（ｊ＝１，２，・・・，Ｎ）の顔画像について、出力層Ｌ５に最も近い中間層Ｌ４のノード値ｖ_{ｉ，ｊ，１}，ｖ_{ｉ，ｊ，２}，ｖ_{ｉ，ｊ，３}，・・・，ｖ_{ｉ，ｊ，Ｄ}から、特徴ベクトルｖ_ｉ，ｊ＝（ｖ_{ｉ，ｊ，１}，ｖ_{ｉ，ｊ，２}，ｖ_{ｉ，ｊ，３}，・・・，ｖ_{ｉ，ｊ，Ｄ}）を生成する。

制御部２０は、Ｎ個の顔画像のそれぞれの特徴ベクトルｖ_ｉ，ｊ（ｊ＝１，２，・・・，Ｎ）から、各顔画像に対する画質評価値ａ_ｉ，ｊを算出する。具体的には、制御部２０は、Ｎ個のそれぞれの画質評価値ａ_ｉ，ｊとして、特徴ベクトルｖ_ｉ，ｊのＬ２ノルムの値ｌ_ｉ，ｊを式（１）により算出する。Ｌ２ノルムと画像の品質には関係性がある（例えば、著者Rajeev Ranjan, Carlos D. Castillo，Rama Chellappaの「L2-constrained Softmax Loss for Discriminative Face Verification」を参照）。よって、本実施形態では、Ｌ２ノルムの値ｌ_ｉ，ｊを各顔画像の画質評価値ａ_ｉ，ｊとして利用する。

制御部２０は、式（２）に示すようにＮ個の顔画像の画質評価値ａ_ｉ，ｊの平均値をパラメタベクトルｐ_ｉの画質評価値ａ_ｉとして算出する。

３． 効果及び補足
撮像制御装置１は、カメラ２の撮影動作に関するパラメタ群を決定する。撮像制御装置１は、カメラ２が生成した撮像データを入力する通信部１０と、撮像データに基づいて、パラメタ群の複数の候補の中からカメラに設定するパラメタ群を選択する制御部２０と、を備える。制御部２０は、各候補のパラメタ群に設定されたカメラが生成した撮像データを入力部を介して取得し、候補毎に撮像データから複数の顔画像を抽出し、候補毎に複数の顔画像に基づいて画質評価値を算出し、画質評価値に基づいて、パラメタ群の複数の候補の中からいずれか一つのパラメタ群を選択する。

このように、カメラ２の撮像データに基づいてパラメタ群を決定することによって、カメラ２の設置位置及び周辺環境の照明条件に応じたパラメタ値を選択することができる。よって、例えば、空港及びショッピングセンタのような施設などに、数百台の監視カメラを設置するようなときに、各カメラのパラメタ値をカメラ２の設置位置及び周辺環境の照明条件に応じて人が決定する必要がなくなるため、パラメタ調整による作業コストを軽減することができる。

さらに、本実施形態によれば、カメラ２の撮像データから算出した顔認識に対する適合度を示す画質評価値に基づいて、カメラ２に設定するパラメタ群を決定している。よって、顔認識の性能が向上する。

制御部２０は、候補毎の画質評価値の中で最大となる画質評価値のパラメタ群を選択する。これにより、カメラ２の設置位置及び周辺環境の照明条件に応じて最適なパラメタ群が選択されうる。また、顔認識に最適なパラメタ群が選択されうる。例えば、顔が誤検出された場合、画質評価値は低くなる。よって、顔が誤検出されるようなパラメタ群が選択されることを防ぐことができる。

制御部２０は、複数の顔画像の特徴量のＬ２ノルムを算出することによって、画質評価値を算出する。顔画像の特徴量のＬ２ノルムと、画像の品質には関係性がある。よって、顔画像の特徴量のＬ２ノルムにより算出した画質評価値に基づいてパラメタ群を選択することによって、カメラ２の設置位置及び周辺環境の照明条件に応じた且つ顔認識に適したパラメタ群を選択することができる。

（第２実施形態）
第１実施形態では、Ｔ個のパラメタベクトルの生成（Ｓ１）の方法は任意であった。本実施形態では、遺伝的アルゴリズム（ＧＡ）を使用して、Ｔ個のパラメタベクトルを生成する。

図５は、第２実施形態における、撮像制御装置１の制御部２０によるパラメタベクトルの決定の動作を示すフローチャートである。制御部２０は、遺伝的アルゴリズムによって、Ｔ個のパラメタベクトルｐ_ｉ（ｉ＝１，２，３，・・・，Ｔ）を生成する（Ｓ１１）。図５において、パラメタベクトルｐ_ｉを遺伝的アルゴリズムによって生成すること以外は、第１実施形態の図２と同一である。すなわち、図５のステップＳ１２～Ｓ１６は、図２のステップＳ２～Ｓ６と同一である。

図６は、遺伝的アルゴリズムを使用したＴ個のパラメタベクトルｐ_ｉ（ｉ＝１，２，３，・・・，Ｔ）の生成（Ｓ１１）の詳細を示している。制御部２０は、現世代の一世代目である初期世代のＴ個のパラメタベクトルｐ_{１_ｉ}（ｉ＝１，２，３，・・・，Ｔ）、すなわち、パラメタベクトルｐ_{１_１}，ｐ_{１_２}，ｐ_{１_３}，・・・，ｐ_{１_Ｔ}を生成する（Ｓ１１１）。

制御部２０は、現世代のＴ個のパラメタベクトルｐ_{ｇ_ｉ}について画質評価値ａ_{ｇ_ｉ}を算出する（Ｓ１１２）。ステップＳ１１１の直後は、初期世代のＴ個のパラメタベクトルｐ_{１_ｉ}（ｇ＝１）について画質評価値ａ_{１_ｉ}を算出する（Ｓ１１２）。ステップＳ１１２における画質評価値の算出は、図２のステップＳ２と同一の方法で行う。すなわち、ステップＳ１１２は、第１実施形態の図３に示すステップＳ２０１～Ｓ２０４に対応する。

制御部２０は、現世代のＴ個のパラメタベクトルｐ_{ｇ_ｉ}について、画質評価値ａ_{ｇ_ｉ}の算出が完了したか否かを判断する（Ｓ１１３）。現世代のＴ個のパラメタベクトルｐ_{ｇ_ｉ}についての画質評価値ａ_{ｇ_ｉ}の算出が完了していなければ、ステップＳ１１２に戻る。

現世代のＴ個のパラメタベクトルｐ_{ｇ_ｉ}についての画質評価値ａ_{ｇ_ｉ}の算出が完了すれば、制御部２０は、現世代のＴ個の画質評価値ａ_{ｇ_ｉ}に基づいて、次世代のＴ個のパラメタベクトルｐ_{ｇ＋１_ｉ}（ｉ＝１，２，・・・，Ｔ）を生成する（Ｓ１１４）。制御部２０は、次世代のＴ個のパラメタベクトルｐ_{ｇ＋１_ｉ}の生成が完了したか否かを判断する（Ｓ１１５）。次世代のパラメタベクトルｐ_{ｇ＋１_ｉ}がＴ個に達するまで、ステップＳ１１４を繰り返す。

次世代のＴ個のパラメタベクトルｐ_{ｇ＋１_ｉ}の生成が完了すれば、次世代のＴ個のパラメタベクトルｐ_{ｇ＋１_ｉ}の各要素の値を現世代のＴ個のパラメタベクトルｐ_{ｇ_ｉ}に移す（Ｓ１１６）。

制御部２０は、現世代が最終世代に達したか否かを判断する（Ｓ１１７）。最終世代に達するまで、ステップＳ１１２～Ｓ１１７を繰り返す。

制御部２０は、現世代が最終世代に達すると、ステップＳ１１６によって得られる最終世代のＴ個のパラメタベクトルｐ_{ｇ_ｉ}を記憶部３０に格納する（Ｓ１１８）。これにより、最終的に現世代の中で最も画質評価値の高いＴ個のパラメタベクトルが、遺伝的アルゴリズムの解として得られることになる。

図７は、次世代のＴ個のパラメタベクトルｐ_{ｇ＋１_ｉ}の生成（Ｓ１１４）の詳細を示している。制御部２０は、ある確率でパラメタベクトルｐ_{ｇ＋１_ｉ}の生成方法を交叉、突然変異、及びコピーの中から決定する（Ｓ１１４１）。

決定した生成方法が交叉、突然変異、及びコピーのいずれであるかを判断し（Ｓ１１４２）、制御部２０は、判断結果の交叉（Ｓ１１４３）、突然変異（Ｓ１１４４）、及びコピー（Ｓ１１４５）のいずれかによって、１つのパラメタベクトルｐ_{ｇ＋１_ｉ}を生成する。

図８は、交叉（Ｓ１１４３）の詳細を示すフローチャートである。制御部２０は、ステップＳ１１２で算出したＴ個の画質評価値ａ_{ｇ_ｉ}に基づいて、パラメタベクトルｐ_{ｇ_ｉ}を２つ選択する（Ｓ４３１）。

パラメタベクトルｐ_{ｇ_ｉ}の選択は、例えば、ルーレット選択によって行う。具体的には、画質評価値ａ_{ｇ_ｉ}に基づいて、パラメタベクトルｐ_{ｇ_ｉ}を選ぶ確率ｒ_ｉを式（３）により算出する。確率ｒ_ｉに基づいて、パラメタベクトルｐ_{ｇ_ｉ}を選択する。

パラメタベクトルｐ_{ｇ_ｉ}の選択は、ランキング選択によって行ってもよい。例えば、ランクの確率を、一位なら確率ｒ_１、二位なら確率ｒ_２、三位なら確率ｒ_３などのように予め決めておく。Ｔ個の画質評価値ａ_{ｇ_ｉ}に基づいて、Ｔ個のパラメタベクトルｐ_{ｇ_ｉ}をランク付けし、ランク付けに対応する確率に基づいて、パラメタベクトルｐ_{ｇ_ｉ}を選択する。

制御部２０は、２つのパラメタベクトルｐ_{ｇ_ｉ}をもとに１つの新たなパラメタベクトルｐ_{ｇ＋１_ｉ}を生成する（Ｓ４３２）。例えば、２つのパラメタベクトルｐ_{ｇ_ｉ}の各要素を独立に１／２の確率で入れ替えて、パラメタベクトルｐ_{ｇ＋１_ｉ}を生成する。

図９は、突然変異（Ｓ１１４４）の詳細を示すフローチャートである。制御部２０は、ステップＳ１１２で算出したＴ個の画質評価値ａ_{ｇ_ｉ}に基づいて、パラメタベクトルｐ_{ｇ_ｉ}を１つ選択する（Ｓ４４１）。パラメタベクトルｐ_{ｇ_ｉ}の選択は、例えば、上述したルーレット選択又はランキング選択によって行う。制御部２０は、選択したパラメタベクトルｐ_{ｇ_ｉ}の各要素に変化を加えて１つの新たなパラメタベクトルｐ_{ｇ＋１_ｉ}を生成する（Ｓ４４２）。例えば、パラメタベクトルｐ_{ｇ_ｉ}の各要素をランダムに変更する。具体的には、例えば、パラメタベクトルｐ_{ｇ_ｉ}の各要素を独立に０．１％の確率で乱数又は事前に用意した値に入れ替えることによって、パラメタベクトルｐ_{ｇ＋１_ｉ}を生成する。

図１０は、コピー（Ｓ１１４５）の詳細を示すフローチャートである。制御部２０は、ステップＳ１１２で算出したＴ個の画質評価値ａ_{ｇ_ｉ}に基づいて、パラメタベクトルｐ_{ｇ_ｉ}を１つ選択する（Ｓ４５１）。パラメタベクトルｐ_{ｇ_ｉ}の選択は、例えば、上述したルーレット選択又はランキング選択によって行う。制御部２０は、選択したパラメタベクトルｐ_{ｇ_ｉ}と同一の新たなパラメタベクトルｐ_{ｇ＋１_ｉ}を生成する（Ｓ４５２）。

これにより、ステップＳ１１において生成されるＴ個のパラメタベクトルｐ_１，ｐ_２，ｐ_３，・・・，ｐ_Ｔは、画質評価値が高いパラメタベクトルとなる。よって、この中からステップＳ１２～Ｓ１５において、パラメタベクトルを１つ選択することによって、画質評価値がより高いパラメタベクトルを選択することができる。

（他の実施形態）
以上のように、本出願において開示する技術の例示として、上記第１及び第２実施形態を説明した。しかしながら、本開示における技術は、これに限定されず、適宜、変更、置き換え、付加、省略などを行った実施形態にも適用可能である。そこで、以下、他の実施形態を例示する。

上記実施形態は、画質評価値の算出（Ｓ２０４）において、深層学習を利用した顔認識に適したパラメタを決定する例として、特徴ベクトルのＬ２ノルムを使用した。しかし、画質評価値の算出方法は、上記実施形態に限らない。例えば、画質評価値は、特徴ベクトルを入力値とする関数によって、算出されてもよい。例えば、画質評価値の算出方法は、顔認識の手法に応じて変えてもよい。顔認識の手法として、Ｇａｂｏｒフィルタを使用するものがある（「顔検出・顔認識のための統計的手法」、栗田多喜夫、産業技術総合研究所脳神経情報研究部門を参照）。この場合、Ｇａｂｏｒ特徴量に基づいて画質評価値を算出してもよい。Ｇａｂｏｒ特徴量は、Ｇａｂｏｒフィルタを用いて算出することができる、特定の方向の特定の周波数成分に基づく特徴量である。このＧａｂｏｒ特徴量は、ノイズの影響を受けることが知られている（例えば、第２２回ファジィシステムシンポジウム、札幌、２００６年９月６～８日、「ガボールフィルタを用いたコンクリート構造物上のひび割れ抽出に関する研究」を参照）。また、Ｇａｂｏｒ特徴量は、ボケの影響を受けることが知られている(第２１回画像センシングシンポジウム、横浜、２０１５年６月、「ガボールフィルタを用いたぼけ領域検出に関する研究」を参照)。よって、顔画像のＧａｂｏｒ特徴量に基づく画質評価値と顔認識性能には相関があると考えられる。Ｇａｂｏｒ特徴量に基づく画質評価値を算出する場合、ステップＳ２０４において、ｊ番目（１，２，・・・，Ｎ）の顔画像の特徴ベクトルｖ_ｉ，ｊ＝（ｖ_{ｉ，ｊ，１}，ｖ_{ｉ，ｊ，２}，ｖ_{ｉ，ｊ，３}，・・・，ｖ_{ｉ，ｊ，Ｄ}）のうち、特定の周波数に該当する要素の総和を、ｊ番目の顔画像の画質評価値ａ_ｉ，ｊとする。Ｎ個の顔画像の画質評価値ａ_ｉ，ｊに基づいて、式（２）により、パラメタベクトルｐ_ｉの画質評価値ａ_ｉを算出する。

上記実施形態では、１台のカメラ２に対して１つのカメラ制御装置３が接続されたが、１つのカメラ制御装置３に複数のカメラ２が接続されてもよい。撮像制御装置１に接続されるカメラ制御装置３の数は１つ以上であってもよい。

上記実施形態では、パラメタの決定はサーバなどの撮像制御装置１が行い、カメラ２へのパラメタの設定はパソコンなどのカメラ制御装置３が行う例について説明したが、撮像制御装置１とカメラ制御装置３の機能は一つの装置によって実行されてもよい。

上記実施形態では、撮像制御装置１がＴ個のパラメタベクトルｐ_ｉを生成したが（Ｓ１及びＳ１１）、人がＴ個のパラメタベクトルｐ_ｉを生成してもよい。

上記実施形態では、カメラ制御装置３が、撮像制御装置１から受信したパラメタベクトルｐ_ｉにより、カメラ２を設定した。しかし、カメラ２の一部又は全部のパラメタの設定を、人が行ってもよい。

上記実施形態では、顔認識に適したパラメタ群を決定する例について説明したが、決定するパラメタ群は顔認識に適したものでなくてもよい。カメラ２の設置位置又は撮像データの使用用途等に応じたパラメタ群を決定してもよい。この場合、ステップＳ２０３で抽出する画像は顔画像に限定しない。また、特徴ベクトルは顔画像の特徴量を示すものに限定しない。自動認識しようとする対象に応じて、抽出する画像及び特徴量を変えてもよい。例えば、車の自動認識に適したパラメタ群を決定する場合、抽出する画像は車の画像であって、車の画像を学習したニューラルネットワークを使用して、車の特徴量を示す特徴ベクトルを生成してもよい。

（実施形態の概要）
（１）本開示の撮像制御装置は、カメラの撮影動作に関するパラメタ群を決定する撮像制御装置であって、カメラが生成した撮像データを入力する入力部と、撮像データに基づいて、パラメタ群の複数の候補の中からカメラに設定するパラメタ群を選択する制御部と、を備え、制御部は、各候補のパラメタ群に設定されたカメラが生成した撮像データを入力部を介して取得し、候補毎に撮像データから抽出対象をそれぞれ含む複数の抽出対象画像を抽出し、候補毎に複数の抽出対象画像に基づいて画質評価値を算出し、画質評価値に基づいて、パラメタ群の複数の候補の中からいずれか一つのパラメタ群を選択する。

このように、カメラ２の撮像データに基づいてパラメタ群を決定することによって、カメラ２の設置位置及び周辺環境の照明条件に応じたパラメタ値を選択することができる。また、人がパラメタ値を調整する必要がなくなるため、作業コストを軽減することができる。

（２）（１）の撮像制御装置において、制御部は、候補毎の画質評価値の中で最大となる画質評価値のパラメタ群を選択してもよい。

これにより、カメラ２の設置位置及び周辺環境の照明条件により適したパラメタ群を選択することができる。

（３）（１）又は（２）の撮像制御装置において、抽出対象は人の顔であり、画質評価値は顔認識に対する適合度に対応してもよい。

これにより、顔認識に適したパラメタ群が選択されるため、顔認識の性能が向上する。

（４）（１）から（３）の撮像制御装置において、制御部は、パラメタ群の複数の候補を、遺伝的アルゴリズムを使用して生成してもよい。

これにより、画質評価値が高いパラメタ群の候補の中から、よりよいパラメタ群が選択されうる。

（５）（１）から（４）の撮像制御装置において、制御部は、複数の抽出対象画像の特徴量のＬ２ノルムを算出することによって、画質評価値を算出してもよい。

（６）（１）から（４）の撮像制御装置において、制御部は、複数の抽出対象画像のＧａｂｏｒ特徴量を算出することによって、画質評価値を算出してもよい。

（７）（１）から（６）の撮像制御装置において、パラメタ群は、絞り値、ゲイン、ホワイトバランス、シャッタースピード、及び焦点距離のうちの少なくとも２つを含んでもよい。

（８）本開示の撮像制御方法は、演算部により、カメラの撮影動作に関するパラメタ群を決定する撮像制御方法であって、パラメタ群の複数の候補の各々に設定されたカメラが生成した撮像データを入力部を介して取得し、候補毎に撮像データから抽出対象をそれぞれ含む複数の抽出対象画像を抽出し、候補毎に複数の抽出対象画像に基づいて画質評価値を算出し、画質評価値に基づいて、パラメタ群の複数の候補の中から、カメラに設定するパラメタ群を選択する。

本開示の全請求項に記載の撮像制御装置及び撮像制御方法は、ハードウェア資源、例えば、プロセッサ、メモリ、及びプログラムとの協働などによって、実現される。

本開示の撮像制御装置は、例えば、監視カメラのパラメタの設定に有用である。

１ 撮像制御装置
２ カメラ
３ カメラ制御装置
１０ 通信部
２０ 制御部
３０ 記憶部

Claims (8)

1. カメラの撮影動作に関し、自動顔認識に適したパラメタ群を決定する撮像制御装置であって、
   前記カメラが生成した撮像データを入力する入力部と、
   前記撮像データに基づいて、前記パラメタ群の複数の候補の中から前記カメラに設定するパラメタ群を選択する制御部と、
   を備え、
   前記制御部は、
   前記パラメタ群の前記複数の候補の各々に設定されたカメラが生成した撮像データを前記入力部を介して取得し、
   前記候補毎に前記撮像データから人の顔をそれぞれ含む複数の顔画像を抽出し、
   前記候補毎に前記複数の顔画像に基づいて、自動顔認識に対する適合度に対応する画質評価値を算出し、
   前記画質評価値に基づいて、前記パラメタ群の複数の候補の中からいずれか一つのパラメタ群を選択する、
   撮像制御装置。
2. 前記制御部は、前記候補毎の画質評価値の中で最大となる画質評価値のパラメタ群を選択する、
   請求項１に記載の撮像制御装置。
3. 前記制御部は、前記パラメタ群の複数の候補を、遺伝的アルゴリズムを使用して生成する、
   請求項１または請求項２に記載の撮像制御装置。
4. 前記制御部は、前記複数の顔画像のそれぞれの特徴量のＬ２ノルムを算出し、前記Ｌ２ノルムに基づいて前記画質評価値を算出する、請求項１から請求項３のいずれかに記載の撮像制御装置。
5. 前記制御部は、前記複数の顔画像のそれぞれのＧａｂｏｒ特徴量を算出し、前記Ｇａｂｏｒ特徴量に基づいて前記画質評価値を算出する、請求項１から請求項３のいずれかに記載の撮像制御装置。
6. 前記パラメタ群は、絞り値、ゲイン、ホワイトバランス、シャッタースピード、及び焦点距離のうちの少なくとも２つを含む、請求項１から請求項５のいずれかに記載の撮像制御装置。
7. 演算部により、カメラの撮影動作に関し、自動顔認識に適したパラメタ群を決定する撮像制御方法であって、
   前記パラメタ群の複数の候補の各々に設定されたカメラが生成した撮像データを入力部を介して取得し、
   前記候補毎に前記撮像データから人の顔をそれぞれ含む複数の顔画像を抽出し、
   前記候補毎に前記複数の顔画像に基づいて、自動顔認識に対する適合度に対応する画質評価値を算出し、
   前記画質評価値に基づいて、前記パラメタ群の複数の候補の中から、前記カメラに設定するパラメタ群を選択する、
   撮像制御方法。
8. コンピュータに請求項７に記載の撮像制御方法を実行させるためのプログラム。

Images