JP7271373B2 - 映像処理装置、映像処理システムおよび映像処理方法 - Google Patents

Description

本発明は、映像処理装置、映像処理システムおよび映像処理方法に関する。

近年、カメラなどが撮影（撮像）した映像を解析することで撮影対象やその周囲の物体を認識する映像認識技術の応用が進んでいる。例えば、人を撮影対象としたもので、万引きや転倒などの異常行動の検出、顔画像からの個人認識などの応用がある。他に、映像認識技術は、自動運転車両やロボットにおいて、周囲に存在する物体の位置測定や動き予測などでも必要とされる。
また、深層学習などによる映像認識技術の高度化、および高速に処理するハードウェアの普及につれて、映像認識技術はあらゆるサービスで活用されており、適用シーンは屋内・屋外を問わず多様である。このため、様々な撮影環境において高精度に認識することが求められる。

一方、認識技術であるため、１００％の精度保証は困難であり、シーン（撮影環境）によっては認識精度が低下してしまい、見逃し（失報）や誤認識（誤報）が発生する。そこで、多様な認識環境においても失報や誤報を抑制してシステム全体の信頼度を向上させる技術への期待が高い。
特許文献１に記載の発明は、カメラで撮影した画像を用いる顔認証システムである。このシステムは、撮影時刻、および映像から推定した天候情報に基づき発報するか否かを決定する閾値を切り替えることで、失報や誤報の発生を低減している。

特開２０１１－２２７６５４号公報

特許文献１に記載の発明によれば、認識精度に影響を与える照度変化に起因する失報や誤報の発生を抑制できる。しかし、特許文献１に記載の発明は、その他の認識精度に悪影響を与える環境変化に対応できない。例えば、特許文献１に記載の顔認証システムでは顔を正面から撮影した方が高精度な認識が可能であるが、顔とカメラとの位置関係や顔の向きなどによっては認識精度が低下し、失報や誤報が多発する。このため、人とカメラとの位置関係が常に変化するような状況下では、失報や誤報を抑制できない。

本発明は、このような背景を鑑みてなされたのであり、認識精度に影響を与える認識環境が変化しても信頼性が高い映像の認識を可能とする映像処理装置、映像処理システムおよび映像処理方法を提供することを課題とする。

前記した課題を解決するため、本発明の映像処理装置は、撮像装置が撮像した映像の認識精度に影響を与える撮像時における認識環境要因を取得する認識環境取得部と、前記映像の認識精度と前記認識環境要因との対応である認識環境条件を記憶している認識環境要因データベースを参照して、前記認識環境取得部が取得した認識環境要因での認識精度を算出する認識精度算出部と、算出された認識精度から認識信頼度を算出する認識信頼度算出部と、前記撮像装置が撮像した映像から認識した結果である認識結果を取得する認識結果取得部と、前記認識信頼度と前記認識結果とに応じて当該認識結果を発報するか否かを判断する発報判断部と、前記認識信頼度を保存する認識信頼度保存部と、他の映像処理装置における発報の結果を取得する通信部と、前記認識信頼度保存部が保存した認識信頼度が所定のレベルを満たし、同じ認識対象についての前記他の映像処理装置と自身との発報の結果が異なる場合、前記認識結果に異常があると判断する認識環境異常検知部とを備えることを特徴とする。

本発明によれば、認識精度に影響を与える認識環境が変化しても信頼性が高い映像の認識を可能とする映像処理装置、映像処理システムおよび映像処理方法を提供することができる。

第１の実施形態に係る映像処理装置の機能構成図である。 第１の実施形態に係る認識環境要因Ａと認識精度との関係を示すグラフである。 第１の実施形態に係る認識環境要因Ｂと認識精度との関係を示すグラフである。 第１の実施形態に係る認識環境要因Ｃと認識精度との関係を示すグラフである。 第１の実施形態に係る解像度と認識精度との関係を示すテーブルである。 第１の実施形態に係る体の向きと認識精度との関係を示すテーブルである。 第１の実施形態に係る認識精度が９０％である姿勢の変化を示す時系列データである。 第１の実施形態に係る認識精度が９０％である姿勢の変化を示す時系列データのグラフである。 第１の実施形態に係る認識精度が９０％である姿勢の変化を示す時系列データである。 第１の実施形態に係る認識信頼度取得部の動作を説明するための図である。 第１の実施形態に係る認識環境条件が時系列データで示される場合の認識精度算出部の動作を説明するための図（１）である。 第１の実施形態に係る認識環境条件が時系列データで示される場合の認識精度算出部の動作を説明するための図（２）である。 第１の実施形態に係る認識信頼度算出部の動作を説明するための図である。 第１の実施形態に係る映像処理装置が実行する映像を認識して発報する認識発報処理のフローチャートである。 第２の実施形態に係る映像処理装置の機能構成図である。 第３の実施形態に係る映像処理システムの全体構成を示す図である。 第４の実施形態に係る認識情報統合装置を含む映像処理システムの全体構成図である。 第４の実施形態の変形例に係る映像処理システムの全体構成図である。

≪第１の実施形態：映像処理装置の概要≫
以下に、本発明を実施する形態（実施形態）における映像処理装置を説明する。映像処理装置は、人やモノ、それらの動作の認識結果に応じて報知する。例えば、映像処理装置は、人の動作を認識または認識結果を取得し、異常行動を検知した場合に報知する。
映像処理装置には、撮影環境（カメラの設置位置・照度など）やカメラの仕様、認識対象の状態（顔の向き・姿勢など）などの認識環境要因と認識精度との対応（後記する認識環境要因データベース１２０（図１参照）に記憶される認識環境条件）が、予め設定されている。映像処理装置は、映像取得時の認識環境要因、および設定済みの認識環境条件を照合（参照）して、映像取得時における認識精度を算出する。続いて、映像処理装置は、認識結果（例えば、人の異常行動の確率）と、認識精度から算出する認識信頼度とから、発報（例えば、異常行動検出の発報）をするか否かを判断する。

なお、撮影環境やカメラの仕様、認識対象の状態などを含む環境を認識環境と呼ぶ。認識環境要因は、認識環境における認識に影響を与える要因である。また、認識精度は認識環境における個々の認識環境要因における認識の確からしさを示す値であるのに対して、認識信頼度は認識環境における認識の確からしさを示す値である（後記する図１記載の認識信頼度算出部１３３を参照）。

≪映像処理装置の全体構成≫
図１は、第１の実施形態に係る映像処理装置１００の機能構成図である。映像処理装置１００は、カメラ２００が接続されたコンピュータであり、不図示のＣＰＵ（Central Processing Unit）、ＲＡＭ（Random Access Memory）やＳＳＤ（Solid State Drive）などからなる記憶部、ディスプレイやスピーカなどの出力部を備える。記憶部に記憶されたプログラム（不図示）をＣＰＵが実行することで、認識環境取得部１１０、認識信頼度取得部１３０、認識部（認識結果取得部）１４０、発報判断部１５０、および発報部１６０が機能し、映像処理装置１００は、後記する図１４に示される認識発報処理を行う。

≪認識環境取得部の構成≫
認識環境取得部１１０は、カメラ２００から映像を取得し、例えば顔画像から個人を認識する際の認識精度に影響を与える認識環境情報を取得して、後記する認識信頼度取得部１３０に出力する。なお、以下では、認識環境取得部１１０が取得する認識環境情報を、認識環境要因の値ないしは単に認識環境要因とも記す。

認識環境取得部１１０は、カメラ配置情報取得部１１１、カメラ性能情報取得部１１２、外乱情報取得部１１３、人物姿勢情報取得部１１４、および人流情報取得部１１５を備える。
カメラ配置情報取得部１１１は、カメラ２００の位置情報や姿勢情報を取得する。位置情報（設置位置）としては、撮影範囲を平面地図で表現した際の撮影領域や、平面地図上のカメラ２００の位置、カメラ２００の高さなどがある。姿勢情報としては、平面地図でのカメラ２００の撮影方向や俯角情報、仰角情報などがある。

カメラの位置情報や姿勢情報の取得手法としては、サイズが既知の模様が示されたボード（例えばチェスボード）を使用したキャリブレーション手法や、カメラ画像の消失点などの情報により算出するカメラパラメータ推定手法などがある。また、複数台のカメラ２００と映像処理装置１００が設置される場合には、カメラ配置情報取得部１１１は、他のカメラ２００の撮影画像を取得し、共通した撮影領域の画像同士を比較することで、位置情報を取得してもよい。例えば、ロボットに搭載されるなど移動可能または姿勢（向き）が変更可能なカメラ２００ならば、カメラ２００（またはカメラ２００が据え付けられた装置を制御する機器）に問い合わせて、位置情報や姿勢情報を取得してもよい。または、固定されたカメラ２００については、設置時に設定され記憶された位置情報や俯角情報を読み出して取得してもよい。

カメラ性能情報取得部１１２は、認識精度に影響するカメラのスペック情報（性能情報）を取得する。スペック情報としては、カメラの画像解像度、撮像フレームレート、データ仕様などがある。データ仕様とは、カメラにより取得するデータの種類であって、通常のＲＧＢ画像、グレースケール画像に加え、魚眼レンズによる取得可能な全方位画像、赤外線画像、ステレオカメラや距離センサの場合に取得できる距離画像、３次元情報なども含まれる。
これらカメラのスペック情報が公開されている製品仕様書などから人手で設定され記憶された情報を、カメラ性能情報取得部１１２が読み出して取得してもよい。または、カメラ性能情報取得部１１２が、カメラ２００に問い合わせて取得するようにしてもよい。

外乱情報取得部１１３は、認識精度に影響するカメラ周囲の外乱情報を取得する。外乱情報としては、日光や照明による認識対象の照度情報、水滴や砂埃などによるレンズ汚れ情報、現在の天気情報、床面情報などがある。
照度情報の取得手法としては、撮影領域に設置された照度計から取得する手法、撮影画像全体の平均の輝度情報を算出する手法、または映像における認識対象の領域における輝度情報を算出する手法などがある。レンズ汚れ情報の取得手法としては、カメラ設置直後の画像と現在の画像との輝度値を比較して汚れ度合いを算出する手法などがある。天気情報の取得手法としては、ネットワーク経由でカメラ設置場所の天気情報を取得する手法などがある。床面情報の取得手法としては、設定済みの撮影領域の床面情報を、読み出す手法、床面の材質や鏡面反射率を画像処理により取得する手法などがある。
以上に説明した外乱情報以外に、外乱情報取得部１１３は、例えば、日光や照明、床の鏡面反射などにより発生する白飛び率など、外乱の影響から発生する撮影画像の特徴量を外乱情報として取得してもよい。

人物姿勢情報取得部１１４は、認識精度に影響する顔の向きや骨格など、人物の姿勢情報を取得する。姿勢情報の取得手法としては、視線センサやモーションキャブチャのような機器を対象の人物に装着して取得する手法や、カメラ２００から取得した映像を画像処理して推定する手法などがある。
画像処理により人物の顔の向きを算出する手法としては、人物追跡処理により人物の進行方向を推定してその方向を顔の向きとして判定する手法や、目・口・鼻の中心点や端点などの特徴点の映像内における位置関係から判定する手法などがある。画像処理により姿勢情報を推定する手法としては、深層学習などの画像認識技術により骨格や関節角度などを撮影画像から推定する手法などがある。
なお、人物姿勢情報取得部１１４が取得する姿勢情報としては、１枚の撮影画像における姿勢情報だけでなく、複数枚の撮影画像における時系列の姿勢情報であってもよい。また、人物姿勢情報取得部１１４は、人物の位置（カメラ２００からの距離）を取得してもよい。

人流情報取得部１１５は、認識精度に影響する人物の移動速度や移動方向、人数などの人流情報を取得する。人流情報の取得手法としては、映像内の個々の人物を識別して動きをトレースすることで、移動速度や移動手法、人数を取得する手法などがある。

≪認識環境要因データベース≫
認識環境要因データベース１２０（図１では認識環境要因ＤＢ（database）と記載）は、記憶部に記憶されるデータであって、認識精度に影響する認識環境要因と認識精度との対応（関係）を示す情報を含む。後記する認識信頼度取得部１３０は、認識環境要因と認識精度との関係を参照して、認識環境取得部１１０が取得した認識環境における認識精度を算出し、認識精度から認識信頼度を算出する。以下、図２～図９を参照しながら、認識環境要因データベース１２０に含まれる認識環境要因と認識精度との関係の例を説明する。

図２は、第１の実施形態に係る認識環境要因Ａと認識精度との関係を示すグラフ５０１である。認識環境要因Ａが、Ａ１からＡ４へ変化するつれ、認識精度は向上する。このような認識環境要因Ａの例として、カメラ２００の解像度があり、解像度が高いほど認識精度が高くなる。

図３は、第１の実施形態に係る認識環境要因Ｂと認識精度との関係を示すグラフ５０２である。認識環境要因Ｂが、Ｂ１からＢ４へ変化するつれ、認識精度は低下する。このような認識環境要因Ｂの例として、カメラ２００の映像の白飛び率があり、白飛び率が高いほど認識精度が低くなる。

図４は、第１の実施形態に係る認識環境要因Ｃと認識精度との関係を示すグラフ５０３である。認識環境要因Ｃが、Ｃ２からＣ３の区間は認識精度が高いが、この区間を離れるにつれ認識精度が低下する。このような認識環境要因Ｃの例として、照度があり、照度が低すぎても高すぎても認識精度は悪くなる。

図２～図４は、グラフを用いて示された認識環境要因と認識精度との関係である。認識環境要因と認識精度との関係をテーブルで示してもよい。
図５は、第１の実施形態に係る解像度と認識精度との関係を示すテーブル５１１である。テーブル５１１は、カメラ２００の解像度がＱＶＧＡ（Quarter Video Graphics Array）ならば認識精度は３０％であり、ＶＧＡ（Video Graphics Array）ならば６０％であって、ＳＸＶＧＡ（Super eXtended Video Graphics Array）ならば９０％であることを示している。

図６は、第１の実施形態に係る体の向きと認識精度との関係を示すテーブル５１２である。テーブル５１２は、認識対象である人物の体の向きが正面ならば認識精度は９０％であり、背面ならば０％であって、側面ならば６０％であることを示している。

認識環境要因が時系列データで示される場合もある。
図７は、第１の実施形態に係る認識精度が９０％である姿勢の変化を示す時系列データ５２０である。時系列データ５２０は、時間間隔Ｔごとの人の姿勢を示す骨格情報を示しおり、認識時点より３Ｔ前の時刻ｔ１においての姿勢が骨格情報５２１で示され、２Ｔ前の時刻ｔ２においての姿勢が骨格情報５２２で示され、Ｔ前の時刻ｔ３においての姿勢が骨格情報５２３で示されるならば、当該認識時点での認識精度は９０％であることを示している。例えば、Ｔが１秒だとして、認識の３秒前の姿勢が骨格情報５２１であり、２秒前の姿勢が骨格情報５２２であって、１秒前の姿勢が骨格情報５２３であるならば、当該認識の精度は９０％であることを示している。

図７では、体全体の骨格情報を用いて姿勢情報を表しているが、一部の関節の角度を用いて姿勢情報を表してもよい。
図８は、第１の実施形態に係る認識精度が９０％である姿勢の変化を示す時系列データのグラフ５３１である。グラフ５３１は、間接Ａの角度の変化を示している。間接Ａの角度が時刻ｔ１から時刻ｔ２にかけてグラフ５３１に示すように変化した場合、時刻ｔ２における認識の精度は９０％であることを示している。

図９は、第１の実施形態に係る認識精度が９０％である姿勢の変化を示す時系列データ５４０である。時系列データ５４０は、間接Ｂの角度の変化を示すグラフ５４１、および間接Ｃの角度の変化を示すグラフ５４２を含む。時系列データ５４０は、間接Ｂの角度が時刻ｔ１から時刻ｔ２にかけてグラフ５４１に示すように変化し、さらに、間接Ｃの角度が時刻ｔ１から時刻ｔ２にかけてグラフ５４２に示すように変化したときには、時刻ｔ２での認識精度は９０％であることを示している。時系列データ５４０は、２つの関節の変化を示すグラフ５４１，５４２を含むが、３つ以上の関節の変化を示すグラフを含んでもよい。

図２～図９に示したように、認識環境要因データベース１２０（図１参照）は、認識精度に影響する認識環境要因と認識精度との関係を示す情報をグラフやテーブル、時系列データなどの形式のデータとして含む。グラフ５０１，５０２，５０３（図２～図４参照）やテーブル５１１，５１２（図５～図６参照）は、認識精度が低くなる認識環境要因も高くなる環境要因も含んでいる。これに対して、時系列データ５２０，５４０（図７、図９参照）やグラフ５３１（図８参照）は、認識精度が高くなるときの認識環境要因（理想的な認識環境要因）である姿勢の変化の情報を含んでいる。姿勢の変化は様々なパターンがあり、全てのパターンにおける認識精度を認識環境要因データベース１２０が記憶することは不可能である。このため、認識環境要因データベース１２０は、認識精度が高くなる時系列データを記憶している。以下では、認識環境要因データベース１２０が記憶する認識精度に影響する認識環境要因と認識精度との対応（関係）を認識環境条件とも記す。

≪認識信頼度取得部の構成≫
図１に戻り、認識信頼度取得部１３０を説明する。認識信頼度取得部１３０は、認識環境取得部１１０が出力した認識環境情報と、認識環境要因データベース１２０から取得した認識環境条件とから、認識信頼度を算出する。認識信頼度取得部１３０は、認識環境条件取得部１３１、認識精度算出部１３２、および認識信頼度算出部１３３を備える。

図１０は、第１の実施形態に係る認識信頼度取得部１３０の動作を説明するための図である。図１０を参照しながら、認識環境条件取得部１３１、認識精度算出部１３２、および認識信頼度算出部１３３の動作を説明する。テーブル５５１は、認識環境取得部１１０が出力した８つの認識環境情報（認識環境要因の値または認識環境要因）を示す。認識環境情報は、例えば、カメラ２００の設置高さは２．８ｍであり、認識対象の人物の姿勢は直立状態であるという情報を含む。
認識環境条件取得部１３１は、認識環境取得部１１０が出力した認識環境情報に対応する認識環境条件（認識環境要因と認識精度との対応）を認識環境要因データベース１２０から取得する。

テーブル５５２Ａ～５５２Ｈは、認識環境条件取得部１３１が認識環境要因データベース１２０から取得した認識環境条件である。例えば、「カメラ２００の設置高さが２．８ｍである」という認識環境情報に対しては、認識環境条件取得部１３１は、テーブル５５２Ａに示される認識環境条件を取得する。また、「認識対象の人物の姿勢は直立状態である」という認識環境情報に対しては、認識環境条件取得部１３１は、テーブル５５２Ｈに示される認識環境条件を取得する。

認識精度算出部１３２は、認識環境条件と認識環境情報とから認識精度を算出する。詳しくは、認識精度算出部１３２は、テーブル５５１に含まれる認識環境情報それぞれについて、対応する認識環境条件を示すテーブル５５２Ａ～５５２Ｈから認識精度を取得して、テーブル５５３を生成する。なお、認識環境条件を示すテーブル５５２Ａ～５５２Ｈに、認識環境情報の値そのものがない場合には、補間して認識精度を取得するようにしてもよい。例えば、カメラ２００の解像度がＱＶＧＡとＶＧＡの中間であれば、テーブル５５２Ｄに示されるＱＶＧＡの認識精度３０％と、ＶＧＡの認識精度６０％との中間値である４５％を認識精度としてもよい。また、照度を示すテーブル５５２Ｅにおいて、照度の区間の境界に近い認識環境情報の場合には、２つの区間の認識精度で補間するようにしてもよい。例えば、「～３００」の区間と「３００～１０００」の区間の境界近い３１０ルクスという照度ならば、認識精度を２０％と１００％との間の６０％と算出してもよい。

図１０を参照しながら、認識環境条件がテーブルで示される場合の認識精度算出部１３２の動作を説明した。認識環境条件がグラフで示される場合（図２～図４参照）は、認識精度算出部１３２は、当該グラフから認識環境要因に対応する認識精度を取得する。例えば、認識環境要因Ｂの値がＢ１ならば、認識精度算出部１３２は、認識精度を１００％とする（図３参照）。
続いて、認識環境条件が時系列データで示される場合の認識精度算出部１３２の動作を説明する。

図１１は、第１の実施形態に係る認識環境条件が時系列データ５２０（図７参照）で示される場合の認識精度算出部１３２の動作を説明するための図（１）である。図１１の上部に記載された時系列データ５２０は、認識精度が９０％である姿勢の変化を示す（図７参照）。図１１の下部に記載された時系列データ５６０は、認識環境取得部１１０が出力した認識環境情報として姿勢情報であって、認識時点より３Ｔ前の時刻ｔ１においての姿勢が骨格情報５６１であり、２Ｔ前の時刻ｔ２においての姿勢が骨格情報５６２であって、Ｔ前の時刻ｔ３においての姿勢が骨格情報５６３であることを示している。

認識精度算出部１３２は、同じタイミングでの骨格情報の類似度の平均値から、認識環境情報としての時系列データ５６０の認識精度を算出する。例えば、認識時点より３Ｔ前の時刻ｔ１における骨格情報５２１，５６１の類似度（相関係数）を１００％とし、認識時点より２Ｔ前の時刻ｔ２における骨格情報５２２，５６２の類似度を１００％とし、認識時点よりＴ前の時刻ｔ３における骨格情報５２３，５６３の類似度を４０％とする。認識精度算出部１３２は、時系列データ５２０の認識精度９０％に、時刻ｔ１，ｔ２，ｔ３における類似度の単純平均の８０％を乗じて、認識精度７２％を算出する。

単純平均ではなく、認識時点に近い時刻における類似度が重くなるような加重平均から認識精度を算出してもよい。例えば、時刻ｔ１，ｔ２，ｔ３に、１，２，３の重みづけをした加重平均は、（１００×１＋１００×２＋４０×３）／６＝７０であり、認識精度算出部１３２は、認識精度を９０×０．７＝６３％と算出する。

図１２は、第１の実施形態に係る認識環境条件が時系列データ５４０（図９参照）で示される場合の認識精度算出部１３２の動作を説明するための図（２）である。図１２の上部に記載された時系列データ５４０は、認識精度が９０％である姿勢の変化を示す（図９参照）。図１２の下部に記載された時系列データ５７０は、認識環境取得部１１０が出力した認識環境情報として姿勢情報を示す。
認識精度算出部１３２は、間接Ｂの角度の変化を示すグラフ５４１，５７１の類似度、および間接Ｃの角度の変化を示すグラフ５４２，５７２の類似度から、認識環境情報としての時系列データ５７０の認識精度を算出する。例えば、グラフ５４１，５７１の類似度が９０％であり、グラフ５４２，５７２の類似度が９６％とすると、単純平均による時系列データ５４０，５７０の類似度は９３％となる。認識精度算出部１３２は、認識環境情報としての時系列データ５７０の認識精度を、９０×０．９３＝８４％と算出する。認識精度算出部１３２は、２つの類似度の加重平均から認識精度を算出するようにしてもよい。

図１に戻り、認識信頼度取得部１３０の説明を続ける。認識信頼度算出部１３３は、認識環境情報から算出された認識精度に基づいて認識信頼度を算出する。図１３は、第１の実施形態に係る認識信頼度算出部１３３の動作を説明するための図である。テーブル５８０の左の３列は、認識精度算出部１３２が生成したテーブル５５３（図１０参照）と同じである。認識信頼度算出部１３３は、認識環境情報の認識精度から認識信頼度を算出する。例えば、認識信頼度算出部１３３は、認識精度０～２０％は認識信頼レベル１、認識精度２０～４０％は認識信頼レベル２、認識精度４０～６０％は認識信頼レベル３、認識精度６０～８０％は認識信頼レベル４、認識精度８０～１００％は認識信頼レベル５と算出する。

続いて、認識信頼度算出部１３３は、認識信頼レベルの総和を総和の最大値で除して認識信頼度を求める。テーブル５８０の認識信頼レベルの総和は３３であり、総和の最大値は５×８＝４０なので、認識信頼度を３３／４０＝８３％と算出する。認識信頼度算出部１３３は、認識信頼レベルの単純平均ではなく、認識環境情報に含まれる認識環境要因に応じて重みを付けた認識信頼レベルの総和を求めて、認識信頼度を算出するようにしてもよい。

認識精度と認識信頼レベルとは、「設置高さ」や「俯角」などの個々の認識環境要因についての認識の確からしさを示す値であり、認識環境要因の数だけの値がある。これに対して、認識信頼度は、認識環境全体としての認識の確からしさを示す１つの値であり、撮影時におけるにおける認識環境要因の認識信頼レベルから算出された値である。

≪認識部と発報判断部と発報部≫
図１に戻り、認識部１４０、発報判断部１５０、および発報部１６０を説明する。認識部１４０は、カメラ２００の映像を解析して認識結果を出力する。認識部１４０が顔認識機能である場合には、認識対象の人物である確率が最も高い人物の識別情報と、その確率を出力する。例えば、認識部１４０は、Ａさんである確率が９５％と出力する。認識部１４０が異常行動検出機能である場合には、認識対象の人物が異常行動をしている確率を出力する。
認識部１４０は、認識結果取得部として機能してもよい。詳しくは、カメラ２００自体が認識機能を備えており、カメラ２００が出力した認識結果を認識結果取得部としての認識部１４０が取得するようにしてもよい。

発報判断部１５０は、認識部１４０が出力した認識結果と、認識信頼度取得部１３０が出力した認識信頼度に基づいて、発報するか否かを判断する。判断手法としては、認識結果の確率と認識信頼度との積が所定の閾値を超えているか否かで判断する。例えば、認識結果が８０％、認識信頼度が７０％、閾値が０．６とすると、０．８×０．７＝０．５６は、閾値０．６未満なので発報しないと判断される。

発報部１６０は、発報判断部１５０が発報すると判断した場合、認識対象が認識された旨を発報する。例えば、発報部１６０は、映像処理装置１００に備わるスピーカから警報音を出力したり、映像処理装置１００が接続されたネットワークを経由してカメラ２００の認識した時点における映像とともに監視センタに通知したりする。

≪認識発報処理≫
図１４は、第１の実施形態に係る映像処理装置１００が実行する映像を認識して発報する認識発報処理のフローチャートである。
ステップＳ１１において認識環境取得部１１０が、カメラ２００から映像を取得し、認識環境情報を出力する。

ステップＳ１２において認識信頼度取得部１３０が、認識環境取得部１１０が出力した認識環境情報と、認識環境要因データベース１２０から取得した認識環境条件とから、認識信頼度を出力する。
ステップＳ１３において、認識部１４０は、カメラ２００の映像を解析して認識結果を出力する。なお、ステップＳ１３は、ステップＳ１１，Ｓ１２と並行して実行される処理である。

ステップＳ１４において発報判断部１５０は、認識部１４０が出力した認識結果と、認識信頼度取得部１３０が出力した認識信頼度に基づいて、発報するか否かを判断する。詳しくは、発報判断部１５０は、認識結果の確率と認識信頼度との積が所定の閾値以上であれば発報すると判断する。発報する場合は（ステップＳ１４→ＹＥＳ）ステップＳ１５に進み、発報しない場合は（ステップＳ１４→ＮＯ）ステップＳ１１～Ｓ１３の並行処理に戻る。
ステップＳ１５において発報部１６０は、発報する。

≪認識発報処理の特徴≫
映像処理装置１００は、認識環境における認識信頼度を算出し（図１４に記載のステップＳ１２参照）、認識結果の確率および認識信頼度に応じて発報するか否か判断する（ステップＳ１４参照）。認識信頼度は、認識する場所の環境、認識対象のデータを取得する装置としてのカメラ２００のスペック、認識対象の状態（姿勢）などから算出される認識結果の確からしさを示す値である。映像処理装置１００は、様々な認識環境要因から認識信頼度を算出することができる。また、映像処理装置１００は、認識結果の確率だけではなく、認識信頼度も含めて発報の可否を判断することにより、誤報や失報を減らすことができる。延いては発報の信頼度が向上する。

≪変形例：認識結果≫
上記した実施形態において、認識結果には確率が含まれている。例えば、顔認識の結果が、Ａさんである確率が９５％、Ｂさんである確率が３％、その他の確率が２％という結果である。このような認識結果では、発報判断部１５０は、最も確率が高い認識結果について、その確率と認識信頼度との積が所定の閾値を超えるか否かを判断している。認識結果に確率が含まれない場合には、確率１００％として、発報判断部１５０は、所定の閾値を超えるか否かを判断してもよい。

≪変形例：認識環境条件≫
上記した実施形態において、認識環境条件取得部１３１は、認識環境取得部１１０が出力した認識環境情報に対応した認識環境条件を認識環境要因データベース１２０から取得している。認識環境条件取得部１３１は、認識部１４０が取得する認識内容に応じて認識環境条件を取得するようにしてもよい。例えば、人の転倒を認識する場合には、認識環境条件取得部１３１は、カメラ２００の設置の高さや俯角の認識環境条件は取得するが、体の向きという認識環境条件は取得しないようにしてもよい。これは、転倒を認識する機能は、体の向きに拘らず転倒を認識するように実装されており、例えば顔画像による個人認識機能とは違って、体の向きは認識精度に与える影響が小さいからである。
認識部１４０が取得する認識内容に応じて、認識信頼度算出部１３３が、認識環境情報に含まれる認識環境要因に重みを付けて認識信頼レベルの総和を求め、認識信頼度を算出するようにしてもよい。

≪変形例：発報の可否判断≫
上記した実施形態において発報判断部１５０は、認識信頼度と認識結果の確率との積に基づいて発報の可否を判断している。発報判断部１５０は、認識信頼度が所定値以上であり、認識結果の確率も所定値以上である場合に、発報すると判断してもよい。または、発報判断部１５０は、認識信頼度および認識結果の確率の算術平均、幾何平均または調和平均が所定値以上ならば発報すると判断してもよい。

≪第２の実施形態≫
第１の実施形態では、認識信頼度は、発報の可否の判断に利用されている。認識信頼度を認識環境の適否の判断に利用してもよい。
図１５は、第２の実施形態に係る映像処理装置１００Ａの機能構成図である。第１の実施形態における映像処理装置１００（図１参照）と比較して、映像処理装置１００Ａは、認識信頼度保存部１７０と、認識環境異常検知部１８０とをさらに備える。
認識信頼度保存部１７０は、認識信頼度取得部１３０が出力した認識信頼度を保存する。認識信頼度保存部１７０は、認識環境要因ごとの認識信頼レベルを保存するようにしてよい。

認識環境異常検知部１８０は、認識信頼度保存部１７０が保存した認識信頼度や認識信頼レベルを解析して、カメラ２００を含む認識環境の異常を検知する。詳しくは、認識環境異常検知部１８０は、認識信頼度が所定のレベルを満たさない場合には、異常と判断する。例えば、認識環境異常検知部１８０は、認識信頼度の値が所定の閾値を超えない期間が所定の長さを超える場合には、異常と判断する。または、認識環境異常検知部１８０は、認識環境要因ごとの認識信頼レベルについて、所定の閾値を超えない期間の割合が所定の割合を超える場合には、異常と判断する。

例えば、照度や白飛び率の認識信頼レベルについて認識信頼レベルが所定のレベルを満たさない場合には、照明やカメラ２００に異常があると警報を発するようにしてもよい。また、設置高さや俯角の信頼レベルについて、認識信頼レベルが所定のレベルを満たさない場合には、カメラ２００の設置位置や設置角度、移動方法などの見直しを映像処理装置１００Ａの管理者に警告してもよい。または、認識環境異常検知部１８０は、環境認識条件において認識精度が向上するような環境認識要因の値を改善案として提案してもよい。例えば、認識環境異常検知部１８０は、カメラ２００の俯角が５０度であった場合、俯角を１５度または４０度以内とする改善案を提案してもよい。または、カメラ２００の設置位置や性能向上を提案してもよい。

提案せずに、認識環境異常検知部１８０が認識環境を変更してもよい。例えば、カメラ２００が移動可能ならば、認識環境異常検知部１８０は、認識精度が改善するように、カメラ２００の高さや俯角を変更（高さや俯角を変更するようにカメラ２００に指示）してもよい。または、認識環境異常検知部１８０は、照明を制御して照度を変更してもよいし、カメラ２００に指示して画像解像度や撮像フレームレートを変更してもよい。

認識環境異常検知部１８０は、認識対象となっている人物に係る認識環境要因の認識信頼レベルについて、所定のレベルを満たさない場合には、異常と判断して、当該人物に警告してもよい。例えば、顔の向きや姿勢などの認識環境要因の認識信頼レベルが低い場合には、認識環境異常検知部１８０は、カメラ２００または映像処理装置１００Ａに備わるスピーカから顔の向きや姿勢を変えるように促す音声を出力するようにしてもよい。例えば、認識環境異常検知部１８０は、カメラ２００に顔を向けるように促してもよい（図１０記載のテーブル５５２Ｇに示すように、認識精度が高いのは正面）。または、認識環境異常検知部１８０は、直立するように促してもよい（図１０記載のテーブル５５２Ｈに示すように、認識精度が高いのは直立）。または、人物がカメラ２００から離れていて認識信頼レベルが所定のレベルを満たさない場合には、認識環境異常検知部１８０は、カメラ２００に近づくように促してもよい。このように、認識環境異常検知部１８０は、環境認識条件において認識精度が向上するような環境認識要因の値を提案してもよい。

認識環境異常検知部１８０は、認識信頼度に加え、認識部１４０が出力する認識結果を受け取って両者を解析することで、認識部１４０の異常を検知するようにしてもよい。詳しくは、認識信頼度が所定のレベルを満たすにも拘らず、認識部１４０の認識結果を出力する頻度や認識結果の確率が予め想定されている値より低い場合には、認識環境異常検知部１８０は、認識部１４０に異常があると判断して警告するようにしてもよい。認識結果を出力する頻度や認識結果の確率については、発報の適否を評価した結果や、他の映像処理装置１００Ａにおける認識部１４０が出力する認識結果を踏まえて、見直されてもよい。
なお、認識部１４０の異常の警告については、アルゴリズムの認識パラメータの変更、アルゴリズムが学習モデルを活用するものであれば学習データベースの追加、異なるアルゴリズムの採用などの改善案を伴って警告してもよい。

≪第２の実施形態の特徴≫
認識環境異常検知部１８０は、認識信頼度取得部１３０が算出する認識信頼度や認識信頼レベルを解析して、認識環境や認識部１４０の異常を検出する。さらに、認識環境異常検知部１８０は、異常があることを映像処理装置１００Ａの管理者に警告して対策を促したり、認識対象の人に顔の向きや姿勢を変えるように促したりする。このように映像処理装置１００Ａが動作することにより、映像処理装置１００Ａの管理者は、いち早く映像処理装置１００Ａの異常に気付き、対策を講じることができる。延いては、認識信頼度が向上し失報や誤報が減少する。

≪第３の実施形態≫
上記した第２の実施形態では、１つの映像処理装置１００Ａにおいて認識信頼度と認識結果を解析する。複数台の映像処理装置が出力する情報を解析し、認識部１４０のアルゴリズムの改善案を管理者に提供してもよい。

図１６は、第３の実施形態に係る映像処理システム４１０の全体構成を示す図である。映像処理システム４１０では、監視装置４００にネットワーク９００を介して複数の映像処理装置１００Ｂが接続され、それぞれの映像処理装置１００Ｂにおける認識信頼度や信頼レベルが監視装置４００に収集される。なお、第３の実施形態に係る映像処理装置１００Ｂは、映像処理装置１００Ａ（図１５参照）と比べ、監視装置４００と通信する通信部１９８をさらに備える。
認識部１４０のアルゴリズムが機械学習技術を活用するものとする。認識信頼度が高いにも拘らず、発報結果が芳しくない（失報や誤報が多い）映像処理装置１００Ｂがある場合には、監視装置４００は、当該映像処理装置１００Ｂの認識環境における学習データが不足していると判断し、認識環境要因の情報に近いデータを追加で学習するよう管理者に促してもよい。

または、監視装置４００は、それぞれの映像処理装置１００Ｂに、他の映像処理装置１００Ｂの同じ認識対象についての発報結果をフィードバックし、各映像処理装置１００Ｂが認識部１４０のアルゴリズムの改善案を管理者に提案してもよい。詳しくは、認識環境異常検知部１８０は、認識信頼度が高いにも拘らず、同じ認識対象について他の映像処理装置１００Ｂと発報結果が異なる場合が多いときには、認識部１４０のアルゴリズム、ないしはそのパラメータが不適切として、アルゴリズムの置換やパラメータの調整を管理者に促してもよい。または、認識部１４０が機械学習技術を採用しているならば、認識環境異常検知部１８０は、学習データが不足していると判断し、認識環境要因の情報に近いデータを追加で学習するよう管理者に促してもよい。このように映像処理装置１００Ｂが動作することにより、映像処理装置１００Ｂまたは映像処理システム４１０の管理者は、いち早く映像処理装置１００Ｂの異常に気付き、対策を講じることができる。延いては、認識信頼度が向上し失報や誤報が減少する。

≪第４の実施形態≫
第１の実施形態および第２の実施形態では、１つの映像処理装置１００，１００Ａ，１００Ｂが１つのカメラ２００の映像を解析して発報している。複数のカメラ２００の映像を解析して情報を生成するようにしてもよい。生成される情報の例として、自動車が走行する環境の情報である交通情報がある。交通情報には、自車周辺の車両の数、走行速度、渋滞の度合い、車線の制限、路面状況など、カメラ２００の映像から認識された自動車の走行に影響を与える情報が含まれる。この場合、カメラ２００は自動車に搭載され、映像情報とともに位置情報を送信する。また、インフラ（道路）にもカメラ２００が設置されてもよい。

他の生成される情報の例として、鉱山におけるダンプトラックが走行する道路の情報がある。道路の情報としては、道路上のダンプトラックや有人車両、作業員の位置や路面状況などがある。この場合、カメラ２００は、ダンプトラックや有人車両に搭載される。カメラ２００は、道路上を飛行する無人航空機（ドローン）に搭載されてもよい。
他の生成される情報の例として、施設内や地域における混雑情報がある。混雑情報には、地点ごとの人の混み具合や移動状況が含まれる。この場合、カメラ２００は、施設内ないしは道路に設置される。

図１７は、第４の実施形態に係る認識情報統合装置３００を含む映像処理システム３９０の全体構成図である。認識情報統合装置３００は、ネットワーク９００を介して複数のカメラ２００が接続されているコンピュータである。認識情報統合装置３００は、複数の映像認識部３１０、認識統合情報更新部３２０、認識環境要因データベース１２０、認識統合情報データベース３３０（図１７では認識統合情報ＤＢと記載）、および通信部３４０を備える。

認識環境要因データベース１２０は、第１の実施形態（図１参照）と同様である。通信部３４０は、カメラ２００からの映像データを受信し、各カメラ２００の映像データを映像認識部３１０に出力する。記憶部に記憶されたプログラムをＣＰＵが実行することで、映像認識部３１０、および認識統合情報更新部３２０が機能する。
映像認識部３１０は、認識環境取得部１１０、認識信頼度取得部１３０、および認識部１４０を備える。認識環境取得部１１０、認識信頼度取得部１３０、および認識部１４０は、第１の実施形態と同様である。認識信頼度取得部１３０が出力する認識信頼度、および認識部１４０が出力する認識結果は、認識統合情報更新部３２０に出力される。

交通情報の例では、認識部１４０は、カメラ２００の映像から、周辺の車両の数、走行速度、渋滞の度合い、車線の制限、路面状況などの情報を取得して、位置情報や時刻情報とともに出力する。鉱山の道路情報の例では、認識部１４０は、カメラ２００の映像から、道路上のダンプトラックや有人車両、作業員の位置や路面状況の情報を取得して、位置情報や時刻情報とともに出力する。混雑情報の例では、認識部１４０は、カメラ２００の映像から、人の混み具合や移動の向き、速度を取得して、位置情報や時刻情報とともに出力する。

認識統合情報データベース３３０は、記憶部に記憶されるデータベースであり、認識部１４０が認識した情報が蓄積される。交通情報の例では、位置情報や時刻情報と関連付けられた周辺の車両の数、走行速度、渋滞の度合い、車線の制限、路面状況などの情報が蓄積される。鉱山の道路情報の例では、位置情報や時刻情報と関連付けられた道路上のダンプトラックや有人車両、作業員の位置や路面状況の情報が蓄積される。混雑情報の例では、地点ごとの人の混み具合や移動の向き、速度の情報が蓄積される。

認識統合情報更新部３２０は、映像認識部３１０から出力された位置情報や時刻情報、認識結果、認識信頼度に基づいて認識統合情報データベース３３０を更新する。詳しくは、認識結果の確率と認識信頼度との積が所定の値以上であれば、認識統合情報更新部３２０は、当該位置や当該時刻（時間帯）における認識結果の情報を更新する。認識統合情報更新部３２０は、例えば、ある地点での渋滞の度合いを更新する。

認識統合情報更新部３２０は、認識信頼度も関連付けて、認識統合情報データベース３３０を更新してもよい。詳しくは、位置情報と認識結果と認識信頼度とが関連付けられ情報について、より高い認識信頼度が出力された場合に、認識統合情報更新部３２０は、認識統合情報データベース３３０を更新してもよい。例えば、同じ位置の路面状況について、より認識信頼度が高い路面状況が出力された場合に、認識統合情報更新部３２０は、認識統合情報データベース３３０を更新する。

≪第４の実施形態の特徴≫
第４の実施形態においては、認識統合情報データベース３３０に蓄積され、更新される情報は、認識信頼度と認識結果の確率との積が所定の値以上である信頼度の高い情報である。このため、誤った情報が認識統合情報データベース３３０に蓄積されることを防ぐことができ、延いては、信頼度の高い情報が蓄積される。

≪第４の実施形態の変形例≫
上記した第４の実施形態では、１つの認識情報統合装置３００が、複数のカメラ２００の映像を認識したり、認識信頼度を算出したりしている。認識結果や認識信頼度の算出処理を分散するようにしてもよい。

図１８は、第４の実施形態の変形例に係る映像処理システム３９０Ａの全体構成図である。映像処理システム３９０Ａは、カメラ２００が接続された映像処理装置１００Ｃ、および認識情報統合装置３００Ａを含む。
映像処理装置１００Ｃは、第１の実施形態（図１参照）と同様の認識環境取得部１１０、認識環境要因データベース１２０、認識信頼度取得部１３０、および認識部１４０を含む。映像処理装置１００Ｃは、さらに、認識信頼度と認識結果とをネットワーク９００経由で認識情報統合装置３００Ａに送信する通信部１９９を含む。

認識情報統合装置３００Ａは、第４の実施形態（図１７参照）における認識情報統合装置３００と同様の認識統合情報更新部３２０と認識統合情報データベース３３０とを備える。認識情報統合装置３００Ａは、さらに映像処理装置１００Ｃが送信する認識信頼度と認識結果を受信して、認識統合情報更新部３２０に出力する通信部３４０Ａを備える。
認識情報統合装置３００に比べて認識情報統合装置３００Ａは、認識や信頼度の算出処理が映像処理装置１００Ｃに分散されており、処理負荷が小さくなっている。また、ネットワーク９００を流れるデータは、映像ではなく、認識結果と認識信頼度であるので、少量のデータとなっている。このため、処理や通信が高速化され、カメラ２００で撮影してから認識統合情報データベース３３０を更新するまでの遅延が小さくなっている。また、より高頻度で更新することが可能となる。

≪変形例：認識環境要因≫
複数の認識環境要因を組み合わせて、１つの認識環境要因としてもよい。例えば、顔認識機能については、顔の正面画像を取得する方が、認識精度が高く理想的である。このため、カメラ２００の設置高さが人の身長ほどの高さならば俯角は小さい方が認識精度は高くなるが、天井など設置高さが高いときには俯角は大きい方が、認識精度が高くなる。複数の認識環境要因間に影響がある場合には、これらの認識環境要因の組み合わせを１つの認識環境要因と扱うようにしてもよい。

このような認識環境要因の場合、認識環境要因の組み合わせごとの認識精度が認識環境条件となる。例えば、設置の高さが１．５～２．０ｍで俯角が０～２０度ならば１００％、設置の高さが１．５～２．０ｍで俯角が４０～６０度ならば４０％、設置の高さが３．０ｍ以上で俯角が４０～６０度ならば９０％である。２つの認識環境要因からなる認識環境条件は、２次元のテーブル（行列）示され、３つの認識環境要因からなる認識環境条件は、３次元の行列で示すことができる。

≪変形例：認識環境要因データベース≫
上記した実施形態において、映像処理装置１００，１００Ａ，１００Ｂ，１００Ｃや認識情報統合装置３００は、認識環境要因データベース１２０を備えている。これに対して、認識環境条件取得部１３１が、外部にある認識環境要因データベース１２０にアクセスして、認識環境条件を取得するようにしてもよい。

≪その他の変形例≫
なお、本発明は、上記した実施形態に限定されることなく、その趣旨を逸脱しない範囲で変更することができる。例えば、カメラ２００は、一般的なビデオカメラに限定されず、ステレオカメラ、３次元ライダーやミリ波レーダのような距離センサであってもよい。また、上記した実施形態では、カメラ２００と映像処理装置１００，１００Ａ，１００Ｂ，１００Ｃとは、別装置であったが、１つの装置であってもよい。

第４の実施形態で例示する映像処理システム３９０，３９０Ａにおける認識環境取得部１１０、認識信頼度取得部１３０、および認識部１４０（認識結果取得部）の機能分散の形態は上記した実施形態に限られず、同様の効果や機能を奏し得る範囲において、任意の単位で機能的または物理的に分散・統合して構成することができる。
なお、本明細書において、記録媒体に記録されるプログラムを記述するステップは、その順序に沿って時系列的に行われる処理はもちろん、必ずしも時系列的に処理されなくとも、並列的あるいは個別に実行される処理をも含むものである。

以上、本発明のいくつかの実施形態について説明したが、これらの実施形態は、例示に過ぎず、本発明の技術的範囲を限定するものではない。本発明はその他の様々な実施形態を取ることが可能であり、さらに、本発明の要旨を逸脱しない範囲で、省略や置換等種々の変更を行うことができる。これら実施形態やその変形は、本明細書等に記載された発明の範囲や要旨に含まれるとともに、特許請求の範囲に記載された発明とその均等の範囲に含まれる。

１００，１００Ａ，１００Ｂ，１００Ｃ 映像処理装置
１１０ 認識環境取得部
１２０ 認識環境要因データベース
１３０ 認識信頼度取得部
１３１ 認識環境条件取得部
１３２ 認識精度算出部
１３３ 認識信頼度算出部
１４０ 認識部（認識結果取得部）
１５０ 発報判断部
１６０ 発報部
１７０ 認識信頼度保存部
１８０ 認識環境異常検知部
１９８ 通信部
２００ カメラ（撮像装置）
３００ 認識情報統合装置
３１０ 映像認識部
３２０ 認識統合情報更新部
３３０ 認識統合情報データベース
３９０，３９０Ａ 映像処理システム
４１０ 映像処理システム

Claims (10)

1. 撮像装置が撮像した映像の認識精度に影響を与える撮像時における認識環境要因を取得する認識環境取得部と、
   前記映像の認識精度と前記認識環境要因との対応である認識環境条件を記憶している認識環境要因データベースを参照して、前記認識環境取得部が取得した認識環境要因での認識精度を算出する認識精度算出部と、
   算出された認識精度から認識信頼度を算出する認識信頼度算出部と、
   前記撮像装置が撮像した映像から認識した結果である認識結果を取得する認識結果取得部と、
   前記認識信頼度と前記認識結果とに応じて当該認識結果を発報するか否かを判断する発報判断部と、
   前記認識信頼度を保存する認識信頼度保存部と、
   他の映像処理装置における発報の結果を取得する通信部と、
   前記認識信頼度保存部が保存した認識信頼度が所定のレベルを満たし、同じ認識対象についての前記他の映像処理装置と自身との発報の結果が異なる場合、前記認識結果に異常があると判断する認識環境異常検知部と
   を備えることを特徴とする映像処理装置。
2. 前記認識環境要因は、前記撮像装置の設置位置、前記撮像装置の設置角度、前記撮像装置の性能情報、外乱情報、人流情報、認識対象の姿勢、前記認識対象の位置の何れかを含む
   ことを特徴とする請求項１に記載の映像処理装置。
3. 前記認識環境異常検知部は、
   前記認識信頼度が所定のレベルを満たさない場合には、前記映像を撮像する認識環境に異常があると判断する
   ことを特徴とする請求項１に記載の映像処理装置。
4. 前記認識環境異常検知部は、前記認識環境に異常があると判断した場合、当該認識環境の改善案を提示する
   ことを特徴とする請求項３に記載の映像処理装置。
5. 前記改善案は、前記撮像装置の設置位置、前記撮像装置の設置角度、前記撮像装置の性能情報、認識対象の姿勢、前記認識対象の位置の何れかを含む
   ことを特徴とする請求項４に記載の映像処理装置。
6. 前記認識環境異常検知部は、前記認識結果に異常があると判断した場合、当該認識結果を出力する機能の改善案を提示する
   ことを特徴とする請求項１に記載の映像処理装置。
7. 前記改善案は、前記認識結果を出力する機能のアルゴリズムの変更、パラメータの変更、学習データの追加の何れかを含む
   ことを特徴とする請求項６に記載の映像処理装置。
8. 前記認識環境条件は、２次元グラフ、テーブル、時系列データで示される
   ことを特徴とする請求項１に記載の映像処理装置。
9. 前記撮像装置は、カメラ、ステレオカメラ、および距離センサの何れかである
   ことを特徴とする請求項１に記載の映像処理装置。
10. 撮像装置が撮像した映像を処理する映像処理装置が実行する映像処理方法であって、
    前記映像処理装置が、
    前記撮像装置が撮像した映像の認識精度に影響を与える撮像時における認識環境要因を取得するステップと、
    前記映像の認識精度と前記認識環境要因との対応である認識環境条件を記憶している認識環境要因データベースを参照して、取得された認識環境要因での認識精度を算出するステップと、
    算出された認識精度から認識信頼度を算出するステップと、
    前記撮像装置が撮像した映像から認識した結果である認識結果を取得するステップと、
    前記認識信頼度と前記認識結果とに応じて当該認識結果を発報するか否かを判断するステップと、
    前記認識信頼度を保存するステップと、
    他の映像処理装置における発報の結果を取得するステップと、
    前記認識信頼度が所定のレベルを満たし、同じ認識対象についての前記他の映像処理装置と自身との発報の結果が異なる場合、前記認識結果に異常があると判断するステップと
    を実行することを特徴とする映像処理方法。
    

Images