JP7483784B2 - 情報処理装置、情報処理方法、及びプログラム - Google Patents

Description

本発明は、情報処理装置、情報処理方法、及びプログラムに関する。

動画像の利用に関する様々な技術が知られている。特許文献１には、動画像の利用の形態として、動画像の編集に関する技術が開示されている。

特開２００９－２９６５０４号公報

動画像の内容は、例えば、当該動画像を再生することにより特定可能である。しかしながら、例えば、動画像の利用のために、当該利用の対象又は候補となる動画像をより容易な方法で特定することが求められる場合がある。

本発明は、利用の対象又は候補となる動画像をより容易な方法で特定可能にすることに関する技術の提供を目的とする。

本発明の一態様に係る情報処理装置は、動画像の解析結果に基づいて、タグ情報を特定するプロセッサと、特定された前記タグ情報と、前記動画像において前記タグ情報が特定された再生位置情報と、前記動画像において前記タグ情報が特定された再生位置に対応する静止画像とを対応付けて記憶する記憶装置と、を備える。

本発明の一態様に係る情報処理方法は、プロセッサが、動画像の解析結果に基づいて、タグ情報を特定することと、記憶装置が、特定された前記タグ情報と、前記動画像において前記タグ情報が特定された再生位置情報と、前記動画像において前記タグ情報が特定された再生位置に対応する静止画像とを対応付けて記憶することと、を含む。

本発明の一態様に係るプログラムは、コンピュータに、プロセッサが、動画像の解析結果に基づいて、タグ情報を特定することと、記憶装置が、特定された前記タグ情報と、前記動画像において前記タグ情報が特定された再生位置情報と、前記動画像において前記タグ情報が特定された再生位置に対応する静止画像とを対応付けて記憶することと、を実行させる。

本発明によれば、利用の対象又は候補となる動画像をより容易な方法で特定可能にすることに関する技術を提供することができる。

一実施形態に係るシステムの例示的な概略構成を示す概念図である。 一実施形態に係るコンピュータの例示的なハードウェア構成の概略を示すブロック図である。 一実施形態に係るシステムによる例示的な処理フローを示す図である。 一実施形態に係るシステムによる例示的な処理を説明するための概念図である。 一実施形態に係るシステムによる例示的な処理を説明するための概念図である。 一実施形態に係るシステムによる例示的な処理フローを示す図である。 一実施形態に係るシステムによる例示的な処理を説明するための概念図である。 一実施形態に係るシステムによる例示的な処理を説明するための概念図である。 一実施形態に係るシステムによる例示的な処理を説明するための概念図である。 一実施形態に係るシステムによる例示的な処理を説明するための概念図である。 一実施形態に係るシステムによる例示的な処理を説明するための概念図である。

以下に、一実施形態に係るシステムについて説明する。なお、以下の実施形態は、本発明を説明するための例示であり、本発明をその実施の形態のみに限定する趣旨ではない。また、本発明は、その要旨を逸脱しない限り、さまざまな変形が可能である。さらに、当業者であれば、以下に述べる各要素を均等なものに置換した実施の形態を採用することが可能であり、かかる実施の形態も本発明の範囲に含まれる。

＜システム構成＞
図１を参照して、一実施形態に係るシステムの構成例について説明する。システム１は、撮像された動画像を記憶管理し、指定された条件に応じて、動画像を検索可能に構成されている。一実施形態において、動画像は、動画、映像、ビデオ、又はムービーと称されてもよい。システム１は、端末装置１０、撮像装置２０、及びサーバ装置３０を備える。端末装置１０、撮像装置２０、及びサーバ装置３０は、無線若しくは有線、又はその両者により、互いに通信可能に構成されている。端末装置１０、撮像装置２０、及びサーバ装置３０の間の通信は、インターネットなどのネットワークを介して行われてもよい。

端末装置１０は、移動端末（例えば、スマートフォン又はタブレット）、パーソナルコンピュータ、又はその他の汎用又は専用のコンピュータにより構成される。撮像装置２０は、カメラなどの撮像機能を有する装置である。撮像装置２０は、コンピュータを含んで構成されてもよい。サーバ装置３０は、専用又は汎用のコンピュータにより構成される装置である。サーバ装置３０は、例えば、分散コンピュータ又はクラウドコンピューティングなどの技術を用いて、複数の装置により構成されてもよい。

図１に示す例において、システム１は、端末装置１０、撮像装置２０、及びサーバ装置３０をそれぞれ１つずつ有して構成されているが、システム１に含まれる装置の数はこれに限定されず、システム１は、任意の数の装置を含んでもよい。例えば、システム１は、２つ以上の端末装置１０、撮像装置２０、及びサーバ装置３０を含んでもよい。なお、以降の説明において、端末装置１０、撮像装置２０、及びサーバ装置３０のいずれかの処理として記載されている処理の少なくとも一部が他の装置により実行されてもよい。この場合において、端末装置１０、撮像装置２０、及びサーバ装置３０のうち、いずれかを含まなくてもよい。例えば、システム１は、端末装置１０を含まず、後述する端末装置１０による処理が、撮像装置２０により実行されてもよい。

＜ハードウェア構成＞
図２を参照して、端末装置１０、撮像装置２０、及びサーバ装置３０を構成するためのコンピュータのハードウェア構成の一例を説明する。

図２に示すように、コンピュータ１００は、プロセッサ１０１、メモリ１０２、記憶装置１０３、通信ＩＦ１０４、入力ＩＦ１０５、及び表示装置１０６を含む。コンピュータ１００は、上記構成のうち、一部を含まなくてもよいし、上記以外の構成を含んでもよい。また、コンピュータ１００に含まれるものとして説明される下記の構成のうち一部は、コンピュータ１００の外部に設けられ、コンピュータ１００と通信可能に構成されていてもよい。

プロセッサ１０１は、メモリ１０２に記憶されているプログラムを実行することによりコンピュータ１００における各種の処理を制御する制御部である。

メモリ１０２は、例えばＲＡＭ（Random Access Memory）等の記憶媒体である。メモリ１０２は、プロセッサ１０１によって実行されるプログラムのプログラムコード、又はプログラムの実行時に必要となるデータを一時的に記憶する。

記憶装置１０３は、例えばＨＤＤ（Hard Disk Drive）、又はＳＳＤ（Solid State Drive）など、メモリ１０２と比較して大容量の記憶媒体である。記憶装置１０３は、オペレーティングシステム、及び後述する処理を実現するための各種プログラムを記憶する。

通信ＩＦ１０４は、コンピュータ１００の外部の装置と有線又は無線により通信を行うためのインタフェースとして機能するデバイスである。

入力ＩＦ１０５は、ユーザからの入力を受け付けるためのデバイスである。入力ＩＦ１０５は、例えば、キーボード、マウス、タッチパネル、各種センサ、ウェアラブル・デバイス、又は入力のためのその他の装置のうち、少なくとも一部であってもよい。

表示装置１０６は、各種情報を表示するためのデバイスである。表示装置１０６は、例えば液晶ディスプレイ、又は有機ＥＬ（Electro-Luminescence）ディスプレイにより構成されてもよい。

以下、各実施形態におけるシステム１による情報処理の一例を説明する。実施形態ごとに分けて説明をするが、以下に説明する実施形態の少なくとも一部を適宜組み合わせて実施することも可能である。以下の説明において、システム１の各構成については、適宜、図１及び図２を参照する。

＜第１実施形態＞
本実施形態は、動画像の解析結果に基づいて特定されたタグ情報と、当該動画像において当該タグ情報が特定された再生位置情報とを対応付ける処理を行う。

本実施形態において、例えば、撮像装置２０による撮像により得られた動画像がサーバ装置３０に送信され、サーバ装置３０のプロセッサ１０１は、当該動画像の解析結果に基づいて、タグ情報を特定する。サーバ装置３０のプロセッサ１０１は、サーバ装置３０の記憶装置１０３に記憶された動画像の解析結果に基づいて、タグ情報を特定してもよい。サーバ装置３０の記憶装置１０３は、特定された上記タグ情報と、上記動画像において上記タグ情報が特定された再生位置情報と、上記動画像において上記タグ情報が特定された再生位置に対応する静止画像とを対応付けて記憶する。

その結果、タグ情報に基づいて動画像の検索を行うことにより、利用の対象又は候補となる動画像と、当該タグ情報に対応付けられた動画像における再生位置とを容易に特定することが可能である。また、当該再生位置に対応する静止画像が対応付けられて記憶されているため、検索の結果特定された再生位置に対応する静止画像を表示装置１０６に表示することにより、ユーザは、当該静止画像の内容を閲覧により把握することも可能である。すなわち、本実施形態によれば、利用の対象又は候補となる動画像をより容易な方法で特定可能にすることに関する技術を提供することができる。そのため、本実施形態に係る技術は、持続可能な開発目標（ＳＤＧｓ）の目標９「産業と技術革新の基盤をつくろう」の達成にも貢献できる。

図３から図５を参照して、本実施形態における処理の例をさらに詳しく説明する。
まず、図３を参照して、システム１による処理フローの例を説明する。以下の各ステップにおける処理は、端末装置１０、撮像装置２０、又はサーバ装置３０を構成するコンピュータ１００が有するプロセッサ１０１が、メモリ１０２又は記憶装置１０３に記憶されたコンピュータプログラムを読み込み、実行することにより実現される。

ステップＳ３１において、撮像装置２０は、ユーザ操作に応じて、被写体の撮像を行い、生成した動画像をサーバ装置３０に送信する。サーバ装置３０は、受信した動画像を記憶装置１０３に記憶する。

次に、ステップＳ３２において、サーバ装置３０は、動画像に対して画像解析処理を行い、解析結果に基づいて、タグ情報を特定する。例えば、サーバ装置３０は、パターン認識又は機械学習などの技術を利用した画像解析により、動画像に映る又は表れているオブジェクトを認識し、当該オブジェクトに基づいて、タグ情報を特定してもよい。すなわち、サーバ装置３０は、動画像の解析により認識されたオブジェクトに基づいて、タグ情報を特定してもよい。より詳細には、例えば、サーバ装置３０が、動画像に対する画像解析処理により、当該動画像に複数の人（オブジェクト）が行進していることを表す画像が含まれていることを認識した場合、タグ情報として「パレード」を特定してもよい。サーバ装置３０は、特定されたタグ情報と、動画像においてタグ情報が特定された再生位置情報と、動画像においてタグ情報が特定された再生位置に対応する静止画像とを対応付けて、記憶装置１０３に記憶する。

図４を参照して、サーバ装置３０が、特定されたタグ情報と、動画像においてタグ情報が特定された再生位置情報と、動画像においてタグ情報が特定された再生位置に対応する静止画像とを対応付けて、記憶装置１０３に記憶する処理の例を説明する。図４は、サーバ装置３０が、動画像ｖ１１の全体に対して画像解析処理を行った結果、動画像ｖ１１の再生開始からの経過時間（再生時間）を示す再生位置ｔ１１、ｔ１２、ｔ１３、及びｔ１４において、タグ情報として、「開会式」、「パレード」、「パフォーマンス」、及び「陸上競技場」が特定されたことを示している。この場合において、サーバ装置３０は、例えば、再生位置ｔ１１を示す情報と、タグ情報である「開会式」と、動画像ｖ１１の再生位置ｔ１１における静止画像とを対応付けて記憶装置１０３に記憶する。

タグ情報に対応付けられる再生位置情報は、動画像に対するタグの対応付け（すなわち、動画像に対するタグ付け）の開始情報と、タグ付けの終了情報とを含んでもよい。タグ付け開始情報は、動画像に対するタグ付けの開始位置を示す再生位置情報に対応付けられてもよい。タグ付け終了情報は、タグ付けの終了位置を示す再生位置情報に対応付けられてもよい。タグ付けの開始情報と、タグ付けの終了情報は、記憶装置１０３に記憶されてもよい。

図４に示す例において、タグ情報「開会式」に対応付けられる再生位置情報は、例えば、タグ付けの開始情報として、再生位置ｔ１１と、タグ付けの終了情報として、再生位置ｔ１１から所定時間経過後の再生位置ｔ１２とを含んでもよい。

図３に戻り、ステップＳ３２の後、ステップＳ３３において、サーバ装置３０は、受け付けたキーワードに基づいて、記憶装置１０３に記憶されたタグ情報の検索を行い、検索結果としてヒットしたタグ情報と、当該タグ情報に対応付けられた静止画像とを記憶装置１０３から抽出する。このとき、当該タグ情報に対応付けられた再生位置情報も抽出してもよい。検索のためのキーワードは、例えば、ユーザ操作に応じて、端末装置１０又は撮像装置２０から送信され、サーバ装置３０は、当該キーワードを受け付けてもよい。サーバ装置３０は、抽出したタグ情報と、当該タグ情報に対応付けられた静止画像と、当該タグ情報に対応付けられた再生位置情報とのうち少なくとも一部を端末装置１０又は撮像装置２０に送信してもよい。

図５を参照して、サーバ装置３０が、キーワードに基づいて、タグ情報の検索を行い、ヒットしたタグ情報と、対応付けられた静止画像とを記憶装置１０３から抽出する処理の例を説明する。例えば、サーバ装置３０が、検索のためのキーワードとして、端末装置１０からユーザ操作に応じて送信された「陸上競技場」を受け付けたとする。この場合において、サーバ装置３０は、「陸上競技場」をキーワードとして、記憶装置１０３に記憶されたタグ情報の検索を行い、当該キーワードに対応するタグ情報「陸上競技場」と、当該タグ情報に対応付けられた静止画像ｉ１１とを記憶装置１０３から抽出してもよい。

図３に戻り、ステップＳ３４において、ステップＳ３３で抽出されたタグ情報に対応付けられた動画像を記憶装置１０３から検索し、特定する。ステップＳ３３で複数のタグ情報が抽出された場合、当該複数のタグ情報のうち、ユーザの指定に応じて選択されたタグ情報に対応付けられた動画像が記憶装置１０３から検索されてもよい。当該ユーザの指定を示す情報は、ユーザ操作に応じて、端末装置１０又は撮像装置２０からサーバ装置３０に送信されてもよい。サーバ装置３０は、検索により特定された動画像を端末装置１０又は撮像装置２０に送信してもよい。その後、図３に示す処理は終了する。

以上のように本実施形態によれば、動画像の直観的な検索が可能になる。詳細には、従来、動画像を画像解析することで自動付与されるタグは抽象的な内容であり、キーワードを組み合わせて検索を行うと、様々な動画像がヒットする場合がある。そのため、例えば、大量の動画像の中から必要な動画像を絞り込むことには限界があった。また、動画像の一部に基づく静止画（サムネイル）で表示された画像がキーワードと無関係である場合、動画像の内容を把握して必要な動画像を特定するためには、当該動画像をプレビューする必要があり、手間及び時間を要する場合がある。これに対し、本実施形態によれば、サーバ装置３０の記憶装置１０３は、動画像の解析により特定されたタグ情報と、上記動画像において上記タグ情報が特定された再生位置情報と、上記動画像において上記タグ情報が特定された再生位置に対応する静止画像とを対応付けて記憶する。そのため、タグ情報に基づく検索の結果特定された再生位置に対応する静止画像を表示装置１０６に表示することにより、ユーザは、タグ情報と、当該タグ情報に対応する静止画像の内容を閲覧により把握でき、その結果、動画像の内容を直感的に把握することが可能である。

＜第２実施形態＞
本実施形態では、動画像に含まれるＱＲコード（登録商標）又はバーコードなどのコード画像の画像解析の結果に基づいて、動画像に対してタグ情報の対応付けの処理を行う。

本実施形態において、例えば、撮像装置２０による撮像により得られた動画像がサーバ装置３０に送信され、サーバ装置３０のプロセッサ１０１は、当該動画像に含まれる画像コードの解析結果に基づいて、タグ情報を特定する。サーバ装置３０のプロセッサ１０１は、サーバ装置３０の記憶装置１０３に記憶された動画像に含まれる画像コードの解析結果に基づいて、タグ情報を特定してもよい。サーバ装置３０の記憶装置１０３は、特定されたタグ情報と、上記動画像において上記タグ情報が特定された再生位置情報と、上記動画像において上記タグ情報が特定された再生位置に対応する静止画像とを対応付けて記憶する。

すなわち、本実施形態によれば、サーバ装置３０のプロセッサ１０１は、当該動画像に含まれる画像コードの解析結果に基づいて、タグ情報を特定する。そのため、タグ情報として動画像に対応付けたい情報について、コード画像を生成し、当該コード画像を当該動画像に含めておくことにより、画像における限られた面積の領域に対して、より多くの情報を、高い精度で認識可能な方法で、含めることができる。

図６から図９を参照して、本実施形態における処理の例をさらに詳しく説明する。
まず、図６を参照して、システム１による処理フローの例を説明する。以下の各ステップにおける処理は、端末装置１０、撮像装置２０、又はサーバ装置３０を構成するコンピュータ１００が有するプロセッサ１０１が、メモリ１０２又は記憶装置１０３に記憶されたコンピュータプログラムを読み込み、実行することにより実現される。

ステップＳ６１において、端末装置１０は、ユーザ操作に応じて入力されたタグ情報を登録する。登録されたタグ情報は、端末装置１０又はサーバ装置３０の少なくとも一方の記憶装置１０３に記憶される。端末装置１０は、登録されたタグ情報に基づいて、ＱＲコード又はバーコードなどのコード画像を生成する。

図７を参照して、登録されるタグ情報の例を説明する。図７に示す例において、タグ情報は、大分類、中分類、及び小分類の３つに分類される。大分類のタグ情報は、例えば、「オリンピック」を含む。中分類のタグ情報は、例えば、「体育館」、「陸上競技場」、及び「選手村」を含む。小分類のタグ情報は、例えば、「風景」、「パレード」、「インタビュー」、及び「外観」などを含む。登録されたタグ情報に基づいて生成されるコード画像は、大分類、中分類、及び小分類のうち少なくとも一部の分類のタグ情報を含んでもよい。例えば、生成されたある一つのコード画像は、「オリンピック」（大分類）、「陸上競技場」（中分類）、及び「インタビュー」（小分類）をタグ情報として含んでもよい。

図６に戻り、ステップＳ６２において、端末装置１０は、ステップＳ６１で入力されたタグ情報に基づくコード画像を表示装置１０６に表示する。すなわち、端末装置１０は、ユーザによるタグ情報の入力操作を含むユーザ操作に応じて、表示装置１０６にコード画像を表示する。

例えば、図８に示すように、ユーザ操作に応じて、端末装置１０に対して「オリンピック」（大分類）、「陸上競技場」（中分類）、及び「インタビュー」（小分類）を示すタグ情報が入力された場合、当該タグ情報に基づくコード画像１０ｃが生成され、端末装置１０の表示装置１０６に表示される。

図６のステップＳ６２の後、ステップＳ６３において、撮像装置２０は、ユーザ操作に応じて、動画像の撮影を開始する。ユーザにより撮像装置２０の撮像部が端末装置１０の表示装置１０６に向けられることにより、撮像装置２０は、端末装置１０の表示装置１０６に表示されたコード画像を撮像する。その後、ステップＳ６４において、撮影された動画像は、撮像装置２０からサーバ装置３０にアップロード（送信）され、サーバ装置３０の記憶装置１０３に記憶される。ステップＳ６５において、サーバ装置３０は、撮像装置２０から受信した動画像に対して、画像解析を行い、解析結果に基づいて、当該動画像に含まれるコード画像に対応するタグ情報を特定する。サーバ装置３０の記憶装置１０３は、特定されたタグ情報と、上記動画像において上記タグ情報が特定された再生位置情報と、上記動画像において上記タグ情報が特定された再生位置に対応する静止画像とを対応付けて記憶する。

以上のように本実施形態によれば、ユーザは、端末装置１０の表示装置１０６にコード画像を表示させ、表示された当該コード画像を撮像装置２０で撮影することにより、動画像に対してタグ付けを行うことができる。その結果、手書きの記載を撮像装置２０で撮影するなどの場合と比較して、ユーザの負担がより低い方法で、動画像に対してタグ付けを行うことができる。

図９を参照して、図６のステップＳ６３からＳ６５の処理の具体例を説明する。まず、ユーザ操作に応じて、端末装置１０に、コード画像１０ｃが表示され、ユーザにより撮像装置２０の撮像部が端末装置１０の表示装置１０６に向けられることにより、撮像装置２０は、端末装置１０の表示装置１０６に表示されたコード画像１０ｃを撮像する。その後、ユーザにより撮像装置２０の撮像部が任意の被写体に向けられ、撮像装置２０による撮影が行われる。当該撮影により生成された動画像ｖ１２は、サーバ装置３０にアップロードされ、記憶装置１０３に記憶される。サーバ装置３０は、動画像ｖ１２に対して、画像解析を行い、解析結果に基づいて、動画像ｖ１２に含まれるコード画像１０ｃに対応するタグ情報である「オリンピック」、「陸上競技場」、及び「インタビュー」を特定する。サーバ装置３０の記憶装置１０３は、特定された上記タグ情報と、動画像ｖ１２において上記タグ情報が特定された再生位置情報と、上記動画像において上記タグ情報が特定された再生位置に対応する静止画像とを対応付けて記憶する。

本実施形態において、タグ情報を端末装置１０に入力するためのユーザ操作は、任意の操作を含む。例えば、当該ユーザ操作は、端末装置１０が有する図示しない操作キーなどの操作部を介した操作を含んでもよいし、ユーザが発した音声による操作を含んでもよい。ユーザが発した音声による操作の場合において、端末装置１０は、当該音声に対して音声認識の処理を行い、音声認識の結果に基づいて、表示装置１０６にコード画像を表示する。例えば、ユーザが「インタビュー」と音声を発した場合において、端末装置１０は、当該音声に対して音声認識の処理を行い、タグ情報として「インタビュー」を特定し、当該タグ情報に基づいて生成されたコード画像を表示装置１０６に表示してもよい。

本実施形態における上記の説明において、端末装置１０の表示装置１０６に表示されたコード画像を撮像装置２０で撮像することとしたが、動画像にコード画像を含める方法はこれに限定されない。例えば、撮像装置２０は、撮影中における撮像装置２０に対するユーザ操作に応じて、タグ情報に基づいて生成されたコード画像を所望の再生位置に含むように動画像を生成してもよい。

＜第３実施形態＞
本実施形態では、指定された静止画像に関連する動画像を検索する処理を行う。

本実施形態において、例えば、サーバ装置３０の記憶装置１０３は、動画像における所定の再生位置に対応する静止画像（第１静止画像）と、当該再生位置に対応する再生位置情報とを対応付けて記憶する。サーバ装置３０のプロセッサ１０１は、検索条件として取得した静止画像（第２静止画像）の特徴量に基づいて、第２静止画像に対応する第１静止画像と、当該第１静止画像に対応付けられた再生位置情報とを検索結果として記憶装置１０３から取得してもよい。

すなわち、本実施形態によれば、サーバ装置３０は、検索条件として取得した静止画像（第２静止画像）の特徴量に基づいて、第２静止画像に対応する第１静止画像を記憶装置１０３から取得する。そのため、内容が複雑又は抽象的であるなどの理由により、検索したい動画像に関するキーワードの選定が困難である場合であっても、動画像の検索を行うことができる。

図１０及び図１１を参照して、本実施形態における処理の具体例を説明する。例えば、サーバ装置３０の記憶装置１０３は、動画像ｖ３１、ｖ３２、及びｖ３３を記憶している。また、記憶装置１０３は、動画像ｖ３１、ｖ３２、及びｖ３３のそれぞれにおける所定の再生位置に対応する静止画像（第１静止画像）ｉ３１、ｉ３２、及びｉ３３を記憶している。動画像ｖ３１は、第１静止画像ｉ３１と対応付けられ、動画像ｖ３２は、第１静止画像ｉ３２と対応付けられ、動画像ｖ３３は、第１静止画像ｉ３３と対応付けられて記憶装置１０３に記憶されている。さらに、第１静止画像ｉ３１は、動画像ｖ３１における対応する再生時間（再生位置）ｔ３１と対応付けられ、第１静止画像ｉ３２は、動画像ｖ３２における対応する再生位置ｔ３２と対応付けられ、第１静止画像ｉ３３は、動画像ｖ３３における対応する再生位置ｔ３３と対応付けられて記憶装置１０３に記憶されている。

この場合において、サーバ装置３０は、検索条件として、静止画像（第２静止画像）ｉ４１を外部（例えば、端末装置１０）から取得した場合、第２静止画像ｉ４１の特徴量に基づいて、第２静止画像ｉ４１に対応する（例えば、第２静止画像ｉ４１との一致度が所定範囲内である）第１静止画像ｉ３１を検索結果として記憶装置１０３から取得してもよい。さらに、サーバ装置３０は、取得された第１静止画像ｉ３１に対応付けられた再生位置ｔ３１を検索結果として記憶装置１０３から取得してもよい。同様に、サーバ装置３０は、検索条件として、第２静止画像ｉ４２を取得した場合、第２静止画像ｉ４２の特徴量に基づいて、第２静止画像ｉ４２に対応する第１静止画像ｉ３２と、第１静止画像ｉ３２に対応付けられた再生位置ｔ３２を検索結果として記憶装置１０３から取得してもよい。さらに、サーバ装置３０は、検索条件として、第２静止画像ｉ４３を取得した場合、第２静止画像ｉ４３の特徴量に基づいて、第２静止画像ｉ４３に対応する第１静止画像ｉ３３と、第１静止画像ｉ３３に対応付けられた再生位置ｔ３３を検索結果として記憶装置１０３から取得してもよい。

検索結果の情報は、端末装置１０に送信され、端末装置１０の表示装置１０６に表示されてもよい。ユーザは、検索結果として表示装置１０６に表示された第１静止画像及び再生位置を閲覧することにより、検索結果を確認してもよい。

サーバ装置３０の記憶装置１０３は、記憶している動画像における所定の再生時間間隔（例えば、１分間隔）の再生位置に対応する複数の静止画像（第１静止画像）を記憶してもよい。すなわち、サーバ装置３０の記憶装置１０３は、各動画像は、複数の再生位置に対応する第１静止画像を記憶してもよい。また、サーバ装置３０の記憶装置１０３は、第１静止画像のそれぞれについて、第１静止画像と、当該第１静止画像の再生位置に対応する再生位置情報とを対応付けて記憶してもよい。

＜変形例＞
上記実施形態における端末装置１０、撮像装置２０、又はサーバ装置３０による機能を実装するためのコンピュータプログラムは、ＣＤ－ＲＯＭ等の光学ディスク、磁気ディスク、半導体メモリなどの各種の記録媒体を通じて、又は通信ネットワークなどを介してダウンロードすることにより、コンピュータにインストール又はロードすることができる。

以上説明した実施形態は、本発明の理解を容易にするためのものであり、本発明を限定して解釈するためのものではない。実施形態が備える各要素、条件等は、例示したものに限定されるわけではなく適宜変更することができる。また、異なる実施形態で示した構成同士を部分的に置換し又は組み合わせることが可能である。

１ システム
１０ 端末装置
２０ 撮像装置
３０ サーバ装置

Claims (9)

1. 動画像の解析結果に基づいて、タグ情報を特定するプロセッサと、
   特定された前記タグ情報と、前記動画像において前記タグ情報が特定された再生位置情報と、前記動画像において前記タグ情報が特定された再生位置に対応する静止画像とを対応付けて記憶する記憶装置と、
   を備え、
   前記タグ情報は、前記動画像の解析により認識されたコード画像に基づいて特定される、
   情報処理装置。
2. 動画像の解析結果に基づいて、タグ情報を特定するプロセッサと、
   特定された前記タグ情報と、前記動画像において前記タグ情報が特定された再生位置情報と、前記動画像において前記タグ情報が特定された再生位置に対応する静止画像とを対応付けて記憶する記憶装置と、
   を備え、
   前記動画像は、端末装置の表示部に表示されたコード画像を撮像した画像を含み、
   前記コード画像は、前記タグ情報と予め関連付けられている、
   情報処理装置。
3. 動画像の解析結果に基づいて、タグ情報を特定するプロセッサと、
   特定された前記タグ情報と、前記動画像において前記タグ情報が特定された再生位置情報と、前記動画像において前記タグ情報が特定された再生位置に対応する静止画像とを対応付けて記憶する記憶装置と、を備えた情報処理装置と、端末装置とを備えるシステムであって、
   前記端末装置は、ユーザ操作に基づいて、表示部にコード画像を表示し、
   前記動画像は、前記表示部に表示されたコード画像を撮像した画像を含み、
   前記情報処理装置の前記プロセッサは、前記動画像の解析結果に基づいて、前記コード画像に対応するタグ情報を特定する、システム。
4. 前記ユーザ操作は、タグ情報を入力する操作を含む、請求項３に記載のシステム。
5. 動画像の解析結果に基づいて、タグ情報を特定するプロセッサと、
   特定された前記タグ情報と、前記動画像において前記タグ情報が特定された再生位置情報と、前記動画像において前記タグ情報が特定された再生位置に対応する静止画像とを対応付けて記憶する記憶装置と、を備えた情報処理装置と、端末装置とを備えるシステムであって、
   前記端末装置は、音声認識の結果に基づいて、表示部にコード画像を表示し、
   前記動画像は、前記表示部に表示されたコード画像を撮像した画像を含み、
   前記情報処理装置の前記プロセッサは、前記動画像の解析結果に基づいて、前記コード画像に対応するタグ情報を特定する、システム。
6. 動画像の解析結果に基づいて、タグ情報を特定するプロセッサと、
   特定された前記タグ情報と、前記動画像において前記タグ情報が特定された再生位置情報と、前記動画像において前記タグ情報が特定された再生位置に対応する静止画像とを対応付けて記憶する記憶装置と、
   を備え、
   前記記憶装置は、前記動画像における所定の再生位置に対応する第１静止画像と、当該再生位置に対応する再生位置情報とを対応付けて記憶し、
   前記プロセッサは、検索条件として取得した第２静止画像の特徴量に基づいて、前記第２静止画像に対応する前記第１静止画像と、当該第１静止画像に対応付けられた前記再生位置情報とを検索結果として前記記憶装置から取得する、
   情報処理装置。
7. 前記記憶装置は、前記動画像における所定の再生時間間隔の再生位置に対応する複数の前記第１静止画像と、当該再生位置のそれぞれに対応する再生位置情報とを対応付けて記憶する、
   請求項６に記載の情報処理装置。
8. プロセッサが、動画像の解析結果に基づいて、タグ情報を特定することと、
   記憶装置が、特定された前記タグ情報と、前記動画像において前記タグ情報が特定された再生位置情報と、前記動画像において前記タグ情報が特定された再生位置に対応する静止画像とを対応付けて記憶することと、
   を含み、
   前記タグ情報は、前記動画像の解析により認識されたコード画像に基づいて特定される、
   情報処理方法。
9. コンピュータに、
   プロセッサが、動画像の解析結果に基づいて、タグ情報を特定することと、
   記憶装置が、特定された前記タグ情報と、前記動画像において前記タグ情報が特定された再生位置情報と、前記動画像において前記タグ情報が特定された再生位置に対応する静止画像とを対応付けて記憶することと、
   を実行させるためのプログラムであって、
   前記タグ情報は、前記動画像の解析により認識されたコード画像に基づいて特定される、
   プログラム。