JPWO2015040929A1 - 画像処理システム、画像処理方法及びプログラム - Google Patents

Abstract

（課題）異常性の高い集団を検知することのできる画像処理システム、画像処理方法およびプログラムを提供する。（解決手段）画像処理システム１は、撮影装置により撮影された入力画像から集団を検知する集団検出部１０３と、検知された集団が以前に検知されていることを判定する繰返し集団判定部１０９と、検知された集団が以前に検知されていると繰返し集団判定部１０９に判定された場合に報知する出力部１１１とを備える。

Description

本発明に係るいくつかの態様は、画像処理システム、画像処理方法及びプログラムに関する。

近年、監視カメラ等で撮影された映像の解析により、群衆の異常状態を検知する技術が考えられている。例えば特許文献１には、入力画像から滞留領域等を特定した上で、当該滞留領域の割合が予め設定した値を超過した場合に、異常状態として判定する装置を開示している。
その他、特許文献２−４も、関連技術を開示している。

特許第４９６６８２０号公報 特再公表２０１１−０４６１２８号公報 特開２００７−２０９００８号公報 特開２００６−０９２３９６号公報

特許文献１が開示している装置は、滞留が多数発生する異常混雑を検出するものである。しかしながら、これ以外にも、例えば犯罪を発生する蓋然性の高そうな人物の集合等を検知したいという要求もある。

本発明のいくつかの態様は前述の課題に鑑みてなされたものであり、異常性の高い集団を検知することのできる画像処理システム、画像処理方法およびプログラムを提供することを目的の１つとする。

本発明に係る画像処理システムは、撮影装置により撮影された入力画像から集団を検知する手段と、検知された集団が以前に検知されていることを判定する判定手段と、前記検知された集団が以前に検知されていると前記判定手段に判定された場合に報知する出力手段とを備える。

本発明に係る画像処理方法は、撮影装置により撮影された入力画像から集団を検知するステップと、検知された集団が以前に検知されていることを判定するステップと、前記検知された集団が以前に検知されていると判定された場合に報知するステップとを画像処理システムが行う。

本発明に係るプログラムは、撮影装置により撮影された入力画像から集団を検知する処理と、検知された集団が以前に検知されていることを判定する処理と、前記検知された集団が以前に検知されていると判定された場合に報知する出力処理とをコンピュータに実行させる。

なお、本発明において、「部」や「手段」、「装置」、「システム」とは、単に物理的手段を意味するものではなく、その「部」や「手段」、「装置」、「システム」が有する機能をソフトウェアによって実現する場合も含む。また、１つの「部」や「手段」、「装置」、「システム」が有する機能が２つ以上の物理的手段や装置により実現されても、２つ以上の「部」や「手段」、「装置」、「システム」の機能が１つの物理的手段や装置により実現されても良い。

本発明によれば、異常性の高い集団を検知することのできる画像処理システム、画像処理方法およびプログラムを提供することができる。

入力画像の具体例を示す図である。 入力画像の具体例を示す図である。 入力画像の具体例及び報知方法の具体例を示す図である。 第１実施形態に係る画像処理システムの概略構成を示す機能ブロック図である。 図２に示す画像処理システムの処理の流れを示すフローチャートである。 図２に示す画像処理システムを実装可能なハードウェアの構成を示すブロック図である。 第２実施形態に係る画像処理システムの概略構成を示す機能ブロック図である。

以下に本発明の実施形態を説明する。以下の説明及び参照する図面の記載において、同一又は類似の構成には、それぞれ同一又は類似の符号が付されている。

（１ 第１実施形態）
図１乃至図４は、第１実施形態を説明するための図である。以下、これらの図を参照しながら、以下の流れに沿って本実施形態を説明する。まず、「１．１」で本実施形態における異常性の高い集団の検知方法の概要を説明する。その後、「１．２」で本実施形態に係る画像処理システムの機能構成の概要を、「１．３」で画像処理システムの処理の流れを説明する。「１．４」では、画像処理システムを実現可能なハードウェア構成の具体例を示す。最後に、「１．５」以降で、本実施形態に係る効果などを説明する。

（１．１ 概要）
本実施形態に係る画像処理システムは、例えば１以上の監視カメラ等の撮影装置で撮影される映像から、異常性の高い人物の集団を検出するためのものである。以下、人物の集団を「蝟集」又は「い集」とも言う。また、蝟集は群衆とも呼ばれうる。なお、蝟集を構成する各人物は、それぞれ一箇所にとどまっている場合もあるし、集団で移動する場合もある。

監視カメラで撮影した映像を解析することにより監視に役立てる方法としては、例えば、複数の人物が滞留する領域を検出した上で、滞留が発生していることを報知することが考えられる。しかしながら、このように人物が滞留する蝟集が発生した場合に毎回検知する方法では、例えば、複数の人物が待ち合わせをしている場合等にも報知することとなってしまう。この結果、報知回数が増えてしまうため、監視者は注意を払うべき蝟集なのか異常性の低い蝟集なのかを判別することができず、結果としてかえって監視の煩雑さを増加させる場合がある。

ここで、集団による窃盗犯などは、時間をおいて繰り返し集まることが多い。そこで本実施形態に係る画像処理システムでは、時間をおいて複数回集まる蝟集を、異常性の高い集団（蝟集）として検出および報知する。また、撮りためた映像中から、蝟集のシーンのみを検索して検索結果を表示する場合には、この集合回数に応じて異常性を判定した上で、異常性の高い集団から順にシーンを表示（報知）しても良い。以下、図１Ａ乃至図１Ｃを参照しながら簡単に説明する。

図１Ａ乃至図１Ｃは、それぞれ異なるタイミング（時系列順で図１Ａの後、図１Ｂが撮影され、更にその後、図１Ｃが撮影される）で撮影される画像を示している。図１Ａの例では、人物Ｐ１乃至Ｐ３が蝟集Ｘを形成している。画像処理システムは、このような集団を検出する。

この後、図１Ｂのように蝟集Ｘを形成していた人物Ｐ１乃至Ｐ３が散開し（蝟集Ｘが画像処理システムに検出されなくなり）、その後、図１Ｃのように、人物Ｐ１’乃至Ｐ３’で構成される新たな蝟集Ｘ’が画像処理システムに検出されるものとする。このとき、蝟集Ｘ’を構成する人物Ｐ１’乃至Ｐ３’は、蝟集Ｘを構成していた人物Ｐ１乃至Ｐ３と特徴量が類似している場合には、蝟集Ｘを構成していた人物Ｐ１乃至Ｐ３が、蝟集Ｘ’として再度集まったものと推測される。このように本実施形態に係る画像処理システムは、蝟集を検出した場合には、同一と判断できる蝟集が過去に検出されていなかったか否かを調べ、同じ蝟集が閾値回数以上検出されている場合には、例えば図１Ｃに示すような表示画面によりユーザへ報知する。図１Ｃの例は、異常性の高い蝟集を囲うグラフィック要素を配置することにより、異常性の高い蝟集をユーザへ報知する例である。これにより、当該画像処理システムを用いて監視しているユーザは、当該異常性の高い蝟集を認知することができるため、監視の効率性を上げることができる。

なお、蝟集Ｘおよび蝟集Ｘ’の検出方法は、種々考えられる。例えば、入力画像に対して個々の人物領域を頭部や上半身、全身等の特徴量から検出した上で、一定領域内に複数の人物がいる場合には、当該領域を蝟集として判別することが考えられる。或いは、複数人物が集まった蝟集領域の特徴量を予め学習しておき、当該蝟集の特徴量を有する領域を蝟集として判別する手法も考えられる。この場合には、蝟集を個々の人物に分離せずに検出することとなる。

また、蝟集Ｘと蝟集Ｘ’との同一性の判定方法も、複数考えられる。例えば、蝟集Ｘおよび蝟集Ｘ’を構成する個々の人物を検出する場合には、まず、検出された人物画像の服や顔などの形状や色等を元に、人物特徴（例えば、人物画像の特徴量として特定される）を抽出する。その上で、当該人物特徴との類似性を元に、例えば類似度が閾値を超えているか否か等の判定により１人１人の人物の同一性を判別する。その結果、蝟集Ｘを構成する人物と蝟集Ｘ’を構成する人物とが同一若しくは類似（例えば、蝟集を構成する人物が１人少ない／多い／別の人物になっているなども含みうる。）と判断できる場合には、画像処理システムは、蝟集Ｘと蝟集Ｘ’とが同一である若しくは類似性が高いものとして判別できる。
なお、人物特徴は上述の服や顔に限定されない。例えば「髪型」、「姿勢」、「歩き方」等を人物特徴としても良く、また、これらに限定されない。

或いは、蝟集ＸおよびＸ’全体として蝟集画像（蝟集領域の画像）の特徴量を算出した上で、当該特徴量を元に蝟集ＸおよびＸ’間の類似度を算出しても良い。なお、蝟集画像の特徴量としては、例えば蝟集領域に係る色のヒストグラムとすることが考えられるが、これに限定されるものではない。

（１．２ システム概要）
以下、図２を参照しながら、本実施形態に係る画像処理システム１のシステム構成を説明する。図２は、画像処理システム１のシステム構成を示すブロック図である。

画像処理システム１は、画像入力部１０１、集団検出部１０３、特徴量抽出部１０５、データベース１０７、繰返し集団判定部１０９および出力部１１１を含む。

画像入力部１０１は、例えば監視カメラなどである図示しない１以上の撮影装置から入力される映像に含まれるフレーム画像の入力を順次受ける。若しくは、画像入力部１０１は、図示しないＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）やＶＣＲ（Ｖｉｄｅｏ Ｃａｓｓｅｔｔｅ Ｒｅｃｏｒｄｅｒ）に記憶された映像データを復号して得られるフレーム画像の入力を受けても良い。

集団検出部１０３は、画像入力部１０１から入力された各画像フレーム（入力画像）中から、人の集まり（蝟集）を検出する。なお前述の通り、蝟集は一定時間一定箇所に停留（滞留）していることも考えられるし、或いは、移動している場合も考えられる。ここで、検出する蝟集の大きさは種々考えることができるが、１０名を超えるような大人数で犯罪等を犯すケースは多くないため、例えば、４〜５名程度の人物で構成される蝟集を、集団検出部１０３による検出対象とすることが考えられる。

集団検出部１０３による蝟集の検出方法は種々考えられる。例えば、人物画像や頭部、上半身等の画像を学習することにより生成可能な検出器を用いて入力画像から人物を検出した上で、一定範囲内に複数の人物が検出された領域を蝟集として特定する方法が考えられる。或いは、人物集合の特徴量を用いて学習等により生成した蝟集検出器を用いて、蝟集として検出することも考えられる。この他、過去一定期間の画像フレームの解析と合わせて動きを解析した上で、同一方向に移動（若しくは滞留）している領域であって当該領域に複数人物がいると判別できる場合に、当該領域を蝟集として判別することも考えられる。

特徴量抽出部１０５は、集団検出部１０３によって検出された各蝟集若しくは各蝟集を構成する各人物に対して特徴量を算出する。なお、特徴量の具体例としては、例えば、人物領域にかかる色彩のヒストグラム情報等を挙げることができる。後述の繰返し集団判定部１０９において蝟集を構成する人物の同一性を用いて蝟集の同一性を判別する場合には、特徴量抽出部１０５は、各蝟集を構成する各人物の特徴量を算出する。繰返し集団判定部１０９において蝟集全体の特徴量を用いて蝟集の同一性を判別する場合には、特徴量抽出部１０５は、蝟集領域に係る特徴量を抽出する。特徴量抽出部１０５は、算出した蝟集全体の特徴量および／又は蝟集を構成する各人物の特徴量と、蝟集の位置情報とを併せて集団情報１０８としてデータベース（ＤＢ）１０７へと出力する。

なお、抽出する特徴量は、色彩情報に限らない。もし、顔の特徴量を抽出することが可能であれば、顔の特徴量を抽出してもよい。また、服や付帯物（バッグ、帽子など）の模様の特徴量が抽出可能な場合には、模様特徴量も抽出してもよい。あるいは、歩き方等に特徴がある場合には、連続フレーム間で対応付けを行って、動きの特徴量を抽出するようにしてもよい。

繰返し集団判定部１０９は、データベース１０７に蓄積された集団情報１０８間で、蝟集間の特徴量の類似性の判別、若しくは蝟集を構成する各人物の特徴量の類似性の判別を行うことにより、同一特徴を持つ蝟集が過去に検出されていないかどうかを確認する。当該処理により、繰返し集団判定部１０９は、類似した特徴を持つ蝟集の数（即ち、蝟集の集合回数／検出回数）をカウントし、当該回数が多い蝟集（例えば、閾値よりも検出回数の多い蝟集）を異常性の高い蝟集として判定する。更にこの時、蝟集が一定時間以上留まっているか否かも判定し、留まっている時間若しくは回数に応じて異常性のスコアを高めるようにしても良い。もし繰返し集団判定部１０９が蝟集の数の閾値によって異常性を判定する場合には、当該画像処理システム１のユーザが外部から具体的な閾値を入力しても良い。

また、繰返し集団判定部１０９が異常性を判定する際には、同一性が高いと判断できる蝟集に係る蝟集形成の時間間隔を考慮しても良い。同じ撮影装置でほぼ同じ場所に数分程度の短い時間間隔で何度も検出される蝟集や、若しくは複数のタイミングにおいて、略一定速度で移動可能な複数の場所で検出される蝟集は、ずっとそこに留まっていたり、一緒に移動したりしている可能性が高い。繰返し集団判定部１０９は、このように比較的短い第１の閾値時間間隔よりも短い間隔で検出された蝟集（同一と判別できる蝟集。検知された後、離散していないと判断できる蝟集）に関しては、蝟集の集合回数のカウント対象から除外することが考えられる。

一方、第１の閾値時間間隔よりも長い間隔で検出された蝟集（一度離散が確認された後、再度検知された蝟集）に関しては、繰返し集団判定部１０９は、その時間間隔が第１の閾値時間よりも長い第２の閾値時間以内である場合に、集合回数をカウントしても良い。これにより、比較的短期間に何度も集まる集団を抽出できる。また、異なる撮影装置の映像、或いは同一の撮影装置の映像でも異なる場所で何度も同一性の高い蝟集が検知される場合には、当該蝟集は異常性が高いものとして、重みを付けてカウント（異常性に係るスコアリング）しても良い。

また、繰返し集団判定部１０９は、警備員の制服を着ている人物の集団や、店舗の前に形成される行列など、異常性が低いと判断できる蝟集に関しては、異常性の高さの判定にかかる蝟集から除外するようにしても良い。なお、店舗の前に形成される行列は、蝟集を構成する人物の向きや場所等により特定することが考えられる。

あるいは、繰返し集団判定部１０９は、時間帯を考慮して、蝟集の集合に対して重みをつけてカウントすることも考えられる。この場合、例えば、深夜帯などの人が本来あまり集合しない時間帯に検出された場合には、当該蝟集は異常性が高いものとして、高い重みをつけてカウントすれば良い。また、同じ場所で検知される類似した蝟集は、違う場所で検知される蝟集よりも高い重みをつけてカウントしてもよい。

また、特徴量抽出部１０５が髪型や姿勢、付帯物等に関する複数の特徴量を抽出している場合には、繰返し集団判定部１０９は、抽出した特徴量に応じて異常性を判定し、重みを付けてカウントしても良い。例えば特徴量抽出部１０５が、付帯物であるナイフを検知した場合には、繰返し集団判定部１０９は、そのナイフを保持している人物の属する集団に関する一度の検知を、通常の集団の三回分としてカウントする等しても良い。

出力部１１１は、繰返し集団判定部１０９で異常性の高い蝟集を検知した場合に、当該蝟集にマーキングする等の形で図示したり、或いは音声で通知したりする等の手法により、異常性の高い蝟集を検知した旨をユーザへ報知する。或いは、出力部１１１は、検知した蝟集に係る情報を、図示しない記憶媒体や他の情報処理装置等に出力しても良い。

また出力部１１１は、繰返し集団判定部１０９により検出された蝟集が撮影された画像を表示しても良い。この場合、出力部１１１は、蝟集が撮影された画像は、撮影（検知）タイミングの異なる複数の画像を並べて表示しても良い。また出力部１１１は、これらの複数の画像を、検出された蝟集の近傍に表示しても良い。更に、出力部１１１が表示する画像は、例えば、閾値以上カウントされた蝟集に係る画像としても良い。

また、出力部１１１は、画像入力部１０１から入力された各画像フレーム（全体として映像を構成する）から、異常性の高い蝟集が検出されたシーンのみを検索して検索結果を、図示しない表示装置上に表示することも可能である。この場合には、出力部１１１は、異常性の高さ（例えば、検知された蝟集の回数）に応じて異常性を判定した上で、異常性の高い蝟集から順にシーンを表示するようにしても良い。

（１．３ 処理の流れ）
以下、画像処理システム１の処理の流れを、図３を参照しながら説明する。図３は、本実施形態に係る画像処理システム１の処理の流れを示すフローチャートである。

なお、後述の各処理ステップは、処理内容に矛盾を生じない範囲で、任意に順番を変更して若しくは並列に実行することができ、また、各処理ステップ間に他のステップを追加しても良い。更に、便宜上１つのステップとして記載されているステップは複数のステップに分けて実行することもでき、便宜上複数に分けて記載されているステップを１ステップとして実行することもできる。

画像入力部１０１から画像（映像を構成する画像フレーム）の入力を受けると（Ｓ３０１）、集団検出部１０３は、当該画像に蝟集が映っているか否かを検出する（Ｓ３０３）。蝟集の検出方法は種々考えられるが、例えば、入力画像に映る人物を特定した上で、検出された人物が一定範囲内にいるか否かを判別する手法が考えられる。或いは、画像フレームから、蝟集の特徴を有する画像領域があるか否かを検出器により判別することも考えられる。若しくは、集団検出部１０３は、一定期間の入力画像フレームを解析することにより、複数の人物が略同一方向に移動或いは一定時間滞留している場合に、当該複数の人物を蝟集として特定しても良い。

特徴量抽出部１０５は、集団検出部１０３により特定された蝟集全体の特徴量、及び／又は蝟集を構成する各人物の特徴量を算出する（Ｓ３０５）。特徴量抽出部１０５は、算出した蝟集の特徴量（蝟集を構成する各人物の特徴量も含む）を、蝟集の位置情報、検出された時刻情報などと共に、ＤＢ１０７に集団情報１０８として格納する。

繰返し集団判定部１０９は、ＤＢ１０７に集団情報１０８が格納された各蝟集に対し、同一の蝟集と判断できる蝟集であるか否かを確認する。なお、蝟集の同一性判定の対象は、同一の撮影装置による画像で検出された蝟集のみならず、異なる撮影装置の画像で検出された蝟集をも対象とすることができる。

蝟集を構成する各人物の特徴量が算出されている場合には、繰返し集団判定部１０９は、例えば、蝟集を構成する各人物間の類似度を算出することにより、蝟集を構成する各人物が同一人物であるか否か（例えば、類似度が閾値を超えているか否か）をまず判定する。その結果、同一人物で構成されている蝟集があれば、繰返し集団判定部１０９は当該蝟集を同一の蝟集として特定できる。このとき、例えば蝟集を構成する人物が１名不在若しくは追加されている場合や入れ替わっている場合にも、同一の蝟集として判別しても良い。

或いは、蝟集全体としての特徴量が算出されている場合には、各蝟集間の特徴量の類似度を算出した上で、当該類似度が閾値を超えている場合に、繰返し集団判定部１０９は同一の蝟集として判別することができる。

このようにして繰返し集団判定部１０９は各蝟集の形成回数（検知回数）を判定した上で、蝟集の形成回数が閾値以上である場合に（Ｓ３０９のＹｅｓ）、当該蝟集を異常性の高い集団として特定することができる。その場合には、出力部１１１は、当該異常性の高い蝟集を、例えば監視者であるユーザへ報知する（Ｓ３１１）。

（１．４ ハードウェア構成）
以下、図４を参照しながら、上述してきた画像処理システム１をコンピュータにより実現する場合のハードウェア構成の一例を説明する。なお、画像処理システム１の機能は、複数の情報処理装置により実現することも可能である。

図４に示すように、画像処理システム１は、プロセッサ４０１、メモリ４０３、記憶装置４０５、入力インタフェース（Ｉ／Ｆ）４０７、データＩ／Ｆ４０９、通信Ｉ／Ｆ４１１、及び表示装置４１３を含む。

プロセッサ４０１は、メモリ４０３に記憶されているプログラムを実行することにより画像処理システム１における様々な処理を制御する。例えば、図２で説明した画像入力部１０１や集団検出部１０３、特徴量抽出部１０５、繰返し集団判定部１０９及び出力部１１１に係る処理は、メモリ４０３に一時記憶された上で主にプロセッサ４０１上で動作するプログラムとして実現可能である。

メモリ４０３は、例えばＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）等の記憶媒体である。メモリ４０３は、プロセッサ４０１によって実行されるプログラムのプログラムコードや、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。例えば、メモリ４０３の記憶領域には、プログラム実行時に必要となるスタック領域が確保される。

記憶装置４０５は、例えばハードディスクやフラッシュメモリ等の不揮発性の記憶媒体である。記憶装置４０５は、オペレーティングシステムや、画像入力部１０１や集団検出部１０３、特徴量抽出部１０５、繰返し集団判定部１０９及び出力部１１１を実現するための各種プログラムや、ＤＢ１０７を含む各種データ等を記憶する。記憶装置４０５に記憶されているプログラムやデータは、必要に応じてメモリ４０３にロードされることにより、プロセッサ４０１から参照される。

入力Ｉ／Ｆ４０７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Ｉ／Ｆ４０７の具体例としては、キーボードやマウス、タッチパネル等が挙げられる。入力Ｉ／Ｆ４０７は、例えばＵＳＢ（Ｕｎｉｖｅｒｓａｌ Ｓｅｒｉａｌ Ｂｕｓ）等のインタフェースを介して画像処理システム１に接続されても良い。

データＩ／Ｆ４０９は、画像処理システム１の外部からデータを入力するためのデバイスである。データＩ／Ｆ４０９の具体例としては、各種記憶媒体に記憶されているデータを読み取るためのドライブ装置等がある。データＩ／Ｆ４０９は、画像処理システム１の外部に設けられることも考えられる。その場合、データＩ／Ｆ４０９は、例えばＵＳＢ等のインタフェースを介して画像処理システム１へと接続される。

通信Ｉ／Ｆ４１１は、画像処理システム１の外部の装置、例えば撮影装置（ビデオカメラ／監視カメラ）等との間で有線又は無線によりデータ通信するためのデバイスである。通信Ｉ／Ｆ４１１は画像処理システム１の外部に設けられることも考えられる。その場合、通信Ｉ／Ｆ４１１は、例えばＵＳＢ等のインタフェースを介して画像処理システム１に接続される。

表示装置４１３は、例えば図１Ａ乃至図１Ｃに示したような、図示しない撮影装置で撮影された映像を表示するためのデバイスである。また、表示装置４１３が表示する映像上に異常性の高い蝟集が映っている場合には、当該蝟集を示すグラフィック要素を映像に重畳させても良い。表示装置４１３の具体例としては、例えば液晶ディスプレイや有機ＥＬ（Ｅｌｅｃｔｒｏ−Ｌｕｍｉｎｅｓｃｅｎｃｅ）ディスプレイ等が挙げられる。表示装置４１３は、画像処理システム１の外部に設けられても良い。その場合、表示装置４１３は、例えばディスプレイケーブル等を介して画像処理システム１に接続される。

（１．５ 本実施形態に係る効果）
以上説明したように、本実施形態に係る画像処理システム１は、同一性の高い蝟集が複数回検知された時に、当該蝟集を異常性が高いものと判定する。これにより、単に蝟集を検知する場合と比べ、確認すべき蝟集を大幅に減少させることが可能となる。換言すると、画像処理システム１によれば、異常性の低い集団が報知される回数（監視者に誤報に見える回数）が減るため、効率的に監視を行うことが可能となる。

（２ 第２実施形態）
以下、第２実施形態を、図５を参照しながら説明する。図５は、画像処理システム５００の機能構成を示すブロック図である。図５に示すように、画像処理システム５００は、検知部５１０、判定部５２０、及び出力部５３０を含む。

検知部５１０は、図示しない撮影装置により撮影された入力画像から集団を検知する。
判定部５２０は、検知部５１０により検知された集団が以前に検知されていることを判定する。
出力部５３０は、検知された集団が以前に検知されていると判定部５２０に判定された場合に報知する。
このように実装することで、本実施形態に係る画像処理システム５００によれば、異常性の高い集団を検知することができる。

（３ 付記事項）
なお、前述の実施形態の構成は、組み合わせたり或いは一部の構成部分を入れ替えたりしてもよい。また、本発明の構成は前述の実施形態のみに限定されるものではなく、本発明の要旨を逸脱しない範囲内において種々変更を加えてもよい。

なお、前述の各実施形態の一部又は全部は、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。また、本発明のプログラムは、上記の各実施形態で説明した各動作を、コンピュータに実行させるプログラムであれば良い。

（付記１）
撮影装置により撮影された入力画像から集団を検知する手段と、検知された集団が以前に検知されていることを判定する判定手段と、前記検知された集団が以前に検知されていると前記判定手段に判定された場合に報知する出力手段とを備える画像処理システム。

（付記２）
前記判定手段は、前記検知された集団と類似度が高い集団が以前に検知されている場合に、前記検知された集団が以前に検知されていると判定する、付記１記載の画像処理システム。

（付記３）
前記検知された集団の特徴量を算出する手段と、算出された特徴量を記憶する記憶手段とを更に備え、前記判定手段は、前記特徴量に基づき前記類似度を判定する、付記２記載の画像処理システム。

（付記４）
前記判定手段は、前記検知された集団が閾値回数以上検知されているか否かを判定し、前記出力手段は、前記検知された集団が閾値回数以上検知されていると前記判定手段に判定された場合に報知する、付記１乃至付記３のいずれか１項記載の画像処理システム。

（付記５）
前記判定手段は、前記検知された集団が、第１の閾値時間以上離れた時刻に離散的に検知されているか否かを判定し、前記出力手段は、前記検知された集団が前記第１の閾値時間以上離れた時刻に離散的に検知されていると前記判定手段に判定された場合に報知する、付記１乃至付記４のいずれか１項記載の画像処理システム。

（付記６）
前記出力手段は、前記検知された集団が、第１の閾値時間以上離れた時刻に離散的に検知されており、それらの時間が第２の閾値時間以内であるか否かを判定し、前記出力手段は、前記検知された集団が第１の閾値時間以上離れた時刻に離散的に検知されており、それらの時間が第２の閾値時間以内であると前記判定手段に判定された場合に報知する、付記５記載の画像処理システム。

（付記７）
前記特徴量は、集団を構成する人物毎に算出される、付記３記載の画像処理システム。

（付記８）
前記特徴量は、集団全体として算出される、付記３記載の画像処理システム。

（付記９）
撮影装置により撮影された入力画像から集団を検知するステップと、検知された集団が以前に検知されていることを判定するステップと、前記検知された集団が以前に検知されていると判定された場合に報知するステップとを画像処理システムが行う、画像処理方法。

（付記１０）
前記検知された集団と類似度が高い集団が以前に検知されている場合に、前記検知された集団が以前に検知されていると判定する、付記９記載の画像処理方法。

（付記１１）
前記検知された集団の特徴量を算出するステップと、算出された特徴量を記憶するステップとを更に備え、前記判定するステップにおいて、前記特徴量に基づき前記類似度を判定する、付記１０記載の画像処理方法。

（付記１２）
前記検知された集団が閾値回数以上検知されているか否かを判定し、前記検知された集団が閾値回数以上検知されていると判定された場合に報知する、付記９乃至付記１１のいずれか１項記載の画像処理方法。

（付記１３）
前記検知された集団が、第１の閾値時間以上離れた時刻に離散的に検知されているか否かを判定し、前記検知された集団が前記第１の閾値時間以上離れた時刻に離散的に検知されていると判定された場合に報知する、付記９乃至付記１２のいずれか１項記載の画像処理方法。

（付記１４）
前記検知された集団が、第１の閾値時間以上離れた時刻に離散的に検知されており、それらの時間が第２の閾値時間以内であるか否かを判定し、前記検知された集団が第１の閾値時間以上離れた時刻に離散的に検知されており、それらの時間が第２の閾値時間以内である場合に報知する、付記１３記載の画像処理方法。

（付記１５）
前記特徴量は、集団を構成する人物毎に算出される、付記１１記載の画像処理方法。

（付記１６）
前記特徴量は、集団全体として算出される、付記１１記載の画像処理方法。

（付記１７）
撮影装置により撮影された入力画像から集団を検知する処理と、検知された集団が以前に検知されていることを判定する処理と、前記検知された集団が以前に検知されていると判定された場合に報知する出力処理とをコンピュータに実行させるプログラム。

（付記１８）
前記検知された集団と類似度が高い集団が以前に検知されている場合に、前記検知された集団が以前に検知されていると判定する、付記１７記載のプログラム。

（付記１９）
前記検知された集団の特徴量を算出する処理と、算出された特徴量を記憶する処理とを更に備え、前記判定する処理において、前記特徴量に基づき前記類似度を判定する、付記１８記載のプログラム。

（付記２０）
前記検知された集団が閾値回数以上検知されているか否かを判定し、前記検知された集団が閾値回数以上検知されていると判定された場合に報知する、付記１７乃至付記１９のいずれか１項記載のプログラム。

（付記２１）
前記検知された集団が、第１の閾値時間以上離れた時刻に離散的に検知されているか否かを判定し、前記検知された集団が前記第１の閾値時間以上離れた時刻に離散的に検知されていると判定された場合に報知する、付記１７乃至付記２０のいずれか１項記載のプログラム。

（付記２２）
前記検知された集団が、第１の閾値時間以上離れた時刻に離散的に検知されており、それらの時間が第２の閾値時間以内であるか否かを判定し、前記検知された集団が第１の閾値時間以上離れた時刻に離散的に検知されており、それらの時間が第２の閾値時間以内である場合に報知する、付記２１記載のプログラム。

（付記２３）
前記特徴量は、集団を構成する人物毎に算出される、付記１９記載のプログラム。

（付記２４）
前記特徴量は、集団全体として算出される、付記１９記載のプログラム。

この出願は、２０１３年９月１９日に出願された日本出願特願２０１３−１９４６５１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。

１・・・画像処理システム、１０１・・・画像入力部、１０３・・・集団検出部、１０５・・・特徴量抽出部、１０７・・・データベース、１０８・・・集団情報、１０９・・・繰返し集団判定部、１１１・・・出力部、４０１・・・プロセッサ、４０３・・・メモリ、４０５・・・記憶装置、４０７・・・入力インタフェース、４０９・・・データインタフェース、４１１・・・通信インタフェース、４１３・・・表示装置、５００・・・画像処理システム、５１０・・・検知部、５２０・・・判定部、５３０・・・出力部

Claims (10)

1. 撮影装置により撮影された入力画像から集団を検知する手段と、
   検知された集団が以前に検知されていることを判定する判定手段と、
   前記検知された集団が以前に検知されていると前記判定手段に判定された場合に報知する出力手段と
   を備える画像処理システム。
2. 前記判定手段は、前記検知された集団と類似度が高い集団が以前に検知されている場合に、前記検知された集団が以前に検知されていると判定する、
   請求項１記載の画像処理システム。
3. 前記検知された集団の特徴量を算出する手段と、
   算出された特徴量を記憶する記憶手段と
   を更に備え、
   前記判定手段は、前記特徴量に基づき前記類似度を判定する、
   請求項２記載の画像処理システム。
4. 前記判定手段は、前記検知された集団が閾値回数以上検知されているか否かを判定し、
   前記出力手段は、前記検知された集団が閾値回数以上検知されていると前記判定手段に判定された場合に報知する、
   請求項１乃至請求項３のいずれか１項記載の画像処理システム。
5. 前記判定手段は、前記検知された集団が、第１の閾値時間以上離れた時刻に離散的に検知されているか否かを判定し、
   前記出力手段は、前記検知された集団が前記第１の閾値時間以上離れた時刻に離散的に検知されていると前記判定手段に判定された場合に報知する、
   請求項１乃至請求項４のいずれか１項記載の画像処理システム。
6. 前記出力手段は、前記検知された集団が、第１の閾値時間以上離れた時刻に離散的に検知されており、それらの時間が第２の閾値時間以内であるか否かを判定し、
   前記出力手段は、前記検知された集団が第１の閾値時間以上離れた時刻に離散的に検知されており、それらの時間が第２の閾値時間以内であると前記判定手段に判定された場合に報知する、
   請求項５記載の画像処理システム。
7. 前記特徴量は、集団を構成する人物毎に算出される、
   請求項３記載の画像処理システム。
8. 前記特徴量は、集団全体として算出される、
   請求項３記載の画像処理システム。
9. 撮影装置により撮影された入力画像から集団を検知するステップと、
   検知された集団が以前に検知されていることを判定するステップと、
   前記検知された集団が以前に検知されていると判定された場合に報知するステップと
   を画像処理システムが行う、画像処理方法。
10. 撮影装置により撮影された入力画像から集団を検知する処理と、
    検知された集団が以前に検知されていることを判定する処理と、
    前記検知された集団が以前に検知されていると判定された場合に報知する出力処理と
    をコンピュータに実行させるプログラム。

Images