WO2014050432A1 - 情報処理システム、情報処理方法及びプログラム - Google Patents

情報処理システム、情報処理方法及びプログラム Download PDF

Info

Publication number
WO2014050432A1
WO2014050432A1 PCT/JP2013/073354 JP2013073354W WO2014050432A1 WO 2014050432 A1 WO2014050432 A1 WO 2014050432A1 JP 2013073354 W JP2013073354 W JP 2013073354W WO 2014050432 A1 WO2014050432 A1 WO 2014050432A1
Authority
WO
WIPO (PCT)
Prior art keywords
person
time
persons
correspondence
information processing
Prior art date
Application number
PCT/JP2013/073354
Other languages
English (en)
French (fr)
Inventor
博義 宮野
Original Assignee
日本電気株式会社
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 日本電気株式会社 filed Critical 日本電気株式会社
Priority to US14/431,360 priority Critical patent/US9589192B2/en
Priority to JP2014538306A priority patent/JPWO2014050432A1/ja
Publication of WO2014050432A1 publication Critical patent/WO2014050432A1/ja

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N7/00—Television systems
    • H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
    • H04N7/181—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a plurality of remote sources

Definitions

  • Some aspects according to the present invention relate to an information processing system, an information processing method, and a program.
  • Patent Document 1 discloses an apparatus that can appropriately perform tracking (monitoring) of a person across cameras using connection relationship information between cameras. This apparatus obtains the correspondence between persons according to the similarity of the person feature amount between a point appearing in the camera field of view (In point) and a point disappearing from the camera field of view (Out point).
  • Some aspects of the present invention have been made in view of the above-described problems, and provide an information processing system, an information processing method, and a program capable of suitably estimating the correspondence of a person appearing in a video.
  • the information processing system includes one or more persons appearing in images captured by a plurality of video cameras at a first time, and the plurality of video cameras at a second time later than the first time.
  • Receiving the response information related to And an input unit said first computing means, based on the correspondence information that has been inputted from said input unit, defines at least a portion of the scales.
  • the information processing method includes one or more persons appearing in images captured by a plurality of video cameras at a first time and the plurality of video cameras at a second time later than the first time. Determining a scale indicating the possibility that one or more persons appearing in each captured image are associated with each other; and at least one person appearing at one of the first time and the second time; Estimating the correspondence between the person shown at the first time and the person shown at the second time in consideration of all the scales related to all persons related to the other time; Input of correspondence information relating to whether or not at least a part of one or more persons photographed at a time and at least a part of one or more persons photographed at the second time correspond or do not correspond Step and emotion Performs the processing system, at least a portion of said measure is determined based on the correspondence information that has been input.
  • the program according to the present invention captures one or more persons appearing in images respectively captured by a plurality of video cameras at a first time and the plurality of video cameras at a second time later than the first time.
  • Processing for determining a scale indicating the possibility that one or more persons appearing in the recorded video are associated with each other, at least one person appearing at one of the first time and the second time, and the other A process for estimating the correspondence between the person appearing at the first time and the person appearing at the second time in consideration of all the scales related to all persons relating to the time of the first time, and the first time
  • “part”, “means”, “apparatus”, and “system” do not simply mean physical means, but “part”, “means”, “apparatus”, “system”. This includes the case where the functions possessed by "are realized by software. Further, even if the functions of one “unit”, “means”, “apparatus”, and “system” are realized by two or more physical means or devices, two or more “parts” or “means”, The functions of “device” and “system” may be realized by a single physical means or device.
  • an information processing system an information processing method, and a program capable of suitably estimating the association of persons appearing in a video.
  • FIG. 1 is a block diagram showing a system configuration of the monitoring system 1.
  • the monitoring system 1 is broadly divided into an information processing server 100 and a plurality of video cameras 200 that capture (capture) video (moving images) (video cameras 200A to 200N are collectively referred to as video cameras 200). It comprises a display device 300 and an input device 400.
  • the monitoring system 1 will be described as a system for monitoring a person photographed by the video camera 200, but the monitoring target may be applied to a moving body such as a car, a bicycle, or a motorcycle.
  • the video camera 200 captures a video (moving image), determines whether or not there is a person in the captured video, and then acquires information such as a position and a feature amount related to the person together with the captured moving image. It transmits to the processing server 100.
  • the video camera 200 can also track a person in a moving image by comparing the captured moving images between frames. It should be noted that processes such as person detection, feature extraction, and person tracking in the camera may be performed on the information processing server 100 or other information processing apparatus (not shown), for example.
  • the information processing server 100 performs various processes such as detection of a person, registration of a person to be tracked, and tracking of a registered person by analyzing a moving image captured by the video camera 200.
  • the storage device It is also conceivable to track (analyze) moving images stored in an HDD (Hard Disk Drive) or VCR (Video Cassette Recorder). Furthermore, it is conceivable that the moving images stored in the storage device are reproduced in reverse order (reverse reproduction) and tracked. Normally, when a person takes a suspicious action, it is necessary to investigate what route the person has taken and how the action was taken. Enabling tracking is very useful.
  • the information processing server 100 outputs a monitoring screen to the display device 300 and receives operation signals related to various operation inputs related to person monitoring from the input device 400. More specifically, for example, on a monitoring screen (a specific example is shown in FIG. 3 to be described later) displayed on the display device 300, a plurality of images input from the video camera 200 are displayed, so that the person to be monitored is displayed. The user who is the monitor can grasp where the person is now.
  • a user who is a monitor looks at the display device 300, and when the person to be monitored shown in the video (moving image) of a certain video camera 200 appears in the video of another video camera 200, the user turns the input device 400 on.
  • the two persons are associated with each other as being the same person.
  • This processing and advantages will be described later.
  • the display device 300 is, for example, a display that displays an image on a liquid crystal, an organic EL (Electro Luminescence), or the like.
  • the display device 300 displays the monitoring screen output from the information processing server 100.
  • the input device 400 is a device for a user (monitor) to input various information.
  • a pointing device such as a mouse, a touch pad, or a touch panel, a keyboard, and the like correspond to the input device 400.
  • Various processes such as registration of a monitoring target person and association of the registered person with a person newly appearing in the video camera 200 (input as the same person and input that they are not the same person) are input by the user. This is done based on an operation on the device 400.
  • the display device 300 and the input device 400 may be realized as a single client, or the functions of the information processing server 100, the display device 300, and the input device 400 may be realized by four or more information processing devices. It may be realized.
  • the client may have some functions of the information processing server 100 according to the present embodiment.
  • the information processing server 100 includes an input unit 110, a similarity calculation unit 120, a tracking person registration unit 130, a correspondence relationship estimation unit 140, a display control unit 150, and a database (DB) 160.
  • the functions of the information processing server 100 may be realized by a plurality of information processing apparatuses (computers).
  • the input unit 110 registers the information received from the video camera 200 and the information of the person detection result in the DB 160 as the captured moving image 163, the detected person information 165, and the person tracking information 167.
  • the detected person information 165 registered in the DB 160 by the input unit 110 includes information on the feature amount of the person detected by the video camera 200.
  • information on the in-camera tracking result indicating how the person detected by the video camera 200 has moved in the one video camera 200. Etc. are included.
  • the similarity calculation unit 120 calculates the similarity between the person shown in the moving image input from the video camera 200 and the person registered in the detected person information 165. At this time, the similarity calculation unit 120 selects a person in the moving image input from the video camera 200 from a plurality of person images related to each registered person (person images related to a plurality of timings of the same person). The similarity may be calculated after selecting a person image having a similar posture to the image. By mounting in this way, it is possible to increase the accuracy of similarity calculation.
  • the tracking person registration unit 130 selects a person shown in the captured moving image input from the video camera 200 based on a user operation input from the input device 400 and the like. Registered in the person tracking information 167 of the DB 160 as a tracking target person). In addition, the tracking person registration unit 130 indicates that the person shown in the captured video input from the video camera 200 is the same person as the person already registered in the person tracking information 167 or is not the same person. If it is determined, the information can be registered in the person tracking information 167.
  • Correspondence relationship estimation section 140 is based on the user input indicating that it is the same person as the person already registered in person tracking information 167 and that it is not the same person. And the result is registered in the person tracking information 167. The specific method will be described later with reference to FIG. 2 and the like. However, when the user inputs that the person is the same person / not the same person, the correspondence estimation unit 140 determines whether the person is another person. Correspondence of whether or not they are the same person is also predicted.
  • the display control unit 150 causes the display device 300 to display various display screens such as a monitoring screen.
  • the display control unit 150 includes a moving image display unit 151, a UI generation unit 153, and a movement history generation unit 155.
  • the moving image display unit 151 causes the display device 300 to display the captured video input by the input unit 110.
  • a video area to be displayed by the moving image display unit 151 is provided in a part of the monitoring screen. Note that the video displayed by the moving image display unit 151 on the display device 300 may not be a real-time video. If the recorded video is displayed on the display device 300, the moving image display unit 151 reads the captured moving image 163 from the DB 160 and displays it on the display device 300.
  • the UI generation unit 153 generates various display screens whose specific examples are shown in FIG. 3 and FIG.
  • a GUI Graphic User Interface
  • the movement history generation unit 155 Based on the person tracking information 167, the movement history generation unit 155 generates a movement history of the monitoring target person to be displayed on a movement history display screen shown in a specific example in FIG.
  • the DB 160 is constructed on various storage devices such as an HDD (not shown).
  • the DB 160 stores camera arrangement information 161, a captured moving image 163, detected person information 165, and person tracking information 167.
  • the camera arrangement information 161 includes information such as the adjacency relationship between cameras and the distance between cameras (or the average time required for movement between cameras).
  • the camera arrangement information 161 is used for estimation of correspondence by the correspondence estimation unit 140, generation of movement history by the movement history generation unit 155, and the like.
  • the person tracking information 167 includes tracking information related to each person (not only a person to be monitored but all detected persons) photographed by the video camera 200. More specifically, in-camera tracking information of a person detected by the video camera 200 (information indicating what route the person has moved with the same angle of view) or a person reflected in a certain video camera 200 Which video camera 200 has moved to the shooting range (corresponding to correspondence information on how each person reflected in each video camera 200 corresponds), and how the user performs the association
  • the person tracking information 167 includes information such as “taka”.
  • the monitoring system 1 when the user looks at the display screen of the display device 300, the person to be monitored (person registered as the monitoring target) reflected in the video of a certain video camera 200 is other. , The input device 400 is operated to associate the two persons as the same person. If the person is not the person to be monitored, the input device 400 is operated to input that the two persons are not the same person. By making it possible for the user to input the fact that they are the same person and not the same person, the monitoring system 1 obtains a highly likely correspondence among the possible person correspondences. .
  • a person A, a person B, and a person C are reflected in the images of three video cameras 200 corresponding to “Camera 001”, “Camera 002”, and “Camera 003”, respectively.
  • a person X and a person Y are shown in “Camera001” and “Camera002”, respectively.
  • the person X since only the person B has similar characteristics, the person X and the person B are likely to be the same person.
  • the person Y since there are two similar characteristics (person A and person C), it is difficult to determine which person Y corresponds to. However, the user can easily determine that the person Y is not at least the person B.
  • the monitoring system 1 can suitably estimate possible (highly likely) combinations of person correspondences. A method for estimating the correspondence between persons will be described later with reference to FIGS.
  • FIG. 3 is a diagram illustrating a specific example of a display screen (hereinafter, also referred to as a monitoring screen 30) that the display device 300 displays for person monitoring.
  • video areas 31A to 31D (hereinafter also collectively referred to as video areas 31) for displaying captured video input from a plurality of video cameras 200, and a person to be monitored are displayed. And a monitoring subject display area 33 to be displayed.
  • the video area 31 displays multi-camera video input from a plurality of video cameras 200 as described above.
  • the video of the video camera 200 displayed in each video area 31 may be switched at any time.
  • the UI generation unit 153 and the moving image display unit perform control such as switching to the video of the video camera 200 that can be predicted that the person will appear next when the person moves. 151 may be performed.
  • the monitoring target person display area 33 is an area in which the person selected as the monitoring target among the persons shown in the video area 31 by the user who is the monitoring person is registered. As in the example of FIG. 3, a plurality of monitoring subjects can be selected (three in the example of FIG. 3). Further, for each person, a plurality of person images (two in the example of FIG. 3) having different postures such as the front and the back are displayed in the monitoring target person display area 33.
  • a pop-up window 35 is displayed above the person P shown in the video area 31D.
  • the pop-up window 35 selects whether or not the person P is to be monitored and whether or not the person already registered in the monitoring target person display area 33 as the monitoring target is the same person or not. It is for making possible.
  • the pop-up window 35 is displayed in the vicinity of the newly detected person P, and the position of the pop-up window 35 moves with the movement (movement) of the person P.
  • By displaying in the vicinity in this way it is possible to easily identify the person P to be newly registered, to easily compare the person P with the person to be monitored, and to narrow the operation range. It becomes possible.
  • the pop-up window 35 is not necessarily moved in accordance with the movement of the person P. For example, it may be displayed at a fixed position for at least a fixed time. This makes it easier to input than when the pop-up window 35 moves.
  • the pop-up window 35 is displayed, the video area 31 overlapping the pop-up window 35 cannot be seen and the visibility may deteriorate. Therefore, when the outside of the pop-up window 35 is clicked (selected), the pop-up window 35 is displayed.
  • a function for displaying the pop-up window 35 may be added by clicking the area (person area) including the periphery of the person P in the video area 31.
  • FIG. 4 is a diagram showing a specific example of the pop-up window 35.
  • person images 41A to 41C (hereinafter also collectively referred to as person images 41), which are thumbnails of monitoring subjects to which ID1, ID2, and ID3 are assigned, and a blank to which ID4 is assigned.
  • the image 43 is arranged in parallel.
  • the tracking person registration unit 130 associates the monitoring target person corresponding to the person image 41 and the person P shown in the video (moving image) as the same person.
  • the tracking person registration unit 130 registers the person P shown in the video as a new monitoring target person having ID4.
  • registration buttons 45A to 45C for the user to register that they are not the same person (indicated by “rem” meaning remove in the figure. Hereinafter, they are collectively referred to as registration).
  • the button 45 is also used by the user to register that the person to be monitored corresponding to ID1, ID2 and ID3 already registered and the person P shown in the video are not the same person.
  • the persons arranged on the pop-up window 35 may be arranged in the order of high or low possibility of matching with the person P.
  • the possibility of matching with the person P can be estimated (calculated) by the correspondence relationship estimation unit 140.
  • a person who is unlikely to match may not be displayed in the pop-up window 35 in advance.
  • FIGS. 5 to FIG. 7 are diagrams for explaining a method of estimating the correspondence between persons imaged by the video camera 200.
  • the left side of the drawing represents a person at time t
  • the right side of the drawing represents a person at time t + 1.
  • the persons A to C detected at time t are 1: 1 associated with one of the items on the right side indicating the state at time t + 1
  • the person X and person detected at time t + 1 are detected.
  • Y is associated with one of the items on the left side indicating the state at time t 1: 1.
  • Numeral values written on the line represent the costs when associated with each other. The higher the numerical value is less likely to be associated, and the lower the numerical value is more likely to be associated.
  • the person A is described as an example. The person A is most likely to be associated with the person X (cost 5), and is more likely not to appear (cost 10). The possibility of being associated is the lowest (cost 20).
  • Such a cost is calculated based on the similarity of the feature quantity between each detected person (person X and person Y) and person A, the elapsed time from time t to time t + 1, and the position from which person A was detected.
  • Correspondence estimation section 140 calculates in accordance with, for example, a comparison with the photographing position where X is detected or the average time to reach the photographing position where person Y is detected. For example, if the similarity between the feature amounts of the person A and the person X is high, the possibility that the person A and the person X are associated with each other increases (the cost decreases).
  • the time for moving between the shooting ranges of the camera can be acquired or calculated from the camera arrangement information 161 or the like.
  • an optimum correspondence can be obtained by, for example, the Hungarian method. That is, a combination that reduces the sum of these costs may be obtained.
  • the correspondence relationship estimation unit 140 can estimate the correspondence relationship as the most likely correspondence relationship.
  • FIG. 6 is a diagram for describing a correspondence estimation method when the user associates the person A with the person X.
  • the cost of the person A and the person X being the same person is zero.
  • the total cost is reduced because the person A corresponds to the person X, the person B corresponds to the person Y, and the person C The combination is “outside”.
  • FIG. 6 shows a case where the user inputs “I am the same person”, but there is a case where the user is “not the same person”.
  • FIG. 7 shows an example in which the user performs input when “person C and person X are not the same person”.
  • the cost of the person C and the person X being the same person is infinite (note that even if not infinite, a sufficiently large cost is set. It should be) Under this assumption, when the correspondence is obtained by the Hungarian method, the total cost is reduced because the person A corresponds to the person X, the person B corresponds to the person Y, and the person C The combination is “outside”.
  • the user inputs “is the same person” and “not the same person”, and further predicts the correspondence of the person based on the input, so that all the monitoring target persons can be targeted.
  • the prediction result of a suitable correspondence can be obtained.
  • the correspondence is estimated based on the cost.
  • the present invention is not limited to this.
  • the combination of associations is predicted in a lump, but the present invention is not limited to this.
  • the probability that the person X corresponds, the probability that the person Y corresponds, and the probability of not appearing or out of the area may be calculated.
  • Several methods are conceivable. For example, it is conceivable to calculate by one of the following formulas.
  • the certainty of a specific correspondence is calculated as the product of all likelihoods assigned in the assignment problem.
  • the likelihood of the correspondence shown in the lower part of FIG. 5 includes the likelihood that the person A is “Not Appearing / Out of Area”, the likelihood that the person B is the person Y, and the likelihood that the person C is the person X. It can be calculated as a product.
  • the likelihood of the correspondence shown in the lower part of FIG. 6 is that the likelihood that the person A is the person X, the likelihood that the person B is the person Y, and the likelihood that the person C is “not appearing / out of area”. It can be calculated as a product.
  • the probability that the person X corresponds to the person A, the probability that the person X corresponds to the person B, the probability that the person X is person monitoring, and the probability that the person X is a new person / false detection are calculated. be able to. Based on this probability, it is conceivable that the top N pieces are presented to the user on the pop-up window 35 or the like as persons who are likely to correspond to the person X. The same applies to the person Y.
  • FIG. 8 is a diagram illustrating a specific example of the movement history display screen 80 generated by the movement history generation unit 155.
  • the movement history display screen 80 in FIG. 8 receives, for example, designation of the monitoring target person from the user on the monitoring target person display area 33 in the monitoring screen 30 illustrated in FIG. 3 and the movement of the monitoring target person.
  • the movement history generation unit 155 generates the history.
  • an instruction from the user is input to the information processing server 100 as an operation signal from the input device 400.
  • the movement history of the monitoring subject is represented by connecting a solid line and a broken line.
  • the solid line portion indicates the result of the camera 200 tracking within the camera
  • the broken line portion indicates the movement path determined based on the correspondence relationship estimated by the correspondence relationship estimation unit 140.
  • FIG. 9 is a flowchart showing a processing flow of the information processing server 100 according to the present embodiment.
  • Each processing step to be described later can be executed in any order or in parallel as long as there is no contradiction in processing contents, and other steps can be added between the processing steps. good. Further, a step described as a single step for convenience can be executed by being divided into a plurality of steps, and a step described as being divided into a plurality of steps for convenience can be executed as one step.
  • the input unit 110 determines whether or not a person as a detection target object is reflected in the video captured by the video camera 200 (S901). As a result, when a person is detected (Yes in S901), the similarity calculation unit 120 reads the person tracking information 167 (S903), and the feature amount of the person already detected by another video camera 200 Then, the degree of similarity is calculated by comparing the feature amount of the person detected this time (S905).
  • the correspondence relationship estimation unit 140 calculates the cost for association (described above with reference to FIGS. 5 to 7) according to the similarity calculated in S905, the relationship between the elapsed time and the inter-camera distance, and the like. (S907). Further, based on the cost (the likelihood and the information amount are the same), the probability of matching between persons is calculated.
  • the UI generation unit 153 displays a pop-up window 35 in which the monitoring subjects are arranged in the order of the high possibility of corresponding to the person shown in the video being displayed in the video area 31 according to the probability calculated in S907 (S909).
  • the correspondence estimation unit 140 responds to the person according to the input. After recalculating the cost related to the attachment (S913), based on the cost, the correspondence relationship related to all persons is predicted (S915). Further, the correspondence relationship estimation unit 140 registers the predicted correspondence relationship of the person in the DB 160 as the person tracking information 167.
  • the information processing server 100 includes a processor 1001, a memory 1003, a storage device 1005, an input interface (I / F) 1007, a data I / F 1009, a communication I / F 1011, and a display device 1013.
  • a processor 1001 a memory 1003, a storage device 1005, an input interface (I / F) 1007, a data I / F 1009, a communication I / F 1011, and a display device 1013.
  • the processor 1001 controls various processes in the information processing server 100 by executing programs stored in the memory 1003. For example, the processes related to the input unit 110, the similarity calculation unit 120, the tracking person registration unit 130, the correspondence relationship estimation unit 140, and the display control unit 150 described with reference to FIG. Further, it can be realized as a program operating on the processor 1001.
  • the memory 1003 is a storage medium such as a RAM (Random Access Memory).
  • the memory 1003 temporarily stores a program code of a program executed by the processor 1001 and data necessary for executing the program. For example, in the storage area of the memory 1003, a stack area necessary for program execution is secured.
  • the storage device 1005 is a non-volatile storage medium such as a hard disk or flash memory.
  • the storage device 1005 is stored as an operating system, various programs for realizing the input unit 110, the similarity calculation unit 120, the tracking person registration unit 130, the correspondence relationship estimation unit 140, and the display control unit 150, and the DB 160.
  • Various data including camera arrangement information 161, captured moving image 163, detected person information 165, and person tracking information 167 are stored.
  • Programs and data stored in the storage device 1005 are referred to by the processor 1001 by being loaded into the memory 1003 as necessary.
  • the input I / F 1007 is a device for receiving input from the user.
  • the input device 400 described in FIG. 1 can also be realized by the input I / F 1007.
  • Specific examples of the input I / F 1007 include a keyboard, a mouse, a touch panel, and various sensors.
  • the input I / F 1007 may be connected to the information processing server 100 via an interface such as USB (Universal Serial Bus), for example.
  • USB Universal Serial Bus
  • the data I / F 1009 is a device for inputting data from outside the information processing server 100.
  • Specific examples of the data I / F 1009 include a drive device for reading data stored in various storage media.
  • the data I / F 1009 may be provided outside the information processing server 100. In this case, the data I / F 1009 is connected to the information processing server 100 via an interface such as USB.
  • the communication I / F 1011 is a device for data communication with a device external to the information processing server 100, for example, a video camera 200 or the like by wire or wireless.
  • the communication I / F 1011 may be provided outside the information processing server 100. In this case, the communication I / F 1011 is connected to the information processing server 100 via an interface such as USB.
  • the display device 1013 is a device for displaying various information.
  • the display device 300 described in FIG. 1 can also be realized by the display device 1013.
  • Specific examples of the display device 1013 include a liquid crystal display and an organic EL (Electro-Luminescence) display.
  • the display device 1013 may be provided outside the information processing server 100. In that case, the display device 1013 is connected to the information processing server 100 via, for example, a display cable.
  • the monitoring system 1 it is possible to receive input from the user that the person is the same person and that the person is not the same person.
  • the correspondence between people can be estimated. In particular, even if an input is made for one person, it can affect the prediction of the correspondence between other persons.
  • FIG. 11 is a block diagram illustrating a functional configuration of a monitoring device 1100 that is an information processing system. As illustrated in FIG. 11, the monitoring device 1100 includes an input unit 1110, a first calculation unit 1120, and a second calculation unit 1130.
  • the input unit 1110 corresponds to at least a part of one or more persons photographed at a first time by a video camera (not shown) and at least a part of one or more persons photographed at a second time; Alternatively, it is possible to receive input of correspondence information related to non-correspondence. Here, it is assumed that the second time is later than the first time.
  • the first arithmetic unit 1120 includes one or more persons appearing in images taken by a plurality of video cameras at a first time, and 1 appearing in images taken by the plurality of video cameras at a second time. A scale indicating the possibility that the above persons are associated with each other is determined. In addition, the first calculation unit 1120 determines at least a part of the scale based on the correspondence information input from the input unit 1110.
  • the second calculation unit 1130 considers all the scales related to at least one person appearing at one time of the first time or the second time and all persons related to the other time. The correspondence between the person shown at the time 1 and the person shown at the time 2 is estimated. By implementing in this way, according to the monitoring apparatus 1100 according to the present embodiment, it is possible to suitably estimate the association of persons appearing in the video.
  • Appendix 1 One or more persons appearing in images taken by a plurality of video cameras at a first time, and one or more people appearing in images taken by the plurality of video cameras at a second time later than the first time
  • a first calculating means for determining a scale indicating the possibility that each person is associated with each other, at least one person appearing at one of the first time and the second time, and at the other time
  • a second computing means for estimating a correspondence relationship between the person shown at the first time and the person shown at the second time in consideration of all the scales related to all the persons;
  • Input for receiving input of correspondence information regarding that at least a part of one or more persons photographed at the time corresponds to or does not correspond to at least a part of the one or more persons photographed at the second time
  • the first calculation Stage based on the correspondence information that has been inputted from said input unit, defines at least a portion of the scales, the information processing system.
  • the first calculation means calculates at least a part of a scale based on an elapsed time from the first time to the second time and information related to a relationship between cameras in which each person appears.
  • the information processing system according to 1 or 2
  • Appendix 4 The information processing system according to appendix 3, wherein the information related to the relationship between the cameras includes at least one information of an average time required for movement between the shooting ranges of the cameras or a distance between the shooting ranges of the cameras.
  • the second calculation means estimates correspondences in consideration of all measures related to all persons related to the first time and all persons related to the second time.
  • the information processing system according to any one of appendix 4.
  • Appendix 7 The information processing method according to appendix 6, wherein at least a part of the scale is calculated based on a similarity of feature quantities between the person related to the first time and the person related to the second time.
  • Appendix 8 The information processing according to appendix 6 or appendix 7, wherein at least a part of the scale is calculated based on an elapsed time from the first time to the second time and information relating to a relationship between the cameras in which each person appears.
  • Appendix 9 The information processing method according to appendix 8, wherein the information related to the relationship between the cameras includes at least one information of an average time required for movement between the shooting ranges of the cameras or a distance between the shooting ranges of the cameras.
  • Appendix 12 The program according to appendix 11, wherein at least a part of the scale is calculated based on the similarity of the feature amount between the person related to the first time and the person related to the second time.
  • Appendix 13 The program according to appendix 11 or appendix 12, wherein at least a part of the scale is calculated based on an elapsed time from the first time to the second time and information related to a relationship between cameras in which each person is shown.
  • Appendix 14 14. The program according to appendix 13, wherein the information related to the relationship between the cameras includes at least one information of an average time required for movement between the shooting ranges of the cameras or a distance between the shooting ranges of the cameras.
  • DB database
  • detected person information 167 ... Person tracking information, 200 ... video 300, display device, 400 ... input device, 1001 ... processor, 1003 ... memory, 1005 ... storage device, 1007 ... input interface (I / F), 1009 ... Data interface, 1011 ... communication interface, 1013 ... display device, 1100 ... monitoring device, 1110 ... input unit, 1120 ... first calculation unit, 1130 ... second calculation Part

Abstract

【課題】映像に映る人物の対応付けを好適に推定することのできる情報処理システム、情報処理方法、及びプログラムを提供する。 【解決手段】第１の時刻に複数のビデオカメラ２００でそれぞれ撮影された映像に映る１以上の人物と、第１の時刻よりも遅い第２の時刻に複数のビデオカメラでそれぞれ撮影された映像に映る１以上の人物とがそれぞれ対応付けられる可能性を示す尺度を定めると共に、第１の時刻又は第２の時刻の一方の時刻に映る少なくとも１名の人物と、他方の時刻に係る全ての人物とに係る全ての尺度を考慮して、第１の時刻に映る人物と第２の時刻に映る人物との対応関係を推定する対応関係推定部１４０と、第１の時刻に撮影された１以上の人物の少なくとも一部と、第２の時刻に撮影された１以上の人物の少なくとも一部とが対応すること又は対応しないことに係る対応情報の入力を受ける追跡人物登録部１３０とを備える。

Description

情報処理システム、情報処理方法及びプログラム
　本発明に係るいくつかの態様は、情報処理システム、情報処理方法及びプログラムに関する。
　近年、複数のカメラからの映像を利用して広範囲にわたる監視を行うシステムが考えられている。例えば特許文献１は、カメラ間の連結関係情報を用いてカメラ間にまたがる人物の追尾（モニタリング）を適切に行うことのできる装置を開示している。この装置は、カメラ視野に出現した点（Ｉｎ点）と、カメラ視野から消失した点（Ｏｕｔ点）における人物特徴量の類似度に応じて、人物の対応関係を求める。
特開２００８－２１９５７０号公報
　特許文献１記載の装置のように、類似度に応じて自動的に人物の対応関係を定める場合には、一定の確率で誤りが生じる。そこで、人間が関与する形で人物の対応付けを行うことが求められている。しかしながら、人間が対応付けを行う場合であっても、外見の似た人物が複数存在するような場合には対応付けを確定できない場合もある。
　そこで、なるべく確度の高いユーザ入力に基づいて、人物間の対応関係を精度よく推定することが必要である。
　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、映像に映る人物の対応付けを好適に推定することのできる情報処理システム、情報処理方法、及びプログラムを提供することを目的の１つとする。
　本発明に係る情報処理システムは、第１の時刻に複数のビデオカメラでそれぞれ撮影された映像に映る１以上の人物と、第１の時刻よりも遅い第２の時刻に前記複数のビデオカメラでそれぞれ撮影された映像に映る１以上の人物とがそれぞれ対応付けられる可能性を示す尺度を定める第１の演算手段と、前記第１の時刻又は前記第２の時刻の一方の時刻に映る少なくとも１名の人物と、他方の時刻に係る全ての人物とに係る全ての尺度を考慮して、前記第１の時刻に映る人物と前記第２の時刻に映る人物との対応関係を推定する第２の演算手段と、前記第１の時刻に撮影された１以上の人物の少なくとも一部と、前記第２の時刻に撮影された１以上の人物の少なくとも一部とが対応すること又は対応しないことに係る対応情報の入力を受ける入力手段とを備え、前記第１の演算手段は、前記入力部から入力された前記対応情報に基づき、少なくとも一部の尺度を定める。
　本発明に係る情報処理方法は、第１の時刻に複数のビデオカメラでそれぞれ撮影された映像に映る１以上の人物と、第１の時刻よりも遅い第２の時刻に前記複数のビデオカメラでそれぞれ撮影された映像に映る１以上の人物とがそれぞれ対応付けられる可能性を示す尺度を定めるステップと、前記第１の時刻又は前記第２の時刻の一方の時刻に映る少なくとも１名の人物と、他方の時刻に係る全ての人物とに係る全ての尺度を考慮して、前記第１の時刻に映る人物と前記第２の時刻に映る人物との対応関係を推定するステップと、前記第１の時刻に撮影された１以上の人物の少なくとも一部と、前記第２の時刻に撮影された１以上の人物の少なくとも一部とが対応すること又は対応しないことに係る対応情報の入力を受けるステップとを情報処理システムが行ない、前記尺度の少なくとも一部は、入力された前記対応情報に基づいて定める。
　本発明に係るプログラムは、第１の時刻に複数のビデオカメラでそれぞれ撮影された映像に映る１以上の人物と、第１の時刻よりも遅い第２の時刻に前記複数のビデオカメラでそれぞれ撮影された映像に映る１以上の人物とがそれぞれ対応付けられる可能性を示す尺度を定める処理と、前記第１の時刻又は前記第２の時刻の一方の時刻に映る少なくとも１名の人物と、他方の時刻に係る全ての人物とに係る全ての尺度を考慮して、前記第１の時刻に映る人物と前記第２の時刻に映る人物との対応関係を推定する処理と、前記第１の時刻に撮影された１以上の人物の少なくとも一部と、前記第２の時刻に撮影された１以上の人物の少なくとも一部とが対応すること又は対応しないことに係る対応情報の入力を受ける処理とをコンピュータに実行させ、前記尺度の少なくとも一部は、入力された前記対応情報に基づいて定める。
　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、映像に映る人物の対応付けを好適に推定することのできる情報処理システム、情報処理方法、及びプログラムを提供することができる。
第１実施形態に係る監視システムの概略構成を示す機能ブロック図である。 第１実施形態に係る監視システムについて説明するための図である。 表示画面の具体例を示す図である。 表示画面に表示されるポップアップウィンドウの具体例を示す図である。 人物の対応関係を推定する方法を説明するための図である。 人物の対応関係を推定する方法を説明するための図である。 人物の対応関係を推定する方法を説明するための図である。 表示画面の具体例を示す図である。 図１に示す情報処理サーバの処理の流れを示すフローチャートである。 図１に示す情報処理サーバ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実施形態に係る監視装置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１０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」でシステムの機能構成の概要を示すと共に、「１．２」で動作の概要を、表示画面の具体例等を示しながら説明する。その後、「１．３」で処理の流れを、「１．４」で、本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　システム構成）
　（１．１．１　システム構成概要）
　図１を参照しながら、本実施形態に係る情報処理システムである監視システム１のシステム構成を説明する。図１は、監視システム１のシステム構成を示すブロック図である。
　監視システム１は、大きく分けて、情報処理サーバ１００と、映像（動画像）を撮像（撮影）する複数のビデオカメラ２００（ビデオカメラ２００Ａ乃至２００Ｎを総称してビデオカメラ２００と呼ぶ。）と、表示装置３００と、入力装置４００とから構成される。
　以下、監視システム１は、ビデオカメラ２００で撮影された人物を監視するためのシステムであるものとして説明するが、監視対象を車や自転車、バイクなどの移動体に応用することも考えられる。
　ビデオカメラ２００は、映像（動画像）を撮像すると共に、当該撮影した映像内に人物がいるか否かを判別した上で、当該人物に係る位置や特徴量などの情報を、撮影動画像と共に情報処理サーバ１００へと送信する。また、ビデオカメラ２００は、撮影した動画像をフレーム間で比較することにより、動画像内の人物追跡も行うことができる。
　なお、人物の検出や特徴量の抽出、カメラ内の人物追跡などの処理は、例えば、情報処理サーバ１００や、図示しない他の情報処理装置上で行なっても良い。
　情報処理サーバ１００は、ビデオカメラ２００で撮像された動画像を解析することにより、人物の検出や、追跡する人物の登録、登録された人物の追跡などの各種処理を行う。
　なお、以下ではビデオカメラ２００により撮影されるリアルタイムの映像を元に人物監視を行う場合を中心に説明するが、これに限られるものではなく、例えば、ビデオカメラ２００により撮影された後、記憶装置（例えば、ＨＤＤ（Ｈａｒｄ　Ｄｉｓｋ　Ｄｒｉｖｅ）やＶＣＲ（Ｖｉｄｅｏ　Ｃａｓｓｅｔｔｅ　Ｒｅｃｏｒｄｅｒ）など）に記憶された動画像を対象に追跡（分析）することも考えられる。更に、当該記憶装置に記憶された動画像を逆順に再生（逆再生）して追跡することも考えられる。通常、ある人物が不審な行動をとった場合には、その人物がその行為までにどのような経路で移動し、どのような行動をとったかを調べる必要があるため、このような逆再生による追跡を可能とすることは極めて有用である。
　情報処理サーバ１００による人物監視において、情報処理サーバ１００は、表示装置３００に監視用の画面を出力すると共に、入力装置４００から、人物監視に係る各種操作入力に係る操作信号を受け付ける。より具体的には、例えば、表示装置３００に表示する監視用画面（後述する図３に具体例を示す。）では、ビデオカメラ２００から入力された映像を複数表示することで、監視対象の人物が今どこにいるのかを、監視者であるユーザが把握できるようにしている。
　監視者であるユーザは、表示装置３００を見て、あるビデオカメラ２００の映像（動画像）に映った監視対象の人物が他のビデオカメラ２００の映像に映った場合には、入力装置４００を操作して、当該２人の人物を同一人物であるものとして対応付ける。また、本実施形態では、２人の人物が同一人物ではないことも対応付けられる。このように、ユーザの人手を介した人物の対応付けを行うこと、並びに、同一人物であること及び同一人物ではないことの２つの情報をユーザに入力可能とすることにより、多くの監視対象者に係る対応関係を好適に推定することを可能としている。この処理及び利点については後述する。
　表示装置３００は、例えば、液晶や有機ＥＬ（Ｅｌｅｃｔｒｏ　Ｌｕｍｉｎｅｓｃｅｎｃｅ）等に画像を表示するディスプレイである。情報処理サーバ１００から出力される監視用画面は、表示装置３００が表示する。
　入力装置４００は、ユーザ（監視者）が各種情報を入力するための装置である。例えば、マウスやタッチパッド、タッチパネル等のポインティングデバイスやキーボード等が入力装置４００に該当する。監視対象人物の登録や、登録された人物とビデオカメラ２００に新たに登場した人物との対応付け（同一人物としての入力、及び同一人物ではないことの入力）等の各種処理は、ユーザの入力装置４００に対する操作に基づいてなされる。
　なお、情報処理サーバ１００と表示装置３００、入力装置４００の構成は種々考えられる。例えば、表示装置３００及び入力装置４００を、１台のクライアントとして実現することも考えられるし、或いは、情報処理サーバ１００、表示装置３００、及び入力装置４００の機能を４台以上の情報処理装置により実現しても良い。また、表示装置３００及び入力装置４００を、１台のクライアントとして実現する場合には、本実施形態に係る情報処理サーバ１００の一部の機能を、当該クライアントに持たせても良い。
　（１．１．２　情報処理サーバ１００の構成）
　以下、本実施形態に係る情報処理サーバ１００の構成を説明する。情報処理サーバ１００は、図１に示すように、入力部１１０、類似度算出部１２０、追跡人物登録部１３０、対応関係推定部１４０、表示制御部１５０、及びデータベース（ＤＢ）１６０を含む。なお、情報処理サーバ１００の機能は、複数の情報処理装置（コンピュータ）により実現しても良い。
　入力部１１０は、ビデオカメラ２００から受信した映像や人物検出結果の情報を、撮影動画像１６３や検出人物情報１６５、及び人物追跡情報１６７としてＤＢ１６０へ登録する。入力部１１０がＤＢ１６０に登録する検出人物情報１６５には、ビデオカメラ２００により検出された人物の特徴量の情報が含まれる。また、入力部１１０がＤＢ１６０に登録する人物追跡情報１６７には、ビデオカメラ２００により検出された人物が、当該１台のビデオカメラ２００内でどのような移動をしたかのカメラ内追跡結果の情報等が含まれる。
　類似度算出部１２０は、ビデオカメラ２００から入力された動画像に映る人物と、検出人物情報１６５に登録された人物との類似度を算出する。このとき、類似度算出部１２０は、登録された各人物に係る複数の人物画像（同一人物の複数のタイミングに係る人物画像）の中から、ビデオカメラ２００から入力された動画像内の人物の画像と姿勢が類似する人物画像を選択した上で類似度を算出するようにしてもよい。このように実装することで、類似度算出の精度を高めることが可能となる。
　追跡人物登録部１３０は、ビデオカメラ２００から入力された撮影動画像の中に映っている人物を、入力装置４００から入力されたユーザ操作等に基づき、追跡対象の被監視者（監視対象者／追跡対象者）としてＤＢ１６０の人物追跡情報１６７へ登録する。また、追跡人物登録部１３０は、ビデオカメラ２００から入力された撮影映像の中に映っている人物が、人物追跡情報１６７に既に登録された人物と同一人物である、もしくは同一人物ではないとユーザに判定された場合には、その情報を人物追跡情報１６７に登録することもできる。
　対応関係推定部１４０は、人物追跡情報１６７に既に登録された人物と同一人物である旨、及び同一人物ではない旨のユーザ入力に基づき、各ビデオカメラ２００の異なる時刻に映った人物の対応関係を推定し、当該結果を人物追跡情報１６７に登録する。具体的な手法は図２等を参照しながら後述するが、ユーザがある人物に係る同一人物である／同一人物ではない旨の入力を行った場合に、対応関係推定部１４０は、その他の人物にかかる同一人物であるか否かの対応関係をも予測する。
　表示制御部１５０は、監視用画面等の各種表示画面を表示装置３００に表示させる。表示制御部１５０は、動画表示部１５１、ＵＩ生成部１５３、及び移動履歴生成部１５５を含む。
　動画表示部１５１は、入力部１１０により入力された撮影映像を表示装置３００に表示させる。後述の図３の例では、監視用画面の一部に、動画表示部１５１が表示させる映像領域が設けられる。なお、動画表示部１５１が表示装置３００に表示させる映像はリアルタイムの映像でなくとも良い。もし、記録映像を表示装置３００に表示させる場合には、動画表示部１５１は、ＤＢ１６０から撮影動画像１６３を読みだして表示装置３００に表示させることとなる。
　ＵＩ生成部１５３は、後述する図３や図８等に具体例を示す各種表示画面を生成して表示装置３００に表示させる。ＵＩ生成部１５３が生成及び提供するＧＵＩ（Ｇｒａｐｈｉｃａｌ　Ｕｓｅｒ　Ｉｎｔｅｒｆａｃｅ）により、監視対象人物の登録や同一人物であるか否かの対応付け等を行う。
　移動履歴生成部１５５は、人物追跡情報１６７に基づき、後述する図８に具体例を示す移動履歴表示画面に表示する、監視対象人物の移動履歴を生成する。
　ＤＢ１６０は、例えば図示しないＨＤＤ等の各種記憶装置上に構築される。ＤＢ１６０は、カメラ配置情報１６１、撮影動画像１６３、検出人物情報１６５、人物追跡情報１６７を記憶する。
　カメラ配置情報１６１は、カメラ間の隣接関係や、カメラ間の距離（或いは、カメラ間の移動に必要となる平均時間）等の情報を含む。カメラ配置情報１６１は、対応関係推定部１４０による対応関係の推定や、移動履歴生成部１５５による移動履歴の生成等に使用される。
　人物追跡情報１６７は、ビデオカメラ２００が撮影した各人物（監視対象人物のみならず、検出された全ての人物）に係る追跡情報を含む。より具体的には、ビデオカメラ２００で検出された人物のカメラ内追跡情報（同じ画角で、どのような経路で移動したかを示す情報）や、あるビデオカメラ２００に映った人物が、その後どのビデオカメラ２００の撮影範囲に移動したか（それぞれのビデオカメラ２００の異なる時刻に映った各人物が、どのように対応するかの対応情報に相当する）、ユーザがどのような対応付けを行ったか、等の情報を、人物追跡情報１６７が含む。
　（１．２　動作の概要）
　以下、図２乃至図８を参照しながら、監視システム１の機能や動作を説明する。
　（１．２．２　人物監視の概略）
　まず、図２を参照しながら、人物追跡（人物監視）の概略を説明する。
　本実施形態に係る監視システム１では、前述の通り、ユーザが表示装置３００の表示画面を見て、あるビデオカメラ２００の映像に映った監視対象の人物（監視対象として登録済みの人物）が他のビデオカメラ２００に映った場合には、入力装置４００を操作して、当該２人の人物を同一人物として対応付ける。また、監視対象の人物ではない場合には、入力装置４００を操作して、当該２人の人物が同一人物ではないことを入力する。このような同一人物であること、及び同一人物ではないこと、をユーザに入力可能とすることにより、監視システム１では、あり得る人物の対応関係の中で可能性の高い人物の対応関係を求める。
　以下、図２を参照しながら、もう少し詳細に具体例を説明する。図２の例では、時刻ｔには、「Ｃａｍｅｒａ００１」、「Ｃａｍｅｒａ００２」、及び「Ｃａｍｅｒａ００３」に相当する３台のビデオカメラ２００の映像に、それぞれ人物Ａ、人物Ｂ、及び人物Ｃが映り、時刻ｔ＋１に、「Ｃａｍｅｒａ００１」及び「Ｃａｍｅｒａ００２」に、それぞれ人物Ｘ及び人物Ｙが映っている。
　ここで、図２の例において、経路上、「Ｃａｍｅｒａ００１」の画面右側、及び「Ｃａｍｅｒａ００３」の画面右側から、「Ｃａｍｅｒａ００２」の撮影範囲の画面左側に移動可能であり、また、「Ｃａｍｅｒａ００２」の画面右側から「Ｃａｍｅｒａ００１」の画面左側に移動可能であるものとする。また、人物Ｙは人物Ａ及び人物Ｃと外見が近似（すなわち、特徴が近似している。例えば、服装の色が近い場合などに相当する。）しており、人物Ｘは人物Ｂと外見が近似しているものとする。
　この場合、人物Ｘに関しては、類似する特徴を持つのが人物Ｂしかいないため、人物Ｘと人物Ｂとは同一人物である可能性が高い。一方、人物Ｙに関しては、類似する特徴が２人（人物Ａ及び人物Ｃ）いるため、人物Ｙがいずれの人物に対応づくのかを決定するのは困難である。しかしながら、人物Ｙは、少なくとも人物Ｂではないことはユーザには容易に判別できる。
　このような「同一人物であること」「同一人物ではないこと」の、信頼性の高い対応関係の入力を組み合わせていくことで、時刻ｔ＋１、時刻ｔ＋２・・・といった、将来的な人物の移動可能性の探索範囲を狭めることができるため、監視システム１では、あり得る（可能性の高い）人物の対応関係の組合せを好適に推測できるようになる。
　人物の対応関係の推測方法については、図５乃至図７を参照しながら後述する。
　（１．２．３　表示画面の具体例）
　以下、図３及び図４を参照しながら、表示装置３００が表示する表示画面の具体例を説明する。図３は、表示装置３００が、人物監視のために表示する表示画面（以下、監視用画面３０ともいう。）の具体例を示す図である。
　図３の監視用画面３０の例では、複数のビデオカメラ２００から入力された撮影映像を表示する映像領域３１Ａ乃至３１Ｄ（以下、総称して映像領域３１ともいう。）と、監視対象の人物が表示される監視対象者表示領域３３とを含む。
　映像領域３１は、前述の通り複数のビデオカメラ２００から入力されたマルチカメラ映像を表示する。ここで、それぞれの映像領域３１に表示されるビデオカメラ２００の映像は随時切り換わっても良い。例えば、監視対象の人物が表示領域から外れた後、当該人物の移動に併せて、次にその人物が現れると予測できるビデオカメラ２００の映像に切り換える等の制御をＵＩ生成部１５３及び動画表示部１５１は行なっても良い。
　監視対象者表示領域３３は、監視者であるユーザが、映像領域３１に映った人物のうち、監視対象に選んだ人物が登録される領域である。図３の例のように、監視対象者は複数選択することができる（図３の例では３名）。また、それぞれの人物に対して、例えば正面と背面等、姿勢の異なる複数の人物画像（図３の例では２つ）が監視対象者表示領域３３に表示される。
　更に、図３の監視用画面３０の例では、映像領域３１Ｄに映る人物Ｐの上方にポップアップウィンドウ３５が表示されている。ポップアップウィンドウ３５は、人物Ｐを監視対象とするか否か、及び、既に監視対象として監視対象者表示領域３３上に登録されている人物と同一人物であるか、同一人物ではないか、を選択可能とするためのものである。
　ポップアップウィンドウ３５は、新たに検出された人物Ｐの近傍に表示されると共に、人物Ｐの移動（動き）に伴い、ポップアップウィンドウ３５の位置も移動する。このように近傍に表示することで、新たに登録すべき人物Ｐの特定を容易にしたり、人物Ｐと監視対象者との比較を容易にしたり、操作範囲を狭めたり、といった効果を得ることが可能となる。
　なお、ポップアップウィンドウ３５は、必ずしも人物Ｐの動きに合わせて移動する必要はない。例えば、少なくとも一定時間は一定箇所に固定させて表示させても良い。これにより、ポップアップウィンドウ３５が移動する場合よりも、入力しやすくなる。
　また、ポップアップウィンドウ３５が表示されると、ポップアップウィンドウ３５と重なった映像領域３１を見ることができずに視認性が悪くなることもあるので、ポップアップウィンドウ３５の外側をクリック（選択）するとポップアップウィンドウ３５が非表示となる機能や、逆に映像領域３１内の人物Ｐの周辺を含む領域（人物領域）をクリックすると、ポップアップウィンドウ３５が表示される機能を追加しても良い。
　（１．２．４　ポップアップウィンドウの具体例）
　図４は、ポップアップウィンドウ３５の具体例を示す図である。図４の例において、ＩＤ１、ＩＤ２、及びＩＤ３がそれぞれ割り当てられた監視対象者のサムネイルである人物画像４１Ａ乃至４１Ｃ（以下、総称して人物画像４１ともいう。）と、ＩＤ４が割り当てられた空白画像４３とが並列に並べられている。
　ユーザが人物画像４１を選択すると、追跡人物登録部１３０は、当該人物画像４１に対応する監視対象者と、映像（動画像）に映る人物Ｐとを同一人物として対応付ける。また、ユーザが空白画像４３を選択すると、追跡人物登録部１３０は、映像に映る人物Ｐを、ＩＤ４を持つ新規の監視対象者として登録する。
　更に、人物画像４１の下方には、同一人物ではないことをユーザが登録するための登録ボタン４５Ａ乃至４５Ｃ（図中、ｒｅｍｏｖｅを意味する「ｒｅｍ」と表記されている。以下、総称して登録ボタン４５ともいう。）は、既に登録されているＩＤ１、ＩＤ２及びＩＤ３に対応する監視対象者と、映像に映る人物Ｐとが同一人物ではないことをユーザが登録するためのものである。
　またこのとき、ポップアップウィンドウ３５上に配置される各人物は、それぞれ人物Ｐと一致する可能性の高い順もしくは低い順に並べても良い。この、人物Ｐと一致する可能性は、対応関係推定部１４０が推定（算出）することが可能である。或いは、一致する可能性の低い人物は、予めポップアップウィンドウ３５に表示しないようにしても良い。このような手法をとることにより、ユーザによる人物Ｐと対応する（もしくは対応しない）人物の選択を容易にすることが可能となる。
　（１．２．５　対応関係の推定方法）
　以下、図５乃至図７を参照しながら、ビデオカメラ２００で撮影された人物の対応関係を推定する方法を説明する。図５乃至図７は、ビデオカメラ２００で撮像された人物間の対応関係の推定方法を説明するための図である。
　図５において、図面左側は時刻ｔの人物、図面右側は時刻ｔ＋１の人物を表す。対応付けが完了すると、時刻ｔに検出された人物Ａ乃至人物Ｃは、時刻ｔ＋１の状態を示す右側のいずれかの項目に１：１で対応付けられ、時刻ｔ＋１に検出された人物Ｘ及び人物Ｙは、時刻ｔの状態を示す左側のいずれかの項目に１：１で対応付けられる。
　ここで、左側に「新規人物・誤検出」の項目が２つあるのは、人物Ｘ及び人物Ｙの双方が人物Ａ乃至人物Ｃのいずれにも対応しない可能性があるからであり、右側に「未出現・エリア外」が３つあるのは、人物Ａ乃至人物Ｃがいずれも人物Ｘ及び人物Ｙに対応しない可能性があるためである。
　線上に記載された数値は、それぞれ対応付けられる場合のコストを表している。この数値が高い方が対応付けられる可能性が低く、数値が低い方が対応付けられる可能性が高い。図５の例で人物Ａを例にとって説明すると、人物Ａは人物Ｘと対応付けられる可能性が最も高く（コスト５）、続いて未出現である可能性が高く（コスト１０）、人物Ｙと対応付けられる可能性が最も低い（コスト２０）。
　このようなコストは、検出済みの各人物（人物Ｘ及び人物Ｙ）と人物Ａとの特徴量の類似度や、時刻ｔから時刻ｔ＋１までの経過時間と、人物Ａが検出された位置から人物Ｘが検出された撮影位置や人物Ｙが検出された撮影位置までに到達する平均時間との比較等に応じて、対応関係推定部１４０が算出する。例えば、人物Ａと人物Ｘの特徴量の類似度が高ければ、人物Ａと人物Ｘとが対応付けられる可能性は高くなる（コストは低くなる）。また、人物Ａが検出された位置から人物Ｘが検出された位置まで到達する平均時間と経過時間との一致度が高ければ、人物Ａと人物Ｘとが対応付けられる可能性は高くなる（コストは低くなる）。なお、カメラの撮影範囲間を移動する時間は、カメラ配置情報１６１などから取得もしくは算出可能である。
　対応付けの組合せを求める行為は、割り当て問題と理解することができるので、例えばハンガリアン法等により、最適な対応関係を求めることができる。つまり、これらのコストの総和が低くなるような組合せを求めればよい。図５の例であれば、人物Ａが「未出現・エリア外」であり、人物Ｂが人物Ｙに対応し、人物Ｃが人物Ｘに対応する場合が、コストの合計が１７となって、全ての組み合わせ中で最小となる。そこで、対応関係推定部１４０は、当該対応関係を、もっとも可能性の高い対応関係であるものと推定することができる。
　次に、ユーザが人物の対応付け操作を行った場合の、対応関係推定部１４０による推定方法を、図６を参照しながら説明する。図６の例は、ユーザが人物Ａと人物Ｘとを対応付けた場合の、対応関係の推定方法を説明するための図である。
　この場合、人物Ａは必ず人物Ｘと対応付けられるので、人物Ａと人物Ｘとが同一人物であるコストは０となっている。この前提のもと、ハンガリアン法により対応関係を求めると、コストの総和が低くなるのは、人物Ａが人物Ｘと対応し、人物Ｂが人物Ｙと対応し、人物Ｃが「未出現・エリア外」となる組合せである。
　つまり、ユーザが人物Ａに係る対応付けを行っただけで、他の人物（図６の例では人物Ｃ）の対応関係にも影響が及んでいる（図５の場合とは結果が変わっている）。
　図６は「同一人物である」旨の入力をユーザが行った場合であったが、「同一人物ではない」場合も考えられる。図７は、ユーザが「人物Ｃと人物Ｘとが同一人物ではない」場合の入力を行った場合の例である。
　この場合、人物Ｃが人物Ｘと対応づくことはないので、人物Ｃと人物Ｘとが同一人物であるコストは無限大となっている（なお、無限大でなくとも、十分に大きいコストが設定されていれば良い）。この前提のもと、ハンガリアン法により対応関係を求めると、コストの総和が低くなるのは、人物Ａが人物Ｘと対応し、人物Ｂが人物Ｙと対応し、人物Ｃが「未出現・エリア外」となる組合せである。
　つまり、図６の例と同様に、ユーザが人物Ｃに係る同一人物ではない旨の対応付けを行っただけで、他の人物（図７の例では人物Ａ）の対応関係にも影響が及んでいる（図５の場合とは結果が変わっている）。
　このように、ユーザが「同一人物である」「同一人物ではない」旨の入力を行うようにし、更に、当該入力に基づき人物の対応関係を予測することで、監視対象人物全員を対象に、好適な対応関係の予測結果を得ることができる。
　なお、上述の例ではコストを元に対応関係の推定を行ったが、これに限られるものではない。例えば、コストは、対応付けられるもっともらしさ（尤度）と情報量は同一なので、尤度を元に対応付けを予測しても良い。なお、コストと尤度は、コスト＝－ｌｏｇ尤度、の関係にある。
　また、上述の例では、対応付けの組合せを一括して予測しているが、これにも限られない。例えば、人物Ａ乃至人物Ｃのそれぞれについて、人物Ｘが対応づく確率、人物Ｙが対応づく確率、未出現もしくはエリア外である確率、を算出するようにしても良い。この手法はいくつか考えられるが、例えば、以下の数式のいずれかにより算出することが考えられる。
Figure JPOXMLDOC01-appb-M000001
Figure JPOXMLDOC01-appb-M000002
Figure JPOXMLDOC01-appb-M000003
　ここで、ある特定の対応関係の確からしさは、割り当て問題において割り当てがなされた全ての尤度の積として計算される。例えば、図５下部に示した対応関係に対する確からしさは、人物Ａが「未出現・エリア外」である尤度と人物Ｂが人物Ｙである尤度と人物Ｃが人物Ｘである尤度の積として計算することができる。また、図６下部に示した対応関係に対する確からしさは、人物Ａが人物Ｘである尤度と人物Ｂが人物Ｙである尤度と人物Ｃが「未出現・エリア外」である尤度の積として計算することができる。
　上記数式を用いることで、人物Ｘが人物Ａと対応する確率、人物Ｘが人物Ｂと対応する確率、人物Ｘが人物監視である確率、人物Ｘが新規人物・誤検出である確率を計算することができる。この確率に基づき、上位Ｎ個を、人物Ｘに対応付く可能性の高い人物として、ポップアップウィンドウ３５上等でユーザに提示することが考えられる。人物Ｙについても同様である。
　（１．２．６　人物移動経路の表示）
　ユーザ操作に基づき、対応関係推定部１４０が推定した人物の対応関係に基づき、移動履歴生成部１５５は、監視対象人物の移動履歴を表示可能である。図８は、移動履歴生成部１５５が生成する移動履歴表示画面８０の具体例を示す図である。なお、図８の移動履歴表示画面８０は、例えば、図３に例示した監視用画面３０において監視対象者表示領域３３上で、ユーザから監視対象者の指定を受けると共に、当該監視対象者の移動履歴の表示をユーザから指示された場合に、移動履歴生成部１５５が生成する。ここでユーザからの指示は、入力装置４００からの操作信号として情報処理サーバ１００に入力される。
　図８に示す移動履歴表示画面８０は、移動履歴表示領域８１と、監視対象人物選択領域８３とを含む。監視対象人物選択領域８３で監視対象人物を選択すると、当該監視対象人物の移動経路が、移動履歴表示領域８１の地図上に表示される。
　図８の例では、監視対象者の移動履歴が実線と破線とをつなぎあわせて表現されている。このうち、実線部分は、ビデオカメラ２００がカメラ内追跡を行った結果を示しており、破線部分は、対応関係推定部１４０が推定した対応関係に基づいて決定される移動経路を示している。
　（１．３　処理の流れ）
　次に、情報処理サーバ１００の処理の流れを、図９を参照しながら説明する。図９は、本実施形態に係る情報処理サーバ１００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。
　まず、入力部１１０は、ビデオカメラ２００から受信する情報に基づき、ビデオカメラ２００で撮影された映像内に、検出対象オブジェクトとしての人物が映っているか否かを判別する（Ｓ９０１）。その結果、人物が検出されている場合には（Ｓ９０１のＹｅｓ）、類似度算出部１２０は、人物追跡情報１６７を読込んで（Ｓ９０３）、既に他のビデオカメラ２００で検出済みの人物の特徴量と、今回検出された人物の特徴量とを比較して類似度を算出する（Ｓ９０５）。
　更に、対応関係推定部１４０は、Ｓ９０５で算出した類似度や、経過時間とカメラ間距離の関係等に応じて、対応付けに係るコスト（図５乃至図７を参照しながら上述）を算出する（Ｓ９０７）。さらに、当該コスト（尤度と情報量は同一）に基づき、人物間が対応づく確率を算出する。
　ＵＩ生成部１５３は、Ｓ９０７で算出した確率に応じて、映像領域３１で表示中の映像に映る人物に対応する可能性の高い順に監視対象者を並べたポップアップウィンドウ３５を表示する（Ｓ９０９）。
　当該ポップアップウィンドウ３５を用いて、同一である旨、及び同一でない旨の入力がユーザにより行われた場合には（Ｓ９１１のＹｅｓ）、対応関係推定部１４０は、当該入力に応じて、人物の対応付けに係るコストを再計算した上で（Ｓ９１３）、当該コストに基づき、全ての人物に係る対応関係を予測する（Ｓ９１５）。更に、対応関係推定部１４０は、当該予測した人物の対応関係を、人物追跡情報１６７としてＤＢ１６０に登録する。
　（１．４　ハードウェア構成）
　以下、図１０を参照しながら、上述してきた情報処理サーバ１００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、前述の通り、情報処理サーバ１００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１０に示すように、情報処理サーバ１００は、プロセッサ１００１、メモリ１００３、記憶装置１００５、入力インタフェース（Ｉ／Ｆ）１００７、データＩ／Ｆ１００９、通信Ｉ／Ｆ１０１１、及び表示装置１０１３を含む。
　プロセッサ１００１は、メモリ１００３に記憶されているプログラムを実行することにより情報処理サーバ１００における様々な処理を制御する。例えば、図１で説明した入力部１１０、類似度算出部１２０、追跡人物登録部１３０、対応関係推定部１４０、及び表示制御部１５０に係る処理は、メモリ１００３に一時記憶された上で、主にプロセッサ１００１上で動作するプログラムとして実現可能である。
　メモリ１００３は、例えばＲＡＭ（Ｒａｎｄｏｍ　Ａｃｃｅｓｓ　Ｍｅｍｏｒｙ）等の記憶媒体である。メモリ１００３は、プロセッサ１００１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１００３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１００５は、例えばハードディスクやフラッシュメモリなどの不揮発性の記憶媒体である。記憶装置１００５は、オペレーティングシステムや、入力部１１０、類似度算出部１２０、追跡人物登録部１３０、対応関係推定部１４０、及び表示制御部１５０を実現するための各種プログラムや、ＤＢ１６０として格納されるカメラ配置情報１６１、撮影動画像１６３、検出人物情報１６５、及び人物追跡情報１６７を含む各種データなどを記憶する。記憶装置１００５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１００３にロードされることにより、プロセッサ１００１から参照される。
　入力Ｉ／Ｆ１００７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。図１で説明した入力装置４００は、入力Ｉ／Ｆ１００７により実現することも可能である。入力Ｉ／Ｆ１００７の具体例としては、キーボードやマウス、タッチパネル、各種センサ等が挙げられる。入力Ｉ／Ｆ１００７は、例えばＵＳＢ（Ｕｎｉｖｅｒｓａｌ　Ｓｅｒｉａｌ　Ｂｕｓ）等のインタフェースを介して情報処理サーバ１００に接続されても良い。
　データＩ／Ｆ１００９は、情報処理サーバ１００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／Ｆ１００９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／Ｆ１００９は、情報処理サーバ１００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／Ｆ１００９は、例えばＵＳＢ等のインタフェースを介して情報処理サーバ１００へと接続される。
　通信Ｉ／Ｆ１０１１は、情報処理サーバ１００の外部の装置、例えばビデオカメラ２００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／Ｆ１０１１は情報処理サーバ１００の外部に設けられることも考えられる。その場合、通信Ｉ／Ｆ１０１１は、例えばＵＳＢ等のインタフェースを介して情報処理サーバ１００に接続される。
　表示装置１０１３は、各種情報を表示するためのデバイスである。図１で説明した表示装置３００は、表示装置１０１３により実現することも可能である。表示装置１０１３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１０１３は、情報処理サーバ１００の外部に設けられても良い。その場合、表示装置１０１３は、例えばディスプレイケーブル等を介して情報処理サーバ１００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、本実施形態に係る監視システム１では、ユーザから同一人物である旨、及び同一人物ではない旨の入力を受けることを可能とすることにより、その入力に応じて、好適な人物の対応関係を推定できる。特に、１人にかかる入力を行っただけであっても、他の人物の対応関係の予測にも影響を与えることができる。
　同一人物である旨をユーザが判定することが難しい場合であっても、同一人物ではない旨の判定は高い精度で行うことができる場合も多い。よって、このような高い精度のユーザ入力を重ねることを可能とし、この入力に応じて人物の対応関係を予測することで、その予測精度を高めることが可能となる。
　（２　第２実施形態）
　以下、第２実施形態を、図１１を参照しながら説明する。図１１は、情報処理システムである監視装置１１００の機能構成を示すブロック図である。図１１に示すように、監視装置１１００は、入力部１１１０と、第１の演算部１１２０と、第２の演算部１１３０とを含む。
　入力部１１１０は、図示しないビデオカメラで第１の時刻に撮影された１以上の人物の少なくとも一部と、第２の時刻に撮影された１以上の人物の少なくとも一部とが対応すること、又は対応しないことに係る対応情報の入力を受けることができる。ここで、第２の時刻は第１の時刻よりも遅いものとする。
　第１の演算部１１２０は、第１の時刻に複数のビデオカメラでそれぞれ撮影された映像に映る１以上の人物と、第２の時刻に前記複数のビデオカメラでそれぞれ撮影された映像に映る１以上の人物とがそれぞれ対応付けられる可能性を示す尺度を定める。
　また、第１の演算部１１２０は、少なくとも一部の尺度を、入力部１１１０から入力された対応情報に基づいて定める。
　第２の演算部１１３０は、第１の時刻又は第２の時刻の一方の時刻に映る少なくとも１名の人物と、他方の時刻に係る全ての人物とに係る全ての尺度を考慮して、第１の時刻に映る人物と第２の時刻に映る人物との対応関係を推定する。
　このように実装することで、本実施形態に係る監視装置１１００によれば、映像に映る人物の対応付けを好適に推定することができる。
　（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）
　第１の時刻に複数のビデオカメラでそれぞれ撮影された映像に映る１以上の人物と、第１の時刻よりも遅い第２の時刻に前記複数のビデオカメラでそれぞれ撮影された映像に映る１以上の人物とがそれぞれ対応付けられる可能性を示す尺度を定める第１の演算手段と、前記第１の時刻又は前記第２の時刻の一方の時刻に映る少なくとも１名の人物と、他方の時刻に係る全ての人物とに係る全ての尺度を考慮して、前記第１の時刻に映る人物と前記第２の時刻に映る人物との対応関係を推定する第２の演算手段と、前記第１の時刻に撮影された１以上の人物の少なくとも一部と、前記第２の時刻に撮影された１以上の人物の少なくとも一部とが対応すること又は対応しないことに係る対応情報の入力を受ける入力手段とを備え、前記第１の演算手段は、前記入力部から入力された前記対応情報に基づき、少なくとも一部の尺度を定める、情報処理システム。
　（付記２）
　前記第１の演算手段は、前記第１の時刻に係る人物と前記第２の時刻に係る人物との特徴量の類似度に基づいて、少なくとも一部の尺度を算出する、付記１記載の情報処理システム。
　（付記３）
　前記第１の演算手段は、前記第１の時刻から前記第２の時刻までの経過時間と、各人物が映るカメラ間の関係に係る情報とに基づき、少なくとも一部の尺度を算出する、付記１又は付記２記載の情報処理システム。
　（付記４）
　前記カメラ間の関係に係る情報は、カメラの撮影範囲間の移動に要する平均時間、又はカメラの撮影範囲間の距離の少なくとも一方の情報を含む、付記３記載の情報処理システム。
　（付記５）
　前記第２の演算手段は、前記第１の時刻に係る全ての人物と、前記第２の時刻に係る全ての人物とに係る全ての尺度を考慮して、対応関係を推定する、付記１乃至付記４のいずれか１項記載の情報処理システム。
　（付記６）
　第１の時刻に複数のビデオカメラでそれぞれ撮影された映像に映る１以上の人物と、第１の時刻よりも遅い第２の時刻に前記複数のビデオカメラでそれぞれ撮影された映像に映る１以上の人物とがそれぞれ対応付けられる可能性を示す尺度を定めるステップと、前記第１の時刻又は前記第２の時刻の一方の時刻に映る少なくとも１名の人物と、他方の時刻に係る全ての人物とに係る全ての尺度を考慮して、前記第１の時刻に映る人物と前記第２の時刻に映る人物との対応関係を推定するステップと、前記第１の時刻に撮影された１以上の人物の少なくとも一部と、前記第２の時刻に撮影された１以上の人物の少なくとも一部とが対応すること又は対応しないことに係る対応情報の入力を受けるステップとを情報処理システムが行ない、前記尺度の少なくとも一部は、入力された前記対応情報に基づいて定める、情報処理方法。
　（付記７）
　前記第１の時刻に係る人物と前記第２の時刻に係る人物との特徴量の類似度に基づいて、少なくとも一部の尺度を算出する、付記６記載の情報処理方法。
　（付記８）
　前記第１の時刻から前記第２の時刻までの経過時間と、各人物が映るカメラ間の関係に係る情報とに基づき、少なくとも一部の尺度を算出する、付記６又は付記７記載の情報処理方法。
　（付記９）
　前記カメラ間の関係に係る情報は、カメラの撮影範囲間の移動に要する平均時間、又はカメラの撮影範囲間の距離の少なくとも一方の情報を含む、付記８記載の情報処理方法。
　（付記１０）
　前記第１の時刻に係る全ての人物と、前記第２の時刻に係る全ての人物とに係る全ての尺度を考慮して、対応関係を推定する、付記６乃至付記９のいずれか１項記載の情報処理方法。
　（付記１１）
　第１の時刻に複数のビデオカメラでそれぞれ撮影された映像に映る１以上の人物と、第１の時刻よりも遅い第２の時刻に前記複数のビデオカメラでそれぞれ撮影された映像に映る１以上の人物とがそれぞれ対応付けられる可能性を示す尺度を定める処理と、前記第１の時刻又は前記第２の時刻の一方の時刻に映る少なくとも１名の人物と、他方の時刻に係る全ての人物とに係る全ての尺度を考慮して、前記第１の時刻に映る人物と前記第２の時刻に映る人物との対応関係を推定する処理と、前記第１の時刻に撮影された１以上の人物の少なくとも一部と、前記第２の時刻に撮影された１以上の人物の少なくとも一部とが対応すること又は対応しないことに係る対応情報の入力を受ける処理とをコンピュータに実行させ、前記尺度の少なくとも一部は、入力された前記対応情報に基づいて定める、プログラム。
　（付記１２）
　前記第１の時刻に係る人物と前記第２の時刻に係る人物との特徴量の類似度に基づいて、少なくとも一部の尺度を算出する、付記１１記載のプログラム。
　（付記１３）
　前記第１の時刻から前記第２の時刻までの経過時間と、各人物が映るカメラ間の関係に係る情報とに基づき、少なくとも一部の尺度を算出する、付記１１又は付記１２記載のプログラム。
　（付記１４）
　前記カメラ間の関係に係る情報は、カメラの撮影範囲間の移動に要する平均時間、又はカメラの撮影範囲間の距離の少なくとも一方の情報を含む、付記１３記載のプログラム。
　（付記１５）
　前記第１の時刻に係る全ての人物と、前記第２の時刻に係る全ての人物とに係る全ての尺度を考慮して、対応関係を推定する、付記１１乃至付記１４のいずれか１項記載のプログラム。
　この出願は、２０１２年９月２７日に出願された日本出願特願２０１２－２１４３９７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・・・監視システム、３０・・・監視用画面、３１・・・映像領域、３３・・・監視対象者表示領域、３５・・・ポップアップウィンドウ、４１・・・人物画像、４３・・・空白画像、４５・・・登録ボタン、８０・・・移動履歴表示画面、８１・・・移動履歴表示領域、８３・・・監視対象人物選択領域、１００・・・情報処理サーバ、１１０・・・入力部、１２０・・・類似度算出部、１３０・・・追跡人物登録部、１４０・・・対応関係推定部、１５０・・・表示制御部、１５１・・・動画表示部、１５３・・・ＵＩ生成部、１５５・・・移動履歴生成部、１６０・・・データベース（ＤＢ）、１６１・・・カメラ配置情報、１６３・・・撮影動画像、１６５・・・検出人物情報、１６７・・・人物追跡情報、２００・・・ビデオカメラ、３００・・・表示装置、４００・・・入力装置、１００１・・・プロセッサ、１００３・・・メモリ、１００５・・・記憶装置、１００７・・・入力インタフェース（Ｉ／Ｆ）、１００９・・・データインタフェース、１０１１・・・通信インタフェース、１０１３・・・表示装置、１１００・・・監視装置、１１１０・・・入力部、１１２０・・・第１の演算部、１１３０・・・第２の演算部

Claims (7)

  1. 　第１の時刻に複数のビデオカメラでそれぞれ撮影された映像に映る１以上の人物と、第１の時刻よりも遅い第２の時刻に前記複数のビデオカメラでそれぞれ撮影された映像に映る１以上の人物とがそれぞれ対応付けられる可能性を示す尺度を定める第１の演算手段と、
    　前記第１の時刻又は前記第２の時刻の一方の時刻に映る少なくとも１名の人物と、他方の時刻に係る全ての人物とに係る全ての尺度を考慮して、前記第１の時刻に映る人物と前記第２の時刻に映る人物との対応関係を推定する第２の演算手段と、
    　前記第１の時刻に撮影された１以上の人物の少なくとも一部と、前記第２の時刻に撮影された１以上の人物の少なくとも一部とが対応すること又は対応しないことに係る対応情報の入力を受ける入力手段と
    を備え、
    　前記第１の演算手段は、前記入力部から入力された前記対応情報に基づき、少なくとも一部の尺度を定める、
    情報処理システム。
  2. 　前記第１の演算手段は、前記第１の時刻に係る人物と前記第２の時刻に係る人物との特徴量の類似度に基づいて、少なくとも一部の尺度を算出する、
    請求項１記載の情報処理システム。
  3. 　前記第１の演算手段は、前記第１の時刻から前記第２の時刻までの経過時間と、各人物が映るカメラ間の関係に係る情報とに基づき、少なくとも一部の尺度を算出する、
    請求項１又は請求項２記載の情報処理システム。
  4. 　前記カメラ間の関係に係る情報は、カメラの撮影範囲間の移動に要する平均時間、又はカメラの撮影範囲間の距離の少なくとも一方の情報を含む、
    請求項３記載の情報処理システム。
  5. 　前記第２の演算手段は、前記第１の時刻に係る全ての人物と、前記第２の時刻に係る全ての人物とに係る全ての尺度を考慮して、対応関係を推定する、
    請求項１乃至請求項４のいずれか１項記載の情報処理システム。
  6. 　第１の時刻に複数のビデオカメラでそれぞれ撮影された映像に映る１以上の人物と、第１の時刻よりも遅い第２の時刻に前記複数のビデオカメラでそれぞれ撮影された映像に映る１以上の人物とがそれぞれ対応付けられる可能性を示す尺度を定めるステップと、
    　前記第１の時刻又は前記第２の時刻の一方の時刻に映る少なくとも１名の人物と、他方の時刻に係る全ての人物とに係る全ての尺度を考慮して、前記第１の時刻に映る人物と前記第２の時刻に映る人物との対応関係を推定するステップと、
    　前記第１の時刻に撮影された１以上の人物の少なくとも一部と、前記第２の時刻に撮影された１以上の人物の少なくとも一部とが対応すること又は対応しないことに係る対応情報の入力を受けるステップと
    を情報処理システムが行ない、
    　前記尺度の少なくとも一部は、入力された前記対応情報に基づいて定める、
    情報処理方法。
  7. 　第１の時刻に複数のビデオカメラでそれぞれ撮影された映像に映る１以上の人物と、第１の時刻よりも遅い第２の時刻に前記複数のビデオカメラでそれぞれ撮影された映像に映る１以上の人物とがそれぞれ対応付けられる可能性を示す尺度を定める処理と、
    　前記第１の時刻又は前記第２の時刻の一方の時刻に映る少なくとも１名の人物と、他方の時刻に係る全ての人物とに係る全ての尺度を考慮して、前記第１の時刻に映る人物と前記第２の時刻に映る人物との対応関係を推定する処理と、
    　前記第１の時刻に撮影された１以上の人物の少なくとも一部と、前記第２の時刻に撮影された１以上の人物の少なくとも一部とが対応すること又は対応しないことに係る対応情報の入力を受ける処理と
    をコンピュータに実行させ、
    　前記尺度の少なくとも一部は、入力された前記対応情報に基づいて定める、
    プログラム。
PCT/JP2013/073354 2012-09-27 2013-08-30 情報処理システム、情報処理方法及びプログラム WO2014050432A1 (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
US14/431,360 US9589192B2 (en) 2012-09-27 2013-08-30 Information processing system, information processing method, and program
JP2014538306A JPWO2014050432A1 (ja) 2012-09-27 2013-08-30 情報処理システム、情報処理方法及びプログラム

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2012214397 2012-09-27
JP2012-214397 2012-09-27

Publications (1)

Publication Number Publication Date
WO2014050432A1 true WO2014050432A1 (ja) 2014-04-03

Family

ID=50387841

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2013/073354 WO2014050432A1 (ja) 2012-09-27 2013-08-30 情報処理システム、情報処理方法及びプログラム

Country Status (3)

Country Link
US (1) US9589192B2 (ja)
JP (1) JPWO2014050432A1 (ja)
WO (1) WO2014050432A1 (ja)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2016174252A (ja) * 2015-03-16 2016-09-29 キヤノン株式会社 画像処理装置、画像処理システム、画像処理方法及びコンピュータプログラム
JP2018032950A (ja) * 2016-08-23 2018-03-01 キヤノン株式会社 情報処理装置及びその方法、コンピュータプログラム
US10445887B2 (en) 2013-03-27 2019-10-15 Panasonic Intellectual Property Management Co., Ltd. Tracking processing device and tracking processing system provided with same, and tracking processing method
WO2022185521A1 (ja) * 2021-03-05 2022-09-09 三菱電機株式会社 移動経路推定装置、移動経路推定方法、及び、移動経路推定プログラム

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5919665B2 (ja) * 2011-07-19 2016-05-18 日本電気株式会社 情報処理装置、物体追跡方法および情報処理プログラム
EP2913997B1 (en) * 2012-10-29 2021-09-29 NEC Corporation Information processing system, information processing method, and program
JP6270433B2 (ja) * 2013-11-26 2018-01-31 キヤノン株式会社 情報処理装置、情報処理方法、情報処理システム
EP3435665A4 (en) * 2016-03-25 2019-03-20 Panasonic Intellectual Property Management Co., Ltd. MONITORING AND MONITORING SYSTEM
JP7229698B2 (ja) * 2018-08-20 2023-02-28 キヤノン株式会社 情報処理装置、情報処理方法及びプログラム
SG10201807663PA (en) * 2018-09-06 2020-04-29 Nec Asia Pacific Pte Ltd System and method for multi-layer potential associates discovery
JP2022122498A (ja) * 2021-02-10 2022-08-23 富士通株式会社 移動履歴変更方法及び移動履歴変更プログラム

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2007026744A1 (ja) * 2005-08-30 2007-03-08 National University Corporation NARA Institute of Science and Technology 広域分散カメラ間の連結関係推定法および連結関係推定プログラム
JP2008219570A (ja) * 2007-03-06 2008-09-18 Matsushita Electric Ind Co Ltd カメラ間連結関係情報生成装置
JP2009098774A (ja) * 2007-10-15 2009-05-07 Mitsubishi Electric Corp 人物追跡システム及び人物追跡方法及び人物追跡プログラム

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7450735B1 (en) * 2003-10-16 2008-11-11 University Of Central Florida Research Foundation, Inc. Tracking across multiple cameras with disjoint views
AU2009243528B2 (en) * 2009-12-04 2013-08-01 Canon Kabushiki Kaisha Location-based signature selection for multi-camera object tracking
GB201113633D0 (en) * 2011-08-08 2011-09-21 Vision Semantics Ltd User-primed iterative discovery of object associations in distributed multi-source data

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2007026744A1 (ja) * 2005-08-30 2007-03-08 National University Corporation NARA Institute of Science and Technology 広域分散カメラ間の連結関係推定法および連結関係推定プログラム
JP2008219570A (ja) * 2007-03-06 2008-09-18 Matsushita Electric Ind Co Ltd カメラ間連結関係情報生成装置
JP2009098774A (ja) * 2007-10-15 2009-05-07 Mitsubishi Electric Corp 人物追跡システム及び人物追跡方法及び人物追跡プログラム

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10445887B2 (en) 2013-03-27 2019-10-15 Panasonic Intellectual Property Management Co., Ltd. Tracking processing device and tracking processing system provided with same, and tracking processing method
GB2529943B (en) * 2013-03-27 2019-11-06 Panasonic Ip Man Co Ltd Tracking processing device and tracking processing system provided with same, and tracking processing method
JP2016174252A (ja) * 2015-03-16 2016-09-29 キヤノン株式会社 画像処理装置、画像処理システム、画像処理方法及びコンピュータプログラム
EP3272117A4 (en) * 2015-03-16 2018-12-12 C/o Canon Kabushiki Kaisha Image processing apparatus, image processing system, method for image processing, and computer program
US10572736B2 (en) 2015-03-16 2020-02-25 Canon Kabushiki Kaisha Image processing apparatus, image processing system, method for image processing, and computer program
JP2018032950A (ja) * 2016-08-23 2018-03-01 キヤノン株式会社 情報処理装置及びその方法、コンピュータプログラム
US10719946B2 (en) 2016-08-23 2020-07-21 Canon Kabushiki Kaisha Information processing apparatus, method thereof, and computer-readable storage medium
WO2022185521A1 (ja) * 2021-03-05 2022-09-09 三菱電機株式会社 移動経路推定装置、移動経路推定方法、及び、移動経路推定プログラム
JPWO2022185521A1 (ja) * 2021-03-05 2022-09-09
JP7270855B2 (ja) 2021-03-05 2023-05-10 三菱電機株式会社 移動経路推定装置、移動経路推定方法、及び、移動経路推定プログラム
GB2619633A (en) * 2021-03-05 2023-12-13 Mitsubishi Electric Corp Movement path estimation device, movement path estimation method, and movement path estimation program

Also Published As

Publication number Publication date
US9589192B2 (en) 2017-03-07
US20150262019A1 (en) 2015-09-17
JPWO2014050432A1 (ja) 2016-08-22

Similar Documents

Publication Publication Date Title
JP6210234B2 (ja) 画像処理システム、画像処理方法及びプログラム
WO2014050432A1 (ja) 情報処理システム、情報処理方法及びプログラム
US20220124410A1 (en) Image processing system, image processing method, and program
JP6213843B2 (ja) 画像処理システム、画像処理方法及びプログラム
JP6347211B2 (ja) 情報処理システム、情報処理方法及びプログラム
US20210012632A1 (en) Information processing system, method and computer readable medium for determining whether moving bodies appearing in first and second videos are the same or not
JP6575845B2 (ja) 画像処理システム、画像処理方法及びプログラム
WO2014045670A1 (ja) 画像処理システム、画像処理方法及びプログラム

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 13841810

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2014538306

Country of ref document: JP

Kind code of ref document: A

WWE Wipo information: entry into national phase

Ref document number: 14431360

Country of ref document: US

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 13841810

Country of ref document: EP

Kind code of ref document: A1