ホーム > 特許ランキング > ソフトバンク株式会社
知財求人 - 知財ポータルサイト「IP Force」
(19)【発行国】日本国特許庁(JP)
(12)【公報種別】特許公報(B1)
(11)【特許番号】
(24)【登録日】2024-01-16
(45)【発行日】2024-01-24
(54)【発明の名称】情報処理装置、情報処理方法、および情報処理プログラム
(51)【国際特許分類】
G06F 11/34 20060101AFI20240117BHJP
G06F 11/07 20060101ALI20240117BHJP
【ＦＩ】
G06F11/34 133
G06F11/07 193
【請求項の数】
5
(21)【出願番号】P 2022208543
(22)【出願日】2022-12-26
【審査請求日】2023-02-01
(73)【特許権者】
【識別番号】501440684
【氏名又は名称】ソフトバンク株式会社
(74)【代理人】
【識別番号】110002147
【氏名又は名称】弁理士法人酒井国際特許事務所
(72)【発明者】
【氏名】萩原 康平
(72)【発明者】
【氏名】清水 就平
(72)【発明者】
【氏名】鳩 康彦
(72)【発明者】
【氏名】前田 哲汰
(72)【発明者】
【氏名】岩瀬 卓朗
(72)【発明者】
【氏名】陳 爽
【審査官】坂庭 剛史
(56)【参考文献】
【文献】国際公開第２０２１／２３５３１２（ＷＯ，Ａ１）
【文献】特開２０１２－２２１１４７（ＪＰ，Ａ）
【文献】特開２０１６－０３６１０３（ＪＰ，Ａ）
【文献】米国特許出願公開第２０１５／０１８９５４０（ＵＳ，Ａ１）
【文献】中国特許出願公開第１１２６５０５６４（ＣＮ，Ａ）
(58)【調査した分野】(Int.Cl.，ＤＢ名)
Ｇ０６Ｆ １１／０７
Ｇ０６Ｆ １１／３０－１１／３４
Ｇ０６Ｎ ３／０２－ ３／１０
Ｇ０６Ｎ ２０／００－９９／００
(57)【特許請求の範囲】
【請求項1】
所定の撮像手段により撮像された映像についてアプリケーションを用いて分析し、該分析の結果についての情報提供を行う情報処理装置であって、前記アプリケーションの稼働情報に基づき、所定の判定としてリソース使用量が所定の閾値を超過したか否かを判定する判定部と、
前記アプリケーションの稼働情報に基づき、学習モデルを用いて前記アプリケーションの稼働条件を推論する推論部と、
前記アプリケーションが停止した場合に、前記リソース使用量が所定の前記閾値を超過したという前記判定部の判定結果に基づき前記アプリケーションの稼働条件を設定する設定部と、
を備える情報処理装置。
【請求項2】
収集された前記アプリケーションの前記稼働情報を、所定の外部装置に送信する送信部と、前記送信部により送信された前記アプリケーションの前記稼働情報に基づき、前記外部装置により推論された前記アプリケーションの前記稼働条件を該外部装置から取得する取得部と、を更に有し、
前記設定部は、前記判定部の判定結果に基づいて、前記外部装置から取得された前記アプリケーションの前記稼働条件を設定する、
ことを特徴とする請求項１に記載の情報処理装置。
【請求項3】
前記判定部により前記リソース使用量が前記閾値を超えたと判定された場合に、前記リソース使用量の抑制に関する情報を出力する出力部を更に有する、ことを特徴とする請求項１に記載の情報処理装置。
【請求項4】
所定の撮像手段により撮像された映像についてアプリケーションを用いて分析し、該分析の結果についての情報提供を行う情報処理方法であって、前記アプリケーションの稼働情報に基づき、所定の判定としてリソース使用量が所定の閾値を超過したか否かを判定する判定工程と、
前記アプリケーションの稼働情報に基づき、学習モデルを用いて前記アプリケーションの稼働条件を推論する推論工程と、
前記アプリケーションが停止した場合に、前記リソース使用量が所定の前記閾値を超過したという前記判定工程の判定結果に基づき前記アプリケーションの稼働条件を設定する設定工程と、
を含むことを特徴とする情報処理方法。
【請求項5】
所定の撮像手段により撮像された映像についてアプリケーションを用いて分析し、該分析の結果についての情報提供を行う情報処理プログラムであって、前記アプリケーションの稼働情報に基づき、所定の判定としてリソース使用量が所定の閾値を超過したか否かを判定する判定手順と、
前記アプリケーションの稼働情報に基づき、学習モデルを用いて前記アプリケーションの稼働条件を推論する推論手順と、
前記アプリケーションが停止した場合に、前記リソース使用量が所定の前記閾値を超過したという前記判定手順の判定結果に基づき前記アプリケーションの稼働条件を設定する設定手順と、
を含むことを特徴とする情報処理プログラム。
【発明の詳細な説明】
【技術分野】
【0001】
本発明は、情報処理装置、情報処理方法、および情報処理プログラムに関する。
【背景技術】
【0002】
施設等への来場者の人数把握や体調把握、また犯罪対策のために撮像装置（例えば、ＡＩ（Artificial Intelligence）を活用した人流解析に用いる映像を撮像するカメラ等で、以降「撮像装置」と表記）により撮像された映像（撮像装置により撮像される静止画像または動画像のことで、以降は「映像」と表記）を解析して、解析結果を提供する技術が提案されている。
【0003】
例えば、撮像装置によって撮像された映像について画像解析アプリケーションを用いた解析を行い管理プラットフォームに送信する技術や、管理プラットフォームからの指示に基づいて画像解析アプリケーションを制御する画像解析装置が知られている（例えば、特許文献１を参照）。
【先行技術文献】
【特許文献】
【0004】
【文献】特開２０２２-１２１２９５号公報
【発明の概要】
【発明が解決しようとする課題】
【0005】
しかしながら、前述の従来技術においては、装置のリソース使用量が逼迫した場合にアプリケーションの停止を防ぐための対処の実施が困難である場合があった。
【0006】
例えば、従来技術においては、画像解析装置のリソース使用量が逼迫するとアプリケーションの動作が停止する場合がある。しかしながら、従来技術では、リソース使用量が逼迫しても、どのモジュール（例えば、アプリケーションモジュール等）において消費リソース使用量が増大しているのかを管理者等が判断することが難しい場合があった。さらに、管理者等の操作によりリソース使用量のボトルネックとなるモジュールが特定されたとしても、管理者等が適切なタイミングおよび方法に基づいて対象のモジュールに対するリソース使用量抑制の設定を実施することが難しい場合があった。
【課題を解決するための手段】
【0007】
上記の課題を解決し目的を達成するために、本発明の情報処理装置は、所定の撮像手段により撮像された映像についてアプリケーションを用いて分析し、該分析の結果についての情報提供を行う情報処理装置であって、前記アプリケーションの稼働情報に基づき、所定の判定としてリソース使用量が所定の閾値を超過したか否かを判定する判定部と、前記アプリケーションの稼働情報に基づき、学習モデルを用いて前記アプリケーションの稼働条件を推論する推論部と、前記アプリケーションが停止した場合に、前記リソース使用量が所定の前記閾値を超過したという前記判定部の判定結果に基づき前記アプリケーションの稼働条件を設定する設定部と、を備えることを特徴とする。
【発明の効果】
【0008】
本発明によれば、装置のリソース使用量が逼迫した場合にアプリケーションの停止を防ぐための対処の実施を容易とする、という効果を奏する。
【図面の簡単な説明】
【0009】
【発明を実施するための形態】
【0010】
以下に、本発明に係る情報処理装置、情報処理方法、および情報処理プログラムを実施するための形態（以下、「実施形態」と呼ぶ）について図面を参照しつつ詳細に説明する。なお、本実施形態により本発明に係る情報処理装置、情報処理方法、および情報処理プログラムが限定されるものではない。また、以下の各実施形態において同一の部位には同一の符号を付し、重複する説明は省略する。
【0011】
【0012】
図１に示す通り、画像解析システム１は、情報処理装置１００と、撮像装置２００と、外部装置３００とを含む。画像解析システム１は、撮像装置２００により撮像された映像について情報処理装置１００で稼働するアプリケーションが画像解析を行い、その解析結果を情報提供するシステムである。
【0013】
なお、本実施形態においてアプリケーションは、撮像装置２００により撮像された映像を画像解析して所定のイベントを検出するＡＩアプリケーションと定義し、以降の項目でも同様とする。また、ここでいうＡＩアプリケーションとは、撮像された映像についてＡＩを用いた画像解析に基づき、人流解析（例えば、物体や人物の認識、万引き等の検知等）を行うアプリケーションである。
【0014】
本実施形態の情報処理装置１００は、図１で示すように撮像装置２００と外部装置３００（例えば、クラウドサーバ等）を中継する。具体的には、情報処理装置１００は、ネットワークハブ９００によりＬＡＮ（Local Area Network）で構成されたネットワーク内に含まれる撮像装置２００（例えば、撮像装置２０１、撮像装置２０２、撮像装置２０３等）を管理、および制御する（図１の（１））。なお、図１で示された撮像装置２００の数は、限定されない。
【0015】
情報処理装置１００は、撮像装置２００により撮像された映像について所定の画像解析を行い、解析結果を外部装置３００に出力する（図１の（２））。そして、情報処理装置１００により出力された解析結果を受け付けた外部装置３００は、管理者等により利用される端末装置１０に解析結果を視覚化して表示する（図１の（３））。
【0016】
次に、図２を用いて情報処理装置１００の機能面におけるシステム構成要素の概要を説明する。図２は、本実施形態の前提技術に係る情報処理装置１００のシステム構成例を示す図である。なお、図２に示すシステム構成要素の概要は、あくまで一例であり本実施形態の情報処理装置１００を実現可能なシステム構成であれば記載した内容に限定されずない。
【0017】
図２の画像解析システム１は、情報処理装置１００と、撮像装置２００と、外部装置３００とを有する。さらに、情報処理装置１００は、所定のネットワークＮＷを介して撮像装置２００および外部装置３００と接続される。
【0018】
情報処理装置１００は、ＣＰＵ（Central Processing Unit）、ＧＰＵ（Graphics Processing Unit）、ＤＳＰ（Digital Signal Processor）等が実装されたＳｏＣ（System-on-a-Chip）と、ＯＳ（Operating System）を有する。さらに、情報処理装置１００は、Ｗｅｂ ＵＩ、ＤＭ ｓｅｒｖｉｃｅ、ＣＭ ｓｅｒｖｉｃｅ、コンテナエンジン（例えば、Ｍｏｂｙ Ｅｎｇｉｎｅ等）、ＩｏＴエッジコンピューティングサービス（例えば、Ａｚｕｒｅ ＩｏＴ Ｅｄｇｅ等）を有する。
【0019】
情報処理装置１００は、前述のコンテナエンジンに基づいて、Ｄｅｖｉｃｅ Ｍａｎａｇｅｍｅｎｔ Ｍｏｄｕｌｅ、Ｃａｍｅｒａ Ｍａｎａｇｅｍｅｎｔ Ｍｏｄｕｌｅ、ＡＩ Ａｐｐｌｉｃａｔｉｏｎ Ｍｏｄｕｌｅ（例えば、映像を画像解析するＡＩアプリケーションのモジュール等）を稼働させる。なお、ＡＩ Ａｐｐｌｉｃａｔｉｏｎ Ｍｏｄｕｌｅは、ＡｐｐｌｉｃａｔｉｏｎとＳＤＫ（Software Development Kit）から構成される。また、情報処理装置１００は、コンテナエンジンに基づいて稼働させるコンテナ数等を限定せずに、稼働させることができる。
【0020】
次に、情報処理装置１００にて稼働するアプリケーションの概要について、図３を用いて説明する。図３は、本実施形態の前提技術に係るアプリケーション稼働の概要を示す図である。なお、図３における画像解析システム１は、情報処理装置１００と、撮像装置２００と、外部装置３００とを含む構成である。
【0021】
情報処理装置１００は、撮像装置（例えば、撮像装置２０１、撮像装置２０２、撮像装置２０３等）から、Ｃａｍｅｒａ Ｍａｎａｇｅｍｅｎｔ Ｍｏｄｕｌｅを介して映像を取得する（図３の（１））。なお、画像解析システム１における撮像装置２００の数は限定されない。
【0022】
次に、モジュール（モジュール２０１ａ、モジュール２０２ａ、モジュール２０３ａ）ごとに稼働するアプリケーション（アプリケーション２０１Ａ、アプリケーション２０２Ａ、アプリケーション２０３Ａ）は、取得された映像を用いて画像解析を実施する（図３の（２））。なお、情報処理装置１００において稼働するモジュールやアプリケーションの数は限定されない。
【0023】
情報処理装置１００は、アプリケーションにより行われた画像解析の結果を外部装置３００に出力する（図３の（３））。外部装置３００は、情報処理装置１００により出力された画像解析の結果を、管理者等の端末装置（例えば、端末装置１０Ａ、端末装置１０Ｂ、端末装置１０Ｃ等）に画像解析結果を視覚化して表示する（図３の（４））。なお、外部装置３００が結果を表示する端末装置１０の数は限定されない。
【0024】
〔２．第１の実施形態〕
ここから、本実施形態の画像解析システム１により実現される第１の実施形態について説明を行う。第１の実施形態は、情報処理装置１００のリソース使用量に関する情報に基づき学習を行った学習モデルを用いて推論されるアプリケーションの稼働条件を、アプリケーションの稼働状況ごとに設定する実施形態である。なお、第１の実施形態と、後述する第２の実施形態および変形例とは、それぞれ個別に実施されてもよいし、組み合わせて実施されてもよい。
ここから、本実施形態の画像解析システム１により実現される第１の実施形態について説明を行う。第１の実施形態は、情報処理装置１００のリソース使用量に関する情報に基づき学習を行った学習モデルを用いて推論されるアプリケーションの稼働条件を、アプリケーションの稼働状況ごとに設定する実施形態である。なお、第１の実施形態と、後述する第２の実施形態および変形例とは、それぞれ個別に実施されてもよいし、組み合わせて実施されてもよい。
【0025】
【0026】
図４の情報処理装置１００は、アプリケーション２０１Ａと、アプリケーション２０２Ａと、アプリケーション２０３Ａとを稼働する。なお、情報処理装置１００に含まれるその他のシステム構成は、図２で説明した内容と同様のため省略する。
【0027】
また、図４の例において、情報処理装置１００のアプリケーション２０１Ａは、撮像装置２０１により撮像される映像に基づいて画像解析を行う。また、情報処理装置１００のアプリケーション２０２Ａは、撮像装置２０２により撮像される映像に基づいて画像解析を行う。また、情報処理装置１００のアプリケーション２０３Ａは、撮像装置２０３により撮像される映像に基づいて画像解析を行う。
【0028】
まず、情報処理装置１００は、アプリケーションの稼働情報を収集する（図４の（１））。ここでいうアプリケーションの稼働情報は、コンテナ（モジュール）ごとのリソース使用量に関する情報（例えば、ＣＰＵ使用率、ＧＰＵ使用率、メモリ使用率等）とアプリケーションの稼働状況に関する情報とが含まれている。また、アプリケーションの稼働情報には、アプリケーション以外のモジュール（例えば、ＤＭ ＭｏｄｕｌｅやＣＭ Ｍｏｄｕｌｅ等）に係る情報も含まれていてよい。
【0029】
例えば図４に示す通り、情報処理装置１００のリソース使用量は、ＣＭ Ｍｏｄｕｌｅが２０％、アプリケーション２０２Ａが６０％、アプリケーション２０３Ａが２０％である。他方、アプリケーション２０１Ａは、リソース使用量が所定の閾値を超過したため、停止している。
【0030】
情報処理装置１００は、収集されたアプリケーションの稼働情報を用いて、所定の判定および推論を実施する。まず、情報処理装置１００は、所定の判定としてアプリケーションの稼働情報に基づいて、アプリケーションのリソース使用量が閾値を超えたための停止であるか否かを判定する。例えば、図４の情報処理装置１００は、アプリケーション２０１Ａのリソース使用量が閾値を超えたため、稼働（例えば、画像解析等）を停止していると判定する（図４の（２））。
【0031】
次に、情報処理装置１００は、所定の推論としてアプリケーションの稼働情報を入力とする学習モデルに基づき、アプリケーションの稼働条件を推論する。情報処理装置１００は、前述の判定結果に基づき、推論されたアプリケーションの稼働条件をアプリケーション２０１Ａに対して設定した上で、アプリケーション２０１Ａを再起動する（図４の（３））。
【0032】
他方で、情報処理装置１００は、アプリケーション２０２Ａのリソース使用量が所定の基準値を超えていると判定する（図４の（４））。その場合、情報処理装置１００は、推論されたアプリケーションの稼働条件をアプリケーション２０２Ａに対して設定する（図４の（５））。
【0033】
ここまで情報処理装置１００によりアプリケーションの稼働条件の推論が実施される前提で説明を行ってきたが、外部装置３００は、情報処理装置１００の代わりに推論を行ってもよい。その場合、情報処理装置１００は、収集されたアプリケーションの稼働情報を外部装置３００に送信する（図４の（６））。
【0034】
外部装置３００は、情報処理装置１００により送信されたアプリケーションの稼働情報に含まれるアプリケーションの稼働情報を入力とする学習モデルに基づき、所定の推論としてアプリケーションの稼働条件を推論する。なお、外部装置３００は、複数の情報処理装置１００（情報処理装置１００Ａや情報処理装置１００Ｂ等）により提供されるアプリケーションの稼働情報を用いて、推論を実施してもよい（図４の（７））。
【0035】
情報処理装置１００は、外部装置３００により推論されたアプリケーションの稼働条件を、外部装置３００から取得する（図４の（８））。そして、情報処理装置１００は、前述の（３）または（５）と同様の処理を実施する。
【0036】
〔２－２．画像解析システムの構成〕
ここから、第１の実施形態に係る画像解析システム１について説明する。図５は、第１の実施形態に係る画像解析システム１の装置構成例を示す図である。図５に示すように、画像解析システム１は、情報処理装置１００と撮像装置２００と、情報処理装置１００と外部装置３００とが、それぞれ所定のネットワークＮＷを介して接続された構成を有する。なお、画像解析システム１に含まれる撮像装置２００の数は限定されず、複数の撮像装置２００が含まれていてよい。
ここから、第１の実施形態に係る画像解析システム１について説明する。図５は、第１の実施形態に係る画像解析システム１の装置構成例を示す図である。図５に示すように、画像解析システム１は、情報処理装置１００と撮像装置２００と、情報処理装置１００と外部装置３００とが、それぞれ所定のネットワークＮＷを介して接続された構成を有する。なお、画像解析システム１に含まれる撮像装置２００の数は限定されず、複数の撮像装置２００が含まれていてよい。
【0037】
〔２－２－１．情報処理装置の構成〕
次に、第１の実施形態に係る画像解析システム１に含まれる情報処理装置１００の構成例について説明する。情報処理装置１００は、所定の撮像手段（撮像装置２００）により撮像された映像についてアプリケーションを用いて分析（画像解析）し、分析（画像解析）の結果についての情報提供を行う。図５に示す通り、情報処理装置１００は、通信部１１０と、記憶部１２０と、制御部１３０とを有する。
次に、第１の実施形態に係る画像解析システム１に含まれる情報処理装置１００の構成例について説明する。情報処理装置１００は、所定の撮像手段（撮像装置２００）により撮像された映像についてアプリケーションを用いて分析（画像解析）し、分析（画像解析）の結果についての情報提供を行う。図５に示す通り、情報処理装置１００は、通信部１１０と、記憶部１２０と、制御部１３０とを有する。
【0038】
（通信部１１０について）
通信部１１０は、例えば、ＮＩＣ（Network Interface Card）等によって実現される。そして、通信部１１０は、ネットワークＮＷと有線または無線で接続され、例えば、情報処理装置１００と撮像装置２００、情報処理装置１００と外部装置３００との間で情報の送受信を行う。
通信部１１０は、例えば、ＮＩＣ（Network Interface Card）等によって実現される。そして、通信部１１０は、ネットワークＮＷと有線または無線で接続され、例えば、情報処理装置１００と撮像装置２００、情報処理装置１００と外部装置３００との間で情報の送受信を行う。
【0039】
（記憶部１２０について）
記憶部１２０は、例えば、ＲＡＭ（Random Access Memory)、フラッシュメモリ等の半導体メモリ素子またはハードディスク、光ディスク等の記憶装置によって実現される。また、記憶部１２０は、稼働情報記憶部１２１を有する。
記憶部１２０は、例えば、ＲＡＭ（Random Access Memory)、フラッシュメモリ等の半導体メモリ素子またはハードディスク、光ディスク等の記憶装置によって実現される。また、記憶部１２０は、稼働情報記憶部１２１を有する。
【0040】
（稼働情報記憶部１２１について）
稼働情報記憶部１２１は、アプリケーションの稼働情報を記憶する。なお、「アプリケーションの」と表記しているが、ＯＳやモジュールの情報を含んでいてもよい。
稼働情報記憶部１２１は、アプリケーションの稼働情報を記憶する。なお、「アプリケーションの」と表記しているが、ＯＳやモジュールの情報を含んでいてもよい。
【0041】
具体的に、稼働情報記憶部１２１は、後述の推論部１３４によるアプリケーションの稼働条件の推論に用いられるアプリケーションの稼働情報として、処理ＦＰＳ１２１ａと、カメラ設定値１２１ｂと、リソース使用量１２１ｃと、稼働状況１２１ｄとを記憶する。
【0042】
（処理ＦＰＳ１２１ａについて）
処理ＦＰＳ１２１ａは、アプリケーションにより処理（画像解析）される単位時間当たりの画像の枚数を示すＦＰＳ（Frame per second）に関する情報である。なお、処理ＦＰＳ１２１ａは、実行環境においてリアルタイムに算出可能なアプリケーションの検出精度の一般的な指標である。
処理ＦＰＳ１２１ａは、アプリケーションにより処理（画像解析）される単位時間当たりの画像の枚数を示すＦＰＳ（Frame per second）に関する情報である。なお、処理ＦＰＳ１２１ａは、実行環境においてリアルタイムに算出可能なアプリケーションの検出精度の一般的な指標である。
【0043】
ここで、図６を用いて、処理ＦＰＳ１２１ａに係る「物体検出」について説明する。図６は、本実施形態の前提技術に係る画像解析技術の概要（物体検出）を示す図である。物体検出は、アプリケーションによる画像解析に基づいて、撮像装置２００の視野内に含まれる物体を認識する処理である。この物体検出は、画像解析にモデル１１ｂよりも大きいモデル１１ａを用いることで物体検出精度が向上するが、一方で処理時間が増加する。
【0044】
次に、図７を用いて、処理ＦＰＳ１２１ａに係る「物体トラッキング」について説明する。図７は、本実施形態の前提技術に係る画像解析技術の概要（物体トラッキング）を示す図である。物体トラッキングは、前述の物体検出の処理に基づいて、撮像装置２００の視野内（検出範囲）にて移動する物体をトラッキングする処理である。
【0045】
図７の撮像装置２００は、撮像装置２００の視野内に入った移動する物体（図７の場合は、人物１２）をトラッキングする。例えば、撮像装置２００は、視野外の人物１２ａと人物１２ｄはトラッキングしないが、視野内に含まれる人物１２ｂと人物１２ｃとをトラッキングする。しかしながら、物体トラッキングは、物体検出の処理時間が増加することにより、検出不能のフレームが発生して検出精度が低下する。そのため、撮像装置２００は、同じく視野内に含まれる人物１２ｃはトラッキングしていない。
【0046】
前述したように、アプリケーションによる画像解析に基づいたイベントの検出においては、「フレーム処理」が検出精度に影響を及ぼすことから、フレーム処理速度の指標である「処理ＦＰＳ」がアプリケーションにより要求される性能の指標となる。なお、図６および図７で説明した物体検出と物体トラッキングについては、以降の第１の実施形態と、第２の実施形態と、変形例とにおいて利用される前提技術である。
【0047】
（カメラ設定値１２１ｂについて）
ここで、図５に戻り説明を続ける。カメラ設定値１２１ｂは、撮像装置２００の撮像条件に関する情報である。例えば、カメラ設定値１２１ｂは、コーデック、ビットレート、解像度等の撮像設定項目が含まれていてよい。なお、稼働情報記憶部１２１は、前述した各項目に限定されず、カメラ設定値に関する情報の範疇に含まれる情報であれば、カメラ設定値１２１ｂとして記憶することができる。
ここで、図５に戻り説明を続ける。カメラ設定値１２１ｂは、撮像装置２００の撮像条件に関する情報である。例えば、カメラ設定値１２１ｂは、コーデック、ビットレート、解像度等の撮像設定項目が含まれていてよい。なお、稼働情報記憶部１２１は、前述した各項目に限定されず、カメラ設定値に関する情報の範疇に含まれる情報であれば、カメラ設定値１２１ｂとして記憶することができる。
【0048】
（リソース使用量１２１ｃについて）
リソース使用量１２１ｃは、情報処理装置１００のリソース使用量に関する情報である。例えば、リソース使用量１２１ｃは、ＣＰＵ使用率、ＧＰＵ使用率、メモリ使用率等が含まれていてよい。なお、稼働情報記憶部１２１は、前述した各使用率に限定されず、リソース使用量に関する情報の範疇に含まれる情報であれば記憶することができる。
リソース使用量１２１ｃは、情報処理装置１００のリソース使用量に関する情報である。例えば、リソース使用量１２１ｃは、ＣＰＵ使用率、ＧＰＵ使用率、メモリ使用率等が含まれていてよい。なお、稼働情報記憶部１２１は、前述した各使用率に限定されず、リソース使用量に関する情報の範疇に含まれる情報であれば記憶することができる。
【0049】
（稼働状況１２１ｄについて）
稼働状況１２１ｄは、情報処理装置１００で稼働するアプリケーションの稼働状況に関する情報である。例えば、稼働状況１２１ｄは、アプリケーションが正常に稼働しているか否か、リソース使用量が所定の閾値を超えて停止しているか否か等についての情報を含んでいてよい。なお、稼働情報記憶部１２１は、アプリケーションに限定されず、ＯＳやモジュールごとの稼働状況に関する情報を稼働状況１２１ｄとして記憶してよい。
稼働状況１２１ｄは、情報処理装置１００で稼働するアプリケーションの稼働状況に関する情報である。例えば、稼働状況１２１ｄは、アプリケーションが正常に稼働しているか否か、リソース使用量が所定の閾値を超えて停止しているか否か等についての情報を含んでいてよい。なお、稼働情報記憶部１２１は、アプリケーションに限定されず、ＯＳやモジュールごとの稼働状況に関する情報を稼働状況１２１ｄとして記憶してよい。
【0050】
（制御部１３０について）
制御部１３０は、ＣＰＵ（Central Processing Unit）やＭＰＵ（Micro Processing Unit）等によって、情報処理装置１００内部の記憶装置に記憶されている各種プログラムがＲＡＭを作業領域として実行されることにより実現される。また、制御部１３０は、例えば、ＡＳＩＣ（Application Specific Integrated Circuit）やＦＰＧＡ（Field Programmable Gate Array）等の集積回路により実現される。図５に示される、制御部１３０は、収集部１３１と、送信部１３２と、判定部１３３と、推論部１３４と、取得部１３５と、設定部１３６とを有する。
制御部１３０は、ＣＰＵ（Central Processing Unit）やＭＰＵ（Micro Processing Unit）等によって、情報処理装置１００内部の記憶装置に記憶されている各種プログラムがＲＡＭを作業領域として実行されることにより実現される。また、制御部１３０は、例えば、ＡＳＩＣ（Application Specific Integrated Circuit）やＦＰＧＡ（Field Programmable Gate Array）等の集積回路により実現される。図５に示される、制御部１３０は、収集部１３１と、送信部１３２と、判定部１３３と、推論部１３４と、取得部１３５と、設定部１３６とを有する。
【0051】
（収集部１３１について）
収集部１３１は、情報処理装置１００のアプリケーションの稼働情報を収集する。具体的には、収集部１３１により収集されるアプリケーションの稼働情報は、処理ＦＰＳ１２１ａと、カメラ設定値１２１ｂと、リソース使用量１２１ｃと、稼働状況１２１ｄとを含む。なお、収集部１３１は、前述した情報に限定されず、アプリケーションの稼働情報の範疇に含まれる情報であれば記憶することができる。
収集部１３１は、情報処理装置１００のアプリケーションの稼働情報を収集する。具体的には、収集部１３１により収集されるアプリケーションの稼働情報は、処理ＦＰＳ１２１ａと、カメラ設定値１２１ｂと、リソース使用量１２１ｃと、稼働状況１２１ｄとを含む。なお、収集部１３１は、前述した情報に限定されず、アプリケーションの稼働情報の範疇に含まれる情報であれば記憶することができる。
【0052】
（送信部１３２について）
送信部１３２は、収集部１３１により収集されたアプリケーションの稼働情報を、所定の外部装置３００に送信する。例えば、送信部１３２は、アプリケーションの稼働情報として、収集部１３１により収集された処理ＦＰＳ１２１ａと、カメラ設定値１２１ｂと、リソース使用量１２１ｃと、稼働状況１２１ｄとの１つ、または複数の組み合わせを外部装置３００に送信できる。なお、送信部１３２は、アプリケーションの稼働情報に関する情報の範疇に含まれる情報であれば、限定無く外部装置３００に送信できる。
送信部１３２は、収集部１３１により収集されたアプリケーションの稼働情報を、所定の外部装置３００に送信する。例えば、送信部１３２は、アプリケーションの稼働情報として、収集部１３１により収集された処理ＦＰＳ１２１ａと、カメラ設定値１２１ｂと、リソース使用量１２１ｃと、稼働状況１２１ｄとの１つ、または複数の組み合わせを外部装置３００に送信できる。なお、送信部１３２は、アプリケーションの稼働情報に関する情報の範疇に含まれる情報であれば、限定無く外部装置３００に送信できる。
【0053】
（判定部１３３について）
判定部１３３は、アプリケーションの稼働情報に含まれるリソース使用量１２１ｃと稼働状況１２１ｄとに基づき、所定の判定としてリソース使用量が所定の閾値を超過したか否かを判定する。例えば、判定部１３３は、対象のアプリケーションが所定の閾値として、ＣＰＵ使用率やメモリ使用率の閾値を超過して停止した場合に、リソース使用量の超過により停止したと判定してよい。
判定部１３３は、アプリケーションの稼働情報に含まれるリソース使用量１２１ｃと稼働状況１２１ｄとに基づき、所定の判定としてリソース使用量が所定の閾値を超過したか否かを判定する。例えば、判定部１３３は、対象のアプリケーションが所定の閾値として、ＣＰＵ使用率やメモリ使用率の閾値を超過して停止した場合に、リソース使用量の超過により停止したと判定してよい。
【0054】
（推論部１３４について）
推論部１３４は、収集部１３１により収集されたアプリケーションの稼働情報に基づき、学習モデルを用いてアプリケーションの稼働条件を推論する。ここでいうアプリケーションの稼働条件は、アプリケーションごとのモジュールに割り当てる使用可能なリソース量であり、アプリケーションが稼働するコンテナを作成する際に設定されるＣＰＵ使用率の上限、メモリ使用率の上限等であってよい。なお、推論部１３４は、前述の学習モデルとして機械学習の学習モデルの範疇に含まれるモデルであれば、限定無く用いることができる。
推論部１３４は、収集部１３１により収集されたアプリケーションの稼働情報に基づき、学習モデルを用いてアプリケーションの稼働条件を推論する。ここでいうアプリケーションの稼働条件は、アプリケーションごとのモジュールに割り当てる使用可能なリソース量であり、アプリケーションが稼働するコンテナを作成する際に設定されるＣＰＵ使用率の上限、メモリ使用率の上限等であってよい。なお、推論部１３４は、前述の学習モデルとして機械学習の学習モデルの範疇に含まれるモデルであれば、限定無く用いることができる。
【0055】
例えば、推論部１３４は、アプリケーションの稼働情報に含まれる処理ＦＰＳ１２１ａと、カメラ設定値１２１ｂと、リソース使用量１２１ｃとの１つ、または複数の組み合わせを入力とする学習モデルを用いて、アプリケーションの稼働条件を推論できる。
【0056】
（取得部１３５について）
取得部１３５は、外部装置３００によりアプリケーションの稼働情報を用いたアプリケーションの稼働条件に関する情報が推論される場合に、外部装置３００から所定の情報を取得する。具体的には、取得部１３５は、送信部１３２により送信されたアプリケーションの稼働情報に基づき、後述の外部装置３００の推論部３３２により推論されたアプリケーションの稼働条件を外部装置３００から取得する。
取得部１３５は、外部装置３００によりアプリケーションの稼働情報を用いたアプリケーションの稼働条件に関する情報が推論される場合に、外部装置３００から所定の情報を取得する。具体的には、取得部１３５は、送信部１３２により送信されたアプリケーションの稼働情報に基づき、後述の外部装置３００の推論部３３２により推論されたアプリケーションの稼働条件を外部装置３００から取得する。
【0057】
（設定部１３６について）
設定部１３６は、アプリケーションが停止した場合に、リソース使用量が所定の閾値を超過したという判定部１３３の判定結果に基づきアプリケーションの稼働条件を設定する。例えば、設定部１３６は、判定部１３３によりリソース量の超過による停止と判定された場合、停止したアプリケーションに係るコンテナの作成時に推論部１３４により推論されたアプリケーションの稼働条件を設定し、再起動を行ってよい。
設定部１３６は、アプリケーションが停止した場合に、リソース使用量が所定の閾値を超過したという判定部１３３の判定結果に基づきアプリケーションの稼働条件を設定する。例えば、設定部１３６は、判定部１３３によりリソース量の超過による停止と判定された場合、停止したアプリケーションに係るコンテナの作成時に推論部１３４により推論されたアプリケーションの稼働条件を設定し、再起動を行ってよい。
【0058】
他方で、設定部１３６は、判定部１３３の判定結果に基づいて、外部装置３００から取得されたアプリケーションの稼働条件を設定する。具体的には、設定部１３６は、後述の外部装置３００の推論部３３２により推論されたアプリケーションの稼働条件に基づいて、停止したアプリケーションに係るコンテナの作成時にアプリケーションの稼働条件を設定してよい。
【0059】
なお、ここでいう「所定の閾値」は、予め設定されるリソース使用量の上限値であってもよいし、情報処理装置１００の稼働状況により動的に変動するリソース使用量の限界値等であってよく、特に限定されない。
【0060】
また、設定部１３６は、停止していないアプリケーションに対してもアプリケーションの稼働条件を設定してもよい。例えば、設定部１３６は、稼働を継続しているがリソース使用量が高いアプリケーションについて、リソース使用量を抑制する条件を含むアプリケーションの稼働条件を設定してもよい。
【0061】
〔２－２－２．撮像装置の構成〕
次に、第１の実施形態に係る画像解析システム１に含まれる撮像装置２００について説明する。撮像装置２００は、情報処理装置１００で稼働するアプリケーションによる画像解析に用いられる映像を撮像する。そして、図５に示すように、撮像装置２００は、通信部２１０と、記憶部２２０と、制御部２３０とを有する。
次に、第１の実施形態に係る画像解析システム１に含まれる撮像装置２００について説明する。撮像装置２００は、情報処理装置１００で稼働するアプリケーションによる画像解析に用いられる映像を撮像する。そして、図５に示すように、撮像装置２００は、通信部２１０と、記憶部２２０と、制御部２３０とを有する。
【0062】
（通信部２１０について）
通信部２１０は、例えば、ＮＩＣ等によって実現される。そして、通信部２１０は、ネットワークＮＷと有線または無線で接続され、例えば、情報処理装置１００と撮像装置２００との間で情報の送受信を行う。
通信部２１０は、例えば、ＮＩＣ等によって実現される。そして、通信部２１０は、ネットワークＮＷと有線または無線で接続され、例えば、情報処理装置１００と撮像装置２００との間で情報の送受信を行う。
【0063】
（記憶部２２０について）
記憶部２２０は、例えば、ＲＡＭ、フラッシュメモリ等の半導体メモリ素子またはハードディスク、光ディスク等の記憶装置によって実現される。記憶部２２０は、制御部２３０が撮像装置２００としての機能を実現するための処理プログラム、およびデータ等を記憶する。
記憶部２２０は、例えば、ＲＡＭ、フラッシュメモリ等の半導体メモリ素子またはハードディスク、光ディスク等の記憶装置によって実現される。記憶部２２０は、制御部２３０が撮像装置２００としての機能を実現するための処理プログラム、およびデータ等を記憶する。
【0064】
（制御部２３０について）
制御部２３０は、ＣＰＵやＭＰＵ等によって、撮像装置２００内部の記憶装置に記憶されている各種プログラムがＲＡＭを作業領域として実行されることにより実現される。そして、制御部２３０は、撮像装置２００が所定の機能を実現するための処理を実行する。
制御部２３０は、ＣＰＵやＭＰＵ等によって、撮像装置２００内部の記憶装置に記憶されている各種プログラムがＲＡＭを作業領域として実行されることにより実現される。そして、制御部２３０は、撮像装置２００が所定の機能を実現するための処理を実行する。
【0065】
〔２－２－３．外部装置の構成〕
次に、第１の実施形態に係る画像解析システム１に含まれる外部装置３００について説明する。図５に示すように、外部装置３００は、通信部３１０と、記憶部３２０と、制御部３３０とを有する。
次に、第１の実施形態に係る画像解析システム１に含まれる外部装置３００について説明する。図５に示すように、外部装置３００は、通信部３１０と、記憶部３２０と、制御部３３０とを有する。
【0066】
（通信部３１０について）
通信部３１０は、例えば、ＮＩＣ等によって実現される。そして、通信部３１０は、ネットワークＮＷと有線または無線で接続され、例えば、情報処理装置１００と外部装置３００との間で情報の送受信を行う。
通信部３１０は、例えば、ＮＩＣ等によって実現される。そして、通信部３１０は、ネットワークＮＷと有線または無線で接続され、例えば、情報処理装置１００と外部装置３００との間で情報の送受信を行う。
【0067】
（記憶部３２０について）
記憶部３２０は、例えば、ＲＡＭ、フラッシュメモリ等の半導体メモリ素子またはハードディスク、光ディスク等の記憶装置によって実現される。また、記憶部３２０は、稼働情報記憶部３２１を有する。
記憶部３２０は、例えば、ＲＡＭ、フラッシュメモリ等の半導体メモリ素子またはハードディスク、光ディスク等の記憶装置によって実現される。また、記憶部３２０は、稼働情報記憶部３２１を有する。
【0068】
（稼働情報記憶部３２１について）
稼働情報記憶部３２１は、情報処理装置１００の送信部１３２により送信されたアプリケーションの稼働情報を記憶する。具体的には、稼働情報記憶部３２１は、アプリケーションの稼働情報として処理ＦＰＳ３２１ａと、カメラ設定値３２１ｂと、リソース使用量３２１ｃと、稼働状況３２１ｄとを記憶する。
稼働情報記憶部３２１は、情報処理装置１００の送信部１３２により送信されたアプリケーションの稼働情報を記憶する。具体的には、稼働情報記憶部３２１は、アプリケーションの稼働情報として処理ＦＰＳ３２１ａと、カメラ設定値３２１ｂと、リソース使用量３２１ｃと、稼働状況３２１ｄとを記憶する。
【0069】
（処理ＦＰＳ３２１ａについて）
処理ＦＰＳ３２１ａは、アプリケーションが単位時間当たりに処理（画像解析）する画像の枚数を示すＦＰＳに関する情報である。なお、稼働情報記憶部３２１は、アプリケーションの稼働情報として、情報処理装置１００により記憶された処理ＦＰＳ１２１ａを処理ＦＰＳ３２１ａとして記憶する。
処理ＦＰＳ３２１ａは、アプリケーションが単位時間当たりに処理（画像解析）する画像の枚数を示すＦＰＳに関する情報である。なお、稼働情報記憶部３２１は、アプリケーションの稼働情報として、情報処理装置１００により記憶された処理ＦＰＳ１２１ａを処理ＦＰＳ３２１ａとして記憶する。
【0070】
（カメラ設定値３２１ｂについて）
カメラ設定値３２１ｂは、撮像装置２００の撮像条件に関する情報である。なお、稼働情報記憶部３２１は、アプリケーションの稼働情報として、情報処理装置１００により記憶されたカメラ設定値１２１ｂをカメラ設定値３２１ｂとして記憶する。
カメラ設定値３２１ｂは、撮像装置２００の撮像条件に関する情報である。なお、稼働情報記憶部３２１は、アプリケーションの稼働情報として、情報処理装置１００により記憶されたカメラ設定値１２１ｂをカメラ設定値３２１ｂとして記憶する。
【0071】
（リソース使用量３２１ｃについて）
リソース使用量３２１ｃは、情報処理装置１００のリソース使用量に関する情報である。なお、稼働情報記憶部３２１は、アプリケーションの稼働情報として、情報処理装置１００により記憶されたリソース使用量１２１ｃをリソース使用量３２１ｃとして記憶する。
リソース使用量３２１ｃは、情報処理装置１００のリソース使用量に関する情報である。なお、稼働情報記憶部３２１は、アプリケーションの稼働情報として、情報処理装置１００により記憶されたリソース使用量１２１ｃをリソース使用量３２１ｃとして記憶する。
【0072】
（稼働状況３２１ｄについて）
稼働状況３２１ｄは、情報処理装置１００で稼働するアプリケーションの稼働状況に関する情報である。なお、稼働情報記憶部３２１は、アプリケーションの稼働情報として、情報処理装置１００の稼働状況１２１ｄを稼働状況３２１ｄとして記憶する。
稼働状況３２１ｄは、情報処理装置１００で稼働するアプリケーションの稼働状況に関する情報である。なお、稼働情報記憶部３２１は、アプリケーションの稼働情報として、情報処理装置１００の稼働状況１２１ｄを稼働状況３２１ｄとして記憶する。
【0073】
（制御部３３０について）
制御部３３０は、ＣＰＵやＭＰＵ等によって、外部装置３００内部の記憶装置に記憶されている各種プログラムがＲＡＭを作業領域として実行されることにより実現される。また、制御部３３０は、例えば、ＡＳＩＣやＦＰＧＡ等の集積回路により実現される。また、制御部３３０は、受付部３３１と、推論部３３２とを有する。
制御部３３０は、ＣＰＵやＭＰＵ等によって、外部装置３００内部の記憶装置に記憶されている各種プログラムがＲＡＭを作業領域として実行されることにより実現される。また、制御部３３０は、例えば、ＡＳＩＣやＦＰＧＡ等の集積回路により実現される。また、制御部３３０は、受付部３３１と、推論部３３２とを有する。
【0074】
（受付部３３１について）
受付部３３１は、情報処理装置１００で稼働するアプリケーションの稼働情報を受け付ける。なお、受付部３３１は、送信部１３２により送信されたデータを受け付けてもよいし、外部装置３００の管理者等により直接入力されたデータを受け付けてもよい。
受付部３３１は、情報処理装置１００で稼働するアプリケーションの稼働情報を受け付ける。なお、受付部３３１は、送信部１３２により送信されたデータを受け付けてもよいし、外部装置３００の管理者等により直接入力されたデータを受け付けてもよい。
【0075】
（推論部３３２について）
推論部３３２は、受付部３３１により受け付けられたアプリケーションの稼働情報に基づき、所定の学習モデルを用いてアプリケーションの稼働条件を推論する。なお、推論部３３２は、前述の学習モデルとして機械学習の学習モデルの範疇に含まれるモデルであれば、限定無く用いることができる。
推論部３３２は、受付部３３１により受け付けられたアプリケーションの稼働情報に基づき、所定の学習モデルを用いてアプリケーションの稼働条件を推論する。なお、推論部３３２は、前述の学習モデルとして機械学習の学習モデルの範疇に含まれるモデルであれば、限定無く用いることができる。
【0076】
〔３．第２の実施形態〕
ここから、本実施形態の情報処理装置１００により実現される第２の実施形態について説明を行う。第２の実施形態は、アプリケーションのリソース使用量が所定の閾値を超過した場合に、リソース使用量を抑制するための情報を外部装置３００に出力し、更に外部装置３００を介して管理者等に対して表示する実施形態である。なお、第２の実施形態と、第１の実施形態および後述の変形例とは、それぞれ個別に実施されてもよいし、組み合わせて実施されてもよい。
ここから、本実施形態の情報処理装置１００により実現される第２の実施形態について説明を行う。第２の実施形態は、アプリケーションのリソース使用量が所定の閾値を超過した場合に、リソース使用量を抑制するための情報を外部装置３００に出力し、更に外部装置３００を介して管理者等に対して表示する実施形態である。なお、第２の実施形態と、第１の実施形態および後述の変形例とは、それぞれ個別に実施されてもよいし、組み合わせて実施されてもよい。
【0077】
【0078】
図８の情報処理装置１００は、アプリケーション２０１Ａと、アプリケーション２０２Ａと、アプリケーション２０３Ａとを稼働する。なお、情報処理装置１００に含まれるその他のシステム構成は、図２で説明した内容と同様のため省略する。
【0079】
また、図８の例において、情報処理装置１００のアプリケーション２０１Ａは、撮像装置２０１により撮像される映像に基づいて画像解析を行う。また、情報処理装置１００のアプリケーション２０２Ａは、撮像装置２０２により撮像される映像に基づいて画像解析を行う。また、情報処理装置１００のアプリケーション２０３Ａは、撮像装置２０３により撮像される映像に基づいて画像解析を行う。
【0080】
情報処理装置１００は、アプリケーションの稼働情報を収集する。具体的には、情報処理装置１００は、各コンテナ（モジュール）個別のリソース使用量に関する情報（例えば、ＣＰＵ使用率、ＧＰＵ使用率、メモリ使用率等）を収集する（図８の（１））。なお、図８における情報処理装置１００のリソース使用量は、ＣＭ Ｍｏｄｕｌｅが２０％、アプリケーション２０１Ａが６０％、アプリケーション２０２Ａが１０％、アプリケーション２０３Ａが１０％である。
【0081】
情報処理装置１００は、収集されたアプリケーションの稼働情報を用いて、所定の判定を実施する。具体的には、情報処理装置１００は、アプリケーションの稼働情報に含まれるアプリケーションのリソース使用量が予め設定された所定の閾値を超過したか否かを判定する。例えば、所定の閾値として「リソース使用量３０％」と定められている場合、情報処理装置１００は、アプリケーション２０１Ａのリソース使用量「６０％」であるためリソース使用量の閾値を超えていると判定できる。
【0082】
情報処理装置１００は、前述の判定結果に基づきアプリケーションのリソース使用量の抑制に関する情報を外部装置３００に出力する（図８の（２））。
【0083】
例えば、アプリケーション２０１Ａを正常に稼働させる場合、情報処理装置１００は、第１の提案情報を出力する。具体例として、情報処理装置１００は、アプリケーション２０２Ａとアプリケーション２０３Ａを停止するという提案情報を出力してよい。また、情報処理装置１００は、アプリケーション２０１Ａを正常に稼働させる場合、アプリケーション２０１Ａのカメラ設定値を調整（例えば、低解像度への変更等）するという提案情報を出力してよい。
【0084】
他方で、アプリケーション２０２Ａとアプリケーション２０２Ａとを正常に稼働させる場合、情報処理装置１００は、第２の提案情報を出力する。具体例として、情報処理装置１００は、アプリケーション２０１Ａを停止するという提案情報を出力してよい。また、情報処理装置１００は、アプリケーション２０２Ａとアプリケーション２０２Ａとを正常に稼働させる場合、アプリケーション２０２Ａとアプリケーション２０２Ａとのカメラ設定値を調整（例えば、低解像度への変更等）するという提案情報を出力してよい。
【0085】
外部装置３００は、情報処理装置１００から出力されたリソース使用量の抑制に関する情報を受け付け、管理者等の端末装置１０に表示する（図８の（３））。例えば図８の例において、外部装置３００は、第１の提案情報（図８の（４））と第２の提案情報（図８の（５））とを管理者等の端末装置１０に表示する。なお、前述した第１の提案情報と第２の提案情報とはあくまで一例であり、情報処理装置１００により出力され、更に外部装置３００により表示されるリソース使用量の抑制に関する情報は、内容や数について特に限定されない。
【0086】
〔３－２．画像解析システムの構成〕
ここから、第２の実施形態に係る画像解析システム１について説明する。図９は、第２の実施形態に係る画像解析システムの装置構成例を示す図である。図９に示すように、画像解析システム１は、情報処理装置１００と撮像装置２００と、情報処理装置１００と外部装置３００とが所定のネットワークＮＷを介して接続された構成を有する。
ここから、第２の実施形態に係る画像解析システム１について説明する。図９は、第２の実施形態に係る画像解析システムの装置構成例を示す図である。図９に示すように、画像解析システム１は、情報処理装置１００と撮像装置２００と、情報処理装置１００と外部装置３００とが所定のネットワークＮＷを介して接続された構成を有する。
【0087】
〔３－２－１．情報処理装置の構成〕
次に、第２の実施形態に係る画像解析システム１に含まれる情報処理装置１００について説明する。図９に示すように、情報処理装置１００は、通信部１１０と、記憶部１２０と、制御部１３０とを有する。なお、第１の実施形態と同様の機能を有する機能部の説明については省略する。
次に、第２の実施形態に係る画像解析システム１に含まれる情報処理装置１００について説明する。図９に示すように、情報処理装置１００は、通信部１１０と、記憶部１２０と、制御部１３０とを有する。なお、第１の実施形態と同様の機能を有する機能部の説明については省略する。
【0088】
（記憶部１２０について）
第２の実施形態に係る記憶部１２０は、稼働情報記憶部１２１と、リソース使用量閾値記憶部１２２とを有する。
第２の実施形態に係る記憶部１２０は、稼働情報記憶部１２１と、リソース使用量閾値記憶部１２２とを有する。
【0089】
（稼働情報記憶部１２１について）
第２の実施形態に係る稼働情報記憶部１２１は、アプリケーションの稼働情報として、後述の判定部１３３による所定の判定のための用いられるリソース使用量１２１ｃを記憶する。
第２の実施形態に係る稼働情報記憶部１２１は、アプリケーションの稼働情報として、後述の判定部１３３による所定の判定のための用いられるリソース使用量１２１ｃを記憶する。
【0090】
（リソース使用量１２１ｃについて）
リソース使用量１２１ｃは、情報処理装置１００のリソース使用量に関する情報である。例えば、リソース使用量１２１ｃは、ＣＰＵ使用率、ＧＰＵ使用率、メモリ使用率等が含まれていてよい。なお、稼働情報記憶部１２１は、前述した各使用率に限定されず、リソース使用量に関する情報の範疇に含まれる情報であれば記憶することができる。
リソース使用量１２１ｃは、情報処理装置１００のリソース使用量に関する情報である。例えば、リソース使用量１２１ｃは、ＣＰＵ使用率、ＧＰＵ使用率、メモリ使用率等が含まれていてよい。なお、稼働情報記憶部１２１は、前述した各使用率に限定されず、リソース使用量に関する情報の範疇に含まれる情報であれば記憶することができる。
【0091】
（リソース使用量閾値記憶部１２２について）
リソース使用量閾値記憶部１２２は、アプリケーションのリソース使用量の閾値に関する情報を記憶する。例えば、リソース使用量閾値記憶部１２２は、後述の判定部１３３による所定の判定のために用いられるＣＰＵ使用率閾値１２２ａと、ＧＰＵ使用率閾値１２２ｂと、メモリ使用率閾値１２２ｃとを記憶できる。
リソース使用量閾値記憶部１２２は、アプリケーションのリソース使用量の閾値に関する情報を記憶する。例えば、リソース使用量閾値記憶部１２２は、後述の判定部１３３による所定の判定のために用いられるＣＰＵ使用率閾値１２２ａと、ＧＰＵ使用率閾値１２２ｂと、メモリ使用率閾値１２２ｃとを記憶できる。
【0092】
（ＣＰＵ使用率閾値１２２ａについて）
ＣＰＵ使用率閾値１２２ａは、情報処理装置１００で稼働するアプリケーションごとのＣＰＵ使用率について予め設定された閾値である。例えば、ＣＰＵ使用率閾値１２２ａは、ＣＰＵ使用率閾値の値として「３０％」といった情報を含んでよい。なお、ＣＰＵ使用率閾値１２２ａは、前述したＣＰＵ使用率閾値の値に限定されず、必要に応じた値を設定できる。
ＣＰＵ使用率閾値１２２ａは、情報処理装置１００で稼働するアプリケーションごとのＣＰＵ使用率について予め設定された閾値である。例えば、ＣＰＵ使用率閾値１２２ａは、ＣＰＵ使用率閾値の値として「３０％」といった情報を含んでよい。なお、ＣＰＵ使用率閾値１２２ａは、前述したＣＰＵ使用率閾値の値に限定されず、必要に応じた値を設定できる。
【0093】
（ＧＰＵ使用率閾値１２２ｂについて）
ＧＰＵ使用率閾値１２２ｂは、情報処理装置１００で稼働するアプリケーションごとのＧＰＵ使用率について予め設定された閾値である。例えば、ＧＰＵ使用率閾値１２２ｂは、ＧＰＵ使用率閾値の値として「３０％」といった情報を含んでよい。なお、ＧＰＵ使用率閾値１２２ｂは、前述したＧＰＵ使用率閾値の値に限定されず、必要に応じた値を設定できる。
ＧＰＵ使用率閾値１２２ｂは、情報処理装置１００で稼働するアプリケーションごとのＧＰＵ使用率について予め設定された閾値である。例えば、ＧＰＵ使用率閾値１２２ｂは、ＧＰＵ使用率閾値の値として「３０％」といった情報を含んでよい。なお、ＧＰＵ使用率閾値１２２ｂは、前述したＧＰＵ使用率閾値の値に限定されず、必要に応じた値を設定できる。
【0094】
（メモリ使用率閾値１２２ｃについて）
メモリ使用率閾値１２２ｃは、情報処理装置１００で稼働するアプリケーションごとのメモリ使用率について予め設定された閾値である。例えば、メモリ使用率閾値１２２ｃは、メモリ使用率閾値の値として「３０％」といった情報を含んでよい。なお、メモリ使用率閾値１２２ｃは、前述したメモリ使用率閾値の値に限定されず、必要に応じた値を設定できる。
メモリ使用率閾値１２２ｃは、情報処理装置１００で稼働するアプリケーションごとのメモリ使用率について予め設定された閾値である。例えば、メモリ使用率閾値１２２ｃは、メモリ使用率閾値の値として「３０％」といった情報を含んでよい。なお、メモリ使用率閾値１２２ｃは、前述したメモリ使用率閾値の値に限定されず、必要に応じた値を設定できる。
【0095】
（制御部１３０について）
第２の実施形態に係る制御部１３０は、収集部１３１と、判定部１３３と、出力部１３７とを有する。
第２の実施形態に係る制御部１３０は、収集部１３１と、判定部１３３と、出力部１３７とを有する。
【0096】
（収集部１３１について）
第２の実施形態に係る収集部１３１は、アプリケーションの稼働情報として情報処理装置１００のリソース使用量１２１ｃを収集する。例えば、収集部１３１は、前述のリソース使用量１２１ｃとしてＣＰＵ使用率、ＧＰＵ使用率、メモリ使用率等を収集できる。なお、収集部１３１は、前述した各使用率に限定されず、リソース使用量に関する情報の範疇に含まれる情報であれば記憶することができる。
第２の実施形態に係る収集部１３１は、アプリケーションの稼働情報として情報処理装置１００のリソース使用量１２１ｃを収集する。例えば、収集部１３１は、前述のリソース使用量１２１ｃとしてＣＰＵ使用率、ＧＰＵ使用率、メモリ使用率等を収集できる。なお、収集部１３１は、前述した各使用率に限定されず、リソース使用量に関する情報の範疇に含まれる情報であれば記憶することができる。
【0097】
（判定部１３３について）
第２の実施形態に係る判定部１３３は、収集部１３１により収集されたアプリケーションの稼働情報に基づき、所定の判定としてアプリケーションのリソース使用量が所定の閾値を超えたか否かを判定する。例えば、判定部１３３は、予め設定されたアプリケーションのＣＰＵ使用率閾値が「３０％」に基づいて、対象のアプリケーションのＣＰＵ使用率が「３０％」を超える場合に所定の閾値を超えたと判定できる。
第２の実施形態に係る判定部１３３は、収集部１３１により収集されたアプリケーションの稼働情報に基づき、所定の判定としてアプリケーションのリソース使用量が所定の閾値を超えたか否かを判定する。例えば、判定部１３３は、予め設定されたアプリケーションのＣＰＵ使用率閾値が「３０％」に基づいて、対象のアプリケーションのＣＰＵ使用率が「３０％」を超える場合に所定の閾値を超えたと判定できる。
【0098】
なお、判定部１３３は、前述したＣＰＵ使用率に関する判定結果のみならず、ＧＰＵ使用率やメモリ使用率等に関する情報に基づいて、所定の閾値を超えたか否かを判定してもよい。
【0099】
（出力部１３７について）
出力部１３７は、判定部１３３によりリソース使用量が閾値を超えたと判定された場合に、リソース使用量の抑制に関する情報を外部装置３００に出力する。具体的には、出力部１３７は、判定部１３３により対象のアプリケーションのＣＰＵ使用率が閾値を超えていると判定された場合、他のアプリケーションを停止や当該アプリケーションの設定の変更等のリソース使用量の抑制に関する情報を外部装置３００に出力できる。
出力部１３７は、判定部１３３によりリソース使用量が閾値を超えたと判定された場合に、リソース使用量の抑制に関する情報を外部装置３００に出力する。具体的には、出力部１３７は、判定部１３３により対象のアプリケーションのＣＰＵ使用率が閾値を超えていると判定された場合、他のアプリケーションを停止や当該アプリケーションの設定の変更等のリソース使用量の抑制に関する情報を外部装置３００に出力できる。
【0100】
なお、出力部１３７は、前述したＣＰＵ使用率に関する判定結果のみならず、ＧＰＵ使用率やメモリ使用率等に関する判定結果に基づいて、リソース使用量の抑制に関する情報を外部装置３００に出力してよい。
【0101】
〔３－２－２．撮像装置の構成〕
次に、第２の実施形態に係る画像解析システム１に含まれる撮像装置２００について説明する。撮像装置２００は、情報処理装置１００で稼働するアプリケーションによる画像解析に用いられる映像を撮像する。そして、図９に示すように、撮像装置２００は、通信部２１０と、記憶部２２０と、制御部２３０とを有する。なお、第２の実施形態の撮像装置２００は、第１の実施形態の撮像装置２００と同様の機能を有するため、各機能部の詳細な説明については省略する。
次に、第２の実施形態に係る画像解析システム１に含まれる撮像装置２００について説明する。撮像装置２００は、情報処理装置１００で稼働するアプリケーションによる画像解析に用いられる映像を撮像する。そして、図９に示すように、撮像装置２００は、通信部２１０と、記憶部２２０と、制御部２３０とを有する。なお、第２の実施形態の撮像装置２００は、第１の実施形態の撮像装置２００と同様の機能を有するため、各機能部の詳細な説明については省略する。
【0102】
〔３－２－３．外部装置の構成〕
次に、第２の実施形態に係る画像解析システム１に含まれる外部装置３００について説明する。図９は、第２の実施形態に係る外部装置３００の構成例を示す図である。図９に示すように、外部装置３００は、通信部３１０と、記憶部３２０と、制御部３３０とを有する。なお、第１の実施形態と同様の機能を有する機能部の説明については省略する。
次に、第２の実施形態に係る画像解析システム１に含まれる外部装置３００について説明する。図９は、第２の実施形態に係る外部装置３００の構成例を示す図である。図９に示すように、外部装置３００は、通信部３１０と、記憶部３２０と、制御部３３０とを有する。なお、第１の実施形態と同様の機能を有する機能部の説明については省略する。
【0103】
（記憶部３２０について）
第２の実施形態に係る記憶部３２０は、制御部３３０が外部装置３００としての機能を実現するための処理プログラム、およびデータ等を記憶する。
第２の実施形態に係る記憶部３２０は、制御部３３０が外部装置３００としての機能を実現するための処理プログラム、およびデータ等を記憶する。
【0104】
（制御部３３０について）
第２の実施形態に係る制御部３３０は、表示部３３３を有する。
第２の実施形態に係る制御部３３０は、表示部３３３を有する。
【0105】
（表示部３３３について）
表示部３３３は、情報処理装置１００から出力されたリソース使用量の抑制に関する情報を表示する。例えば、表示部３３３は、情報処理装置１００から前述のリソース使用量の抑制に関する情報を受け付けた場合、管理者等の端末装置１０に表示することができる。
表示部３３３は、情報処理装置１００から出力されたリソース使用量の抑制に関する情報を表示する。例えば、表示部３３３は、情報処理装置１００から前述のリソース使用量の抑制に関する情報を受け付けた場合、管理者等の端末装置１０に表示することができる。
【0106】
なお、表示部３３３は、前述したＣＰＵ使用率に関する判定結果のみならず、ＧＰＵ使用率やメモリ使用率等に関する判定結果に基づいて、リソース使用量の抑制に関する情報を表示してよい。また、表示部３３３は、リソース使用量の抑制に関する情報に限定されず、必要に応じてその他の情報を端末装置１０にリソース使用量の抑制のための提案情報等を表示することができる。
【0107】
〔４．処理手順〕
ここから、本実施形態に係る情報処理装置１００による情報処理の手順について説明する。なお、実施形態は、第１の実施形態と第２の実施形態に分けられることから、処理手順を示すフローチャートについても実施形態ごとに説明する。なお、以下に記載する各ステップは、異なる順序で実行されてもよいし、省略される処理があってもよい。また、第１の実施形態と第２の実施形態、および後述の変形例の処理手順を適宜組み合わせて実施されてよい。
ここから、本実施形態に係る情報処理装置１００による情報処理の手順について説明する。なお、実施形態は、第１の実施形態と第２の実施形態に分けられることから、処理手順を示すフローチャートについても実施形態ごとに説明する。なお、以下に記載する各ステップは、異なる順序で実行されてもよいし、省略される処理があってもよい。また、第１の実施形態と第２の実施形態、および後述の変形例の処理手順を適宜組み合わせて実施されてよい。
【0108】
（第１の実施形態）
図１０は、第１の実施形態に係る情報処理手順の一例を示すフローチャートである。まず、収集部１３１は、アプリケーションの稼働情報を収集する（ステップＳ１０１）。判定部１３３は、収集部１３１により収集されたアプリケーションの稼働情報に基づき、アプリケーションが所定のリソース使用量の閾値を超えたことによる停止であると判定する（ステップＳ１０２のＹｅｓ）。
図１０は、第１の実施形態に係る情報処理手順の一例を示すフローチャートである。まず、収集部１３１は、アプリケーションの稼働情報を収集する（ステップＳ１０１）。判定部１３３は、収集部１３１により収集されたアプリケーションの稼働情報に基づき、アプリケーションが所定のリソース使用量の閾値を超えたことによる停止であると判定する（ステップＳ１０２のＹｅｓ）。
【0109】
さらに、外部装置３００により推論が実施されない場合（ステップＳ１０３のＮｏ）、情報処理装置１００の推論部１３４は、アプリケーションの稼働情報を用いてアプリケーションの稼働条件の推論する（ステップＳ１０４）。
【0110】
他方、外部装置３００により推論が実施される場合（ステップＳ１０３のＹｅｓ）、送信部１３２は、アプリケーションの稼働情報を外部装置３００に送信する（ステップＳ１０５）。外部装置３００の推論部３３２は、受付部３３１により受け付けられたアプリケーションの稼働情報に基づきアプリケーションの稼働条件の推論する（ステップＳ１０６）。取得部１３５は、外部装置３００の推論部３３２により推論されたアプリケーションの稼働条件を、外部装置３００から取得する（ステップＳ１０７）。
【0111】
次に、設定部１３６は、情報処理装置１００の推論部１３４または外部装置３００の推論部３３２により推論されたアプリケーションの稼働条件を該当のアプリケーションを稼働するコンテナに設定し（ステップＳ１０８）、工程を終了する。
【0112】
他方で、判定部１３３は、収集部１３１により収集されたアプリケーションの稼働情報に基づき、アプリケーションが所定のリソース使用量の閾値を超えたことによる停止ではないと判定する（ステップＳ１０２のＮｏ）。その場合は、そのまま工程を終了する。
【0113】
（第２の実施形態）
図１１は、第２の実施形態に係る情報処理手順の一例を示すフローチャートである。まず、収集部１３１は、アプリケーションの稼働情報を収集する（ステップＳ２０１）。判定部１３３は、収集部１３１により収集されたアプリケーションの稼働情報に基づき、アプリケーションのリソース使用量が所定の閾値を超過するか否かを判定する（ステップＳ２０２）。
図１１は、第２の実施形態に係る情報処理手順の一例を示すフローチャートである。まず、収集部１３１は、アプリケーションの稼働情報を収集する（ステップＳ２０１）。判定部１３３は、収集部１３１により収集されたアプリケーションの稼働情報に基づき、アプリケーションのリソース使用量が所定の閾値を超過するか否かを判定する（ステップＳ２０２）。
【0114】
ここで、判定部１３３は、アプリケーションのリソース使用量が所定の閾値を超過していると判定する（ステップＳ２０２のＹｅｓ）。その場合、出力部１３７は、アプリケーションのリソース使用量を抑制に関する情報を、外部装置３００に出力する（ステップＳ２０３）。表示部３３３は、出力部１３７により出力されたアプリケーションのリソース使用量を抑制に関する情報を端末装置１０に表示し（ステップＳ２０４）、工程を終了する。
【0115】
他方、判定部１３３は、アプリケーションのリソース使用量が所定の閾値を超過していないと判定する（ステップＳ２０３のＮｏ）。その場合は、そのまま工程を終了する。
【0116】
〔５．変形例〕
ここから、本実施形態の情報処理装置１００により実現される変形例について説明を行う。変形例は、予め設定された条件に基づいてアプリケーションの動作、またはアプリケーションもしくはデバイスを停止する実施形態である。
ここから、本実施形態の情報処理装置１００により実現される変形例について説明を行う。変形例は、予め設定された条件に基づいてアプリケーションの動作、またはアプリケーションもしくはデバイスを停止する実施形態である。
【0117】
変形例は、「第１の変形例：アプリケーションの優先度に基づくアプリケーションの推論の停止」と、「第２の変形例：アプリケーションの優先度に基づくアプリケーションまたはモジュールの停止」と、「第３の変形例：カメラの優先度に基づく対象のカメラの停止」とに分けられる。なお、変形例はそれぞれ単独で実施されてもよいし、複数の変形例を組み合わせて実施されてもよい。また、変形例に係る実施形態は、前述の第１の実施形態または第２の実施形態と複数組み合わせて実施されてもよい。
【0118】
〔５－１．変形例の概要〕
ここで、変形例の概要について説明する。変形例は、アプリケーションのリソース使用量が所定の閾値を超過した場合に、予め設定されたアプリケーションの優先度に基づき対象のアプリケーションの推論、もしくはアプリケーションまたはモジュールを停止する実施形態である。さらに、変形例は、アプリケーションのリソース使用量が所定の閾値を超過した場合に、予め設定されたカメラの優先度に基づきカメラを停止する実施形態である。
ここで、変形例の概要について説明する。変形例は、アプリケーションのリソース使用量が所定の閾値を超過した場合に、予め設定されたアプリケーションの優先度に基づき対象のアプリケーションの推論、もしくはアプリケーションまたはモジュールを停止する実施形態である。さらに、変形例は、アプリケーションのリソース使用量が所定の閾値を超過した場合に、予め設定されたカメラの優先度に基づきカメラを停止する実施形態である。
【0119】
〔５－１－１．第１の変形例〕
次に、図１２を用いて、「第１の変形例：アプリケーションの優先度に基づくアプリケーションの推論の停止」について説明する。図１２は、第１の変形例に係る情報処理の概要を示す図である。なお、図１２から図１４における、画像解析システム１の処理は、図３の内容と同様のため省略する。
次に、図１２を用いて、「第１の変形例：アプリケーションの優先度に基づくアプリケーションの推論の停止」について説明する。図１２は、第１の変形例に係る情報処理の概要を示す図である。なお、図１２から図１４における、画像解析システム１の処理は、図３の内容と同様のため省略する。
【0120】
図１２に示す第１の変形例では、予め設定されたアプリ優先度１２３ａに基づいて、対象となるアプリケーションの推論を停止する。具体的には、情報処理装置１００は、アプリ優先度１２３ａに含まれる「優先度Ａ」が「アプリケーション２０１Ａ」、「優先度Ｂ」が「アプリケーション２０２Ａ，アプリケーション２０３Ａ」という情報に基づき対象のアプリケーションの推論を停止する。例えば、情報処理装置１００は、前述の優先度に基づきアプリケーション２０２Ａとアプリケーション２０３Ａの推論を停止してよい。
【0121】
〔５－１－２．第２の変形例〕
次に、図１３を用いて、「第２の変形例：アプリケーションの優先度に基づくアプリケーションまたはモジュールの停止」について説明する。図１３は、第２の変形例に係る情報処理の概要を示す図である。
次に、図１３を用いて、「第２の変形例：アプリケーションの優先度に基づくアプリケーションまたはモジュールの停止」について説明する。図１３は、第２の変形例に係る情報処理の概要を示す図である。
【0122】
【0123】
具体的には、情報処理装置１００は、アプリ優先度１２３ａに含まれる「優先度Ａ」が「アプリケーション２０１Ａ」、「優先度Ｂ」が「アプリケーション２０２Ａ，アプリケーション２０３Ａ」という情報に基づき対象のアプリケーションまたはモジュールを停止する。例えば、情報処理装置１００は、前述の優先度に基づき、アプリケーション２０２Ａとアプリケーション２０３Ａ、またはアプリケーション２０２Ａとアプリケーション２０３Ａのモジュールを停止してよい。
【0124】
【0125】
図１４に示す第３の変形例では、予め設定されたカメラ優先度１２３ｂに基づいて、対象となるカメラ（撮像装置２００）を停止する。具体的には、情報処理装置１００は、カメラ優先度１２３ｂに含まれる「優先度Ａ」が「撮像装置２０１」、「優先度Ｂ」が「撮像装置２０２」、「優先度Ｃ」が「撮像装置２０３」という情報に基づき対象の撮像装置２００を停止する。例えば、情報処理装置１００は、前述の優先度に基づき、撮像装置２０２と撮像装置２０３とを停止してよい。
【0126】
〔５－２．画像解析システムの構成〕
次に、変形例に係る画像解析システム１について説明する。図１５は、変形例に係る画像解析システム１の構成例を示す図である。図１５に示すように、変形例に係る画像解析システム１は、情報処理装置１００と撮像装置２００と、情報処理装置１００と外部装置３００とが所定のネットワークＮＷを介して接続された構成を有する。
次に、変形例に係る画像解析システム１について説明する。図１５は、変形例に係る画像解析システム１の構成例を示す図である。図１５に示すように、変形例に係る画像解析システム１は、情報処理装置１００と撮像装置２００と、情報処理装置１００と外部装置３００とが所定のネットワークＮＷを介して接続された構成を有する。
【0127】
〔５－２－１．情報処理装置の構成〕
次に、変形例に係る画像解析システム１に含まれる情報処理装置１００について説明する。図１５に示すように、情報処理装置１００は、通信部１１０と、記憶部１２０と、制御部１３０とを有する。なお、変形例に係る情報処理装置１００は、第１の実施形態と同様の機能で実現可能である。そのため、本項目では、第１の実施形態の情報処理装置１００と同様の機能部については説明を省略する。
次に、変形例に係る画像解析システム１に含まれる情報処理装置１００について説明する。図１５に示すように、情報処理装置１００は、通信部１１０と、記憶部１２０と、制御部１３０とを有する。なお、変形例に係る情報処理装置１００は、第１の実施形態と同様の機能で実現可能である。そのため、本項目では、第１の実施形態の情報処理装置１００と同様の機能部については説明を省略する。
【0128】
（記憶部１２０について）
変形例に係る記憶部１２０は、稼働情報記憶部１２１と、リソース使用量閾値記憶部と、稼働条件記憶部１２３とを有する。
変形例に係る記憶部１２０は、稼働情報記憶部１２１と、リソース使用量閾値記憶部と、稼働条件記憶部１２３とを有する。
【0129】
（リソース使用量閾値記憶部１２２について）
変形例に係るリソース使用量閾値記憶部１２２は、アプリケーションのリソース使用量の閾値に関する情報を記憶する。例えば、リソース使用量閾値記憶部１２２は、後述の判定部１３３による所定の判定のために用いられるＣＰＵ使用率閾値１２２ａと、ＧＰＵ使用率閾値１２２ｂと、メモリ使用率閾値１２２ｃとを記憶できる。なお、変形例に係るリソース使用量閾値記憶部１２２は、実施形態２と同様の機能を有するため詳細な説明は省略する。
変形例に係るリソース使用量閾値記憶部１２２は、アプリケーションのリソース使用量の閾値に関する情報を記憶する。例えば、リソース使用量閾値記憶部１２２は、後述の判定部１３３による所定の判定のために用いられるＣＰＵ使用率閾値１２２ａと、ＧＰＵ使用率閾値１２２ｂと、メモリ使用率閾値１２２ｃとを記憶できる。なお、変形例に係るリソース使用量閾値記憶部１２２は、実施形態２と同様の機能を有するため詳細な説明は省略する。
【0130】
（稼働条件記憶部１２３について）
変形例に係る稼働条件記憶部１２３は、後述の判定部１３３による判定のために用いられる各アプリケーションまたはカメラ（撮像装置２００）の優先度を記憶する。具体的には、稼働条件記憶部１２３は、アプリ優先度１２３ａとカメラ優先度１２３ｂとを記憶する。
変形例に係る稼働条件記憶部１２３は、後述の判定部１３３による判定のために用いられる各アプリケーションまたはカメラ（撮像装置２００）の優先度を記憶する。具体的には、稼働条件記憶部１２３は、アプリ優先度１２３ａとカメラ優先度１２３ｂとを記憶する。
【0131】
（アプリ優先度１２３ａについて）
アプリ優先度１２３ａは、アプリケーションごとに予め設定されるアプリケーションの優先度に関する情報である。なお、ここでいうアプリケーションごとの優先度とは、機能や役割の重要度に基づき設定されるアプリケーションごとの稼働および機能維持等の優先度である。
アプリ優先度１２３ａは、アプリケーションごとに予め設定されるアプリケーションの優先度に関する情報である。なお、ここでいうアプリケーションごとの優先度とは、機能や役割の重要度に基づき設定されるアプリケーションごとの稼働および機能維持等の優先度である。
【0132】
例えば図１２に示す通り、アプリ優先度１２３ａは、「優先度」と「アプリケーション名」といった項目を含んでよい。
【0133】
（カメラ優先度１２３ｂについて）
カメラ優先度１２３ｂは、カメラ（撮像装置２００）ごとに予め設定されるカメラの優先度に関する情報である。なお、ここでいうカメラ（撮像装置２００）ごとの優先度とは、機能や役割の重要度に基づき設定されるカメラ（撮像装置２００）ごとの稼働および機能維持等の優先度である。
カメラ優先度１２３ｂは、カメラ（撮像装置２００）ごとに予め設定されるカメラの優先度に関する情報である。なお、ここでいうカメラ（撮像装置２００）ごとの優先度とは、機能や役割の重要度に基づき設定されるカメラ（撮像装置２００）ごとの稼働および機能維持等の優先度である。
【0134】
例えば図１４に示す通り、カメラ優先度１２３ｂは、「優先度」と「カメラ名」といった項目を含んでよい。
【0135】
（制御部１３０について）
変形例に係る制御部１３０は、収集部１３１と、判定部１３３と、停止部１３８とを有する。
変形例に係る制御部１３０は、収集部１３１と、判定部１３３と、停止部１３８とを有する。
【0136】
（判定部１３３について）
変形例に係る判定部１３３は、収集部１３１により収集されたアプリケーションの稼働情報に基づき、所定の判定としてアプリケーションのリソース使用量が所定の閾値を超えたか否かを判定する。なお、判定部１３３は、前述したＣＰＵ使用率に関する判定結果のみならず、ＧＰＵ使用率やメモリ使用率等に関する情報に基づいて、所定の閾値を超えたか否かを判定してもよい。
変形例に係る判定部１３３は、収集部１３１により収集されたアプリケーションの稼働情報に基づき、所定の判定としてアプリケーションのリソース使用量が所定の閾値を超えたか否かを判定する。なお、判定部１３３は、前述したＣＰＵ使用率に関する判定結果のみならず、ＧＰＵ使用率やメモリ使用率等に関する情報に基づいて、所定の閾値を超えたか否かを判定してもよい。
【0137】
（停止部１３８について）
停止部１３８は、判定部１３３の判定結果に基づき、アプリケーションと、モジュールと、カメラの１つまたは複数の組み合わせを停止する。
停止部１３８は、判定部１３３の判定結果に基づき、アプリケーションと、モジュールと、カメラの１つまたは複数の組み合わせを停止する。
【0138】
具体的には、停止部１３８は、判定部１３３によりアプリケーションのリソース使用量が所定の閾値を超えたと判定された場合、アプリ優先度１２３ａに基づいてアプリケーションの推論、もしくはアプリケーションまたはモジュールを停止する。例えば、停止部１３８は、アプリ優先度１２３ａに含まれるアプリケーション２０１Ａの優先度が「優先度Ａ」という条件に基づき、アプリケーション２０２Ａおよびアプリケーション２０３Ａの推論、もしくはアプリケーションまたはモジュール自体を停止してよい。
【0139】
他方、停止部１３８は、判定部１３３によりアプリケーションのリソース使用量が所定の閾値を超えたと判定された場合、カメラ優先度１２３ｂに基づいて、対象のカメラ（撮像装置２００）を停止する。例えば、停止部１３８は、カメラ優先度１２３ｂに含まれる撮像装置２０１の優先度が「優先度Ａ」という条件に基づき、撮像装置２０２および撮像装置２０３自体を停止してよい。
【0140】
〔５－２－２．撮像装置の構成〕
次に、変形例に係る画像解析システム１に含まれる撮像装置２００について説明する。変形例の撮像装置２００は、情報処理装置１００で稼働するアプリケーションによる画像解析に用いられる映像を撮像する。そして、図１５に示すように、撮像装置２００は、通信部２１０と、記憶部２２０と、制御部２３０とを有する。なお、変形例の撮像装置２００は、第１の実施形態の撮像装置２００と同様の機能を有するため、各機能部の詳細な説明については省略する。
次に、変形例に係る画像解析システム１に含まれる撮像装置２００について説明する。変形例の撮像装置２００は、情報処理装置１００で稼働するアプリケーションによる画像解析に用いられる映像を撮像する。そして、図１５に示すように、撮像装置２００は、通信部２１０と、記憶部２２０と、制御部２３０とを有する。なお、変形例の撮像装置２００は、第１の実施形態の撮像装置２００と同様の機能を有するため、各機能部の詳細な説明については省略する。
【0141】
〔５－２－３．外部装置の構成〕
次に、変形例に係る画像解析システム１に含まれる外部装置３００について説明する。図１５に示すように、外部装置３００は、通信部３１０と、記憶部３２０と、制御部３３０とを有する。なお、変形例に係る外部装置３００は、表示部３３３を有さない点を除いて第２の実施形態と同様の機能で実現可能である。そのため、外部装置３００についての詳細な説明は省略する。また、外部装置３００は、情報処理装置１００の判定部１３３と同様の機能を有する場合に、情報処理装置１００の代わりに所定の判定処理を行ってもよい。
次に、変形例に係る画像解析システム１に含まれる外部装置３００について説明する。図１５に示すように、外部装置３００は、通信部３１０と、記憶部３２０と、制御部３３０とを有する。なお、変形例に係る外部装置３００は、表示部３３３を有さない点を除いて第２の実施形態と同様の機能で実現可能である。そのため、外部装置３００についての詳細な説明は省略する。また、外部装置３００は、情報処理装置１００の判定部１３３と同様の機能を有する場合に、情報処理装置１００の代わりに所定の判定処理を行ってもよい。
【0142】
〔５－３．変形例の処理手順〕
ここから、変形例の処理手順について説明する。図１６は、変形例に係る情報処理手順の一例を示すフローチャートである。なお、以下に記載する各ステップは、異なる順序で実行されてもよいし、省略される処理があってもよい。また、第１の実施形態と第２の実施形態、および変形例の処理手順を適宜組み合わせて実施されてよい。
ここから、変形例の処理手順について説明する。図１６は、変形例に係る情報処理手順の一例を示すフローチャートである。なお、以下に記載する各ステップは、異なる順序で実行されてもよいし、省略される処理があってもよい。また、第１の実施形態と第２の実施形態、および変形例の処理手順を適宜組み合わせて実施されてよい。
【0143】
まず、収集部１３１は、アプリケーションの稼働情報を収集する（ステップＳ３０１）。判定部１３３は、収集部１３１により収集されたアプリケーションの稼働情報に基づき、アプリケーションのリソース使用量が所定の閾値を超過するか否かを判定する（ステップＳ３０２）。
【0144】
ここで、判定部１３３は、アプリケーションのリソース使用量が所定の閾値を超過していると判定する（ステップＳ３０２のＹｅｓ）。その場合、停止部１３８は、対象のアプリケーションとモジュールとカメラとの少なくともいずれか１つを停止して（ステップＳ３０３）、工程を終了する。
【0145】
他方、判定部１３３は、アプリケーションのリソース使用量が所定の閾値を超過していないと判定する（ステップＳ３０２のＮｏ）。その場合は、そのまま工程を終了する。
【0146】
〔６．効果〕
ここから、本実施形態の情報処理装置１００が提供する効果について説明する。まず、先だって図１７を用いて従来技術の課題について、補足して説明を行う。図１７は、本実施形態に係る従来技術の課題の一例を示す図である。
ここから、本実施形態の情報処理装置１００が提供する効果について説明する。まず、先だって図１７を用いて従来技術の課題について、補足して説明を行う。図１７は、本実施形態に係る従来技術の課題の一例を示す図である。
【0147】
図１７では、ＣＭ Ｍｏｄｕｌｅと、アプリケーション２０１Ａと、アプリケーション２０３Ａとの消費リソース量（１３ａ、１３ｃ、１３ｄ）は増加している。他方、アプリケーション２０２Ａの消費リソース量（１３ｂ）は減少している。そのため、ＣＭ Ｍｏｄｕｌｅが「処理ＦＰＳの低下（１４ａ）」、アプリケーション２０１Ａとアプリケーション２０３Ａとが「画像解析精度の低下（１４ｂ、１４ｄ）」、アプリケーション２０２Ａが「停止（１４ｃ）」という状況となっている。
【0148】
このように、消費リソース量の増加によるリソース使用量のひっ迫により管理者等が望まない事象が発生した場合でも、どのモジュールやアプリケーションがリソース使用量の削減におけるボトルネックとなっているかを判断することが困難であった。また、管理者等の操作によりボトルネックとなるモジュールが特定されたとしても、ボトルネックとなるモジュールに対するリソース使用量抑制の設定を、管理者等が適切なタイミングおよび方法で実施することが難しい場合があった。
【0149】
そこで、本実施形態の情報処理装置１００は、所定の撮像手段により撮像された映像についてアプリケーションを用いて分析し、該分析の結果についての情報提供を行う。情報処理装置１００の判定部１３３は、アプリケーションの稼働情報に基づき、所定の判定としてリソース使用量が所定の閾値を超過したか否かを判定する。情報処理装置１００の推論部１３４は、アプリケーションの稼働情報に基づき、学習モデルを用いてアプリケーションの稼働条件を推論する。情報処理装置１００の設定部１３６は、アプリケーションが停止した場合に、リソース使用量が所定の前記閾値を超過したという判定部１３３の判定結果に基づきアプリケーションの稼働条件を設定する。
【0150】
これにより、情報処理装置１００は、装置のリソース使用量が逼迫した場合にアプリケーションの停止を防ぐための対処の実施を容易とする、という効果を提供する。また、情報処理装置１００は、装置のリソース使用量が逼迫した場合にアプリケーションの停止を防ぐための対処の実施を容易とすることができるため、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」の達成に貢献できる。
【0151】
具体的には、情報処理装置１００は、アプリケーションの稼働情報を収集し、管理者等に当該情報を提供することにより、消費リソース量が増加によるリソース使用量のひっ迫により管理者等が望まない事象が発生した場合でも、どのモジュールやアプリケーションがボトルネックとなっているかを管理者等が判断することを容易とする、という効果を提供する。
【0152】
さらに、情報処理装置１００は、アプリケーションの稼働情報に基づき推論されたリソース使用量を抑制する条件が含まれたアプリケーションの稼働条件を、アプリケーションの稼働状況に併せて設定する。それにより、情報処理装置１００は、リソース使用量増加のボトルネックとなっているアプリケーションのリソース量削減を可能とする、という効果を提供する。
【0153】
また、情報処理装置１００の送信部１３２は、収集されたアプリケーションの稼働情報を、所定の外部装置３００に送信する。外部装置３００の推論部３３２は、複数の情報処理装置１００から受け付けた前述のアプリケーションの稼働情報を用いて、アプリケーションの稼働条件を推論する。
【0154】
情報処理装置１００の取得部１３５は、外部装置３００により推論されたアプリケーションの稼働条件を外部装置３００から取得する。設定部１３６は、判定部１３３の判定結果に基づいて、外部装置３００から取得されたアプリケーションの稼働条件を設定する。そのため、情報処理装置１００は、複数の情報処理装置１００から提供されたアプリケーションの稼働情報に基づくより精度の高い推論結果に基づいて、アプリケーションの稼働条件の設定が可能となる、という効果を提供する。
【0155】
さらに、情報処理装置１００の判定部１３３は、アプリケーションのリソース使用量が所定の閾値を超えたか否かを判定する。情報処理装置１００の出力部１３７は、判定部１３３によりリソース使用量が閾値を超えたと判定された場合に、リソース使用量の抑制に関する情報を出力する。そして、情報処理装置１００の管理者等は、出力されたソース使用量の抑制に関する情報に基づき、撮像装置２００の撮像条件やアプリケーションの稼働条件を変更することができる。そのため、情報処理装置１００は、装置のリソース使用量が逼迫した場合にアプリケーションの停止を防ぐための対処の実施を容易とする、という効果を提供する。
【0156】
また、情報処理装置１００の停止部１３８は、判定部１３３の判定結果に基づき、アプリケーションと、モジュールと、カメラデバイスの１つまたは複数の組み合わせを停止する。そのため、情報処理装置１００は、装置のリソース使用量が逼迫した場合にアプリケーションの停止を防ぐための対処の実施を容易とする、という効果を提供する。
【0157】
〔７．ハードウェア構成〕
前述してきた画像解析システム１に含まれる情報処理装置１００と撮像装置２００は、例えば、図１８に示すような構成のコンピュータ１０００によって実現される。以下、情報処理装置１００を例に挙げて説明する。図１８は、本実施形態に係る情報処理装置の機能を実現するコンピュータの一例を示すハードウェア構成図である。コンピュータ１０００は、ＣＰＵ１１００、ＲＡＭ１２００、ＲＯＭ１３００、ＨＤＤ１４００、通信インターフェイス（通信Ｉ／Ｆ）１５００、入出力インターフェイス（入出力Ｉ／Ｆ）１６００、およびメディアインターフェイス（メディアＩ／Ｆ）１７００を有する。
前述してきた画像解析システム１に含まれる情報処理装置１００と撮像装置２００は、例えば、図１８に示すような構成のコンピュータ１０００によって実現される。以下、情報処理装置１００を例に挙げて説明する。図１８は、本実施形態に係る情報処理装置の機能を実現するコンピュータの一例を示すハードウェア構成図である。コンピュータ１０００は、ＣＰＵ１１００、ＲＡＭ１２００、ＲＯＭ１３００、ＨＤＤ１４００、通信インターフェイス（通信Ｉ／Ｆ）１５００、入出力インターフェイス（入出力Ｉ／Ｆ）１６００、およびメディアインターフェイス（メディアＩ／Ｆ）１７００を有する。
【0158】
ＣＰＵ１１００は、ＲＯＭ１３００またはＨＤＤ１４００に格納されたプログラムに基づいて動作し、各部の制御を行う。ＲＯＭ１３００は、コンピュータ１０００の起動時にＣＰＵ１１００によって実行されるブートプログラムや、コンピュータ１０００のハードウェアに依存するプログラム等を格納する。
【0159】
ＨＤＤ１４００は、ＣＰＵ１１００によって実行されるプログラム、および係るプログラムによって使用されるデータ等を格納する。通信インターフェイス１５００は、所定のネットワークＮＷを介して他の機器からデータを受信してＣＰＵ１１００へ送り、ＣＰＵ１１００が生成したデータを所定のネットワークＮＷを介して他の機器へ送信する。
【0160】
ＣＰＵ１１００は、入出力インターフェイス１６００を介して、ディスプレイやプリンタ等の出力装置、およびキーボードやマウス等の入力装置を制御する。ＣＰＵ１１００は、入出力インターフェイス１６００を介して、入力装置からデータを取得する。また、ＣＰＵ１１００は、生成したデータについて入出力インターフェイス１６００を介して出力装置へ出力する。
【0161】
メディアインターフェイス１７００は、記録媒体１８００に格納されたプログラムまたはデータを読み取り、ＲＡＭ１２００を介してＣＰＵ１１００に提供する。ＣＰＵ１１００は、係るプログラムを、メディアインターフェイス１７００を介して記録媒体１８００からＲＡＭ１２００上にロードし、ロードしたプログラムを実行する。記録媒体１８００は、例えばＤＶＤ（Digital Versatile Disc）、ＰＤ（Phase change rewritable Disk）等の光学記録媒体、ＭＯ（Magneto-Optical disk）等の光磁気記録媒体、テープ媒体、磁気記録媒体、または半導体メモリ等である。
【0162】
例えば、コンピュータ１０００が情報処理装置１００として機能する場合、コンピュータ１０００のＣＰＵ１１００は、ＲＡＭ１２００上にロードされたプログラムを実行することにより、制御部１３０の機能を実現する。コンピュータ１０００のＣＰＵ１１００は、これらのプログラムを記録媒体１８００から読み取って実行するが、他の例として、他の装置から所定のネットワークＮＷを介してこれらのプログラムを取得してもよい。
【0163】
また、例えば、コンピュータ１０００が情報処理装置１００として機能する場合、コンピュータ１０００のＣＰＵ１１００は、ＲＡＭ１２００上にロードされたプログラムを実行することにより、制御部１３０の機能を実現する。
【0164】
〔８．その他〕
また、上記各実施形態において説明した処理のうち、自動的に行われるものとして説明した処理の全部または一部を手動的に行うこともでき、あるいは、手動的に行われるものとして説明した処理の全部または一部を公知の方法で自動的に行うこともできる。この他、上記文書中や図面中で示した処理手順、具体的名称、各種のデータやパラメータを含む情報については、特記する場合を除いて任意に変更することができる。例えば、各図に示した各種情報は、図示した情報に限られない。
また、上記各実施形態において説明した処理のうち、自動的に行われるものとして説明した処理の全部または一部を手動的に行うこともでき、あるいは、手動的に行われるものとして説明した処理の全部または一部を公知の方法で自動的に行うこともできる。この他、上記文書中や図面中で示した処理手順、具体的名称、各種のデータやパラメータを含む情報については、特記する場合を除いて任意に変更することができる。例えば、各図に示した各種情報は、図示した情報に限られない。
【0165】
また、図示した各装置の各構成要素は機能概念的なものであり、必ずしも物理的に図示の如く構成されていることを要しない。すなわち、各装置の分散・統合の具体的形態は図示のものに限られず、その全部または一部を、各種の負荷や使用状況等に応じて、任意の単位で機能的または物理的に分散・統合して構成することができる。
【0166】
また、上記各実施形態は、処理内容を矛盾させない範囲で適宜組み合わせることが可能である。
【0167】
以上、本実施形態のいくつかを図面に基づいて詳細に説明したが、これらは例示であり、発明の開示の欄に記載の態様を始めとして、当業者の知識に基づいて種々の変形、改良を施した他の形態で本発明を実施することが可能である。
【0168】
また、前述してきた「部（section、module、unit）」は、「手段」や「回路」等に読み替えることができる。例えば、選択部は、選択手段や選択回路に読み替えることができる。
【符号の説明】
【0169】
１０，１０Ａ，１０Ｂ，１０Ｃ 端末装置
１１ａ，１１ｂ モデル
１２，１２ａ，１２ｂ，１２ｃ，１２ｄ 人物
１００，１００Ａ，１００Ｂ 情報処理装置
１１０，２１０，３１０ 通信部
１２０，２２０，３２０ 記憶部
１２１ 稼働情報記憶部
１２１ａ，３２１ａ 処理ＦＰＳ
１２１ｂ，３２１ｂ カメラ設定値
１２１ｃ，３２１ｃ リソース使用量
１２２ リソース使用量閾値記憶部
１２２ａ ＣＰＵ使用率閾値
１２２ｂ ＧＰＵ使用率閾値
１２２ｃ メモリ使用率閾値
１２３ 稼働条件記憶部
１２３ａ アプリ優先度
１２３ｂ カメラ優先度
１３０，２３０，３３０ 制御部
１３１ 収集部
１３２ 送信部
１３３ 判定部
１３４，３３２ 推論部
１３５ 取得部
１３６ 設定部
１３７ 出力部
１３８ 停止部
２００，２０１，２０２，２０３ 撮像装置
２０１ａ，２０２ａ，２０３ａ モジュール
２０１Ａ，２０２Ａ，２０３Ａ アプリケーション
３００ 外部装置
３３１ 受付部
３３３ 表示部
９００ ネットワークハブ
１０００ コンピュータ
１１００ ＣＰＵ
１２００ ＲＡＭ
１３００ ＲＯＭ
１４００ ＨＤＤ
１５００ 通信インターフェイス
１６００ 入出力インターフェイス
１７００ メディアインターフェイス
１８００ 記録媒体
１１ａ，１１ｂ モデル
１２，１２ａ，１２ｂ，１２ｃ，１２ｄ 人物
１００，１００Ａ，１００Ｂ 情報処理装置
１１０，２１０，３１０ 通信部
１２０，２２０，３２０ 記憶部
１２１ 稼働情報記憶部
１２１ａ，３２１ａ 処理ＦＰＳ
１２１ｂ，３２１ｂ カメラ設定値
１２１ｃ，３２１ｃ リソース使用量
１２２ リソース使用量閾値記憶部
１２２ａ ＣＰＵ使用率閾値
１２２ｂ ＧＰＵ使用率閾値
１２２ｃ メモリ使用率閾値
１２３ 稼働条件記憶部
１２３ａ アプリ優先度
１２３ｂ カメラ優先度
１３０，２３０，３３０ 制御部
１３１ 収集部
１３２ 送信部
１３３ 判定部
１３４，３３２ 推論部
１３５ 取得部
１３６ 設定部
１３７ 出力部
１３８ 停止部
２００，２０１，２０２，２０３ 撮像装置
２０１ａ，２０２ａ，２０３ａ モジュール
２０１Ａ，２０２Ａ，２０３Ａ アプリケーション
３００ 外部装置
３３１ 受付部
３３３ 表示部
９００ ネットワークハブ
１０００ コンピュータ
１１００ ＣＰＵ
１２００ ＲＡＭ
１３００ ＲＯＭ
１４００ ＨＤＤ
１５００ 通信インターフェイス
１６００ 入出力インターフェイス
１７００ メディアインターフェイス
１８００ 記録媒体
【要約】
【課題】装置のリソース使用量が逼迫した場合にアプリケーションの停止を防ぐための対処の実施を容易とする。
【解決手段】情報処理装置は、所定の撮像手段により撮像された映像についてアプリケーションを用いて分析し、分析の結果についての情報提供を行う情報処理装置であって、アプリケーションの稼働情報に基づき、所定の判定としてリソース使用量が所定の閾値を超過したか否かを判定し、アプリケーションの稼働情報に基づき、学習モデルを用いてアプリケーションの稼働条件を推論し、アプリケーションが停止した場合に、リソース使用量が所定の閾値を超過したという判定部の判定結果に基づきアプリケーションの稼働条件を設定する。
【選択図】図５
【解決手段】情報処理装置は、所定の撮像手段により撮像された映像についてアプリケーションを用いて分析し、分析の結果についての情報提供を行う情報処理装置であって、アプリケーションの稼働情報に基づき、所定の判定としてリソース使用量が所定の閾値を超過したか否かを判定し、アプリケーションの稼働情報に基づき、学習モデルを用いてアプリケーションの稼働条件を推論し、アプリケーションが停止した場合に、リソース使用量が所定の閾値を超過したという判定部の判定結果に基づきアプリケーションの稼働条件を設定する。
【選択図】図５
【図1】
【図2】
【図3】
【図4】
【図5】
【図6】
【図7】
【図8】
【図9】
【図10】
【図11】
【図12】
【図13】
【図14】
【図15】
【図16】
【図17】
【図18】