特許 7509245 パラメータ最適化システム、パラメータ最適化方法、及びコンピュータプログラム

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】特許公報(B2)

(11)【特許番号】

(24)【登録日】2024-06-24

(45)【発行日】2024-07-02

(54)【発明の名称】パラメータ最適化システム、パラメータ最適化方法、及びコンピュータプログラム

(51)【国際特許分類】

   G06T 7/80 20170101AFI20240625BHJP

【ＦＩ】

G06T7/80

【請求項の数】 9

(21)【出願番号】P 2022576297

(86)(22)【出願日】2021-01-21

(86)【国際出願番号】 JP2021002043

(87)【国際公開番号】W WO2022157886

(87)【国際公開日】2022-07-28

【審査請求日】2023-07-03

(73)【特許権者】

【識別番号】000004237

【氏名又は名称】日本電気株式会社

(74)【代理人】

【識別番号】100104765

【弁理士】

【氏名又は名称】江上 達夫

(74)【代理人】

【識別番号】100107331

【弁理士】

【氏名又は名称】中村 聡延

(74)【代理人】

【識別番号】100131015

【弁理士】

【氏名又は名称】三輪 浩誉

(72)【発明者】

【氏名】戸泉 貴裕

(72)【発明者】

【氏名】舟山 知里

(72)【発明者】

【氏名】塚田 正人

【審査官】千葉 久博

(56)【参考文献】

【文献】特開２０２０－１０１６６（ＪＰ，Ａ）

【文献】特開２０１９－１２４２６（ＪＰ，Ａ）

【文献】特開２０１０－２６５９１（ＪＰ，Ａ）

【文献】国際公開第２０１９／１３８８２７（ＷＯ，Ａ１）

(58)【調査した分野】(Int.Cl.，ＤＢ名)

Ｇ０６Ｔ ７／８０

(57)【特許請求の範囲】

【請求項1】

少なくとも１つのセンシングパラメータを有する画像センサと、
前記センシングパラメータを変更可能なパラメータ設定手段と、
前記画像センサで逐次的に取得される複数の画像からスコアを算出するスコア算出手段と、
前記複数の画像の前記スコアの差分と前記センシングパラメータの差分とから計算される前記センシングパラメータの勾配に基づいて、前記スコアが相対的に高くなる前記センシングパラメータである適正パラメータを決定するパラメータ決定手段と
を備え、
前記パラメータ設定手段は、新たに決定された前記適正パラメータとなるように前記センシングパラメータを変更する
ことを特徴とするパラメータ最適化システム。

【請求項2】

前記スコア算出手段は、ニューラルネットワークを含んでおり、
前記センシングパラメータは、撮像装置の設定値に関するパラメータである
ことを特徴とする請求項１に記載のパラメータ最適化システム。

【請求項3】

前記センシングパラメータと、前記センシングパラメータに対応する前記スコアとを紐付けてペア情報として記憶する情報記憶手段を更に備え、
前記パラメータ決定手段は、前記情報記憶手段に記憶された前記ペア情報に基づいて前記適正パラメータを決定する
ことを特徴とする請求項１又は２に記載のパラメータ最適化システム。

【請求項4】

前記スコアに含まれるノイズ量を計算するノイズ計算手段を更に備え、
前記パラメータ決定手段は、前記スコアの差分が前記ノイズ量より小さい場合には新たな前記適正パラメータを決定せず、前記スコアの差分が前記ノイズ量より大きい場合に新たな前記適正パラメータを決定する
ことを特徴とする請求項１から３のいずれか一項に記載のパラメータ最適化システム。

【請求項5】

前記スコアは、前記画像に含まれる撮像対象に関するものであり
前記パラメータ設定手段は、前記スコアが前記撮像対象を検出していない状態に対応する値である場合に、前記画像から前記撮像対象を検出できるように前記センシングパラメータを変更する
ことを特徴とする請求項１から４のいずれか一項に記載のパラメータ最適化システム。

【請求項6】

前記パラメータ決定手段は、前記画像センサ周辺の光環境の違いに応じて複数パターンの前記適正パラメータを決定することを特徴とする請求項１から５のいずれか一項に記載のパラメータ最適化システム。

【請求項7】

前記複数のパターンの前記適正パラメータをユーザに提示する提示手段を更に備え、
前記パラメータ設定手段は、前記ユーザが選択したパターンに応じて前記センシングパラメータを変更する
ことを特徴とする請求項６に記載のパラメータ最適化システム。

【請求項8】

少なくとも１つの変更可能なセンシングパラメータを有する画像センサのパラメータ最適化システムであって、
前記画像センサで逐次的に取得される複数の画像からスコアを算出し、
前記複数の画像の前記スコアの差分と前記センシングパラメータの差分とから計算される前記センシングパラメータの勾配に基づいて、前記スコアが相対的に高くなる前記センシングパラメータである適正パラメータを決定し、
新たに決定された前記適正パラメータとなるように前記センシングパラメータを変更する
ことを特徴とするパラメータ最適化方法。

【請求項9】

少なくとも１つの変更可能なセンシングパラメータを有する画像センサのパラメータ最適化システムであって、
前記画像センサで逐次的に取得される複数の画像からスコアを算出し、
前記複数の画像の前記スコアの差分と前記センシングパラメータの差分とから計算される前記センシングパラメータの勾配に基づいて、前記スコアが相対的に高くなる前記センシングパラメータである適正パラメータを決定し、
新たに決定された前記適正パラメータとなるように前記センシングパラメータを変更する
ようにコンピュータを動作させることを特徴とするコンピュータプログラム。

【発明の詳細な説明】

【技術分野】

【0001】

この開示は、画像センサのパラメータを適正なものとするパラメータ最適化システム、パラメータ最適化方法、及びコンピュータプログラムの技術分野に関する。

【背景技術】

【0002】

この種のシステムとして、画像の撮像に関する各種パラメータを調整するものが知られている。例えば特許文献１では、撮影画像と照明パラメータとを紐付けて得られた画像データセットに基づいて対象物の推定画像を生成し、それを用いた機械学習によって照明パラメータを最適化する技術が開示されている。特許文献２では、カテゴリ判定スコアを最大にする撮影パラメータを教師値として回帰学習を行うことで、撮影パラメータ推定器を最適化する技術が開示されている。特許文献３では、カメラ装置の設置された撮像環境に対応する認識制御パラメータを、所定の学習アルゴリズムを用いて更新されたパラメータテーブルから選択して利用する技術が開示されている。

【先行技術文献】

【特許文献】

【0003】

【文献】特開２０２０－０７７３２６号公報

【文献】特開２０１９－０１２４３６号公報

【文献】特開２０１６－０１５１１６号公報

【発明の概要】

【発明が解決しようとする課題】

【0004】

この開示は、上述した関連する技術を改善することを目的とする。

【課題を解決するための手段】

【0005】

この開示のパラメータ最適化システムの一の態様は、少なくとも１つのセンシングパラメータを有する画像センサと、前記センシングパラメータを変更可能なパラメータ設定手段と、前記画像センサで取得された画像からスコアを算出するスコア算出手段と、前記センシングパラメータと、前記センシングパラメータに対応する前記スコアとに基づいて、前記スコアが相対的に高くなる前記センシングパラメータである適正パラメータを決定するパラメータ決定手段とを備える。

【0006】

この開示のパラメータ最適化方法の一の態様は、少なくとも１つの変更可能なセンシングパラメータを有する画像センサのパラメータ最適化システムであって、前記画像センサで取得された画像からスコアを算出し、前記センシングパラメータと、前記センシングパラメータに対応する前記スコアとに基づいて、前記スコアが相対的に高くなる前記センシングパラメータである適正パラメータを決定する。

【0007】

この開示のコンピュータプログラムの一の態様は、少なくとも１つの変更可能なセンシングパラメータを有する画像センサのパラメータ最適化システムであって、前記画像センサで取得された画像からスコアを算出し、前記センシングパラメータと、前記センシングパラメータに対応する前記スコアとに基づいて、前記スコアが相対的に高くなる前記センシングパラメータである適正パラメータを決定するようにコンピュータを動作させる。

【図面の簡単な説明】

【0008】

【図1】第１実施形態に係るパラメータ最適化システムのハードウェア構成を示すブロック図である。

【図2】第１実施形態に係るパラメータ最適化システムの機能的構成を示すブロック図である。

【図3】第１実施形態に係るパラメータ最適化システムの動作の流れを示すフローチャートである。

【図4】第２実施形態に係るパラメータ最適化システムの機能的構成を示すブロック図である。

【図5】第２実施形態に係るパラメータ最適化システムで扱われるセンシングパラメータの一例を示す表である。

【図6】第３実施形態に係るパラメータ最適化システムの機能的構成を示すブロック図である。

【図7】第３実施形態に係るパラメータ最適化システムの動作の流れを示すフローチャートである。

【図8】第４実施形態に係るパラメータ最適化システムの機能的構成を示すブロック図である。

【図9】第４実施形態に係るパラメータ最適化システムの動作の流れを示すフローチャートである。

【図10】第５実施形態に係るパラメータ最適化システムの機能的構成を示すブロック図である。

【図11】第５実施形態に係るパラメータ最適化システムの動作の流れを示すフローチャートである。

【図12】第６実施形態に係るパラメータ最適化システムの機能的構成を示すブロック図である。

【図13】第６実施形態に係るパラメータ最適化システムの動作の流れを示すフローチャートである。

【図14】第７実施形態に係るパラメータ最適化システムの機能的構成を示すブロック図である。

【図15】第７実施形態に係るパラメータ最適化システムの動作の流れを示すフローチャートである。

【図16】第７実施形態に係るパラメータ最適化システムにおける光環境の違いの一例を示す概念図である

【図17】第８実施形態に係るパラメータ最適化システムの機能的構成を示すブロック図である。

【図18】第８実施形態に係るパラメータ最適化システムの動作の流れを示すフローチャートである。

【図19】第８実施形態に係るパラメータ最適化システムにおける提示例を示す図（その１）である。

【図20】第８実施形態に係るパラメータ最適化システムにおける提示例を示す図（その２）である。

【発明を実施するための形態】

【0009】

以下、図面を参照しながら、パラメータ最適化システム、パラメータ最適化方法、及びコンピュータプログラムの実施形態について説明する。

【0010】

＜第１実施形態＞
第１実施形態に係るパラメータ最適化システムについて、図１から図３を参照して説明する。

【0011】

（ハードウェア構成）
まず、図１を参照しながら、第１実施形態に係るパラメータ最適化システムのハードウェア構成について説明する。図１は、第１実施形態に係るパラメータ最適化システムのハードウェア構成を示すブロック図である。

【0012】

図１に示すように、第１実施形態に係るパラメータ最適化システム１０は、プロセッサ１１と、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）１２と、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）１３と、記憶装置１４とを備えている。パラメータ最適化システム１０は、入力装置１５と、出力装置１６とを備えていてもよい。パラメータ最適化システム１０は更に、カメラ２０を備えている。プロセッサ１１と、ＲＡＭ１２と、ＲＯＭ１３と、記憶装置１４と、入力装置１５と、出力装置１６と、カメラ２０は、データバス１７を介して接続されている。

【0013】

プロセッサ１１は、コンピュータプログラムを読み込む。例えば、プロセッサ１１は、ＲＡＭ１２、ＲＯＭ１３及び記憶装置１４のうちの少なくとも一つが記憶しているコンピュータプログラムを読み込むように構成されている。或いは、プロセッサ１１は、コンピュータで読み取り可能な記録媒体が記憶しているコンピュータプログラムを、図示しない記録媒体読み取り装置を用いて読み込んでもよい。プロセッサ１１は、ネットワークインタフェースを介して、パラメータ最適化システム１０の外部に配置される不図示の装置からコンピュータプログラムを取得してもよい（つまり、読み込んでもよい）。プロセッサ１１は、読み込んだコンピュータプログラムを実行することで、ＲＡＭ１２、記憶装置１４、入力装置１５及び出力装置１６を制御する。本実施形態では特に、プロセッサ１１が読み込んだコンピュータプログラムを実行すると、プロセッサ１１内には、画像センサのセンシングパラメータを最適化するための機能ブロックが実現される。なお、プロセッサ１１の一例として、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）、ＧＰＵ（Ｇｒａｐｈｉｃｓ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）、ＦＰＧＡ（ｆｉｅｌｄ－ｐｒｏｇｒａｍｍａｂｌｅ ｇａｔｅ ａｒｒａｙ）、ＤＳＰ（Ｄｅｍａｎｄ－Ｓｉｄｅ Ｐｌａｔｆｏｒｍ）、ＡＳＩＣ（Ａｐｐｌｉｃａｔｉｏｎ Ｓｐｅｃｉｆｉｃ Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔ）が挙げられる。プロセッサ１１は、上述した一例のうち一つを用いてもよいし、複数を並列で用いてもよい。

【0014】

ＲＡＭ１２は、プロセッサ１１が実行するコンピュータプログラムを一時的に記憶する。ＲＡＭ１２は、プロセッサ１１がコンピュータプログラムを実行している際にプロセッサ１１が一時的に使用するデータを一時的に記憶する。ＲＡＭ１２は、例えば、Ｄ－ＲＡＭ（Ｄｙｎａｍｉｃ ＲＡＭ）であってもよい。

【0015】

ＲＯＭ１３は、プロセッサ１１が実行するコンピュータプログラムを記憶する。ＲＯＭ１３は、その他に固定的なデータを記憶していてもよい。ＲＯＭ１３は、例えば、Ｐ－ＲＯＭ（Ｐｒｏｇｒａｍｍａｂｌｅ ＲＯＭ）であってもよい。

【0016】

記憶装置１４は、パラメータ最適化システム１０が長期的に保存するデータを記憶する。記憶装置１４は、プロセッサ１１の一時記憶装置として動作してもよい。記憶装置１４は、例えば、ハードディスク装置、光磁気ディスク装置、ＳＳＤ（Ｓｏｌｉｄ Ｓｔａｔｅ Ｄｒｉｖｅ）及びディスクアレイ装置のうちの少なくとも一つを含んでいてもよい。

【0017】

入力装置１５は、パラメータ最適化システム１０のユーザからの入力指示を受け取る装置である。入力装置１５は、例えば、キーボード、マウス及びタッチパネルのうちの少なくとも一つを含んでいてもよい。入力装置１５は、専用のコントローラ（操作端末）であってもよい。また、入力装置１５は、ユーザが保有する端末（例えば、スマートフォンやタブレット端末等）を含んでいてもよい。入力装置１５は、例えばマイクを含む音声入力が可能な装置であってもよい。

【0018】

出力装置１６は、パラメータ最適化システム１０に関する情報を外部に対して出力する装置である。例えば、出力装置１６は、パラメータ最適化システム１０に関する情報を表示可能な表示装置（例えば、ディスプレイ）であってもよい。ここでの表示装置は、テレビモニタ、パソコンモニタ、スマートフォンのモニタ、タブレット端末のモニタ、その他の携帯端末のモニタであってよい。また、表示装置は、店舗等の各種施設に設置される大型モニタやデジタルサイネージ等であってよい。また、出力装置１６は、画像以外の形式で情報を出力する装置であってもよい。例えば、出力装置１６は、パラメータ最適化システム１０に関する情報を音声で出力するスピーカであってもよい。

【0019】

カメラ２０は、画像を撮像可能な装置として構成されている。カメラ２０は、可視光カメラであってもよいし、赤外線カメラ等の可視光以外の光によって画像を撮像するカメラであってもよい。カメラ２０は、静止画を撮像するカメラであってもよいし、動画を撮像するカメラであってもよい。カメラ２０は、センシングパラメータを有する画像センサ（イメージセンサ）を備えて構成されている。画像センサの詳細については後述する。

【0020】

（機能的構成）
次に、図２を参照しながら、第１実施形態に係るパラメータ最適化システム１０の機能的構成について説明する。図２は、第１実施形態に係るパラメータ最適化システムの機能的構成を示すブロック図である。

【0021】

図２に示すように、第１実施形態に係るパラメータ最適化システム１０は、その機能を実現するための構成要素として、画像センサ１１０と、パラメータ設定部１２０と、スコア算出部１３０と、パラメータ決定部１４０とを備えている。画像センサ１１０は、上述したカメラ２０（図１参照）が備えるセンサである。また、パラメータ設定部１２０、スコア算出部１３０、及びパラメータ決定部１４０の各々は、上述したプロセッサ（図１）によって実現されてよい。

【0022】

画像センサ１１０は、画像を取得可能なセンサとして構成されている。画像センサ１１０の具体的な構成は特に限定されるものではないが、例えばＣＣＤ（Ｃｈａｒｇｅ Ｃｏｕｐｌｅｄ Ｄｅｖｉｃｅｓ）として構成されてもよいし、ＣＭＯＳ（Ｃｏｍｐｌｅｍｅｎｔａｒｙ Ｍｅｔａｌ Ｏｘｉｄｅ Ｓｅｍｉｃｏｎｄｕｃｔｏｒ）として構成されてもよい。画像センサ１１０は、少なくとも１つのセンシングパラメータ（即ち、画像の撮像に関するパラメータ）を有している。センシングパラメータの具体例については、後述する他の実施形態において詳しく説明する。

【0023】

パラメータ設定部１２０は、画像センサ１１０のセンシングパラメータを設定（即ち、変更）可能に構成されている。パラメータ設定部１２０は、画像センサ１１０が複数のセンシングパラメータを有する場合、それらをまとめて設定可能とされてもよいし、１つずつ別々に設定可能とされてもよい。パラメータ設定部１２０は、現在設定しているセンシングパラメータに関する情報を、パラメータ決定部１４０に出力可能に構成されている。

【0024】

スコア算出部１３０は、画像センサ１１０で取得された画像からスコアを算出可能に構成されている。ここでの「スコア」とは、画像の状態を数値化したものであり、例えば画像の品質を示す値であってもよいし、画像に含まれる撮像対象の検出結果や認識結果を示す値であってもよい。より具体的には、スコアは顔認証における顔の一致度（類似度）を示す顔認証スコアであってもよい。スコアの具体的な算出方法については、既存の技術を適宜採用することができるため、ここでの詳細な説明は省略する。スコア算出部１３０で算出されたスコアは、パラメータ決定部１４０に出力される構成となっている。

【0025】

パラメータ決定部１４０は、パラメータ設定部１２０から取得したセンシングパラメータに関する情報と、スコア算出部１３０で算出されたスコアに関する情報とを用いて、スコアが相対的に高くなる適正パラメータを決定可能に構成されている。適正パラメータのより具体的な決定方法については、後述する他の実施形態において詳しく説明する。適正パラメータは、現在の撮影環境において画像のスコアが最も高くなるようなセンシングパラメータであってよい。或いは、適正パラメータは、画像のスコアが所定の閾値よりも高くなるようなセンシングパラメータであってもよい。パラメータ決定部１４０は、画像センサ１１０が複数のセンシングパラメータを有する場合、その全ての適正パラメータを決定してもよいし、一部の適正パラメータを決定してもよい。

【0026】

（動作の流れ）
次に、図３を参照しながら、第１実施形態に係るパラメータ最適化システム１０の動作の流れについて説明する。図３は、第１実施形態に係るパラメータ最適化システムの動作の流れを示すフローチャートである。

【0027】

図３に示すように、第１実施形態に係るパラメータ最適化システム１０の動作が開始されると、まず画像センサ１１０が画像を取得する（ステップＳ１１）。

【0028】

続いて、スコア算出部１３０が、画像センサ１１０で取得された画像からスコアを算出する（ステップＳ１２）。スコア算出部１３０で算出されたスコアは、パラメータ決定部１４０に出力される。また、パラメータ決定部１４０は、スコアを算出した画像を撮像した際のセンシングパラメータに関する情報を、パラメータ設定部１２０から取得する（ステップＳ１３）。

【0029】

続いて、パラメータ決定部１４０は、スコアと、そのスコアに対応するセンシングパラメータに関する情報とに基づいて、適正パラメータを決定する（ステップＳ１４）。ここで決定した適正パラメータの利用方法については、後述する他の実施形態において詳しく説明する。

【0030】

（技術的効果）
次に、第１実施形態に係るパラメータ最適化システム１０によって得られる技術的効果について説明する。

【0031】

図１から図３で説明したように、第１実施形態に係るパラメータ最適化システム１０では、画像センサ１１０のセンシングパラメータと、画像から算出されたスコアとに基づいて適正パラメータが決定される。このようにすれば、適切なセンシングパラメータを設定してスコアの高い画像を撮像することが可能となる。このため、仮にセンシングパラメータの初期値がスコアの算出に適しない値（例えば、人間の目に見やすい画像を撮像するために設定された値）であったとしても、センシングパラメータを設定し直し、スコアを算出するのに適した画像を撮像できる。また、画像を撮像する際の環境（特に、光環境）によらず、適切な画像を撮像することも可能となる。

【0032】

＜第２実施形態＞
第２実施形態に係るパラメータ最適化システム１０について、図４及び図５を参照して説明する。なお、第２実施形態は、上述した第１実施形態と一部の構成が異なるのみであり、例えばハードウェア構成や全体的な動作の流れについては、第１実施形態と同様であってよい（図１及び図３参照）。このため、以下では、第１実施形態と異なる部分について詳しく説明し、他の重複する部分については適宜説明を省略するものとする。

【0033】

（機能的構成）
まず、図４を参照しながら、第２実施形態に係るパラメータ最適化システム１０の機能的構成について説明する。図４は、第２実施形態に係るパラメータ最適化システムの機能的構成を示すブロック図である。なお、図４では、図２で示した構成要素と同様の要素に同一の符号を付している。

【0034】

図４に示すように、第２実施形態に係るパラメータ最適化システム１０は、その機能を実現するための構成要素として、画像センサ１１０と、パラメータ設定部１２０と、スコア算出部１３０と、パラメータ決定部１４０とを備えている。そして特に、第２実施形態に係るスコア算出部１３０は、ニューラルネットワーク１３５を含んで構成されている。

【0035】

ニューラルネットワーク１３５は、画像からスコアを算出する学習済みモデルとして構成されている。ニューラルネットワーク１３５は、例えば、ＣＮＮ（Ｃｏｎｖｏｌｕｔｉｏｎ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ）、ＲＮＮ（Ｒｅｃｕｒｒｅｎｔ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ）、ＬＳＴＭ（Ｌｏｎｇ Ｓｈｏｒｔ Ｔｅｒｍ Ｍｅｍｏｒｙ）、Ｔｒａｎｓｆｏｒｍｅｒ、又はＧＡＮ（Ｇｅｎｅｒａｔｉｖｅ Ａｄｖｅｒｓａｒｉａｌ Ｎｅｔｗｏｒｋ）であってよい。ニューラルネットワーク１３５は、顔画像を用いて顔認証を行う顔認証モデルとして構成されていてもよい。或いは、ニューラルネットワーク１３５は、画像中に存在する物体を認識する物体認識モデルとして構成されていてもよい。

【0036】

（センシングパラメータ）
次に、図５を参照しながら、第２実施形態に係るパラメータ最適化システムで扱われるセンシングパラメータについて説明する。図５は、第２実施形態に係るパラメータ最適化システムで扱われるセンシングパラメータの一例を示す表である。

【0037】

図５に示すセンシングパラメータは、撮像装置の設定値に関するパラメータであり、ニューラルネットワークの誤差逆伝播で勾配を算出することができないパラメータである。第２実施形態に係るパラメータ最適化システムは、このようなセンシングパラメータについて適正パラメータを決定する。具体的には、アナログパラメータである、露光時間、アナログゲイン、Ｆ値（絞り値）、焦点距離（視野）、フラッシュ等のパラメータが挙げられる。また、デジタルパラメータである、ホワイトバランス、ブライトネス、デジタルゲイン、ノイズ除去等のパラメータが挙げられる。なお、ここで挙げたパラメータは一例であり、ニューラルネットワークの誤差逆伝播で勾配を算出することができないパラメータであれば、その他のセンシングパラメータであってもよい。

【0038】

（技術的効果）
次に、第２実施形態に係るパラメータ最適化システム１０によって得られる技術的効果について説明する。

【0039】

図４及び図５で説明したように、第２実施形態に係るパラメータ最適化システム１０では、ニューラルネットワークの誤差逆伝播で勾配を算出することができないパラメータについて適正パラメータが決定される。この場合、ニューラルネットワークが備えられていたとしても、それを用いて適正パラメータを決定することができない。しかるに、第２実施形態に係るパラメータ最適化システム１０では、すでに説明したように、画像センサ１１０のセンシングパラメータと、画像から算出されたスコアとに基づいて適正パラメータが決定される。よって、ニューラルネットワークを用いることなく適正パラメータを決定することができる。即ち、ニューラルネットワークの誤差逆伝播で勾配を算出することができないパラメータについても、適切に適正パラメータを決定することが可能である。

【0040】

＜第３実施形態＞
第３実施形態に係るパラメータ最適化システム１０について、図６及び図７を参照して説明する。なお、第３実施形態は、上述した第１及び第２実施形態と一部の構成及び動作が異なるのみで、その他の部分については第１及び第２実施形態と同様であってよい。このため、以下では、すでに説明した各実施形態と異なる部分について詳しく説明し、他の重複する部分については適宜説明を省略するものとする。

【0041】

（機能的構成）
まず、図６を参照しながら、第３実施形態に係るパラメータ最適化システム１０の機能的構成について説明する。図６は、第３実施形態に係るパラメータ最適化システムの機能的構成を示すブロック図である。なお、図６では、図２に示した構成要素と同様の要素に同一の符号を付している。

【0042】

図６に示すように、第３実施形態に係るパラメータ最適化システム１０は、その機能を実現するための構成要素として、画像センサ１１０と、パラメータ設定部１２０と、スコア算出部１３０と、パラメータ決定部１４０と、情報記憶部１５０とを備えている。即ち、第３実施形態に係るパラメータ最適化システム１０は、第１実施形態の構成要素（図２参照）に加えて、情報記憶部１５０を更に備えて構成されている。なお、情報記憶部１５０は、例えば上述した記憶装置１４（図１参照）によって実現されてよい。

【0043】

情報記憶部１５０は、スコア算出部１３０で算出されたスコアと、パラメータ設定部１２０から取得したセンシングパラメータに関する情報とのペア（以下、適宜「ペア情報」と称する）を記憶可能に構成されている。情報記憶部１５０は、新たな画像を取得してスコアを算出する度にペア情報を記憶していく。このため、情報記憶部１５０には、複数のペア情報が蓄積されていくことになる。情報記憶部１５０に記憶されたペア情報は、パラメータ決定部１４０によって適宜読み出し可能とされている。

【0044】

（動作の流れ）
次に、図７を参照しながら、第３実施形態に係るパラメータ最適化システム１０の動作の流れについて説明する。図７は、第３実施形態に係るパラメータ最適化システムの動作の流れを示すフローチャートである。なお、図７では、図３で示した処理と同様の処理に同一の符号を付している。

【0045】

図７に示すように、第３実施形態に係るパラメータ最適化システム１０の動作が開始されると、まず画像センサ１１０が画像を取得する（ステップＳ１１）。そして、スコア算出部１３０が、画像センサ１１０で取得された画像からスコアを算出する（ステップＳ１２）。

【0046】

続いて、情報記憶部１５０が、スコア算出部１３０で算出されたスコアと、パラメータ設定部１２０から取得したセンシングパラメータに関する情報とのペア（即ち、ペア情報）を記憶する（ステップＳ３１）。

【0047】

その後、パラメータ最適化システム１０は、ペア情報の蓄積を終了するか否かを判定する（ステップＳ３２）。なお、ペア情報の蓄積を終了するか否かは、例えば蓄積したペア情報の数が所定数に到達したか否かによって判定してもよい。この場合の「所定値」は、後述するステップＳ３３において適正パラメータを決定するのに十分なペア情報の数として、事前のシミュレーション等によって予め設定される値であってよい。或いは、ペア情報の蓄積を終了するか否かは、予め用意されているすべての画像に対応するペア情報を蓄積したか否かによって判定してもよい。

【0048】

ペア情報の蓄積を終了しないと判定した場合（ステップＳ３２：ＮＯ）、第３実施形態に係るパラメータ最適化システム１０は、ステップＳ１１から処理を繰り返す。これにより、ペア情報が情報記憶部１５０に蓄積されていく。一方、ペア情報の蓄積を終了すると判定した場合（ステップＳ３２：ＮＯ）、パラメータ決定部１４０が、情報記憶部１５０に蓄積されたペア情報に基づいて適正パラメータを決定する（ステップＳ３３）。

【0049】

なお、上述した一連の処理は、典型的には、画像センサ１１０を利用したシステムの実際の運用時（即ち、顔認証等のスコアを用いる処理を実行する場合）に先立って事前に行われる。パラメータ決定部１４０で決定された適正パラメータは、決定されてすぐにパラメータ設定部１２０によって反映されてよい。即ち、適正パラメータが決定されると、画像センサ１１０のセンシングパラメータがすぐに適正パラメータに変更されてよい。或いは、パラメータ決定部１４０で決定された適正パラメータは、上述したシステムの実際の運用時になってから、パラメータ設定部１２０によって反映されてよい。即ち、決定された適正パラメータはすぐに反映されず、必要に応じて画像センサ１１０のセンシングパラメータに反映されてよい。

【0050】

（技術的効果）
次に、第３実施形態に係るパラメータ最適化システム１０によって得られる技術的効果について説明する。

【0051】

図６及び図７で説明したように、第３実施形態に係るパラメータ最適化システム１０では、情報記憶部１５０に蓄積されたペア情報に基づいて適正パラメータを決定する。このようにすれば、情報記憶部１５０に蓄積された複数のペア情報（即ち、複数のスコア、及び複数のセンシングパラメータ）を用いて適正パラメータを決定することができるため、少ない情報から適正パラメータを決定する場合と比較すると、適正パラメータをより適切な値として決定することが可能である。

【0052】

＜第４実施形態＞
第４実施形態に係るパラメータ最適化システム１０について、図８及び図９を参照して説明する。なお、第４実施形態は、上述した第１から第３実施形態と一部の構成動作が異なるのみで、その他の部分については第１から第３実施形態と同様であってよい。このため、以下では、すでに説明した各実施形態と異なる部分について詳しく説明し、他の重複する部分については適宜説明を省略するものとする。

【0053】

（機能的構成）
まず、図８を参照しながら、第４実施形態に係るパラメータ最適化システム１０の機能的構成について説明する。図８は、第４実施形態に係るパラメータ最適化システムの機能的構成を示すブロック図である。なお、図８では、図２に示した構成要素と同様の要素に同一の符号を付している。

【0054】

図８に示すように、第４実施形態に係るパラメータ最適化システム１０は、その機能を実現するための構成要素として、画像センサ１１０と、パラメータ設定部１２０と、スコア算出部１３０と、パラメータ決定部１４０と、スコア記憶部１６０とを備えている。即ち、第４実施形態に係るパラメータ最適化システム１０は、第１実施形態の構成要素（図２参照）に加えて、スコア記憶部１６０を更に備えて構成されている。なお、スコア記憶部１６０は、例えば上述した記憶装置１４（図１参照）によって実現されてよい。また、第４実施形態に係るパラメータ決定部１４０は、勾配計算部１４５を備えて構成されている。

【0055】

スコア記憶部１６０は、スコア算出部１３０で算出されるスコアと、スコアを算出した画像を撮像した際のセンシングパラメータ（以下、単に「パラメータ」と称することがある）とを記憶可能に構成されている。第４実施形態に係るパラメータ最適化システム１０では、逐次的に（例えば、リアルタイムで）画像センサ１００により画像が取得されていくため、スコア算出部１３０では新たに画像が取得される度にスコアが算出される。スコア記憶部１６０は、このように順次算出されていくスコアとパラメータとを蓄積していく。ただし、スコア記憶部１６０は、連続して算出される２つのスコア及びパラメータだけを記憶可能なものであってもよい。即ち、スコア記憶部１６０は、少なくとも２つのスコアとパラメータとを記憶可能なものであればよい。また、スコア記憶部１６０は、記憶する必要のなくなったスコアとパラメータとを適宜削除する機能を有していてもよい。スコア記憶部１６０に記憶されたスコア及びパラメータは、パラメータ決定部１４０（具体的には、勾配計算部１４５）によって適宜読み出し可能とされている。

【0056】

勾配計算部１４５は、スコア記憶部１６０に記憶された複数のスコアとパラメータとから、パラメータの勾配を計算可能に構成されている。勾配計算部１４５は、複数のスコア及びパラメータの差分を算出し、スコアの差分をパラメータの変化量で除することによりパラメータの勾配を算出してよい。勾配計算部１４５は、２つのスコア及びパラメータからパラメータの勾配を計算してもよいし、３つ以上のスコア及びパラメータからパラメータの勾配を計算してもよい。勾配計算部１４５で算出されたパラメータの勾配は、パラメータ決定部１４０における適正パラメータの決定に用いられる。

【0057】

（動作の流れ）
次に、図９を参照しながら、第４実施形態に係るパラメータ最適化システム１０の動作の流れについて説明する。図９は、第４実施形態に係るパラメータ最適化システムの動作の流れを示すフローチャートである。なお、図９では、図３で示した処理と同様の処理に同一の符号を付している。

【0058】

図９に示すように、第４実施形態に係るパラメータ最適化システム１０の動作が開始されると、まず画像センサ１１０が画像を取得する（ステップＳ１１）。なお、第４実施形態に係るパラメータ最適化システム１０では、画像センサ１１０が画像を逐次的に取得していく。例えば、画像センサ１１０は、動画を撮像するカメラの画像センサとして構成されており、複数フレームの画像を連続して取得する。

【0059】

続いて、スコア算出部１３０が、画像センサ１１０で取得された画像からスコアを算出する（ステップＳ１２）。そして、スコア記憶部１６０が、スコア算出部１３０で算出されたスコアとパラメータとを記憶する（ステップＳ４１）。

【0060】

その後、パラメータ決定部１４０における勾配計算部１４５が、スコア記憶部１６０に記憶された複数のスコアとパラメータとから、パラメータの勾配を計算する（ステップＳ４２）。そして、パラメータ決定部１４０は、勾配計算部１４５で計算されたパラメータの勾配に基づいて適正パラメータを決定する（ステップＳ４３）。

【0061】

続いて、パラメータ設定部１２０は、パラメータ決定部１４０で決定された適正パラメータに応じて画像センサ１１０のセンシングパラメータを更新（変更）する（ステップＳ４４）。よって、第４実施形態に係るパラメータ最適化システム１０では、新たな適正パラメータが決定される度に、画像センサ１１０のセンシングパラメータが更新されていく。

【0062】

続いて、第４実施形態に係るパラメータ最適化システム１０は、画像センサ１１０による画像の取得が終了するか否かを判定する（ステップＳ４５）。画像の取得が終了する場合（ステップＳ４５：ＹＥＳ）、そのまま一連の処理は終了することになる。一方で、画像の取得が終了しない場合（ステップＳ４５：ＮＯ）、第４実施形態に係るパラメータ最適化システム１０は、再びステップＳ１１から処理を繰り返す。よって、画像センサ１１０によって画像が取得されている間は（即ち、画像が撮影され続ける間は）、パラメータの勾配から適正パラメータを決定し、画像センサ１１０のセンシングパラメータを更新する処理が繰り返し実行されることになる。

【0063】

なお、第４実施形態に係るパラメータ最適化システム１０は、画像の取得が終了されない場合であっても、適正パラメータが特定の値に収束してきた場合（言い換えれば、センシングパラメータを更新する意義がほとんど無くなった場合）に、上述した一連の処理を停止するようにしてもよい。第４実施形態に係るパラメータ最適化システム１０は、一連の処理を停止した後に、再び画像センサのセンシングパラメータを更新すべき状況になった場合（例えば、撮像センサ１１０周辺の光環境が変化した場合等）には、再びに一連の処理を開始するようにしてもよい。

【0064】

（技術的効果）
次に、第４実施形態に係るパラメータ最適化システム１０によって得られる技術的効果について説明する。

【0065】

図８及び図９で説明したように、第４実施形態に係るパラメータ最適化システム１０では、順次算出されるパラメータの勾配に応じて適正パラメータが決定され、新たな適正パラメータが決定される度に画像センサ１１０のセンシングパラメータが更新される。このようにすれば、逐次的に画像を取得しながら、最適な適正パラメータを探索することができる。よって、例えば動画を撮影する際に、その時の環境に応じたセンシングパラメータを随時反映させながら、適切な撮影を実現することができる。このような効果は、例えば時間経過によって画像センサ１１０周辺の光環境が変化する状況（例えば、昼から夕方、夕方から夜になる場合等）で連続して画像を撮像する際に顕著に発揮される。

【0066】

＜第５実施形態＞
第５実施形態に係るパラメータ最適化システム１０について、図１０及び図１１を参照して説明する。なお、第５実施形態は、上述した第４実施形態と一部の構成動作が異なるのみで、その他の部分については第４実施形態と同様であってよい。このため、以下では、すでに説明した各実施形態と異なる部分について詳しく説明し、他の重複する部分については適宜説明を省略するものとする。

【0067】

（機能的構成）
まず、図１０を参照しながら、第５実施形態に係るパラメータ最適化システム１０の機能的構成について説明する。図１０は、第５実施形態に係るパラメータ最適化システムの機能的構成を示すブロック図である。なお、図１０では、図８に示した構成要素と同様の要素に同一の符号を付している。

【0068】

図１０に示すように、第５実施形態に係るパラメータ最適化システム１０は、その機能を実現するための構成要素として、画像センサ１１０と、パラメータ設定部１２０と、スコア算出部１３０と、パラメータ決定部１４０と、スコア記憶部１６０と、ノイズ量計算部１７０とを備えている。即ち、第５実施形態に係るパラメータ最適化システム１０は、第４実施形態の構成要素（図８参照）に加えて、ノイズ量計算部１７０を更に備えて構成されている。なお、ノイズ量計算部１７０は、例えば上述したプロセッサ１１（図１参照）によって実現されてよい。

【0069】

ノイズ量計算部１７０は、スコア算出部１３０で算出されるスコアに含まれるノイズ量を計算可能に構成されている。なお、ここでの「ノイズ量」とは、画像センサ１１０によって取得される画像が有するノイズに起因して、その画像から算出されるスコアに含まれることになるノイズの量である。ノイズ量の算出方法は特に限定されないが、例えば予め画像センサ１１０で複数の画像を取得しておき、それらの画像から標準偏差等を用いて算出してもよい。ノイズ量計算部１７０で計算されたノイズ量は、パラメータ決定部１４０に出力される構成となっている。

【0070】

（動作の流れ）
次に、図１１を参照しながら、第５実施形態に係るパラメータ最適化システム１０の動作の流れについて説明する。図１１は、第５実施形態に係るパラメータ最適化システムの動作の流れを示すフローチャートである。なお、図１１では、図９で示した処理と同様の処理に同一の符号を付している。

【0071】

図１１に示すように、第５実施形態に係るパラメータ最適化システム１０の動作が開始されると、まず画像センサ１１０が画像を取得する（ステップＳ１１）。なお、第５実施形態に係るパラメータ最適化システム１０は、第４実施形態と同様に、画像センサ１１０が画像を逐次的に取得していく。例えば、画像センサ１１０は、動画を撮像するカメラの画像センサとして構成されており、複数フレームの画像を連続して取得する。

【0072】

続いて、スコア算出部１３０が、画像センサ１１０で取得された画像からスコアを算出する（ステップＳ１２）。そして、スコア記憶部１６０が、スコア算出部１３０で算出されたスコアとパラメータとを記憶する（ステップＳ４１）。

【0073】

続いて、ノイズ量計算部１７０がスコアのノイズ量を計算する（ステップＳ５１）。なお、ノイズ量の計算は、ステップＳ１２におけるスコアの算出や、ステップＳ４１におけるスコアの記憶より前に実行されてもよい。また、ステップＳ１１で取得される画像とは別の画像からノイズ量を算出する場合には、ステップＳ１１よりも前にノイズ量を計算する処理を実行してもよい。言い換えれば、図１１の一連の処理が開始される前にノイズ量を計算する処理を実行するようにしてもよい。

【0074】

続いて、パラメータ決定部１４０は、勾配計算部１４５でパラメータの勾配を算出する際に用いるスコアの差分が、ノイズ量計算部１７０で計算されたノイズ量より大きいか否かを判定する（ステップＳ５２）。

【0075】

スコアの差分がノイズ量よりも大きい場合（ステップＳ５２：ＹＥＳ）、パラメータ決定部１４０における勾配計算部１４５が、スコア記憶部１６０に記憶された複数のスコアとパラメータとから、パラメータの勾配を計算する（ステップＳ４２）。そして、パラメータ決定部１４０は、勾配計算部１４５で計算されたパラメータの勾配に基づいて適正パラメータを決定する（ステップＳ４３）。その後、パラメータ設定部１２０は、パラメータ決定部１４０で決定された適正パラメータに応じて画像センサ１１０のセンシングパラメータを更新する（ステップＳ４４）。

【0076】

一方で、スコアの差分がノイズ量よりも小さい場合（ステップＳ５２：ＹＥＳ）、上述したステップＳ４２からＳ４４の処理が省略される。即ち、この場合、パラメータの勾配を計算する処理、パラメータの勾配に基づいて適正パラメータを決定する処理、適正パラメータに応じてセンシングパラメータを更新する処理は実行されない。

【0077】

なお、ステップＳ５２のスコアの差分がノイズ量よりも大きいか否かを判定する処理は、ステップＳ４２のパラメータの勾配の計算が実行された後に実行されてもよい。この場合、スコアの差分がノイズ量よりも小さい場合には、ステップＳ４３及びＳ４４の処理が省略されることになる。即ち、パラメータの勾配は計算されるが、適正パラメータを決定する処理及びセンシングパラメータを更新する処理が実行されない場合がある。また、ステップＳ５２のスコアの差分がノイズ量よりも大きいか否かを判定する処理は、ステップＳ４３の適正パラメータの決定が実行された後に実行されてもよい。この場合、スコアの差分がノイズ量よりも小さい場合には、ステップＳ４４の処理のみが省略されることになる。即ち、パラメータの勾配を計算する処理及び適正パラメータを決定する処理は実行されるが、適正パラメータに応じたセンシングパラメータの更新が実行されない場合がある。

【0078】

続いて、第５実施形態に係るパラメータ最適化システム１０は、画像センサ１１０による画像の取得が終了するか否かを判定する（ステップＳ４５）。画像の取得が終了する場合（ステップＳ４５：ＹＥＳ）、そのまま一連の処理は終了することになる。一方で、画像の取得が終了しない場合（ステップＳ４５：ＮＯ）、第５実施形態に係るパラメータ最適化システム１０は、再びステップＳ１１から処理を繰り返す。

【0079】

（技術的効果）
次に、第５実施形態に係るパラメータ最適化システム１０によって得られる技術的効果について説明する。

【0080】

図１０及び図１１で説明したように、第５実施形態に係るパラメータ最適化システム１０では、スコア差分とノイズ量とを比較して、その結果に応じてセンシングパラメータを更新するか否かが決定される。このようにすれば、スコア差分の有意性をノイズ量に基づいて判断した上で、センシングパラメータの更新を行うことができる。具体的には、スコア差分がノイズ量より大きい場合には、スコアの差分に有意性がある（ノイズに起因する誤差ではない）と判断して、センシングパラメータを更新し、スコア差分がノイズ量より小さい場合には、スコアの差分に有意性がない（ノイズに起因する誤差である）と判断して、センシングパラメータを更新することができる。

【0081】

＜第６実施形態＞
第６実施形態に係るパラメータ最適化システム１０について、図１２及び図１３を参照して説明する。なお、第６実施形態は、上述した第１から第５実施形態と一部の構成動作が異なるのみで、その他の部分については第１から第６実施形態と同様であってよい。このため、以下では、すでに説明した各実施形態と異なる部分について詳しく説明し、他の重複する部分については適宜説明を省略するものとする。

【0082】

（機能的構成）
まず、図１２を参照しながら、第６実施形態に係るパラメータ最適化システム１０の機能的構成について説明する。図１２は、第６実施形態に係るパラメータ最適化システムの機能的構成を示すブロック図である。なお、図１２では、図２に示した構成要素と同様の要素に同一の符号を付している。

【0083】

図１２に示すように、第６実施形態に係るパラメータ最適化システム１０は、その機能を実現するための構成要素として、画像センサ１１０と、パラメータ設定部１２０と、スコア算出部１３０と、パラメータ決定部１４０とを備えている。そして特に、第４実施形態に係るパラメータ設定部１２０は、検出判定部１２５を備えて構成されている。

【0084】

検出判定部１２５は、スコア算出部１３０で算出されるスコアに基づいて、画像から撮像対象が検出されているか否かを判定可能に構成されている。具体的には、検出判定部１２５は、スコア算出部１３０で算出されるスコアが、撮像対象が検出されていない状態に対応する値であるか否かによって、画像から撮像対象が検出されているか否かを判定可能に構成されている。なお、第６実施形態に係るスコア算出部１３０で算出されるスコアは、画像から検出された撮像対象に応じて変化する値である。例えば、スコア算出部１３０は、画像から人物の顔を検出し、その顔が登録された顔であるか否かを示すスコアを算出する。この場合、スコア算出部１３０で算出されるスコアは、例えば画像から検出された顔と、登録された顔との一致度に応じて変化する。ただし、人物の顔が検出されない場合、スコアは“０”となってしまう。このような例では、検出判定部１２５は、算出されたスコアが“０”か“それ以外”かによって、顔が検出されているか否かを判定することができる。

【0085】

（動作の流れ）
次に、図１３を参照しながら、第６実施形態に係るパラメータ最適化システム１０の動作の流れについて説明する。図１３は、第６実施形態に係るパラメータ最適化システムの動作の流れを示すフローチャートである。なお、図１３では、図３で示した処理と同様の処理に同一の符号を付している。

【0086】

図１３に示すように、第６実施形態に係るパラメータ最適化システム１０の動作が開始されると、まず画像センサ１１０が画像を取得する（ステップＳ１１）。

【0087】

続いて、スコア算出部１３０が、画像センサ１１０で取得された画像からスコアを算出する（ステップＳ１２）。スコア算出部１３０で算出されたスコアは、パラメータ決定部１４０及び検出判定部１２５に出力される。

【0088】

続いて、検出判定部１２５が、スコア算出部１２０で算出されたスコアに基づいて、画像から撮像対象が検出されているか否かを判定する（ステップＳ６１）。そして、画像から撮像対象が検出されていないと判定された場合（ステップＳ６１：ＮＯ）、パラメータ設定部１２０は、画像センサ１１０が有するセンシングパラメータを変更して、画像センサ１１０で取得される画像から撮像対象を検出できるように調整する（ステップＳ６２）。即ち、パラメータ設定部１２０は、撮像対象を検出しやすくなるようにセンシングパラメータを調整する。例えば、パラメータ設定部１２０は、画像が暗過ぎて撮像対象を検出できない場合、センシングパラメータのうち明るさに関するパラメータを変更して、画像センサ１１０で取得される画像が明るくなるように調整する。また、パラメータ設定部１２０は、画像が明る過ぎて撮像対象を検出できない場合、センシングパラメータのうち明るさに関するパラメータを変更して、画像センサ１１０で取得される画像が暗くなるように調整してもよい。

【0089】

その後、第６実施形態に係るパラメータ最適化システム１０は、再びステップＳ１１から処理を繰り返す。よって、画像から撮像対象が検出されない状態が続くと、センシングパラメータが更に変更される。例えば、画像を明るくするようにセンシングパラメータを調整する場合、画像は更に明るくなるように調整されていく。なお、センシングパラメータを更に変更場合には、最初に変更したセンシングパラメータを更に大きく変更するようにしてもよいし、最初に変更したセンシングパラメータとは別のセンシングパラメータを変更するようにしてもよい。

【0090】

ちなみに、画像にそもそも撮像対象が含まれていない場合には、センシングパラメータをどのように調整したとしても、画像から撮像対象が検出されることはない。よって、センシングパラメータを一定値以上変更しても（例えば、画像を一定値以上に明るくしても）撮像対象を検出できない場合には、調整したセンシングパラメータを初期値に戻し、外部からの実行コマンドや定期的な実行コマンドを待つ状態にシフトするようにしてもよい。

【0091】

他方、画像から撮像対象が検出されていると判定された場合（ステップＳ６１：ＹＥＳ）、
パラメータ決定部１４０は、スコアを算出した画像を撮像した際のセンシングパラメータに関する情報を、パラメータ設定部１２０から取得する（ステップＳ１３）。そして、パラメータ決定部１４０は、スコアと、そのスコアに対応するセンシングパラメータに関する情報とに基づいて、適正パラメータを決定する（ステップＳ１４）。

【0092】

（技術的効果）
次に、第６実施形態に係るパラメータ最適化システム１０によって得られる技術的効果について説明する。

【0093】

図１２及び図１３で説明したように、第６実施形態に係るパラメータ最適化システム１０では、画像から撮像対象が検出されない場合に、センシングパラメータを調整することにより、画像から撮像対象を検出できるように調整される。このようにすれば、画像から撮像対象が検出されないことに起因して、適正パラメータを決定できない状況に陥ってしまうことを回避できる。具体的には、画像から撮像対象が検出されない場合、スコアが“０”になる、又はスコアが実質的に算出できなくなる。よって、画像から撮像対象を検出できない場合には、パラメータの勾配を算出することができない。このような状況において、適切な適正パラメータを決定することは難しい。しかるに本実施形態では、画像から撮像対象が検出されない場合には、画像から撮像対象を検出しやすい状態に調整される（例えば、画像が明るくなるように調整される）。従って、画像から撮像対象を確実に検出し、適切な適正パラメータを決定することが可能である。

【0094】

＜第７実施形態＞
第７実施形態に係るパラメータ最適化システム１０について、図１４から図１６を参照して説明する。なお、第７実施形態は、上述した第１から第６実施形態と一部の構成及び動作が異なるのみであり、その他の部分については第１から第６実施形態と同様であってよい。このため、以下では、すでに説明した各実施形態と異なる部分について詳しく説明し、他の重複する部分については適宜説明を省略するものとする。

【0095】

（機能的構成）
まず、図１４を参照しながら、第７実施形態に係るパラメータ最適化システム１０の機能的構成について説明する。図１４は、第７実施形態に係るパラメータ最適化システムの機能的構成を示すブロック図である。なお、図１４では、図２に示した構成要素と同様の要素に同一の符号を付している。

【0096】

図１４に示すように、第７実施形態に係るパラメータ最適化システム１０は、その機能を実現するための構成要素として、画像センサ１１０と、パラメータ設定部１２０と、スコア算出部１３０と、パラメータ決定部１４０と、パラメータ記憶部１８０とを備えている。即ち、第７実施形態に係るパラメータ最適化システム１０は、第１実施形態の構成要素（図２参照）に加えて、パラメータ記憶部１８０を更に備えて構成されている。なお、パラメータ記憶部１８０は、例えば上述した記憶装置１４（図１参照）によって実現されてよい。

【0097】

パラメータ記憶部１８０は、パラメータ決定部１４０で決定された適正パラメータを複数パターン記憶可能に構成されている。より具体的には、パラメータ記憶部１８０は、光環境に応じた複数パターンの適正パラメータを記憶可能に構成されている。パラメータ記憶部１８０で記憶される適正パラメータは２つのパターンであってもよいし、３つ以上のパターンであってもよい。

【0098】

（動作の流れ）
次に、図１５を参照しながら、第７実施形態に係るパラメータ最適化システム１０の動作の流れについて説明する。図１５は、７実施形態に係るパラメータ最適化システムの動作の流れを示すフローチャートである。なお、図１５では、図３で示した処理と同様の処理に同一の符号を付している。

【0099】

図１５に示すように、第７実施形態に係るパラメータ最適化システム１０の動作が開始されると、まず画像センサ１１０が画像を取得する（ステップＳ１１）。

【0100】

続いて、スコア算出部１３０が、画像センサ１１０で取得された画像からスコアを算出する（ステップＳ１２）。スコア算出部１３０で算出されたスコアは、パラメータ決定部１４０に出力される。また、パラメータ決定部１４０は、スコアを算出した画像を撮像した際のセンシングパラメータに関する情報を、パラメータ設定部１２０から取得する（ステップＳ１３）。

【0101】

続いて、パラメータ決定部１４０は、スコアと、そのスコアに対応するセンシングパラメータに関する情報とに基づいて、適正パラメータを決定する（ステップＳ１４）。その後、パラメータ記憶部１８０が、パラメータ決定部１４０で決定された適正パラメータを記憶する（ステップＳ７１）。即ち、パラメータ記憶部１８０が、１つの光環境に応じた１つのパターンの適正パラメータを記憶する。

【0102】

続いて、第７実施形態に係るパラメータ最適化システム１０は、すべての光環境に応じたパターンの適正パラメータを記憶したか否かを判定する（ステップＳ７２）。即ち、予め設定された数の適正パラメータを記憶したか否かを判定する。

【0103】

すべての光環境に応じたパターンの適正パラメータを記憶している場合（ステップＳ７２：ＹＥＳ）、一連の処理は終了する。一方で、すべての光環境に応じたパターンの適正パラメータを記憶していない場合（ステップＳ７２：ＮＯ）、光環境を変更して（ステップＳ７３）、再びステップＳ１１から処理が繰り返される。このようにステップＳ１１からＳ１８の処理を繰り返していくことで、異なる光環境に応じた複数パターンの適正パラメータがパラメータ記憶部１８０に記憶されていく。なお、ステップＳ７３の光環境の変化は、例えば照明の強さを変更することで実現されてもよいし、時間の経過によって（例えば、昼から夜になるのを待つことで）実現されてもよい。

【0104】

（光環境の具体例）
次に、図１６を参照しながら、光環境毎に決定される適正パラメータについて具体的に説明する。図１６は、第７実施形態に係るパラメータ最適化システムにおける光環境の違いの一例を示す概念図である。

【0105】

図１６に示すように、第７実施形態に係るパラメータ最適化システム１０は、光環境Ａ、光環境Ｂ、及び光環境Ｃの３つの光環境に応じた適正パラメータをパラメータ記憶部１８０に記憶するようにしてもよい。具体的には、パラメータ記憶部１８０は、晴れて明るい光環境Ａに対応する適正パラメータＡ、曇りで薄暗い光環境Ｂに対応する適正パラメータＢ、及び夜で暗い光環境Ｃに対応する適正パラメータＣの３パターンを記憶するようにしてもよい。

【0106】

なお、上述した例はあくまで一例であり、その他の光環境に応じた適正パラメータが複数パターン決定されてもよい。上述した例は屋外での撮像を想定したものであるが、屋内で撮像を行う場合には、例えば照明の強さ等に応じて複数パターンの適正パラメータを決定すればよい。

【0107】

（技術的効果）
次に、第７実施形態に係るパラメータ最適化システム１０によって得られる技術的効果について説明する。

【0108】

図１４から図１６で説明したように、第７実施形態に係るパラメータ最適化システム１０では、光環境の違いに応じて複数パターンの適正パラメータが記憶される。このようにすれば、画像を撮像する際の光環境に応じて、複数パターンの中から適切な適正パラメータを選択することで、適切に画像を撮像することが可能となる。このため、画像を撮像するタイミングで新たに適正パラメータを決定せずとも、比較的容易に適切な画像を撮像することができる。

【0109】

＜第８実施形態＞
第８実施形態に係るパラメータ最適化システム１０について、図１７から図２０を参照して説明する。なお、第８実施形態は、上述した第７実施形態と一部の構成及び動作が異なるのみであり、その他の部分については第７実施形態と同様であってよい。このため、以下では、すでに説明した各実施形態と異なる部分について詳しく説明し、他の重複する部分については適宜説明を省略するものとする。

【0110】

（機能的構成）
まず、図１７を参照しながら、第８実施形態に係るパラメータ最適化システム１０の機能的構成について説明する。図１７は、第８実施形態に係るパラメータ最適化システムの機能的構成を示すブロック図である。なお、図１７では、図１４に示した構成要素と同様のものに同一の符号を付している。

【0111】

図１７に示すように、第８実施形態に係るパラメータ最適化システム１０は、その機能を実現するため構成要素として画像センサ１１０と、パラメータ設定部１２０と、スコア算出部１３０と、パラメータ決定部１４０と、パラメータ記憶部１８０と、パターン提示部１９０と、選択操作検出部２００とを備えている。即ち、第８実施形態に係るパラメータ最適化システム１０は、第７実施形態の構成（図１４参照）に加えて、パターン提示部１９０、及び選択操作検出部２００を更に備えて構成されている。パターン提示部１９０及び選択操作検出部２００の各々は、例えば上述したプロセッサ１１（図１参照）によって実現されてよい。また、パターン提示部１９０は、上述した出力装置１６（図１参照）を含んで構成されてもよい。選択操作検出部２００は、上述した入力装置１５（図１参照）を含んで構成されてもよい。

【0112】

パターン提示部１９０は、パラメータ記憶部１８０に記憶された複数パターンの適正パラメータを、システムのユーザに提示可能に構成されている。パターン提示部１９０は、例えばディスプレイに画像を表示して、複数パターンの適正パラメータを提示してもよい。或いは、パターン提示部１９０は、スピーカ等を介した音声によって、複数パターンの適正パラメータを提示してもよい。

【0113】

選択操作検出部２００は、パターン提示部１９０によって複数パターンの適正パラメータを提示されたユーザによる選択操作（即ち、提示されたパターンの中から１つのパターンを選択する操作）を検出可能に構成されている。選択操作検出部２００は、例えばユーザの端末操作を検出可能に構成されてよい。選択操作検出部２００で検出された選択操作に関する情報（例えば、ユーザが選択したパターンに関する情報）は、パラメータ設定部１２０に出力される構成となっている。

【0114】

（動作の流れ）
次に、図１８を参照しながら、第８実施形態に係るパラメータ最適化システム１０の動作の流れについて説明する。図１８は、第８実施形態に係るパラメータ最適化システムの動作の流れを示すフローチャートである。なお、図１８に示す一連の処理は、複数パターンの適正パラメータを決定した後に実行される処理である。複数パターンの適正パラメータを決定するまでの処理は、第７実施形態（図１５参照）と同様であってよい。

【0115】

図１８に示すように、第８実施形態に係るパラメータ最適化システム１０の動作が開始されると、まずパターン提示部１９０が、パラメータ記憶部１８０に記憶された複数パターンの適正パラメータを、システムのユーザに提示する（ステップＳ８１）。

【0116】

続いて、選択操作検出部２００が、ユーザによる選択操作を検出する（ステップＳ８２）。なお、ユーザによる選択操作が検出されない場合（例えば、提示してから所定期間が経過しても選択操作が検出されない場合）には、ユーザに対して選択操作を行うように通知を行ってもよい。或いは、ユーザの選択操作を待たずに自動的にいずれか１つのパターンを選択するようにしてもよい。

【0117】

続いて、選択操作検出部２００で検出された選択操作に応じて、パラメータ設定部１２０が画像センサ１１０のセンシングパラメータを変更する。具体的には、パラメータ設定部１２０は、ユーザによる選択操作で選択されたパターンの適正パラメータとなるように、画像センサ１１０のセンシングパラメータを変更する（ステップＳ８３）。

【0118】

なお、ステップＳ８３においてセンシングパラメータを変更した後にも、選択操作検出部２００は、選択操作の検出を継続してもよい。そして、ユーザの選択操作が新たに検出された場合には、パラメータ設定部１２０が新たに検出された選択操作に応じて、センシングパラメータを再び変更するようにしてもよい。このように、選択操作の検出及びセンシングパラメータの変更は、複数回実行されるものであってもよい。

【0119】

（ＵＩ）
次に、図１９及び図２０を参照しながら、第８実施形態に係るパラメータ最適化システム１０に適用可能なＵＩ（Ｕｓｅｒ Ｉｎｔｅｒｆａｃｅ）について具体的に説明する。図１９は、第８実施形態に係るパラメータ最適化システムにおける提示例を示す図（その１）である。図２０は、第８実施形態に係るパラメータ最適化システムにおける提示例を示す図（その２）である。なお、図１９及び図２０では、画像から人物の顔を検出し、顔認証スコアを算出する場合の提示例を示している。

【0120】

図１９に示す例では、画面の左側の領域に撮影された画像（動画）が表示される。画像には、検出された顔が含まれる矩形領域、及び算出された顔認証スコアが重畳して表示されている。また、画面の右側の領域には、センシングパラメータを設定するためのボタンが配置されている。具体的には、上から順に「オート」、「光環境Ａ」、「光環境Ｂ」、及び「光環境Ｃ」の４つのボタンが並んでいる。ユーザは、この４つのボタンのいずれかをクリックすることで、複数パターンの適正パラメータから１つのパターンを選択する（即ち、選択操作を行う）ことが可能である。

【0121】

なお、図１９に示す例では、ユーザが「光環境Ａ」を選択した状態となっている（ボタンの色が他と違う色になっている）。このため、図１９に示すタイミングでは、光環境Ａに対応する適正パラメータで画像が撮影されている。なお、ユーザが「光環境Ｂ」のボタンをクリックした場合、画像センサ１１０のセンシングパラメータが光環境Ｂに対応する適正パラメータに変更される。同様に、ユーザが「光環境Ｃ」のボタンをクリックした場合、画像センサ１１０のセンシングパラメータが光環境Ｃに対応する適正パラメータに変更される。なお、ユーザが「オート」のボタンをクリックした場合、画像センサ１１０のセンシングパラメータが、光環境Ａ、光環境Ｂ、又は光環境Ｃのいずれかに１つに対応する適正パラメータ、或いは、それ以外のランダムなセンシングパラメータに自動的に変更される。

【0122】

図２０に示す例では、画面の左下の領域に、スコアの時間変化を示すグラフが表示されている。グラフを時間方向に見ると、ユーザは最初に「オート」を選択し、その次に「光環境Ａ（適正パラメータＡ）」を選択し、その次に「光環境Ｂ（適正パラメータＢ）」を選択し、最後にその次に「光環境Ｃ（適正パラメータＣ）」を選択していることがわかる。そして、パターン毎にスコアの値を比較すると、光環境Ａを選択した場合のスコアが最も高いことがわかる。よって、ユーザは、スコアを高くするためには光環境Ａに応じた適正パラメータＡを選択すればよいことを容易に知ることができる。

【0123】

（技術的効果）
次に、第８実施形態に係るパラメータ最適化システム１０によって得られる技術的効果について説明する。

【0124】

図１７から図２０で説明したように、第８実施形態に係るパラメータ最適化システム１０では、複数パターンの適正パラメータがユーザに提示され、ユーザの選択操作に応じて画像センサ１１０のセンシングパラメータが変更される。このようにすれば、ユーザに適正パラメータを選択してもらうことができるため、例えば自動的に適正パラメータを選択することが難しい場合であっても、適切なセンシングパラメータで画像を撮像することが可能となる。また、図１９及び図２０に示したＵＩのように、ユーザにリアルタイムで画像の変化を提示するようにすれば、より適切に適正パターンを選択してもらうことが可能となる。

【0125】

上述した各実施形態の機能を実現するように該実施形態の構成を動作させるプログラムを記録媒体に記録させ、該記録媒体に記録されたプログラムをコードとして読み出し、コンピュータにおいて実行する処理方法も各実施形態の範疇に含まれる。すなわち、コンピュータ読取可能な記録媒体も各実施形態の範囲に含まれる。また、上述のプログラムが記録された記録媒体はもちろん、そのプログラム自体も各実施形態に含まれる。

【0126】

記録媒体としては例えばフロッピー（登録商標）ディスク、ハードディスク、光ディスク、光磁気ディスク、ＣＤ－ＲＯＭ、磁気テープ、不揮発性メモリカード、ＲＯＭを用いることができる。また該記録媒体に記録されたプログラム単体で処理を実行しているものに限らず、他のソフトウェア、拡張ボードの機能と共同して、ＯＳ上で動作して処理を実行するものも各実施形態の範疇に含まれる。

【0127】

この開示は、請求の範囲及び明細書全体から読み取ることのできる発明の要旨又は思想に反しない範囲で適宜変更可能であり、そのような変更を伴うパラメータ最適化システム、パラメータ最適化方法、及びコンピュータプログラムもまたこの開示の技術思想に含まれる。

【0128】

＜付記＞
以上説明した実施形態に関して、更に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。

【0129】

（付記１）
付記１に記載のパラメータ最適化システムは、少なくとも１つのセンシングパラメータを有する画像センサと、前記センシングパラメータを変更可能なパラメータ設定手段と、前記画像センサで取得された画像からスコアを算出するスコア算出手段と、前記センシングパラメータと、前記センシングパラメータに対応する前記スコアとに基づいて、前記スコアが相対的に高くなる前記センシングパラメータである適正パラメータを決定するパラメータ決定手段とを備えることを特徴とするパラメータ最適化システムである。

【0130】

（付記２）
付記２に記載のパラメータ最適化システムは、前記スコア算出手段は、ニューラルネットワークを含んでおり、前記センシングパラメータは、撮像装置の設定値に関するパラメータであることを特徴とする付記１に記載のパラメータ最適化システムである。

【0131】

（付記３）
付記３に記載のパラメータ最適化システムは、前記センシングパラメータと、前記センシングパラメータに対応する前記スコアとを紐付けてペア情報として記憶する情報記憶手段を更に備え、前記パラメータ決定手段は、前記情報記憶手段に記憶された前記ペア情報に基づいて前記適正パラメータを決定することを特徴とする付記１又は２に記載のパラメータ最適化システムである。

【0132】

（付記４）
付記４に記載のパラメータ最適化システムは、前記スコア算出手段は、逐次的に取得される複数の画像から前記スコアを算出し、前記パラメータ決定手段は、前記複数の画像の前記スコアの差分と前記センシングパラメータとの差分から計算される前記センシングパラメータの勾配に基づいて前記適正パラメータを決定し、前記パラメータ設定手段は、新たに決定された前記適正パラメータとなるように前記センシングパラメータを変更することを特徴とする付記１から３のいずれか一項に記載のパラメータ最適化システムである。

【0133】

（付記５）
付記５に記載のパラメータ最適化システムは、前記スコアに含まれるノイズ量を計算するノイズ計算手段を更に備え、前記パラメータ決定手段は、前記スコアの差分が前記ノイズ量より小さい場合には新たな前記適正パラメータを決定せず、前記スコアの差分が前記ノイズ量より大きい場合に新たな前記適正パラメータを決定することを特徴とする付記４に記載のパラメータ最適化システムである。

【0134】

（付記６）
付記６に記載のパラメータ最適化システムは、前記スコアは、前記画像に含まれる撮像対象に関するものであり前記パラメータ設定手段は、前記スコアが前記撮像対象を検出していない状態に対応する値である場合に、前記画像から前記撮像対象を検出できるように前記センシングパラメータを変更することを特徴とする付記１から５のいずれか一項に記載のパラメータ最適化システムである。

【0135】

（付記７）
付記７に記載のパラメータ最適化システムは、前記パラメータ決定手段は、前記画像センサ周辺の光環境の違いに応じて複数パターンの前記適正パラメータを決定することを特徴とする付記１から６のいずれか一項に記載のパラメータ最適化システムである。

【0136】

（付記８）
付記８に記載のパラメータ最適化システムは、前記複数のパターンの前記適正パラメータをユーザに提示する提示手段を更に備え、前記パラメータ設定手段は、前記ユーザが選択したパターンに応じて前記センシングパラメータを変更することを特徴とする付記７に記載のパラメータ最適化システムである。

【0137】

（付記９）
付記９に記載のパラメータ最適化方法は、少なくとも１つの変更可能なセンシングパラメータを有する画像センサのパラメータ最適化システムであって、前記画像センサで取得された画像からスコアを算出し、前記センシングパラメータと、前記センシングパラメータに対応する前記スコアとに基づいて、前記スコアが相対的に高くなる前記センシングパラメータである適正パラメータを決定することを特徴とするパラメータ最適化方法である。

【0138】

（付記１０）
付記１０に記載のコンピュータプログラムは、少なくとも１つの変更可能なセンシングパラメータを有する画像センサのパラメータ最適化システムであって、前記画像センサで取得された画像からスコアを算出し、前記センシングパラメータと、前記センシングパラメータに対応する前記スコアとに基づいて、前記スコアが相対的に高くなる前記センシングパラメータである適正パラメータを決定するようにコンピュータを動作させることを特徴とするコンピュータプログラムである。

【0139】

（付記１１）
付記１１に記載の記録媒体は、付記１０に記載のコンピュータプログラムが記録されていることを特徴とする記録媒体である。

【符号の説明】

【0140】

１０ パラメータ最適化システム
１１ プロセッサ
１４ 記憶装置
１５ 入力装置
１６ 出力装置
２０ カメラ
５０ 撮像対象
１１０ 画像センサ
１２０ パラメータ設定部
１２５ 検出判定部
１３０ スコア算出部
１３５ ニューラルネットワーク
１４０ パラメータ決定部
１４５ 勾配計算部
１５０ 情報記憶部
１６０ スコア記憶部
１７０ ノイズ量計算部
１８０ パラメータ記憶部
１９０ パターン提示部
２００ 選択操作検出部

【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】

【図19】

【図20】