JP2015517247A - モニタリングおよび監視の用途のためのカメラのアレイにおける最適なカメラ選択 - Google Patents

Abstract

一般に、マルチカメラによるモニタリングおよび監視の用途においてカメラ配置の効率、数および分解能を自動的に最適化するための技術が述べられている。いくつかの実施例では、全地域のわずかな部分を、残された部分より高い分解能でモニタすることができる。組み合わせ状態のビタビ技法または組み合わせ状態の格子技法など、技法を用いると、必要な分解能でカバーする最小数のカメラを選択することができる。同様に、いくつかのポイントを、少なくとも予め定めた数のカメラによってカバーすることができる。例えば、公共の地域で興味ある対象者を追跡することができ、特定のカメラを使用して、背景より高い分解能で対象者の顔を写すことができる。

Description

本願は、２０１２年４月２日に出願した米国仮出願第６１／６１８，９２５号の優先権を主張するものである。本仮出願は、その全体を参照により本願に援用する。

本明細書に他の特段の規定がない限り、本章に述べる資料は、本願の請求項に対する先行技術ではなく、かつ本章に含めることによって先行技術であると認めるものでもない。

ビデオ監視用途、例えば地下鉄の駅、店舗および空港におけるビデオ監視においては、重要な地域は、カメラセンサのネットワークによるカバーが必要である場合がある。いくつかの用途では、分解能がより高い画像（ズーム）が特定の地域に対して必要である場合がある。例えば、対象者を地下鉄の駅で追跡している場合、対象者を適切に識別することができるように、その顔面に対して分解能がより高いことが、対象者の体の画像とは対照的に必要である場合がある。より高い分解能は、特定のカメラをより高い分解能に設定することによって得ることができる。すべての用途のために高分解能カメラを使用すると、コストがひどく高くなるだけでなく、帯域幅、記憶容量および同等のリソースなど、システムリソースに対する負荷が増加することになるおそれがある。

選択された数のカメラが高分解能のものであるシステムでは、監視事業体は、カメラ数および割り当てられた分解能と所望の分解能の間の誤差が同時に最小になるように、その地域に対して適切なカメラと分解能を選択することができる可能性がある。しかし、カメラ数またはカバーする地域が大きい場合、任務は、あまりにも複雑になって手作業では解決できない恐れがある。

本開示では、一般に、マルチカメラによるモニタリングおよび監視の用途のためにカメラ配置の効率、数および分解能を自動的に最適化することに関する方法、機器、システム、装置および／またはコンピュータプログラム製品を述べる。

いくつかの実施例によって、マルチカメラによるモニタリング環境においてカメラ配置の効率、数および分解能を自動的に最適化するための方法を述べる。実施例の方法は、最大分解能行列Ｖを決定することであって、Ｖの各要素ｖ_ｉ、ｊが最大分解能を表し、その最大分解能によって、カメラｃ_ｉは、マルチカメラ環境においてポイントｐ_ｊをモニタすることが可能である、決定することと；所望の分解能ベクトルＲｅｓ_ｄｅｓを受け取ることであって、Ｒｅｓ_ｄｅｓの各要素が各ポイントに対する所望の分解能を表す、受け取ることと；Ｒｅｓ_ｄｅｓから考えてＶの要素を評価し、コスト関数を考慮して最適なカメラと分解能の選択を決定することであって、コスト関数は、各ポイントに割り当てられた分解能の誤差を少なくとも含む、決定することとを含むことができる。

他の実施例によって、マルチカメラによるモニタリング環境においてカメラ配置の効率、数および分解能を自動的に最適化するように動作可能なコンピューティングデバイスを述べる。コンピューティングデバイスは、命令を格納するように構成されるメモリと；所望の分解能ベクトルＲｅｓ_ｄｅｓを受け取るように構成される入力装置であって、Ｒｅｓ_ｄｅｓの各要素が、マルチカメラ環境において各ポイントに対する所望の分解能を表す、入力装置と；プロセッサとを含むことができる。プロセッサは、最大分解能行列Ｖを決定し、Ｖの各要素ｖ_ｉ、ｊが、最大分解能を表し、その最大分解能によって、カメラｃ_ｉがマルチカメラ環境においてポイントｐ_ｊをモニタすることが可能であり；かつ、Ｒｅｓ_ｄｅｓから考えてＶの要素を評価し、コスト関数を考慮して最適なカメラと分解能の選択を決定し、コスト関数は、各ポイントに割り当てられた分解能の誤差を少なくとも含むように構成することができる。

さらなる実施例によって、モニタリングおよび監視の用途のためのカメラのアレイにおける最適なカメラの選択のための方法を述べる。実施例の方法は、直線軸に沿った間隔に対して規定された複数のカメラと関連付けられた複数の分解能を決定することと；間隔におけるポイントおよびそのポイントに対する所望の分解能と関連付けられた情報を受け取ることと；組み合わせ状態の格子を形成することであって、各レベルが、ポイントの線形順序に従って１つのポイントを表し、この１つのポイントをカバーするカメラの分解能の可能な組み合わせが、対応するレベルについての状態としてリストアップされる、形成することと；格子の形で横切られる各経路中の分解能の制約に従いながら、生存経路が決定されるまで、レベルによって最適な経路を評価することとを含むことができる。

さらなる実施例によって、モニタリングおよび監視の用途のためのカメラのアレイにおける最適なカメラ選択のためのコンピューティングデバイスを述べる。コンピューティングデバイスは、命令を格納するように構成されるメモリと、プロセッサとを含むことができる。プロセッサは、直線軸に沿った間隔に対して規定された複数のカメラと関連付けられた複数の分解能を決定し；間隔におけるポイントおよびそのポイントに対する所望の分解能と関連付けられた情報を受け取り；組み合わせ状態の格子を形成し、各レベルが、ポイントの線形順序に従って１つのポイントを表し、この１つのポイントをカバーするカメラの分解能の可能な組み合わせが、対応するレベルについての状態としてリストアップされ；かつ、格子の形で横切られる各経路中の分解能の制約に従いながら、生存経路が決定されるまで、レベルによって最適な経路を評価するように構成することができる。

いくつかの実施例によって、地域のための照明に対する所望の強度を実現する、照明アレイにおける最適な光源サブセットの選択のための方法を提供する。実施例の方法は、直線軸に沿った間隔に対して規定された複数の光源と関連付けられた複数の光源強度を決定することと；間隔におけるポイントおよびそのポイントに対する所望の照明強度と関連付けられた情報を受け取ることと；組み合わせ状態の格子を形成することであって、各レベルが、ポイントの線形順序に従って１つのポイントを表し、この１つのポイントをカバーする照明強度の可能な組み合わせが、対応するレベルについての状態としてリストアップされる、形成することと；格子の形で横切られる各経路中の光源強度の制約に従いながら、生存経路が決定されるまで、レベルによって最適な経路を評価することとを含むことができる。

他の実施例によって、地域のための照明に対する所望の強度を実現する、照明アレイにおける最適な光源サブセットの選択のためのコンピューティングデバイスを述べる。コンピューティングデバイスは、命令を格納するように構成されるメモリと、プロセッサとを含むことができる。プロセッサは、直線軸に沿った間隔に対して規定された複数の光源と関連付けられた複数の照明強度を決定し；間隔におけるポイントおよびそのポイントに対する所望の照明強度と関連付けられた情報を受け取り；組み合わせ状態の格子を形成し、各レベルが、ポイントの線形順序に従って１つのポイントを表し、この１つのポイントをカバーする照明強度の可能な組み合わせが、対応するレベルについての状態としてリストアップされ；かつ、格子の形で横切られる各経路中の光源強度の制約に従いながら、生存経路が決定されるまで、レベルによって最適な経路を評価するように構成することができる。

また他の実施例によって、また、マルチカメラによるモニタリング環境においてカメラ配置の効率、数および分解能を最適化するための上記の方法を１つまたは複数のプロセッサで実行するための命令が格納されたコンピュータ可読記憶媒体を述べることができる。

前述の要約は、単に例示的であり、決して限定しないものと意図する。上記に述べた例示的な態様、実施形態および特徴に加えて、さらなる態様、実施形態および特徴が、図面および次の詳細な記述を参照すると、明らかになる。

本開示の前述および他の特徴は、次の記述および添付の請求項から、添付の図面とともに検討すると、より十分に明らかになる。これらの図面が本開示によるいくつかの実施形態だけを描き、したがって本開示の範囲を限定するものと見なすべきでないことを理解していただき、本開示は、添付の図面を使用して、さらなる特性および細部を用いて述べることにする。

いくつかのポイントおよびマルチ分解能カメラの実施例の２次元システムを例示する図である。 モニタリングおよび監視の用途のためのカメラのアレイにおける最適なカメラ選択のための貪欲な方法を用いる実施例のシステムのブロック図を例示する図である。 ２つの異なる分解能を有するカメラによって、地下鉄の駅にいる人々をカバーすることになる実施例の１次元シナリオを例示する図である。 ４つのサブ間隔に分割される実線の区分を用いて間隔をカバーする計算を例示する図である。 カバー地域が異なる６つのカメラの実施例の１次元単一分解能のシナリオを例示する図である。 各カメラが２つの分解能を有し、４つのポイントがカバーされる、３つのカメラを備える別の実施例の１次元マルチ分解能カメラの構成を例示する図である。 各カメラが２つの分解能を有し、３つのポイントがカバーされる、４つのカメラを備える、さらなる実施例の１次元マルチ分解能カメラの構成を例示する図である。 モニタリングおよび監視の用途のためのカメラのアレイにおける最適なカメラ選択のための組み合わせ状態のビタビ（Ｖｉｔｅｒｂｉ）技法を用いる実施例のシステムのブロック図を例示する図である。 図７の実施例のシナリオに適用される際の組み合わせ状態の格子技法の格子を例示する図である。 モニタリングおよび監視の用途のためのカメラのアレイにおける最適なカメラ選択を管理するために使用することができる汎用コンピューティングデバイスを例示する図である。 図１０のコンピューティングデバイスなどのコンピューティングデバイスによって実施することができる実施例の方法を例示するフローチャートである。 実施例のコンピュータプログラム製品のブロック図を例示する図である。

すべては、本明細書に述べる少なくともいくつかの実施形態によって構成される。

次の詳細な記述では、添付の図面を参照し、そしてそれは、本明細書の一部を形成する。図面では、同様のシンボルが、文脈に他の特段の規定がない限り、通常、同様の構成要素を識別する。詳細な記述、図面および請求項で述べる例示的な実施形態は、限定するものと意味しない。本明細書に示す主題の趣旨または範囲から逸脱することなく、他の実施形態を利用することができ、かつ、他の変形を行うことができる。本明細書に一般に述べて図で例示したような本開示の態様は、広範な、異なる構成で配置する、置き換える、組み合わす、分離する、かつ設計することができ、そのすべては、本明細書にはっきりと企図されていることを直ちに理解されるはずである。

本開示は、一般に、マルチカメラによるモニタリングおよび監視の用途のためにカメラ配置の効率、数および分解能を自動的に最適化することに関する方法、機器、システム、装置および／またはコンピュータプログラム製品にとりわけ関心を向けたものである。

簡単に述べると、一般に、マルチカメラによるモニタリングおよび監視の用途においてカメラ配置の効率、数および分解能を自動的に最適化するための技術を提供する。いくつかの実施例では、全地域のわずかな部分を、残された部分より高い分解能でモニタすることができる。組み合わせ状態のビタビ（Ｖｉｔｅｒｂｉ）技法または組み合わせ状態の格子技法など、技法を用いると、必要な分解能でカバーする最小数のカメラを選択することができる。同様に、いくつかのポイントは、少なくとも予め定めた数のカメラによってカバーすることができる。例えば、興味ある対象者を公共の地域で追跡することができ、特定のカメラを使用して、背景より高い分解能で対象者の顔を写すことができる。

図１は、本明細書に述べる少なくともいくつかの実施形態によって構成される、いくつかのポイントおよびマルチ分解能カメラの実施例の２次元システムを例示する。

地域監視における２次元のカバー範囲は、通常、カバー地域中の被写体が単一の分解能で見られると想定される。しかし、これは、常にそうであると限らず、複数の分解能が、（例えば、顔認識の目的で）望ましい場合がある。いくつかの実施例によるシステムは、ＮＰ完全（ＮＰ−ｃｏｍｐｌｅｔｅ）構成が、モニタリングおよび監視の用途のためのカメラのアレイにおいてカメラを選択するために発見的な技法を用いるので、複数の分解能の選択によって２次元監視のカバー範囲を取り扱う。いくつかの実施例のシナリオでは、２次元構成は、最適性を失うことなく、同等の１次元構成に変換することができる。

１００に示すように、いくつかの実施形態によるモニタリング／監視システムは、カメラＣ１〜Ｃ８など、いくつかのカメラを含むことができる。カメラＣ１〜Ｃ８は、いくつかのポイントｐ１〜ｐ４が、特に他のものの中で特定の分解能でカバーされるように、位置付けることができる。各カメラは、カメラＣ１のカバー地域１０２、カメラＣ２のカバー地域１０４、カメラＣ３のカバー地域１０６、カメラＣ４のカバー地域１０８、カメラＣ５のカバー地域１１０、カメラＣ６のカバー地域１１２、カメラＣ７のカバー地域１１４およびカメラＣ８のカバー地域１１６など、そのカバー地域を担当することができる。

いくつかの実施例によるシステム中のカメラの１つまたは複数は、異なる分解能に設定可能とすることができ、各分解能がズームのレベルを表すことができる。それゆえ、より高い分解能によって、より拡大された画像を提供することができる。通常、カメラのより高い分解能のカバー地域は、カメラＣ１の異なる分解能（１〜３）に対するカバー地域によって描写するように、より低い分解能によるカバー地域より狭くなる恐れがある。カメラは、いくつかのポイントを特定の分解能を用いてカバーするように構成することができる。ポイント数およびカメラ数は、それぞれＮｏＰおよびＮｏＣとして本明細書で参照する。

カメラに割り当てられた分解能は、ベクトルＸによって表すことができ、各要素Ｘｉが、カメラｉの分解能に対応する。それゆえ、ベクトルＸの長さが、ＮｏＣである。
［１］ Ｘ＝［Ｘ_１Ｘ_２．．．Ｘ_ＮｏＣ］
最大分解能の値をｎ_Ｒと仮定すると、各ベクトル要素は、一般の場合、
［２］ Ｘｉ∈｛０、１、２、．．．、ｎ_Ｒ｝
として見なすことができる、ただし、ポイントおよびカメラは、２次元地域にわたって、いずれもの位置にばらまくことができる。

各ポイントは、特定の分解能を用いてカバーすることが望まれる可能性がある。それゆえ、ポイントのすべてに対して所望の分解能がおおよそ与えられるように、どのカメラをオンにし、何の分解能を各カメラに割り当てるのかという決定が伴う。そのようにして、「オン」のカメラ数および各ポイントに割り当てられた分解能の誤差を同時に最少にすることができる。実施形態によるシステムは、この構成アプローチを離散的な最適化として模することができる。

行列Ｖ、すなわち最大分解能行列をまず定義することができる。Ｖは、ＮｏＣ行ＮｏＰ列の行列とすることができ、Ｖの各要素ｖ_ｉ、ｊが、最大分解能を表すことができ、その最大分解能によって、カメラｉがポイントｊを見ることができる。せいぜい分解能ｋであるカメラによって、ポイントをカバーことができると決定することができる場合、ポイントは、また、同じカメラによってより低い分解能でカバーすることができ、そしてより高い分解能では見ることができない。それゆえ、最大分解能の知識は、他の分解能に関する情報をさらに含むことができる。最大分解能行列Ｖは、以下で議論するように、コストの１つを定義するために使用することができる。

コスト関数の１つは、各ポイントに割り当てられた分解能の誤差を含むことができる。例えば、ポイントｊに対するコストを計算するためには、ポイントｊの所望の分解能、Ｒｅｓ_ｄｅｓｊは、ポイントｊに割り当てられた分解能、Ｒｅｓ_ａｓｓｊと比較することができ、それは、ポイントｊをカバーするすべてのカメラの中で最大分解能とすることができる。同じように、割り当てられた分解能は、
［３］ Ｒｅｓ_ａｓｓｊ（Ｘ）＝ｍａｘ（Ｘ_ｃｊ）
として記述することができる、ただし、
［４］ Ｃ_ｊ＝｛ｉ、Ｘ_ｉ≦Ｖ（ｉ、ｊ）｝
である。あるいは、ベクトル不等式を使用して、次の方程式を記述することができる。
［５］ Ｒｅｓ_ａｓｓｊ（Ｘ）＝ｍａｘ（Ｘ（Ｘ≦Ｖ（ｉ、ｊ）））

Ｖのｊ番目の列中のそれらの対応する要素以下であるＸの要素を考えることができ、そして最大の要素が選択される。所望の分解能より高い分解能がポイントに割り当てられた場合、分解能割り当ての誤差は、ゼロと見なすことができる。上記にリストアップした定義を用いると、カメラ選択は、離散的な最適化としてモデル化することができる。それゆえ、「オン」のカメラ数のコストおよび分解能誤差のコストは、パラメータλを用いて線形に結合することができ、それによって総コストが決定される。λは、コスト関数の別の部分を超える、或る部分の重要性を決定するファクタである。続いて、総コストは、

を使用して最小にすることができる、ただし、分解能コストは、

である。

ただし、Ｘ＝［Ｘ_１Ｘ_２．．．．Ｘ_ＮｏＣ］およびｌｏ（Ｘ）によって、ベクトルＸの非ゼロ要素数が与えられる。より高い分解能がポイントに割り当てられた場合、分解能誤差がゼロであるように強いるために、最大関数を使用することができる。

λを変化させると、解に対して実質的な影響を与えることができる。例えば、λが、十分大きいように選択された場合、上記に述べた技法は、第１のコストにかかわらず、分解能コストをおおよそ最小にする傾向がある可能性がある。一方のコストが別のコストに優先しない場合、両方のコストは、それらの最大値に正規化することができ、λは、１と選択される。カメラ数がポイント数以上である場合、ｌｏ（Ｘ）の最大値は、ＮｏＣとすることができる。カメラ数がポイント数以上の場合（すなわちＮｏＰ＜ＮｏＣの場合）、このアプローチは、この場合、ｌｏ（Ｘ）の最大値がｍｉｎ（ＮｏＣ、ＮｏＰ）であるとして、ＮｏＰ個のカメラを用いて適用することができる。分解能コストの最大値は、割り当てられた分解能がゼロであるとき、得ることができる。

次に、最小化を実施することができる。

最適化は、Ｎ−Ｐ完全である。それゆえ、貪欲技法は、いくつかの実施形態において最適化を計算するために用いることができる。

図２は、モニタリングおよび監視の用途のためのカメラのアレイにおける最適なカメラ選択のための貪欲な方法を用いる、本明細書に述べる少なくともいくつかの実施形態によって構成される実施例のシステムのブロック図を例示する。

上記で議論した最適化では、貪欲な方法は、分解能の最初のカメラ割り当てアプローチで用いることができる。この貪欲な方法を用いると、比較的に速い速度で複雑さが少なく許容可能な結果を得ることができ、それゆえ計算システムのリソースを求める必要性の増加が避けられる。以下で議論する実施例の実装形態では、オンカメラ数のコストよりはむしろ分解能コストに、より大きい重みを与えることができる。

いくつかの実施形態による貪欲な方法によって、繰り返し総コスト関数を最小にすることができる。各繰り返しで、カメラは、選択されたカメラおよびその割り当てられた分解能によって、他の選択肢の中でコスト関数をもっとも大きく削減させるように、選択して分解能をそのカメラに割り当てることができる。繰り返しは、例えば、他の選択（カメラまたは分解能）によって、コスト関数が減少しないようになるまで、継続させることができる。

２００は、繰り返しプロセスをどのようにして実施することができるのかを例示する。繰り返しプロセスへの入力は、Ｒｅｓ_ｄｅｓ、すなわち目標ポイントの所望の分解能のアレイ；λ、すなわち別の部分を超える、コスト関数の或る部分の重みを決定するファクタ；およびＶ、すなわちカメラがポイントを観測する最大分解能を表す行列２１２を含むことができる。

各カメラに対して最善の分解能を、最善の分解能選択ブロック２１４、２１６によって選択することができる。簡潔さのために、２つのそのようなブロックを示すが、しかし実施例の実装形態では、カメラ毎に１つのブロックを用いることができる。各カメラに対する最善の分解能は、他の分解能よりコスト関数を大きく削減させる分解能である。カメラに対して最善の分解能を選択するために、すべての割り当て可能な分解能について、総コスト関数を計算することができる。次いで、計算されたコストの最小値および対応する分解能をコスト分析器ブロック２１８の入力に提供することができる。コスト分析器ブロック２１８は、入力されたコスト（Ｃｏｓｔ_１、．．．．Ｃｏｓｔ_ＮｏＣ）の中で最小コストを決定し、そしてその最小コストを前の繰り返しのコスト（ＰｒｅＣｏｓｔ）と比較することができる。現在の最小コストと前のコストの間に差が実質的にないという決定に応答して、コスト分析器ブロック２１８は、繰り返しを終了させて、「レディ」信号を提供することができる。さもなければ、最小コストは、次の繰り返しのために、最善の分解能選択ブロック２１４、２１６に送ることができる。

図３は、地下鉄の駅にいる人たちを、２つの異なる分解能を有するカメラによってカバーすることになる、本明細書に述べる少なくともいくつかの実施形態によって構成される実施例の１次元のシナリオを例示する。

いくつかの実施例では、用途が特定されている１次元構成の特別のケースを考えることができる。そのようなシナリオでは、いくつかの実施形態において、組み合わせ状態のビタビ技法を使用して、最適な解を得ることができる。

３００は、１次元構成に関する実施例のシナリオを描く。３００の実施例のシナリオでは、地下鉄の駅にいる被写体（人たち３３３および３３５）は、列車３３４の両側にいる場合がある。３００に例示するように、トンネルの両側に在るカメラ３３２および３３６は、それらそれぞれの側の人たち３３３および３３５をモニタすることができる。人たち３３３および３３５がほぼ一列に立っていて、最適化が直線状のラインであると近似することができる。

実施例のシナリオでは、カメラ３３２および３３６は、２つの異なる分解能を有することができる（例えば、通常のカバー地域、およびズームによって利用できるより高い分解能のカバー地域）。ラインを、例えば最小二乗誤差に基づき、ポイント（そこで人たちがモニタされている）を通るようにフィッティングすることができ、かつポイントが、Ｖ行列を変化させないようにライン上に投影された場合、２次元構成に対する最適な選択は、最適性を失うことなく、１次元構成を計算することによって決定することができる。それゆえ、この２次元アプローチは、異なる分解能によってカバーすることが望まれる場合がある、間隔の１次元アプローチ（被写体の部分が一列に並んでいる）に簡単化することができる。他の実施形態では、ポイントをカバーするアプローチは、１次元構成で用いることができる。

図４は、本明細書に述べる少なくともいくつかの実施形態によって構成される、４つのサブ間隔に分割される実線の区分によって間隔をカバーする計算を例示する。

マルチ分解能カメラの割り当てでは、分解能が予め決定された、いくつかの間隔がカバーされることを考えると、計算は、いくつかの実施例の実施形態では、間隔の代わりに、いくつかのポイントがカバーされる技法に変換することができる。それゆえ、各間隔は、いくつかのサブ間隔に分解することができ、ポイントが、各サブ間隔を表すものとして見なすことができる。次いで、それらポイントに対して最適化を実施することができる。

ｉ番目のカメラセンサのカバー地域の間隔は、［ａ_ｉ、ｂ_ｉ］によって表すことができる。ライン４４０に沿った間隔は、次のように、ポイントに変換することができる。間隔（ｕ_ｉｎｔ）の始め（Ｉ_ｉｎｔ）および終りを考えることができ、いずれかの分解能によるカメラのカバー範囲の境界の始めおよび終りがソートされる。

４００は、カメラＣ１およびＣ２が、高分解能のカバー範囲４４２および４４４を有する検討中の間隔４４５をそれぞれ観測していることを描写している。検討中の間隔４４５は、実線の区分として描写され、４つのサブ間隔に区分されている。４００に示すように、実施例のシナリオでは、Ｉ_ｉｎｔは、Ｉ_０とすることができ、ｕ_ｉｎｔは、Ｉ_４とすることができる。各サブ間隔上のすべてのポイントは、同じカメラおよび分解能でカバーすることができる。それゆえ、単一ポイントは、各サブ間隔を表すものとして見なすことができる。

図５は、本明細書に述べる少なくともいくつかの実施形態によって構成される、異なるカバー地域を担当する６つのカメラによる実施例の１次元単一分解能のシナリオを例示する。

５００は、ライン５４６をカバーする、いくつかのカメラ（Ｃ１〜Ｃ６）を備える実施例のシナリオを例示し、カメラは、それらのカバー地域が重なり合うことができる。５００に示すように、異なるカバー地域（ａ_１、ｂ_１；ａ_２、ｂ_２；．．．．ａ_６、ｂ_６）を担当する６つのカメラＣ１〜Ｃ６と、またカバーされる５つのポイント（ｐ_１〜ｐ_５）とが存在している。実施例のシナリオでは、分解能は、ポイントに割り当てられていない。したがって、カメラの分解能は、変化せず、目的は、最小数のカメラによってポイントをカバーすることである。それゆえ、離散的な（組み合わせの）最適化技法を適用することができる。ポイントが実質的に真っすぐなライン上に在ることができ、各カメラのカバー範囲が間隔によって規定することができると仮定することができる。それゆえ、ポイント、ｐ_ｉは、実数軸上の被写体または被写体の部分を表す。

実数軸上のポイントの中の順序を生かし、一般性を失うことなく、計算は、もっとも左側のポイント（ｐ_１）から開始することができる。ポイント、ｐ_１、から始めて、最大カバー範囲を有する実軸上のｐ_１位置の後のカメラを選択することができる。この選択は、そのポイントを含み、最大のｂ_ｉを有する間隔（カメラのカバー範囲の間隔の終わり）の選択と同等であると見なすことができる。ポイントｐ_１および最大のｂ_ｉを有する間隔を選択することによって、いずれもの可能な最適な選択が失われない、というのは、この選択の後、いずれもの他の間隔を、どのような制約も受けることなく、選択することができるからである。それゆえ、最適性が失われない。

他方では、所望のポイントをカバーするカメラの中で、カバー範囲が最大である、または（言い換えると、他のポイントをカバーする尤度が最大である）カメラを選択することができる。述べるように最初のカメラの選択を行うことによって、計算は、最適なカメラを選択することに向けて移ることができる。次のポイントに対しては、次のポイントがカバーされるのかどうかを決定することができる。次のポイントがカバーされる場合、計算は、それに続くポイントに向けて移ることができる。次のポイントがカバーされない場合、その最初のポイントの選択を、次のポイントに対してさらに繰り返すことができる。選択プロセスは、すべてのポイントがカバーされるまで反復して繰り返すことができる。

上記に述べたアプローチは、さらにもっとも右側のポイント（ｐ_５）から始める逆方向でも適用することができ、もっとも右側のポイントから左側に向けて、最大のカバー範囲を有する実軸上のカメラが選択される。

図６は、本明細書に述べる少なくともいくつかの実施形態によって構成される、３つのカメラを備える別の実施例の１次元マルチ分解能カメラの構成を例示し、各カメラが２つの分解能を有し、４つのポイントがカバーされる。

既に言及したように、１次元単一分解能のシナリオは、マルチ分解能の構成を一般化したものであり、２次元構成の特別のケースである。したがって、２次元ケースで議論したのと同じコスト関数を最小にすることができる。２次元構成では、各カメラを異なる分解能に設定することができるが、しかし１次元マルチ分解能カメラの構成では同時に１つの分解能に設定される。いくつかの実施例では、単一カメラの異なる分解能は、異なるカバー地域を担当する独特なカメラとして、または長さが異なる間隔として見なすことができる。６００は、３つのカメラＣ１、Ｃ２およびＣ３を備える実施例の構成を示す。

６００では、カメラＣ１、Ｃ２およびＣ３は、それぞれ、分解能が低いカバー範囲および分解能が高いカバー範囲（それぞれ６５２、６５４、６５６）を担当する。カバーされるポイントｐ１〜ｐ４が、ライン６５０に沿って並んでいる。ポイントｐ１がカメラＣ１の分解能が低いカバー地域中に在るが、ポイントｐ２、ｐ３およびｐ４は、重なり合うカバー地域中に在る。例えば、ポイントｐ２は、カメラＣ１の分解能が高いカバー範囲６５２よって、およびカメラＣ２の分解能が低いカバー範囲によってカバーされる重なり合う地域６５３中に在る。ポイントｐ３は、カメラＣ２およびＣ３の分解能が低いカバー範囲によってカバーされる地域中に在る。ポイントｐ４は、カメラＣ２の分解能が低いカバー範囲によって、およびカメラＣ３の分解能が高いカバー範囲６５６によってカバーされる重なり合う地域６５５中に在る。

例示した実施例の構成を最適化すると、２次元ケースのものと同じコスト関数［７］を、差が存在する状態で使用することができる、

ただし、ＬおよびＲｅｓ_{ｄｅｓｉｎｔ}は、それぞれ元の間隔の長さおよび所望の分解能である。また、ｌｅｎ_ｉおよびＲｅｓ_ａｓｓｉは、それぞれ各間隔の長さおよびそれに割り当てられた分解能である。上記のコストを最小にすることは、ｉのすべての値に対して丸括弧中の項を最小にすることと実質的に等しいとしてよい。コストが、正係数を用いたサブコストの線形の組み合わせであるので、全体のコストを最小にするために、各サブ間隔のコストは、独立に最小にすることができる。

同じ分解能で見ることが望まれ、ポイントをカバーするカメラに関して同様である、それらポイントの中で、１つのポイントを考えることができ、他のポイントは取り除かれる。それらポイントの１つが最小誤差によってカバーされる場合、他のポイントは、同じ誤差でカバーすることができる、というのは、それらの状況を同一とすることができ、そしてカメラがそれらポイントの１つに割り当てられた場合、他のポイントは、同じカメラと分解能で見ることができるからである。いくつかのポイントを取り除くことに関する性質は、この実施例のシナリオで使用することができ、各間隔中のポイントは、１つのポイントを除き、取り除くことができる。選択されたポイントは、そのそれぞれの間隔を表すものとすることができ、その選択は、任意とすることができる。矛盾しない選択肢として、例えば、各間隔の中間ポイントを、その代表として選択することができる。間隔のすべてが検討されたとき、サブ間隔の長さは、総分解能コストに対して長さを算出するために、所望の分解能によって拡大することができることに留意すべきである。それゆえ、ポイントをカバーする技法は、各サブ間隔について中間ポイントを選択することを含むことができ、コストは、所望の分解能の長さによって拡大された、そのサブ間隔の所望の分解能とすることができる。

図７は、本明細書に述べる少なくともいくつかの実施形態によって構成される、４つのカメラを備える、さらなる実施例の１次元マルチ分解能カメラの構成を例示し、各カメラが２つの分解能を有し、３つのポイントがカバーされる。

４つのマルチ分解能カメラＣ１〜Ｃ４を備える実施例のシナリオを７００に示す。実施例のシナリオによれば、カメラの分解能は、１と４の間で変化させることができ、３つのポイントｐ１、ｐ２およびｐ３は、それぞれ分解能１、４および１によってカバーされることが望まれる場合がある。ライン７６０に沿って並んでいるポイントに最適なカバー範囲および所望の分解能をもたらすために、図８および図９とともに以下でより詳細に議論するように、組み合わせ状態の格子技法を用いることができる。

最適化の結果によって、ｐ１にカメラＣ１の分解能が低いカバー範囲７６２を用意し、ｐ２にカメラＣ２の分解能が高いカバー範囲７６４を用意し、ｐ３にカメラＣ３の分解能が低いカバー範囲７６６を用意することができる。最適化によって、カメラ３および４に対してゼロの分解能を選択することができ、これは、これらのカメラが選択されず、オフにすることができることを意味する。

図８は、モニタリングおよび監視の用途のためのカメラのアレイにおける最適なカメラ選択のために組み合わせ状態のビタビ技法を用いる、本明細書に述べる少なくともいくつかの実施形態によって構成される実施例のシステムのブロックを例示する。

図８に示す組み合わせ状態のビタビ技法の実施例のブロック図は、状態発生器８８２、８８４を含み、それらは、Ｖ行列８８６を入力として取り入れ、そしてカメラと分解能の組み合わせ（すなわち状態）を発生することができ、その状態を用いて目標ポイントを観測することができる。状態は、状態発生器８８２、８８４から組み合わせ状態のビタビ実行装置８７４、８７６に提供することができ、それらは、ビタビアルゴリズムにいくつかの修正を加えて、各状態への最善の経路を選択し、そして選択された経路に基づきコストを計算することができる。２つの状態発生器および組み合わせ状態のビタビ実行装置を例示する目的のために示しているが、実際の実装形態では、複数のそれらのブロックを用いることができ、例えば、Ｖ行列８８６の列毎に１つのブロックを用いる。また、組み合わせ状態のビタビ実行装置８７４、８７６は、入力として、異なるカメラに対する所望の分解能を表すＲｅｓ_ｄｅｓベクトル８７２を受け取ることができる。また、異なるカメラの中で重み付けを定義するλパラメータを組み合わせ状態のビタビ実行装置８７４、８７６に提供することができる。最小コスト経路探知器ブロック８７８が、最後の分岐の状態の中で、最小コストになる状態を決定することができる。

いくつかの実施例では、最適なカメラ構成を選択する際、すべての適格な（整合的な）ケースを検討し、各ケースのコストを計算して、コストがもっとも低いケースを選ぶ網羅的な検索を用いることができる。実施例のマルチ分解能の構成では、２つの異なる網羅的な検索アプローチを用いることができる。第１のアプローチ（ポイントについての網羅的な検索）によって、ポイント、およびそれらのポイントへのカメラ割り当ての可能なシナリオを検討することができる。カメラおよびそれらの分解能の可能な（必ずしも適格でない）シナリオが決定された後、分解能の無矛盾性を検査することができ、無矛盾性に違反するシナリオは、削除することができる。残されたシナリオの中で、コストがもっとも低いシナリオを選択することができる。ポイントについてカメラが検討されたとき、カメラは、ゼロ分解能に設定することができ、これは、そのカメラが選択されていない（オフである）、または、カメラが、そのカメラが割り当てられたポイントを見ることができない分解能に設定されていることを意味する。

別のアプローチ（カメラについての網羅的な検索）によって、カメラを検討し、そして各カメラに対する可能な分解能をテストすることができる。この場合、無矛盾性をチェックすることを必要としなくてもよい、というのは、一度、各カメラが検討され、分解能（ゼロ分解能を含む）が割り当てられたからである。ポイントおよびカメラの数に依存して、２つのアプローチは、時間／計算の複雑さが変わる可能性がある。

さらなる実施形態では、ビタビ技法は、十分に定義された格子に適用することができ、それによって最適な構成が決定される。分解能の制約を考慮する、最適で複雑さが低い組み合わせ状態の格子を使用することができる。格子では、各ポイントについてレベルを考えることができ、ポイントをカバーするカメラの分解能の可能な組み合わせを、そのレベルについての状態としてリストアップすることができる。格子の形で横切られる各経路中の分解能の制約に従って動作することができる。このアプローチでは、各遷移の始めの状態と終りの状態に対応する共通のカメラに対して分解能の無矛盾性を追求してたどりながら、或るレベル（ポイント）から次のレベルへ遷移することができる。実軸上の各カメラのカバー地域が、連続し、そして１つの区分を含むことに留意すべきである。それゆえ、経路中で分解能の無矛盾性を求めて検査したとき、分解能の無矛盾性は、経路の前のレベルを検査する必要がなく、経路の或るレベルから次のレベルに検査することができる、というのは、現在のカメラが前のレベルで見られないとき、それは、現在のレベルが、検査される経路中で、そのカメラが最初に選択されたことを意味するからである。

また、カメラに関する分解能の無矛盾性は、カメラが存在しない経路についての未来の状態では検査することを必要としなくてもよい。というのは、経路の過去および未来を考えることなく、或る状態への未来の分岐について決定し、そして最適な状態（それは最小コストを有する）を選択する可能性があり、格子中に生存経路を見つけるために、ビタビ技法を直接適用することができるからである。各遷移の総コストは、既に議論したように、等しい重みを用いるカメラ数と分解能のコストの線形の組み合わせであると定義することができる。

或るレベルから次のレベルへの遷移におけるカメラ分解能の無矛盾性によって、カメラの或る分解能から始まり、同じカメラの異なる分解能で終わる遷移を可能とすることができる。ゼロ分解能（カメラが選択されていないとき）の場合、いくつかの例外が存在する可能性がある。ゼロ分解能からいずれかの他の分解能への遷移は、逆もまた同様に、次の制約に依存して可能とすることができる。

非ゼロの分解能からゼロ分解能への遷移は、次のレベルの最大の可能な分解能が遷移の開始時における分解能より低い場合、可能とすることができる。例えば、遷移の開始状態に対応するカメラの分解能は、２とすることができる。これは、カメラが、現在の経路で２の分解能を有するように設定されることが必要であることを意味する。カメラが、分解能が２以上の次のレベル（ポイント）をカバーする場合、カメラは、ゼロ分解能に遷移させることができない、というのは、カメラが、また、分解能が２の次のポイントを見ることができ、ゼロ分解能を選択すると分解能の無矛盾性に違反するからである。しかし、次のレベルで利用できる最大の分解能が１である場合、分解能を２からゼロに遷移させることができる。このシナリオは、分解能が２のカメラのカバーする範囲が、前のレベルにおける分岐の始めで終わるとき、起きる可能性があり、そしてそのカメラが、分解能１に設定されたとき、次のポイントだけを見ることができる。

別の制約は、上記に述べた制約の二者からなる可能性があり、ゼロ分解能から非ゼロ分解能への遷移を試みたとき、生じる可能性がある。そのような遷移は、前のレベルの最大分解能が、所望の状態の非ゼロ分解能より低い場合、行うことができる。

非ゼロ分解能（ｘ）からゼロ分解能に遷移したとき、それは、分解能がｘのカメラのカバー間隔が、次のレベルの前で終わっており、この経路の未来で、いずれかの非ゼロ分解能への遷移が存在することができないことを示す。これは、非ゼロからゼロへの遷移およびゼロから非ゼロへの遷移が、経路中のどこでも起き得ないことを意味する。それゆえ、そのような遷移は、各経路についてモニタすることができ、そしてそのような遷移が生じて、コストがもっとも低い現在の状態に入る分岐が、分岐として選択されたとき、変数（例えば「チェック」変数）を予め定めた値に設定することができる。

いくつかの実施例では、すべての経路について（同様に一度各カメラについて）一度そのような遷移（非ゼロからゼロへ）を追跡し続けることは、十分である可能性があり、すべての単一経路に対してはそうでない。チェック変数が予め定めた値に設定され、現在の経路の現在の状態の分解能がゼロである場合、非ゼロからゼロへの遷移が、現在の経路において一度必ず起きることを必要とする可能性がある。それゆえ、非ゼロからゼロへの遷移分岐が、次のレベルで分解能がゼロである状態に進む生存経路として選択された場合、チェック変数は、予め定めた値に設定することができる。

実施形態は、上記で議論した構成または技法に限定されない。また、他の最適化技法およびマルチ分解能の多方向（例えばＰＴＺ）カメラを備えるカメラ構成は、本明細書で議論する原理を使用する最適な構成を得るために選択することができる。さらにまた、本明細書で議論する原理は、ある面積を照明するために所望の強度を実現する照明アレイにおいて最適な光源サブセットを生成するために、照明システムに適用することができる。

図９は、本明細書に述べる少なくともいくつかの実施形態によって構成される、図７の実施例のシナリオに適用する際の組み合わせ状態の格子技法の格子を例示する。

図７の実施例のシナリオに適用することができる組み合わせ状態の格子技法のための格子の図は、９００に示す。簡潔さのために、第３のレベルへの最適な遷移を含む遷移のいくつかを９００に描写する。本技法は、最適な構成を見出す際、カメラの異なる分解能の中から選ばない。最適な構成経路は、生存経路として太い線によって示す。生存経路は、ｐ１およびＣ１についてのオプション９０２から開始され、Ｃ１は、オンであると決定される。次に、Ｃ１およびＣ２の異なる構成（オプション９０４）が、ｐ２について検討され、そして最も低い分解能（１）を有するＣ１と最も高い分解能（４）を有するＣ２の組み合わせが選択される。その後、すべての４つのカメラおよびｐ３のためのオプション９０６が検討され、結果として、カメラＣ２、Ｃ３、およびＣ４がこのポイントには必要でないという決定に至る。それゆえ、生存経路は、（１）→（１、４）→（１、０、０、０）になる。

状態およびＶ行列を修正することによって、同じ技法は、１次元構成における多方向カメラセンサ、パンチルトズーム（ＰＴＺ：ｐａｎ−ｔｉｌｔ−ｚｏｏｍ）カメラの１次元シナリオ、またはマルチ分解能／多方向カメラの１次元ケースのｋカバー範囲に適用することができる。例えば、多方向シナリオには、方向の異なる組み合わせを、格子の各分岐における状態として考えることができる。また、各カメラの方向０は、カメラがオフのとき、またはカメラの選択された方向によっては現在のポイントを見ることができないときを表すと見なすことができる。方向性のカメラシナリオでは、Ｖ行列は、カメラｉがポイントｊを見ることができる方向を、各構成要素ｄ_ｉ、ｊが示すように、方向行列（Ｄ）に変形することができる。１次元のマルチ分解能／多方向シナリオに関する別の実施例として、第１の構成要素が方向を示すことができ、第２の構成要素が最大分解能を示すことができ、その最大分解能によって、各カメラが現在のポイントを見ることができる場合、それら２つの構成要素ベクトルの組み合わせ状態を使用することができる。

図１０は、本明細書の述べる少なくともいくつかの実施形態によって構成される汎用コンピューティングデバイスを例示し、それは、モニタリングおよび監視の用途のためのカメラのアレイにおける最適なカメラ選択を管理するために使用することができる。

例えば、コンピューティングデバイス１０００は、サーバ、デスクトップコンピュータ、ポータブルコンピュータ、スマートフォン、専用コンピュータ、または公共事業制御センタのコントローラまたは小規模発電網のコントローラなどの同様の装置として使用することができる。実施例の基本構成１００２では、コンピューティングデバイス１０００は、１つまたは複数のプロセッサ１００４と、システムメモリ１００６とを含むことができる。プロセッサ１００４とシステムメモリ１００６の間で通信するために、メモリバス１００８を使用することができる。基本構成１００２は、図１０に、内側の点線内のそれら構成要素によって例示する。

所望の構成に依存して、プロセッサ１００４は、ただしこれらに限定されないが、マイクロプロセッサ（μＰ）、マイクロコントローラ（μＣ）、デジタル信号プロセッサ（ＤＳＰ）、またはそのいずれもの組み合わせを含む、いずれものタイプのものとすることができる。プロセッサ１００４は、レベルキャッシュメモリ１０１２など、１つまたは複数のレベルのキャッシング、１つまたは複数のプロセッサコア１０１４、およびレジスタ１０１６を含むことができる。実施例のプロセッサコア１０１４は、（それぞれ）算術論理演算ユニット（ＡＬＵ）、浮動小数点演算ユニット（ＦＰＵ）、デジタル信号処理コア（ＤＳＰ Ｃｏｒｅ）、またはそのいずれもの組み合わせを含むことができる。また、実施例のメモリコントローラ１０１８は、プロセッサ１００４とともに使用することができる、またはいくつかの実装形態では、メモリコントローラ１０１８は、プロセッサ１００４の内部の部分とすることができる。

所望の構成に依存して、システムメモリ１００６は、ただしこれらに限定されないが、揮発性メモリ（ＲＡＭなど）、不揮発性メモリ（例えばＲＯＭ、フラッシュメモリなど）、またはそのいずれもの組み合わせを含む、いずれものタイプのものとすることができる。システムメモリ１００６は、オペレーティングシステム１０２０、１つまたは複数のアプリケーション１０２２およびプログラムデータ１０２４を含むことができる。アプリケーション１０２２は、最適化モジュール１０２６を含むことができ、それは、アプリケーション１０２２と一体の部分またはそれ自体別のアプリケーションとすることができる。最適化モジュール１０２６は、本明細書に述べるように、モニタリングおよび監視の用途のためのカメラのアレイにおいて最適なカメラを選択することができる。プログラムデータ１０２４は、特に他のデータの中でも、本明細書に述べるように、カメラの位置、分解能などに関するデータ１０２８を含むことができる。

コンピューティングデバイス１０００は、追加の特徴または機能性と、基本構成１００２、といずれもの所望の装置およびインターフェースの間での通信を容易にする追加のインターフェースとを有することができる。例えば、基本構成１００２と１つまたは複数のデータ記憶装置１０３２の間でのストレージインターフェースバス１０３４を介する通信を容易にするために、バス／インターフェースコントローラ１０３０を使用することができる。データ記憶装置１０３２は、１つまたは複数の取外し式記憶装置１０３６、１つまたは複数の非取外し式記憶装置１０３８、またはその組み合わせとすることができる。取外し式記憶装置および非取外し式記憶装置の実施例は、いくつか挙げると、フレキシブルディスク装置およびハードディスク装置（ＨＤＤ）など、磁気ディスク装置、コンパクトディスク（ＣＤ）装置またはデジタル多用途ディスク（ＤＶＤ）装置など、光ディスク装置、半導体ドライブ（ＳＳＤ）、およびテープドライブを含む。実施例のコンピュータ記憶媒体は、コンピュータ可読命令、データ構造、プログラムモジュールまたは他のデータなど、情報を格納するためのいずれかの方法または技術で実現される揮発性および不揮発性、取外し式および非取外し式の媒体を含むことができる。

システムメモリ１００６、取外し式記憶装置１０３６および非取外し式記憶装置１０３８は、コンピュータ記憶媒体の実施例である。コンピュータ記憶媒体は、ただしこれらに限定されないが、ＲＡＭ、ＲＯＭ、ＥＥＰＲＯＭ、フラッシュメモリもしくは他のメモリ技術、ＣＤ−ＲＯＭ、デジタル多用途ディスク（ＤＶＤ）、半導体ドライブ、もしくは他の光ストレージ、磁気カセット、磁気テープ、磁気ディスクストレージもしくは他の磁気記憶装置、または所望の情報を格納するために使用することができ、コンピューティングデバイス１０００がアクセスすることができる、いずれもの他の媒体を含む。いずれものそのようなコンピュータ記憶媒体は、コンピューティングデバイス１０００の部分とすることができる。

また、コンピューティングデバイス１０００は、様々なインターフェース装置（例えば、１つまたは複数の出力装置１０４２、１つまたは複数の周辺インターフェース１０４４および１つまたは複数の通信装置１０６６）から基本構成１００２へのバス／インターフェースコントローラ１０３０を介する通信を容易するためのインターフェースバス１０４０を含むことができる。実施例の出力装置１０４２のいくつかは、グラフィック処理ユニット１０４８およびオーディオ処理ユニット１０５０を含み、それらは、ディスプレイまたはスピーカなど、様々な外部装置と１つまたは複数のＡ／Ｖポート１０５２を介して通信するように構成することができる。１つまたは複数の実施例の周辺インターフェース１０４４は、シリアルインターフェースコントローラ１０５４またはパラレルインターフェースコントローラ１０５６を含むことができ、それらは、入力装置（例えば、キーボード、マウス、ペン、音声入力装置、タッチ入力装置など）、または他の周辺装置（例えば、プリンタ、スキャナなど）など、外部装置と１つまたは複数のＩ／Ｏポート１０５８を介して通信するように構成することができる。実施例の通信装置１０６６は、ネットワークコントローラ１０６０を含み、それは、ネットワーク通信リンクによる１つまたは複数の通信ポート１０６４を介する１つまたは複数のその他のコンピューティングデバイス１０６２との通信を容易にするように構成することができる。１つまたは複数のその他のコンピューティングデバイス１０６２は、サーバ、カメラコントローラおよび同等の装置を含むことができる。

ネットワーク通信リンクは、通信媒体の１つの実施例とすることができる。通信媒体は、通常、搬送波または他の駆動機構など、変調されたデータ信号中のコンピュータ可読命令、データ構造、プログラムモジュール、または他のデータによって具体化することができ、いずれもの情報配信媒体を含むことができる。「変調されたデータ信号」は、その特性の１つまたは複数が、信号中に情報をエンコードするような方法で設定される、または変形される信号とすることができる。例としてだけで限定するものでなく、通信媒体は、有線ネットワークまたは直接有線接続など、有線媒体、および音響、無線周波（ＲＦ）、マイクロ波、赤外線（ＩＲ）および他の無線媒体など、無線媒体を含むことができる。用語「コンピュータ可読媒体」は、本明細書で使用するとき、記憶媒体と通信媒体の両方を含むことができる。

コンピューティングデバイス１０００は、上記の機能のいずれかを含む、汎用または専門化されたサーバ、メインフレーム、または同様のコンピュータの一部として実現することができる。また、コンピューティングデバイス１０００は、ラップトップコンピュータ構成と非ラップトップコンピュータ構成の両方を含むパーソナルコンピュータとして実現することができる。

また、実施例の実施形態は、クラウドサーバの間の転送の際、アプリケーション性能を維持するための方法を含むことができる。これらの方法は、本明細書に述べる構造を含む、いくつでもの方法によって実施することができる。１つのそのような方法は、本開示で述べるタイプの装置の機械動作によるものとすることができる。別の任意選択の方法は、動作のいくつかを実施する一人または複数の人間のオペレータとともに実施される方法の個々の動作の１つまたは複数に関するものとすることができ、一方他の動作は、機械によって実施することができる。これらの人間のオペレータは、互いに一緒に配置する必要はないが、それぞれは、プログラムの一部を実施する機械とだけ一緒に配置することができる。他の実施形態では、人の相互作用は、例えば機械で自動化することができる予め選択された基準によって、自動化することができる。

図１１は、図１０のコンピューティングデバイスなどのコンピューティングデバイスによって実施することができる、本明細書に述べる少なくともいくつかの実施形態によって構成される実施例の方法を例示するフローチャートである。

実施例の方法は、ブロック１１２２、１１２４、１１２６および／または１１２８の１つまたは複数によって例示するような１つまたは複数の動作、機能または働きを含むことができる。また、ブロック１１２２〜１１２８に述べる動作は、コンピューティングデバイス１１１０のコンピュータ可読媒体１１２０など、コンピュータ可読媒体中にコンピュータ実行可能命令として格納することができる。

モニタリングおよび監視の用途のためのカメラのアレイにおける最適なカメラ選択のための実施例のプロセスは、ブロック１１２２、「最大分解能行列Ｖを決定し、各要素ｖ_ｉ、ｊが最大分解能を表し、その最大分解能によって、カメラｃ_ｉがポイントｐ_ｊをモニタすることが可能である」から開始することができ、行列Ｖ（２１２）など、最大分解能行列は、モニタリング用途のためのコントローラのプロセッサによって決定することができる。

ブロック１１２２は、ブロック１１２４、「所望の分解能ベクトルＲｅｓ_ｄｅｓを受け取り、Ｒｅｓ_ｄｅｓの各要素が各ポイントｐ_ｊに対する所望の分解能を表す」がその後に続くことができ、所望の分解能情報は、例えばユーザ、または公共の地域で顔認識を実施することを目標とするシステムなど、自動化されたシステムから受け取ることができる。

ブロック１１２４は、ブロック１１２６、「Ｒｅｓ_ｄｅｓから考えてＶの要素を評価し、コスト関数を考慮して最適なカメラと分解能の選択を決定する」がその後に続くことができ、分解能およびカメラは、例えば、最善の分解能の選択モジュール２１６による繰り返しの貪欲技法または組み合わせ状態の格子計算（ビタビ技法を用いて）を通じて評価することができる。

ブロック１１２６は、ブロック１１２８、「コスト関数を最小にする」がその後に続くことができ、コスト関数は、例えば、コスト分析器ブロック２１８によって最小にすることができる。また、評価技法は、照明用途において適用することができ、選択された地域は、光源のアレイからの所望の照明強度と関連付けることができる。

上記に述べたプロセス中に含まれるブロックは、例示する目的のためのものである。モニタリングおよび監視の用途のためのカメラのアレイにおける最適なカメラ選択は、より少ないブロック、または追加のブロックを備える同様のプロセスによって実施することができる。いくつかの実施形態では、ブロックは、異なる順序で実施することができる。いくつかの他の実施形態では、様々なブロックをなくすことができる。また他の実施形態では、様々なブロックをさらなるブロックに分割する、またはより少ないブロックに一緒に結合することができる。

図１２は、本明細書に述べる少なくともいくつかの実施形態によって構成される、実施例のコンピュータプログラム製品のブロック図を例示する。

いくつかの実施形態では、図１２に示すように、コンピュータプログラム製品１２００は、例えばプロセッサによって実行されたとき、本明細書に述べた機能性を果たすことができる、１つまたは複数の機械可読命令１２０４をまた含むことができる信号伝達媒体１２０２を含むことができる。それゆえ、例えば、図１０のプロセッサ１００４を参照すると、プロセッサ１００４において実行される最適化モジュール１０２６は、本明細書に述べるようなモニタリングおよび監視の用途のためのカメラのアレイにおける最適なカメラ選択と関連付けられた働きを実施することを求める、媒体１２０２によってプロセッサ１００４に伝達された命令１２０４に応答して、図１２に示す任務の１つまたは複数を引き受けることができる。それらの命令のいくつかは、例えば、最大分解能行列Ｖを決定し、各要素ｖ_ｉ、ｊが最大分解能を表し、その最大分解能によって、カメラｃ_ｉは、ポイントｐ_ｊをモニタすることが可能であり；所望の分解能ベクトルＲｅｓ_ｄｅｓを受け取り、Ｒｅｓ_ｄｅｓの各要素が各ポイントｐ_ｊに対する所望の分解能を表し；Ｒｅｓ_ｄｅｓから考えてＶの要素を評価し、コスト関数を考慮して最適なカメラと分解能の選択を決定し；本明細書に述べたいくつかの実施形態によるコスト関数を最小にするための命令を含むことができる。

いくつかの実装形態では、図１２に描写した信号伝達媒体１２０２は、例えば、ただしこれらに限定されないが、ハードディスク装置、半導体ドライブ、コンパクトディスク（ＣＤ）、デジタル多用途ディスク（ＤＶＤ）、デジタルテープ、メモリなど、コンピュータ可読媒体１２０６を包含することができる。いくつかの実装形態では、信号伝達媒体１２０２は、例えば、ただしこれらに限定されないが、メモリ、リード／ライト（Ｒ／Ｗ）ＣＤ、Ｒ／Ｗ ＤＶＤなど、記録可能媒体１２０８を包含することができる。いくつかの実装形態では、信号伝達媒体１２０２は、ただしこれらに限定されないが、デジタルおよび／またはアナログの通信媒体（例えば、光ファイバケーブル、導波管、有線通信リンク、無線通信リンクなど）など、通信媒体１２１０を包含することができる。それゆえ、例えば、プログラム製品１２００は、ＲＦ信号伝達媒体によって、図１０のプロセッサ１００４の１つまたは複数のモジュールに伝達することができ、信号伝達媒体１２０２は、無線通信媒体１２１０（例えばＩＥＥＥ８０２．１１標準に適合する無線通信媒体）によって伝達される。

いくつかの実施例によって、マルチカメラによるモニタリング環境においてカメラ配置の効率、数および分解能を自動的に最適化するための方法を述べる。実施例の方法は、最大分解能行列Ｖを決定することであって、Ｖの各要素ｖ_ｉ、ｊが最大分解能を表し、その最大分解能によって、カメラｃ_ｉは、マルチカメラ環境でポイントｐ_ｊをモニタすることが可能である、決定することと；所望の分解能ベクトルＲｅｓ_ｄｅｓを受け取ることであって、Ｒｅｓ_ｄｅｓの各要素が、各ポイントに対する所望の分解能を表す、受け取ることと；Ｒｅｓ_ｄｅｓから考えてＶの要素を評価し、コスト関数を考慮して最適なカメラと分解能の選択を決定することであって、コスト関数は、各ポイントに割り当てられた分解能の誤差を含む、決定することとを含むことができる。

他の実施例によれば、本方法は、コスト関数のための重み付けパラメータから考えてＶの要素を評価すること；いくつかの選択されたカメラのコストと分解能コスト中の誤差を、重み付けパラメータを用いて線形に結合して、総コストを決定すること；および／またはマルチカメラによるモニタリング環境で所望の分解能を用いて予め定めたポイントをモニタするために、総コストを最小にして、カメラと分解能の最適な選択を決定することをさらに含むことができる。また、本方法は、貪欲技法を用いて、繰り返し総コストを最小にすることと；選択されたカメラおよび割り当てられた分解能によって、各繰り返しで、総コストをもっとも大きく減少させるように、カメラを選択し、選択されたカメラに分解能を割り当てることと；他のカメラまたは分解能の選択によって、コスト関数が減少しないようになるまで、その繰り返しを継続させることとを含むことができる。

さらなる実施例によれば、本方法は、直線軸に沿った間隔に対して規定された分解能を受け取ることと；間隔を表すポイントを選択することとを含むことができる。本方法は、各間隔の中間ポイントのようなポイントを選択すること、および／または間隔に対する所望の分解能および間隔の長さの積として、各間隔に対するコストを計算することをさらに含むことができる。各分解能は、ズームのレベルを表すことができる。カメラは、単一分解能のカメラ、マルチ分解能のカメラ、多方向のカメラ、マルチ分解能／多方向のカメラおよびパンチルトズーム（ＰＴＺ：ｐａｎ−ｔｉｌｔ−ｚｏｏｍ）カメラの１つを含むことができる。

他の実施例によって、マルチカメラによるモニタリング環境でカメラ配置の効率、数および分解能を自動的に最適化するように動作可能なコンピューティングデバイスを述べる。コンピューティングデバイスは、命令を格納するように構成されるメモリと；所望の分解能ベクトルＲｅｓ_ｄｅｓを受け取るように構成される入力装置であって、Ｒｅｓ_ｄｅｓの各要素が、マルチカメラ環境中の各ポイントに対する所望の分解能を表す、入力装置と；プロセッサとを含むことができる。プロセッサは、最大分解能行列Ｖを決定し、Ｖの各要素ｖ_ｉ、ｊが最大分解能を表し、その最大分解能によって、カメラｃ_ｉは、マルチカメラ環境中のポイントｐ_ｊをモニタすることが可能であり；かつ、Ｒｅｓ_ｄｅｓから考えてＶの要素を評価し、コスト関数を考慮して最適なカメラと分解能を選択し、コスト関数は、各ポイントに割り当てられた分解能の誤差を少なくとも含むように構成することができる。

いくつかの実施例によれば、また、プロセッサは、コスト関数のための重み付けパラメータから考えてＶの要素を評価し；いくつかの選択されたカメラのコストと分解能コストの誤差を、重み付けパラメータを用いて線形に結合して、総コストを決定し；マルチカメラによるモニタリング環境で所望の分解能を用いて予め定めたポイントをモニタするために、総コストを最小にして、カメラと分解能の最適な選択を決定し；かつ／または貪欲技法を用いて、繰り返し総コストを最小にするように構成することができる。

また他の実施例によれば、プロセッサは、さらに、選択されたカメラおよび割り当てられた分解能によって、各繰り返しで、総コストをもっとも大きく減少させるように、カメラを選択して、その選択されたカメラに分解能を割り当て；かつ、他のカメラまたは分解能の選択によって、コスト関数が減少しないようになるまで、繰り返しを継続させるように構成することができる。また、プロセッサは、直線軸に沿った間隔に対して規定された分解能を受け取り、かつ間隔を表すポイントを選択することができる。プロセッサは、さらに、各間隔の中間ポイントのようなポイントを選択し、かつ間隔に対する所望の分解能および間隔の長さの積として各間隔についてのコストを計算することができる。各分解能は、ズームのレベルを表すことができる。カメラは、単一分解能のカメラ、マルチ分解能のカメラ、多方向のカメラ、マルチ分解能／多方向のカメラおよびパンチルトズーム（ＰＴＺ）カメラの１つを含むことができる。

さらなる実施例によって、モニタリングおよび監視の用途のためのカメラのアレイにおける最適なカメラ選択の方法を述べる。実施例の方法は、直線軸に沿った間隔に対して規定された複数のカメラと関連付けられた複数の分解能を決定することと；間隔におけるポイントおよびそのポイントに対する所望の分解能と関連付けられた情報を受け取ることと；組み合わせ状態の格子を形成することであって、各レベルがポイントの線形順序に従って１つのポイントを表し、この１つのポイントをカバーするカメラの分解能の可能な組み合わせが、対応するレベルについての状態としてリストアップされる、形成することと；格子の形で横切られる各経路中の分解能の制約に従いながら、生存経路が決定されるまで、レベルによって最適な経路を評価することとを含むことができる。

いくつかの実施例によれば、本方法は、各遷移の始めの状態および終りの状態に対応する共通のカメラに対して分解能の無矛盾性を追求してたどりながら、或るレベルから次のレベルに遷移すること；次のレベルの最大の可能な分解能が、遷移の開始時の分解能より低いという決定に応答して、非ゼロ分解能からゼロ分解能への遷移を可能にすること；および／または前のレベルの最大の可能な分解能が、所望の状態の非ゼロ分解能より低いという決定に応答して、ゼロ分解能から非ゼロ分解能への遷移を可能にすることをさらに含むことができる。

他の実施例によれば、また、本方法は、格子中の各経路について、非ゼロ分解能からゼロ分解能への遷移をモニタすることと；非ゼロ分解能からゼロ分解能への遷移が起きたとき、変数を予め定めた値に設定することと；コストがもっとも低い現在の状態に入る分岐として現在の分岐を選択することとを含むことができる。本方法は、多方向のカメラに対する方向の組み合わせを格子の各分岐についての状態として規定することと、網羅的な検索をすべての適格な組み合わせを検査し、各組み合わせのコストを計算し、そしてコストがもっとも低い組み合わせを選択することによって実施することとをさらに含むことができる。

また他の実施例によれば、本方法は、ポイント、およびそのポイントへのカメラ割り当ての可能な組み合わせを評価することと；各ポイントに対する１つまたは複数の可能なカメラと分解能の組み合わせを決定する際、分解能の無矛盾性を検査することと；分解能の無矛盾性に違反する可能なカメラと分解能の組み合わせを削除することと；残されたカメラと分解能の組み合わせの中からカメラと分解能の１つの組み合わせを選択することとを含むことができる。また、本方法は、分解能の無矛盾性を検査することなく、カメラを評価し、各カメラに対する可能な分解能をテストすること；カメラをオフにする、またはカメラを、そのカメラが割り当てられたポイントをカバーできない分解能に設定するという決定に応答して、カメラの分解能をゼロの設定すること；および／または各遷移の総コストを、カメラ数と分解能のコストの線形の組み合わせとして規定することを含むことができる。カメラは、単一分解能のカメラ、マルチ分解能のカメラ、多方向のカメラ、マルチ分解能／多方向のカメラおよびパンチルトズーム（ＰＴＺ）カメラの１つを含むことができる。

さらなる実施例によって、モニタリングおよび監視の用途のためのカメラのアレイにおける最適なカメラ選択のためのコンピューティングデバイスを述べる。コンピューティングデバイスは、命令を格納するように構成されるメモリと、プロセッサとを含むことができる。プロセッサは、直線軸に沿った間隔に対して規定された複数のカメラと関連付けられた複数の分解能を決定し；間隔におけるポイントおよびそのポイントに対する所望の分解能と関連付けられた情報を受け取り；組み合わせ状態の格子を形成し、各レベルが、ポイントの線形順序に従って１つのポイントを表し、この１つのポイントをカバーするカメラの分解能の可能な組み合わせが、対応するレベルについての状態としてリストアップされ；かつ、格子の形で横切られる各経路中の分解能の制約に従いながら、生存経路が決定されるまで、レベルによって最適な経路を評価するように構成することができる。

いくつかの実施例によれば、プロセッサは、さらに、各遷移の始めの状態および終りの状態に対応する共通のカメラに対して分解能の無矛盾性を求めてたどりながら、或るレベルから次のレベルに遷移し；次のレベルの最大の可能な分解能が遷移の開始時の分解能より低いという決定に応答して、非ゼロ分解能からゼロ分解能への遷移を可能にし；かつ／または前のレベルの最大の可能な分解能が所望の状態の非ゼロ分解能より低いという決定に応答して、ゼロ分解能から非ゼロ分解能への遷移を可能にするように構成することができる。

他の実施例によれば、また、プロセッサは、格子中の各経路について非ゼロ分解能からゼロ分解能への遷移をモニタし；非ゼロ分解能からゼロ分解能への遷移が起きたとき、変数を予め定めた値に設定し；かつ、コストがもっとも低い現在の状態に入る分岐として現在の分岐を選択するように構成することができる。プロセッサは、さらに、多方向のカメラのための方向の組み合わせを、格子上の各分岐についての状態として規定し；かつ、網羅的な検索を、すべての適格な組み合わせを検査し、各組み合わせのコストを計算し、そしてコストがもっとも低い組み合わせを選択することによって実施することができる。

また他の実施例によれば、プロセッサは、ポイント、およびそのポイントへのカメラ割り当ての可能な組み合わせを評価し；各ポイントに対して１つまたは複数の可能なカメラと分解能の組み合わせを決定する際、分解能の無矛盾性を検査し；分解能の無矛盾性に違反する可能なカメラと分解能の組み合わせを削除し；かつ、残されたカメラと分解能の組み合わせの中でカメラと分解能の１つの組み合わせを選択することができる。また、プロセッサは、分解能の無矛盾性を検査することなく、カメラを評価して、各カメラに対して可能な分解能をテストし；および／またはカメラをオフにする、またはカメラを、そのカメラが割り当てられたポイントをカバーできない分解能に設定するという決定に応答して、カメラの分解能をゼロに設定することができる。プロセッサは、さらに、各遷移の総コストを、カメラ数と分解能のコストの線形の組み合わせとして規定することができる。カメラは、単一分解能のカメラ、マルチ分解能のカメラ、多方向のカメラ、マルチ分解能／多方向のカメラおよびパンチルトズーム（ＰＴＺ）カメラの１つを含むことができる。

いくつかの実施例によって、照明される地域のために所望の強度を実現する、照明アレイにおける最適な光源サブセットの選択のための方法を提供する。実施例の方法は、直線軸に沿った間隔に対して規定された複数の光源と関連付けられた複数の照明強度を決定することと；間隔におけるポイントおよびそのポイントに対する所望の照明強度と関連付けられた情報を受け取ることと；組み合わせ状態の格子を形成することであって、各レベルが、ポイントの線形順序に従って１つのポイントを表し、この１つのポイントをカバーする照明強度の可能な組み合わせが、対応するレベルについての状態としてリストアップされる、形成することと；格子の形で横切られる各経路中の光源強度の制約に従いながら、生存経路が決定されるまで、レベルによって最適な経路を評価することとを含むことができる。

他の実施例によって、照明される地域のために所望の強度を実現する、照明アレイにおける最適な光源サブセットの選択のためのコンピューティングデバイスを述べる。コンピューティングデバイスは、命令を格納するように構成されるメモリと、プロセッサとを含むことができる。プロセッサは、直線軸に沿った間隔に対して規定された複数の光源と関連付けられた複数の照明強度を決定し；間隔におけるポイントおよびそのポイントに対する所望の照明強度と関連付けられた情報を受け取り；組み合わせ状態の格子を形成し、各レベルが、ポイントの線形順序に従って１つのポイントを表し、この１つのポイントをカバーする照明強度の可能な組み合わせが、対応するレベルについての状態としてリストアップされ；かつ、格子の形で横切られる各経路中の光源強度の制約に従いながら、生存経路が決定されるまで、レベルによって最適な経路を評価するように構成することができる。

また他の実施例によって、また、マルチカメラによるモニタリング環境においてカメラ配置の効率、数および分解能を最適化するために、１つまたは複数のプロセッサで上記の方法を実行するための命令が格納されたコンピュータ可読記憶媒体を述べることができる。

システムの側面でのハードウェアの実装形態とソフトウェアの実装形態との間には、ほとんど相違が残されていない。ハードウェアまたはソフトウェアの使用は、一般に（いつもそうではないが、ある状況ではハードウェアとソフトウェアの間の選択が重要になり得るという点で）コスト対効果のトレードオフを表す設計上の選択である。本明細書に記載された、プロセスおよび／またはシステムおよび／または他の技術をもたらすことができる様々な達成手段があり（例えば、ハードウェア、ソフトウェア、および／またはファームウェア）、好ましい達成手段は、プロセスおよび／またはシステムおよび／または他の技術が導入される状況によって異なる。例えば、実装者が速度と正確性が最も重要であると決定すると、実装者は主にハードウェアおよび／またはファームウェアの達成手段を選択することができる。フレキシビリティが最も重要なら、実装者は主にソフトウェアの実装形態を選択することができる。または、さらに別の代替案として、実装者は、ハードウェア、ソフトウェア、および／またはファームウェアのなんらかの組み合わせを選択することができる。

前述の詳細な説明では、ブロック図、フローチャート、および／または例の使用によって、装置および／またはプロセスの様々な例を説明してきた。そのようなブロック図、フローチャート、および／または例が１つまたは複数の機能および／または動作を含む限りにおいて、そのようなブロック図、フローチャート、または例の中のそれぞれの機能および／または動作は、広範囲のハードウェア、ソフトウェア、ファームウェア、または実質上それらのすべての組み合わせにより、個別におよび／または集合的に実装可能であることが、当業者には理解されるであろう。ある実施形態では、本明細書に記載された主題のいくつかの部分は、特定用途向け集積回路（ＡＳＩＣ）、フィールドプログラマブルゲートアレイ（ＦＰＧＡ）、デジタルシグナルプロセッサ（ＤＳＰ）、または他の集積化方式によって実装することができる。しかし、本明細書で開示された実施形態のいくつかの態様が、全体においてまたは一部において、１つまたは複数のコンピュータ上で動作する１つまたは複数のコンピュータプログラムとして（例えば、１つまたは複数のコンピュータシステム上で動作する１つまたは複数のプログラムとして）、１つまたは複数のプロセッサ上で動作する１つまたは複数のプログラムとして（例えば、１つまたは複数のマイクロプロセッサ上で動作する１つまたは複数のプログラムとして）、ファームウェアとして、あるいは実質上それらの任意の組み合わせとして、等価に集積回路に実装することができることを、当業者は認識するであろうし、電気回路の設計ならびに／またはソフトウェアおよび／もしくはファームウェアのコーディングが、本開示に照らして十分当業者の技能の範囲内であることを、当業者は認識するであろう。

本開示は、本願で述べた具体的な実施例に関し限定すべきでなく、それら実施例は、様々な態様を例示するものと意図する。当業者には明らかなはずのように、本開示の趣旨および範囲から逸脱せずに、多くの修正および変形を行うことができる。本開示の範囲内に含まれる機能的に対応する方法および機器は、本明細書に列挙したそれらに加えて、前述の記述から当業者に明らかなはずである。そのような修正および変形は、添付の請求項の範囲内に含まれるものと意図する。本開示は、添付の請求項の用語と、そのような請求項としての資格がある相当物の全範囲とともに、それだけによって限定すべきである。本開示が特定の方法、試薬、化合組成物または生物システムに限定されず、それは、もちろん変わることができることを理解すべきである。また、本明細書に使用する用語法は、具体的な実施形態を述べる目的のためのものだけであり、限定するものでないと意図することを理解すべきである。

さらに、本明細書に記載された主題のメカニズムを様々な形式のプログラム製品として配布することができることを、当業者は理解するであろうし、本明細書に記載された主題の例示的な実施形態が、実際に配布を実行するために使用される信号伝達媒体の特定のタイプにかかわらず適用されることを、当業者は理解するであろう。信号伝達媒体の例には、フロッピーディスク、ハードディスクドライブ、コンパクトディスク（ＣＤ）、デジタル多用途ディスク（ＤＶＤ）、デジタルテープ、コンピュータメモリ、ソリッドステートドライブなどの記録可能なタイプの媒体、ならびに、デジタル通信媒体および／またはアナログ通信媒体（例えば、光ファイバケーブル、導波管、有線通信リンクおよび／または有線通信チャネル、無線通信リンクおよび／または無線通信チャネルなど）の通信タイプの媒体が含まれるが、それらには限定されない。

本明細書で説明したやり方で装置および／またはプロセスを記載し、その後そのように記載された装置および／またはプロセスを、データ処理システムに統合するためにエンジニアリング方式を使用することは、当技術分野で一般的であることを当業者は認識するであろう。すなわち、本明細書に記載された装置および／またはプロセスの少なくとも一部を、妥当な数の実験によってデータ処理システムに統合することができる。通常のデータ処理システムは、一般に、システムユニットハウジング、ビデオディスプレイ装置、揮発性メモリおよび不揮発性メモリなどのメモリ、マイクロプロセッサおよびデジタル信号プロセッサなどのプロセッサ、オペレーティングシステムなどの計算実体、ドライバ、グラフィカルユーザインタフェース、およびアプリケーションプログラムのうちの１つもしくは複数、タッチパッドもしくはスクリーンなどの１つもしくは複数の相互作用装置、ならびに／またはフィードバックループおよびコントロールモータを含むコントロールシステム（例えば、ガントリーシステムの位置検知用および／もしくは速度検知用フィードバック、コンポーネントの移動用および／もしくは数量の調整用コントロールモータ）を含むことを、当業者は理解するであろう。

通常のデータ処理システムは、データコンピューティング／通信システムおよび／またはネットワークコンピューティング／通信システムの中に通常見られるコンポーネントなどの、市販の適切なコンポーネントを利用して実装することができる。本明細書に記載された主題は、様々なコンポーネントをしばしば例示しており、これらのコンポーネントは、他の様々なコンポーネントに包含されるか、または他の様々なコンポーネントに接続される。そのように図示されたアーキテクチャは、単に例示にすぎず、実際には、同じ機能を実現する多くの他のアーキテクチャが実装可能であることが理解されよう。概念的な意味で、同じ機能を実現するコンポーネントの任意の構成は、所望の機能が実現されるように効果的に「関連付け」される。したがって、特定の機能を実現するために組み合わされた、本明細書における任意の２つのコンポーネントは、アーキテクチャまたは中間のコンポーネントにかかわらず、所望の機能が実現されるように、お互いに「関連付け」されていると見ることができる。同様に、そのように関連付けされた任意の２つのコンポーネントは、所望の機能を実現するために、互いに「動作可能に接続」または「動作可能に結合」されていると見なすこともでき、そのように関連付け可能な任意の２つのコンポーネントは、所望の機能を実現するために、互いに「動作可能に結合できる」と見なすこともできる。動作可能に結合できる場合の具体例には、物理的に接続可能な、および／もしくは物理的に相互作用するコンポーネント、ならびに／またはワイヤレスに相互作用可能な、および／もしくはワイヤレスに相互作用するコンポーネント、ならびに／または論理的に相互作用する、および／もしくは論理的に相互作用可能なコンポーネントが含まれるが、それらに限定されない。

本明細書における実質的にすべての複数形および／または単数形の用語の使用に対して、当業者は、状況および／または用途に適切なように、複数形から単数形に、および／または単数形から複数形に変換することができる。様々な単数形／複数形の置き換えは、理解しやすいように、本明細書で明確に説明することができる。

通常、本明細書において、特に添付の特許請求の範囲（例えば、添付の特許請求の範囲の本体部）において使用される用語は、全体を通じて「オープンな（ｏｐｅｎ）」用語として意図されていることが、当業者には理解されよう（例えば、用語「含む（ｉｎｃｌｕｄｉｎｇ）」は、「含むがそれに限定されない（ｉｎｃｌｕｄｉｎｇ ｂｕｔ ｎｏｔ ｌｉｍｉｔｅｄ ｔｏ）」と解釈されるべきであり、用語「有する（ｈａｖｉｎｇ）」は、「少なくとも有する（ｈａｖｉｎｇ ａｔ ｌｅａｓｔ）」と解釈されるべきであり、用語「含む（ｉｎｃｌｕｄｅｓ）」は、「含むがそれに限定されない（ｉｎｃｌｕｄｅｓ ｂｕｔ ｉｓ ｎｏｔ ｌｉｍｉｔｅｄ ｔｏ）」と解釈されるべきである、など）。導入される請求項で具体的な数の記載が意図される場合、そのような意図は、当該請求項において明示的に記載されることになり、そのような記載がない場合、そのような意図は存在しないことが、当業者にはさらに理解されよう。例えば、理解の一助として、添付の特許請求の範囲は、導入句「少なくとも１つの（ａｔ ｌｅａｓｔ ｏｎｅ）」および「１つまたは複数の（ｏｎｅ ｏｒ ｍｏｒｅ）」を使用して請求項の記載を導くことを含む場合がある。しかし、そのような句の使用は、同一の請求項が、導入句「１つまたは複数の」または「少なくとも１つの」および「ａ」または「ａｎ」などの不定冠詞を含む場合であっても、不定冠詞「ａ」または「ａｎ」による請求項の記載の導入が、そのように導入される請求項の記載を含む任意の特定の請求項を、単に１つのそのような記載を含む例に限定する、ということを示唆していると解釈されるべきではない（例えば、「ａ」および／または「ａｎ」は、通常、「少なくとも１つの」または「１つまたは複数の」を意味すると解釈されるべきである）。同じことが、請求項の記載を導入するのに使用される定冠詞の使用にも当てはまる。また、導入される請求項の記載で具体的な数が明示的に記載されている場合でも、そのような記載は、通常、少なくとも記載された数を意味すると解釈されるべきであることが、当業者には理解されよう（例えば、他の修飾語なしでの「２つの記載（ｔｗｏ ｒｅｃｉｔａｔｉｏｎｓ）」の単なる記載は、通常、少なくとも２つの記載、または２つ以上の記載を意味する）。

さらに、「Ａ、ＢおよびＣ、などの少なくとも１つ」に類似の慣例表現が使用されている事例では、通常、そのような構文は、当業者がその慣例表現を理解するであろう意味で意図されている（例えば、「Ａ、Ｂ、およびＣの少なくとも１つを有するシステム」は、Ａのみ、Ｂのみ、Ｃのみ、ＡおよびＢを共に、ＡおよびＣを共に、ＢおよびＣを共に、ならびに／またはＡ、Ｂ、およびＣを共に、などを有するシステムを含むが、それに限定されない）。「Ａ、Ｂ、またはＣ、などの少なくとも１つ」に類似の慣例表現が使用されている事例では、通常、そのような構文は、当業者がその慣例表現を理解するであろう意味で意図されている（例えば、「Ａ、Ｂ、またはＣの少なくとも１つを有するシステム」は、Ａのみ、Ｂのみ、Ｃのみ、ＡおよびＢを共に、ＡおよびＣを共に、ＢおよびＣを共に、ならびに／またはＡ、Ｂ、およびＣを共に、などを有するシステムを含むが、それに限定されない）。２つ以上の代替用語を提示する事実上いかなる離接する語および／または句も、明細書、特許請求の範囲、または図面のどこにあっても、当該用語の一方（ｏｎｅ ｏｆ ｔｈｅ ｔｅｒｍｓ）、当該用語のいずれか（ｅｉｔｈｅｒ ｏｆ ｔｈｅ ｔｅｒｍｓ）、または両方の用語（ｂｏｔｈ ｔｅｒｍｓ）を含む可能性を企図すると理解されるべきであることが、当業者にはさらに理解されよう。例えば、句「ＡまたはＢ」は、「Ａ」または「Ｂ」あるいは「ＡおよびＢ」の可能性を含むことが理解されよう。

さらに、本開示の特徴または態様は、マーカッシュグループに関して述べられているところでは、当業者は、本開示が、また、それによって、マーカッシュグループのいずれかの個々の構成要素に関して、または構成要素のサブグループに関して述べられていることを理解されるはずである。

当業者が理解されるように、いずれかの、またはすべての目的で、例えば文書による記述を作成することに関し、本明細書に開示するすべての範囲は、また、いずれかの、またはすべての可能なサブ範囲およびそのサブ範囲の組み合わせを包含する。いずれかのリストアップした範囲は、十分に述べていて、同じ範囲を少なくとも等しい１／２、１／３、１／４、１／５、１／１０などに分割することができることを容易に認識することができる。非限定の実施例として、本明細書で議論した各範囲は、下側の１／３、中間の１／３および上側の１／３になど、容易に分割することができる。また、当業者が理解されるように、例えば「にまで（ｕｐ ｔｏ）」、「少なくとも（ａｔ ｌｅａｓｔ）」、「より大きい（ｇｒｅａｔｅｒ ｔｈａｎ）」、「より小さい（ｌｅｓｓ ｔｈａｎ）」など、すべての言語は、記載された数を含み、上記で議論したように、その後でサブ範囲に分割することができる範囲をいう。最後に、当業者が理解されるように、範囲は、各個々の構成要素を含む。それゆえ、例えば、１〜３個のセルを有する群は、１個、２個または３個のセルを有する群をいう。同様に、１〜５個のセルを有する群は、１個、２個、３個、４個または５個のセルを有する群をいう、などである。

様々な態様および実施形態を本明細書に開示してきたが、他の態様および実施形態は、当業者に明らかなはずである。本明細書に開示した様々な態様および実施形態は、例示する目的のためのものであり、限定しないものと意図し、真の範囲および趣旨は、次の請求項によって示されている。

Claims (50)

1. マルチカメラによるモニタリング環境においてカメラ配置の効率、数および分解能を自動的に最適化するための方法であって、
   最大分解能行列Ｖを決定することであって、前記Ｖの各要素ｖ_ｉ、ｊが最大分解能を表し、その最大分解能によって、カメラｃ_ｉは、前記マルチカメラ環境でポイントｐ_ｊをモニタすることが可能である、決定することと；
   所望の分解能ベクトルＲｅｓ_ｄｅｓを受け取ることであって、前記Ｒｅｓ_ｄｅｓの各要素が、各ポイントに対する所望の分解能を表す、受け取ることと；
   前記Ｒｅｓ_ｄｅｓから考えて前記Ｖの前記要素を評価し、コスト関数を考慮して最適なカメラと分解能の選択を決定することであって、前記コスト関数は、各ポイントに割り当てられた分解能の誤差を少なくとも含む、決定することとを含む、方法。
2. 前記コスト関数に関する重み付けパラメータから考えて前記Ｖの前記要素を評価することをさらに含む、請求項１に記載の方法。
3. いくつかの選択されたカメラのコストと前記分解能コストの誤差を、前記重み付けパラメータを用いて線形に結合して、総コストを決定することをさらに含む、請求項２に記載の方法。
4. 前記マルチカメラによるモニタリング環境で所望の分解能によって予め定めたポイントをモニタするために、前記総コストを最小にして、カメラと分解能の最適な選択を決定することをさらに含む、請求項３に記載の方法。
5. 貪欲技法を用いて、繰り返し前記総コストを最小にすることをさらに含む、請求項４に記載の方法。
6. 選択されたカメラおよび割り当てられた分解能によって、各繰り返しで、前記総コストをもっとも大きく削減させるように、カメラを選択し、分解能をその選択されたカメラに割り当てることと；
   他のカメラまたは分解能の選択によって、前記コスト関数が減少しないようになるまで、前記繰り返しを継続させることとをさらに含む、請求項５に記載の方法。
7. 直線軸に沿った間隔に対して規定された前記分解能を受け取ることと；
   前記間隔を表すポイントを選択することとをさらに含む、請求項１に記載の方法。
8. 各間隔の中間ポイントのようなポイントを選択することをさらに含む、請求項７に記載の方法。
9. 各間隔に対するコストを、前記間隔に対する所望の分解能と前記間隔の長さの積として計算することをさらに含む、請求項８に記載の方法。
10. 各分解能が、ズームのレベルを表す、請求項１に記載の方法。
11. 前記カメラは、単一分解能のカメラ、マルチ分解能のカメラ、多方向のカメラ、マルチ分解能／多方向のカメラおよびパンチルトズーム（ＰＴＺ）カメラの１つを含む、請求項１に記載の方法。
12. マルチカメラによるモニタリング環境においてカメラ配置の効率、数および分解能を自動的に最適化するように動作可能なコンピューティングデバイスにおいて、
    命令を格納するように構成されるメモリと；
    所望の分解能ベクトルＲｅｓ_ｄｅｓを受け取るように構成される入力装置であって、前記Ｒｅｓ_ｄｅｓの各要素が、前記マルチカメラ環境中の各ポイントに対する所望の分解能を表す、入力装置と；
    プロセッサであって：
    最大分解能行列Ｖを決定し、前記Ｖの各要素ｖ_ｉ、ｊが最大分解能を表し、その最大分解能によって、カメラｃ_ｉは、前記マルチカメラ環境でポイントｐ_ｊをモニタすることが可能であり、かつ
    前記Ｒｅｓ_ｄｅｓから考えて前記Ｖの前記要素を評価し、コスト関数を考慮して最適なカメラと分解能の選択を決定し、前記コスト関数は、各ポイントに割り当てられた分解能の誤差を少なくとも含むように構成される、プロセッサとを含む、コンピューティングデバイス。
13. 前記プロセッサは、さらに、前記コスト関数に関する重み付けパラメータから考えて前記Ｖの前記要素を評価するように構成される、請求項１２に記載のコンピューティングデバイス。
14. 前記プロセッサは、さらに、いくつかの選択されたカメラのコストと前記分解能コストの前記誤差を、前記重み付けパラメータを用いて線形に結合して、総コストを決定するように構成される、請求項１３に記載のコンピューティングデバイス。
15. 前記プロセッサは、さらに、前記マルチカメラによるモニタリング環境で所望の分解能によって予め定めたポイントをモニタするために、前記総コストを最小にして、カメラと分解能の最適な選択を決定するように構成される、請求項１４に記載のコンピューティングデバイス。
16. 前記プロセッサは、さらに、貪欲技法を用いて、繰り返し前記総コストを最小にするように構成される、請求項１５に記載のコンピューティングデバイス。
17. 前記プロセッサは、さらに、
    選択されたカメラおよび割り当てられた分解能によって、各繰り返しで、前記総コストをもっとも大きく削減させるように、カメラを選択し、分解能をその選択されたカメラに割り当て；かつ
    他のカメラまたは分解能の選択によって、前記コスト関数が減少しないようになるまで、前記繰り返しを継続させるように構成される、請求項１６に記載のコンピューティングデバイス。
18. 前記プロセッサは、さらに、
    直線軸に沿った間隔に対して規定された前記分解能を受け取り；かつ
    前記間隔を表すポイントを選択するように構成される、請求項１２に記載のコンピューティングデバイス。
19. 前記プロセッサは、さらに、各間隔の中間ポイントようなポイントを選択するように構成される、請求項１８に記載のコンピューティングデバイス。
20. 前記プロセッサは、さらに、各間隔に対するコストを、前記間隔に対する所望の分解能と前記間隔の長さの積として計算するように構成される、請求項１９に記載のコンピューティングデバイス。
21. 各分解能が、ズームのレベルを表す、請求項１２に記載のコンピューティングデバイス。
22. 前記カメラは、単一分解能のカメラ、マルチ分解能のカメラ、多方向のカメラ、マルチ分解能／多方向のカメラおよびパンチルトズーム（ＰＴＺ）カメラの１つを含む、請求項１２に記載のコンピューティングデバイス。
23. モニタリングおよび監視の用途のためのカメラのアレイにおける最適なカメラ選択のための方法であって、
    直線軸に沿った間隔に対して規定された複数のカメラと関連付けられた複数の分解能を決定することと；
    前記間隔におけるポイントおよび前記ポイントに対する所望の分解能と関連付けられた情報を受け取ることと；
    組み合わせ状態の格子を形成することであって、各レベルが、前記ポイントの線形順序に従って１つのポイントを表し、前記１つのポイントをカバーするカメラの分解能の可能な組み合わせが、対応するレベルについての状態としてリストアップされる、形成することと；
    前記格子の形で横切られる各経路中の分解能の制約に従いながら、生存経路が決定されるまで、前記レベルによって最適な経路を評価することとを含む、方法。
24. 各遷移の始めの状態と終りの状態に対応する共通のカメラに対して分解能の無矛盾性を求めてたどりながら、或るレベルから次のレベルに遷移することをさらに含む、請求項２３に記載の方法。
25. 前記次のレベルの最大の可能な分解能が、前記遷移の開始時の分解能より低いという決定に応答して、非ゼロ分解能からゼロ分解能への遷移を可能にすることをさらに含む、請求項２４に記載の方法。
26. 前のレベルの最大の可能な分解能が、所望の状態の非ゼロ分解能より低いという決定に応答して、ゼロ分解能から非ゼロ分解能への遷移を可能にすることをさらに含む、請求項２４に記載の方法。
27. 前記格子中の各経路に対して非ゼロ分解能からゼロ分解能への遷移をモニタすることと；
    前記非ゼロ分解能から前記ゼロ分解能への遷移が起きたとき、変数を予め定めた値に設定することと；
    コストがもっとも低い現在の状態に入る分岐として現在の分岐を選択することとをさらに含む、請求項２３に記載の方法。
28. 多方向のカメラのための方向の組み合わせを前記格子の各分岐についての状態として規定することをさらに含む、請求項２３に記載の方法。
29. 網羅的な検索を、
    すべての適格な組み合わせを検査し、
    各組み合わせのコストを計算し、かつ
    コストがもっとも低い組み合わせを選択することによって実施することをさらに含む、請求項２３に記載の方法。
30. 前記ポイント、および前記ポイントへのカメラ割り当ての可能な組み合わせを評価することと；
    各ポイントに対して１つまたは複数の可能なカメラと分解能の組み合わせを決定する際、分解能の無矛盾性を検査することと；
    前記分解能の無矛盾性に違反する、可能なカメラと分解能の組み合わせを削除することと；
    残されたカメラと分解能の組み合わせの中でカメラと分解能の１つの組み合わせを選択することとをさらに含む、請求項２３に記載の方法。
31. 分解能の無矛盾性を検査することなく、前記カメラを評価し、そして各カメラに対する可能な分解能をテストすることをさらに含む、請求項２３に記載の方法。
32. カメラをオフにする、またはカメラを、そのカメラが割り当てられたポイントをカバーできない分解能に設定するという決定に応答して、前記カメラの分解能をゼロに設定することをさらに含む、請求項２３に記載の方法。
33. 各遷移の総コストを、カメラ数と分解能のコストの線形の組み合わせとして規定することをさらに含む、請求項２３に記載の方法。
34. 前記カメラは、単一分解能のカメラ、マルチ分解能のカメラ、多方向のカメラ、マルチ分解能／多方向のカメラ、およびパンチルトズーム（ＰＴＺ）カメラの１つを含む、請求項２３に記載の方法。
35. モニタリングおよび監視の用途のためのカメラのアレイにおける最適なカメラ選択のためのコンピューティングデバイスにおいて、
    命令を格納するように構成されるメモリと；
    プロセッサであって：
    直線軸に沿った間隔に対して規定された複数のカメラと関連付けられた複数の分解能を決定し、
    前記間隔におけるポイントおよび前記ポイントに対する所望の分解能と関連付けられた情報を受け取り、
    組み合わせ状態の格子を形成し、各レベルが、ポイントの線形順序に従って１つのポイントを表し、前記１つのポイントをカバーするカメラの分解能の可能な組み合わせが、対応するレベルについての状態としてリストアップされ、かつ
    前記格子の形で横切られる各経路中の分解能の制約に従いながら、生存経路が決定されるまで、前記レベルによって最適な経路を評価するように構成される、プロセッサとを含む、コンピューティングデバイス。
36. 前記プロセッサは、さらに、各遷移の始めの状態および終りの状態に対応する共通のカメラに対して分解能の無矛盾性を求めてたどりながら、或るレベルから次のレベルに遷移するように構成される、請求項３５に記載のコンピューティングデバイス。
37. 前記プロセッサは、さらに、前記次のレベルの最大の可能な分解能が、前記遷移の開始時の分解能より低いという決定に応答して、非ゼロ分解能からゼロ分解能への遷移を可能にするように構成される、請求項３６に記載のコンピューティングデバイス。
38. 前記プロセッサは、さらに、前のレベルの最大の可能な分解能が、所望の状態の非ゼロ分解能より低いという決定に応答して、ゼロ分解能から非ゼロ分解能への遷移を可能にするように構成される、請求項３６に記載のコンピューティングデバイス。
39. 前記プロセッサは、さらに、
    前記格子中の各経路に対して非ゼロ分解能からゼロ分解能への遷移をモニタし；
    前記非ゼロ分解能から前記ゼロ分解能への遷移が起きたとき、変数を予め定めた値に設定し；かつ
    コストがもっとも低い現在の状態に入る分岐として現在の分岐を選択するように構成される、請求項３５に記載のコンピューティングデバイス。
40. 前記プロセッサは、さらに、多方向のカメラのための方向の組み合わせを、前記格子の各分岐についての状態として規定するように構成される、請求項３５に記載のコンピューティングデバイス。
41. 前記プロセッサは、さらに、
    網羅的な検索を、
    すべての適格な組み合わせを検査し、
    各組み合わせのコストを計算し、かつ
    コストがもっとも低い組み合わせを選択することによって実施するように構成される、請求項３５に記載のコンピューティングデバイス。
42. 前記プロセッサは、さらに、
    前記ポイント、および前記ポイントへのカメラ割り当ての可能な組み合わせを評価し；
    各ポイントに対して１つまたは複数の可能なカメラと分解能の組み合わせを決定する際、分解能の無矛盾性を検査し；
    前記分解能の無矛盾性に違反する、可能なカメラと分解能の組み合わせを削除し；かつ
    残されたカメラと分解能の組み合わせの中でカメラと分解能の１つの組み合わせを選択するように構成される、請求項３５に記載のコンピューティングデバイス。
43. 前記プロセッサは、さらに、分解能の無矛盾性を検査することなく、前記カメラを評価し、そして各カメラに対する可能な分解能をテストするように構成される、請求項３５に記載のコンピューティングデバイス。
44. 前記プロセッサは、さらに、カメラをオフにする、またはカメラを、そのカメラが割り当てられたポイントをカバーできない分解能に設定するという決定に応答して、前記カメラの分解能をゼロに設定するように構成される、請求項３５に記載のコンピューティングデバイス。
45. 前記プロセッサは、さらに、各遷移の総コストを、カメラ数と分解能のコストの線形の組み合わせとして規定するように構成される、請求項３５に記載のコンピューティングデバイス。
46. 前記カメラは、単一分解能のカメラ、マルチ分解能のカメラ、多方向のカメラ、マルチ分解能／多方向のカメラおよびパンチルトズーム（ＰＴＺ）カメラの１つを含む、請求項３５に記載のコンピューティングデバイス。
47. ある面積を照明するために所望の強度を実現する、照明アレイにおける最適な光源サブセットの選択のための方法であって、
    直線軸に沿った間隔に対して規定された複数の光源と関連付けられた複数の照明強度を決定することと；
    前記間隔におけるポイントおよび前記ポイントに対する所望の照明強度と関連付けられた情報を受け取ることと；
    組み合わせ状態の格子を形成することであって、各レベルが、ポイントの線形順序に従って１つのポイントを表し、前記１つのポイントをカバーする照明強度の可能な組み合わせが、対応するレベルについての状態としてリストアップされる、形成することと；
    前記格子の形で横切られる各経路中の光源強度の制約に従いながら、生存経路が決定されるまで、前記レベルによって最適な経路を評価することとを含む、方法。
48. ある面積を照明するために所望の強度を実現する、照明アレイにおける最適な光源サブセットの選択のためのコンピューティングデバイスにおいて、
    命令を格納するように構成されるメモリと；
    プロセッサであって：
    直線軸に沿った間隔に対して規定された複数の光源と関連付けられた複数の照明強度を決定し；
    前記間隔におけるポイントおよびそのポイントに対する所望の照明強度と関連付けられた情報を受け取り；
    組み合わせ状態の格子を形成し、各レベルが、ポイントの線形順序に従って１つのポイントを表し、前記１つのポイントをカバーする照明強度の可能な組み合わせが、対応するレベルについての状態としてリストアップされ；かつ
    前記格子の形で横切られる各経路中の光源強度の制約に従いながら、生存経路が決定されるまで、前記レベルによって最適な経路を評価するように構成される、プロセッサとを含む、コンピューティングデバイス。
49. マルチカメラによるモニタリング環境においてカメラ配置の効率、数および分解能を最適化するための請求項１乃至１１に記載の前記方法を１つまたは複数のプロセッサで実行するための命令が格納されたコンピュータ可読記憶媒体。
50. モニタリングおよび監視の用途のためのカメラのアレイにおける最適なカメラ選択のための請求項２３乃至３４に記載の前記方法を１つまたは複数のプロセッサで実行するための命令が格納されたコンピュータ可読記憶媒体。