JP7420734B2 - データ配信システム、センサデバイス及びサーバ - Google Patents

Description

本開示は、データ配信システム、センサデバイス及びサーバに関する。

近年、街頭のいたるところに監視カメラ等が設置され、さらに、走行する車両にも、当該車両の周囲環境を撮像することができる車載カメラが搭載されており、様々な場所における撮像画像を容易に取得することができる。

しかしながら、これらカメラで取得した画像（センシングデータ）は、各カメラ（センサデバイス）を設置したユーザ個人のみで利用することが想定されており、セキュリティ確保の観点や、インタフェースが共通化されていないことにより、他のユーザが容易に利用することができなかった。

そこで、本開示では、様々なセンサデバイスが取得したセンシングデータから得られる情報を様々なユーザが容易に利用することが可能なフレームワークを構築するための、データ配信システム、センサデバイス及びサーバを提案する。

本開示によれば、センシングデータを取得する、１つ又は複数のセンサデバイスと、前記センシングデータから生成され得る所定のデータの配信を要求する１つ又は複数の要求元からの配信リクエストを受け付けるサーバとを含み、前記センサデバイスは、前記センシングデータを取得するセンサ部と、前記サーバから、前記配信リクエストに対応する認識モデルを取得するモデル取得部と、前記認識モデルに基づき、取得した前記センシングデータが前記配信リクエストに該当するかどうかを認識する認識部と、前記センシングデータが前記配信リクエストに該当する場合、当該センシングデータに対して当該配信リクエストに応じた処理を行い、前記所定のデータを生成するデータ生成部と、前記所定のデータを配信するセンサデバイス側配信部とを有し、前記サーバは、前記１つ又は複数の要求元から、前記配信リクエストを受け付けるリクエスト受付部と、前記配信リクエストに対応する前記認識モデルを生成するモデル生成部と、生成した前記認識モデルを前記センサデバイスに送信するモデル送信部とを有する、データ配信システムが提供される。

また、本開示によれば、センシングデータを取得するセンサ部と、前記センシングデータから生成され得る所定のデータの配信を要求する１つ又は複数の要求元からの配信リクエストを受け付けるサーバから、前記配信リクエストに対応する認識モデルを取得するモデル取得部と、前記認識モデルに基づき、取得した前記センシングデータが前記配信リクエストに該当するかどうかを認識する認識部と、前記センシングデータが前記配信リクエストに該当する場合、当該センシングデータに対して当該配信リクエストに応じた処理を行い、前記所定のデータを生成するデータ生成部と、前記所定のデータを配信するセンサデバイス側配信部とを備える、センサデバイスが提供される。

さらに、本開示によれば、所定のデータの配信を要求する要求元から配信リクエストを受け付けるリクエスト受付部と、センサデバイスにおいて、当該センサデバイスで取得したセンシングデータが前記配信リクエストに該当するかどうかを認識するための認識モデルを生成するモデル生成部と、生成した前記認識モデルを前記センサデバイスに送信するモデル送信部とを備える、サーバが提供される。

本開示の実施形態に係るデータ配信システム１の概略的な機能構成を示したシステム図である。 同実施形態に係るセンサデバイス１０の機能構成例を示すブロック図である。 同実施形態に係るサービスサーバ２０の機能構成例を示すブロック図である。 同実施形態に係る集計サーバ５０の機能構成例を示すブロック図である。 同実施形態に係る認識モデル６１０の生成例を説明するための説明図である。 同実施形態に係る配信データの例を説明するための説明図である。 同実施形態に係る前処理の例を説明するための説明図である。 同実施形態に係る情報処理方法の一例を示すシーケンス図である。 同実施形態の変形例に係る情報処理方法の一例を示すシーケンス図である。 同実施形態の変形例に係るデータ配信システム１ａの概略的な機能構成を示したシステム図である。 同実施形態の変形例に係る認識部の一例を説明するための説明図である。 同実施形態の利用例を説明するための説明図である。 サービスサーバ２０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。 車両制御システムの概略的な構成の一例を示すブロック図である。 車外情報検出部及び撮像部の設置位置の一例を示す説明図である。

以下に、添付図面を参照しながら、本開示の好適な実施の形態について詳細に説明する。なお、本明細書及び図面において、実質的に同一の機能構成を有する構成要素については、同一の符号を付することにより重複説明を省略する。さらに、本明細書及び図面において、実質的に同一又は類似の機能構成を有する複数の構成要素を、同一の符号の後に異なる数字を付して区別する場合がある。ただし、実質的に同一又は類似の機能構成を有する複数の構成要素の各々を特に区別する必要がない場合、同一符号のみを付する。また、本明細書及び図面において、異なる実施形態の類似する構成要素については、同一の符号の後に異なるアルファベットを付して区別する場合がある。ただし、類似する構成要素の各々を特に区別する必要がない場合、同一符号のみを付する。

なお、説明は以下の順序で行うものとする。
１． 本実施形態を創作するに至る背景
２． 実施形態
２．１ データ配信システム１の概略構成
２．２ センサデバイス１０の詳細構成
２．３ サービスサーバ２０の詳細構成
２．４ 集計サーバ５０の詳細構成
２．５ 本実施形態に係る認識について
２．６ 情報処理方法
２．７ 変形例
３． 実施例
４． まとめ
５． ハードウェア構成について
６． 移動体への応用例
７． 補足

＜＜１． 本実施形態を創作するに至る背景＞＞
まずは、本発明者が創作した本開示の実施形態を説明する前に、本発明者が本開示の実施形態を創作するに至る背景について説明する。

先に説明したように、近年、街頭のいたるところに監視カメラ等が設置され、さらに、走行する車両にも、当該車両の周囲環境を撮像することができる車載カメラが搭載されており、様々な場所における撮像画像を容易に取得することができる。

しかしながら、これらカメラで取得した画像は、各カメラを設置したユーザ個人のみで利用することが想定されており、セキュリティ確保の観点や、インタフェースが共通化されていないことにより、他のユーザが容易に利用することができなかった。また、これらカメラで取得した画像に、他のユーザにとって付加価値が高い情報が含まれていたとしても、各カメラを設置したユーザは、このような他のユーザのニーズに気づいていないことから、カメラの画像を有効に活用することに思いがいたらない。従って、有限な資源である上記画像が有効に活用されているとは言えない状況にあった。

そこで、本発明者は、これらカメラが取得した画像を様々なユーザが容易に利用することが可能なフレームワークを構築したいと考えていた。近年、第５世代無線通信等の通信技術が進歩したことにより、大容量データを高速に伝送することが可能となり、これらカメラと管理サーバとユーザが使用するユーザ端末とをネットワーク化することが容易となった。

さらに、本発明者は、上記フレームワークを構築し、当該フレームワークが活用されるためには、当該フレームワークは、以下のような条件を満たすことが必要であると考えていた。１つ目は、異なる仕様のカメラであっても、異なる仕様のユーザ端末であっても、上記フレームワークで共通するインタフェースを持たせることにより、これらのカメラが取得した画像をユーザデバイス側で利用することができるようにすること。２つ目は、画像には各個人のプライバシに関する情報が含まれている恐れが高いことから、プライバシに配慮した、セキュリティの高い環境を構築すること。３つ目は、カメラで取得された画像から得られる情報をリアルタイムでユーザに転送すること。４つ目は、データ転送の負荷を下げ、さらに、データ処理等を分散して行うことにより各デバイスの処理負荷を下げること。

そこで、上述の３つ目及び４つ目の条件を満たすために、上記フレームワークにおいては、人工知能（Ａｒｔｉｆｉｃｉａｌ Ｉｎｔｅｌｌｉｇｅｎｃｅ；ＡＩ）を利用する。ＡＩは、演算装置自体の高性能化や複数の演算装置による分散処理等により小型演算装置でも実現可能となり、ネットワークの末端に位置するようなカメラにおいても、利用することが可能となった。以下、このようなＡＩ機能を搭載したカメラをＡＩカメラと呼ぶ。詳細には、上記フレームワークにおいて、ＡＩカメラにより、自身が取得した画像にユーザから求められる情報が含まれているかどうかを瞬時に認識し、含まれている場合にのみ、画像から得られた情報を該当するユーザに転送する。従って、ＡＩカメラによれば、画像から得られた情報をリアルタイムでユーザに転送することが可能であるばかりか、ユーザから求められる情報が含まれているか否かに関係なく画像を転送する場合に比べて、データ転送の負荷を減らすことができる。

すなわち、以下に提案する本開示に係る実施形態においては、上記フレームワークの構築のために、ＡＩ機能を持ったＡＩカメラを利用する。さらに、本実施形態においては、ＡＩカメラでの認識を向上させ、且つ、高速化するために、認識で利用する認識モデルをＡＩカメラの能力に応じて動的に変更する。加えて、本実施形態においては、ＡＩカメラで取得した画像に対して上記認識モデルに応じた形態になるように前処理を行った後に認識を行ったり、認識処理を分散化したりすることで、認識の精度を向上させたり、高速化したりすることができる。

また、本実施形態においては、データ転送等に係るインタフェースを共通化することにより、異なる仕様のカメラ、及び、異なる仕様のユーザ端末を上記フレームワーク内で活用することができる。また、本実施形態においては、カメラ側で、画像又は画像から得られる情報に対してプライバシに配慮した処理を行うことにより、上記フレームワーク内で個人のプライバシの保護を確保することができる。さらに、本実施形態においては、上記フレームワークに認証サーバを組み込むことにより、フレームワーク内のカメラ、管理サーバ及びユーザ端末に対して認証を行い、フレームワーク内のセキュリティを確保することができる。

以上のように、以下に説明する本開示においては、様々なカメラが取得した画像から得られる情報を様々なユーザが容易に利用することが可能なフレームワークを構築するための実施形態を提案する。

さらに、本実施形態においては、上記フレームワーク内に、ユーザが、画像を提供するカメラの管理者に対して、提供された情報に応じた料金を支払う仕組みを組み込むこともできる。このようにすることで、本実施形態においては、画像を提供する側も、利用された情報の情報量や価値に応じて対価を得ることができることから、カメラの管理者が画像を当該フレームワークに提供するモチベーションを高めることができる。

以下、このような本開示に係る実施形態の詳細を順次説明する。

＜＜２． 実施形態＞＞
＜２．１ データ配信システム１の概略構成＞
まずは、図１を参照して、本開示の実施形態に係るデータ配信システム１の構成例を説明する。図１は、本開示の実施形態に係るデータ配信システム１の概略的な機能構成を示したシステム図である。

詳細には、図１に示すように、本実施形態に係るデータ配信システム１は、複数のセンサデバイス１０ａ、１０ｂ、１０ｃと、サービスサーバ２０と、複数のユーザデバイス３０ａ、３０ｂ、３０ｃと、認証サーバ４０と、集計サーバ５０とを主に含むことができる。これら各装置は、例えば、図示しない基地局等（例えば、携帯電話機の基地局、無線ＬＡＮ（Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ）のアクセスポイント等）を介してネットワーク（図示省略）に接続されることにより、データ配信システム１が構築されることとなる。なお、上記ネットワークで用いられる通信方式は、有線又は無線（例えば、第５世代通信システム、ＷｉＦｉ（登録商標）、Ｂｌｕｅｔｏｏｔｈ（登録商標）等）を問わず任意の方式を適用することができるが、大容量のデータを安定して高速送信することができる通信方式を用いることが望ましい。また、データ配信システム１に含まれるセンサデバイス１０やユーザデバイス（要求元）３０は、図１に図示されるようにそれぞれ３つであることに限定されるものではなく、本実施形態に係るデータ配信システム１には、それぞれ３つ以上含まれていてもよい。すなわち、本実施形態に係るデータ配信システム１は、複数のセンサデバイス１０を管理し、複数のユーザデバイス３０からの要求を受け付け、それらにデータを送信することができる。以下に、本実施形態に係るデータ配信システム１に含まれる各装置の概略について説明する。

（センサデバイス１０）
センサデバイス１０は、設置された周囲環境のセンシングデータ（例えば、画像、音声等）を取得し、取得したセンシングデータから取得される配信データ（所定のデータ）を、後述するユーザデバイス３０等の外部装置に送信することができる。また、センサデバイス１０は、先に説明したように、ＡＩ機能が搭載されていることが望ましく、後述するサービスサーバ２０から送信された認識モデルに基づき、取得したセンシングデータが、ユーザからの要求（配信リクエスト）に該当するかどうかを認識することができる。

例えば、センサデバイス１０は、自動車等の移動体に搭載された撮像装置（カメラ）や、ユーザの携帯するスマートフォンに搭載された撮像装置、自宅や店舗等に設置された監視カメラ等の撮像装置であることができ、この場合、センシングデータは画像となる。この場合、これら撮像装置は、設置された周囲に位置する被写体からの光を集光して撮像面に光像を形成し、撮像面に形成された光像を電気的な画像信号に変換することによって画像を取得することができる。なお、以下の説明においては、特段のことわりがない限りは、移動体とは、自動車、電気自動車、ハイブリッド電気自動車、自動二輪車、自転車、パーソナルモビリティ、飛行機、ドローン、船舶、ロボット（移動ロボット）、建設機械、農業機械（トラクタ）等であることができる。

また、本実施形態においては、センサデバイス１０は、上述した撮像装置であることに限定されるものではない。本実施形態においては、例えば、センサデバイス１０は、被写体までの距離（深さ）を計測する深度センサ、周囲環境の音を集音するマイクロフォン等の集音装置、周囲環境の温度及び湿度を計測する温度センサ及び湿度センサ、河川等の水位を測定する水位センサ等であってもよい。

なお、本実施形態においては、センサデバイス１０は、データ配信システム１に共通するインタフェース（データ転送形式、データ転送方法等）を持つものであれば、その内部構成については、基本的に限定されるものではない。従って、本実施形態に係るデータ配信システム１は、仕様の異なる様々なセンサデバイス１０を取り込むことができる。なお、センサデバイス１０の詳細構成については後述する。

（サービスサーバ２０）
サービスサーバ２０は、後述するユーザデバイス３０から、上記センシングデータから生成され得る配信データの配信を要求する配信リクエストを受け付けるコンピュータである。さらに、サービスサーバ２０は、複数の配信リクエスト（要求）を統合し、配信リクエストに応じた認識モデルを生成し、生成した認識モデルを上述したセンサデバイス１０へ送信することができる。当該認識モデルは、センサデバイス１０での認識に供されることとなるが、この詳細については後述する。また、サービスサーバ２０は、必要に応じて、センサデバイス１０から配信データを受信し、受信した配信データを、上記配信リクエストに該当するユーザデバイス３０へ送信することもできる。例えば、サービスサーバ２０は、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）等のハードウェアにより実現されることができる。なお、サービスサーバ２０の詳細構成については後述する。

（ユーザデバイス３０）
ユーザデバイス３０は、ユーザによって携帯され、もしくは、ユーザの近傍に設置され、ユーザから入力された情報を受け付け、受け付けた当該情報を配信リクエストとしてサービスサーバ２０へ送信したり、配信リクエストに係る配信データを受信したりすることができる端末である。例えば、ユーザデバイス３０は、タブレット型ＰＣ（Ｐｅｒｓｏｎａｌ Ｃｏｍｐｕｔｅｒ）、スマートフォン、携帯電話、ラップトップ型ＰＣ、ノート型ＰＣ等のモバイル端末、ＨＭＤ（Ｈｅａｄ Ｍｏｕｎｔｅｄ Ｄｉｓｐｌａｙ）等のウェアラブルデバイスであることができる。さらに詳細には、ユーザデバイス３０は、ユーザに向けて表示を行う表示部（図示省略）や、ユーザからの操作を受け付ける操作部（図示省略）や、ユーザに向けて音声出力を行うスピーカ（図示省略）等を有していてもよい。

なお、ユーザデバイス３０には、例えば、データ配信システム１に共通するアプリケーション（アプリ）、もしくは、上述したサービスサーバ２０と共通する仕様を持つアプリケーションがインストールされることができる。ユーザデバイス３０は、上述のようなアプリケーションがインストールされることにより、データ配信システム１に共通する形式等を持つ、配信リクエストを生成し、送信したり、配信データを受け取ったりすることが可能となる。

なお、本実施形態においては、ユーザは、個人だけでなく、以下のような者も想定される。例えば、ユーザは、地図メーカ、出店戦略立案者、道路管理局、社会インフラ整備担当者等であることができる。より具体的には、本実施形態で提供されるサービスを利用することにより、地図メーカは、人手をかけることなく詳細地図の作成を行うことができ、出店戦略立案者は、出店を検討するにあたっての情報収集を容易に行うことができる。また、上記サービスを利用することにより、道路管理局は、道路状態、通行車種等の推測等に基づく道路修繕計画策定のための情報収集を容易に行うことができる。さらに、上記サービスを利用することにより、社会インフラ整備計画担当者は、運転傾向や事故原因の統計・解析による、予防措置、テレマティックス保険への応用を検討することができる。

そして、ユーザは、ユーザデバイス３０を介して、サービスサーバ２０へ配信リクエストを送信する。当該配信リクエストは、ユーザが配信を要求するデータの内容（データタイプ）等を指定する情報を含む。例えば、当該配信リクエストは、配信を要求する対象となるオブジェクト（例えば、顔、人物、動物、移動体、テキスト、道路（歩道、横断歩道、道幅、標識等）、ロゴ、バーコード等）と、オブジェクトに関するどのような情報（例えば、数量、速度、位置、状態、年齢、性別、特定した名前、推定結果等）を要求するのかを指定する情報（データタイプ）とからなるオブジェクト情報を含むことができる。また、当該配信リクエストは、配信データのデータフォーマット（例えば、画像、テキスト等）を指定するデータフォーマット情報を含むことができる。さらに、当該配信リクエストは、ユーザもしくはユーザデバイス３０の識別情報（ＩＤ（ｉｄｅｎｔｉｆｉｃａｔｉｏｎ））を含むことができる。なお、本実施形態においては、上記配信リクエストには、サービスサーバ２０で認識モデルを生成する際に利用される各種データが含まれていてもよい（詳細は後述する）。

本実施形態においては、上記配信リクエストは、データ配信システム１に共通するデータ形式を持つ。例えば、本実施形態においては、配信リクエストは、オブジェクト情報やデータフォーマット情報に対応する文字列や数字列を含むことができる。この場合、ユーザから高い頻度で要求されるオブジェクト情報やデータフォーマット情報については、対応する文字列や数字列を予め決定し、サービスサーバ２０が保有する記憶部（図示省略）にデータベース（図示省略）として格納する。そして、サービスサーバ２０は、上記データベースを参照することにより、配信リクエストに含まれる文字列等に対応するオブジェクト情報及びデータフォーマット情報を認識することができる。また、ユーザが所望するオブジェクト情報及びデータフォーマット情報に対応する文字列等が上記データベースに存在しない場合には、これらオブジェクト情報及びデータフォーマット情報は、上記配信リクエスト内で直接的に記述されてもよい。もしくは、この場合、ユーザが所望するオブジェクト情報及びデータフォーマット情報に対応する文字列を新たに決定して、決定した文字列等を、上記配信リクエスト及び上記データベースに記述してもよい。

（認証サーバ４０）
認証サーバ４０は、センサデバイス１０やサービスサーバ２０からそれぞれの認証情報（ＩＤ）を受信し、これらの各装置が、本実施形態に係るデータ配信システム１によるサービスを提供する、もしくは提供される権限を有するか否かを判定するコンピュータである。さらに、認証サーバ４０は、権限を有する装置に対して、サービスへのアクセスを可能にするキーや、サービスを提供するもしくはサービスを提供されるためのコマンド等を送信する。そして、上記認証情報は、データ配信システム１に共通するデータ形式を持つものとする。すなわち、認証サーバ４０は、認証ＡＰＩ（Ａｐｐｌｉｃａｔｉｏｎ Ｐｒｏｇｒａｍｍｉｎｇ Ｉｎｔｅｒｆａｃｅ）として用いられ、センサデバイス１０とサービスサーバ２０とを認証し、互いに紐づけることができる。本実施形態に係るデータ配信システム１は、このような認証サーバ４０を組み込むことにより、当該データ配信システム１のセキュリティを確保し、各センサデバイス１０を、サービスサーバ２０を介して各ユーザデバイス３０と紐づけることができる。また、認証サーバ４０は、例えば、ＣＰＵ、ＲＯＭ、ＲＡＭ等のハードウェアにより実現されることができ、後述する集計サーバ５０と協働することができる。なお、本実施形態においては、認証サーバ４０は、ユーザデバイス３０に対する認証を行ってもよい。

（集計サーバ５０）
集計サーバ５０は、上述した認証サーバ４０と協働して、ユーザ又はユーザデバイス３０ごとに、且つ、センサデバイス１０ごとに、配信データの配信量を集計し、当該集計等に基づきデータ使用料金を決定するコンピュータである。さらに、集計サーバ５０は、サービスサーバ２０を介して、センサデバイス１０の管理者及び各ユーザとの間でデータ使用料金の授受を行うことができる。例えば、集計サーバ５０は、ＣＰＵ、ＲＯＭ、ＲＡＭ等のハードウェアにより実現されることができる。なお、集計サーバ５０の詳細については後述する。

なお、本実施形態に係るデータ配信システム１においては、センサデバイス１０やサービスサーバ２０は、それぞれ単一の装置によって実現されていなくてもよく、有線又は無線の各種のネットワーク（図示省略）を介して接続され、互いに協働する複数の装置によって実現されてもよい。また、本実施形態においては、サービスサーバ２０、認証サーバ４０及び集計サーバ５０のうちの２つ又は全部が一体の装置によって実現されてもよい。さらに、本実施形態に係るデータ配信システム１は、図示しない他のサーバ等を含んでいてもよい。

＜２．２ センサデバイス１０の詳細構成＞
次に、図２を参照して、本実施形態に係るセンサデバイス１０の詳細構成を説明する。図２は、本実施形態に係るセンサデバイス１０の機能構成例を示すブロック図である。詳細には、図２に示すように、センサデバイス１０は、センサ部１００と、測位部１１０と、処理部１３０と、記憶部１６０と、通信部１７０とを主に有する。以下に、センサデバイス１０の各機能ブロックについて順次説明する。

（センサ部１００）
センサ部１００は、センシングデータを取得し、取得したセンシングデータを後述する処理部１３０へ出力する。詳細には、センサデバイス１０が撮像装置であった場合には、センサ部１００は、被写体から発せられる光を集光する撮影レンズ及びズームレンズ等の撮像光学系、及び、ＣＣＤ（Ｃｈｅｒｇｅ Ｃｏｕｐｌｅｄ Ｄｅｖｉｃｅ）又はＣＭＯＳ（Ｃｏｍｐｌｅｍｅｎｔａｒｙ Ｍｅｔａｌ Ｏｘｉｄｅ Ｓｅｍｏｃｏｎｄｕｃｔｏｒ）等の撮像素子を有することとなる。なお、本実施形態においては、センサ部１００は、センサデバイス１０内に固定されるように設けられていてもよく、センサデバイス１０に脱着可能に設けられていてもよい。

また、本実施形態においては、センサ部１００は、撮像装置の他にも、深度センサとしてＴＯＦ（Ｔｉｍｅ ｏｆ Ｆｌｉｇｈｔ）センサ（図示省略）を含んでいてもよい。ＴＯＦセンサは、被写体からの反射光の戻り時間を直接的又は間接的に計測することにより、ＴＯＦセンサと被写体との間の距離及び凹凸等の形状情報（深度情報／画像）を取得することができる。さらに、本実施形態においては、センサ部１００は、集音装置（マイク）、温度センサ、気圧センサ、湿度センサ、風向風速センサ、日照センサ、降水量センサ、水位センサ等を含んでいてもよく、周囲環境からセンシングデータを取得することができれば特に限定されるものではない。

（測位部１１０）
測位部１１０は、配信リクエストに該当するセンシングデータが取得された際のセンサデバイス１０の測位データを取得し、取得した測位データを、処理部１３０（詳細には、データ生成部１４４）に出力する。例えば、当該測位データは、配信データとともに、後述する処理部１３０の配信部１４６により、ユーザデバイス３０へ送信されることとなる。測位部１１０は、具体的には、ＧＮＳＳ（Ｇｌｏｂａｌ Ｎａｖｉｇａｔｉｏｎ Ｓａｔｅｌｌｉｔｅ Ｓｙｓｔｅｍ）受信機等であることができる。この場合、測位部１１０は、ＧＮＳＳ衛星からの信号に基づいて、センサデバイス１０の現在地の緯度・経度を示す測位データを生成することができる。また、本実施形態においては、例えば、ＲＦＩＤ（Ｒａｄｉｏ Ｆｒｅｑｕｅｎｃｙ Ｉｄｅｎｔｉｆｉｃａｔｉｏｎ）、Ｗｉ－Ｆｉのアクセスポイント、無線基地局の情報等からユーザの相対的な位置関係を検出することが可能なため、このような通信装置を上記測位部１１０として利用することも可能である。なお、本実施形態においては、測位部１１０は、センサデバイス１０に設けられていなくてもよい。

（処理部１３０）
処理部１３０は、センサ部１００が取得したセンシングデータを処理し、配信データを生成する機能を有する。さらに、処理部１３０は、配信した配信データの配信量を集計し、集計に基づく情報を集計サーバ５０へ送信する。処理部１３０は、例えば、ＣＰＵやＧＰＵ（Ｇｒａｐｈｉｃｓ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）等の処理回路や、ＲＯＭ、ＲＡＭ等により実現される。詳細には、図２に示すように、処理部１３０は、ＩＤ送信部１３２と、ｋｅｙ受信部１３４と、センサデータ取得部１３６と、前処理部１３８と、モデル取得部１４０と、認識部１４２と、データ生成部１４４と、配信部１４６と、集計部１４８と、集計情報送信部１５０とを主に有する。以下に、処理部１３０の有する各機能部の詳細について説明する。

～ＩＤ送信部１３２～
ＩＤ送信部１３２は、後述する通信部１７０を介して、センサデバイス１０の認証情報（ＩＤ）を認証サーバ４０に送信する。当該認証情報は、認証サーバ４０にて、センサデバイス１０が、本実施形態に係るデータ配信システム１によるサービスを提供する権限を有するか否かを判定する際に用いられる。本実施形態に係るデータ配信システム１は、このような認証により、当該データ配信システム１のセキュリティを確保している。

～ｋｅｙ受信部１３４～
ｋｅｙ受信部１３４は、後述する通信部１７０を介して、認証サーバ４０から送信されたサービスへのアクセスを可能にするキーや、サービスを提供するためのコマンド等を受信し、受信したキー等を後述するモデル取得部１４０へ出力する。当該モデル取得部１４０は、ｋｅｙ受信部１３４で受信したキー等を用いて、サービスサーバ２０から認識モデルを取得することができる。

～センサデータ取得部１３６～
センサデータ取得部１３６は、センサ部１００を制御して、センサ部１００から出力されたセンシングデータを取得し、取得したセンシングデータを後述する前処理部１３８又は認識部１４２へ出力する。

～前処理部１３８～
前処理部１３８は、後述するモデル取得部１４０が取得した認識モデルに含まれる情報（例えば、認識モデルを生成する際に用いた教師データに関する情報等）に応じて、センサデータ取得部１３６から出力されたセンシングデータを前処理して、前処理したセンシングデータを後述する認識部１４２へ出力する。詳細には、認識部１４２は、機械学習で得られた、配信リクエストに対応する認識モデルを用いて、センシングデータが当該配信リクエストに該当することになるかどうかを認識する。そこで、本実施形態においては、センシングデータが認識モデルに近い形態を持つように前処理を行うことにより、上記認識に好適なセンシングデータを認識部１４２に提供することができる。その結果、本実施形態によれば、認識部１４２の認識の精度を向上させることができる。なお、前処理部１３８での前処理の詳細については、後述する。

～モデル取得部１４０～
モデル取得部１４０は、後述する通信部１７０を介して、サービスサーバ２０から、配信リクエストに対応する認識モデルを取得し、取得した認識モデルを前処理部１３８及び認識部１４２に出力する。なお、当該認識モデルの詳細については後述する。

～認識部１４２～
認識部１４２は、ＡＩ機能等を利用して、モデル取得部１４０から出力された認識モデルに基づき、センサデータ取得部１３６から出力されたセンシングデータ、もしくは、前処理部１３８で前処理されたセンシングデータが、配信リクエストに該当するかどうかを認識することができる。より具体的には、認識部１４２は、例えば、センシングデータとしての画像に、配信リクエストで指定されたオブジェクトの画像が含まれるかどうかを認識することができる（言い換えると、オブジェクトの認識）。そして、認識部１４２は、認識結果を後述するデータ生成部１４４に出力する。なお、当該認識モデルは、サービスサーバ２０における機械学習で得られ、例えば、配信リクエストで指定されたオブジェクトの画像や音声等のデータから得られた当該オブジェクトを特徴づける特徴情報であることができる。本実施形態においては、上述のような認識をセンサデバイス１０で行うことから、センシングデータの取得後すぐに認識を行うことができる。なお、認識部１４２における認識の詳細については後述する。

～データ生成部１４４～
データ生成部１４４は、上述した認識部１４２でセンシングデータが配信リクエストに該当すると認識された場合、当該センシングデータに対して当該配信リクエストに応じた処理を行い、配信データを生成することができる。例えば、データ生成部１４４は、センシングデータから配信リクエストで指定されたオブジェクトに関するデータのみを抽出したり、抽象化したり、テキストデータ化したりすることにより、配信データを生成することができる。より具体的には、当該配信データは、配信リクエストで指定された、オブジェクトの属性情報、数量情報、位置情報、状態情報、動作情報、周囲環境情報、及び、予測情報のうちの少なくとも１つの情報を含むことができる。さらに、本実施形態においては、配信データのデータフォーマットは、画像データ、音声データ、テキストデータ等であることができ、特に限定されるものではない。このように、本実施形態においては、センサデバイス１０にて、配信リクエストに該当したセンシングデータを処理して、配信データを生成することから、リアルタイムで配信を実現することができる。また、本実施形態においては、データ生成部１４４は、センシングデータが配信リクエストに該当しない場合には、配信データを生成、配信することはない。従って、本実施形態によれば、センシングデータが配信リクエストに該当するか否かに関係なくセンシングデータを送信する場合に比べて、データ送信の負荷を減らすことができる。

さらに、本実施形態においては、データ生成部１４４は、例えば、配信データから、センシングデータに含まれるプライバシに関する情報（例えば、人物が特定できる程度の人物の撮像）を排除することができる。また、データ生成部１４４は、例えば、配信データ上で、プライバシに関する情報にマスクがかけることができる。このようにすることで、本実施形態においては、プライバシの保護を確保している。なお、このような処理の例については後述する。

～配信部１４６～
配信部１４６は、上述したデータ生成部１４４で生成した配信データを、ユーザデバイス３０又はサービスサーバ２０へ配信する。なお、配信部１４６は、複数の異なる配信データをユーザデバイス３０又はサービスサーバ２０へ配信することもできる。さらに、配信部１４６は、配信した配信データの配信量等の情報を、後述する集計部１４８に出力する。例えば、配信部１４６は、上記情報として、配信データに対応するセンシングデータが取得された際の日時の情報、配信データを配信した日時の情報、データタイプ、データフォーマット、配信量、配信先（例えばユーザデバイス３０の認識情報）等を出力する。

～集計部１４８～
集計部１４８は、例えば、ユーザ又はユーザデバイス３０ごとに、配信データの配信量を集計した集計情報を生成し、後述する記憶部１６０へ出力する。

～集計情報送信部１５０～
集計情報送信部１５０は、所定のタイミング（例えば１か月ごと）において、後述する記憶部１６０から集計情報を取得し、取得した集計情報を集計サーバ５０へ送信する。集計情報送信部１５０は、集計情報として、例えば、配信データに対応するセンシングデータが取得された際の日時の情報、配信データを配信した日時の情報、データタイプ、データフォーマット、配信量、配信先（例えばユーザデバイス３０の認識情報）、センサデバイス１０の識別情報、センサデバイス１０の管理者の情報等を送信する。

（記憶部１６０）
記憶部１６０は、処理部１３０が各種処理を実行するためのプログラム、情報等や、処理によって得た情報を格納する。例えば、記憶部１６０は、上述した集計部１４８が生成した集計情報を格納する。なお、記憶部１６０は、例えば、ＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）等の記憶装置により実現される。

（通信部１７０）
通信部１７０は、サービスサーバ２０等の外部装置との間で情報の送受信を行うことができる。言い換えると、通信部１７０は、データの送受信を行う機能を有する通信インタフェースと言える。なお、通信部１７０は、通信アンテナ、送受信回路やポート等の通信デバイス（図示省略）により実現される。

＜２．３ サービスサーバ２０の詳細構成＞
次に、図３を参照して、本実施形態に係るサービスサーバ２０の詳細構成を説明する。図３は、本実施形態に係るサービスサーバ２０の機能構成例を示すブロック図である。詳細には、図３に示すように、サービスサーバ２０は、処理部２３０と、記憶部２６０と、通信部２７０とを主に有する。以下に、サービスサーバ２０の各機能ブロックについて順次説明する。

（処理部２３０）
処理部２３０は、後述する通信部２７０を介して、ユーザデバイス３０から配信リクエストを取得し、取得した配信リクエストに応じた認識モデルを生成し、生成した認識モデルを、センサデバイス１０へ送信したりする機能を有する。処理部２３０は、例えば、ＣＰＵやＧＰＵ等の処理回路や、ＲＯＭ、ＲＡＭ等により実現される。詳細には、図３に示すように、処理部２３０は、ＩＤ送信部２３２と、リクエスト受付部２３４と、能力情報取得部２３６と、モデル生成部２３８と、モデル送信部２４０と、データ取得部２４２と、配信部２４６とを主に有する。以下に、処理部２３０の有する各機能部の詳細について説明する。

～ＩＤ送信部２３２～
ＩＤ送信部２３２は、後述する通信部２７０を介して、サービスサーバ２０の認証情報（ＩＤ）を認証サーバ４０に送信する。当該認証情報は、認証サーバ４０にて、サービスサーバ２０が、本実施形態に係るデータ配信システム１によるサービスを提供される権限を有するか否かを判定する際に用いられる。本実施形態に係るデータ配信システム１は、このような認証により、当該データ配信システム１のセキュリティを確保している。

～リクエスト受付部２３４～
リクエスト受付部２３４は、後述する通信部２７０を介して、１つ又は複数のユーザデバイス３０から配信リクエストを受け付け、受け付けた配信リクエストを後述するモデル生成部２３８へ出力する。なお、リクエスト受付部２３４は、共通する配信リクエストについては、これらを統合して出力してもよい。

～能力情報取得部２３６～
能力情報取得部２３６は、後述する通信部２７０を介して、各センサデバイス１０のセンシング能力（センシングの種別、精度、位置、範囲、粒度等）や演算能力を示す能力情報を予め取得し、取得した能力情報を後述するモデル生成部２３８に出力する。なお、本実施形態においては、能力情報取得部２３６は、センサデバイス１０の機能等がアップデートされた際に、能力情報を再取得することが好ましい。そして、本実施形態においては、後述するモデル生成部２３８において、各センサデバイス１０の能力情報に基づいて、各センサデバイス１０の能力に応じた認識モデルが生成されることとなる。従って、本実施形態によれば、センサデバイス１０の機能等がアップデートされた際に能力情報を再取得するようにすることで、現時点の各センサデバイス１０の能力に応じるものになるよう認識モデルを更新することができる。

～モデル生成部２３８～
モデル生成部２３８は、リクエスト受付部２３４からの配信リクエスト及び能力情報取得部２３６からの能力情報に基づき、各センサデバイス１０の能力に応じて、配信リクエストに対応する認識モデルを機械学習により生成することができる。さらに、モデル生成部２３８は、生成した認識モデルを、後述するモデル送信部２４０に出力することができる。なお、モデル生成部２３８は、機械学習に必要なデータを、ユーザデバイス３０又は図示しない他のサーバから取得してもよい。本実施形態においては、モデル生成部２３８は、各センサデバイス１０に好適な認識モデルを生成することができることから、センサデバイス１０における認識を実現することができる。また、本実施形態においては、センサデバイス１０の機能等がアップデートされた際に能力情報を再取得し、認識モデルを再生成することも可能であることから、認識モデルを動的に変えて、センサデバイス１０での認識を向上させることができる。

また、モデル生成部２３８は、モデル生成部２３８の機械学習で用いたデータに関する情報（例えば、認識モデルを生成する際に用いた教師データに関する情報等）を、認識モデルに含ませてもよい。当該情報は、センサデバイス１０の前処理部１３８において、センシングデータが認識モデルに近い形態を持つように前処理を行う際に用いられる。さらに、モデル生成部２３８は、センサデバイス１０の能力情報に基づく、配信リクエストで指定された配信データを生成するために求められるセンシングデータを取得するための、センサデバイス１０のセンサ部１００の設定に関する設定情報を、認識モデルに含ませてもよい。なお、本実施形態においては、モデル生成部２３８はサービスサーバ２０と別個の装置として設けられていてもよく、特に限定されるものではない。

～モデル送信部２４０～
モデル送信部２４０は、上述したモデル生成部２３８から取得した認識モデルを、各認識モデルに対応するセンサデバイス１０へ、通信部２７０を介して送信する。

～データ取得部２４２～
データ取得部２４２は、後述する通信部２７０を介して、センサデバイス１０から配信リクエストに対応する配信データを取得し、取得した配信データを後述する配信部２４６に出力する。なお、本実施形態においては、センサデバイス１０からユーザデバイス３０へ直接配信データを送信する場合には、当該データ取得部２４２は設けられていなくてもよい。

～配信部２４６～
配信部２４６は、上述したデータ取得部２４２で取得した配信データを、後述する通信部２７０を介して、配信リクエストに該当するユーザデバイス３０へ配信する。なお、本実施形態においては、センサデバイス１０からユーザデバイス３０へ直接配信データを送信する場合には、当該配信部２４６は設けられていなくてもよい。

（記憶部２６０）
記憶部２６０は、処理部２３０が各種処理を実行するためのプログラム、情報等や、処理によって得た情報を格納する。なお、記憶部２６０は、例えば、ＨＤＤ等の記憶装置により実現される。

（通信部２７０）
通信部２７０は、センサデバイス１０、ユーザデバイス３０等の外部装置との間で情報の送受信を行うことができる。言い換えると、通信部２７０は、データの送受信を行う機能を有する通信インタフェースと言える。なお、通信部２７０は、通信アンテナ、送受信回路やポート等の通信デバイス（図示省略）により実現される。

＜２．４ 集計サーバ５０の詳細構成＞
次に、図４を参照して、本実施形態に係る集計サーバ５０の詳細構成を説明する。図４は、本実施形態に係る集計サーバ５０の機能構成例を示すブロック図である。詳細には、図４に示すように、集計サーバ５０は、処理部５３０と、記憶部５６０と、通信部５７０とを主に有する。以下に、集計サーバ５０の各機能ブロックについて順次説明する。

（処理部５３０）
処理部５３０は、センサデバイス１０から送信された集計情報等を処理し、集計情報等に基づくデータ使用料金の授受といった処理を行う機能を有する。処理部５３０は、例えば、ＣＰＵ等の処理回路や、ＲＯＭ、ＲＡＭ等により実現される。詳細には、図４に示すように、処理部５３０は、集計情報取得部５３２と、料金処理部５３４とを主に有する。以下に、処理部５３０の有する各機能部の詳細について説明する。

～集計情報取得部５３２～
集計情報取得部５３２は、後述する通信部５７０を介して、各センサデバイス１０から上記集計情報等を取得し、取得した集計情報等を、後述する記憶部５６０に出力する。

～料金処理部５３４～
料金処理部５３４は、後述する記憶部５６０に格納された集計情報等に基づきデータ使用料金を決定し、集計サーバ５０とセンサデバイス１０の管理者及びサービスサーバ２０との間でデータ使用料金の授受を行うことができる。詳細には、料金処理部５３４は、配信データを配信した配信量と、配信データの単位配信量あたりの料金（例えば、データフォーマットによって定められる）とによって、サービスサーバ２０へ請求するデータ使用料金を決定する。また、同様に、料金処理部５３４は、各センサデバイス１０へ支払うデータ使用料金を決定する。本実施形態においては、各センサデバイス１０の管理者は、データ使用料金を得ることができることから、各センサデバイス１０の管理者にも本実施形態に係るデータ配信システム１によるサービスによる対価を分配することができる。このようにすることで、本実施形態においては、センシングデータを提供する側も、配信データの配信量や価値に応じて対価を得ることができることから、本実施形態に係るデータ配信システム１によるサービスに、センシングデータを提供するモチベーションを高めることができる。

（記憶部５６０）
記憶部５６０は、処理部５３０が各種処理を実行するためのプログラム、情報等や、処理によって得た情報を格納する。例えば、記憶部５６０は、センサデバイス１０から送信された集計情報を格納する。なお、記憶部５６０は、例えば、ＨＤＤ等の記憶装置により実現される。

（通信部５７０）
通信部５７０は、センサデバイス１０等の外部装置との間で情報の送受信を行うことができる。言い換えると、通信部５７０は、データの送受信を行う機能を有する通信インタフェースと言える。なお、通信部５７０は、通信アンテナ、送受信回路やポート等の通信デバイス（図示省略）により実現される。

＜２．５ 本実施形態に係る認識について＞
次に、図５から図７を参照して、本実施形態に係る認識の一例について説明する。図５は、本実施形態に係る認識モデル６１０の生成例を説明するための説明図であり、図６は、本実施形態に係る配信データの例を説明するための説明図であり、図７は、本実施形態に係る前処理の例を説明するための説明図である。

（認識モデルの生成）
まずは、本実施形態に係る認識で用いられるモデルの生成について説明する。認識モデルは、先に説明したように、サービスサーバ２０のモデル生成部２３８で生成される。上記モデル生成部２３８は、図５に示すように、例えば、サポートベクターレグレッションやディープニューラルネットワーク等の教師付き学習器２３８ａを有するものとする。まずは、学習器２３８ａには、例えば、配信リクエストで指定される配信を要求する対象となるオブジェクトに関する情報である複数の教師データ６０２－１～６０２－ｎが入力される。そして、当該学習器２３８ａは、入力された複数の教師データ６０２－１～６０２－ｎを機械学習することにより、センサデバイス１０の認識部１４２での認識で用いられる認識モデル６１０を生成することができる。本実施形態においては、複数のセンサデバイス１０は、そのセンシング能力や演算能力が互いに異なり、すなわち、認識できる能力が互いに異なるため、学習器２３８ａは、上述した各センサデバイス１０の能力情報に応じて各認識モデル６１０を生成することが好ましい。従って、本実施形態においては、様々な仕様を持つ複数のセンサデバイス１０が含まれていても、各センサデバイス１０の能力に応じた認識モデル６１０を生成することができることから、各センサデバイス１０で認識を行うことができる。

より詳細には、上記学習器２３８ａは、例えば、配信リクエストで指定される配信を要求する対象となるオブジェクト６００-１～６００－ｎでそれぞれラベル付けされた、当該オブジェクトに関する教師データ６０２－１～６０２－ｎが入力される。そして、学習器２３８ａは、リカレントニューラルネットワーク等による機械学習により、複数の教師データ６０２－１～６０２－ｎから、当該オブジェクトの特徴点、特徴量を抽出する。このように抽出された特徴点等の情報が、各センサデバイス１０で取得されたセンシングデータに当該オブジェクトの情報が含まれているかどうかを認識するための認識モデル６１０となる。

ここで、具体例を示して、本実施形態に係る認識モデル６１０の生成について説明する。例えば、ユーザからの配信リクエストにより、センサデバイス１０で取得した画像（センシングデータ）を用いて、所定の人物（オブジェクト）を探索することを要求された場合（配信データは、所定の人物の位置情報となる場合）を説明する。サービスサーバ２０は、上記配信リクエストを送信したユーザデバイス３０又は図示しないサーバから、認識モデル６１０を生成する際に利用する複数の教師データ６０２として、所定の人物の複数の画像を取得する。そして、サービスサーバ２０は、図５に示すように、取得した複数の画像（教師データ）６０２－１～６０２－ｎを、所定の人物（オブジェクト）６００－１～６００－ｎというラベルをそれぞれに付して、学習器２３８ａに入力する。さらに、学習器２３８ａは、複数の画像（教師データ）６０２－１～６０２－ｎを用いた機械学習により、複数の画像（教師データ）６０２－１～６０２－ｎから、所定の人物（オブジェクト）６００の画像の特徴点、特徴量を抽出し、画像（センシングデータ）から所定の人物（オブジェクト）６００の画像を認識するための認識モデル６１０を生成する。

なお、本実施形態においては、上述の例と同様に、ユーザからの配信リクエストにより、センサデバイス１０で取得したセンシングデータ（ここでは、特にセンシングデータの種別を限定していない）を用いて、所定の人物（オブジェクト）を探索することを要求された場合には、学習器２３８ａは、各センサデバイス１０で取得可能なセンシングデータの種別に応じて認識モデル６１０を生成してもよい。この場合、より具体的には、学習器２３８ａは、画像を取得することが可能なセンサデバイス１０のために画像から所定の人物の画像を認識するための認識モデル６１０を生成し、環境音を取得することが可能なセンサデバイス１０のために環境音から所定の人物の音声を認識するための認識モデル６１０を生成する。従って、本実施形態においては、様々な仕様を持つ複数のセンサデバイス１０が含まれていても、各センサデバイス１０の能力に応じた認識モデル６１０を生成することができることから、各センサデバイス１０で認識を行うことができる。

また、本実施形態においては、例えば、ユーザからの配信リクエストにより、センサデバイス１０で取得した画像を用いて、所定のネコ（ここでは、「タマ」と名付けられたネコ（種別がアメリカンショートヘアであるものとする）を探索することを要求された場合には、学習器２３８ａは、各センサデバイス１０の能力に応じた認識モデル６１０を生成してもよい。この場合、より具体的には、学習器２３８ａは、高い解像度を有する画像を取得することができるセンシング能力を持ち、且つ、高い演算能力を有するセンサデバイス１０に対しては、画像から「タマ」の画像を認識するための認識モデル６１０を生成する。また、学習器２３８ａは、中程度の解像度を有する画像を取得することができるセンシング能力を持ち、且つ、高い演算能力を有するセンサデバイス１０に対しては、画像からアメリカンショートヘア（ネコ種）の画像を認識するための認識モデル６１０を生成する。さらに、また、学習器２３８ａは、低い解像度を有する画像を取得することができるセンシング能力を持ち、且つ、低い演算能力を有するセンサデバイス１０に対しては、画像からネコの画像を認識するための認識モデル６１０を生成する。従って、本実施形態においては、様々な仕様を持つ複数のセンサデバイス１０が含まれていても、各センサデバイス１０の能力に応じた認識モデル６１０を生成することができることから、各センサデバイス１０で認識を行うことができる。

また、本実施形態においては、先に説明したように、認識モデル６１０は、機械学習で用いた教師データ６０２に関する情報を含んでいてもよい。ここで、教師データ６０２に関する情報とは、教師データ６０２の種別（例えば、画像、音声等）や、教師データの品質（ひずみ補償レベル、画素欠陥、ホワイトバランス、画像サイズ、彩度、輝度、ガンマ、コントラスト、エッジ強調レベル、フォーカス、露出レベル、解像度、ダイナミックレンジ、ノイズリダクションレベル等）であることができる。このような教師データ６０２に関する情報は、先に説明したセンサデバイス１０の前処理部１３８において、取得されたセンシングデータが認識モデル（詳細には教師データ６０２）に近い形態を持つように前処理を行う際に用いられることができる。このようにすることで、本実施形態においては、センサデバイス１０の認識部１４２の認識の精度を向上させることができるが、この詳細については後述する。

また、本実施形態においては、先に説明したように、認識モデル６１０は、配信リクエストで指定された配信データを生成するために求められるセンシングデータを取得するための、センサデバイス１０のセンサ部１００の設定に関する設定情報を含んでいてもよい。ここで、設定情報とは、センシングデータの種別（例えば、画像、音声等）や、所望するセンシングデータの品質に応じたセンサ部１００の設定値（ひずみ補償レベル、ホワイトバランス、画像サイズ、彩度、輝度、ガンマ、コントラスト、エッジ強調レベル、フォーカス、露出レベル、解像度、ダイナミックレンジ、ノイズリダクションレベル等）であることができる。本実施形態においては、このような設定情報は、センサ部１００の設定の際に用いられ、認識モデル６１０に応じたセンシングデータを取得することを可能にし、ひいては認識部１４２の認識の精度を向上させることができる。

なお、本実施形態においては、学習器２３８ａはサービスサーバ２０と別個のサーバに設けられていてもよく、特に限定されるものではない。さらに、本実施形態においては、学習器２３８ａにおける学習方法は、上述した方法に限定されるものではなく別の方法を用いてもよい。

（認識モデルを用いた認識）
次に、上述した認識モデル６１０を用いた認識について説明する。先に説明したように、認識モデル６１０は、センサデバイス１０の認識部１４２で、センシングデータ、もしくは、前処理されたセンシングデータが、配信リクエストに該当するかどうかを認識する際に用いられる。ここで、具体例を示して、本実施形態に係る認識ついて説明する。例えば、ユーザからの配信リクエストにより、センサデバイス１０で取得した画像（センシングデータ）を用いて、所定の人物（オブジェクト）を探索することを要求された場合（配信データは、所定の人物の位置情報となる）を説明する。センサデバイス１０は、センサ部１００から画像を取得する。そして、認識部１４２は、サービスサーバ２０から取得した認識モデル６１０、詳細には、所定の人物（オブジェクト）６００の画像の特徴点、特徴量を参照して、センサ部１００から取得した画像に、所定の人物の画像が含まれているかどうかを認識する。すなわち、本実施形態においては、上述のような認識をセンサデバイス１０で行うことから、画像の取得後すぐに認識を行うことができる。

本実施形態においては、先に説明したように、複数のセンサデバイス１０は、そのセンシング能力や演算能力が互いに異なり、すなわち、認識できる能力が互いに異なるため、各センサデバイス１０の能力情報に応じて、各認識モデル６１０を生成され、各認識が行われる。例えば、本実施形態においては、ユーザからの配信リクエストにより、センサデバイス１０で取得したセンシングデータ（ここでは、特にセンシングデータの種別を限定していない）を用いて、所定の人物（オブジェクト）を探索することを要求された場合には、画像を取得することが可能なセンサデバイス１０の認識部１４２は、認識モデル６１０に基づいて、画像から所定の人物の画像を認識し、環境音を取得することが可能なセンサデバイス１０の認識部１４２は、認識モデル６１０に基づいて、環境音から所定の人物の音声を認識する。

また、別の例では、本実施形態においては、ユーザからの配信リクエストにより、センサデバイス１０で取得した画像を用いて、所定のネコ（ここでは、「タマ」と名付けられたネコ（種別がアメリカンショートヘアであるものとする）を探索することを要求された場合には、以下のように認識が行われてもよい。高い解像度を有する画像を取得することができるセンシング能力を持ち、且つ、高い演算能力を有するセンサデバイス１０の認識部１４２は、認識モデル６１０に基づいて、画像から「タマ」の画像を認識する。また、中程度の解像度を有する画像を取得することができるセンシング能力を持ち、且つ、高い演算能力を有するセンサデバイス１０の認識部１４２は、認識モデル６１０に基づいて、画像からアメリカンショートヘア（ネコ種）の画像を認識する。さらに、低い解像度を有する画像を取得することができるセンシング能力を持ち、且つ、低い演算能力を有するセンサデバイス１０の認識部１４２は、認識モデル６１０に基づいて、画像からネコの画像を認識する。以上のように、本実施形態においては、様々な仕様を持つ複数のセンサデバイス１０が含まれていても、各センサデバイス１０で認識を行うことができる。

なお、本実施形態においては、認識部１４２は、センサデバイス１０と別個の装置に設けられていてもよく、特に限定されるものではない。さらに、本実施形態においては、認識部１４２における認識方法は、上述した方法に限定されるものではなく別の方法を用いてもよい。

（配信データの例）
次に、図６を参照して、本実施形態に係る配信データの例について説明する。先に説明したように、センサデバイス１０のデータ生成部１４４は、センシングデータに対して当該配信リクエストに応じた処理を行い、配信データを生成する。当該配信データは、配信リクエストで指定された、オブジェクトの属性情報、数量情報、位置情報、状態情報、動作情報、周囲環境情報、及び、予測情報のうちの少なくとも１つの情報を含むことができる。また、当該配信データは、画像やテキスト等のデータフォーマットを持つことができ、特に限定されるものではない。さらに、配信データには、配信リクエストを送信したユーザもしくはユーザデバイス３０の識別情報が含まれていることが好ましい。すなわち、例えば、データ生成部１４４は、配信リクエストに応じて、センシングデータから配信リクエストで指定されたオブジェクトのデータのみを配信データとして抽出したり、抽象化したり、テキストデータ化したりすることができる。このように、本実施形態においては、データ生成部１４４が、配信リクエストに該当したセンシングデータを処理して配信データを生成する、リアルタイムでの配信を実現することができる。また、本実施形態においては、データ生成部１４４は、センシングデータが配信リクエストに該当しない場合には、配信データを生成、送信することはない。従って、本実施形態によれば、センシングデータが配信リクエストに該当するか否かに関係なくセンシングデータを送信する場合に比べて、データ送信の負荷を減らすことができる。

また、本実施形態においては、データ生成部１４４は、配信データから、センシングデータに含まれるプライバシに関する情報（例えば、人物が特定できる程度の人物の撮像）を排除することができる。このようにすることで、本実施形態においては、プライバシの保護を確保にしている。より具体的には、図６の最上段に示される例では、データ生成部１４４は、配信リクエストに該当するセンシングデータとして道路の画像Ａが取得された場合、配信リクエストで指定された看板標識や横断歩道のみを抽出して、配信データＡを生成する。また、図６の上から２段目に示される例では、データ生成部１４４は、配信リクエストに該当するセンシングデータとして道路の画像Ｂが取得された場合、配信リクエストで指定された道路上の標識や車両のみを抽出して、配信データＢを生成する。また、図６の上から３段目に示される例では、データ生成部１４４は、配信リクエストに該当するセンシングデータとして道路の画像Ｃが取得された場合、配信リクエストで指定された看板標識や水たまりのみを抽出して、配信データＣを生成する。さらに、図６の最下段に示される例では、データ生成部１４４は、配信リクエストに該当するセンシングデータとして道路の画像Ｄが取得された場合、配信リクエストで指定された横断歩道や当該横断歩道を渡る人物のみを抽出して、配信データＤを生成する。なお、本実施形態においては、図６の最下段に示される例のように、横断歩道を渡る人物の画像そのものを配信データとして抽出するのではなく、人物画像の代わりに人型状のアイコンを配置することが好ましく、このようにすることで高いプライバシの保護を可能にしている。すなわち、本実施形態においては、配信データからは、例えば、人物が特定できる程度の解像度を持つ人物撮像のようなプライバシに関する情報が排除されることが好ましい。

（前処理の例）
次に、図７を参照して、本実施形態に係る前処理の例について説明する。本実施形態においては、先に説明したように、認識部１４２は、機械学習で得られた認識モデル６１０を用いて、センシングデータが配信リクエストに該当するかどうかを認識することができる。そして、本実施形態においては、認識部１４２での認識の精度を向上させるために、センサデバイス１０の前処理部１３８は、上述した教師データに関する情報に基づいて、センシングデータが認識モデル６１０に近い形態を持つように前処理を行う。詳細には、前処理部１３８は、フォーマット、ひずみ補償レベル、画素欠陥、ホワイトバランス、画像サイズ、彩度、輝度、ガンマ、コントラスト、エッジ強調レベル、フォーカス、露出レベル、解像度、ダイナミックレンジ、ノイズリダクションレベル等が教師データ６０２と同等になるように、センシングデータに対して前処理を行う。

より具体的には、例えば、センサデバイス１０のセンサ部１００で、図７の上段に示すような各画像をセンシングデータとして取得した場合には、前処理部１３８は、画質サイズ及びフォーカスが教師データ６０２と同等になるように、図９の上段の各画像に対して前処理を行う。そして、前処理部１３８は、図９の下段に示すような各画像を取得する。本実施形態によれば、このように、前処理部１３８で、認識モデル６１０を生成する際に用いた教師データ６０２と同等のデータレベルを持つセンシングデータになるように前処理することにより、認識部１４２での認識の精度をより向上させることができる。

＜２．６ 情報処理方法＞
次に、図８を参照して、本開示の実施形態に係る情報処理方法について説明する。図８は、本実施形態に係る情報処理方法の一例を示すシーケンス図である。図８に示すように、本実施形態に係る情報処理方法は、ステップＳ１０１からステップＳ１１１までの複数のステップを主に含むことができる。以下に、本実施形態に係る情報処理方法のこれら各ステップの詳細について説明する。

まず、ユーザデバイス３０は、ユーザから入力された情報を受け付け、受け付けた当該情報を配信リクエストとしてサービスサーバ２０へ送信する（ステップＳ１０１）。

次に、サービスサーバ２０は、ユーザデバイス３０から配信リクエストを受信する（ステップＳ１０２）。そして、サービスサーバ２０は、上述したステップＳ１０２で受信した配信リクエストに基づいて、認識モデルを生成し、生成した認識モデルを各センサデバイス１０へ送信する（ステップＳ１０３）。

次に、センサデバイス１０は、サービスサーバ２０から認識モデルを受信する（ステップＳ１０４）。また、センサデバイス１０は、センシングを行い、センシングデータを取得する（ステップＳ１０５）。さらに、センサデバイス１０は、上述したステップＳ１０４で受信した認識モデルに基づいて、上述したステップＳ１０５で取得したセンシングデータが配信リクエストに該当するかどうかを認識する（ステップＳ１０６）。そして、センサデバイス１０は、上述したステップＳ１０６でセンシングデータが配信リクエストに該当すると認識したことに基づいて、当該センシングデータに対して配信リクエストに応じた処理を行い、配信データを生成する。さらに、センサデバイス１０は、生成した配信データを、配信リクエストに係るユーザデバイス３０へ直接送信する（ステップＳ１０７）。

次に、ユーザデバイス３０は、センサデバイス１０から送信された配信データを受信する（ステップＳ１０８）。本実施形態においては、センサデバイス１０から直接ユーザデバイス３０へ配信データを送信することができることから、サービスサーバ２０での処理負荷を減らすことができ、サービスサーバ２０の運用コストの増加を避けることができる。

また、センサデバイス１０は、上述したステップＳ１０７での配信データの配信に基づいて、集計情報を生成し、生成した集計情報を集計サーバ５０へ送信する（ステップＳ１０９）。

次に、集計サーバ５０は、センサデバイス１０から集計情報を受信する（ステップＳ１１０）。さらに、集計サーバ５０は、上述したステップＳ１１０で受信した集計情報に基づき、料金処理を行う（ステップＳ１１１）。そして、本実施形態に係る情報処理を終了する。

以上説明したように、上述した本実施形態によれば、様々なセンサデバイス１０が取得したセンシングデータから得られる情報を様々なユーザが容易に利用することが可能なフレームワークを構築することができる。

＜２．７ 変形例＞
以上、本実施形態の詳細について説明した。本実施形態は、以下のように変形することも可能である。そこで、本実施形態に係る変形例に説明する。なお、以下に示す変形例は、本実施形態のあくまでも一例であって、本実施形態は下記の変形例に限定されるものではない。

（変形例１）
本実施形態に係る情報処理方法は、以下のように変形することも可能である。そこで、本実施形態の変形例１に係る情報処理方法を、図９を参照して説明する。図９は、本実施形態の変形例に係る情報処理方法の一例を示すシーケンス図である。図９に示すように、本変形例に係る情報処理方法は、ステップＳ２０１からステップＳ２１２までの複数のステップを主に含むことができる。以下に、本変形例に係るこれら各ステップの詳細について説明する。

なお、図９に示される本変形例のステップＳ２０１からステップＳ２０６までは、図８に示される本実施形態のステップＳ１０１からステップＳ１０６までと共通することから、ここでは、ステップＳ２０１からステップＳ２０６までの説明を省略する。

センサデバイス１０は、生成した配信データを、サービスサーバ２０へ送信する（ステップＳ２０７）。次に、サービスサーバ２０は、センサデバイス１０から送信された配信データを受信し、配信リクエストに係るユーザデバイス３０へ送信する（ステップＳ２０８）。そして、ユーザデバイス３０は、サービスサーバ２０から送信された配信データを受信する（ステップＳ２０９）。本変形例においては、センサデバイス１０からサービスサーバ２０を介してユーザデバイス３０へ配信データを送信することができることから、ユーザデバイス３０は、データ配信システム１と共通するインタフェースを持っていなくても、サービスサーバ２０と共通するインタフェースを持っていれば、配信データを受信することができる。

なお、図９に示される本変形例のステップＳ２１０からステップＳ２１２までは、図８に示される本実施形態のステップＳ１０９からステップＳ１１１までと共通することから、ここでは、ステップＳ２１０からステップＳ２１２までの説明を省略する。

（変形例２）
また、本実施形態に係るデータ配信システム１は、以下のように変形することも可能である。そこで、図１０を参照して、本実施形態の変形例に係るデータ配信システム１ａの構成例を説明する。図１０は、本実施形態の変形例に係るデータ配信システム１ａの概略的な機能構成を示したシステム図である。

詳細には、図１０に示すように、本変形例に係るデータ配信システム１ａは、上述した実施形態と同様に、複数のセンサデバイス１０ａ、１０ｂ、１０ｃと、サービスサーバ２０ａと、複数のユーザデバイス３０ａ、３０ｂ、３０ｃと、認証サーバ４０と、集計サーバ５０とを含み、さらにサービスサーバ２０ｂを含むことができる。すなわち、本変形例においては、データ配信システム１ａは、データ配信システム１ａに共通するインタフェース（データ転送形式、データ転送方法等）を持っていれば、複数のサービスサーバ２０を含むことができる。従って、本変形例によれば、データ配信システム１ａに、様々なサービス提供者が参入することができる。

（変形例３）
さらに、本実施形態に係る認識部１４２は、以下のように変形することも可能である。そこで、本実施形態の変形例に係る認識部１４２を、図１１を参照して説明する。図１１は、本実施形態の変形例に係る認識部１４２の一例を説明するための説明図である。

本変形例においては、認識部１４２は、図１１に示すように、互いに通信可能に多段に連結され、協働して階層的に認識を行う複数の認識ノード１４２ａ、１４２ｂ、１４２ｃにより構成されることができる。これら複数の認識ノード１４２ａ、１４２ｂ、１４２ｃは、共通のインタフェースを持ち、互いに協働して、センシングデータが配信リクエストに該当するかどうかを認識することができる演算装置である。本変形例においては、各認識ノード１４２ａ、１４２ｂ、１４２ｃのそれぞれの演算能力が小さい場合であっても、これらが協働して、分散処理することにより、負荷が大きい認識処理が求められる場合であっても、認識処理を行うことができる。

本変形例においては、例えば、複数の認識ノード１４２ａ～１４２ｃは、入力層１４２ａ、中間層１４２ｂ、出力層１４２ｃであることができる。まずは、入力層１４２ａには、センサデータ取得部１３６又は前処理部１３８から、センシングデータ又は前処理されたセンシングデータが入力される。そして、入力層１４２ａは、入力されたセンシングデータの有する特徴に基づいた演算を行い、第１の認識結果を中間層１４２ｂに出力する。例えば、第１の認識結果は、入力されたセンシングデータを次の中間層１４２ｂで処理することができるレベルに処理されたセンシングデータであることができ、さらに、センシングデータから入力層１４２ａでの演算によって得られる情報粒度を持った情報であることができる。また、当該情報は、処理されたセンシングデータのメタデータとして、中間層１４２ｂに出力されてもよい。

次に、中間層１４２ｂには、入力層１４２ａから第１の認識結果が入力され、入力された第１の認識結果の有する特徴に基づいた演算を行い、第２の認識結果を出力層１４２ｃに出力する。上述と同様に、例えば、第２の認識結果は、入力層１４２ａで処理されたセンシングデータを次の出力層１４２ｃで処理することができるレベルに処理されたセンシングデータであることができ、さらに、入力層１４２ａで処理されたセンシングデータから中間層１４２ｂでの演算によって得られる情報粒度を持った情報であることができる。また、当該情報は、処理されたセンシングデータのメタデータとして、出力層１４２ｃに出力されてもよい。

さらに、出力層１４２ｃには、第２の認識結果が入力され、入力された第２の認識結果の有する特徴に基づいた演算を行い、第３の認識結果をデータ生成部１４４へ出力する。上述と同様に、例えば、第３の認識結果は、中間層１４２ｂで処理されたセンシングデータから出力層１４２ｃでの演算によって得られる情報粒度を持った情報であることができる。

本変形例においては、入力層１４２ａ、中間層１４２ｂ、出力層１４２ｃは、サービスサーバ２０からそれぞれに送信された認識モデル６１０に含まれる制御データに基づいて、各時の処理能力（演算能力）に応じて実行する演算量を動的に変化させることができる。さらに、入力層１４２ａ、中間層１４２ｂは、次段（中間層１４２ｂ、出力層１４２ｃ）の処理能力に応じて、認識結果を次段に出力することが好ましい。上記制御データは、入力層１４２ａ、中間層１４２ｂ、出力層１４２ｃでの演算量を制御するために、例えば、入力層１４２ａ、中間層１４２ｂ、出力層１４２ｃの間の接続係数、すなわち、演算量の重みづけ等の情報であることができる。このようにして、本変形例によれば、多段に連結された、入力層１４２ａ、中間層１４２ｂ、出力層１４２ｃは、認識結果の情報粒度を徐々に向上させることにより、協働して最終的の所望の認識結果を得ることができる。

例えば、本変形例において、ユーザからの配信リクエストにより、センサデバイス１０で取得した画像を用いて、所定のネコ（ここでは、「タマ」と名付けられたネコ（種別がアメリカンショートヘアであるものとする）を探索することを要求された場合には、以下のように認識が行われてもよい。まずは、入力層１４２ａは、認識モデル６１０に基づいて、センサデバイス１０で取得した画像に動物の画像が含まれていることを認識する。そして、入力層１４２ａは、センサデバイス１０で取得した画像を次の中間層１４２ｂで処理することができるレベルに処理した処理画像と、処理画像のメタデータとしての「動物」という認識結果とを、中間層１４２ｂへ出力する。次に、中間層１４２ｂは、認識モデル６１０に基づいて、入力層１４２ａからの処理画像にネコの画像が含まれていることを認識する。そして、中間層１４２ｂは、入力層１４２ａからの処理画像を次の出力層１４２ｃで処理することができるレベルに処理した処理画像と、処理画像のメタデータとしての「ネコ」という認識結果とを、出力層１４２ｃへ出力する。さらに、出力層１４２ｃは、認識モデル６１０に基づいて、中間層１４２ｂからの処理画像に「タマ」の画像が含まれていることを認識する。そして、出力層１４２ｃは、「タマ」という認識結果を、データ生成部１４４へ出力する。

本変形例においては、認識部１４２の構成は、図１１に示されるものに限定されるものではなく、さらに多段になってもよく、もしくは、ニューラルネットワークのような複雑なネットワーク状の構成になっていてもよく、特に限定されるものではない。

以上説明したように、上述した各変形例によれば、様々なセンサデバイス１０が取得したセンシングデータから得られる情報を様々なユーザが容易に利用することが可能なフレームワークを構築することができる。

＜＜３． 実施例＞＞
以上、本開示の実施形態の詳細について説明した。次に、図１２を参照して、具体的な実施例を示しながら、本実施形態に係る情報処理方法の例についてより具体的に説明する。図１２は、本実施形態の利用例を説明するための説明図である。なお、以下に示す実施例は、本開示の実施形態に係る情報処理方法のあくまでも一例であって、本開示の実施形態に係る情報処理方法が下記の実施例に限定されるものではない。

以下に説明する実施例は、ユーザが特定の個人を探すことを依頼する場合を想定している。詳細には、図１２に示すように、本実施例に係るデータ配信システム１ｂは、複数のカメラ（センサデバイス）１０ａ、１０ｂ、１０ｃと、データ流通サービスサーバ（サービスサーバ）２０ａと、人探しサービスサーバ（サービスサーバ）２０ｂと、ユーザデバイス３０と、認証サーバ４０と、集計サーバ５０とを含む。

まず、ユーザは、ユーザデバイス３０に、人探しサービスサーバ２０ｂとのインタフェースとして機能する、人探しサービスサーバ２０ｂが提供するアプリをインストールする。さらに、ユーザは、ユーザデバイス３０を介して、特定の個人の人探しの依頼を配信リクエストして人探しサービスサーバ２０ｂへ送信する。この際、ユーザは、例えば、探そうとしている特定の人物の複数の画像等を人探しサービスサーバ２０ｂへ送信する。

次に、人探しサービスサーバ２０ｂは、ユーザデバイス３０から配信リクエストを受信し、データ流通サービスサーバ２０ａに対して、画像の中から所定の人物を探索するよう依頼（配信リクエスト）を行う。この際、人探しサービスサーバ２０ｂは、ユーザから入手した所定の人物の画像を、データ流通サービスサーバ２０ａに送信してもよく、もしくは、自身又は外部業者に委託して、所定の人物の画像を用いて認識モデル６１０を生成してもよい。この場合、人探しサービスサーバ２０ｂは、当該認識モデル６１０をデータ流通サービスサーバ２０ａに送信する。

次に、データ流通サービスサーバ２０ａは、人探しサービスサーバ２０ｂから配信リクエストを受信し、ユーザから入手した所定の人物の画像を用いて認識モデル６１０を生成し、生成した認識モデル６１０を各カメラ１０ａ、１０ｂ、１０ｃへ送信する。なお、データ流通サービスサーバ２０ａは、認識モデル６１０の生成を、外部業者に委託してもよい。また、本実施例においては、各カメラ１０ａ、１０ｂ、１０ｃが、例えば、タクシーに搭載された車載カメラである場合には、これらのタクシーを管理するタクシー会社に認識モデル６１０を送付し、当該タクシー会社から認識モデル６１０を各カメラ１０ａ、１０ｂ、１０ｃに送信してもよい。

次に、各カメラ１０ａ、１０ｂ、１０ｃは、認識モデル６１０を受信する。各カメラ１０ａ、１０ｂ、１０ｃは、周囲環境の撮像を行い、画像を取得する。さらに、各カメラ１０ａ、１０ｂ、１０ｃは、受信した認識モデル６１０に基づいて、取得した画像に所定の人物の画像が含まれているかどうかの認識を行う。そして、取得した画像に所定の人物の画像が含まれている場合には、各カメラ１０ａ、１０ｂ、１０ｃは、所定の人物の画像が取得された際の各カメラ１０ａ、１０ｂ、１０ｃの位置情報及び時間情報を、配信データとしてデータ流通サービスサーバ２０ａに送信する。なお、この際、配信データとして、所定の人物の画像を送信してもよい。この場合、プライバシの保護のため、配信データに含まれる情報は、所定の人物の画像のみとし、所定の人物の周囲環境の画像や、所定の人物の周囲に存在する人物の画像等は配信データに含まれないようにすることが好ましい。

次に、データ流通サービスサーバ２０ａは、受信した配信データを、人探しサービスサーバ２０ｂへ送信する。さらに、人探しサービスサーバ２０ｂは、受信した配信データを、依頼があったユーザデバイス３０へ成果物として送信する。

当該実施例においては、ユーザは、成果物に応じて、人探しサービスサーバ２０ｂの運営者に対価を支払う。また、人探しサービスサーバ２０ｂの運営者は、配信データに応じて、データ流通サービスサーバ２０ａの運営者に対価を支払う。さらに、データ流通サービスサーバ２０ａの運営者は、集計サーバ５０で決定された配信量に基づくデータ使用料金に従って、各カメラ１０ａ、１０ｂ、１０ｃの管理者（例えば、タクシー会社）に料金を支払うこととなる。

＜＜４． まとめ＞＞
以上説明したように、上述した本実施形態及び変形例によれば、様々なセンサデバイス１０が取得したセンシングデータから得られる情報を様々なユーザが容易に利用することが可能なフレームワークを構築することができる。

＜＜５． ハードウェア構成について＞＞
上述してきた各実施形態に係るセンサデバイス１０及びサービスサーバ２０等の情報処理装置は、例えば図１３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、本開示の実施形態に係るセンサデバイス１０及びサービスサーバ２０を例に挙げて説明する。図１３は、センサデバイス１０及びサービスサーバ２０の機能を実現するコンピュータ１０００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、通信インタフェース１５００、及び入出力インタフェース１６００を有する。コンピュータ１０００の各部は、バス１０５０によって接続される。

ＣＰＵ１１００は、ＲＯＭ１３００又は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。例えば、ＣＰＵ１１００は、ＲＯＭ１３００又はＨＤＤ１４００に格納されたプログラムをＲＡＭ１２００に展開し、各種プログラムに対応した処理を実行する。

ＲＯＭ１３００は、コンピュータ１０００の起動時にＣＰＵ１１００によって実行されるＢＩＯＳ（Ｂａｓｉｃ Ｉｎｐｕｔ Ｏｕｔｐｕｔ Ｓｙｓｔｅｍ）等の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。

ＨＤＤ１４００は、ＣＰＵ１１００によって実行されるプログラム、及び、かかるプログラムによって使用されるデータ等を非一時的に記録する、コンピュータが読み取り可能な記録媒体である。具体的には、ＨＤＤ１４００は、プログラムデータ１４５０の一例である本開示に係る情報処理プログラムやアプリを記録する記録媒体である。

通信インタフェース１５００は、コンピュータ１０００が外部ネットワーク１５５０（例えばインターネット）と接続するためのインタフェースである。例えば、ＣＰＵ１１００は、通信インタフェース１５００を介して、他の機器からデータを受信したり、ＣＰＵ１１００が生成したデータを他の機器へ送信したりする。

入出力インタフェース１６００は、入出力デバイス１６５０とコンピュータ１０００とを接続するためのインタフェースである。例えば、ＣＰＵ１１００は、入出力インタフェース１６００を介して、キーボードやマウス等の入力デバイスからデータを受信する。また、ＣＰＵ１１００は、入出力インタフェース１６００を介して、ディスプレイやスピーカやプリンタ等の出力デバイスにデータを送信する。また、入出力インタフェース１６００は、所定の記録媒体（メディア）に記録されたプログラム等を読み取るメディアインターフェイスとして機能してもよい。メディアとは、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。

例えば、コンピュータ１０００が本開示の実施形態に係るサービスサーバ２０として機能する場合、コンピュータ１０００のＣＰＵ１１００は、ＲＡＭ１２００に格納されたプログラムを実行することにより、処理部２３０等の機能を実現する。また、ＨＤＤ１４００には、本開示に係る情報処理プログラム等が格納される。なお、ＣＰＵ１１００は、プログラムデータ１４５０をＨＤＤ１４００から読み取って実行するが、他の例として、外部ネットワーク１５５０を介して、他の装置からこれらのプログラムを取得してもよい。

また、本実施形態に係る情報処理装置は、例えばクラウドコンピューティング等のように、ネットワークへの接続（または各装置間の通信）を前提とした、複数の装置からなるシステムに適用されてもよい。つまり、上述した本実施形態に係る情報処理装置は、例えば、複数の装置により本実施形態に係る情報処理方法に係る処理を行う情報処理システムとして実現することも可能である。

＜＜６． 移動体への応用例＞＞
また、本開示に係る技術（本技術）は、様々な製品へ応用することができる。例えば、本開示に係る技術は、自動車、電気自動車、ハイブリッド電気自動車、自動二輪車、自転車、パーソナルモビリティ、飛行機、ドローン、船舶、ロボット等のいずれかの種類の移動体に搭載される装置として実現されてもよい。

図１４は、本開示に係る技術が適用され得る移動体制御システムの一例である車両制御システムの概略的な構成例を示すブロック図である。

車両制御システム１２０００は、通信ネットワーク１２００１を介して接続された複数の電子制御ユニットを備える。図１４に示した例では、車両制御システム１２０００は、駆動系制御ユニット１２０１０、ボディ系制御ユニット１２０２０、車外情報検出ユニット１２０３０、車内情報検出ユニット１２０４０、及び統合制御ユニット１２０５０を備える。また、統合制御ユニット１２０５０の機能構成として、マイクロコンピュータ１２０５１、音声画像出力部１２０５２、及び車載ネットワークＩ／Ｆ（Ｉｎｔｅｒｆａｃｅ）１２０５３が図示されている。

駆動系制御ユニット１２０１０は、各種プログラムにしたがって車両の駆動系に関連する装置の動作を制御する。例えば、駆動系制御ユニット１２０１０は、内燃機関又は駆動用モータ等の車両の駆動力を発生させるための駆動力発生装置、駆動力を車輪に伝達するための駆動力伝達機構、車両の舵角を調節するステアリング機構、及び、車両の制動力を発生させる制動装置等の制御装置として機能する。

ボディ系制御ユニット１２０２０は、各種プログラムにしたがって車体に装備された各種装置の動作を制御する。例えば、ボディ系制御ユニット１２０２０は、キーレスエントリシステム、スマートキーシステム、パワーウィンドウ装置、あるいは、ヘッドランプ、バックランプ、ブレーキランプ、ウィンカー又はフォグランプ等の各種ランプの制御装置として機能する。この場合、ボディ系制御ユニット１２０２０には、鍵を代替する携帯機から発信される電波又は各種スイッチの信号が入力され得る。ボディ系制御ユニット１２０２０は、これらの電波又は信号の入力を受け付け、車両のドアロック装置、パワーウィンドウ装置、ランプ等を制御する。

車外情報検出ユニット１２０３０は、車両制御システム１２０００を搭載した車両の外部の情報を検出する。例えば、車外情報検出ユニット１２０３０には、撮像部１２０３１が接続される。車外情報検出ユニット１２０３０は、撮像部１２０３１に車外の画像を撮像させるとともに、撮像された画像を受信する。車外情報検出ユニット１２０３０は、受信した画像に基づいて、人、車、障害物、標識又は路面上の文字等の物体検出処理又は距離検出処理を行ってもよい。

撮像部１２０３１は、光を受光し、その光の受光量に応じた電気信号を出力する光センサである。撮像部１２０３１は、電気信号を画像として出力することもできるし、測距の情報として出力することもできる。また、撮像部１２０３１が受光する光は、可視光であっても良いし、赤外線等の非可視光であっても良い。

車内情報検出ユニット１２０４０は、車内の情報を検出する。車内情報検出ユニット１２０４０には、例えば、運転者の状態を検出する運転者状態検出部１２０４１が接続される。運転者状態検出部１２０４１は、例えば運転者を撮像するカメラを含み、車内情報検出ユニット１２０４０は、運転者状態検出部１２０４１から入力される検出情報に基づいて、運転者の疲労度合い又は集中度合いを算出してもよいし、運転者が居眠りをしていないかを判別してもよい。

マイクロコンピュータ１２０５１は、車外情報検出ユニット１２０３０又は車内情報検出ユニット１２０４０で取得される車内外の情報に基づいて、駆動力発生装置、ステアリング機構又は制動装置の制御目標値を演算し、駆動系制御ユニット１２０１０に対して制御指令を出力することができる。例えば、マイクロコンピュータ１２０５１は、車両の衝突回避あるいは衝撃緩和、車間距離に基づく追従走行、車速維持走行、車両の衝突警告、又は車両のレーン逸脱警告等を含むＡＤＡＳ（Ａｄｖａｎｃｅｄ Ｄｒｉｖｅｒ Ａｓｓｉｓｔａｎｃｅ Ｓｙｓｔｅｍ）の機能実現を目的とした協調制御を行うことができる。

また、マイクロコンピュータ１２０５１は、車外情報検出ユニット１２０３０又は車内情報検出ユニット１２０４０で取得される車両の周囲の情報に基づいて駆動力発生装置、ステアリング機構又は制動装置等を制御することにより、運転者の操作に拠らずに自律的に走行する自動運転等を目的とした協調制御を行うことができる。

また、マイクロコンピュータ１２０５１は、車外情報検出ユニット１２０３０で取得される車外の情報に基づいて、ボディ系制御ユニット１２０３０に対して制御指令を出力することができる。例えば、マイクロコンピュータ１２０５１は、車外情報検出ユニット１２０３０で検知した先行車又は対向車の位置に応じてヘッドランプを制御し、ハイビームをロービームに切り替える等の防眩を図ることを目的とした協調制御を行うことができる。

音声画像出力部１２０５２は、車両の搭乗者又は車外に対して、視覚的又は聴覚的に情報を通知することが可能な出力装置へ音声及び画像のうちの少なくとも一方の出力信号を送信する。図１４の例では、出力装置として、オーディオスピーカ１２０６１、表示部１２０６２及びインストルメントパネル１２０６３が例示されている。表示部１２０６２は、例えば、オンボードディスプレイ及びヘッドアップディスプレイの少なくとも一つを含んでいてもよい。

図１５は、撮像部１２０３１の設置位置の例を示す図である。

図１５では、撮像部１２０３１として、撮像部１２１０１、１２１０２、１２１０３、１２１０４、１２１０５を有する。

撮像部１２１０１、１２１０２、１２１０３、１２１０４、１２１０５は、例えば、車両１２１００のフロントノーズ、サイドミラー、リアバンパ、バックドア及び車室内のフロントガラスの上部等の位置に設けられる。フロントノーズに備えられる撮像部１２１０１及び車室内のフロントガラスの上部に備えられる撮像部１２１０５は、主として車両１２１００の前方の画像を取得する。サイドミラーに備えられる撮像部１２１０２、１２１０３は、主として車両１２１００の側方の画像を取得する。リアバンパ又はバックドアに備えられる撮像部１２１０４は、主として車両１２１００の後方の画像を取得する。車室内のフロントガラスの上部に備えられる撮像部１２１０５は、主として先行車両又は、歩行者、障害物、信号機、交通標識又は車線等の検出に用いられる。

なお、図１５には、撮像部１２１０１ないし１２１０４の撮影範囲の一例が示されている。撮像範囲１２１１１は、フロントノーズに設けられた撮像部１２１０１の撮像範囲を示し、撮像範囲１２１１２，１２１１３は、それぞれサイドミラーに設けられた撮像部１２１０２，１２１０３の撮像範囲を示し、撮像範囲１２１１４は、リアバンパ又はバックドアに設けられた撮像部１２１０４の撮像範囲を示す。例えば、撮像部１２１０１ないし１２１０４で撮像された画像データが重ね合わせられることにより、車両１２１００を上方から見た俯瞰画像が得られる。

撮像部１２１０１ないし１２１０４の少なくとも１つは、距離情報を取得する機能を有していてもよい。例えば、撮像部１２１０１ないし１２１０４の少なくとも１つは、複数の撮像素子からなるステレオカメラであってもよいし、位相差検出用の画素を有する撮像素子であってもよい。

例えば、マイクロコンピュータ１２０５１は、撮像部１２１０１ないし１２１０４から得られた距離情報を基に、撮像範囲１２１１１ないし１２１１４内における各立体物までの距離と、この距離の時間的変化（車両１２１００に対する相対速度）を求めることにより、特に車両１２１００の進行路上にある最も近い立体物で、車両１２１００と略同じ方向に所定の速度（例えば、０ｋｍ／ｈ以上）で走行する立体物を先行車として抽出することができる。さらに、マイクロコンピュータ１２０５１は、先行車の手前に予め確保すべき車間距離を設定し、自動ブレーキ制御（追従停止制御も含む）や自動加速制御（追従発進制御も含む）等を行うことができる。このように運転者の操作に拠らずに自律的に走行する自動運転等を目的とした協調制御を行うことができる。

例えば、マイクロコンピュータ１２０５１は、撮像部１２１０１ないし１２１０４から得られた距離情報を元に、立体物に関する立体物データを、２輪車、普通車両、大型車両、歩行者、電柱等その他の立体物に分類して抽出し、障害物の自動回避に用いることができる。例えば、マイクロコンピュータ１２０５１は、車両１２１００の周辺の障害物を、車両１２１００のドライバが視認可能な障害物と視認困難な障害物とに識別する。そして、マイクロコンピュータ１２０５１は、各障害物との衝突の危険度を示す衝突リスクを判断し、衝突リスクが設定値以上で衝突可能性がある状況であるときには、オーディオスピーカ１２０６１や表示部１２０６２を介してドライバに警報を出力することや、駆動系制御ユニット１２０１０を介して強制減速や回避操舵を行うことで、衝突回避のための運転支援を行うことができる。

撮像部１２１０１ないし１２１０４の少なくとも１つは、赤外線を検出する赤外線カメラであってもよい。例えば、マイクロコンピュータ１２０５１は、撮像部１２１０１ないし１２１０４の撮像画像中に歩行者が存在するか否かを判定することで歩行者を認識することができる。かかる歩行者の認識は、例えば赤外線カメラとしての撮像部１２１０１ないし１２１０４の撮像画像における特徴点を抽出する手順と、物体の輪郭を示す一連の特徴点にパターンマッチング処理を行って歩行者か否かを判別する手順によって行われる。マイクロコンピュータ１２０５１が、撮像部１２１０１ないし１２１０４の撮像画像中に歩行者が存在すると判定し、歩行者を認識すると、音声画像出力部１２０５２は、当該認識された歩行者に強調のための方形輪郭線を重畳表示するように、表示部１２０６２を制御する。また、音声画像出力部１２０５２は、歩行者を示すアイコン等を所望の位置に表示するように表示部１２０６２を制御してもよい。

以上、本開示に係る技術が適用され得る車両制御システムの一例について説明した。本開示に係る技術は、以上説明した構成のうちの撮像部１２０３１をセンサデバイス１０として用いることにより適用され得る。

＜＜７． 補足＞＞
なお、先に説明した本開示の実施形態は、例えば、コンピュータを本実施形態に係るセンサデバイス１０、サービスサーバ２０、ユーザデバイス３０、及び集計サーバ５０等として機能させるためのプログラム、及びプログラムが記録された一時的でない有形の媒体を含みうる。また、プログラムをインターネット等の通信回線（無線通信も含む）を介して頒布してもよい。

また、上述した各実施形態の情報処理における各ステップは、必ずしも記載された順序に沿って処理されなくてもよい。例えば、各ステップは、適宜順序が変更されて処理されてもよい。また、各ステップは、時系列的に処理される代わりに、一部並列的に又は個別的に処理されてもよい。さらに、各ステップの処理方法についても、必ずしも記載された方法に沿って処理されなくてもよく、例えば、他の機能部によって他の方法で処理されていてもよい。

以上、添付図面を参照しながら本開示の好適な実施形態について詳細に説明したが、本開示の技術的範囲はかかる例に限定されない。本開示の技術分野における通常の知識を有する者であれば、請求の範囲に記載された技術的思想の範疇内において、各種の変更例または修正例に想到し得ることは明らかであり、これらについても、当然に本開示の技術的範囲に属するものと了解される。

また、本明細書に記載された効果は、あくまで説明的または例示的なものであって限定的ではない。つまり、本開示に係る技術は、上記の効果とともに、または上記の効果に代えて、本明細書の記載から当業者には明らかな他の効果を奏しうる。

なお、本技術は以下のような構成も取ることができる。
（１）
センシングデータを取得する、１つ又は複数のセンサデバイスと、
前記センシングデータから生成され得る所定のデータの配信を要求する１つ又は複数の要求元からの配信リクエストを受け付けるサーバと、
を含み、
前記センサデバイスは、
前記センシングデータを取得するセンサ部と、
前記サーバから、前記配信リクエストに対応する認識モデルを取得するモデル取得部と、
前記認識モデルに基づき、取得した前記センシングデータが前記配信リクエストに該当するかどうかを認識する認識部と、
前記センシングデータが前記配信リクエストに該当する場合、当該センシングデータに対して当該配信リクエストに応じた処理を行い、前記所定のデータを生成するデータ生成部と、
前記所定のデータを配信するセンサデバイス側配信部と、
を有し、
前記サーバは、
前記１つ又は複数の要求元から、前記配信リクエストを受け付けるリクエスト受付部と、
前記配信リクエストに対応する前記認識モデルを生成するモデル生成部と、
生成した前記認識モデルを前記センサデバイスに送信するモデル送信部と、
を有する、
データ配信システム。
（２）
前記モデル生成部は、
前記配信リクエストで指定されたオブジェクトに関連する複数の教師データを機械学習することにより、前記センシングデータに含まれる前記オブジェクトを認識するための前記認識モデルを生成する、
上記（１）に記載のデータ配信システム。
（３）
前記センサデバイスは、
前記認識モデルに応じて、前記センシングデータを前処理して、前記認識部へ出力する前処理部をさらに有する、
上記（２）に記載のデータ配信システム。
（４）
前記データ生成部は、前記配信リクエストに応じて前記センシングデータから前記所定のデータのみを抽出する、上記（２）又は（３）に記載のデータ配信システム。
（５）
前記所定のデータは、前記オブジェクトの属性情報、数量情報、位置情報、状態情報、動作情報、周囲環境情報、及び、予測情報のうちの少なくとも１つの情報を含む、上記（４）に記載のデータ配信システム。
（６）
前記配信リクエストは、前記オブジェクトに関するオブジェクト情報、前記所定のデータに関するデータフォーマット情報、及び、前記要求元の識別情報を含む、上記（２）～（５）のいずれか１つに記載のデータ配信システム。
（７）
前記センサデバイス側配信部は、前記所定のデータを前記要求元へ配信する、上記（１）～（６）のいずれか１つに記載のデータ配信システム。
（８）
前記サーバは、前記所定のデータを前記要求元へ配信するサーバ側配信部をさらに有し、
前記センサデバイス側配信部は、前記所定のデータを前記サーバへ配信する、
上記（１）～（６）のいずれか１つに記載のデータ配信システム。
（９）
前記認識部は、互いに通信可能に連結され、協働して階層的に認識を行う複数の認識ノードにより構成され、
前記複数の認識ノードは、
前記センシングデータが入力され、入力された前記センシングデータの有する特徴に基づいた演算を行い、第１の認識結果を出力する第１のノードと、
前記第１の認識結果が入力され、入力された前記第１の認識結果の有する特徴に基づいた演算を行い、第２の認識結果を出力する第２のノードと、
前記第２の認識結果が入力され、入力された前記第２の認識結果の有する特徴に基づいた演算を行い、第３の認識結果を出力する第３のノードと、
を少なくとも含み、
前記第１から第３のノードは、前記第１から第３のノードのそれぞれに送信された前記認識モデルに含まれる制御データに基づいて、実行する演算量を動的に変化させる、
上記（１）～（８）のいずれか１つに記載のデータ配信システム。
（１０）
前記第１のノードは、前記第２のノードの演算能力に応じた前記第１の認識結果を出力し、
前記第２のノードは、前記第３のノードの演算能力に応じた前記第２の認識結果を出力する、
上記（９）に記載のデータ配信システム。
（１１）
前記第１及び第２の認識結果のうちの少なくともいずれか１つは、現階層での認識結果を記述したメタデータとともに出力される、上記（９）又は（１０）に記載のデータ配信システム。
（１２）
前記センサデバイスは、撮像装置、深度センサ、集音装置、温度計、湿度計、水位計のうちの少なくとも１つである、上記（１）～（１１）のいずれか１つに記載のデータ配信システム。
（１３）
前記センサデバイスは、移動体に搭載される撮像装置である、上記（１）～（１１）のいずれか１つに記載のデータ配信システム。
（１４）
前記センサデバイスは、測位部をさらに有し、
前記測位部は、前記配信リクエストに該当する前記センシングデータが取得された際の前記センサデバイスの測位データを取得し、
前記センサデバイス側配信部は、前記測位データとともに、前記所定のデータを配信する、
上記（１）～（１３）のいずれか１つに記載のデータ配信システム。
（１５）
前記サーバは、
前記センサデバイスの能力を示す能力情報を取得する能力情報取得部をさらに有し、
前記モデル生成部は、前記能力情報に基づいて、前記認識モデルを生成する、
上記（１）～（１４）のいずれか１つに記載のデータ配信システム。
（１６）
集計サーバをさらに含み、
前記センサデバイスは、
前記要求元ごとに前記所定のデータの配信量を集計して、集計情報を生成する集計部と、
当該集計情報を前記集計サーバに送信する集計情報送信部と、
をさらに有し、
前記集計サーバは、
前記センサデバイスから前記集計情報を取得する集計情報取得部と、
前記集計情報に基づきデータ使用料金を決定し、前記センサデバイスの管理者及び前記各要求元との間で前記データ使用料金の授受を行う料金処理部と、
をさらに有する、
上記（１）～（１５）のいずれか１つに記載のデータ配信システム。
（１７）
前記集計情報送信部は、
前記集計情報として、
前記所定のデータに対応する前記センシングデータが取得された際の日時、前記所定のデータの配信量、前記所定のデータのデータフォーマット、及び、前記所定のデータの前記要求元の識別情報、前記センサデバイスの識別情報、及び、前記センサデバイスの管理者の識別情報のうちの少なくとも１つを前記集計サーバに送信する、
上記（１６）に記載のデータ配信システム。
（１８）
前記料金処理部は、前記配信量及び前記データフォーマットのうちの少なくとも１つに基づいて、前記データ使用料金を決定する、上記（１７）に記載のデータ配信システム。
（１９）
センシングデータを取得するセンサ部と、
前記センシングデータから生成され得る所定のデータの配信を要求する１つ又は複数の要求元からの配信リクエストを受け付けるサーバから、前記配信リクエストに対応する認識モデルを取得するモデル取得部と、
前記認識モデルに基づき、取得した前記センシングデータが前記配信リクエストに該当するかどうかを認識する認識部と、
前記センシングデータが前記配信リクエストに該当する場合、当該センシングデータに対して当該配信リクエストに応じた処理を行い、前記所定のデータを生成するデータ生成部と、
前記所定のデータを配信するセンサデバイス側配信部と、
を備える、
センサデバイス。
（２０）
所定のデータの配信を要求する要求元から配信リクエストを受け付けるリクエスト受付部と、
センサデバイスにおいて、当該センサデバイスで取得したセンシングデータが前記配信リクエストに該当するかどうかを認識するための認識モデルを生成するモデル生成部と、
生成した前記認識モデルを前記センサデバイスに送信するモデル送信部と、
を備える、
サーバ。

１、１ａ、１ｂ データ配信システム
１０、１０ａ、１０ｂ、１０ｃ センサデバイス
２０、２０ａ，２０ｂ サービスサーバ
３０、３０ａ、３０ｂ、３０ｃ ユーザデバイス
４０ 認証サーバ
５０ 集計サーバ
１００ センサ部
１１０ 測位部
１３０，２３０、５３０ 処理部
１３２、２３２ ＩＤ送信部
１３４ ｋｅｙ受信部
１３６ センサデータ取得部
１３８ 前処理部
１４０ モデル取得部
１４２ 認識部
１４２ａ 入力層
１４２ｂ 中間層
１４２ｃ 出力層
１４４ データ生成部
１４６、２４６ 配信部
１４８ 集計部
１５０ 集計情報送信部
１６０、２６０、５６０ 記憶部
１７０、２７０、５７０ 通信部
２３４ リクエスト受付部
２３６ 能力情報取得部
２３８ モデル生成部
２３８ａ 学習器
２４０ モデル送信部
２４２ データ取得部
５３２ 集計情報取得部
５３４ 料金処理部
６００ オブジェクト
６０２ 教師データ
６１０ 認識モデル

Claims (20)

1. センシングデータを取得する、１つ又は複数のセンサデバイスと、
   前記センシングデータから生成され得る所定のデータの配信を要求する１つ又は複数の要求元からの配信リクエストを受け付けるサーバと、
   を含み、
   前記センサデバイスは、
   前記センシングデータを取得するセンサ部と、
   前記サーバから、前記配信リクエストに対応する認識モデルを取得するモデル取得部と、
   前記認識モデルに基づき、取得した前記センシングデータが前記配信リクエストに該当するかどうかを認識する認識部と、
   前記センシングデータが前記配信リクエストに該当する場合、当該センシングデータに対して当該配信リクエストに応じた処理を行い、前記所定のデータを生成するデータ生成部と、
   前記所定のデータを配信するセンサデバイス側配信部と、
   を有し、
   前記サーバは、
   前記１つ又は複数の要求元から、前記配信リクエストを受け付けるリクエスト受付部と、
   前記配信リクエストに対応する前記認識モデルを生成するモデル生成部と、
   生成した前記認識モデルを前記センサデバイスに送信するモデル送信部と、
   を有する、
   データ配信システム。
2. 前記モデル生成部は、
   前記配信リクエストで指定されたオブジェクトに関連する複数の教師データを機械学習することにより、前記センシングデータに含まれる前記オブジェクトを認識するための前記認識モデルを生成する、
   請求項１に記載のデータ配信システム。
3. 前記センサデバイスは、
   前記認識モデルに応じて、前記センシングデータを前処理して、前記認識部へ出力する前処理部をさらに有する、
   請求項２に記載のデータ配信システム。
4. 前記データ生成部は、前記配信リクエストに応じて前記センシングデータから前記所定のデータのみを抽出する、請求項２に記載のデータ配信システム。
5. 前記所定のデータは、前記オブジェクトの属性情報、数量情報、位置情報、状態情報、動作情報、周囲環境情報、及び、予測情報のうちの少なくとも１つの情報を含む、請求項４に記載のデータ配信システム。
6. 前記配信リクエストは、前記オブジェクトに関するオブジェクト情報、前記所定のデータに関するデータフォーマット情報、及び、前記要求元の識別情報を含む、請求項２に記載のデータ配信システム。
7. 前記センサデバイス側配信部は、前記所定のデータを前記要求元へ配信する、請求項１に記載のデータ配信システム。
8. 前記サーバは、前記所定のデータを前記要求元へ配信するサーバ側配信部をさらに有し、
   前記センサデバイス側配信部は、前記所定のデータを前記サーバへ配信する、
   請求項１に記載のデータ配信システム。
9. 前記認識部は、互いに通信可能に連結され、協働して階層的に認識を行う複数の認識ノードにより構成され、
   前記複数の認識ノードは、
   前記センシングデータが入力され、入力された前記センシングデータの有する特徴に基づいた演算を行い、第１の認識結果を出力する第１のノードと、
   前記第１の認識結果が入力され、入力された前記第１の認識結果の有する特徴に基づいた演算を行い、第２の認識結果を出力する第２のノードと、
   前記第２の認識結果が入力され、入力された前記第２の認識結果の有する特徴に基づいた演算を行い、第３の認識結果を出力する第３のノードと、
   を少なくとも含み、
   前記第１から第３のノードは、前記第１から第３のノードのそれぞれに送信された前記認識モデルに含まれる制御データに基づいて、実行する演算量を動的に変化させる、
   請求項１に記載のデータ配信システム。
10. 前記第１のノードは、前記第２のノードの演算能力に応じた前記第１の認識結果を出力し、
    前記第２のノードは、前記第３のノードの演算能力に応じた前記第２の認識結果を出力する、
    請求項９に記載のデータ配信システム。
11. 前記第１及び第２の認識結果のうちの少なくともいずれか１つは、現階層での認識結果を記述したメタデータとともに出力される、請求項９に記載のデータ配信システム。
12. 前記センサデバイスは、撮像装置、深度センサ、集音装置、温度計、湿度計、水位計のうちの少なくとも１つである、請求項１に記載のデータ配信システム。
13. 前記センサデバイスは、移動体に搭載される撮像装置である、請求項１に記載のデータ配信システム。
14. 前記センサデバイスは、測位部をさらに有し、
    前記測位部は、前記配信リクエストに該当する前記センシングデータが取得された際の前記センサデバイスの測位データを取得し、
    前記センサデバイス側配信部は、前記測位データとともに、前記所定のデータを配信する、
    請求項１に記載のデータ配信システム。
15. 前記サーバは、
    前記センサデバイスの能力を示す能力情報を取得する能力情報取得部をさらに有し、
    前記モデル生成部は、前記能力情報に基づいて、前記認識モデルを生成する、
    請求項１に記載のデータ配信システム。
16. 集計サーバをさらに含み、
    前記センサデバイスは、
    前記要求元ごとに前記所定のデータの配信量を集計して、集計情報を生成する集計部と、
    当該集計情報を前記集計サーバに送信する集計情報送信部と、
    をさらに有し、
    前記集計サーバは、
    前記センサデバイスから前記集計情報を取得する集計情報取得部と、
    前記集計情報に基づきデータ使用料金を決定し、前記センサデバイスの管理者及び前記各要求元との間で前記データ使用料金の授受を行う料金処理部と、
    をさらに有する、
    請求項１に記載のデータ配信システム。
17. 前記集計情報送信部は、
    前記集計情報として、
    前記所定のデータに対応する前記センシングデータが取得された際の日時、前記所定のデータの配信量、前記所定のデータのデータフォーマット、及び、前記所定のデータの前記要求元の識別情報、前記センサデバイスの識別情報、及び、前記センサデバイスの管理者の識別情報のうちの少なくとも１つを前記集計サーバに送信する、
    請求項１６に記載のデータ配信システム。
18. 前記料金処理部は、前記配信量及び前記データフォーマットのうちの少なくとも１つに基づいて、前記データ使用料金を決定する、請求項１７に記載のデータ配信システム。
19. センシングデータを取得するセンサ部と、
    前記センシングデータから生成され得る所定のデータの配信を要求する１つ又は複数の要求元からの配信リクエストを受け付けるサーバから、前記配信リクエストに対応する認識モデルを取得するモデル取得部と、
    前記認識モデルに基づき、取得した前記センシングデータが前記配信リクエストに該当するかどうかを認識する認識部と、
    前記センシングデータが前記配信リクエストに該当する場合、当該センシングデータに対して当該配信リクエストに応じた処理を行い、前記所定のデータを生成するデータ生成部と、
    前記所定のデータを配信するセンサデバイス側配信部と、
    を備える、
    センサデバイス。
20. 所定のデータの配信を要求する要求元から配信リクエストを受け付けるリクエスト受付部と、
    センサデバイスにおいて、当該センサデバイスで取得したセンシングデータが前記配信リクエストに該当するかどうかを認識するための認識モデルを生成するモデル生成部と、
    生成した前記認識モデルを前記センサデバイスに送信するモデル送信部と、
    を備える、
    サーバ。

Images