JP2016201105A - Information processor and information processing method - Google Patents
Information processor and information processing method Download PDFInfo
- Publication number
- JP2016201105A JP2016201105A JP2016063044A JP2016063044A JP2016201105A JP 2016201105 A JP2016201105 A JP 2016201105A JP 2016063044 A JP2016063044 A JP 2016063044A JP 2016063044 A JP2016063044 A JP 2016063044A JP 2016201105 A JP2016201105 A JP 2016201105A
- Authority
- JP
- Japan
- Prior art keywords
- product
- unit
- marketing information
- information
- image data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 230000010365 information processing Effects 0.000 title claims description 27
- 238000003672 processing method Methods 0.000 title claims description 12
- 230000033001 locomotion Effects 0.000 claims abstract description 186
- 238000013500 data storage Methods 0.000 claims abstract description 65
- 238000003384 imaging method Methods 0.000 claims abstract description 61
- 238000004364 calculation method Methods 0.000 claims description 80
- 238000001514 detection method Methods 0.000 claims description 35
- 238000012545 processing Methods 0.000 claims description 21
- 230000005540 biological transmission Effects 0.000 claims description 2
- 239000000047 product Substances 0.000 description 459
- 230000015654 memory Effects 0.000 description 87
- 238000000034 method Methods 0.000 description 56
- 238000010586 diagram Methods 0.000 description 21
- 230000006870 function Effects 0.000 description 15
- 230000014509 gene expression Effects 0.000 description 14
- 238000005516 engineering process Methods 0.000 description 4
- 230000006399 behavior Effects 0.000 description 3
- 238000009434 installation Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000008602 contraction Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 238000004891 communication Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 235000012055 fruits and vegetables Nutrition 0.000 description 1
- 238000007429 general method Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Image Analysis (AREA)
Abstract
Description
本発明は、情報処理装置及び情報処理方法に関し、特に、商品のマーケティング情報を収集する情報処理装置及び情報処理方法に関する。 The present invention relates to an information processing apparatus and an information processing method, and more particularly, to an information processing apparatus and an information processing method that collect marketing information about products.
特許文献1には、マーケティング情報を収集するためのPOS(Point Of Sales)システムとして、一般物体認識技術を活用するシステムが記載されている。このPOSシステムは、対象となる商品を撮像装置により撮像した画像データからその対象商品の特徴量を抽出し、予め用意された商品データと比較して類似度を算出し、算出された類似度に応じて、その対象商品の種別等を検出する。このようなシステムは、青果等の生鮮食品のように、バーコードを付加することができない商品の情報を手軽に収集することができる。
また、RF(Radio Frequency)タグを使用して、商品棚付近においてマーケティング情報を収集するシステムもある(例えば、特許文献2)。
なお、一般物体認識技術については、非特許文献1に開示されている。
There is also a system for collecting marketing information in the vicinity of a product shelf using an RF (Radio Frequency) tag (for example, Patent Document 2).
The general object recognition technique is disclosed in
特許文献1に記載されたシステムは、会計時のレジにてマーケティング情報を収集しているため、例えば、商品棚付近で商品を手に取り選ぶこと等、最終的に購買行動を伴わないマーケティング情報を収集することはできない。
一方、特許文献2に記載されたシステムは、商品棚付近でもマーケティング情報を収集できるが、商品毎にRFタグを貼り付ける必要があり、店舗における従業員の作業負担が増加してしまう。
Since the system described in
On the other hand, the system described in
そこで、本発明は、上述のような問題を解決するためになされたもので、商品毎にRFタグを貼り付けることなく、最終的に購買行動を伴わないマーケティング情報を取得できるようにすることを目的とする。 Accordingly, the present invention has been made to solve the above-described problems, and is intended to be able to finally acquire marketing information that does not involve purchasing behavior without attaching an RF tag for each product. Objective.
本発明の一態様に係る情報処理装置は、商品棚を一部に含む画像を順次撮像する撮像部と、前記撮像部で撮像された画像に含まれている商品を特定する商品特定部と、前記商品特定部で特定された商品の動き方向を特定する動き方向特定部と、前記動き方向特定部で特定された動き方向から、前記商品が前記商品棚から取り上げられたか、又は、前記商品が前記商品棚に戻されたかを判定し、判定結果を含むマーケティング情報を生成するマーケティング情報判定部と、前記マーケティング情報判定部で生成されたマーケティング情報を記憶するデータ記憶部と、を備えることを特徴とする。 An information processing apparatus according to an aspect of the present invention includes an imaging unit that sequentially captures an image including a product shelf in part, a product identification unit that identifies a product included in the image captured by the imaging unit, The product is picked up from the product shelf from the movement direction specifying unit that specifies the movement direction of the product specified by the product specifying unit and the movement direction specified by the movement direction specifying unit, or the product is A marketing information determination unit that determines whether the product has been returned to the product shelf and generates marketing information including a determination result, and a data storage unit that stores the marketing information generated by the marketing information determination unit. And
本発明の一態様に係る情報処理方法は、商品棚を一部に含む画像を順次撮像し、前記撮像された画像に含まれている商品を特定し、前記特定された商品の動き方向を特定し、前記特定された動き方向から、前記商品が前記商品棚から取り上げられたか、又は、前記商品が前記商品棚に戻されたかを判定し、判定結果を含むマーケティング情報を生成し、前記生成されたマーケティング情報を記憶することを特徴とする。 An information processing method according to an aspect of the present invention sequentially captures an image partially including a product shelf, identifies a product included in the captured image, and identifies a movement direction of the identified product. Then, it is determined whether the product has been picked up from the product shelf or the product has been returned to the product shelf from the identified movement direction, and generates marketing information including a determination result, the generated It is characterized by memorizing marketing information.
本発明の一態様によれば、商品毎にRFタグを貼り付けることなく、最終的に購買行動を伴わないマーケティング情報を取得することができる。 According to one aspect of the present invention, it is possible to finally obtain marketing information that does not involve purchasing behavior without attaching an RF tag for each product.
実施の形態1.
図1は、実施の形態1〜7に係る情報処理装置としてのマーケティング情報収集装置100〜700の設置例を示す概略図である。
図1は、日本国内のコンビニエンスストア店舗をモデルにしている。商品棚1に商品が並んでおり、商品棚1と客2との間の上方の天井3にマーケティング情報収集装置100〜700が取り付けられている。マーケティング情報収集装置100〜700は、客2が手にした商品4の画像を取得することができるように取り付けられている。
FIG. 1 is a schematic diagram illustrating an installation example of marketing
Figure 1 is modeled on a convenience store store in Japan. Products are arranged in the
図2は、実施の形態1に係るマーケティング情報収集装置100の構成を概略的に示すブロック図である。
実施の形態1に係るマーケティング情報収集装置100は、撮像部101と、画像取込部102と、フレームメモリ103と、商品データ保存部104と、商品推定部105と、動き方向算出部106と、フレームメモリ107と、マーケティング情報判定部108と、データ記憶部としてのデータ記録部109とを備える。なお、実施の形態1に係る情報処理方法は、実施の形態1に係るマーケティング情報収集装置100により実行される方法である。
FIG. 2 is a block diagram schematically showing the configuration of the marketing
The marketing
撮像部101は、対象の画像を撮像し、その画像の画像データを生成する。ここでは、撮像部101は、図1に示されている商品棚1を一部に含む画像を順次撮像する。
例えば、撮像部101は、光学レンズ、光学フィルタ、イメージセンサ及び必要であればイメージセンサを制御するプロセッサからなり、時間的に連続したデジタル画像(以下、単に画像ともいう)の画像データを画像取込部102へ逐次供給する。撮像部101から供給される画像データは、カラーであっても、モノクロであってもよい。但し、商品推定部105での推定精度を向上させるためには、カラー画像データの方が望ましい。このため、本実施の形態では、カラー画像データであるものとする。なお、カラー画像データのカラー情報は、RGBでも、YCbCrでも、HSV等でもよいが、以降ではRGBであるものとする。さらに、画像サイズは、(w,h)とする。
The
For example, the
画像取込部102は、撮像部101から与えられた画像データを商品推定部105及びフレームメモリ103に供給する。ここで、画像取込部102の動作について述べる。画像取込部102は、撮像部101から送られてきた画像データをフレームメモリ103に保存する。この動作は、一般に撮像部101のタイミングに同期して行われる。この画像保存の動作と並行して、画像取込部102は、フレームメモリ103から画像データを読み出し、商品推定部105へ画像データを供給する。
The
フレームメモリ103は、画像取込部102から与えられた画像データを一時的に記憶するメモリである。フレームメモリ103は、FIFO(First In First Out)方式が一般的であるが、FILO(First In Last Out)方式でもよい。また、フレームメモリ103は、商品推定部105から指示された順序で画像データを読み出してもよい。
また、マーケティング情報収集装置100は、フレームメモリ103の代わりに、ラインメモリを備えてもよい。この場合、画像取込部102にラインメモリが組み入れられていてもよい。以下では、フレームメモリ103は、FIFO動作をするものとする。
The
Further, the marketing
商品データ保存部104は、商品棚1に陳列されている商品を特定するために必要な情報を記憶する商品データ記憶部である。例えば、商品データ保存部104には、商品毎に予め計算された特徴量と商品名とが保存されている。
The product
商品推定部105は、撮像部101で撮像された画像に含まれている商品を特定する商品特定部である。例えば、商品推定部105は、撮像部101で順次撮像された画像に含まれている商品の商品名及びその商品の画像における位置を順次特定する。
具体的には、商品推定部105は、画像取込部102から現フレームの画像データを受け取り、受け取った画像データの画像内の商品を推定する。例えば、商品推定部105は、一般物体認識技術を使用して、画像データ内の商品領域の特徴量を算出する。そして、商品推定部105は、算出された特徴量と、商品データ保存部104に保存されている特徴量との類似度を算出し、最も類似度の大きなものを商品の候補とする。しかし、外乱等の原因で商品領域には必ずしも商品があるとは限らないため、商品推定部105は、算出された類似度が予め定められた閾値未満の場合は、該当商品なしと判断する。一般物体認識技術を含め、商品推定部105の詳細は後述する。
The
Specifically, the
最終的に、商品推定部105は、検出された商品の有無、及び、商品があると判断した場合には商品名を示す商品情報を、マーケティング情報判定部108に供給する。この時、商品の有無については、商品名に例えば“該当商品なし”というように設定することで、省略することができる。
また、商品推定部105は、商品があると判断した場合の商品領域の情報、及び、現フレームの画像データを動き方向算出部106に供給する。なお、商品領域の情報は、商品が検出された領域(矩形領域Rectc)を示す情報である。
ここで、マーケティング情報収集装置100の最終出力として、検出された商品の切りだされたサムネールが取り扱われる場合は、商品推定部105は、現フレームの画像データから、商品領域の情報に基づいて切り出した部分画像データをマーケティング情報判定部108に供給してもよい。以降では、検出された商品の有無及び商品名の少なくとも何れか一方を示す商品情報をマーケティング情報判定部108に、商品領域の情報及び現フレームの画像データを動き方向算出部106に供給するものとして説明する。
Finally, the
Further, the
Here, as a final output of the marketing
ここで、この商品領域の情報について補足する。この商品領域の情報は、客2が取り上げた商品の候補領域となる。この領域は、簡単のため矩形として取り扱うが、円形、楕円形、自由形状としてもよい。その場合、商品推定部105は、半径等の量をマーケティング情報判定部108に供給するか、領域を指し示すマスク画像をマーケティング情報判定部108に供給する。
Here, it supplements about the information of this product area. The information on the product area is a candidate area for the product picked up by the
動き方向算出部106は、商品推定部105で特定された商品の動き方向を特定する動き方向特定部である。
具体的には、動き方向算出部106は、商品推定部105から与えられる画像データ及び商品領域の情報に基づいて、商品の動く方向を特定する。例えば、動き方向算出部106は、商品推定部105から画像データを受け取り、フレームメモリ107へ保存する。動き方向算出部106は、フレームメモリ107を制御することで、商品推定部105から送られてきた最新の画像データと、最新の画像データから1フレーム時間前の画像データ(以下、現フレーム画像データという)及び2フレーム時間前の画像データ(過去フレーム画像データという)の2つの画像データとを保持させる。1フレーム時間は、撮像間隔を示す時間である。例えば、撮像部101の撮影スピードが30fps(frame per second:1秒あたりの撮像回数に相当)であるとすると、1フレーム時間は、1/30秒である。
動き方向算出部106では、現フレーム画像データと過去フレーム画像データとから客2が取り上げた商品の動きの方向を算出するが、詳細なアルゴリズムは後述する。
動き方向算出部106は、商品の動き方向を示す動きベクトル情報をマーケティング情報判定部108に供給する。併せて、動き方向算出部106は、商品領域の情報及び現フレーム画像データもマーケティング情報判定部108に供給する。
The movement
Specifically, the movement
The movement
The motion
マーケティング情報判定部108は、動き方向算出部106から与えられる動きベクトル情報に基づいて、商品が商品棚1から取り上げられたか、又は、商品が商品棚1に戻されたかを判定し、その判定結果を含むマーケティング情報を生成して、データ記録部109に記憶する。
具体的には、マーケティング情報判定部108は、商品推定部105から商品情報、動き方向算出部106から商品領域の情報、動きベクトル情報及び現フレーム画像データを受け取る。マーケティング情報判定部108は、商品推定部105から供給される商品情報で示される商品の有無に従い、客2の手に取られた商品がない場合は、データ記録部109に何も記録せず、処理を終了するか、又は、商品がないという情報をデータ記録部109に記録する。一方、客2の手に取られた商品がある場合は、マーケティング情報判定部108は、商品名、商品領域の情報及び商品の動きの判定結果を含むマーケティング情報を生成して、データ記録部109に記録する。ここで、動き方向算出部106からの動きベクトル情報に基づく、動きの判定については後述する。
Based on the motion vector information given from the motion
Specifically, the marketing
データ記録部109は、マーケティング情報判定部108から与えられるマーケティング情報を記憶する。例えば、データ記録部109は、内蔵型HDD(Hard Disk Drive)又は外付け型HDDでもよいし、SDカードのような取り外し可能なメディアでもよい。また、データ記録部109は、RAM(Random Access Memory)又はEEPROM(Electrically Erasable Programmable Read−Only Memory)等の書き換え可能なメモリであってもよい。また、記録されるマーケティング情報には、現フレーム画像データ又は商品領域の情報から商品部分を切り出したサムネール画像データが含まれてもよい。なお、商品データ保存部104も、データ記録部109同様、HDD、RAM、ROM等で構成することができる。
The
以上のように構成されるマーケティング情報収集装置100の画像取込部102、商品推定部105、動き方向算出部106及びマーケティング情報判定部108は、CPU(Central Processing Unit)が、メモリ又はHDD等の外部記憶装置に記憶されているプログラムを実行することで実現することができる。但し、これらは、コンピュータシステム上にソフトウェア的に実現されるものに限定されない。例えば、これらの全部又は一部が、ASIC(Application Specific Integrated Circuits)又はFPGA(Field Programmable Gate Array)等の集積ロジックICによりハード的に実現されていてもよい。また、これらの一部又は全部が、DSP(Digital Signal Processor)等によりソフトウェア的に実現されていてもよい。あるいは、特定の用途に特化した構成要素を、コンピュータシステムに搭載された拡張ボード等のハードウェアで実現し、その他の汎用的な構成要素をコンピュータシステム上でソフトウェア的に実現するようにしてもよい。
The
以上のように構成されるマーケティング情報収集装置100の動作の詳細について説明する。
Details of the operation of the marketing
商品推定部105は、スライディングウィンドウ方式を用いて、現フレームの画像データに含まれる商品を推定する。スライディングウィンドウ方式は、予め決められたウィンドウサイズ(wc,hc)の領域を、現フレームの画像データで示される画像の全域に渡り、スライドさせて全探索をする方式である。なお、ウィンドウサイズ(wc,hc)は、複数種類定義したほうがよい。例えば、(wc,hc)=(16,16)、(32,32)、(48,48)、(64,64)等である。これは、図1に示されているように、撮像部101と、客2及び商品4との位置関係が、店舗毎又は設置位置毎に異なること、又は、撮像部101の光学部分、例えば、レンズの倍率等が異なることに起因し、画像中の商品4の大きさが異なるためである。
商品推定部105は、スライディングウィンドウ毎に特徴量を算出し、商品データ保存部104に保存されている商品の特徴量との類似度を計算し、客2が手にとった、又は、戻した商品を推定する。この一般物体認識の方法は、上述した非特許文献1に開示されている方法を採用すればよい。
The
The
ここでは、非特許文献1に開示されている一般物体認識方法について、簡単に概要を述べる。この方法は、画像中の矩形領域の輝度、色及び輝度の一次微分、輝度の2次微分等から特徴量を算出し、2つの矩形から算出された特徴量の距離distを求める。この距離distは、2つの矩形から算出された特徴量の遠さを示すため、この距離distの逆数が類似度となる。即ち、類似度は、下記の(1)式で算出される。
商品データ保存部104には、予め上記方法により算出された商品毎の特徴量が保存されている。商品推定部105は、スライディングウィンドウである矩形領域Rectc毎に特徴量を求める。但し、c=0,・・・,k(kは、正の整数)とする。スライディングウィンドウ方式では、特徴量を求める矩形領域が複数あるためである。そして、商品推定部105は、これらの特徴量と商品データ保存部104に記憶されている特徴量との類似度Rpを求める。商品推定部105は、類似度Rpが下記の(2)式を満たす最大の特徴量を持つ商品を、矩形領域Rectcに含まれる商品と推定する。
この処理は、ノイズに対する頑健性を担保するものである。最終的に、商品推定部105は、矩形領域Rectcの左端位置(xc,yc)と、矩形サイズ(wc,hc)と、現フレームの画像データとを動き方向算出部106に供給する。また、商品推定部105は、推定された商品の商品名を、マーケティング情報判定部108に供給する。但し、商品推定部105は、商品が見つからない矩形領域Rectcの場合は、商品名を商品なしとするか、その矩形領域Rectcを取り除くこととする。
In the product
This process ensures robustness against noise. Finally, the
次に、動き方向算出部106での動き方向の算出の詳細について述べる。
図3は、動き方向算出部106での動き方向算出時の処理を示すフローチャートである。
動き方向算出部106は、前述のように、商品推定部105又はフレームメモリ107から現フレーム画像データと過去フレーム画像データを取り込む(S10)。前述のように、現フレーム画像データ及び過去フレーム画像データは、RGB形式のカラー画像の画像データである。
Next, details of the calculation of the movement direction in the movement
FIG. 3 is a flowchart showing processing at the time of motion direction calculation in the motion
As described above, the motion
次に、動き方向算出部106は、取り込んだ現フレーム画像データ及び過去フレーム画像データに基づいて、商品の動き方向を推定する(S11)。例えば、動き方向算出部106は、商品推定部105から送られてきた左端位置(xc,yc)及び矩形サイズ(wc,hc)の矩形領域Rectc毎に現フレーム画像データと過去フレーム画像データとの間のブロックマッチング法により、動きベクトルを求める。
Next, the movement
図4(A)及び(B)は、ブロックマッチング法を説明するための概略図である。
図4(B)に示されているように、過去フレーム画像データの画像Im2での探索範囲を示す矩形の左上の座標を(xwin c,ywin c)、矩形の大きさを(wwin c,hwin c)とする。これらは、下記の(3)式〜(6)式を満たすものとする。
As shown in FIG. 4 (B), the upper left of the rectangle coordinates indicating the search range in the image Im2 of the past frame image data (x win c, y win c ), a rectangle of size (w win c , h win c ). These shall satisfy the following formulas (3) to (6).
動き方向算出部106は、図4(B)に示されている、この探索範囲に含まれる大きさ(wc,hc)の矩形と、図4(A)に示されている、現フレーム画像データの画像Im1の座標位置(xc,yc)及び大きさ(wc,hc)の矩形領域Rectcとの絶対差分値和を求めて、最も絶対差分値和が小さい座標位置を(x’c,y’c)とする。よって、c番目の矩形領域Rectcの動きベクトルは、(xc−x’c,yc−y’c)で求められる。ここで、上記では、探索範囲を矩形領域Rectcの大きさの3倍としたが、これよりも大きくても小さくてもよい。最終的に動き方向算出部106は、動きベクトル(vc x,vc y)=(xc−x’c,yc−y’c)と現フレーム画像データをマーケティング情報判定部108に供給する。
The motion
次に、マーケティング情報判定部108での動き方向の判定について述べる。
マーケティング情報判定部108は、動き方向算出部106から与えられるベクトル情報で示される動きベクトル(vc x,vc y)に基づいて、客2が商品を取り上げた、又は、戻した、を判定する。図1のような配置において、図5に示されているような位置関係で、現フレーム画像データの画像Im3が撮影され、動き方向算出部106から動きベクトルVが与えられたとする。図5に示されているように、客2に対して、商品棚1が現フレーム画像データの画像Im3において上部に配置されている場合は、動きベクトルVのy成分vc yが下記の(7)式を満たす場合に、マーケティング情報判定部108は、客2が商品を取り上げたと判定する。
The marketing
また、実施の形態1では、図1に示されているように、マーケティング情報収集装置100を1つの装置としているが、撮像部101とそれ以外の部分を別ユニットとして構成してもよい。例えば、マーケティング情報収集装置100は、撮像部101を備えなくてもよく、別ユニットの撮像部101から画像データを受け取るようにしてもよい。また、フレームメモリ103及びフレームメモリ107は1つのメモリとして構成してもよい。商品データ保存部104及びデータ記録部109を1つにまとめてもよいし、前述のフレームメモリ103及びフレームメモリ107とまとめてもよい。
In the first embodiment, as shown in FIG. 1, the marketing
実施の形態1に係るマーケティング情報収集装置100は、以上のように構成されているので、商品にRFタグを貼り付けることなく、直接的に購買につながらない、商品を取り上げた又は戻した等のマーケティング情報を収集することができる。
Since the marketing
実施の形態2.
図6は、実施の形態2に係るマーケティング情報収集装置200の構成を概略的に示すブロック図である。
実施の形態2に係るマーケティング情報収集装置200は、撮像部101と、画像取込部102と、フレームメモリ103と、商品データ保存部104と、商品推定部105と、動き方向算出部106と、フレームメモリ107と、マーケティング情報判定部208と、データ記録部109と、時計部210とを備える。なお、実施の形態2に係る情報処理方法は、実施の形態2に係るマーケティング情報収集装置200により実行される方法である。
実施の形態2に係るマーケティング情報収集装置200は、マーケティング情報判定部208及び時計部210を除いて、実施の形態1に係るマーケティング情報収集装置100と同様に構成されている。以下では、主に、実施の形態1とは異なるマーケティング情報判定部208及び時計部210について説明する。
FIG. 6 is a block diagram schematically showing the configuration of the marketing
The marketing
The marketing
時計部210は、日付及び時刻を計測する。なお、時計部210で計測された日付及び時刻が、現在の日付及び時刻として扱われる。時計部210は、マーケティング情報判定部208の要求を受けると、要求があったタイミングの日付と時刻とを供給する。
The
マーケティング情報判定部208は、実施の形態1のマーケティング情報判定部108とほぼ同等の機能を有するが、マーケティング情報をデータ記録部109に記録する際、時計部210から日付及び時刻を取得し、マーケティング情報に日付及び時刻情報を付加して記録する。
The marketing
実施の形態2に係るマーケティング情報収集装置200は、以上のように構成されているため、日付及び時刻といった店舗全体のマーケティング情報を付加することができるという効果がある。
Since the marketing
実施の形態2の構成は、図6に示されている時計部210が付加されているが、マーケティング情報判定部208に時計部210が含まれていてもよい。
In the configuration of the second embodiment, the
なお、時計部210は、CPUがプログラムを実行することにより実現されてもよく、ASIC又はFPGA等の集積ロジックICによりハード的に実現されていてもよい。また、時計部210が、DSP等によりソフトウェア的に実現されていてもよい。
Note that the
実施の形態3.
図7は、実施の形態3に係るマーケティング情報収集装置300の構成を概略的に示すブロック図である。
実施の形態3に係るマーケティング情報収集装置300は、撮像部101と、画像取込部102と、フレームメモリ103と、商品データ保存部104と、商品推定部305と、動き方向算出部306と、フレームメモリ107と、マーケティング情報判定部308と、データ記録部109と、動領域推定部311と、フレームメモリ312とを備える。なお、実施の形態3に係る情報処理方法は、実施の形態3に係るマーケティング情報収集装置300により実行される方法である。
実施の形態3に係るマーケティング情報収集装置300は、商品推定部305、動き方向算出部306、マーケティング情報判定部308、動領域推定部311及びフレームメモリ312を除いて、実施の形態1に係るマーケティング情報収集装置100と同様に構成されている。以下では、主に、実施の形態1とは異なる商品推定部305、動き方向算出部306、マーケティング情報判定部308、動領域推定部311及びフレームメモリ312について説明する。なお、画像取込部102は、フレームメモリ103から画像データを読み出し、商品推定部305及び動領域推定部311に画像データを供給する。
FIG. 7 is a block diagram schematically showing the configuration of the marketing
The marketing
The marketing
動領域推定部311は、撮像部101で順次撮影された画像において、動きのある領域を順次特定する動領域特定部である。例えば、動領域推定部311は、画像取込部102から画像データを受け取り、後述する方法を用いて画像データの画像中で動きがあった範囲を推定する。
また、動領域推定部311は、画像取込部102から送られてきた最新の画像データと、現フレーム画像データと、過去フレーム画像データとを保持するように、フレームメモリ312を制御する。
動領域推定部311は、現フレーム画像データと過去フレーム画像データとから、客2が取り上げた商品4の領域を推定する。詳細なアルゴリズムは後述するが、動領域推定部311は、予め定められた第1のサイズ以上、かつ、予め定められた第2のサイズ以下の領域の画像中の座標位置(以下では、その領域の左上部のx座標及びy座標とする)と、その領域の縦幅及び横幅とを示す動領域情報を、動き方向算出部306及び商品推定部305に供給する。また、動領域推定部311は、画像取込部102から送られてきた最新の画像データも動き方向算出部306に供給する。実施の形態3では、動きがあると推定する領域を矩形として取り扱うが、円形、楕円形又は自由形状であってもよい。その場合、半径等の量が動き方向算出部306及び商品推定部305に供給されるが、領域を指し示すマスク画像が動き方向算出部306及び商品推定部305に供給されてもよい。
The moving
In addition, the moving
The moving
動き方向算出部306は、動領域推定部311で特定された領域から、この領域に含まれている商品の動き方向を特定する動き方向特定部である。
具体的には、動き方向算出部306は、動領域推定部311から最新の画像データ及び動領域情報を受け取る。ここで、動き方向算出部306は、動領域推定部311と同様に、動領域推定部311から送られてきた最新の画像データと、現フレーム画像データと、過去フレーム画像データとを保持するようにフレームメモリ107を制御する。ここで、フレームメモリ312及びフレームメモリ107は、同様の画像データを保持しているため、1つにまとめることもできるが、以下では別々のフレームメモリであるものとして説明する。
動き方向算出部306は、動領域情報で示される、商品領域の縦幅及び横幅、並びに、座標位置と、現フレーム画像データと、過去フレーム画像データとから、商品の動きベクトルを算出する。そして、動き方向算出部306は、動きベクトルと、動領域情報と、現フレーム画像データとをマーケティング情報判定部308に供給する。動きベクトルの算出方法は後述する。
The movement
Specifically, the motion
The motion
商品推定部305は、動領域推定部311で特定された領域に含まれている商品の商品名を特定する商品特定部である。
具体的には、商品推定部305は、動領域推定部311から動領域情報を受け取り、実施の形態1及び実施の形態2における商品推定部105と同様の方法で、商品名を推定する。商品推定部305は、推定結果に応じて、商品情報及び商品領域の情報をマーケティング情報判定部308に供給する。
The
Specifically, the
マーケティング情報判定部308は、動き方向算出部306から動きベクトル、動領域情報及び現フレーム画像データを受け取り、商品推定部305から商品情報及び商品領域の情報を受け取る。そして、マーケティング情報判定部308は、商品推定部305の商品推定結果と、動き方向算出部306の動領域情報とを照合することで、動きベクトルを決定する。
マーケティング情報判定部308は、商品推定部305からの商品情報が客2に手に取られた商品がないことを示す場合は、何も記録せず、処理を終了するか、又は、商品がないという情報をデータ記録部109に記録する。一方、マーケティング情報判定部308は、商品情報が商品のあることを示す場合は、商品名及び商品領域の情報をデータ記録部109に記録する。
The marketing
When the product information from the
なお、商品推定部305、動き方向算出部306、マーケティング情報判定部308及び動領域推定部311は、CPUがプログラムを実行することにより実現されてもよい。また、これらの一部又は全部が、ASIC又はFPGA等の集積ロジックICによりハード的に実現されていてもよい。さらに、これらの一部又は全部が、DSP等によりソフトウェア的に実現されていてもよい。
Note that the
以上のように構成される実施の形態3に係るマーケティング情報収集装置300の動作を、以下説明する。
The operation of marketing
図8は、動領域推定部311での動領域を算出する処理を示すフローチャートである。
動領域推定部311は、上述のように、画像取込部102又はフレームメモリ312から現フレーム画像データと過去フレーム画像データとを取り込む(S20)。上述のように、現フレーム画像データ及び過去フレーム画像データは、RGB形式のカラー画像の画像データである。
FIG. 8 is a flowchart showing processing for calculating a moving area in the moving
As described above, the moving
次に、動領域推定部311は、現フレーム画像データの画像と、過去フレーム画像データの画像とから、絶対差分画像データを生成する(S21)。ここで、絶対差分画像の生成方法について説明する。
Next, the moving
絶対差分画像データは、画素単位で、以下の(10)式に従って算出される。
なお、動領域推定部311は、画像データをRGB系からYCbCr系に変換し、輝度(Y)の絶対差分値を求めてもよく、また、RGBから代表して例えばG値を用いて絶対差分値を求めてもよい。以降では、上記(10)式に基づいて算出したものとして説明する。
The absolute difference image data is calculated in units of pixels according to the following equation (10).
Note that the moving
次に、動領域推定部311は、ステップS20で生成された絶対差分画像データに対して閾値処理を行う(S22)。ステップS22での閾値処理は、次の(11)式を用いて行われる。
ここでは、D’xyは、8bit整数型としているが、0又は1をとる2値としてもよい。また、動領域推定部311は、ステップS21及びS22での計算を便宜上分離して行っているが、まとめて計算してもよい。
動領域推定部311は、このようにすべての画素について計算する。そして、計算されたD’xyにより構成される画像データを閾値画像データとする。
Next, the moving
Here, D ′ xy is an 8-bit integer type, but it may be a binary value that takes 0 or 1. In addition, although the moving
The moving
次に、動領域推定部311は、生成された閾値画像データに対して、モルフォロジー演算の画像の膨張と収縮を適用する。この演算は、画像処理の分野において一般的な方法で行われればよく、ここでは特に定義しない。この処理は、近くに存在する領域を接続する作用を持ち、ノイズに対するフィルタ処理である。このため、この画像の膨張及び収縮処理は、省いてもよい。
次に、動領域推定部311は、閾値画像データに対して、画素値が255となっている箇所に外接する矩形の群を求める。図9に外接矩形の1例を示す。図9の斜線部分がD’xy=0の部分、空白部分がD’xy=255の部分であるものとする。外接矩形は、図9に示されているように、空白部分の外側に接する矩形REである。なお、図9に示されているように、外接矩形REの一部に斜線部分が含まれているが、空白部分に接している場合は、1つの塊とみなされる。
閾値画像データ内には、1つ以上の外接矩形が見つかる場合がある。この時の外接矩形をREnとすると、nは見つかった外接矩形の個数である。但し、n=0のときは、外接矩形が見つからない場合である。
Next, the moving
Next, the moving
One or more circumscribed rectangles may be found in the threshold image data. If the circumscribed rectangle at this time is RE n , n is the number of circumscribed rectangles found. However, when n = 0, the circumscribed rectangle is not found.
次に、処理はステップS23に進む。ステップS23では、動領域推定部311は、第1の閾値処理と第2の閾値処理でこれらの外接矩形をフィルタする。
第1の閾値処理は、下記の(12)式に従う。
次に、k個の閾値外接矩形REcのそれぞれの現フレーム画像データにおける左上の座標位置を(xc,yc)、矩形の大きさを(wc,hc)とする。最終的に動領域推定部311は、閾値外接矩形REcを示す(xc,yc)及び(wc,hc)を動領域情報として、商品推定部305及び動き方向算出部306に供給し、画像取込部102から送られてきた最新の画像データを動き方向算出部306に供給する。
Next, the process proceeds to step S23. In step S23, the moving
The first threshold processing follows the following equation (12).
Next, assume that the upper left coordinate position of each of the k threshold circumscribing rectangles RE c in the current frame image data is (x c , y c ), and the size of the rectangle is (w c , h c ). Finally, the moving
次に、動き方向算出部306での動き方向の算出について述べる。但し、フレームメモリ107の動作については、上述の通りである。
図10は、動き方向算出部306での動き方向算出時の処理を示すフローチャートである。
上述のように、動き方向算出部306は、動領域推定部311又はフレームメモリ107から現フレーム画像データ及び過去フレーム画像データを取り込む(S30)。上述のように、現フレーム画像データ及び過去フレーム画像データは、RGB形式のカラー画像の画像データである。
Next, calculation of the movement direction in the movement
FIG. 10 is a flowchart showing processing at the time of motion direction calculation in the motion
As described above, the motion
次に、動き方向算出部306は、動領域推定部311から送られてきた動領域情報で示される閾値外接矩形REcの座標位置(xc,yc)及び大きさ(wc,hc)に基づいて、現フレーム画像データと過去フレーム画像データ間のブロックマッチング法により動きベクトルを求める。ブロックマッチング法については、図4を用いて上述した方法と同様である。但し、実施の形態3では、スライディングウィンドウの代わりに、閾値外接矩形が矩形領域Rectcとして用いられる。
最終的に動き方向算出部306は、動きベクトル(vc x,vc y)=(xc−x’c,yc−y’c)と現フレーム画像データとをマーケティング情報判定部308に供給する。
Next, the motion
Finally, the motion
次に、商品推定部305について述べる。ここで、動領域推定部311から渡された動領域情報で示される閾値外接矩形毎に、商品データ保存部104に保存された商品データとの類似度を算出し、客2が手にとった又は戻した商品を推定する。この商品の推定は、実施の形態1及び実施の形態2の商品推定部105での推定と同様に行われる。但し、実施の形態3では、スライディングウィンドウの代わりに、閾値外接矩形が矩形領域Rectcとして用いられる。例えば、商品推定部305は、閾値外接矩形から算出した特徴量と、商品データ保存部104に保存されている特徴量との距離distを求める。この距離distは、2つの矩形から算出された特徴量の遠さを示すため、この距離distの逆数が類似度となる。類似度はR=1/distである。
Next, the
具体的には、商品推定部305は、動領域推定部311から与えられた閾値外接矩形REc毎に特徴量を求める。次に、商品推定部305は、これらの特徴量と商品データ保存部104にある特徴量との類似度Rpを求める。類似度Rpが、上述の(2)式を満たす最大の特徴量を持つ商品が、閾値外接矩形REcに含まれる商品と推定される。
そして、最終的に、商品推定部305は、閾値外接矩形REcの左端位置(xc,yc)及びサイズ(wc,hc)を示す動領域情報と、推定された商品の商品名とを、マーケティング情報判定部308に供給する。但し、商品推定部305は、商品が見つからない閾値外接矩形REcの場合は、商品名を商品なしとするか、その矩形を取り除くこととする。
Specifically, the
Finally, the
次に、マーケティング情報判定部308での動き方向の判定について述べる。
マーケティング情報判定部308は、動き方向算出部306から渡される動きベクトル(vc x,vc y)に基づいて、客2が商品を取り上げた、又は、戻した、を判定する。図1のような配置において、図5に示されているような位置関係で、現フレーム画像データの画像Im3が撮影され、動き方向算出部306から動きベクトルVが入力されたとする。図5に示されているように、客2に対して、商品棚1が現フレーム画像データの画像Im3において上部に配置されている場合は、動きベクトルVのy成分vc yが上記の(7)式を満たすときに、マーケティング情報判定部308は、客2が商品を取り上げたと判定する。一方、動きベクトルVのy成分vc yが上記の(8)式を満たす場合に、マーケティング情報判定部308は、商品を戻したと判定する。さらに、上記の(9)式を満たすときは、先に(6)式が満たされた場合に限り、マーケティング情報判定部308は、客2が商品を見定めていると判定することができる。同様に、客2と商品棚1が、図5とは異なる配置の場合でも、マーケティング情報判定部308は、動きベクトルVの傾きにより動きを判定することができる。
Next, the determination of the movement direction in the marketing
The marketing
次に、マーケティング情報判定部308は、動き方向算出部306からの動領域情報で示される閾値外接矩形(ここでは(xc1,yc1)及び(wc1,hc1)とする)と、商品推定部305からの動領域情報で示される閾値外接矩形(ここでは(xc2,yc2)及び(wc2,hc2)とする)とから、商品推定部305で商品なしと判定された情報をフィルタする。基本的に、(xc1,yc1)と(xc2,yc2)、(wc1,hc1)と(wc2,hc2)は同じ値になるはずであるが、商品推定部305での閾値処理により商品なしと判定された場合は、C2<C1である。そこで、マーケティング情報判定部308は、下記の(14)式を満たすか否かを判定する。
また、実施の形態3では、図1に示されているように、マーケティング情報収集装置300を1つの装置として記載しているが、撮像部101とそれ以外の部分を別ユニットとして構成してもよい。例えば、マーケティング情報収集装置300は、撮像部101を備えなくてもよく、別ユニットの撮像部101から画像データを受け取るようにしてもよい。また、フレームメモリ103、フレームメモリ312及びフレームメモリ107は、1つのメモリとして構成されてもよい。商品データ保存部104及びデータ記録部109は、1つにまとめられてもよいし、フレームメモリ103、フレームメモリ312及びフレームメモリ107とまとめられてもよい。さらに、動領域推定部311と動き方向算出部306は、1つにまとめられてもよい。
In the third embodiment, as shown in FIG. 1, the marketing
実施の形態3に係るマーケティング情報収集装置300は、以上のように構成されているので、商品にRFタグを貼り付けることなく、直接的に購買につながらない、商品を取り上げた又は戻した等のマーケティング情報を収集することができる。さらに、動領域推定部311を設けたため、実施の形態1のスライディングウィンドウ方式よりも高速にマーケティング情報を収集することができる。
Since the marketing
実施の形態4.
図11は、実施の形態4に係るマーケティング情報収集装置400の構成を概略的に示すブロック図である。
実施の形態4に係るマーケティング情報収集装置400は、撮像部101と、画像取込部102と、フレームメモリ103と、商品データ及び保管位置保存部404と、商品推定部405と、動き方向算出部306と、フレームメモリ107と、マーケティング情報判定部308と、データ記録部109と、動領域推定部311と、フレームメモリ312とを備える。なお、実施の形態4に係る情報処理方法は、実施の形態4に係るマーケティング情報収集装置400により実行される方法である。
実施の形態4に係るマーケティング情報収集装置400は、商品データ及び保管位置保存部404、及び、商品推定部405を除いて、実施の形態3に係るマーケティング情報収集装置300と同様に構成されている。以下では、主に、実施の形態3とは異なる商品データ及び保管位置保存部404、及び、商品推定部405について説明する。なお、画像取込部102は、フレームメモリ103から画像データを読み出し、商品推定部405及び動領域推定部311に画像データを供給する。
FIG. 11 is a block diagram schematically showing the configuration of the marketing
The marketing
The marketing
商品データ及び保管位置保存部404は、実施の形態1における商品データ保存部104と同様に、商品推定部105で商品の推定を行う際に必要となる、商品の特徴量を記憶するとともに、商品の保管位置(陳列位置)を示す保管位置情報を記憶する商品データ記憶部である。
現フレームの画像データの画像が、図12に示されているような画像Im4であるものとする。また、商品棚1の商品は、図13に示されているように陳列されているものとする。このような場合、画像Im4からは、例えば、商品A、商品D又は商品Gといった商品そのものの位置を区別することは難しいが、グループ11、グループ12又はグループ13のように、商品棚1の縦方向の商品郡を識別することは可能である。そこで、商品データ及び保管位置保存部404は、商品名及び商品の特徴量に加えて、商品の保管位置を示す保管位置情報を記録する。ここで、保管位置情報は、例えば、図14に示されているように、それぞれのグループが配置されている領域の端点の座標(xg,yg)及びサイズ(hg,wg)とする。ここでgは、各グループを識別するための識別子であり、図14では、g=11〜13である。
Similar to the product
It is assumed that the image data of the current frame is an image Im4 as shown in FIG. In addition, it is assumed that the products in the
商品推定部405は、撮像部101で撮像された画像に含まれている商品を特定する商品特定部である。
具体的には、商品推定部405は、画像取込部102から現フレームの画像データを受け取り、画像データ内の商品を推定する。例えば、商品推定部405は、一般物体認識技術を使用して、画像データ内の商品領域の特徴量を算出し、その特徴量と、商品データ及び保管位置保存部404に記憶されている商品の特徴量との類似度に基づいて、商品を推定するが、実施の形態4においては、商品の保管位置(陳列位置)に基づいて、類似度を求める商品の特徴量を絞り込む。
以下、商品推定部405での商品推定について具体的に述べる。ここで、動領域推定部311から渡される動領域情報で示される閾値外接矩形が(xc,yc)及び(wc,hc)であるとする。例えば、図12に示されているように、商品4が客2に取り上げられている場合には、画像Im4及び閾値外接矩形の左上部座標(xc,yc)からは、商品棚1のグループは判定できない。しかしながら、図15に示されているように、まさに客2が商品4を商品棚1から取り出しているところの画像Im5であったとすると、閾値外接矩形の左上部座標(xc,yc)、及び、商品データ及び保管位置保存部404に保存されている保管位置情報で示される座標(xg,yg)及びサイズ(hg,wg)に基づいて、グループ11又はグループ12から商品4が取り出されたと判定することができる。
The
Specifically, the
Hereinafter, the product estimation in the
例えば、商品推定部405は、閾値外接矩形の左上部座標(xc,yc)が、保管位置情報で示される座標(xg,yg)及びサイズ(hg,wg)で特定される、グループが配置されている領域に含まれるか否か、でグループを判定してもよい。このような場合、グループが配置されている領域は、座標(xg,yg)及びサイズ(hg,wg)で特定される領域を包含する等、座標(xg,yg)及びサイズ(hg,wg)で特定される領域を拡大した領域としてもよい。さらに、商品推定部405は、閾値外接矩形の左上部座標(xc,yc)と、保管位置情報で示される座標(xg,yg)との間の距離が、予め定められた閾値よりも短い場合に、商品が取り出されたグループであると判定することができる。
For example, the
そして、商品推定部405は、商品が取り出されたと判定されたグループに属する商品の特徴量と、画像データ内の商品領域の特徴量との類似度に基づいて、商品を推定すればよい。このように、商品データ及び保管位置保存部404に保存されているすべての商品の特徴量と照合するのではなく、位置関係から照合すべき商品の特徴量を絞り込むことができる。商品の候補を絞り込んだ後の、商品推定は、実施の形態3の商品推定部305と同様の方法でよい。また、この時、例えば、図12に示されているように、グループ情報からの絞り込みは難しいとして、商品データ及び保管位置保存部404に保存されているすべての商品を候補としてもよいし、トラッキング技術を使ってグループ情報を保持するような実装としてもよい。
Then, the
なお、商品推定部405は、CPUがプログラムを実行することにより実現されてもよい。また、商品推定部405が、ASIC又はFPGA等の集積ロジックICによりハード的に実現されていてもよい。さらに、商品推定部405が、DSP等によりソフトウェア的に実現されていてもよい。
Note that the
また、実施の形態4では、図1に示されているように、マーケティング情報収集装置400を1つの装置としているが、撮像部101とそれ以外の部分を別ユニットとして構成してもよい。例えば、マーケティング情報収集装置400は、撮像部101を備えなくてもよく、別ユニットの撮像部101から画像データを受け取るようにしてもよい。フレームメモリ103、フレームメモリ312及びフレームメモリ107は、1つのメモリとして構成してもよい。商品データ及び保管位置保存部404及びデータ記録部109を1つにまとめてもよい。さらに、商品データ及び保管位置保存部404、データ記録部109、フレームメモリ103、フレームメモリ312、フレームメモリ107を1つにまとめてもよい。さらに、動領域推定部311と動き方向算出部306を1つにまとめてもよい。
In the fourth embodiment, as shown in FIG. 1, the marketing
実施の形態4に係るマーケティング情報収集装置400は、以上のように構成されているので、商品にRFタグを貼り付けることなく、直接的に購買につながらない、商品を取り上げた、又は、戻した等のマーケティング情報を収集することができる。さらに、商品データ及び保管位置保存部404を設けたため、実施の形態3のよりも高速にマーケティング情報を収集することができる。
Since the marketing
実施の形態5.
図16は、実施の形態5に係るマーケティング情報収集装置500の構成を概略的に示すブロック図である。
実施の形態5に係るマーケティング情報収集装置500は、撮像部101と、画像取込部102と、フレームメモリ103と、商品データ保存部104と、商品データ及び保管位置保存部504と、商品推定部505と、動き方向算出部506と、フレームメモリ107と、マーケティング情報判定部508と、データ記録部109と、動領域推定部311と、フレームメモリ312と、人物データ保存部513と、人物推定部514と、陳列動作検出部515と、陳列商品情報登録部516とを備える。
FIG. 16 is a block diagram schematically showing a configuration of a marketing
The marketing
実施の形態5に係るマーケティング情報収集装置500における撮像部101、画像取込部102、フレームメモリ103、商品データ保存部104及びデータ記録部109は、実施の形態1に係るマーケティング情報収集装置100と同様に構成されている。
実施の形態5に係る動領域推定部311及びフレームメモリ312は、実施の形態3に係るマーケティング情報収集装置300と同様に構成されている。
以下では、実施の形態1又は実施の形態3とは異なる商品データ及び保管位置保存部504、商品推定部505、動き方向算出部506、マーケティング情報判定部508、人物データ保存部513、人物推定部514、陳列動作検出部515及び陳列商品情報登録部516について説明する。
なお、画像取込部102は、フレームメモリ103から画像データを読み出し、商品推定部505、動領域推定部311及び人物推定部514に画像データを供給する。動領域推定部311は、動領域情報を商品推定部505及び動き方向算出部506に供給する。
The
The moving
In the following, product data and storage
The
実施の形態5に係るマーケティング情報収集装置500は、陳列商品情報を登録する機能と、マーティング情報を生成する機能とを備える。
なお、実施の形態5に係る情報処理方法は、実施の形態5に係るマーケティング情報収集装置500により実行される方法である。
The marketing
Note that the information processing method according to the fifth embodiment is a method executed by the marketing
まず、実施の形態5に係るマーケティング情報収集装置500の機能のうち、陳列商品情報を登録する機能に関する構成を説明する。
First, the structure regarding the function which registers display merchandise information among the functions of the marketing
商品推定部505は、動領域推定部311で特定された領域に含まれている商品の商品名を特定する商品特定部である。具体的には、商品推定部505は、動領域推定部311から動領域情報を受け取り、実施の形態3における商品推定部305と同様の方法で、商品名を推定する。商品推定部505は、推定結果に応じて、商品情報、商品領域の情報及び現フレームの画像データを陳列商品情報登録部516に供給する。
The
動き方向算出部506は、動領域推定部311で特定された領域から、この領域に含まれている商品の動き方向を特定する動き方向特定部である。動き方向算出部506は、実施の形態3と同様に、動領域情報で示される、商品領域の縦幅及び横幅、並びに、座標位置と、現フレーム画像データと、過去フレーム画像データとから、商品の動きベクトルを算出する。そして、動き方向算出部506は、動きベクトルと、動領域情報と、現フレーム画像データとをマーケティング情報判定部508及び陳列動作検出部515に供給する。
The movement
人物データ保存部513は、画像データから店員等の店舗関係者を検出するために必要な情報を記憶する人物データ記憶部である。例えば、人物データ保存部513には、店舗関係者が着用する制服のテクスチャ特徴量が保存されている。一般に、コンビニエンスストア等の店舗では、特定の制服を着用する場合が多いため、これらの特徴量を利用して客か店舗関係者かを推定することが可能である。
The person
人物推定部514は、撮像部101で撮像された画像に含まれている店員等の店舗関係者の存否を判断する人物判断部である。例えば、人物推定部514は、撮像部101で順次撮像された画像に含まれている店舗関係者の画像における位置を順次特定する。
具体的には、人物推定部514は、画像取込部102から現フレームの画像データを受け取り、受け取った画像データの画像内の店舗関係者を検出する。例えば、人物推定部514は、人物認識技術を使用して、画像データ内の特徴量を算出する。そして、人物推定部514は、算出された特徴量と、人物データ保存部513に保存されている特徴量との類似度を算出し、類似度が予め定められた閾値を超える場合、店舗関係者であると判断する。人物推定部514の詳細は後述する。
The
Specifically, the
陳列動作検出部515は、人物推定部514で検出された店舗関係者によって商品を商品棚に陳列する動作を検出する。具体的には、陳列動作検出部515は、動き方向算出部506から与えられる動きベクトル情報に基づいて、商品が商品棚に置かれたか否かを判定する。そして、陳列動作検出部515は、陳列動作が行われたと判定した場合、陳列位置情報及び現フレーム画像データを陳列商品情報登録部516に供給する。陳列位置情報は、撮像部101で撮像された画像における座標情報(x,y)で表わされる。ここで、動き方向算出部506からの動きベクトル情報に基づく、陳列動作検出の詳細については後述する。
The display
陳列商品情報登録部516は、陳列動作検出部515が店舗関係者による陳列動作を検出すると、商品推定部505から与えられる商品情報及び陳列動作検出部515から与えられる陳列位置情報に基づいて、どの商品が商品棚のどの位置に陳列されたかを示す陳列商品情報を生成して、商品データ及び保管位置保存部504に記憶する。
具体的には、陳列商品情報登録部516は、陳列動作検出部515から陳列位置情報及び商品情報を受け取る。陳列商品情報登録部516は、これらの情報から商品名、商品の陳列位置、現フレーム画像データから抽出された商品の部分画像データからなる陳列商品情報を生成して、商品データ及び保管位置保存部504に記憶する。
When the display
Specifically, the display product
商品データ及び保管位置保存部504は、実施の形態4における商品データ及び保管位置保存部404と同様に、商品推定部505で商品の推定を行う際に必要となる、商品の特徴量を記憶するとともに、商品の保管位置(陳列位置)を示す保管位置情報を記憶する商品データ記憶部である。
なお、商品データ保存部104を第1の商品データ記憶部といい、商品データ及び保管位置保存部504を第2の商品データ記憶部ともいう。
The product data and storage
The product
以上のように構成されるマーケティング情報収集装置500の陳列商品情報を登録する機能における動作の詳細について説明する。
Details of the operation in the function of registering the display merchandise information of the marketing
人物推定部514は、スライディングウィンドウ方式を用いて、現フレームの画像データに含まれる店員等の店舗関係者を推定する。スライディングウィンドウ方式は、先述の実施の形態1における商品推定部105での方法と同じであるため、説明は省略する。人物推定部514は、スライディングウィンドウ毎に特徴量を算出して人物を検出し、その後、人物データ保存部513に保存されている店舗関係者の特徴量との類似度を計算し、類似度が予め定められた閾値を超える場合、店舗関係者であると判断する。この人物検出の方法は、例えば、非特許文献2に開示されている人物検出方法と非特許文献1に開示されている一般物体認識の方法とを組み合わせる等により実現できる。
The
ここでは、非特許文献2に開示されている人物検出方法について、簡単に概要を述べる。例えば、顔検出をベースとした方法がある。これは目又は口等の輝度分布又は位置関係等から、顔か顔以外かを判定するルールベースの方法である。また、近年は統計的学習手法による人物検出方法が主流となっており、この方法を採用することも可能である。これは、人物か人物ではないかを識別するための識別器を学習する学習フェーズと、この識別器を利用して人物を検出する検出フェーズの2つからなる。学習フェーズでは膨大な人物画像とそれ以外の画像とを準備し、それぞれに含まれる局所的な輝度勾配情報又は色情報を統計的に学習する。検出フェーズでは、問い合わせ画像に対してスライディングウィンドウを設定し、スライディングウィンドウ毎に局所的な輝度情報又は色情報を抽出し、学習データとの比較を行うことで、人物か人物ではないかを識別する。
Here, the outline of the person detection method disclosed in
一般物体認識方法については、先述の実施の形態1における商品推定部105での方法と同じであるため、説明を省略する。最終的に、人物推定部514は、店舗関係者を検出した場合、スライディングウィンドウにおける矩形領域Rectcの左端位置(xc,yc)と、矩形サイズ(wc,hc)とを陳列動作検出部515に供給する。
The general object recognition method is the same as the method in the
次に、陳列動作検出部515での陳列動作の検出について述べる。ここで、陳列動作検出部515は、人物推定部514によって画像データに店舗関係者が含まれると判断され、人物推定部514から矩形領域Rectcの左端位置(xc,yc)と、矩形サイズ(wc,hc)とが送られてきた時にのみ動作する。陳列動作検出部515は、人物推定部514から与えられる人物領域を示す矩形領域Rectcの左端位置(xc,yc)と、矩形サイズ(wc,hc)、並びに、動き方向算出部506から与えられるベクトル情報で示される動きベクトル(vc x,vc y)、及び座標位置(x’c,y’c)に基づいて、店舗関係者によって商品が陳列されたかを判定する。
Next, detection of display operation in the display
例えば、図1のような配置において、図5に示されているように、店舗関係者5に対して、商品棚1が現フレーム画像データの画像Im3において上部に配置されている場合は、動きベクトルVのy成分vc yが下記の(15)式を満たす場合に、陳列動作検出部515は、商品を陳列したと判定する。
但し、陳列動作検出部515は、人物推定部514から受信した人物の矩形領域Rectcの左端位置(xc,yc)と、動き方向算出部506から受信した座標位置(x’c,y’c)との距離disthcが下記の(16)式を満たす場合にのみ商品を陳列したと判定する。
次に、実施の形態5に係るマーケティング情報収集装置500の機能のうち、マーケティング情報を生成する機能に関する構成を説明する。
Next, the structure regarding the function which produces | generates marketing information among the functions of the marketing
商品推定部505は、撮像部101で撮像された画像に含まれている商品を特定する商品特定部である。具体的には、商品推定部505は、一般物体認識技術を使用して、画像データ内の商品領域の特徴量を算出し、その特徴量と、商品データ及び保管位置保存部504に記憶されている商品の特徴量との類似度に基づいて、商品を推定するが、実施の形態4と同様に、商品の保管位置(陳列位置)に基づいて、類似度を求める商品の特徴量を絞り込む。
The
人物推定部514は、撮像部101で撮像された画像に含まれている客を検出する人物検出部である。例えば、人物推定部514は、撮像部101で順次撮像された画像に含まれている客の画像における位置を順次特定する。例えば、人物推定部514は、上述のように、店舗関係者を検出し、店舗関係者以外の人物を客として検出すればよい。
ここで、人物推定部514は、客を検出した場合には、客を検出したことを示す客検出情報をマーケティング情報判定部508に供給する。なお、人物推定部514は、客を検出しなくなった場合には、客検出情報の供給を停止する。
The
Here, when the
マーケティング情報判定部508は、実施の形態3と同様に、マーケティング情報を生成する。但し、マーケティング情報判定部508は、人物推定部514から客検出情報が供給されている間だけ、マーケティング情報をデータ記録部109に記録させる。
The marketing
以上のように構成されるマーケティング情報収集装置500の陳列商品情報生成部500aにおける画像取込部102、商品推定部505、動き方向算出部506、マーケティング情報判定部508、動領域推定部311、人物推定部514、陳列動作検出部515及び陳列商品情報登録部516は、CPUが、メモリ又はHDD等の外部記憶装置に記憶されているプログラムを実行することで実現することができる。但し、これらは、コンピュータシステム上にソフトウェア的に実現されるものに限定されない。例えば、これらの全部又は一部が、ASIC又はFPGA等の集積ロジックICによりハード的に実現されていてもよい。また、これらの一部又は全部が、DSP等によりソフトウェア的に実現されていてもよい。あるいは、特定の用途に特化した構成要素を、コンピュータシステムに搭載された拡張ボード等のハードウェアで実現し、その他の汎用的な構成要素をコンピュータシステム上でソフトウェア的に実現するようにしてもよい。
The
また、実施の形態5では、図16に示されているように、マーケティング情報収集装置500を1つの装置としているが、撮像部101とそれ以外の部分を別ユニットとして構成してもよい。例えば、マーケティング情報収集装置500は、撮像部101を備えなくてもよく、別ユニットの撮像部101から画像データを受け取るようにしてもよい。また、フレームメモリ103、フレームメモリ107及びフレームメモリ312は、1つのメモリとして構成してもよい。人物データ保存部513及び商品データ保存部104並びに商品データ及び保管位置保存部504を1つにまとめてもよいし、前述のフレームメモリ103、フレームメモリ107及びフレームメモリ312とまとめてもよい。
In the fifth embodiment, as shown in FIG. 16, the marketing
実施の形態5に係るマーケティング情報収集装置500は、以上のように構成されているので、商品にRFタグを貼り付けることなく、直接的に購買につながらない、商品を取り上げた又は戻した等のマーケティング情報を収集することができる。さらに、商品データ及び保管位置保存部504に対し、陳列商品のデータを自動で登録することが可能なため、実施の形態4よりも店舗関係者の負荷を要することなく、マーケティング情報を収集することができる。
Since the marketing
実施の形態6.
図17は、実施の形態6に係るマーケティング情報収集装置600の構成を概略的に示すブロック図である。
実施の形態6に係るマーケティング情報収集装置600は、撮像部101と、画像取込部102と、フレームメモリ103と、商品データ及び属性データ保存部604と、商品推定部605と、動き方向算出部306と、フレームメモリ107と、マーケティング情報判定部308と、データ記録部109と、動領域推定部311と、フレームメモリ312と、属性判定部617とを備える。なお、実施の形態6に係る情報処理方法は、実施の形態6に係るマーケティング情報収集装置600により実行される方法である。
実施の形態6に係るマーケティング情報収集装置600は、商品データ及び属性データ保存部604、商品推定部605、及び、属性判定部617を除いて、実施の形態3に係るマーケティング情報収集装置300と同様に構成されている。以下では、主に、実施の形態3とは異なる商品データ及び属性データ保存部604、商品推定部605、及び、属性判定部617について説明する。なお、画像取込部102は、フレームメモリ103から画像データを読み出し、商品推定部605及び動領域推定部311に画像データを供給する。また、動領域推定部311は、動領域情報と、動領域情報で示される閾値外接矩形の画像データとを属性判定部617に供給する。
Embodiment 6 FIG.
FIG. 17 is a block diagram schematically showing a configuration of a marketing
The marketing
The marketing
属性判定部617は、動領域推定部311で特定された領域から、当該領域に含まれている商品の属性を判定する。
具体的には、属性判定部617は、動領域情報及び動領域情報で示される閾値外接矩形の画像データを動領域推定部311から渡され、閾値外接矩形の画像データに含まれている商品の属性を判定する。ここで、商品の属性は、例えば、商品の形状又は色等の、画像に現れる商品の特徴である。属性判定部617について具体的に述べる。
The
Specifically, the
図18は、属性判定部617の処理の流れを示すフローチャートである。
FIG. 18 is a flowchart showing the flow of processing of the
まず、属性判定部617は、動領域推定部311から与えられた動領域情報で示される閾値外接矩形の画象データに含まれている商品の形状における属性を特定する(S40)。例えば、属性判定部617は、閾値外接矩形の縦横比に基づいて、その外形を、縦長、横長又は正方形の3種類に分類する。閾値外接矩形が座標(xc,yc)及びサイズ(wc,hc)であるとすると、縦横比Aspectは、下記の(17)式で求められる。
また、縦長、横長又は正方形の判定は、下記の(18)式に従う。
次に、属性判定部617は、動領域推定部311から与えられた閾値外接矩形の画像データに含まれている商品の色における属性を特定する(S41)。例えば、属性判定部617は、閾値外接矩形の画像データの色成分により、商品の色を分類する。閾値外接矩形の画像データは、RGB形式であるとする。属性判定部617は、下記の(19)〜(21)式に従い、閾値外接矩形のR、G、B値の平均値を求める。
次に、属性判定部617は、Rave、Gave及びBaveを大きい順に並べ替える。ここでは、説明の便宜上、Rave>Gave>Baveであるものとする。
そして、最大値(ここでは、Rave)と、2番目に大きな値(ここでは、Gave)が、下記の(22)式を満たす場合には、属性判定部617は、この画像データに含まれる商品の色が、最大値の色に含まれる商品(ここでは、赤系の商品)であると判断する。
When the maximum value (here, R ave ) and the second largest value (here, G ave ) satisfy the following expression (22), the
以上のように、属性判定部617は、最大値と2番目の値の差が閾値Dcolorより大きい場合に最大値の色を候補色とする。一方、この式を満たさない場合は、属性判定部617は、支配色なしとする。この閾値Dcolorは、店舗の光源の色、太陽光又は撮像部101の色補正等の影響に対する頑健性を担保するものである。
また、この色の候補は、商品の色の判定結果(色属性)であり、Rcolorと表記する。以下では便宜上、Rcolorは、1、2、3又は4の値をとり、Rcolor=1のときは、赤系の商品、Rcolor=2のときは、青系の商品、Rcolor=3のときは、緑系の商品、及び、Rcolor=4のときは、支配色なしの商品とする。
As described above, the
Further, this color candidate is a determination result (color attribute) of the color of the product, and is denoted as R color . In the following, for convenience, R color takes a value of 1, 2, 3, or 4. When R color = 1, a red product, when R color = 2, a blue product, R color = 3 In this case, the product is a green product, and when R color = 4, the product has no dominant color.
そして、属性判定部617は、Raspect及びRcolorを判定属性情報として商品推定部605に供給する。
なお、ステップS40及びS41の順番は、便宜上、図18のようにしているが、逆であってもよく、さらに並列処理であってもよい。
Then, the
Note that the order of steps S40 and S41 is as shown in FIG. 18 for the sake of convenience, but may be reversed, and may be parallel processing.
図17に戻り、商品データ及び属性データ保存部604は、実施の形態1における商品データ保存部104と同様に、商品推定部605で商品の推定を行う際に必要となる、商品の特徴量を記憶するとともに、商品の属性を示す属性データを記憶する商品データ記憶部である。属性データは、各々の商品について、上述の方法で算出された形状属性R’aspect及び色属性R’colorを示すデータである。
Returning to FIG. 17, the product data and attribute
商品推定部605は、動領域推定部311から渡される動領域情報及び閾値外接矩形の画像データと、属性判定部617から渡される判定属性情報とを受け取り、閾値外接矩形に含まれる商品を推定する。例えば、以下のようにして、商品推定部605は、商品の推定を行う。
The
図19は、商品推定部605の推定処理を示すフローチャートである。
まず、商品推定部605は、属性判定部617から与えられた判定属性情報で示される形状属性Raspectを用いて、商品データ及び属性データ保存部604に保存されている形状属性R’aspectをフィルタすることにより、商品の候補を絞る(S50)。言い換えると、Raspect=R’aspectを満たす商品を候補として絞る。
FIG. 19 is a flowchart showing the estimation process of the
First, the
次に、商品推定部605は、属性判定部617から与えられた判定属性情報で示される色属性Rcolorを用いて、商品データ及び属性データ保存部604に保存されている色属性R’colorをフィルタすることにより、商品の候補を絞る(S51)。言い換えると、Rcolor=R’colorを満たす商品を候補として絞る。但し、属性判定部617から渡された色属性が、Rcolor=4、即ち、色属性なしである場合には、R’color=4で絞り込んでもよいが、ステップS51における色属性による絞込をキャンセルしてもよい。
Next, the
そして、商品推定部605は、ステップS50及びS51で絞りこまれた商品の候補について、実施の形態3の商品推定部305と同様な方法で商品名を推定する(S52)。
なお、ステップS50及びステップS51は、順番を入れ替えても良いし、どちらか一方が行われてもよい。
Then, the
Note that the order of step S50 and step S51 may be interchanged, or either one may be performed.
また、実施の形態6では、図1に示されているように、マーケティング情報収集装置600を1つの装置としているが、撮像部101とそれ以外の部分を別ユニットとしてもよい。例えば、マーケティング情報収集装置600は、撮像部101を備えなくてもよく、別ユニットの撮像部101から画像データを受け取るようにしてもよい。フレームメモリ103、フレームメモリ312及びフレームメモリ107は、1つのメモリとして構成してもよい。商品データ及び属性データ保存部604、及び、データ記録部109を1つにまとめてもよい。商品データ及び属性データ保存部604、データ記録部109、フレームメモリ312、フレームメモリ107をまとめてもよい。さらに、動領域推定部311と動き方向算出部306を1つにまとめてもよい。
さらに、実施の形態4における商品データ及び保管位置保存部404と商品推定部405とによる、商品の保存位置による絞込みの機能を、商品データ及び属性データ保存部604と、商品推定部605とに追加してもよい。
In the sixth embodiment, as shown in FIG. 1, the marketing
Further, the function of narrowing down the product storage position by the product data and storage
なお、商品推定部605及び属性判定部617は、CPUがプログラムを実行することにより実現されてもよい。また、これらの一部又は全部が、ASIC又はFPGA等の集積ロジックICによりハード的に実現されていてもよい。さらに、これらの一部又は全部が、DSP等によりソフトウェア的に実現されていてもよい。
The
実施の形態6に係るマーケティング情報収集装置600は、以上のように構成されているので、商品にRFタグを貼り付けることなく、直接的に購買につながらない、商品を取り上げたもしくは戻した等のマーケティング情報を収集することができる。さらに、商品データ及び属性データ保存部604を設けたため実施の形態3のよりも高速にマーケティング情報を収集できる。
Since the marketing
実施の形態7.
図20は、実施の形態7に係るマーケティング情報収集装置700の構成を概略的に示すブロック図である。
実施の形態7に係るマーケティング情報収集装置700は、撮像部101と、画像取込部102と、フレームメモリ103と、商品データ保存部104と、商品推定部105と、動き方向算出部106と、フレームメモリ107と、マーケティング情報判定及び配信部708と、データ記録部109とを備える。なお、実施の形態7に係る情報処理方法は、実施の形態7に係るマーケティング情報収集装置700により実行される方法である。
実施の形態7に係るマーケティング情報収集装置700は、マーケティング情報判定及び配信部708を除いて、実施の形態1に係るマーケティング情報収集装置100と同様に構成されている。以下では、主に、実施の形態1とは異なるマーケティング情報判定及び配信部708について説明する。
Embodiment 7 FIG.
FIG. 20 is a block diagram schematically showing a configuration of a marketing
The marketing
The marketing
マーケティング情報判定及び配信部708は、商品推定部105から与えられる商品情報と、動き方向算出部106から与えられる動きベクトル情報に基づいて、商品の動きを含むマーケティング情報を生成して、データ記録部109に記憶するマーケティング情報判定部として機能するとともに、このマーケティング情報を外部装置へ送信する送信部としても機能する。例えば、マーケティング情報判定及び配信部708は、Ethernet(登録商標)又はWIFI(Wireless Fidelity)等のネットワーク、又は、専用のインターフェースを介して、POSシステム又は監視レコーダー等に配信する。又は、マーケティング情報判定及び配信部708は、コンビニエンスストアチェーンのように、インターネット等を介して、親企業のサーバー等に送信してもよい。
The marketing information determination and
例えば、マーケティング情報判定及び配信部708は、商品推定部105から渡された商品の有無に従い、客の手に取られた商品がない場合は、何も記録及び配信せず、処理を終了するか、又は、商品がないという情報を記録及び外部へ配信する。商品がある場合は、マーケティング情報判定及び配信部708は、商品名、商品領域情報及び商品の動きの判定結果を含むマーケティング情報を記録及び外部へ配信する。また、記録及び配信されるデータについては、現フレーム画像データと商品領域情報から商品部分を切り出しサムネールとを併せて記録又は配信してもよい。また、記録と配信については、その両方を行っても良いし、どちらかでもよい。
For example, the marketing information determination and
なお、マーケティング情報判定及び配信部708の内、マーケティング情報判定部としての機能については、CPUがプログラムを実行することにより実現されてもよい。また、マーケティング情報判定部としての機能の一部又は全部が、ASIC又はFPGA等の集積ロジックICによりハード的に実現されていてもよい。さらに、マーケティング情報判定部としての機能の一部又は全部が、DSP等によりソフトウェア的に実現されていてもよい。さらに、マーケティング情報判定及び配信部708の内、配信部としての機能については、CPUが、例えば、NIC(Network Interface Card)等の通信装置を制御することで実現することができる。
In addition, about the function as a marketing information determination part among the marketing information determination and
実施の形態7に係るマーケティング情報収集装置700は、以上のように構成されているので、商品にRFタグを貼り付けることなく、直接的に購買につながらない、商品を取り上げた、又は、戻した等のマーケティング情報を収集することができる。さらに、マーケティング情報判定及び配信部708を設けたことにより、マーケティング情報を外部装置へ配信することができる。
Since the marketing
また、実施の形態2から実施の形態6に係る、マーケティング情報判定部を、実施の形態7におけるマーケティング情報判定及び配信部708で置き換えることも可能である。
Further, the marketing information determination unit according to the second to sixth embodiments can be replaced with the marketing information determination and
100,200,300,400,500,600,700 マーケティング情報収集装置、 101 撮像部、 102 画像取込部、 103 フレームメモリ、 104 商品データ保存部、 404,504 商品データ及び保管位置保存部、 604 商品データ及び属性データ保存部、 105,305,405,505,605 商品推定部、 106,306,506 動き方向算出部、 107 フレームメモリ、 108,208,308,508 マーケティング情報判定部、 708 マーケティング情報判定及び配信部、 109 データ記録部、 210 時計部、 311 動領域推定部、 312 フレームメモリ、 513 人物データ保存部、 514 人物推定部、 515 陳列動作検出部、 516 陳列商品情報登録部、 617 属性判定部。 100, 200, 300, 400, 500, 600, 700 Marketing information collection device, 101 imaging unit, 102 image capture unit, 103 frame memory, 104 product data storage unit, 404, 504 product data and storage location storage unit, 604 Product data and attribute data storage unit, 105, 305, 405, 505, 605 Product estimation unit, 106, 306, 506 Motion direction calculation unit, 107 Frame memory, 108, 208, 308, 508 Marketing information determination unit, 708 Marketing information Determination and distribution unit, 109 data recording unit, 210 clock unit, 311 moving region estimation unit, 312 frame memory, 513 person data storage unit, 514 person estimation unit, 515 display operation detection unit, 516 display product information registration unit, 617 Attribute determination unit.
Claims (13)
前記撮像部で撮像された画像に含まれている商品を特定する商品特定部と、
前記商品特定部で特定された商品の動き方向を特定する動き方向特定部と、
前記動き方向特定部で特定された動き方向から、前記商品が前記商品棚から取り上げられたか、又は、前記商品が前記商品棚に戻されたかを判定し、判定結果を含むマーケティング情報を生成するマーケティング情報判定部と、
前記マーケティング情報判定部で生成されたマーケティング情報を記憶するデータ記憶部と、を備えること
を特徴とする情報処理装置。 An imaging unit for sequentially capturing images including a part of the product shelf;
A product identification unit for identifying a product included in the image captured by the imaging unit;
A movement direction identification unit that identifies a movement direction of the product identified by the product identification unit;
Marketing that determines whether the product has been picked up from the product shelf or returned to the product shelf from the movement direction specified by the movement direction specifying unit, and generates marketing information including a determination result An information determination unit;
An information processing apparatus comprising: a data storage unit that stores marketing information generated by the marketing information determination unit.
前記動き方向特定部は、前記商品特定部で順次特定された位置から、前記商品の動き方向を特定し、
前記マーケティング情報判定部は、前記マーケティング情報に、前記商品特定部で特定された商品名を含めること
を特徴とする請求項1に記載の情報処理装置。 The product specifying unit sequentially specifies the product name and position of the product included in the images sequentially captured by the imaging unit,
The movement direction specifying unit specifies the movement direction of the product from the positions sequentially specified by the product specifying unit,
The information processing apparatus according to claim 1, wherein the marketing information determination unit includes the product name specified by the product specifying unit in the marketing information.
前記商品特定部は、前記撮像部で撮像された画像に含まれる複数の領域の特徴量と、前記商品データ記憶部に記憶されている商品の特徴量との類似度を算出し、当該算出された類似度が最も高い商品の商品名及び領域の位置を、前記撮像部で撮像された画像に含まれている商品の商品名及び位置として特定すること
を特徴とする請求項2に記載の情報処理装置。 A product data storage unit for storing the product name of the product displayed on the product shelf and the feature amount of the product;
The product specifying unit calculates a similarity between a feature amount of a plurality of regions included in an image captured by the imaging unit and a feature amount of a product stored in the product data storage unit. 3. The information according to claim 2, wherein the product name and area position of the product having the highest similarity are specified as the product name and position of the product included in the image captured by the imaging unit. Processing equipment.
前記マーケティング情報判定部は、前記マーケティング情報に、前記時計部で計測された日時を含めること
を特徴とする請求項1から3の何れか一項に記載の情報処理装置。 It further includes a clock unit that measures the date and time,
The information processing apparatus according to any one of claims 1 to 3, wherein the marketing information determination unit includes the date and time measured by the clock unit in the marketing information.
前記商品特定部は、前記動領域特定部で特定された領域に含まれている商品の商品名を特定し、
前記動き方向特定部は、前記動領域特定部で順次特定された領域から、前記商品の動き方向を特定し、
前記マーケティング情報判定部は、前記マーケティング情報に、前記商品特定部で特定された前記商品名を含めること
を特徴とする請求項1に記載の情報処理装置。 In the images sequentially picked up by the image pickup unit, further comprising a moving region specifying unit for sequentially specifying a region having movement,
The product specifying unit specifies a product name of a product included in the area specified by the dynamic region specifying unit,
The movement direction identification unit identifies the movement direction of the product from the areas sequentially identified by the movement area identification unit,
The information processing apparatus according to claim 1, wherein the marketing information determination unit includes the product name specified by the product specifying unit in the marketing information.
前記商品特定部は、前記動領域特定部で特定された領域の特徴量と、前記商品データ記憶部に記憶されている商品の特徴量との類似度を算出し、当該算出された類似度が最も高い商品の商品名を、前記動領域特定部で特定された領域に含まれている商品の商品名として特定すること
を特徴とする請求項5に記載の情報処理装置。 A product data storage unit for storing the product name and feature amount of the product displayed on the product shelf;
The product specifying unit calculates a similarity between the feature amount of the region specified by the moving region specifying unit and the feature amount of the product stored in the product data storage unit, and the calculated similarity is The information processing apparatus according to claim 5, wherein the product name of the highest product is specified as the product name of the product included in the area specified by the moving area specifying unit.
前記商品特定部は、前記動領域特定部で特定された領域の位置と、前記商品データ記憶部に記憶されている陳列位置とに基づいて、前記商品データ記憶部に記憶されている商品の特徴量を絞り込み、前記動領域特定部で特定された領域の特徴量と、当該絞り込まれた特徴量との類似度を算出すること
を特徴とする請求項6に記載の情報処理装置。 The product data storage unit further stores a display position of the product on the product shelf,
The product specifying unit is characterized by the product stored in the product data storage unit based on the position of the area specified by the moving region specifying unit and the display position stored in the product data storage unit. The information processing apparatus according to claim 6, wherein the information is narrowed down and a similarity between the feature amount of the area specified by the moving area specifying unit and the reduced feature quantity is calculated.
前記撮像部で撮像された画像に含まれている店舗関係者の存否を判断する人物判断部と、をさらに備え、
前記人物判断部は、前記撮像部で撮像された画像に含まれる複数の領域の特徴量と、前記人物データ保存部が記憶した店舗関係者を表す特徴量との類似度を算出し、当該算出された類似度が予め定められた閾値を超える場合に、店舗関係者が存在すると判断すること
を特徴とする請求項7に記載の情報処理装置。 A person data storage unit for storing feature quantities of store-related persons;
A person determination unit that determines whether or not there is a store related person included in the image captured by the imaging unit,
The person determination unit calculates a similarity between a feature amount of a plurality of regions included in an image captured by the imaging unit and a feature amount representing a store related person stored in the person data storage unit, and calculates the calculation The information processing apparatus according to claim 7, wherein a store-related person is determined to exist if the similarity degree exceeds a predetermined threshold.
前記人物判断部で店舗関係者が存在すると判断された場合に、前記陳列動作検出部で検出された商品陳列動作に基づいて、前記商品特定部で特定された商品の陳列位置を前記商品データ記憶部に記憶させる陳列商品情報登録部と、をさらに備えること
を特徴とする請求項8に記載の情報処理装置。 A display operation detection unit that detects a product display operation on the product shelf when the person determination unit determines that a store-related person exists;
When the person determination unit determines that there is a store related person, the display position of the product specified by the product specifying unit is stored in the product data storage based on the product display operation detected by the display operation detection unit. The information processing apparatus according to claim 8, further comprising a display merchandise information registration unit stored in the unit.
前記商品データ記憶部は、前記商品棚に陳列されている商品の属性をさらに記憶しており、
前記商品特定部は、前記属性判定部で判定された属性で、前記商品データ記憶部に記憶されている商品の特徴量を絞り込み、前記動領域特定部で特定された領域の特徴量と、当該絞り込まれた特徴量との類似度を算出すること
を特徴とする請求項6に記載の情報処理装置。 An attribute determining unit that determines an attribute of a product included in the region from the region specified by the moving region specifying unit;
The product data storage unit further stores an attribute of a product displayed on the product shelf,
The product specifying unit narrows down the feature amount of the product stored in the product data storage unit with the attribute determined by the attribute determination unit, the feature amount of the region specified by the moving region specifying unit, and The information processing apparatus according to claim 6, wherein the similarity with the narrowed-down feature amount is calculated.
を特徴とする請求項10に記載の情報処理装置。 The information processing apparatus according to claim 10, wherein the attribute is at least one of a color and a shape.
を特徴とする請求項1から11の何れか一項に記載の情報処理装置。 The information processing apparatus according to any one of claims 1 to 11, further comprising a transmission unit that transmits the marketing information.
前記撮像された画像に含まれている商品を特定し、
前記特定された商品の動き方向を特定し、
前記特定された動き方向から、前記商品が前記商品棚から取り上げられたか、又は、前記商品が前記商品棚に戻されたかを判定し、判定結果を含むマーケティング情報を生成し、
前記生成されたマーケティング情報を記憶すること
を特徴とする情報処理方法。 Take images sequentially including part of the product shelf,
Identify the product included in the captured image,
Identify the direction of movement of the identified product;
From the identified direction of movement, determine whether the product has been picked up from the product shelf or whether the product has been returned to the product shelf, and generate marketing information including a determination result,
An information processing method characterized by storing the generated marketing information.
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2015078126 | 2015-04-07 | ||
JP2015078126 | 2015-04-07 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2016201105A true JP2016201105A (en) | 2016-12-01 |
Family
ID=57424359
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2016063044A Pending JP2016201105A (en) | 2015-04-07 | 2016-03-28 | Information processor and information processing method |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2016201105A (en) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019171573A1 (en) * | 2018-03-09 | 2019-09-12 | 日本電気株式会社 | Self-checkout system, purchased product management method, and purchased product management program |
CN111126110A (en) * | 2018-10-31 | 2020-05-08 | 杭州海康威视数字技术股份有限公司 | Commodity information identification method, settlement method and device and unmanned retail system |
JP2021047747A (en) * | 2019-09-19 | 2021-03-25 | キヤノンマーケティングジャパン株式会社 | Information processor, method for processing information, and program |
JP2021119475A (en) * | 2020-01-29 | 2021-08-12 | 株式会社マーケットヴィジョン | Narrowing down processing system |
WO2022009305A1 (en) | 2020-07-07 | 2022-01-13 | 楽天グループ株式会社 | Region extraction device, region extraction method, and region extraction program |
JP2022036983A (en) * | 2018-03-09 | 2022-03-08 | 日本電気株式会社 | Self-register system, purchased commodity management method and purchased commodity management program |
JP2022072825A (en) * | 2020-10-30 | 2022-05-17 | 株式会社Vaak | Behavior estimation device, behavior estimation method, program and behavior estimation system |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010536087A (en) * | 2007-08-08 | 2010-11-25 | オラワークス・インコーポレイテッド | Method, terminal, and computer-readable recording medium for acquiring information about product worn by person in image data |
JP2014013629A (en) * | 2013-10-23 | 2014-01-23 | Toshiba Tec Corp | Information processing apparatus and program |
JP2014106628A (en) * | 2012-11-26 | 2014-06-09 | Hitachi Systems Ltd | Consumer needs analyzing system and consumer needs analyzing method |
JP2015041194A (en) * | 2013-08-21 | 2015-03-02 | 株式会社Nttドコモ | User observation system |
-
2016
- 2016-03-28 JP JP2016063044A patent/JP2016201105A/en active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010536087A (en) * | 2007-08-08 | 2010-11-25 | オラワークス・インコーポレイテッド | Method, terminal, and computer-readable recording medium for acquiring information about product worn by person in image data |
JP2014106628A (en) * | 2012-11-26 | 2014-06-09 | Hitachi Systems Ltd | Consumer needs analyzing system and consumer needs analyzing method |
JP2015041194A (en) * | 2013-08-21 | 2015-03-02 | 株式会社Nttドコモ | User observation system |
JP2014013629A (en) * | 2013-10-23 | 2014-01-23 | Toshiba Tec Corp | Information processing apparatus and program |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7327458B2 (en) | 2018-03-09 | 2023-08-16 | 日本電気株式会社 | Self-checkout system, purchased product management method, and purchased product management program |
JPWO2019171573A1 (en) * | 2018-03-09 | 2021-01-14 | 日本電気株式会社 | Self-checkout system, purchased product management method and purchased product management program |
WO2019171573A1 (en) * | 2018-03-09 | 2019-09-12 | 日本電気株式会社 | Self-checkout system, purchased product management method, and purchased product management program |
US11922482B2 (en) | 2018-03-09 | 2024-03-05 | Nec Corporation | Self-checkout system, purchased product management method, and purchased product management program |
JP6992874B2 (en) | 2018-03-09 | 2022-01-13 | 日本電気株式会社 | Self-registration system, purchased product management method and purchased product management program |
JP2022036983A (en) * | 2018-03-09 | 2022-03-08 | 日本電気株式会社 | Self-register system, purchased commodity management method and purchased commodity management program |
CN111126110A (en) * | 2018-10-31 | 2020-05-08 | 杭州海康威视数字技术股份有限公司 | Commodity information identification method, settlement method and device and unmanned retail system |
CN111126110B (en) * | 2018-10-31 | 2024-01-05 | 杭州海康威视数字技术股份有限公司 | Commodity information identification method, settlement method, device and unmanned retail system |
JP2021047747A (en) * | 2019-09-19 | 2021-03-25 | キヤノンマーケティングジャパン株式会社 | Information processor, method for processing information, and program |
JP2021119475A (en) * | 2020-01-29 | 2021-08-12 | 株式会社マーケットヴィジョン | Narrowing down processing system |
WO2022009305A1 (en) | 2020-07-07 | 2022-01-13 | 楽天グループ株式会社 | Region extraction device, region extraction method, and region extraction program |
US11881045B2 (en) | 2020-07-07 | 2024-01-23 | Rakuten Group, Inc. | Region extraction device, region extraction method, and region extraction program |
JP2022072825A (en) * | 2020-10-30 | 2022-05-17 | 株式会社Vaak | Behavior estimation device, behavior estimation method, program and behavior estimation system |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2016201105A (en) | Information processor and information processing method | |
US10628648B2 (en) | Systems and methods for tracking optical codes | |
JP5476955B2 (en) | Image processing apparatus, image processing method, and program | |
US20210397844A1 (en) | Item Identification Method, System and Electronic Device | |
US9124778B1 (en) | Apparatuses and methods for disparity-based tracking and analysis of objects in a region of interest | |
JP5422018B2 (en) | Image processing method and image processing apparatus | |
JP4972491B2 (en) | Customer movement judgment system | |
WO2019171573A1 (en) | Self-checkout system, purchased product management method, and purchased product management program | |
US20170193309A1 (en) | Moving information analyzing system and moving information analyzing method | |
US11514665B2 (en) | Mapping optical-code images to an overview image | |
JP5010937B2 (en) | Image processing apparatus, program, and image processing method | |
CN105938622A (en) | Method and apparatus for detecting object in moving image | |
JP6589321B2 (en) | System, search method and program | |
JPWO2014080613A1 (en) | COLOR CORRECTION DEVICE, COLOR CORRECTION METHOD, AND COLOR CORRECTION PROGRAM | |
US11475673B2 (en) | Image recognition device for detecting a change of an object, image recognition method for detecting a change of an object, and image recognition system for detecting a change of an object | |
US10586115B2 (en) | Information processing device, information processing method, and computer program product | |
Rosado et al. | Supervised learning for Out-of-Stock detection in panoramas of retail shelves | |
JP6500374B2 (en) | Image processing apparatus and image processing program | |
JP2017083980A (en) | Behavior automatic analyzer and system and method | |
CN108229289B (en) | Target retrieval method and device and electronic equipment | |
KR101577751B1 (en) | Method and apparatus for managing information | |
JP2018028784A (en) | Movable body group detection program, movable body group detection device, and movable body group detection method | |
CN113468914A (en) | Method, device and equipment for determining purity of commodities | |
US20210142064A1 (en) | Image processing apparatus, method of processing image, and storage medium | |
JP2016021097A (en) | Image processing device, image processing method, and program |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20170925 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20180921 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20181016 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20190409 |