JP2017054240A - 検出装置、方法及びプログラム - Google Patents

Abstract

【課題】人物の所定反応の検出精度を向上させることができる検出装置、方法及びプログラムを提供することを目的とする。
【解決手段】実施形態の検出装置は、取得部と、識別部と、検出部と、を備える。取得部は、人物を観測した観測データを取得する。識別部は、観測データに基づいて、人物の属性を識別する。検出部は、属性に応じた検出方法で、観測データから人物の所定反応の有無を検出する。
【選択図】図１

Description

本発明の実施形態は、検出装置、方法及びプログラムに関する。

動画等を見た人物がする笑顔などの所定反応を検出し、集計する技術が提案されている。

特開２０１１−２３９１５８号公報

上述したような従来技術では、どのような人物の所定反応を検出する場合であっても画一的な検出方法を用いることになるが、所定反応を表す場合の動作が、全ての人物で共通であることは少ない。このため、上述したような従来技術では、検出対象の人物によっては、所定反応を正しく検出できないおそれがある。

本発明は、上記事情に鑑みてなされたものであり、人物の所定反応の検出精度を向上させることができる検出装置、方法及びプログラムを提供することを目的とする。

実施形態の検出装置は、取得部と、識別部と、検出部と、を備える。取得部は、人物を観測した観測データを取得する。識別部は、前記観測データに基づいて、前記人物の属性を識別する。検出部は、前記属性に応じた検出方法で、前記観測データから前記人物の所定反応の有無を検出する。

第１実施形態の検出装置の例を示す構成図。 第１実施形態の顔検出手法の例の説明図。 第１実施形態の第１記憶部に記憶されている情報の例を示す図。 第１実施形態の第１記憶部に記憶されている情報の例を示す図。 第１実施形態の処理例を示すフローチャート。 第２実施形態の検出装置の例を示す構成図。 第２実施形態の統計情報の例を示す図。 第２実施形態の統計情報の例を示す図。 第２実施形態の統計情報の例を示す図。 第２実施形態の統計情報の例を示す図。 第２実施形態の処理例を示すフローチャート。 各実施形態の検出装置が適用されるシステムの例を示す図。 各実施形態の検出装置が適用されるシステムの例を示す図。 適用例の統計情報の例を示す図。 適用例の統計情報の例を示す図。 各実施形態の検出装置のハードウェア構成例を示す図。

以下、添付図面を参照しながら、実施形態を詳細に説明する。

（第１実施形態）
図１は、第１実施形態の検出装置１０の一例を示す構成図である。図１に示すように、検出装置１０は、入力部１１と、取得部１３と、識別部１５と、第１記憶部１７と、検出部１９と、出力部２１と、を備える。

入力部１１は、例えば、動画像を撮像可能なビデオカメラや静止画を連続して撮像可能なカメラなどの撮像装置により実現できる。取得部１３、識別部１５、検出部１９、及び出力部２１は、例えば、ＣＰＵ（Central Processing Unit）などの処理装置にプログラムを実行させること、即ち、ソフトウェアにより実現してもよいし、ＩＣ（Integrated Circuit）などのハードウェアにより実現してもよいし、ソフトウェア及びハードウェアを併用して実現してもよい。第１記憶部１７は、例えば、ＨＤＤ（Hard Disk Drive）、ＳＳＤ（Solid State Drive）、メモリカード、光ディスク、ＲＯＭ（Read Only Memory）、及びＲＡＭ（Random Access Memory）などの磁気的、光学的、又は電気的に記憶可能な記憶装置により実現できる。

入力部１１は、所定反応の検出対象の人物を観測した観測データを入力する。観測データは、所定反応の検出対象の人物を撮像した撮像画像を含む。また、観測データは、所定反応の検出対象の人物が発生した音声、及び当該人物の個人情報の少なくともいずれかを更に含んでいてもよい。個人情報は、例えば、性別、年齢、国籍、及び氏名などが挙げられるが、これらに限定されるものではない。

観測データが音声を含む場合、入力部１１を、撮像装置に加え、マイクなどの音声入力装置で実現してもよいし、音声入力も可能な（音声入力装置を備える）撮像装置で実現してもよい。また、観測データが個人情報を含み、所定反応の検出対象の人物が所持するスマートフォン、タブレット端末、携帯電話、及びＩＣカードなどの記憶媒体に当該個人情報が記憶されている場合、入力部１１を、撮像装置に加え、近距離無線通信装置などの通信装置で実現し、当該記憶媒体から近距離無線通信で当該個人情報を取得するようにすればよい。また、観測データが個人情報を含み、表示制御装置１０が備える記憶装置に当該個人情報が記憶されている場合、入力部１１を、撮像装置に加え、当該記憶装置で実現すればよい。

所定反応は、人物が行う反応であればどのような反応であってもよく、例えば、笑う、驚く、困る、しかめる、感心する、注視する、文字を読む、及び立ち去るなどが挙げられるが、これらに限定されるものではない。

取得部１３は、所定反応の検出対象の人物を観測した観測データを取得する。具体的には、取得部１３は、入力部１１から、所定反応の検出対象の人物の観測データを取得する。

識別部１５は、取得部１３により取得された観測データに基づいて、所定反応の検出対象の人物の属性を識別する。属性としては、性別、年齢、年代（子供、成人、老人などの年代によるカテゴリ含む）、人種、及び氏名の少なくともいずれかなどが挙げられる。

例えば、識別部１５が、観測データに含まれる撮像画像から所定反応の検出対象の人物の属性を識別する場合、図２に示すように、撮像画像３１から顔矩形３３を検出し、検出した顔矩形３３内の顔画像に基づいて、属性を識別する。

なお、顔矩形の検出は、例えば、Takeshi Mita, Toshimitsu Kaneko, Bjorn Stenger, Osamu Hori: “Discriminative Feature Co-Occurrence Selection for Object Detection”. IEEE Transaction Pattern Analysis and Machine Intelligence Volume 30, Number 7, July 2008, pp. 1257-1269に開示された手法を用いればよい。

また、顔画像に基づく属性の識別は、例えば、Tomoki Watanabe, Satoshi Ito, Kentaro Yoko: “Co-occurrence Histogram of Oriented Gradients for Human Detection”, IPSJ Transaction on Computer Vision and Applications Volume 2 March 2010, pp.39-47（以下、「参考文献」と称する場合がある）に開示された手法を応用すればよい。なお、参考文献は、２クラス識別器を用いて、入力されたパターンが「人物」であるか「非人物」であるかを識別するものであるため、３種類以上を識別する場合には、２クラス識別器を２以上用いればよい。

例えば、属性が性別の場合、男性か女性かを識別できればよいため、「男性」であるか「女性」であるかを識別する２クラス識別器を用いて、顔矩形３３内の顔画像の人物が「男性」であるか「女性」であるかを識別すればよい。

また例えば、属性が年代であり、２０才未満、２０才以上かつ６０才未満、６０才以上の３カテゴリを識別するのであれば、「２０才未満」であるか「２０才以上」であるかを識別する２クラス識別器と、「６０才未満」であるか「６０才以上」であるかを識別する２クラス識別器と、を用いて、顔矩形３３内の顔画像の人物が「２０才未満」であるか、「２０才以上かつ６０才未満」であるか、「６０才以上」であるかを識別すればよい。

なお、属性が氏名である場合、顔画像に基づく属性の識別として、例えば、特開２００６−２２１４７９号公報に開示された顔認識による個人識別手法を用いればよい。

また例えば、観測データに個人情報が含まれる場合、識別部１５が、当該個人情報を用いて属性を識別してもよい。

第１記憶部１７は、属性毎に当該属性に応じた検出方法を対応付けて記憶する。これは、同一の所定反応であっても当該所定反応を表す動作が人物の属性に応じて異なることが多く、単一の検出方法では、所定反応を正しく検出できないためである。なお第１実施形態では、動作には、顔や手など体の部位の動きだけでなく、表情変化も含まれる。

例えば、所定反応が笑うという反応である場合、子供であれば、大きな口を開け大声をあげるなどの動作で笑うという反応を表現し、大人であれば、口元が動く程度の表情変化で笑うという反応を表現する。また、欧米人であれば、目を見開いて手を叩くなどの動作で笑うという反応を表現し、アジア人に比べ笑う際の動作が大きくなる傾向にある。

このように、同一の反応であっても人物の属性に応じて当該反応を表現する動作は異なるため、第１実施形態では、属性毎に、所定反応を表現する当該属性特有の動作を検出することで、当該所定反応を検出する検出方法を用意している。所定反応を表現する動作としては、例えば、所定反応を示唆する表情変化、顔の動作、及び手の動作の少なくともいずれかなどが挙げられるが、これらに限定されるものではない。

ここで、例えば、所定反応の有無を検出するアルゴリズムや検出器が属性毎に異なる場合には、属性に対応付けられている検出方法は、当該アルゴリズムや当該検出器そのものとなる。

また例えば、アルゴリズムや検出器そのものは属性によらず共通であるが、当該アルゴリズムや当該検出器で用いる辞書データが属性によって異なる場合には、属性に対応付けられている検出方法は、当該属性用の辞書データとなる。辞書データは、大量のサンプルデータを統計処理（学習）することで得られるトレーニングデータなどが挙げられる。

なお、第１記憶部１７は、図３に示すように、属性毎に当該属性に応じた１つの検出方法を対応付けて記憶してもよいし、図４に示すように、属性毎に当該属性に応じた１つ以上の検出方法を対応付けて記憶してもよい。

属性に１つ以上の検出方法を対応付ける例としては、所定反応の有無を単一の検出方法で検出できない場合が挙げられる。例えば、所定反応が笑うである場合、笑うには大笑いや微笑が含まれるが、単一の検出方法では、大笑いについては正しく検出できるが、微笑については正しく検出できないような場合には、大笑い用の検出方法と、微笑用の検出方法と、を属性に対応付ける。

但し、全ての属性で、大笑い用の検出方法と微笑用の検出方法とを対応付ける必要はなく、単一の検出方法では大笑い及び微笑の双方を正しく検出できない属性については、大笑い用の検出方法と微笑用の検出方法とを対応付け、単一の検出方法で大笑い及び微笑の双方を正しく検出できる属性については、笑い用の単一の検出方法を対応付ければよい。

また、属性に１つ以上の検出方法を対応付ける他の例としては、所定反応の有無を複数の検出方法で検出できる場合が挙げられる。例えば、所定反応が笑うである場合に、笑い用の検出方法が複数存在する場合などである。

検出部１９は、識別部１５により識別された属性に応じた検出方法で、取得部１３により取得された観測データから、検出対象の人物の所定反応の有無を検出する。具体的には、検出部１９は、第１記憶部１７から、識別部１５により識別された属性に対応付けられた１以上の検出方法を取得し、当該１以上の検出方法で、取得部１３により取得された観測データ（詳細には、撮像画像）から、検出対象の人物の所定反応の有無を検出する。

第１実施形態では、第１記憶部１７に記憶されている検出方法が辞書データであり、検出部１９が、共通の検出器に第１記憶部１７から取得した辞書データを用いて、検出対象の人物の所定反応の有無を検出するものとする。また、検出部１９が用いる検出器の検出手法については、参考文献で説明したような２クラス識別器による検出手法とすることができる。

この場合、検出部１９の検出結果は、０〜１の間の値で表され、値が１に近いほど、検出対象の人物の所定反応を検出したという確度が高くなり、値が０に近いほど、検出対象の人物の所定反応を検出したという確度が低くなる。このため、検出部１９は、例えば、検出結果が閾値を超えれば、検出対象の人物の所定反応を検出し、検出結果が閾値未満であれば、検出対象の人物の所定反応を検出しなかったとなる。

なお、取得部１３により取得された観測データに音声が含まれる場合、検出部１９は、撮像画像を用いた検出対象の人物の所定反応の有無の検出、及び音声を用いた検出対象の人物の所定反応の有無の検出の少なくともいずれかを用いればよい。

例えば、所定反応が笑うという反応であり、属性が子供（例えば、年齢が２０才未満）であれば、撮像画像を用いた検出対象の人物の所定反応の有無の検出は、大きな口を開けるという動作を検出することによる笑いの有無の検出となり、音声を用いた検出対象の人物の所定反応の有無の検出は、大声をあげるという動作を検出することによる笑いの有無の検出となる。

例えば、検出部１９は、撮像画像を用いた検出対象の人物の所定反応の有無の検出結果と、音声を用いた検出対象の人物の所定反応の有無の検出結果と、を統合して、閾値処理し、検出対象の人物の所定反応の有無を判定してもよい。

また例えば、検出部１９は、撮像画像を用いた検出対象の人物の所定反応の有無の検出結果と、音声を用いた検出対象の人物の所定反応の有無の検出結果とを、それぞれ閾値処理し、双方の検出結果が閾値を超えた場合やいずれかの検出結果が閾値を超えた場合に、検出対象の人物の所定反応を検出したとしてもよい。

なお、検出部１９は、複数の検出方法を用いて検出対象の人物の所定反応の有無を検出した場合にも、観測データに音声が含まれる場合と同様の手法で、検出対象の人物の所定反応の検出有無を確定すればよい。

出力部２１は、検出部１９の検出結果を出力する。例えば、出力部２１は、図示せぬディスプレイなどに、検出対象の人物の所定反応を検出したか、検出しなかったかを出力する。なお、検出装置１０が、図示せぬディスプレイ上に表示されている動画や静止画を見ている人物の所定反応（例えば、笑う）の有無を検出するものであれば、当該動画や当該静止画上に所定反応を検出したか、検出しなかったかを示す情報を重畳して表示してもよい。

また、検出部１９は、所定反応の検出の有無に加え、識別部１５により識別された属性、日時、検出装置１０の設置場所、及び検出装置１０の管理番号の少なくともいずれかなどを出力してもよい。

図５は、第１実施形態の処理の手順の流れの一例を示すフローチャートである。

まず、取得部１３は、入力部１１から、所定反応の検出対象の人物の観測データを取得する（ステップＳ１０１）。

続いて、識別部１５は、取得部１３により取得された観測データに含まれる撮像画像に対する顔検出を行う（ステップＳ１０３）。顔検出により顔を検出できなかった場合（ステップＳ１０３でＮｏ）、処理は終了となる。

一方、顔検出により顔を検出できた場合、即ち、所定反応の検出対象の人物の顔を検出できた場合（ステップＳ１０３でＹｅｓ）、識別部１５は、検出した顔（顔画像）に基づいて、所定反応の検出対象の人物の属性を識別する（ステップＳ１０５）。

続いて、検出部１９は、第１記憶部１７から、識別部１５により識別された属性に対応付けられた１以上の検出方法を取得し、所定反応の検出方法を当該１以上の検出方法に決定する（ステップＳ１０７）。

続いて、検出部１９は、決定した１以上の検出方法で、検出対象の人物の所定反応の有無を検出する（ステップＳ１０９）。

続いて、出力部２１は、検出部１９の検出結果を出力する（ステップＳ１１１）。

以上のように第１実施形態によれば、所定反応の検出対象の人物の属性に応じた検出方法で当該所定反応の有無を検出するので、人物の所定反応の検出精度を向上させることができる。特に第１実施形態によれば、人物の属性に応じて所定反応を表現する動作が異なるような場合であっても、人物に依存せずに、所定反応の有無を正しく検出することができる。

（第２実施形態）
第２実施形態では、検出結果を集計する例について説明する。以下では、第１実施形態との相違点の説明を主に行い、第１実施形態と同様の機能を有する構成要素については、第１実施形態と同様の名称・符号を付し、その説明を省略する。

図６は、第２実施形態の検出装置１１０の構成の一例を示す図である。図６に示すように、検出装置１１０は、第２記憶部１２３、集計部１２５、及び出力部１２１が第１実施形態と相違する。

第２記憶部１２３は、例えば、ＨＤＤ、ＳＳＤ、メモリカード、光ディスク、ＲＯＭ、及びＲＡＭなどの磁気的、光学的、又は電気的に記憶可能な記憶装置により実現できる。集計部１２５は、例えば、ＣＰＵなどの処理装置にプログラムを実行させること、即ち、ソフトウェアにより実現してもよいし、ＩＣなどのハードウェアにより実現してもよいし、ソフトウェア及びハードウェアを併用して実現してもよい。

第２記憶部１２３は、複数の人物の所定反応の有無の検出結果を集計した統計情報を記憶する。

集計部１２５は、複数の人物の所定反応の有無の検出結果を集計して、統計情報を生成する。具体的には、集計部１２５は、第２記憶部１２３から前回までの統計情報を取得し、検出部１９により新たに検出された人物の所定反応の有無の検出結果を、取得した統計情報に反映する。

例えば、統計情報は、図７に示すように、識別部１５により識別された属性毎に、人物の所定反応の検出有無を集計した情報が挙げられる。

また例えば、統計情報は、図８に示すように、識別部１５により識別された属性及び当該属性に対応付けられた検出方法（図４参照）毎に、所定反応が検出された人物の人数を集計した情報が挙げられる。なお、図８に示す例では、識別部１５により識別された属性毎に所定反応が検出されなかった人物の人数の集計結果を示すカラム（行）も含まれているが、含めなくてもよい。

また例えば、統計情報は、図９に示すように、時間帯毎に、人物の所定反応の検出有無を集計した情報が挙げられる。この場合、検出部１９は、検出結果に検出を行った日時を含めておけばよい。

また例えば、統計情報は、図１０に示すように、時間帯、識別部１５により識別された属性、及び当該属性に対応付けられた検出方法（図４参照）毎に、所定反応が検出された人物の人数を集計した情報が挙げられる。なお、図１０に示す例では、時間帯及び識別部１５により識別された属性毎に、所定反応が検出されなかった人物の人数の集計結果を示すカラム（行）も含まれているが、含めなくてもよい。

そして集計部１２５は、反映後の統計情報で第２記憶部１２３に記憶されている統計情報を更新するとともに、出力部１２１に出力する。

出力部１２１は、集計部１２５により生成された統計情報を出力する。なお、出力手法については、第１実施形態と同様とすればよい。

図１１は、第２実施形態の処理の手順の流れの一例を示すフローチャートである。

まず、ステップＳ２０１〜Ｓ２０９までの処理は、図５のフローチャートのステップＳ１０１〜Ｓ１０９までの処理と同様である。

続いて、ステップＳ２１０では、集計部１２５は、第２記憶部１２３から前回までの統計情報を取得し、検出部１９により新たに検出された人物の所定反応の有無の検出結果を、取得した統計情報に反映することで、検出結果を集計する（ステップＳ２１０）。

続いて、出力部１２１は、集計部１２５により生成された最新の統計情報を出力する（ステップＳ２１１）。

以上のように第２実施形態でも第１実施形態と同様の効果を奏する。特に第２実施形態によれば、第１実施形態同様、人物に依存せずに、所定反応の有無を正しく検出することができるので、複数の人物による所定反応の有無の統計を精度よく集計することができる。

（適用例）
第１実施形態で説明した検出装置１０及び第２実施形態で説明した検出装置１１０の具体的な適用例について説明する。ここでは、第２実施形態で説明した検出装置１１０の適用例について説明するが、第１実施形態で説明した検出装置１０も同様に適用できる。

第２実施形態で説明した検出装置１１０は、例えば、図１２に示すような、人物１３０などポスター１４０の内容を見た人物の所定反応の有無を集計するシステムに適用できる。なお、ポスター１４０は、ディスプレイに表示された静止画であってもよい。また、図１２に示す例では、入力部１１は、検出装置１１０に外付けされている。

また例えば、第２実施形態で説明した検出装置１１０は、図１３に示すような、人物１３０などディスプレイ１５０に表示された動画の内容を見た人物の所定反応の有無を集計するシステムに適用できる。なお、図１３に示す例でも、入力部１１は、検出装置１１０に外付けされている。

なお、図１３に示すように、動画の内容を見た人物の所定反応の有無を検出したり、集計したりする場合、ディスプレイ１５０に表示されている動画像のフレーム番号や先頭フレームを再生してからの経過時刻などが動画像の再生制御部（図示省略）から検出部１９に出力されることが好ましい。

図１４は、統計情報の一例を示す図であり、動画像を再生してからの経過時間毎に、人物の所定反応である「笑う」の検出有無を集計した情報となっている。

図１５は、統計情報の他の例を示す図であり、動画像を再生してからの経過時間、識別部１５により識別された属性、及び当該属性に対応付けられた検出方法毎に、所定反応である「笑う」が検出された人物の人数を集計した情報となっている。

なお、図１５に示す例では、属性が「子供」、「成人」、「老人」となっているが、これは、第１実施形態で説明した２０才未満を「子供」、２０才以上かつ６０才未満を「成人」、６０才以上を「老人」として、識別部１５が属性を識別すればよい。

また、図１５に示す例では、属性毎に、検出方法として、大笑い用の検出方法（検出器）と微笑用の検出方法（検出器）とが対応付けられていることになる。検出方法毎の集計方法としては、微笑用の検出方法で微笑と検出され、大笑い用の検出方法で大笑いと検出されない場合、微笑に集計し、微笑用の検出方法で微笑と検出されず、大笑い用の検出方法で大笑いと検出された場合、大笑いに集計し、微笑用の検出方法で微笑と検出されず、大笑い用の検出方法で大笑いと検出されない場合、笑わないに集計すればよい。なお、微笑用の検出方法で微笑と検出され、大笑い用の検出方法で大笑いと検出された場合、検出値（検出結果の値）の大きい方に集計すればよい。

（ハードウェア構成）
図１６は、上記各実施形態の検出装置のハードウェア構成の一例を示す図である。図１６に示すように、上記各実施形態の検出装置は、ＣＰＵなどの制御装置９０１と、ＲＯＭやＲＡＭなどの主記憶装置９０２と、ＨＤＤやＳＳＤなどの補助記憶装置９０３と、ディスプレイなどの表示装置９０４と、ビデオカメラやマイクなどの入力装置９０５と、通信インタフェースなどの通信装置９０６と、を備えており、通常のコンピュータを利用したハードウェア構成となっている。

上記各実施形態の検出装置で実行されるプログラムは、インストール可能な形式又は実行可能な形式のファイルでＣＤ−ＲＯＭ、ＣＤ−Ｒ、メモリカード、ＤＶＤ（Digital Versatile Disk）、フレキシブルディスク（ＦＤ）等のコンピュータで読み取り可能な記憶媒体に記憶されて提供される。

また、上記各実施形態の検出装置で実行されるプログラムを、インターネット等のネットワークに接続されたコンピュータ上に格納し、ネットワーク経由でダウンロードさせることにより提供するようにしてもよい。また、上記各実施形態の検出装置で実行されるプログラムを、インターネット等のネットワーク経由で提供または配布するようにしてもよい。また、上記各実施形態の検出装置で実行されるプログラムを、ＲＯＭ等に予め組み込んで提供するようにしてもよい。

上記各実施形態の検出装置で実行されるプログラムは、上述した各部をコンピュータ上で実現させるためのモジュール構成となっている。実際のハードウェアとしては、ＣＰＵがＲＯＭやＨＤＤなどからプログラムをＲＡＭ上に読み出して実行することにより、上記各部がコンピュータ上で実現されるようになっている。

本発明は、上記各実施形態そのままに限定されるものではなく、実施段階ではその要旨を逸脱しない範囲で構成要素を変形して具体化することができる。また、上記各実施形態に開示されている複数の構成要素の適宜な組み合わせにより、種々の発明を形成することができる。例えば、上記各実施形態に示される全構成要素からいくつかの構成要素を削除してもよい。さらに、異なる実施形態にわたる構成要素を適宜組み合わせても良い。

例えば、実施形態のフローチャートにおける各ステップを、その性質に反しない限り、実行順序を変更し、複数同時に実施し、あるいは実施毎に異なった順序で実施してもよい。

以上のように、上記各実施形態によれば、人物の所定反応の検出精度を向上させることができる。

１０、１１０ 検出装置
１１ 入力部
１３ 取得部
１５ 識別部
１７ 第１記憶部
１９ 検出部
２１、１２１ 出力部
１２３ 第２記憶部
１２５ 集計部

Claims (13)

1. 人物を観測した観測データを取得する取得部と、
   前記観測データに基づいて、前記人物の属性を識別する識別部と、
   前記属性に応じた検出方法で、前記観測データから前記人物の所定反応の有無を検出する検出部と、
   を備える検出装置。
2. 前記属性は、性別、年齢、年代、人種、及び氏名の少なくともいずれかを含む請求項１に記載の検出装置。
3. 前記検出部は、属性毎に当該属性に応じた１以上の検出方法を対応付けて記憶する記憶部から、前記人物の属性に対応付けられた１以上の検出方法を取得し、当該１以上の検出方法で前記所定反応を検出する請求項１又は２に記載の検出装置。
4. 前記検出方法は、前記所定反応を示唆する表情変化、顔の動作、及び手の動作の少なくともいずれかを検出する請求項１〜３のいずれか１つに記載の検出装置。
5. 検出結果を出力する出力部を更に備える請求項１〜４のいずれか１つに記載の検出装置。
6. 複数の人物の前記所定反応の有無の検出結果を集計して、統計情報を生成する集計部と、
   前記統計情報を出力する出力部と、
   を更に備える請求項１〜４のいずれか１つに記載の検出装置。
7. 前記統計情報は、前記属性又は時間帯毎の前記所定反応の検出有無を集計した情報である請求項６に記載の検出装置。
8. 前記統計情報は、前記属性及び当該属性に対応付けられた検出方法毎に前記所定反応が検出された人数を集計した情報である請求項６に記載の検出装置。
9. 前記統計情報は、時間帯、前記属性、及び当該属性に対応付けられた検出方法毎に前記所定反応が検出された人数を集計した情報である請求項６に記載の検出装置。
10. 前記観測データは、前記人物を撮像した撮像画像を含む請求項１〜９のいずれか１つに記載の検出装置。
11. 前記観測データは、前記人物が発生した音声、及び前記人物の個人情報の少なくともいずれかを更に含む請求項１０に記載の検出装置。
12. 人物を観測した観測データを取得する取得ステップと、
    前記観測データに基づいて、前記人物の属性を識別する識別ステップと、
    前記属性に応じた検出方法で、前記観測データから前記人物の所定反応の有無を検出する検出ステップと、
    を含む検出方法。
13. 人物を観測した観測データを取得する取得ステップと、
    前記観測データに基づいて、前記人物の属性を識別する識別ステップと、
    前記属性に応じた検出方法で、前記観測データから前記人物の所定反応の有無を検出する検出ステップと、
    をコンピュータに実行させるためのプログラム。

Images