JP2017076171A - 万引き検出システム、万引き検出方法及び万引き検出プログラム - Google Patents

Abstract

【課題】初期コストを抑えて万引行為を防止する、万引き検出システム、万引き検出方法及び万引き検出プログラムを提供する。
【解決手段】万引き防止システム１は、小売店等の店舗サイト１０と、店舗サイト１０の映像カメラで撮影された映像データを受信して分析し、解析結果に基づき万引き疑い行為を検出・防止するクラウドサイト２０と、を備える。店舗サイト１０と通信可能なクラウドサイト２０に、万引き疑い行為の発生を検出・防止するための特徴値抽出分析装置２０１及び万引防止装置２０２を備える。
【選択図】図１

Description

本発明は、万引行為を検出・防止するための技術に関する。

現在、小売店等の各店舗で発生する万引行為を検知するため、進化型万引き動作検知カメラシステム（通称、サブローくんＡ）を利用することができる。該サブローくんＡでは、監視カメラの映像から人物を特定し、該人物の動作が事前に定義された行動項目ルールに該当する場合、その動作を不審な動作つまり万引き疑い行為として検知し、店舗の店員に通知又は警告する。その後、該通知を受けた店員が該万引き疑い行為を行った人物に声掛け等を行い、万引きを実行する前に注意喚起することにより、万引行為を未然に防止している。

"サブローくんＡ"、［online］、［平成27年10月2日検索］、＜URL:http://www.saburo-kun.jp/＞

しかし、上述したサブローくんＡの場合、映像解析を行う専用ソフト及び専用端末を店舗で購入・設置する必要があるため、システム導入時に多大な初期コストがかかってしまう。また、事前に定義された行動項目ルールに基づき不審な動作を判定するため、該定義に該当しない新たな不審動作に起因する万引き疑い行為を検出することができない。さらに、映像の分析結果のみに基づき万引き疑い行為を検知するため、その検知精度は低く、万引していない人に対して誤って声掛けする状況が頻発し、実運用には不向きであった。

本発明は、上記事情を鑑みてなされたものであり、初期コストを抑えて万引行為を防止することを目的とする。

以上の課題を解決するため、本発明の万引き検出システムは、店舗に通信可能なネットワーク上に、前記店舗の監視カメラで撮影された画像データを受信し、前記画像データから人物に係る特徴値を抽出する抽出手段と、前記特徴値が、画像データの特徴値を用いて事前に定義された万引き疑い行為に係るルールに該当するか否かに基づき、前記人物による万引き疑い行為の発生を検出する第１の検出手段と、を備えることを要旨とする。

また、本発明の万引き検出システムは、店舗に通信可能なネットワーク上に、前記店舗の監視カメラで撮影された画像データを受信し、前記画像データから人物に係る特徴値を抽出する抽出手段と、複数の画像フレームに係る特徴値の集合を特徴ベクトルとし、前記人物が含まれる画像フレームに係る特徴ベクトルと過去の画像フレームに係る特徴ベクトルとの差の大きさに基づき、前記人物による万引き疑い行為の発生を検出する第１の検出手段と、を備えることを要旨とする。

また、本発明の万引き検出方法は、店舗に通信可能なネットワーク上に配置された万引き検出システムで行う万引き検出方法において、前記万引き検出システムは、前記店舗の監視カメラで撮影された画像データを受信し、前記画像データから人物に係る特徴値を抽出するステップと、前記特徴値が、画像データの特徴値を用いて事前に定義された万引き疑い行為に係るルールに該当するか否かに基づき、前記人物による万引き疑い行為の発生を検出するステップと、を備えることを要旨とする。

また、本発明の万引き検出方法は、店舗に通信可能なネットワーク上に配置された万引き検出システムで行う万引き検出方法において、前記万引き検出システムは、前記店舗の監視カメラで撮影された画像データを受信し、前記画像データから人物に係る特徴値を抽出するステップと、複数の画像フレームに係る特徴値の集合を特徴ベクトルとし、前記人物が含まれる画像フレームに係る特徴ベクトルと過去の画像フレームに係る特徴ベクトルとの差の大きさに基づき、前記人物による万引き疑い行為の発生を検出するステップと、を備えることを要旨とする。

また、本発明の万引き検出プログラムは、請求項１乃至４のいずれかに記載の万引き検出システムとしてコンピュータを機能させることを要旨とする。

本発明によれば、初期コストを抑えて万引行為を防止することができる。

万引き防止システムの全体構成を示す図である。 万引き防止方法の処理フローを示す図である。 万引き防止システムの全体構成（別の実施形態）を示す図である。 万引き防止システムの全体構成（別の実施形態）を示す図である。

上述した課題を解決するため、本発明では、近年進展しているクラウド技術・ビッグデータ分析技術等を活用して監視カメラの映像を分析し、その分析結果に基づき万引き疑い行為を検出・防止する。

具体的に、SaaS（Software as a Service）型のクラウドサービスでは、様々なアプリケーションがネットワークを経由して提供されている。例えば、ERPやCRM等の業務系アプリケーション、メールやWeb等の情報系アプリケーションが提供されている。そのため、ユーザは、クラウド事業者と契約することにより、自らインフラ設備を保持することなく、上述したアプリケーションをサービスとして利用することができる。

また、近年では、クラウド上の計算リソースを用いて様々なビッグデータを分析する技術も普及している。例えば、購買履歴から所定の顧客に特定の商品を推薦する場合、HadoopやJubatus等の分析技術が利用されている。特にJubatusは、リアルタイムデータをオンラインで分析可能な技術であり、カメラ映像のストリームデータ、ツイッター等のツイートデータといったリアルタイムデータをオンラインで分析することができる。一方、Hadoopは、かかるリアルタイムデータの分析処理をバッチ処理として行うための技術である。

以下、本発明を実施する一実施の形態について図面を用いて説明する。本実施の形態では、一例として、クラウド上のSaaSアプリケーションとして“商品管理アプリケーション”を用い、オンライン型のビッグデータ分析技術として“Jubatus”を用いる場合について説明する。

図１は、万引き防止システム１の全体構成を示す図である。該万引き防止システム１は、小売店等の店舗サイト１０と、店舗サイト１０の映像カメラで撮影された映像データを受信して分析し、該解析結果に基づき万引き疑い行為を検出・防止するクラウドサイト２０と、を備えて構成される。店舗サイト１０とクラウドサイト２０は、インターネット等のネットワーク３０を介して相互通信可能に接続されている。

まず、店舗サイト１０の装置構成について説明する。店舗サイト１０は、監視カメラ１０１と、売上管理端末１０２と、外部接続装置１０３と、を備えて構成される。店舗サイト１０は、１つでもよいし、複数でもよい。

監視カメラ１０１は、店舗の天井、壁、出入口等に設置されるネットワークカメラである。店舗内又は店舗外を常時撮影し、撮影した映像をストリームデータでクラウドサイト２０へ送信する。

売上管理端末１０２は、商品の販売・売上状況を管理するための専用端末である。店員による会計処理等に基づき入力された商品の販売・売上データをクラウドサイト２０の“商品管理アプリケーション”へ通知する。

外部接続装置１０３は、監視カメラ１０１及び売上管理端末１０２をネットワーク３０に接続するための通信機器・ネットワーク機器である。例えば、通信モデム、ルータ、スイッチである。

ここまで、店舗サイト１０の構成装置について説明した。かかる装置群としては、小売店等に既存の装置を用いて実現可能である。つまり、小売店等の店舗では、クラウドサイト２０に存在する既存システムを活用して万引き疑い行為を防止できるので、システム導入時の初期コストを抑制することができる。

なお、店舗サイト１０の各店員は、万引き疑い行為の発生を受信するための携帯端末１０４を保持する。この携帯端末１０４は、ネットワーク３０を介して、店舗サイト１０とクラウドサイト２０にそれぞれ相互通信可能に接続されている。

次に、クラウドサイト２０の装置構成について説明する。クラウドサイト２０は、特徴値抽出分析装置２０１と、万引防止装置２０２と、商品管理装置２０３と、商品データベース２０４と、外部接続装置２０５と、を備えて構成される。

特徴値抽出分析装置２０１は、店舗サイト１０の管理カメラ１０１で撮影された映像ストリームデータを受信し、該映像ストリームデータから人物の位置、向き、視線方向等の特徴値を抽出する。また、“Jubatus”を用いて該特徴値をリアルタイムに分析し、万引き疑い行為の発生を検出する。

万引防止装置２０２は、特徴値抽出分析装置２０１で万引き疑い行為の発生が検出された後、該万引き疑い行為の発生に係る検出精度を高めるため、商品データベース２０４の商品在庫数（店舗サイト１０の陳列棚にあるべき本来の商品数）と店舗サイト１０の商品在庫数（陳列棚にある実際の商品数）とを照合し、互いの商品在庫数にずれがあるか否かに基づき万引き疑い行為の発生を改めて検出する。また、互いの商品在庫数にずれがある場合、万引き疑い行為が発生した旨を店員の携帯端末１０４へ通知する。

商品管理装置２０３は、“商品管理アプリケーション”を実行し、店舗サイト１０の売上管理端末１０２から送信された商品の売上情報・陳列情報等に基づき、商品データベース２０４で管理されている該商品の店舗サイトにおける商品在庫数を更新する。

商品データベース２０４は、店舗サイト１０に残されている商品の在庫数を管理する。具体的には、売上管理端末１０２から商品の売上情報が通知された場合、該売上情報（売上数）に応じて該商品の在庫数をマイナスし、商品の陳列情報が通知された場合、該陳列情報（追加した陳列数）に応じて該商品の在庫数をプラスする。

外部接続装置２０５は、特徴値抽出分析装置２０１、万引防止装置２０２及び商品管理装置２０３をネットワーク３０に接続するための通信機器・ネットワーク機器である。例えば、外部接続装置１０３と同様に、通信モデム、ルータ、スイッチを用いる。

ここまで、クラウドサイト２０の構成装置について説明した。商品管理装置２０３と商品データベース２０４は、“商品管理アプリケーション”を実行するクラウド上の既存サーバを用いて実現可能である。それゆえ、本実施の形態では、特徴値抽出分析装置２０１と万引防止装置２０２をクラウド上に新たに設け、万引き疑い行為の発生を各装置２０１，２０２でそれぞれ実施することを特徴としている。これにより、万引き疑い行為の発生が２段階で検出されるので、該発生に対する検出精度を高めることができる。

なお、特徴値抽出分析装置２０１と万引防止装置２０２がそれぞれ備える各機能を１つの装置又は１つのシステムで実現してもよいし、全ての機能を個々の装置で実現してもよい。また、特徴値抽出分析装置２０１と万引防止装置２０２は、CPU等の演算機能やメモリ等の記憶機能を備えたコンピュータで実現可能である。さらに、そのコンピュータを機能させるためのプログラムや該プログラムの記憶媒体を作成することも可能である。

次に、万引き防止システム１で行う万引き防止方法について説明する。図２は、万引き防止方法の処理フローを示す図である。予め概説すると、クラウドサイト２０において、OpenCVを用いて人物の姿勢等に係る画像上の特徴値を抽出し、“Jubatus”を用いて万引行為でない通常時の特徴値とのずれから異常行動を検出する。さらに、該検出が行われた後、商品データベース２０４で管理する商品在庫数とカメラ映像から検出した店舗サイト１０での実際の商品在庫数とを照合することにより、万引き疑い行為の発生に係る検出精度を高めるようにする。

まず、ステップＳ１において、万引き疑い行為の検出処理とは別に、店舗サイト１０の売上管理端末１０２は、ネットワーク３０を介して、商品の売上情報又は陳列情報をクラウドサイト２０の“商品管理アプリケーション”へ通知する。該“商品管理アプリケーション”には、ERP等の業務アプリケーションソフトがSaaSアプリケーションとして提供されている。そのため、該“商品管理アプリケーション”を実行する商品管理装置２０３では、売上管理端末１０２から通知された売上情報又は陳列情報をバックエンドの商品データベース２０４に反映する。例えば、売上情報の場合、商品の売上数が会計時に通知され、該商品の売上数に応じて商品データベース２０４の商品在庫数（店舗サイト１０の陳列棚にあるべき本来の商品数）が更新される。

なお、売上管理端末１０２としては、商品の売上情報を“商品管理アプリケーション”へ通知できればよいので、店舗サイト１０のPOS端末や通常のクライアントPC等を利用してもよい。

また、SaaSアプリケーションによっては、商品データベース２０４への反映処理がバッチ処理として行われるものもある。一方、本実施の形態では、商品データベース２０４を万引き疑い行為の検出処理に用いるため、商品の在庫数をリアルタイムに反映しなければならない。そこで、“商品管理アプリケーション”の構成する商品管理装置２０３と商品データベース２０４を、例えばMySQL Clusterのようなインメモリデータベースを用いたシステムで実現する。

次に、ステップＳ２において、店舗サイト１０の管理カメラ１０１は、ネットワーク３０を介して、店舗内のカメラ映像をストリームデータでクラウドサイト２０の特徴値抽出分析装置２０１と万引防止装置２０２へ送信する。ステップＳ２は、ステップＳ１よりも前又は同時に実行してもよい。

次に、ステップＳ３において、クラウドサイト２０の特徴値抽出分析装置２０１は、店舗サイト１０の監視カメラ１０１で撮影された映像ストリームデータを受信し、該映像ストリームデータから定期的に個々の静止画像データを画像情報として取り出して、該静止画像データ内の人物に係る特徴値を抽出する。特徴値とは、画像の色、輝度、輪郭、大きさ、固有値、固有ベクトル等である。例えば、人物や商品等に係る被写体の大きさ、形状、位置、向き、視線方向、姿勢、数等である。かかる特徴値の抽出処理は、例えばOpenCV等のライブラリ等、公知技術を用いて実施可能である。

続いて、ステップＳ４において、特徴値抽出分析装置２０１は、ステップＳ３で抽出した特徴値を分析し、該分析の結果に基づき万引き疑い行為の発生を検出する。特徴値の分析処理には、上述した“Jubatus”を用いる。“Jubatus”とは、ストリームで随時生成されるデータの特徴値をリアルタイムに分析可能なオンライン機械学習向け分散処理フレームワークである。例えば、＜URL:http://jubat.us/ja/＞を参照されたい。

“Jubatus”では、上述したサブローくんＡのように、ステップＳ３で抽出した特徴量が、画像データの特徴値を用いて事前に定義された万引き疑い行為のルールに該当するか否かを分析することができる。例えば、万引き疑い行為に該当する条件として「特徴値が所定の閾値を上回る又は下回る場合」が規定されている場合、ステップＳ３で抽出した特徴量が該条件に該当するか否かを分析する。その後、該条件に該当する場合、ステップＳ３で抽出していた人物により万引き疑い行為が発生したことを検出する。

また、“Jubatus”では、上述したような事前に定義されたルールに代えて又は加えて、万引き疑い行為に係る新たなルールをオンラインで機械学習することができる。具体的には、万引き疑い行為が含まれるカメラ映像と万引き疑い行為が含まれていない通常のカメラ映像との差分から異常値（特徴値の差分が一定値よりも極端に大きく異常と考えられる差分値）を求め、該異常値に該当する場合を新たな万引き疑い行為としてルールに追加する。例えば、商品をバッグに入れる行動は事前のルールとして定義されているが、洋服の中に入れる行動が事前のルールに定義されていない場合、通常のカメラ映像との差分から異常値を検出し、この動作についても万引き疑い行為としてルールに追加する。

より具体的には、複数の画像フレームに係る特徴値の集合を特徴ベクトルとし、抽出していた人物が含まれる一定期間内の画像フレームに係る特徴ベクトルと直近一定期間の画像フレームに係る特徴ベクトルとの差分を求め、該差分が外れ値に該当するか否かを解析する。その後、該外れ値に該当する場合、ステップＳ３で抽出していた人物により万引き疑い行為が発生したことを検出する。

次に、ステップＳ５において、特徴値抽出分析装置２０１は、万引き疑い行為の発生を検出した場合、万引き疑い行為が発生したことを示す万引行為検出情報を万引防止装置２０２へ通知する。

次に、ステップＳ６において、万引防止装置２０２は、映像ストリームデータを用いた検出処理だけでは万引き疑い行為の発生に対する検出精度は十分でないので、“商品管理アプリケーション”にアクセスし、商品データベース２０４で管理されている店舗サイト１０での商品の在庫数と、店舗サイト１０に陳列されている商品の在庫数とを照合し、互いの商品在庫数にずれがあるか否かに基づき、万引き疑い行為の発生を改めて検出する。

具体的には、ステップＳ１により商品データベース２０４の商品在庫数は店舗サイト１０での売上数と連動して管理されているので、万引防止装置２０２は、該商品データベース２０４を参照することにより、店舗サイト１０の陳列棚にあるべき本来の商品数をリアルタイムに取得することができる。

一方、商品棚の実際の商品数については、ステップＳ３及びステップＳ４と同様に、監視カメラ１０１からの映像ストリームデータを画像認識することにより、取得することができる。なお、監視カメラ１０１の位置によっては死角により撮影できない商品が存在する。その場合、数・重量を計測するセンサを該当の商品棚等に設置し、RFID等のセンサ技術を用いてセンシングにより重量から商品数を算出してもよい。

その後、万引防止装置２０２は、商品データベース２０４から取得した商品在庫数と、映像ストリームデータ又はセンシング結果を用いて求めた店舗サイト１０の商品在庫数とを照合する。そして、互いの商品在庫数にずれが発生した場合、万引き疑い行為の発生を改めて検出する。

最後に、ステップＳ７において、万引防止装置２０２は、ステップＳ４及びステップＳ６で万引き疑い行為が検出された場合、万引行為が行われた可能性が高いと決定し、疑いのある人物の画像データ及び万引きされた可能性がある商品の情報を店員の携帯端末１０４へ通知する。通知を受けた店員は、携帯端末１０４の通知内容を確認し、万引きの疑いのある人物に声掛けや質問等を行う。これにより、万引行為を未然に防止する。

以上より、本実施の形態によれば、店舗サイト１０に通信可能なクラウドサイト２０に、万引き疑い行為の発生を検出・防止するための特徴値抽出分析装置２０１及び万引防止装置２０２を備えるので、初期コストを抑えて万引行為を防止することができる。つまり、店舗サイト１０では、監視カメラ１０１等の既存設備を除いて特別な設備を新たに用意することなく万引防止サービスを享受することができ、設備投資費用を十分に持たない小規模な店舗でも導入することができる。

また、本実施の形態によれば、“Jubatus”等のオンライン分析フレームワークを用いるので、事前に定義された行動項目ルールに該当しない新たな不審動作に起因する万引き疑い行為を検出することができる。つまり、複数の画像フレームに係る特徴値の集合を特徴ベクトルとし、人物が含まれる画像フレームに係る特徴ベクトルと過去の画像フレームに係る特徴ベクトルとの差の大きさに基づき、該人物による万引き疑い行為の発生を検出するので、事前に万引行為の特徴値を定義していなくても、カメラ映像のみを用いて異常な行為を抽出することが可能となり、新たな万引行為にも対応することができる。

また、本実施の形態によれば、特徴値抽出分析装置２０１で万引き疑い行為の発生が検出された後、万引防止装置２０２において、店舗サイト１０に陳列されている商品の在庫数を算出し、商品データベース２０４で管理されている商品の在庫数と一致するか否かに基づき、万引き疑い行為の発生を改めて検出するので、万引行為の検出精度を高めることができる。

＜別の実施形態＞
図３は、別の実施形態を示す図である。図１の場合、店舗サイト１０は、監視カメラ１０１と売上管理端末１０２（商品数をセンシングで確認する場合はセンサを含む）のみを備えるので、システム導入時の初期コストを抑制することができる。しかし、監視カメラ１０１の映像ストリーミングデータがネットワーク３０に常に流れるため、監視カメラ１０１の数によってはネットワークコストが高くなってしまう。

そこで、本実施の形態では、特徴値抽出分析装置２０１を店舗サイト１０に配置し、映像ストリーミングデータから特徴値の抽出処理及び該特徴値の分析処理を該店舗サイト１０で行い、万引の疑いがあった場合、万引の疑い行為が発生した旨のみをクラウドサイト２０へ通知する。この場合、店舗サイト１０に特徴値抽出分析装置２０１が配置されるので新たな機器を導入する初期コストがかかるが、特徴値の抽出処理と分析処理が店舗サイト１０で行われるので、ネットワーク３０を流れるデータは図１の場合よりも極めて少なくなり、ネットワークコストを低減することができる。

＜別の実施形態＞
図４は、更に別の実施形態を示す図である。特徴値抽出分析装置２０１の抽出機能と分析機能を分離し、店舗サイト１０に抽出機能を持つ特徴値抽出装置２０１ａを配置し、クラウドサイト２０に分析機能を持つ特徴値分析装置２０１ｂを配置する。特徴値抽出装置２０１ａではOpenCV等を使用するが、該OpenCV等は小型のコンピュータ（例えば、Raspberry Pi）で動作可能であり、店舗サイト１０への新たな機器導入コストを抑制することができる。また、特徴値分析装置２０１ｂは“Jubatus”等を使用するが、該“Jubatus”はオンライン型のビッグデータ分析技術でありサーバ上で実行する必要があり、該特徴値分析装置２０１ｂをクラウドサイト２０に配置する。この場合、OpenCV等から抽出される特徴値のサイズは、映像ストリーミングデータと比べると十分に小さいので、図１の場合よりもネットワークコストを抑制することができる。

最後に、図１、図３及び図４に示された各装置構成については、店舗サイト１０の初期コストとネットワークコストとのバランスに応じて選択すればよい。

１…万引き防止システム
１０…店舗サイト
１０１…監視カメラ
１０２…売上管理端末
１０３…外部接続装置
１０４…携帯端末
２０…クラウドサイト
２０１…特徴値抽出分析装置（抽出手段、第１の検出手段）
２０１ａ…特徴値抽出装置（抽出手段）
２０１ｂ…特徴値分析装置（第１の検出手段）
２０２…万引防止装置（第２の検出手段）
２０３…商品管理装置（管理手段）
２０４…商品データベース（管理手段）
３０…ネットワーク
Ｓ１〜Ｓ７…ステップ

Claims (7)

1. 店舗に通信可能なネットワーク上に、
   前記店舗の監視カメラで撮影された画像データを受信し、前記画像データから人物に係る特徴値を抽出する抽出手段と、
   前記特徴値が、画像データの特徴値を用いて事前に定義された万引き疑い行為に係るルールに該当するか否かに基づき、前記人物による万引き疑い行為の発生を検出する第１の検出手段と、
   を備えることを特徴とする万引き検出システム。
2. 店舗に通信可能なネットワーク上に、
   前記店舗の監視カメラで撮影された画像データを受信し、前記画像データから人物に係る特徴値を抽出する抽出手段と、
   複数の画像フレームに係る特徴値の集合を特徴ベクトルとし、前記人物が含まれる画像フレームに係る特徴ベクトルと過去の画像フレームに係る特徴ベクトルとの差の大きさに基づき、前記人物による万引き疑い行為の発生を検出する第１の検出手段と、
   を備えることを特徴とする万引き検出システム。
3. 前記店舗に残された商品の在庫数を管理する管理手段と、
   前記店舗に陳列されている商品の在庫数を算出し、前記管理手段で管理されている商品の在庫数と一致するか否かに基づき、前記人物による万引き疑い行為の発生を検出する第２の検出手段と、
   を更に備えることを特徴とする請求項１又は２に記載の万引き検出システム。
4. 前記第２の検出手段は、
   前記店舗の監視カメラで撮影された画像データを用いて、又は前記店舗に陳列されている商品の数若しくは重量をセンサで計測した結果を用いて、前記店舗に陳列されている商品の在庫数を算出することを特徴とする請求項３に記載の万引き検出システム。
5. 店舗に通信可能なネットワーク上に配置された万引き検出システムで行う万引き検出方法において、
   前記万引き検出システムは、
   前記店舗の監視カメラで撮影された画像データを受信し、前記画像データから人物に係る特徴値を抽出するステップと、
   前記特徴値が、画像データの特徴値を用いて事前に定義された万引き疑い行為に係るルールに該当するか否かに基づき、前記人物による万引き疑い行為の発生を検出するステップと、
   を備えることを特徴とする万引き検出方法。
6. 店舗に通信可能なネットワーク上に配置された万引き検出システムで行う万引き検出方法において、
   前記万引き検出システムは、
   前記店舗の監視カメラで撮影された画像データを受信し、前記画像データから人物に係る特徴値を抽出するステップと、
   複数の画像フレームに係る特徴値の集合を特徴ベクトルとし、前記人物が含まれる画像フレームに係る特徴ベクトルと過去の画像フレームに係る特徴ベクトルとの差の大きさに基づき、前記人物による万引き疑い行為の発生を検出するステップと、
   を備えることを特徴とする万引き検出方法。
7. 請求項１乃至４のいずれかに記載の万引き検出システムとしてコンピュータを機能させることを特徴とする万引き検出プログラム。

Images