JP2017091062A - 情報処理装置、情報処理方法 - Google Patents

Abstract

【課題】 保有する学習データの不足を軽減するためのデータ収集技術を提供すること。【解決手段】 登録済みの学習データ群を種類別に複数のグループに分類した場合に、それぞれのグループに分類された学習データの数に基づいて、追加登録する学習データの種類を特定する。そして該特定した種類の学習データを得るために要する収集情報が収集可能な期間を特定する。そして、該期間に収集装置を動作させて、該収集装置が収集した収集情報に基づく学習データを追加登録する。【選択図】 図１

Description

本発明は、学習データの収集技術に関するものである。

近年、各種機器の制御技術が多数提案されるようになってきている。例えば特許文献１では、過去の稼働状況を学習して通電状態を変更できる時間帯を特定する、といったことを行っている。また、制御のために各種センサを利用するものも提案されている。例えば特許文献２では、照度センサや人感センサ等を用いて蓄積されたデータからユーザの生活パターンを予測し、その予測情報を基に機器を構成する各種部品の動作を制御する技術が開示されている。さらに特許文献３では、動体の動作パターンを記憶し、それに基づいて接近するものを認識して動作の制御を行う技術が示されている。

特開２０１３−１１４０２３号公報 特開２０１１−０３３３２５号公報 特開２００６−１６３６１６号公報

しかしながらこれらの技術は、各種データ、特に学習データの取得を考えた際に以下のような課題がある。まず特許文献１〜３に開示されている技術では、例えば学習データの種類に偏りがあった際に、その偏りを考慮してデータ数が少ない種類のデータのみを取得する、といったことができない。そのため、特定の状況にしか対応できないといった問題が発生してしまう。これは、屋外のような様々な環境が発生しうる場所へ機器を持っていくことが想定される場合には、機器の機能を十分に発揮できない要因となるものである。また、特許文献３に開示されている技術では検知体の動作データを持っているが、機器の制御はあくまで検知体が接近した際、つまりイベントをきっかけにして行うものである。この場合、データを取得したいタイミングになった時にセンサを起動させることになるので、データを取得できる期間の長さやセンサの起動に要する時間次第では、その期間が終わってしまいデータを十分に取得できないといった問題が生じる。

本発明はこのような問題に鑑みてなされたものであり、保有する学習データの不足を軽減するためのデータ収集技術を提供する。

本発明の一様態は、周辺環境の情報を収集する収集装置が定期的若しくは不定期的に収集した収集情報に基づく学習データを登録する情報処理装置であって、登録済みの学習データ群を種類別に複数のグループに分類した場合に、それぞれのグループに分類された学習データの数に基づいて、追加登録する学習データの種類を特定する第１の特定手段と、前記第１の特定手段が特定した種類の学習データを得るために要する収集情報が収集可能な期間を特定する第２の特定手段と、前記期間に前記収集装置を動作させて、該収集装置が収集した収集情報に基づく学習データを追加登録する制御手段とを備えることを特徴とする。

本発明の構成によれば、保有する学習データの不足を軽減することができる。

ポータブルデバイス１０２の使用環境を説明する図。 ポータブルデバイス１０２のハードウェア構成例を示すブロック図。 ポータブルデバイス１０２の機能構成例を示すブロック図。 ポータブルデバイス１０２が行う処理のフローチャート。 テーブル５０１、５０２の構成例を示す図。 タイムテーブル６０１の構成例を示す図。 各センサの起動時間を説明する図。 ポータブルデバイス１０２の機能構成例を示すブロック図。 ポータブルデバイス１０２が行う処理のフローチャート。 各センサの起動時間を説明する図。 ポータブルデバイス１０２が行う処理のフローチャート。

以下、添付図面を参照し、本発明の好適な実施形態について説明する。なお、以下説明する実施形態は、本発明を具体的に実施した場合の一例を示すもので、特許請求の範囲に記載した構成の具体的な実施例の１つである。

［第１の実施形態］
以下では、周辺環境の情報を収集する収集装置が定期的若しくは不定期的に収集した収集情報に基づく学習データを登録する情報処理装置であって、以下のような構成を有する情報処理装置の一例について説明する。すなわち、登録済みの学習データ群を種類別に複数のグループに分類した場合に、それぞれのグループに分類された学習データの数に基づいて、追加登録する学習データの種類を特定する（第１の特定）。そして、第１の特定で特定した種類の学習データを得るために要する収集情報が収集可能な期間を特定する（第２の特定）。そして、該期間に収集装置を動作させて、該収集装置が収集した収集情報に基づく学習データを追加登録する。

本実施形態では、このような情報処理装置を、携帯電話やスマートフォン、タブレット端末装置など、ユーザが携帯可能なデバイスであるポータブルデバイスに適用した場合について説明する。本実施形態に係るポータブルデバイスは、図１に示す如く、ユーザ１０１が持ち歩いているポータブルデバイス１０２である。ポータブルデバイス１０２は定期的若しくは不定期的に撮像装置やセンサを用いて周辺環境のデータを収集し、該収集したデータに基づく学習データを登録する。そしてポータブルデバイス１０２は、この学習データを、実行する各種のアプリケーションに利用する。このような状況において、本実施形態では、保持している学習データの偏りを補整することを目的に、更に収集すべきデータの収集期間を決定し、該収集期間にデータ収集を行うべく、撮像装置やセンサの動作を制御する。

先ず、本実施形態に係るポータブルデバイス１０２のハードウェア構成例について、図２のブロック図を用いて説明する。

ＣＰＵ２０１は、ＲＡＭ２０６やＲＯＭ２０７に格納されているコンピュータプログラムやデータを用いて処理を実行する。これによりＣＰＵ２０１は、ポータブルデバイス１０２全体の動作制御を行うと共に、ポータブルデバイス１０２が行うものとして後述する各処理を実行若しくは制御する。

入力装置２０２は、ボタン群などのユーザインターフェースであり、ユーザが操作することで各種の入力をポータブルデバイス１０２に対して行うことができる。出力装置２０３は、液晶画面やスピーカなどにより構成されており、ＣＰＵ２０１による処理結果を表示したり音声出力したりすることができる。なお、入力装置２０２によるユーザインターフェース機能と出力装置２０３による表示機能とを組み合わせてタッチパネル画面を構成しても構わない。

撮像装置２０４は、静止画像や動画像を撮像する。

計測装置２０８は、ポータブルデバイス１０２の周辺環境をセンシングする各種のセンサにより構成されており、例えば、ポータブルデバイス１０２の周辺の気温、湿度、明るさ、自身の位置等を計測する各種のセンサにより構成されている。

記憶装置２０５は、ハードディスクドライブ装置やフラッシュメモリなどにより構成されている。記憶装置２０５には、ＯＳ（オペレーティングシステム）や、ポータブルデバイス１０２が行うものとして後述する各処理をＣＰＵ２０１に実行若しくは制御させるためのコンピュータプログラムやデータが保存されている。以降の説明において、学習データなどの登録データの登録先は記憶装置２０５となる。記憶装置２０５に保存されているコンピュータプログラムやデータは、ＣＰＵ２０１による制御に従って適宜ＲＡＭ２０６にロードされ、ＣＰＵ２０１による処理対象となる。

ＲＡＭ２０６は、記憶装置２０５からロードされたコンピュータプログラムやデータ、撮像装置２０４から送出される画像（静止画像、動画像を構成する各フレームの画像）、計測装置２０８が計測した計測データ、を格納するためのエリアを有する。更にＲＡＭ２０６は、ＣＰＵ２０１が各種の処理を実行する際に用いるワークエリアを有する。このようにＲＡＭ２０６は、各種のエリアを適宜提供することができる。

ＲＯＭ２０７には、ポータブルデバイス１０２の設定データや起動プログラムなど、書き換え不要なコンピュータプログラムやデータが保存されている。ＣＰＵ２０１、入力装置２０２、出力装置２０３、撮像装置２０４、計測装置２０８、記憶装置２０５、ＲＡＭ２０６、ＲＯＭ２０７は何れもバス（ＢＵＳ）２０９に接続されている。

次に、ポータブルデバイス１０２の機能構成例について、図３のブロック図を用いて説明する。本実施形態では、図３に示した各機能部はコンピュータプログラムによって実装されて、記憶装置２０５に保存されているものとする。然るに以降の説明では、これらの機能部を処理の主体として説明する場合があるが、実際には、ＣＰＵ２０１が該機能部に対応するコンピュータプログラムを実行することで該機能部の機能を実現させる。なお、図３に示した全ての機能部をコンピュータプログラムで実装することに限らず、一部若しくは全部をハードウェアで構成しても構わない。

画像取得部３０１は、撮像装置２０４の動作制御を行うものであり、撮像装置２０４によって撮像された撮像画像（静止画像若しくは動画像を構成する各フレームの画像）を取得する。

外部環境取得部３０２は、計測装置２０８の動作制御を行うものであり、計測装置２０８によって計測された各種の計測データを取得する。

対象属性決定部３０３は、既に取得済みの学習データの保有状況に応じて若しくはユーザ指示に基づいて、どのような種類（属性）の学習データを更に取得すべきなのかを判断し、該判断結果に基づいて、更に取得すべき学習データの種類を決定する。

解析部３０４は、画像取得部３０１が取得した撮像画像に基づく学習データが、対象属性決定部３０３が決定した種類のものであるのかを判断し、その判断結果に応じて該学習データの登録の可否を制御する。

タイミング決定部３０５は、対象属性決定部３０３において決定した種類の学習データを取得するために撮像装置２０４及び計測装置２０８を動作させる期間を、ポータブルデバイス１０２のユーザの行動パターンが登録されているテーブルに基づいて決定する。画像取得部３０１及び外部環境取得部３０２はそれぞれ、タイミング決定部３０５が決定した期間に撮像装置２０４及び計測装置２０８を動作させて、撮像画像及び計測データを取得する。取得した撮像画像を学習データとして記憶装置２０５に格納しても良いが、これに限るものではなく、撮像画像から抽出したオブジェクトを学習データとして格納しても良いし、該オブジェクトの特徴量を学習データとして格納しても良い。

次に、ポータブルデバイス１０２の動作について説明する。撮像装置２０４及び計測装置２０８は定期的若しくは不定期的に動作して撮像画像の撮像及び周辺環境の計測を行って、撮像画像及び計測データを記憶装置２０５に取得する。しかし上記の通り、学習データをその種類別に分類した場合に、他と比べて比較的サンプル数が少ない種類が発生する場合がある。そこで本実施形態では、図４のフローチャートに従った処理を定期的若しくは不定期に実行することで、「他と比べて比較的サンプル数が少ない種類」の学習データを取得するための処理を行う。

＜ステップＳ４０１＞
対象属性決定部３０３は、登録済みの学習データ群を種類別に複数のグループに分類した場合に、それぞれのグループに分類された学習データの数に基づいて、追加登録する学習データの種類を決定する。この決定のために対象属性決定部３０３は、図５に例示するようなテーブル５０１を参照する。図５のテーブル５０１は、登録済みの学習データ群を、表情、明るさ、湿度等の学習データの種類が同じグループに分類した場合にそれぞれのグループに属する学習データの数（データ保有数）が登録されたものである。

図５のテーブル５０１は、例えば、次のようにして作成される。撮像装置２０４が定期的若しくは不定期に撮像画像を撮像すると、ＣＰＵ２０１は該撮像画像から顔を認識すると共に該顔を学習するための学習データを作成する。そしてＣＰＵ２０１は、該学習データだけでなく、該認識した顔の表情、該撮像画像の撮像時に計測装置２０８が計測した計測データ（明るさ、湿度、…）を含むメタデータを登録する。そしてＣＰＵ２０１は、登録済みのメタデータを定期的若しくは不定期に参照して、メタデータの値が同じ（メタデータに含まれている各項目の値が同じ）学習データのグループを単位にして、登録済みの学習データ群を分類する。そしてＣＰＵ２０１は、それぞれのグループについて、データパターンＮｏ．、表情、明るさ、湿度、…、データ保有数を登録したものをテーブル５０１として作成する。なお、テーブル５０１の作成方法はこの方法に限るものではない。

図５のテーブル５０１において、例えば、データパターンＮｏ．＝Ｎｏ．１のグループに属する学習データは、明るく湿度の高い状態において撮像された撮像画像から抽出した真顔について作成した学習データであり、その個数は「１００」となっている。対象属性決定部３０３が図５のテーブル５０１を参照した場合、データパターンＮｏ．＝Ｎｏ．１、Ｎｏ．２、…のそれぞれのグループに対するデータ保有数を参照し、データ保有数が最小となるグループを特定する。図５の場合、データパターンＮｏ．＝Ｎｏ．ｎ（ｎは３以上の自然数）に対応するデータ保有数が「１０」となっており、データ保有数が最小のグループとなっている。然るにこの場合、対象属性決定部３０３は、データパターンＮｏ．＝Ｎｏ．ｎのグループを特定する。そして、対象属性決定部３０３は、データパターンＮｏ．＝Ｎｏ．ｎのグループの種類（表情＝笑顔、明るさ＝明るい、湿度＝低い、…）を、追加登録する学習データの種類として決定する。

なお、ここでは説明上、「明るい」、「低い」などの抽象的な表現を用いているが、例えば、明るさについては、計測した明るさ値を２つの閾値を用いて３段階（「明るい」、「普通」、「暗い」）で評価している。また、湿度についても同様で、計測した湿度を２つの閾値を用いて３段階（「高い」、「普通」、「低い」）で評価している。これは、他の計測データについても同様である。もちろん、計測装置２０８による周辺環境のセンシング結果の表現方法はこれに限るものではない。

なお、追加登録する学習データの種類を決定する方法は上記の方法に限らず、他の方法を採用しても構わない。例えば、対象属性決定部３０３は、図５に例示するようなテーブル５０１を表示装置（出力装置２０３の一部）に表示させて、ユーザによるグループ選択を待機する。そしてユーザが入力装置２０２を操作して何れかのグループを選択すると、該選択されたグループの種類を、追加登録する学習データの種類として決定する。

＜ステップＳ４０２＞
タイミング決定部３０５は、ステップＳ４０１で決定した種類の学習データを得るために用いる撮像画像を撮像することのできる期間を特定する。例えばタイミング決定部３０５は、図６に例示するようなタイムテーブル６０１を参照する。図６のタイムテーブル６０１は、ポータブルデバイス１０２のユーザが各時刻において滞在する場所と、その場所における明るさ、湿度などの属性情報と、が登録されているテーブル情報である。換言すれば、このタイムテーブル６０１は、ポータブルデバイス１０２の周辺環境の変化の時系列を表すものでもある。

タイムテーブル６０１は、例えば、次のような方法でもって作成される。すなわち、ユーザが入力装置２０２を操作してポータブルデバイス１０２をテーブル作成モードに設定した場合、ＣＰＵ２０１は、該テーブル作成モードが設定されている間は計測装置２０８を動作させて計測データの収集を行う。そしてＣＰＵ２０１は、計測装置２０８による計測データを用いてタイムテーブル６０１を作成する。「場所」は、例えば、計測装置２０８に含まれているＧＰＳを用いてその位置を計測し、該位置に対応付けられている場所名を、位置情報と地名情報とを関連づけている地図データを保持している装置などから取得することで得られる。

なお、タイムテーブル６０１の作成方法はこの方法に限るものではない。例えば、ポータブルデバイス１０２にインストールされている各種アプリケーションの使用履歴から作成してもよい。若しくはタイムテーブル６０１の一部をユーザが入力装置２０２を操作して作成し、残りを計測装置２０８を用いて作成しても良い。また、タイムテーブル６０１の全部をユーザが入力装置２０２を操作して作成しても構わない。

例えば、ステップＳ４０１で図５のテーブル５０１を参照した場合、上記の通り、データパターンＮｏ．＝Ｎｏ．ｎのグループの種類（表情＝笑顔、明るさ＝明るい、湿度＝低い、…）を、追加登録する学習データの種類として決定した。然るにタイミング決定部３０５が図６のタイムテーブル６０１を参照した場合、明るさ＝明るい、湿度＝低い、…に対応する期間６０２を「ステップＳ４０１で決定した種類の学習データを得るために用いる撮像画像を撮像することのできる期間」として特定する。

これは、テーブル５０１とタイムテーブル６０１との間で以下の関係が成り立つためである。まず明るさと湿度の項目は共通である。加えて、表情はユーザのいる場所によって変化する。例えばオフィスや実験室にいるときは仕事中なので真顔でいることが多い、食堂にいるときは休憩中なので笑顔でいることが多い、と考えることができる。以上の関係から決定することができる。

そしてタイミング決定部３０５は、ＣＰＵ２０１によるタイマから現在時刻を取得し、該取得した現在時刻が、上記決定した期間の開始時刻よりも規定時間分だけ前（過去）の時刻に達しているか否かを判断する。この判断の結果、達した場合には、処理はステップＳ４０３に進み、達していない場合には、処理はステップＳ４０２で待機する。

上記決定した期間の開始時刻で撮像装置２０４及び計測装置２０８による撮像及び計測を開始させる必要があるが、撮像装置２０４及び計測装置２０８の電源をＯＮにしてから動作が安定するまでには幾分かの時間（起動時間）が必要である。また、起動時間は、撮像装置２０４、計測装置２０８に含まれているそれぞれのセンサ、で同じではなく、異なることが多い。これを模式的に表わしたものが図７に示すグラフ７０１である。ここでは、センサＡ、Ｂ、Ｃの順で起動・安定に要する時間が短くなっている。この差を考慮して各センサを起動させなければ、目的通りにデータを集めることができない。そこで、本実施形態では、撮像装置２０４及び計測装置２０８のうち最長の起動時間を予め取得しておき（例えばＲＯＭ２０７に格納しておき）、上記決定した期間の開始時刻より最長の起動時間分だけ遡った（過去の）時刻に達しているか否かを判断する。図６の６０３はこの最長の起動時間を表している。

＜ステップＳ４０３＞
画像取得部３０１は撮像装置２０４の電源をＯＮにし、外部環境取得部３０２は計測装置２０８の電源をＯＮにする。そして本ステップに処理が進んでから上記の最長の起動時間が経過すると（撮像装置２０４及び計測装置２０８の動作が安定すると）、処理はステップＳ４０４に進む。

＜ステップＳ４０４＞
撮像装置２０４は撮像を開始し、計測装置２０８は周辺環境のデータを収集する。撮像装置２０４による撮像間隔及び計測装置２０８によるデータの収集間隔は、通常動作（図４のフローチャートに従った処理を行うモード以外）よりも短くする。これは、取得できるとされる決められた時間内に、十分な量のデータを集中して集められるようにするためである。例えば、通常は１時間に１回データを収集するようにしているのに対し、この時間帯では１分に１回データを収集するようにする。

そして画像取得部３０１は、撮像装置２０４によって撮像された撮像画像を取得し、外部環境取得部３０２は、計測装置２０８によって収集された計測データを取得する。解析部３０４は、画像取得部３０１が取得した撮像画像から顔を認識し、更に該顔の表情を認識する。そして解析部３０４は、該認識した顔の表情が、データパターンＮｏ．＝Ｎｏ．ｎのグループの種類に含まれる表情（笑顔）に該当する場合に限って、該顔用の学習データを作成して登録する。更に解析部３０４は、該認識した表情と、該撮像画像の撮像と共に計測装置２０８が収集した計測データと、をメタデータとして登録する。なお、解析部３０４によるこの処理は本ステップで行っても良いし、図４のフローチャートに従った処理が完了してから行っても良いし、そのタイミングは特定のタイミングに限るものではない。

なお、ステップＳ４０４の処理中は、ＣＰＵ２０１は、データ収集中であることを出力装置２０３を用いてユーザに通知するようにしても構わない。例えば、データ収集中である旨を表示装置に表示しても良いし、データ収集中である旨を音声にて出力しても良い。なお、データ収集中では、ユーザは学習データの対象が撮像装置２０４によってできるだけ大きく写る等良好に撮像されるようにポータブルデバイス１０２を移動させる必要がある。然るに学習データの対象が良好に撮像できるようにメッセージを表示や音声出力にてユーザに通知しても良い。

＜ステップＳ４０５＞
タイミング決定部３０５は、ＣＰＵ２０１によるタイマから現在時刻を取得し、該取得した現在時刻が、ステップＳ４０２において特定した期間の終了時刻に達したか否かを判断する。この判断の結果、達した場合には、処理はステップＳ４０６に進み、達していない場合には、処理はステップＳ４０４に戻る。

＜ステップＳ４０６＞
画像取得部３０１が撮像装置２０４の電源をＯＦＦにし、外部環境取得部３０２は計測装置２０８の電源をＯＦＦにする。なお、本ステップでは、電源をＯＦＦにすることに限らず、単に、画像撮像及び計測データの収集を停止させるようにしても良い。

＜ステップＳ４０７＞
ＣＰＵ２０１は、ユーザが入力装置２０２を操作してデータ収集を完了させるための指示が入力されたか否かを判断する。この判断の結果、入力された場合には、図４のフローチャートに従った処理は完了し、入力されていない場合には、処理はステップＳ４０１に戻る。

上記のテーブル５０１が図４のフローチャートに従った処理の後に更新された例が図５のテーブル５０２である。テーブル５０２では、データパターンＮｏ．＝Ｎｏ．ｎに対応するグループの種類に該当する学習データが登録された結果、対応するデータ保有数が９０に増えている。

このように、本実施形態によれば、保有している学習データに偏りがあった際に、その偏りを軽減すべく、該当する学習データのために収集すべきデータの収集期間を特定して該収集期間にデータを収集し、該収集したデータに基づく学習データを追加登録する。これにより、保有している学習データの種類のバランスを考慮したデータ取得を行うことができるようになる。

なお、本実施形態では、データ保有数が最小となるグループに属する学習データの種類を特定し、該種類の学習データを得るためのデータ収集期間を求めていた。しかし、データ保有数が最小ではなく、最小から２番目以降の任意の順位のグループに属する学習データの種類を特定するようにしても構わない。学習データの追加登録をして、偏りを均すだけでなく、学習データとして必要十分なデータを収集し、追加登録する。

また、本実施形態では、撮像画像から学習データを作成するようにしたが、学習データの生成元は撮像画像に限らず、音声情報など、ポータブルデバイス１０２の周辺環境について収集したデータから学習データを作成するようにしても構わない。

［第２の実施形態］
本実施形態は、ポータブルデバイス１０２のユーザの近傍にいる他の人物（学習データの収集対象以外の人物）のプライバシーに関する問題の発生を回避することを目的とするものである。そして本実施形態では、ポータブルデバイス１０２のユーザ以外の他の人物が周りに存在するかどうかを考慮してデータ収集の制御を行う。以下では、第１の実施形態との差分について重点的に説明し、以下で特に触れない限りは、第１の実施形態と同様であるものとする。

図１において、ユーザ１０１の近傍に別の人物がいるとする。このような場合、この「別の人物」がユーザ１０１の保有するポータブルデバイス１０２による撮像画像に意図せず写り込んでしまう可能性がある。ここで、この「別の人物」が、これから学習データを収集しようとする人物（対象人物）のみであれば問題はない。しかし、「別の人物」が非対象人物であった場合、非対象人物の了解を得ずにユーザ１０１が撮像画像を公開してしまう等、プライバシー等の問題が発生する可能性がある。そこで、本実施形態では、このような種の問題を回避することを目的とする。

本実施形態に係るポータブルデバイス１０２の機能構成例を図８に示す。図８において、図３に示した機能部と同じ機能部には同じ参照番号を付しており、該機能部に係る説明は省略する。近傍人物探索部８０１は、ポータブルデバイス１０２の周囲に、通信可能な機器を携帯している人物（ポータブルデバイス１０２のユーザ以外）を探索する。

次に、本実施形態に係るポータブルデバイス１０２の動作について、図９のフローチャートを用いて説明する。図９のフローチャートにおいて、図４に示した処理ステップと同じ処理ステップには同じステップ番号を付しており、該処理ステップに係る説明は省略する。本実施形態では、上記の最長の起動時間が経過すると（撮像装置２０４及び計測装置２０８の動作が安定すると）、処理はステップＳ９０１に進む。

＜ステップＳ９０１＞
近傍人物探索部８０１は、ポータブルデバイス１０２の周囲から、通信可能な機器を携帯している人物（ポータブルデバイス１０２のユーザ以外）を探索する。近傍人物探索部８０１による探索方法については特定の探索方法に限るものではない。例えば、各人が携帯している機器に搭載されているＷｉ−ＦｉやＢｌｕｅｔｏｏｔｈ（登録商標）、ＮＦＣといった近距離無線通信を行うインタフェースを通じて、ポータブルデバイス１０２の周囲に通信を行える機器が存在するか否かを探索する。また、撮像装置２０４を動作させて撮像画像を取得し、該取得した撮像画像中にポータブルデバイス１０２のユーザ以外の人物が写っている場合には、ポータブルデバイス１０２のユーザ以外の他の人物が周りに存在すると判断しても良い。

何れの方法を用いても、ポータブルデバイス１０２のユーザ以外の他の人物が周りに存在するか否かを判断することができる。そして、近傍人物探索部８０１は、ポータブルデバイス１０２のユーザ以外の他の人物が周りに存在すると判断した場合、画像取得部３０１によって撮像装置２０４を動作させることで取得した撮像画像に対する認識処理を行う。そして近傍人物探索部８０１は、該撮像画像に非対象人物が写っているのかを判断し、撮像画像に非対象人物が写っている場合には、処理はステップＳ４０７に進み、写っていない場合には、処理はステップＳ４０４に進む。なお、処理がステップＳ９０１からステップＳ４０７に進んだ場合、この撮像画像や認識で発生したデータは破棄する。

なお、本実施形態では、ポータブルデバイス１０２のユーザ１０１以外の他の人物（非対象人物）が周りに一人でも存在した場合には、ステップＳ４０４以降の処理は行わないとした。しかし、例えば、写り込みを許容している人物若しくは該人物が携帯する機器のリストをポータブルデバイス１０２に登録しておくようにしても良い。この場合、ユーザ１０１以外の他の人物（若しくは携帯している機器）が周りに存在する場合であっても、該他の人物（若しくは携帯している機器）がリストに登録されている場合には、ステップＳ４０４以降の処理を行うようにしても良い。

このように、本実施形態によれば、データ収集の際にポータブルデバイス１０２のユーザ以外の他の人物が周りに存在するような場合に、写り込んだ人物の了解を得ずに画像が公開される等といったプライバシーに関する問題の発生を回避することができる。

［第３の実施形態］
第２の実施形態において、ポータブルデバイス１０２の周囲に非対象人物が存在し続ける場合には、ステップＳ４０４以降の処理を行うことができなかった。しかし、このような場合、例えば、次のような制御が考えられる。

ポータブルデバイス１０２の周囲に非対象人物が存在していることを検知してから規定時間が経過すると、出力装置２０３を介し、「非対象人物が写るが、撮像を開始するか否か」をユーザに問い合わせるメッセージを報知する。そしてユーザが撮像を開始する旨の指示を入力装置２０２を操作して入力すると、ステップＳ４０４以降の処理を行う。一方、ユーザが撮像を開始しない旨の指示を入力装置２０２を操作して入力すると、処理はステップＳ４０７に進む。

また、ポータブルデバイス１０２の周囲に非対象人物が存在していることを検知してから規定時間が経過すると、上記のようなメッセージ通知を行ってユーザ指示を受け付ける、というプロセスを行うことなく、ステップＳ４０４以降の処理を行っても良い。その場合、例えば、撮像開始の規定時間前からカウントダウン表示／音声出力を行うようにしても良い。

このように、ポータブルデバイス１０２の周囲に非対象人物が存在し続ける場合にポータブルデバイス１０２に行わせる制御処理には様々なものが考えられるが、何れも、このようなケースが発生した場合に、処理が滞ることを回避するものである。然るに、このような目的で行う処理であれば、ポータブルデバイス１０２の周囲に非対象人物が存在し続ける場合にポータブルデバイス１０２に行わせる制御処理には様々な処理が適用しうる。

［第４の実施形態］
本実施形態では、あるデータの収集期間の後すぐに次の収集期間が発生する場合、センサの起動や挙動の安定が間に合わないことを防ぐのを目的とするものである。以下では、第１の実施形態との差分について重点的に説明し、以下で特に触れない限りは、第１の実施形態と同様であるものとする。

あるデータの収集期間が終了して間もなく、次の収集期間が来ることが判明したとする。このような場合、起動させていた撮像装置２０４や計測装置２０８の電源を単純にＯＦＦにしてしまうと、次の収集期間までに再度起動させなければならなくなり、その間隔によっては起動や挙動の安定が間に合わない可能性がある。そこで本実施形態では、このような場合には、電源をＯＦＦにしている途中でＯＮへと反転させる処理を行う。具体的には図１０に示すグラフ１２０１のような挙動となる。

次に、本実施形態に係るポータブルデバイス１０２の動作について、図１１のフローチャートを用いて説明する。図１１において図４に示した処理ステップと同じ処理ステップには同じステップ番号を付しており、該処理ステップに係る説明は省略する。

＜ステップＳ１３０２＞
画像取得部３０１は撮像装置２０４の電源をＯＮにし、外部環境取得部３０２は計測装置２０８の電源をＯＮにする。ここで、ステップＳ１３０２が上記のステップＳ４０３と異なる点は、次の通りである。即ち前回の図１１のフローチャートに従った処理（すなわち前回のデータ収集）が完了してから、少なくとも撮像装置２０４や計測装置２０８の起動から動作が安定するまでの時間が経過するまでの間に今回のデータ収集を開始する場合を想定している。つまり、ステップＳ１３０２では、画像取得部３０１は、撮像装置２０４の電源をＯＦＦにしている最中であっても、該撮像装置２０４の電源をＯＮにする。また、ステップＳ１３０２では、外部環境取得部３０２は、計測装置２０８の電源をＯＦＦにしている最中であっても、該計測装置２０８の電源をＯＮにする。そして上記の最長の起動時間が経過すると（撮像装置２０４及び計測装置２０８の動作が安定すると）、処理はステップＳ４０４に進む。

本実施形態ではこのＯＮを始めるタイミングがＯＦＦにする途中であるため、グラフ１２０１のようにＯＦＦされるまでの時間と挙動が安定するまでに必要な時間の双方を考慮した制御を行う。

なお、前回の収集期間で取得するデータと次の収集期間で取得するデータの種類は同一でも異なっていてもかまわない。また種類が異なっている際には、共通して使用する装置（撮像装置２０４及び／又は計測装置２０８）のみを本実施形態で制御すればよい。なお、ここでは電源をＯＦＦにする途中でＯＮに反転させる処理を行っているが、起動や挙動の安定が図られれば必ずしもこの形でなくともよい。例えば、前のデータ収集期間が終わった後、電源をＯＮにしたままでもよい。

このように、本実施形態によれば、起動や挙動の安定が間に合わないことを防ぎ、データの収集期間が連続してもそのタイミングを逃さずデータ収集を行うことができる。

＜変形例＞
第１〜４の実施形態の一部若しくは全部を適宜組み合わせても構わないし、第１〜４の実施形態の一部若しくは全部を選択的に使用しても構わない。例えば、第４の実施形態のように複数の収集期間が存在するようなケースにおいて、各収集期間で第２の実施形態を適用するようにしても構わない。これにより、複数の収集期間で他の人物のプライバシーを考慮しながらデータ収集を行うことができる。

また、上記の各実施形態では、撮像装置２０４及び計測装置２０８の両方を動作させるものとしているが、これに限るものではなく、学習データを取得するために必要な装置としてユーザが指定した装置のみを動作させるようにしても構わない。また、上記の各実施形態では、人の顔を認識対象として該顔の学習データを作成していたが、人の顔に限らず任意のオブジェクトを対象としても良い。

（その他の実施例）
本発明は、上述の実施形態の１以上の機能を実現するプログラムを、ネットワーク又は記憶媒体を介してシステム又は装置に供給し、そのシステム又は装置のコンピュータにおける１つ以上のプロセッサーがプログラムを読出し実行する処理でも実現可能である。また、１以上の機能を実現する回路（例えば、ＡＳＩＣ）によっても実現可能である。

３０３：対象属性決定部 ３０４：解析部 ３０５：タイミング決定部

Claims (11)

1. 周辺環境の情報を収集する収集装置が定期的若しくは不定期的に収集した収集情報に基づく学習データを登録する情報処理装置であって、
   登録済みの学習データ群を種類別に複数のグループに分類した場合に、それぞれのグループに分類された学習データの数に基づいて、追加登録する学習データの種類を特定する第１の特定手段と、
   前記第１の特定手段が特定した種類の学習データを得るために要する収集情報が収集可能な期間を特定する第２の特定手段と、
   前記期間に前記収集装置を動作させて、該収集装置が収集した収集情報に基づく学習データを追加登録する制御手段と
   を備えることを特徴とする情報処理装置。
2. 前記第１の特定手段は、前記それぞれのグループのうち、属する学習データの数が最小となるグループを特定し、該特定したグループに属する学習データの種類を特定することを特徴とする請求項１に記載の情報処理装置。
3. 前記第１の特定手段は、前記それぞれのグループに分類された学習データの数をユーザに通知し、ユーザによって指定されたグループに属する学習データの種類を特定することを特徴とする請求項１に記載の情報処理装置。
4. 前記第２の特定手段は、前記情報処理装置の周辺環境の変化の時系列を表すタイムテーブルを参照し、該タイムテーブルにおいて、前記第１の特定手段が特定した種類の学習データを得るために要する収集情報が収集可能な周辺環境の期間を特定することを特徴とする請求項１乃至３の何れか１項に記載の情報処理装置。
5. 前記制御手段は、前記期間の開始のタイミングから、前記収集装置を起動してから動作が安定するまでの時間として予め定められた時間だけ遡ったタイミングで前記収集装置を起動させることを特徴とする請求項１乃至４の何れか１項に記載の情報処理装置。
6. 前記制御手段は、前記情報処理装置の周囲に前記追加登録する学習データに対応するオブジェクトとは異なるオブジェクトが存在しないことを検知した場合に、前記期間に前記収集装置を動作させて、該収集装置が収集した収集情報に基づく学習データを追加登録することを特徴とする請求項１乃至５の何れか１項に記載の情報処理装置。
7. 前記制御手段は、前記情報処理装置の周囲に前記追加登録する学習データに対応するオブジェクトとは異なるオブジェクトが存在しており、該存在しているオブジェクトが規定のオブジェクトである場合には、前記期間に前記収集装置を動作させて、該収集装置が収集した収集情報に基づく学習データを追加登録することを特徴とする請求項１乃至５の何れか１項に記載の情報処理装置。
8. 前記制御手段は、前記情報処理装置の周囲に前記追加登録する学習データに対応するオブジェクトとは異なるオブジェクトが存在しないことを検知した場合に、前記期間に前記収集装置による収集を行わせるのか否かをユーザに問い合わせ、ユーザからの指示に応じて、該収集装置が収集した収集情報に基づく学習データを追加登録することを特徴とする請求項１乃至５の何れか１項に記載の情報処理装置。
9. 前記制御手段は、前記期間に前記収集装置が収集した収集情報のうち前記第１の特定手段が特定した種類に対応する収集情報に基づく学習データを追加登録することを特徴とする請求項１乃至８の何れか１項に記載の情報処理装置。
10. 周辺環境の情報を収集する収集装置が定期的若しくは不定期的に収集した収集情報に基づく学習データを登録する情報処理装置が行う情報処理方法であって、
    前記情報処理装置の第１の特定手段が、登録済みの学習データ群を種類別に複数のグループに分類した場合に、それぞれのグループに分類された学習データの数に基づいて、追加登録する学習データの種類を特定する第１の特定工程と、
    前記情報処理装置の第２の特定手段が、前記第１の特定工程で特定した種類の学習データを得るために要する収集情報が収集可能な期間を特定する第２の特定工程と、
    前記情報処理装置の制御手段が、前記期間に前記収集装置を動作させて、該収集装置が収集した収集情報に基づく学習データを追加登録する制御工程と
    を備えることを特徴とする情報処理方法。
11. コンピュータを、請求項１乃至９の何れか１項に記載の情報処理装置の各手段として機能させるためのコンピュータプログラム。

Images