JP2020086741A - コンテンツ選択装置、コンテンツ選択方法、コンテンツ選択システム及びプログラム - Google Patents

Abstract

【課題】 撮像データに含まれる複数の人物に対して、宣伝効果が高いコンテンツを選択するコンテンツ選択装置、コンテンツ選択方法、プログラム等を提供することを主要な目的とする。【解決手段】 撮像データに含まれる複数の人物の特性を認識する認識手段と、前記認識した複数の人物の特性に基づいて、コンテンツごとに、前記複数の人物に対する宣伝効果を予測する予測手段と、予測した前記宣伝効果に基づいて、前記複数の人物に提示するコンテンツを選択する選択手段と、を備える【選択図】 図３

Description

本開示は、コンテンツを選択する装置、方法、システム及びプログラムに関する。

店舗や公共施設等において、デジタルサイネージと呼ばれる、電子機器を用いて情報発信を行うシステムが用いられている。

一般に、デジタルサイネージでは、静的に決定されたルールに基づいて、出力するコンテンツを切り替えることが行われている。近年では、コンテンツの訴求効果、すなわち宣伝効果を向上させるため、撮像装置を用いて一定の範囲を撮像し、撮像データに含まれる人物の情報に基づいて、動的にルールを決定し、コンテンツを切り替える方法が知られている。

例えば、特許文献１に開示されている技術では、撮像データに含まれる人物のうち広告を認識した人物の特徴（性別及び年齢）と、特徴ごとの人数と、広告を流した日時と、を記録し、広告枠ごとに広告を認識する人物の特徴と人数とを宣伝効果として予測する。そして、予測した宣伝効果に基づき、各広告枠で配信する広告を決定する。

また、関連技術として、特許文献２に開示されている技術では、スクリーン前方と、店舗とを、撮像装置を用いて撮像する。そして、広告コンテンツを見た人物の顔特徴量と、来店した人物の顔特徴量とを比較し、同一人物であると判断された人物の数を把握することで、広告コンテンツの宣伝効果を分析する。

特開２００９−２４５３６４号公報 特開２００８−１０２１７６号公報

デジタルサイネージは、上述のように、店舗や公共施設等、多くの人物が集まる場所に用いられることが多い。そのため、コンテンツを切り替えるルールを動的に決定する場合、複数の人物に対して、宣伝効果が高いコンテンツを出力することが必要となる。

特許文献１では、広告に対して設定された所望の宣伝効果と各広告枠に対して予測される宣伝効果に基づき、広告を配信する広告枠が選択される。各広告枠の宣伝効果は、過去の同じ時間において広告を視認した人物の情報に基づいて予測される。しかしながら、宣伝効果の予測において、広告を提示する時点の撮像データの情報は考慮されていない。そのため、撮像データに含まれる複数の人物に対して、宣伝効果が高い広告を必ずしも選択できていない。

特許文献２においても、撮像データに含まれる複数の人物に対して、宣伝効果が高い広告を出力することは開示されていない。

本開示は、上記課題を鑑みてなされたものであり、撮像データに含まれる複数の人物に対して、宣伝効果が高いコンテンツを選択するコンテンツ選択装置、コンテンツ選択方法、プログラム等を提供することを主要な目的とする。

本発明の一態様にかかるコンテンツ選択装置は、撮像データに含まれる複数の人物の特性を認識する認識手段と、前記認識した複数の人物の特性に基づいて、コンテンツごとに、前記複数の人物に対する宣伝効果を予測する予測手段と、予測した前記宣伝効果に基づいて、前記複数の人物に提示するコンテンツを選択する選択手段と、を備える。

本発明の一態様にかかるコンテンツ選択方法は、撮像データに含まれる複数の人物の特性を認識し、前記認識した複数の人物の特性に基づいて、コンテンツごとに、前記複数の人物に対する宣伝効果を予測し、予測した前記宣伝効果に基づいて、前記複数の人物に提示するコンテンツを選択する。

本発明の一態様にかかるプログラムは、撮像データに含まれる複数の人物の特性を認識する処理と、前記認識した複数の人物の特性に基づいて、コンテンツごとに、前記複数の人物に対する宣伝効果を予測する処理と、予測した前記宣伝効果に基づいて、前記複数の人物に提示するコンテンツを選択する処理と、をコンピュータに実行させる。

本発明によれば、撮像データに含まれる複数の人物に対して、宣伝効果が高いコンテンツを選択することが可能になる、という効果が得られる。

各実施形態におけるコンテンツ選択装置を実現するコンピュータ装置のハードウェア構成を示すブロック図である。 第１の実施形態にかかるコンテンツ選択システムの構成の一例を模式的に示す図である。 第１の実施形態にかかるコンテンツ選択システムの機能構成を示すブロック図である。 第１の実施形態にかかる特性認識部が生成した特性認識情報の一例を示す図である。 第１の実施形態にかかる分析フェーズにおける分析サーバの動作を説明するフローチャートである。 第１の実施形態にかかる分析サーバが生成する、学習情報の一例を示す図である。 第１の実施形態にかかる予測フェーズにおけるコンテンツ選択装置の動作を説明するフローチャートである。 第１の実施形態にかかる宣伝効果予測部が算出する、コンテンツごとに、複数の人物に対する宣伝効果を予測した結果の一例を示す図である。 第１の実施形態の変形例にかかる分析サーバが生成する、学習情報の一例を示す図である。 第２の実施形態にかかるコンテンツ選択装置の機能構成の一例を示すブロック図である。 第２の実施形態にかかるコンテンツ選択装置の出力するコンテンツの優先度の算出結果の一例を示す図である。 第３の実施形態にかかるコンテンツ選択装置の機能構成の一例を示すブロック図である。

以下、本発明の実施形態について図面を参照して詳細に説明する。

第１の実施形態
第１の実施形態及び他の実施形態にかかるコンテンツ選択装置を構成するハードウェアについて説明する。図１は、各実施形態におけるコンテンツ選択装置を実現するコンピュータ装置のハードウェア構成を示すブロック図である。図１が示す各ブロックは、各実施形態におけるコンテンツ選択装置及びコンテンツ選択方法を実現するコンピュータ装置１０と、ソフトウェアとの任意の組み合わせにより実現できる。

図１に示すように、コンピュータ装置１０は、プロセッサ１１、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）１２、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）１３、記憶装置１４、入出力インタフェース１５およびバス１６を備える。

記憶装置１４は、プログラム１８を格納する。プロセッサ１１は、ＲＡＭ１２を用いて本コンテンツ選択装置にかかるプログラム１８を実行する。具体的には、例えば、プログラム１８は、図５、７等に示す処理をコンピュータに実行させるプログラムを含む。プロセッサ１１が、プログラム１８を実行することにより、本コンテンツ選択装置の各構成要素（後述する、特性認識部１１１、宣伝効果予測部１１２及びコンテンツ選択部１１３）の機能が実現される。プログラム１８は、ＲＯＭ１３に記憶されていてもよい。また、プログラム１８は、記録媒体２０に記録され、ドライブ装置１７によって読み出されてもよいし、外部装置からネットワークを介して送信されてもよい。

入出力インタフェース１５は、周辺機器（キーボード、マウス、表示装置など）１９とデータをやり取りする。入出力インタフェース１５は、データを取得または出力する手段として機能する。バス１６は、各構成要素を接続する。

なお、コンテンツ選択装置の実現方法には様々な変形例がある。例えば、コンテンツ選択装置は、専用の装置として実現することができる。また、コンテンツ選択装置は、複数の装置の組み合わせにより実現することができる。

本実施形態および他の実施形態の機能における各構成要素を実現するためのプログラムを記録媒体に記録させ、該記録媒体に記録されたプログラムをコードとして読み出し、コンピュータにおいて実行する処理方法も各実施形態の範疇に含まれる。すなわち、コンピュータ読取可能な記録媒体も各実施形態の範囲に含まれる。また、上述のプログラムが記録された記録媒体はもちろん、そのプログラム自体も各実施形態に含まれる。

該記録媒体としては例えばフロッピー（登録商標）ディスク、ハードディスク、光ディスク、光磁気ディスク、ＣＤ（Ｃｏｍｐａｃｔ Ｄｉｓｃ）−ＲＯＭ、磁気テープ、不揮発性メモリカード、ＲＯＭを用いることができる。また該記録媒体に記録されたプログラム単体で処理を実行しているものに限らず、他のソフトウェア、拡張ボードの機能と共同して、ＯＳ（Ｏｐｅｒａｔｉｎｇ Ｓｙｓｔｅｍ）上で動作して処理を実行するものも各実施形態の範疇に含まれる。

次に、デジタルサイネージを構成するコンテンツ選択システムの各構成要素の概要について説明する。

図２は、第１の実施形態にかかるコンテンツ選択システムの構成の一例を模式的に示す図である。図２に示すように、コンテンツ選択システム１００は、コンテンツ選択装置１１０と、撮像装置１２０と、分析サーバ１３０と、コンテンツサーバ１４０と、出力装置１５０と、管理端末１６０とを備える。コンテンツ選択システム１００は、少なくともコンテンツ選択装置１１０の制御に基づいて、出力装置１５０にコンテンツを出力するシステムである。本実施形態では、出力装置１５０付近の所定の範囲に位置する人物は、出力装置１５０において出力されたコンテンツを視認可能であるとする。ここで、出力装置１５０付近の所定の範囲を、図２の出力装置１５０前方の実線で示した範囲（以下、「視認範囲」と称する）で示す。視認範囲は、例えば、出力装置１５０の前方であって、出力装置１５０が設置された場所の中心から半径５メートル以内の範囲でもよいし、出力装置１５０前方の５メートル四方の範囲等であってもよい。

コンテンツ選択装置１１０は、撮像装置１２０と、分析サーバ１３０と、コンテンツサーバ１４０と、出力装置１５０と相互に通信可能に接続されている。

図３は、図２に示したコンテンツ選択システム１００の機能構成を示すブロック図である。図３が示すコンテンツ選択装置１１０、分析サーバ１３０及びコンテンツサーバ１４０内のそれぞれのブロックは単一の装置内に実装されてよく、あるいは、複数の装置にわかれて実装されてよい。ブロック間のデータの授受は、データバス、ネットワーク、可搬記憶媒体等、任意の手段を介して行われてよい。

図３に示すように、コンテンツ選択装置１１０は、特性認識部１１１と、宣伝効果予測部１１２と、コンテンツ選択部１１３とを備える。コンテンツ選択装置１１０は、撮像装置１２０及び分析サーバ１３０から取得した情報等を用いて、出力装置１５０が出力するコンテンツを選択する機能を有する。

撮像装置１２０は、所定の範囲を撮像する装置である。撮像装置１２０が撮像する範囲を、撮像範囲と称する。図２において、出力装置１５０の前方側に点線で示した範囲を撮像範囲とする。撮像範囲は、視認範囲を包含する。撮像装置１２０は、所定の範囲を撮像し、生成した撮像データをコンテンツ選択装置１１０に送る。

分析サーバ１３０は、入出力部１３１と予測モデル生成部１３２とを備える。分析サーバ１３０は、コンテンツ選択装置１１０及び管理端末１６０と通信可能に接続される。入出力部１３１は、コンテンツ選択装置１１０または管理端末１６０から情報を取得する。予測モデル生成部１３２は、入出力部１３１において取得した情報をもとに宣伝効果の予測モデルを生成する（詳細は後述する）。

コンテンツサーバ１４０は、入出力部１４１とコンテンツ記憶部１４２とを備える。コンテンツサーバ１４０は、管理端末１６０と通信可能に接続される。入出力部１４１は、管理端末１６０から取得したコンテンツの実データを、コンテンツを識別する情報と関連付けてコンテンツ記憶部１４２に格納する。

出力装置１５０は、平面ディスプレイやプロジェクタなどによって映像や文字などのコンテンツを表示するサイネージ端末である。コンテンツが動画である場合、ネットワーク回線の帯域や品質によっては、安定したコンテンツ再生ができなくなることが懸念される。このため、出力装置１５０は、その内部にハードディスク等の記憶装置を備え、コンテンツ選択装置１１０が選択対象とする複数のコンテンツをコンテンツサーバ１４０からあらかじめ取得して蓄積する。そして、出力装置１５０は、コンテンツ選択装置１１０から取得したコンテンツ属性情報をもとに、選択されたコンテンツを再生し、平面ディスプレイ等に出力する。なお、本実施形態では、出力装置１５０への動画配信方式として、コンテンツをあらかじめ蓄積して再生する蓄積再生型を採用したが、コンテンツをストリーミング配信で受け、再生出力するストリーミング型を採用してもよい。

管理端末１６０は、コンテンツ選択システム１００を管理するための入出力手段を備えた情報処理装置である。管理端末１６０は、例えばパーソナルコンピュータであってよい。管理端末１６０は、分析サーバ１３０に、出力装置１５０に出力するコンテンツを指定するためのコンテンツ属性情報を送信する。コンテンツ属性情報は、コンテンツを識別する情報であるコンテンツＩＤ（ＩＤｅｎｔｉｆｉｃａｔｉｏｎ）を少なくとも含む。また、管理端末１６０は、コンテンツサーバ１４０にコンテンツ促成情報及びコンテンツの実データを送信する。

図２及び図３では、コンテンツ選択装置１１０は、独立した装置として示されているが、これに限定されない。すなわち、例えば、コンテンツ選択装置１１０は、出力装置１５０に含まれてもよい。また、コンテンツ選択装置１１０は、撮像装置１２０、分析サーバ１３０、コンテンツサーバ１４０及び出力装置１５０が一体となった装置に含まれてもよい。また、コンテンツ選択装置１１０、分析サーバ１３０及びコンテンツサーバ１４０は、それぞれオンプレミス環境で構築されてもよいし、クラウド環境で構築されてもよい。

次に、コンテンツ選択装置１１０の各構成要素について説明する。

特性認識部１１１は、撮像装置１２０から撮像データを取得し、撮像データに含まれる複数の人物を検出すると共に、検出した人物の特性を認識する。ここで、人物の特性とは、例えば、当該人物の性別、年齢、姿勢、表情、服装、当該人物が保持している荷物、当該人物の歩行速度及び当該人物と出力装置１５０との距離などであるが、これに限らない。特性認識部１１１は、人物を検出すると、撮像データに含まれる人物を識別するために、人物の識別情報を付与する。特性認識部１１１は、検出した人物ごとに特性を認識し、認識した特性と、その人物の識別情報とを関連付けたデータ（以下、「特性認識情報」と称する）を生成する。すなわち、特性認識部１１１は、撮像データに含まれる複数の人物の特性を認識する認識手段に相当する。

特性認識部１１１は、人物の特性と、その人物の識別情報とに加えて、コンテキストデータとを関連付けて特性認識情報を生成してもよい。コンテキストデータは、例えば、天気、気温、イベント情報、日時及び場所などを示す情報であるが、これに限らない。特性認識部１１１は、コンテキストデータを、図示しないセンサまたはＧＰＳ（Ｇｌｏｂａｌ Ｐｏｓｉｔｉｏｎｉｎｇ Ｓｙｓｔｅｍ）を用いて取得してもよい。また、特性認識部１１１は、ネットワークを介して得られるオープンデータ、または各装置のシステム時間をコンテキストデータとして取得してもよい。

図４は、特性認識部１１１が生成した特性認識情報の一例を示す図である。図４に示すように、特性認識情報は、撮像データから検出した人物の識別情報と、その人物の特性（ここでは年齢、性別、姿勢及び荷物）と、コンテキストデータ（ここでは天気）とを含む。特性認識部１１１は、撮像装置１２０から取得した撮像データに基づいて、一定時間ごとに特性認識情報を生成してもよい。

宣伝効果予測部１１２は、認識した人物に対するコンテンツごとの宣伝効果の値を予測する（予測値を算出する）。具体的には、宣伝効果予測部１１２は、特性認識部１１１から取得した特性認識情報と、分析サーバ１３０から取得した予測モデルとに基づいて、出力する候補のコンテンツごとに、認識した複数の人物に対する宣伝効果の値を予測する。すなわち、宣伝効果予測部１１２は、特性認識部１１１が認識した複数の人物の特性に基づいて、コンテンツごとに、複数の人物に対する宣伝効果を予測する予測手段に相当する。

コンテンツ選択部１１３は、宣伝効果予測部１１２が予測した宣伝効果の値に基づいて、出力装置１５０が出力するコンテンツを選択する。具体的には、コンテンツ選択部１１３は、出力する候補のコンテンツのうち、宣伝効果が最も高いと予測されるコンテンツを選択する。コンテンツ選択部１１３は、選択したコンテンツのコンテンツＩＤを出力装置１５０に送信する。すなわち、コンテンツ選択部１１３は、宣伝効果予測部１１２によって予測した宣伝効果に基づいて、複数の人物に提示するコンテンツを選択する選択手段に相当する。

次に、本実施形態にかかるコンテンツ選択システム１００の動作について説明する。本実施形態におけるコンテンツ選択システム１００の動作には、分析フェーズと、予測フェーズとがある。分析フェーズでは、コンテンツ選択システム１００は、コンテンツごとの、人物の各々に対する宣伝効果を分析し、予測モデルを生成する。予測フェーズでは、コンテンツ選択システム１００は、撮像データに含まれる複数の人物に対して、より宣伝効果の高いコンテンツを、予測モデルを用いて選択し、出力する。

ここで、宣伝効果は、コンテンツが人物に訴求する効果を表す指標である。例えば、宣伝効果は、視認範囲に位置した人物が、提示されたコンテンツと関連する店舗に来店する度合いであってもよいし、コンテンツを視認した人物が、提示されたコンテンツに関連する商品を手に取る度合いであってもよい。これに限らず、コンテンツが人物に訴求する効果を表すことができれば、宣伝効果として、どのような指標を用いてもよい。本実施形態では、視認範囲に位置した複数の人物が、コンテンツを視認するか否かを示す値を宣伝効果として用いる。

分析フェーズについて説明する。本実施形態の分析フェーズでは、コンテンツ選択システム１００は、人物の特性と、コンテキストデータと、撮像データに含まれる人物がコンテンツを視認したこととの関係性を分析する。そして、コンテンツ選択システム１００は、人物の特性から個別宣伝効果を予測するための予測モデルを生成する。

分析フェーズにおいて、コンテンツ選択装置１１０は、管理端末１６０から取得したコンテンツＩＤに基づいて、所定の時刻に出力装置１５０からコンテンツが出力されるよう制御する。具体的には、管理端末１６０は、分析サーバ１３０を介してコンテンツ選択装置１１０にコンテンツ属性情報を送信する。このとき、コンテンツ属性情報は、コンテンツＩＤに加えて、広告やニュース等のコンテンツの分類を示すコンテンツカテゴリを含んでもよい。また、管理端末１６０は、コンテンツの実データをコンテンツサーバ１４０に送信する。

コンテンツ選択装置１１０は、コンテンツ属性情報を取得すると、コンテンツ選択部１１３において、コンテンツＩＤを出力装置１５０に送信する。出力装置１５０は、コンテンツＩＤを受け取ると、コンテンツサーバ１４０からあらかじめ取得して蓄積した複数のコンテンツの中から、コンテンツＩＤに対応するコンテンツを再生し、当該コンテンツを平面ディスプレイ等に出力する。

撮像装置１２０は、少なくとも出力装置１５０がコンテンツを出力する間、撮像範囲を撮像し、撮像データをコンテンツ選択装置１１０に送る。

特性認識部１１１は、撮像装置１２０から撮像データを取得すると、撮像データに含まれる人物を検出すると共に、検出した人物の特性を認識し、特性認識情報を生成する。このとき、特性認識部１１１は、検出した人物がコンテンツを視認したか否かを判定する。特性認識部１１１は、人物がコンテンツを視認したか否かを判定した結果を表す視認情報を生成し、特性認識情報とともに、分析サーバに送る。ここで、特性認識部１１１は、例えば、人物の顔の方向や目線の方向を検出し、出力装置１５０に顔または目線が向けられた時間を計測する。そして、出力装置１５０に顔または目線が所定時間向けられた場合、特性認識部１１１は、当該人物がコンテンツを視認したと判定する。なお、判定方法は、検出した人物がコンテンツを視認したか否かを判定できればよい。例えば、判定方法として、人物の歩行速度を検出し、歩行速度が所定の割合以上で低下した人物を、コンテンツを視認したと判定する等、他の方法を用いてもよい。

特性認識部１１１は、出力装置１５０がコンテンツを出力する間において認識された特性と視認結果とに基づき、特性認識情報と視認情報とを生成する。ここで、特性認識部１１１は、コンテンツが出力されている間のうち、一定の期間における特性と視認結果とに基づき、特性認識情報を生成してもよい。特性認識情報を生成するタイミングは、出力されるコンテンツごとに設定されてもよく、一律に設定されてもよい。

図５は、分析フェーズにおける分析サーバ１３０の動作を説明するフローチャートである。以下、本明細書において、フローチャートの各ステップを、「Ｓ５０１」のように、それぞれのステップに付した番号を用いて表現する。

分析サーバ１３０は、コンテンツ選択装置１１０から特性認識情報と視認情報と、コンテンツ属性情報と、コンテンツが出力された時刻の情報（以下、出力時刻情報と称する）とを入出力部１３１において取得する（Ｓ５０１）。

分析サーバ１３０は、予測モデル生成部１３２において、特性認識情報、視認情報、コンテンツ属性情報及び出力時刻情報のそれぞれを関連付けたデータを生成する（Ｓ５０２）。以下、特性認識情報、視認情報、コンテンツ属性情報及び出力時刻情報を関連付けたデータを「学習情報」と称する。図６は、学習情報の一例を示す図である。図６において、「○」は人物がコンテンツを視認したことを示し、「×」は、人物がコンテンツを視認しなかったことを示す。

予測モデル生成部１３２は、学習情報を用いて、宣伝効果（視認するか否かを示す値）を予測するための予測モデルを生成する（Ｓ５０３）。例えば、予測モデル生成部１３２は、コンテンツを視認したか否かを示す情報（図６の「視認情報」の「有無」）を目的変数とし、その他の情報（図５の「コンテンツＩＤ」、「再生時刻」、「コンテンツカテゴリ」、「年齢」、「性別」、「姿勢」、「荷物」及び「天気」）を説明変数として、予測モデルを生成する。目的変数は、例えば、コンテンツを視認していた場合のラベル値を１、していなかった場合のラベル値を−１と設定する。説明変数には、例えば、それぞれの情報を数値に置き換えた値が設定される。予測モデルは、例えば、以下の数１で示される識別関数で表される。数１のα_ｎ（ｎは０からＮ−１の整数、Ｎは説明変数の数）は、それぞれ、説明変数の係数である。

上記のような予測モデルの生成には、種々の統計手法または機械学習の手法が用いられる。α_ｎの値は、用いられた統計手法または機械学習の手法によって求められる。予測モデル生成部１３２は、予測モデルを生成し、分析サーバ１３０が有するメモリ（図示せず）に記憶する。「視認情報」の「有無」を目的変数とする予測モデルは、それぞれの特性ごと、またはコンテンツＩＤごとに設定されてもよい。

次に、予測フェーズについて説明する。本実施形態の予測フェーズでは、コンテンツ選択システム１００は、撮像データに含まれる複数の人物に対して、より宣伝効果の高いコンテンツを、上述のように生成された予測モデルに基づいて選択し、出力する。図７は、予測フェーズにおけるコンテンツ選択装置１１０の動作を説明するフローチャートである。

撮像装置１２０は、撮像範囲を撮像し、撮像データを特性認識部１１１に送る。

特性認識部１１１は、撮像装置１２０から撮像データを取得し、撮像データに含まれる人物、すなわち撮像範囲に位置する人物の特性を認識し、特性認識情報を生成する（Ｓ７０１）。このとき、特性認識部１１１は、撮像範囲に位置するすべての人物に関する特性認識情報を生成してもよいが、それに限定されない。例えば、特性認識部１１１は、人物の顔や体の向きを認識し、出力装置１５０に背を向けている人物を除いて特性認識情報を生成してもよい。また、特性認識部１１１は、コンテンツを提示する際に視認範囲を通り過ぎてしまう人物を除いて、特性認識情報を生成してもよい。このとき、特性認識部１１１は、移動している人物の体の向きから算出した移動方向の情報と、人物の位置の情報とを用いて、視認範囲を通り過ぎてしまう人物を特定してもよい。上記により、あらかじめコンテンツを視認する可能性の低い人物を除いて宣伝効果を予測することができるので、宣伝効果を予測する精度を上げることが可能となるという効果を奏する。

特性認識部１１１は図４に示す特性認識情報を生成したとする。宣伝効果予測部１１２は、特性認識部１１１から特性認識情報を取得する。また、特性認識部１１１は、分析サーバ１３０から予測モデルを取得する（Ｓ７０２）。宣伝効果予測部１１２は、特性認識情報及び予測モデルに基づいて、出力するコンテンツ候補ごとの、人物Ａ、人物Ｂ及び人物Ｃに対する、宣伝効果の値を予測する。（Ｓ７０３）。ここで、コンテンツ候補とは、分析フェーズにおいて取得したコンテンツ属性情報のコンテンツＩＤに対応するコンテンツである。

具体的に、ステップＳ７０３では、まず人物の各々について、個別宣伝効果を予測する。例えば、人物Ａに対する個別宣伝効果を予測する場合、宣伝効果予測部１１２は、特性認識情報における人物Ａの「年齢」、「性別」、「姿勢」及び「荷物」と、「天気」と、出力可能なコンテンツの「コンテンツＩＤ」とコンテンツの「再生時刻」とを予測モデルに入力する。宣伝効果予測部１１２は、当該入力に基づいて算出された値を用いて、人物Ａがコンテンツを視認すると予測されるなら「１」、視認しないと予測されるなら「−１」を出力する。宣伝効果予測部１１２は、このとき出力された「１」または「−１」の値を個別宣伝効果とし、人物Ａに対する個別宣伝効果の値を、コンテンツごとに出力する。

図８は、コンテンツごとに、複数の人物に対する宣伝効果の値を予測した結果の一例を示す図である。例えば図８に示すように、宣伝効果予測部１１２は、コンテンツＩＤ「０００１」、「０００２」及び「０００３」のそれぞれのコンテンツが、人物Ａ、人物Ｂ及び人物Ｃのそれぞれに与える個別宣伝効果の値を予測する。そして、宣伝効果予測部１１２は、コンテンツごとの個別宣伝効果の値を合計し、合計した値を、当該コンテンツの宣伝効果として用いる。宣伝効果予測部１１２は、予測した宣伝効果の値をコンテンツ選択部１１３に送信する。

コンテンツ選択部１１３は、宣伝効果予測部１１２が予測した宣伝効果の値を取得し、出力する候補のコンテンツのうち、宣伝効果の値の最も高いコンテンツを出力するコンテンツとして選択する（Ｓ７０４）。図８に示す例では、個別宣伝効果の値の合計値、すなわち宣伝効果の値が最も高い、コンテンツＩＤ「０００１」に対応するコンテンツを、出力するコンテンツとして選択する。そして、コンテンツ選択部１１３は、当該コンテンツのコンテンツＩＤを出力装置１５０に送信する（Ｓ７０５）。

出力装置１５０は、コンテンツ選択部１１３からコンテンツＩＤを取得すると、コンテンツサーバ１４０からあらかじめ取得して蓄積した複数のコンテンツの中から、コンテンツＩＤに対応するコンテンツを再生し、当該コンテンツを平面ディスプレイ等に出力する。

以上のように、第１の実施形態にかかるコンテンツ選択装置１１０は、撮像データに含まれる複数の人物の特性を認識し、認識した複数の人物の特性に基づいて、コンテンツごとに、複数の人物のそれぞれに対して個別宣伝効果を予測する。そして、コンテンツ選択装置１１０は、個別宣伝効果のそれぞれの予測値を、コンテンツごとに合計することにより、コンテンツごとに、複数の人物に対する宣伝効果を予測する。これにより、撮像データに含まれる複数の人物に対して、宣伝効果が最も高くなるコンテンツを選択できるという効果が得られる。

［変形例１］
出力装置１５０への動画配信方式としてストリーミング型を採用することもできる。その場合、出力装置１５０は、コンテンツ選択部１１３からコンテンツＩＤを取得すると、当該コンテンツＩＤに対応するコンテンツの実データをコンテンツサーバ１４０に要求する。コンテンツサーバ１４０は、入出力部１４１を介して、出力装置１５０から取得したコンテンツＩＤに対応するコンテンツの実データを、コンテンツ記憶部１４２から取得し、取得した当該実データを出力装置１５０に送信する。出力装置１５０は、コンテンツサーバ１４０から取得したコンテンツの実データを用いて、コンテンツを出力する。

出力装置１５０の代わりにコンテンツ選択部１１３がコンテンツＩＤをコンテンツサーバ１４０に送り、コンテンツサーバ１４０が当該コンテンツＩＤに対応するコンテンツの実データを出力装置１５０に送信してもよい。

また、予測フェーズにおいて、コンテンツ選択システム１００は、コンテンツが出力される時間に合わせて、特性認識情報を生成し、次に出力するコンテンツを選択してもよい。例えば、コンテンツが３０秒間出力されるものである場合、コンテンツ選択システム１００は、３０秒ごとに特性認識情報を生成し、次に出力するコンテンツを選択してもよい。

[変形例２]
宣伝効果は、コンテンツが提示された際に視認範囲に位置した人物が購入する商品の売上額であってもよい。本変形例において、分析フェーズでは、コンテンツ選択システム１００は、人物の特性と、コンテキストデータと、コンテンツを提示した際に視認範囲に位置した人物が購入した商品の売上との関連性を分析する。そして、コンテンツ選択システム１００は、提示したコンテンツの視認範囲に位置した人物が購入する商品の売上額を予測するための予測モデルを生成する。予測フェーズでは、コンテンツ選択システム１００は、撮像範囲に位置した複数の人物に対してコンテンツを提示した際に、予測した売上額がより高くなるコンテンツを、予測モデルに基づいて選択し、出力する。

このとき、分析フェーズでは、分析サーバ１３０は入出力部１３１において、図示しない撮像装置から、出力装置１５０が設置されている施設の商品購入場所における撮像データを取得する。また、分析サーバ１３０は、当該施設における売上額を含む売上データを取得する。ここで、売上データは、管理端末１６０から取得してもよいし、図示しないＰＯＳ（Ｐｏｉｎｔ Ｏｆ Ｓａｌｅ）端末から取得してもよい。分析サーバ１３０は、当該撮像データに映っている人物の特徴量と、当該人物の売上データとを関連付ける。

予測モデル生成部１３２は、コンテンツ選択装置１１０から取得した特性認識情報に含まれる人物の特徴量と、売上データに関連付けられた人物の特徴量とが一致した場合、当該人物の売上データを抽出し、学習情報にさらに売上データを関連付けた学習情報を生成する。図９は、変形例にかかる学習情報の一例を示す図である。

予測モデル生成部１３２は、図９に示す情報を用いて宣伝効果（売上額）を予測するための予測モデルを生成する。例えば、商品の売上（図９の「売上額」）を目的変数とし、その他の情報（図９の「コンテンツＩＤ」、「再生時刻」、「コンテンツカテゴリ」、「年齢」、「性別」、「姿勢」及び「天気」）を説明変数とすると、分析サーバ１３０は以下の数２のような予測モデルを生成する。数２のβ_ｎ（ｎは０からＮ−１の整数、Ｎは説明変数の数）は各説明変数の係数である。

予測フェーズにおいて、宣伝効果予測部１１２は、各説明変数に数値を代入することで目的変数の値を求める。すなわち、宣伝効果予測部１１２は、数２のような予測モデルを用いて、人物ごとに個別宣伝効果の値を算出する。そして、宣伝効果予測部１１２は、算出した値をコンテンツごとに合計することで、コンテンツごとの宣伝効果の値を予測する。

コンテンツ選択部１１３は、宣伝効果予測部１１２が予測した宣伝効果の値を取得し、出力する候補のコンテンツのうち、宣伝効果の値の最も高いコンテンツを出力するコンテンツとして選択する。

なお、本変形例における売上データは、対象の人物の購入品すべての売上でもよいし、当該購入品のうち出力したコンテンツに関する商品の売上でもよいし、当該購入品のうち出力したコンテンツのコンテンツカテゴリに関連する商品の売上でもよい。

第２の実施形態
第２の実施形態では、第１の実施形態において説明した宣伝効果の予測結果に基づいて優先度を算出し、優先度を用いて、出力するコンテンツを選択する例について説明する。なお、本実施形態にかかるコンテンツ選択システムの構成は、コンテンツ選択装置を除き、図３に示したコンテンツ選択システムの構成と同様である。以下、上述した第１の実施形態の説明と重複する内容については説明を省略する。

図１０は、本実施形態にかかるコンテンツ選択装置２１０の構成を示すブロック図である。コンテンツ選択装置２１０は、特性認識部１１１、宣伝効果予測部１１２、コンテンツ選択部２１３及び優先度算出部２１４を備えている。特性認識部１１１及び宣伝効果予測部１１２は、第１の実施形態と同様である。

優先度算出部２１４は、宣伝効果予測部１１２が予測した宣伝効果の値に基づいてコンテンツを出力する優先度を決定する。すなわち、優先度算出部２１４は、宣伝効果予測部１１２が予測した宣伝効果に基づいて、コンテンツごとに優先度を算出する優先度算出手段に相当する。本実施形態では、優先度算出部２１４が、図８に示すような宣伝効果の予測結果を取得した場合の優先度の決定例について説明する。

図１１は、優先度算出部２１４が算出した優先度の一例を示す図である。図１１では、優先度算出部２１４は、図８に示す算出結果に基づき、宣伝効果の値が大きい順に、すなわちコンテンツＩＤ「０００１」、「０００３」及び「０００２」にそれぞれ優先度「１」、「２」及び「３」が算出されたことを示す。

コンテンツ選択部２１３は、優先度算出部２１４から優先度の算出結果を取得すると、優先度に基づいて出力するコンテンツを選択する。すなわち、図１１の例であれば、コンテンツ選択部２１３は、優先度の最も高い（優先度「１」の）コンテンツＩＤが「０００１」に対応するコンテンツを出力するよう選択する。このとき、コンテンツ選択部２１３は、優先度の最も高いコンテンツから順番にコンテンツを出力するよう選択してもよい。また、コンテンツ選択部２１３は、優先度「１」のコンテンツが、直前に出力されたコンテンツと同じコンテンツであった場合、次に優先度の高いコンテンツ（優先度「２」のコンテンツ）を出力するよう選択してもよい。また、コンテンツ選択部２１３は、優先度の最も高いコンテンツが、一定期間の間に所定回数以上出力されている場合、次に優先度の高いコンテンツを出力するよう選択してもよい。

以上のように、本実施形態にかかるコンテンツ選択装置２１０は、予測した宣伝効果の値に基づいて、コンテンツごとに優先度を算出し、優先度に基づいてコンテンツを提示する順を決定する。これにより、同じコンテンツが続いて出力されたり、極端に高い頻度で出力されたりすることなくコンテンツを出力できるという効果が得られる。

第３の実施形態
図１２は、本発明の第３の実施形態にかかるコンテンツ選択装置３１０の最小構成を示すブロック図である。図１２に示すように、コンテンツ選択装置３１０は、認識部３１１と、予測部３１２と、選択部３１３とを備える。認識部３１１、予測部３１２、選択部３１３の構成はそれぞれ、第１の実施形態にかかる特性認識部１１１、宣伝効果予測部１１２、コンテンツ選択部１１３の構成と同様である。よって、その詳細な説明を省略する。

認識部３１１は、撮像データに含まれる複数の人物の特性を認識する。

予測部３１２は、認識部３１１が認識した複数の人物の特性に基づいて、コンテンツごとに、前記複数の人物に対する宣伝効果を予測する。

選択部３１３は、予測部３１２が予測した宣伝効果に基づいて、前記複数の人物に提示するコンテンツを選択する。

以上のように、本実施形態にかかるコンテンツ選択装置３１０によれば、撮像データに含まれる複数の人物に対して、宣伝効果が高いコンテンツを選択することが可能になる、という効果が得られる。

以上、上述した実施形態を参照して本発明を説明した。しかしながら、本発明は、上述した実施形態には限定されない。即ち、本発明は、本発明のスコープ内において、種々の上記開示要素の多様な組み合わせ乃至選択など、当業者が理解し得る様々な態様を適用することができる。

１０ コンピュータ装置
１１ プロセッサ
１２ ＲＡＭ
１３ ＲＯＭ
１４ 記憶装置
１５ 入出力インタフェース
１６ バス
１７ ドライブ装置
１８ プログラム
１９ 周辺機器
２０ 記録媒体
１００ コンテンツ選択システム
１１０、２１０、３１０ コンテンツ選択装置
１１１ 特性認識部
１１２ 宣伝効果予測部
１１３、２１３ コンテンツ選択部
１２０ 撮像装置
１３０ 分析サーバ
１３１、１４１ 入出力部
１３２ 予測モデル生成部
１４０ コンテンツサーバ
１４２ コンテンツ記憶部
１５０ 出力装置
１６０ 管理端末
２１４ 優先度算出部
３１１ 認識部
３１２ 予測部
３１３ 選択部

Claims (10)

1. 撮像データに含まれる複数の人物の特性を認識する認識手段と、
   前記認識した複数の人物の特性に基づいて、コンテンツごとに、前記複数の人物に対する宣伝効果を予測する予測手段と、
   予測した前記宣伝効果に基づいて、前記複数の人物に提示するコンテンツを選択する選択手段と、を備える
   コンテンツ選択装置。
2. 前記予測手段は、前記コンテンツごとに、前記複数の人物の各々に対して個別宣伝効果を予測し、当該予測した前記個別宣伝効果を合計することにより、前記宣伝効果を予測する、
   請求項１に記載のコンテンツ選択装置。
3. 前記予測手段は、前記複数の人物の各々の特性と、人物の特性から前記個別宣伝効果を予測する予測モデルと、に基づいて、前記個別宣伝効果を予測する
   請求項２に記載のコンテンツ選択装置。
4. 前記人物の特性は、当該人物の性別、年齢、姿勢、表情、服装、当該人物が保持している荷物、及び当該人物の歩行速度のうちの少なくとも一つを含む
   請求項１乃至３のいずれか１項に記載のコンテンツ選択装置。
5. 前記宣伝効果は、前記コンテンツが前記複数の人物に訴求する効果を表す、
   請求項１乃至４のいずれか１項に記載のコンテンツ選択装置。
6. 前記宣伝効果は、前記複数の人物が前記コンテンツを視認するか否かを示す値、前記複数の人物が前記コンテンツと関連する店舗に来店する度合い、前記複数の人物が前記コンテンツに関連する商品を手に取る度合い、及び前記複数の人物が購入する商品の売上額のうちの少なくとも一方を含む
   請求項５に記載のコンテンツ選択装置。
7. 前記予測手段が予測した前記宣伝効果に基づいて、前記コンテンツごとに優先度を算出する優先度算出手段を備え、
   前記選択手段は、前記優先度に基づいて前記コンテンツを提示する順を決める
   請求項１乃至６のいずれか１項に記載のコンテンツ選択装置。
8. 請求項１乃至６のいずれか１項に記載のコンテンツ選択装置と
   前記撮像データを生成する撮像装置と、
   前記複数の人物に提示するコンテンツを指定するためのコンテンツＩＤを前記選択手段から取得し、当該コンテンツＩＤに基づいて選択されたコンテンツを出力する出力装置と、を備える
   コンテンツ選択システム。
9. 撮像データに含まれる複数の人物の特性を認識し、
   前記認識した複数の人物の特性に基づいて、コンテンツごとに、前記複数の人物に対する宣伝効果を予測し、
   予測した前記宣伝効果に基づいて、前記複数の人物に提示するコンテンツを選択する
   コンテンツ選択方法。
10. 撮像データに含まれる複数の人物の特性を認識する処理と、
    前記認識した複数の人物の特性に基づいて、コンテンツごとに、前記複数の人物に対する宣伝効果を予測する処理と、
    予測した前記宣伝効果に基づいて、前記複数の人物に提示するコンテンツを選択する処理と、をコンピュータに実行させる
    プログラム。

Images