JP2022036983A - Self-register system, purchased commodity management method and purchased commodity management program - Google Patents
Self-register system, purchased commodity management method and purchased commodity management program Download PDFInfo
- Publication number
- JP2022036983A JP2022036983A JP2021189090A JP2021189090A JP2022036983A JP 2022036983 A JP2022036983 A JP 2022036983A JP 2021189090 A JP2021189090 A JP 2021189090A JP 2021189090 A JP2021189090 A JP 2021189090A JP 2022036983 A JP2022036983 A JP 2022036983A
- Authority
- JP
- Japan
- Prior art keywords
- product
- change
- image
- unit
- person
- 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.)
- Granted
Links
- 238000007726 management method Methods 0.000 title claims description 26
- 230000008859 change Effects 0.000 claims abstract description 501
- 238000001514 detection method Methods 0.000 claims abstract description 198
- 238000012545 processing Methods 0.000 claims description 124
- 238000000034 method Methods 0.000 claims description 65
- 238000003384 imaging method Methods 0.000 claims description 40
- 230000008569 process Effects 0.000 claims description 38
- 230000001568 sexual effect Effects 0.000 claims 1
- 238000000605 extraction Methods 0.000 description 86
- 230000010354 integration Effects 0.000 description 43
- 238000010586 diagram Methods 0.000 description 33
- 239000000284 extract Substances 0.000 description 19
- 238000012217 deletion Methods 0.000 description 17
- 230000037430 deletion Effects 0.000 description 17
- 230000010365 information processing Effects 0.000 description 13
- 238000004364 calculation method Methods 0.000 description 12
- 238000012986 modification Methods 0.000 description 11
- 230000004048 modification Effects 0.000 description 11
- 238000004891 communication Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 238000012544 monitoring process Methods 0.000 description 5
- 238000012549 training Methods 0.000 description 4
- 230000003247 decreasing effect Effects 0.000 description 3
- 239000000203 mixture Substances 0.000 description 3
- 238000011410 subtraction method Methods 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 238000012790 confirmation Methods 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000012806 monitoring device Methods 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
Images
Abstract
Description
本発明は、顧客が購入する商品を自動で管理するセルフレジスター(セルフレジ)システム、購入商品管理方法および購入商品管理プログラムに関する。 The present invention relates to a self-register (self-registration) system that automatically manages products purchased by a customer, a purchased product management method, and a purchased product management program.
コンビニエンスストアやスーパーマーケットなどの商品の販売店舗では、顧客自身がレジスター(以下、レジと記す。)端末を操作するセルフレジが導入されている。一般的なセルフレジでは、顧客は商品の識別コード(例えば、バーコード)をレジ端末に読み取らせて決済を行う。しかし、顧客が識別コードの位置を判断するには手間や時間がかかるため、自動的に顧客が購入する商品を識別する方法が各種提案されている。 At convenience stores, supermarkets, and other stores that sell products, self-checkouts have been introduced in which customers themselves operate register (hereinafter referred to as cashiers) terminals. In a general self-checkout, a customer makes a checkout terminal read a product identification code (for example, a barcode) to make a payment. However, since it takes time and effort for the customer to determine the position of the identification code, various methods for automatically identifying the product purchased by the customer have been proposed.
例えば、特許文献1には、商品の陳列状況を監視する商品モニタリング装置が記載されている。特許文献1に記載された装置は、陳列エリアを撮影した画像から商品を検出し、検出結果に基づいて陳列エリアにおける商品陳列状態を評価する。
For example,
また、特許文献2には、商品の決済を行うPOS(Point Of Sales)システムが記載されている。特許文献2に記載されたPOSシステムは、撮像画像を用いて顧客の動線を検出し、商品を決済しようとする顧客を識別して、その顧客の動線に対応する位置に陳列される商品を候補として、決済対象の商品を認識する。
Further,
なお、非特許文献1には、適応ガウス混合モデルを用いて背景画像を減算する方法が記載されている。
In addition, Non-Patent
特許文献1に記載された商品モニタリング装置は、一般的な画像認識方法を利用して、映像から物体を抽出する。しかし、一般的な画像認識方法を用いて映像から物体を抽出するためには、抽出対象の物体を表す画像(参照画像)が必要になる。しかし、コンビニエンスストアやスーパーの各店舗には、数千から数万点の商品が存在することもあり、かつ、それらの商品は定期的に入れ替わることが一般的である。そのため、全ての商品に対する参照画像を収集したり更新したりすると、非常にコストが高くなってしまうという問題がある。
The product monitoring device described in
また、特許文献2に記載されたシステムでは、動線データと関連付けた商品を決済処理の候補とするが、その候補の中から顧客が購入する商品を特定することは困難である。
Further, in the system described in
そこで、本発明は、個々の商品の画像を予め準備することなく、顧客が購入する商品を適切に管理できるセルフレジシステム、購入商品管理方法および購入商品管理プログラムを提供することを目的とする。 Therefore, an object of the present invention is to provide a self-registration system, a purchased product management method, and a purchased product management program that can appropriately manage products purchased by a customer without preparing images of individual products in advance.
本発明のセルフレジシステムは、商品が撮像されている撮像画像に基づいて、その商品が配置された商品棚の変化領域を検出する変化検出手段と、検出された変化領域における商品棚の変化を分類する分類手段と、商品棚の変化の分類と、商品棚の棚割り情報とに基づいて、顧客の買い物リストを生成する買い物リスト生成手段とを備え、分類手段が、時間の変化の前後に応じた商品棚の変化をモデル化した棚変化モデルを用いて、変化領域の画像から、商品棚の変化を分類することを特徴とする。 The self-registration system of the present invention classifies a change detecting means for detecting a change region of a product shelf on which a product is placed and a change in the product shelf in the detected change region based on an captured image in which the product is imaged. It is provided with a classification means to generate a shopping list, a shopping list generation means for generating a customer's shopping list based on the classification of changes in the product shelves, and the shelving allocation information of the product shelves. It is characterized by classifying the changes in the product shelves from the images of the change areas by using the shelf change model that models the changes in the product shelves.
本発明の購入商品管理方法は、商品が撮像されている撮像画像に基づいて、その商品が配置された商品棚の変化領域を検出し、検出された変化領域における商品棚の変化を分類し、商品棚の変化の分類と、商品棚の棚割り情報とに基づいて、顧客の買い物リストを生成し、分類の際、時間の変化の前後に応じた商品棚の変化をモデル化した棚変化モデルを用いて、変化領域の画像から、商品棚の変化を分類することを特徴とする。 The purchased product management method of the present invention detects a change area of the product shelf on which the product is placed based on the captured image in which the product is imaged, classifies the change of the product shelf in the detected change area, and classifies the change. A shelf change model that generates a customer's shopping list based on the classification of changes in the product shelves and the shelf allocation information of the product shelves, and models the changes in the product shelves before and after the change in time during classification. It is characterized in that the change of the product shelf is classified from the image of the change area by using.
本発明の購入商品管理プログラムは、コンピュータに、商品が撮像されている撮像画像に基づいて、その商品が配置された商品棚の変化領域を検出する変化検出処理、検出された変化領域における商品棚の変化を分類する分類処理、および、商品棚の変化の分類と、商品棚の棚割り情報とに基づいて、顧客の買い物リストを生成する買い物リスト生成処理を実行させ、分類処理で、時間の変化の前後に応じた商品棚の変化をモデル化した棚変化モデルを用いて、変化領域の画像から、商品棚の変化を分類させることを特徴とする。 The purchased product management program of the present invention performs a change detection process for detecting a change area of a product shelf on which the product is placed based on an image captured by the computer, and a product shelf in the detected change area. Based on the classification process for classifying changes in the product shelves, the classification of changes in the product shelves, and the shelving allocation information for the product shelves, the shopping list generation process for generating the customer's shopping list is executed. Using a shelf change model that models changes in the product shelves before and after the change, it is characterized in that the changes in the product shelves are classified from the image of the change area.
本発明によれば、個々の商品の画像を予め準備することなく、顧客が購入する商品を適切に管理できる。 According to the present invention, it is possible to appropriately manage the products purchased by the customer without preparing images of the individual products in advance.
以下、本発明の実施形態を図面を参照して説明する。 Hereinafter, embodiments of the present invention will be described with reference to the drawings.
[第1の実施形態]
第1の実施形態では、撮像画像に基づいて、顧客が購入予定の商品のリスト(以下、買い物リストと記す。)を管理するセルフレジシステム1について説明する。
[First Embodiment]
In the first embodiment, a self-
後述するように、本実施形態のセルフレジシステム1は、撮像装置2が撮像した撮像画像に基づいて、商品棚3の変化を検出するとともに、撮像画像に含まれる人物や物体の領域を検出する。そして、セルフレジシステム1は、商品棚3の変化と抽出した人物とを関連付けるとともに、人物を基準として関連づけた情報を統合する。このように、セルフレジシステム1は、抽出した人物に基づいて、商品棚3の変化を関連付けるよう構成されている。これにより、セルフレジシステム1は、抽出した人物が購入しようとする商品を検出する。
As will be described later, the self-
図1は、本発明によるセルフレジシステムの第1の実施形態の構成例を示すブロック図である。本実施形態のセルフレジシステム1は、顧客が所持する端末10と、画像処理装置100と、撮像装置2と、買い物リスト管理装置20と、出力装置30と、決済装置40と、人物識別装置50とを備えている。端末10と、画像処理装置100と、撮像装置2と、買い物リスト管理装置20と、出力装置30と、決済装置40と、人物識別装置50とは、例えば、ネットワークNを介して相互に接続される。
FIG. 1 is a block diagram showing a configuration example of a first embodiment of the self-registration system according to the present invention. The self-
なお、本実施形態では、画像処理装置100と、撮像装置2と、買い物リスト管理装置20とが、それぞれ別個の構成であるとして説明を行う。しかし、各装置が、他の装置に内蔵される構成であってもよい。例えば、撮像装置2が後述する画像処理装置100としての機能を有していてもよく、画像処理装置100が撮像装置2としての機能を有していてもよい。また、例えば、画像処理装置100と買い物リスト管理装置20とが、同一のハードウェアで実現され、撮像装置2が撮像する画像を受信して、後述する各処理を行ってもよい。
In this embodiment, the
また、図1では、撮像装置2が1つの場合について例示している。しかし、セルフレジシステム1が備える撮像装置2の数は1つに限定されず、2つ以上であってもよい。
Further, FIG. 1 illustrates a case where the
図2は、セルフレジシステム1の利用シーンの例を示す説明図である。図2を参照すると、セルフレジシステム1では、撮像装置2が、店舗の商品棚3を撮像する。そして、撮像装置2は、撮像した撮像画像を示す映像信号を、画像処理装置100に送信する。
FIG. 2 is an explanatory diagram showing an example of a usage scene of the self-
撮像装置2は、例えば、店舗などに設置されている監視カメラである。撮像装置2は、例えば、店舗内などにおいて商品棚3を撮像可能な所定位置に設置されている。また、撮像装置2には、その撮像装置2を識別するためのカメラIDなどが予め割り当てられている。撮像装置2は、撮像画像を取得する。この際、撮像装置2は、例えば、自身が有する時計などを参照して、撮像画像を取得した時刻である撮像時刻を取得した撮像画像に関連付ける。このように、撮像装置2は、商品棚3などの様子を示す撮像画像を取得する。
The
なお、撮像装置2が撮像する映像は、動画像であってもよいし、連続する静止画像であってもよい。また、本実施形態において、撮像装置2が取得する撮像画像は、カラー画像(以下、RGB(Red Green Blue)画像と呼ぶ)および距離画像の少なくともいずれかである。なお、撮像装置2が取得する撮像画像は、例えば、RGB画像以外の色空間の画像であってもよい。
The image captured by the
上述したように、撮像装置2は、取得した撮像画像を示す映像信号を、画像処理装置100に送信する。撮像装置2は、撮像画像を撮像装置2の内部または画像処理装置100とは異なる記憶装置に格納してもよい。
As described above, the
画像処理装置100は、商品が撮像されている撮像画像を分析することで、商品棚の変化を分類する情報処理装置である。
The
図3は、画像処理装置100の構成例を示す説明図である。本実施形態の画像処理装置100は、第1取得部110と、第1変化検出部120と、第1記憶部130と、第1関連性生成部140と、関連性統合部150とを含む。具体的には、画像処理装置100は、例えば、演算装置および記憶装置(図示せず)を含む。そして、画像処理装置100は、例えば、記憶装置に格納されたプログラムを演算装置で実行することで、上記各処理部を実現する。
FIG. 3 is an explanatory diagram showing a configuration example of the
なお、図3に例示する画像処理装置100は、本開示に特有な構成について示したものである。画像処理装置100は、図3に示されていない部材を有してもよい。この点は、第2の実施形態以降についても同様である。
The
第1取得部110は、撮像装置2が商品棚3を撮像することによって得た撮像画像を示す映像信号を取得する。第1取得部110は、撮像装置2から送信された映像信号を受信してもよい。第1取得部110は、撮像装置2の内部または撮像装置2および画像処理装置100とは異なる記憶装置に格納された撮像画像に基づいて変換された映像信号を取得してもよい。
The
なお、上述したように、画像処理装置100は撮像装置2に内蔵される構成であってもよい。このような構成の場合、第1取得部110は、撮像画像そのものを取得する構成であってもよい。
As described above, the
第1取得部110は、取得した映像信号を、その映像信号を構成するRGB画像と距離画像の少なくとも一方または両方に変換する。そして、第1取得部110は、変換した画像(RGB画像と距離画像の少なくとも一方または両方)を第1変化検出部120に供給する。なお、第1取得部110が映像信号を変換することによって得たRGB画像および距離画像は、撮像装置2が商品棚3を撮像した撮像画像を表すため、単に撮像画像とも呼ぶ。
The
図4は、第1変化検出部120および第1記憶部130の構成例を示すブロック図である。以下、図4を参照して、第1変化検出部120および第1記憶部130について説明する。
FIG. 4 is a block diagram showing a configuration example of the first
第1記憶部130は、ハードディスクやメモリなどの記憶装置である。第1記憶部130は、背景情報131と、棚変化モデル132と、前景情報133と、人物情報134とを記憶する。なお、第1記憶部130は、画像処理装置100とは異なる記憶装置で実現されてもよいし、第1変化検出部120に内蔵されてもよい。また、背景情報131と、棚変化モデル132と、前景情報133と、人物情報134とは、同一の記憶装置に格納されてもよいし、別々の記憶装置に格納されてもよい。
The
背景情報131は、第1変化検出部120が撮像画像と比較するための基準となる画像である。背景情報131は、背景画像とも呼ぶ。背景情報131は、例えば、撮像画像と同じ種類の画像であることが好ましい。例えば、撮像画像がRGB画像である場合、背景情報131もRGB画像であることが好ましい。なお、背景情報131は、第1取得部110から第1変化検出部120に対して最初に供給された撮像画像であってもよいし、事前に与えられた画像であってもよい。
The
また、後述するように、背景情報131は、更新可能な情報である。背景情報131を更新する際の処理の詳細は、後述される。
Further, as will be described later, the
棚変化モデル132は、事前に学習された、商品棚3の変化をモデル化したものである。棚変化モデル132は、例えば、予め第1記憶部130に格納されている。棚変化モデル132は、例えば、一般的に広く知られているConvolutional Neural Networkなどの機械学習を用いて学習されることによって得られてもよい。
The
棚変化モデル132は、例えば、商品棚3に商品が含まれる画像と商品棚3に商品が含まれない画像とを用いて学習された「商品棚3に商品が含まれなくなったことによる変化」または「商品棚3に商品が新たに含まれたことによる変化」を表す。また、棚変化モデル132は、複数の商品の画像および各商品の形状が変化した複数の画像を用いて学習された「商品棚3に陳列された商品の見た目が変わったことによる変化」を表す。また、棚変化モデル132は、商品棚3の前に何も対象物が存在しない状態で撮像された撮像画像と、商品棚3の前に人物などの対象物が存在する状態で撮像された撮像画像とを用いて学習された、「商品棚3の前に人物が存在することによる変化」、「商品棚3の前に買い物カートがあることによる変化」等を表す。また、棚変化モデル132は、様々な環境下で画像を用いて学習された、例えば、「照明が変わったことによる変化」を表してもよい。
The
棚変化モデル132の学習データは、例えば、変化前後の2つのRGB画像を結合した6チャネル画像でもよいし、変化前後の2つのRGB画像のR成分、G成分、またはB成分のいずれか1つを結合した2チャネル画像でもよい。また、学習データは、例えば、変化前後の2つのRGB画像のR成分、G成分、またはB成分のいずれか2つを結合した4チャネル画像でもよいし、変化前後の2つのRGB画像をグレースケール画像に変換してから結合した2チャネル画像でもよい。また、学習データは、変化前後のRGB画像をHSV(Hue Saturation Value)色空間など他の色空間に変換し、他の色空間への変換後の色空間における1つまたは複数のチャネルを結合した画像でもよい。
The training data of the
また、棚変化モデル132の学習データは、RGB画像のようなカラー画像から生成されたものであってもよいし、カラー画像と距離画像との両方を用いて生成されたものであってもよい。
Further, the training data of the
前景情報133は、前景領域検出部121により格納される情報である。前景情報133は、前景領域検出部121が背景画像である背景情報131と撮像画像であるRGB画像とを比較した結果検出する、RGB画像のうちの背景画像と異なる領域である前景領域(変化領域)を示す情報を含む。具体的には、前景情報133は、例えば、撮像画像の撮像時刻が関連付けられた2値画像である。なお、前景情報133を格納する処理の詳細は後述される。
The
人物情報134は、前景領域追跡部123により格納される情報である。人物情報134は、例えば、前景領域追跡部123が抽出した人物領域に撮像装置のID(カメラID)や人物IDや撮像画像上の位置や撮像画像の撮像時刻などを関連付けることで生成される。後述するように、人物領域は、例えばRGB画像である。換言すると、人物情報134は、例えば、格納された人物領域の色、面積、形状および外接矩形のアスペクト比などを示す情報を含むことができる。なお、人物情報134を格納する処理の詳細も後述される。
The
第1変化検出部120は、商品棚3に関する変化領域を検出する。
The first
第1変化検出部120は、例えば、撮像画像に含まれる商品棚3に陳列された商品が、撮像画像よりも前に取得された画像(例えば背景画像)に含まれない場合、その商品の領域を検出する。また、第1変化検出部120は、例えば、背景画像に含まれる商品棚3に陳列された商品が撮像画像に含まれない場合、その商品の領域を検出する。また、第1変化検出部120は、例えば、撮像画像に含まれる商品棚3に陳列された商品と背景画像に含まれる商品との見え方が異なる場合、その商品の領域を検出する。このように、第1変化検出部120は、撮像画像に基づいて、商品が減った(無くなった)、商品が増えた(新たに出現した)、商品の見た目が変わった、などの商品の陳列状態の変化を検出する。
For example, when the product displayed on the
また、第1変化検出部120は、例えば、撮像画像が商品棚3と撮像装置2との間に人物や物体が存在した時に撮像された場合、商品棚3を撮像した撮像画像に含まれる人物や物体の領域を検出する。
Further, the first
以上のように、第1変化検出部120は、商品の陳列状態が変化した領域である商品棚3の内部の変化領域や、商品棚3と撮像装置2との間に存在した人物や物体による撮像画像の変化領域など、商品棚3に関する変化領域を検出する。
As described above, the first
図4に例示する通り、第1変化検出部120は、前景領域検出部121と、背景情報更新部122と、前景領域追跡部123と、第1抽出部124と、第2抽出部125と、領域変化分類部126とを有する。
As illustrated in FIG. 4, the first
前景領域検出部121は、第1取得部110から供給された撮像画像を受け取る。また、前景領域検出部121は、撮像画像に対応する背景情報131を第1記憶部130から取得する。上述した通り、背景情報131はRGB画像である。前景領域検出部121は、2つのRGB画像である撮像画像と背景情報131とを比較する。そして、前景領域検出部121は、比較した2つのRGB画像の間で変化した領域を変化領域として検出する。前景領域検出部121は、背景画像である背景情報131と撮像画像であるRGB画像とを比較するため、背景画像と異なる領域である前景領域を検出する処理を行っているとも言える。
The foreground
なお、本実施形態において、前景領域検出部121が変化領域を検出する方法は特に限定されない。前景領域検出部121は、既存の技術を用いて変化領域を検出してもよい。前景領域検出部121は、例えば、背景差分法を用いて変化領域を検出してもよい。前景領域検出部121は、検出された変化領域の画素値を255、それ以外の画素値を0で表した2値画像を生成してもよい。
In the present embodiment, the method by which the foreground
ここで、前景領域検出部121の動作の一例について、図5を参照してより具体的に説明する。図5は、前景領域検出部121の動作例を示す説明図である。図5(a)は撮像画像の一例を示し、図5(b)は第1記憶部130に格納された撮像画像に対応する背景情報131の一例を示す。また、図5(c)は、変化領域の検出結果である2値画像の一例を示す。
Here, an example of the operation of the foreground
図5(a)および図5(b)を参照すると、撮像画像と背景情報131とでは、商品G1、商品G2、商品G3の3つの領域に差異がある。例えば、図5(a)および図5(b)に示す例の場合、商品G1は、背景情報131には含まれないが、撮像画像には含まれる。また、商品G3は、背景情報131には含まれるが、撮像画像には含まれない。また、撮像画像に含まれる商品G2の位置には、背景情報131上では他の商品が陳列されている。したがって、前景領域検出部121は、商品G2の領域も変化があった領域として検出する。このような場合、前景領域検出部121は、例えば、図5(c)に例示するような、商品G1、商品G2および商品G3の領域に相当する部分を白で表現し、その他の部分を黒で表現した2値画像を生成する。
Referring to FIGS. 5A and 5B, there are differences in the three regions of the product G1, the product G2, and the product G3 between the captured image and the
なお、以降の説明において、変化領域とは、図5(c)に例示する白色の各部分を示す。つまり、変化領域とは、例えば、画素値が255の画素であり、且つ、その画素に隣接する画素の何れかの画素値が255の画素の集合である。図5(c)に示す例では、前景領域検出部121は、3つの変化領域を検出する。
In the following description, the change region refers to each white portion exemplified in FIG. 5 (c). That is, the change region is, for example, a set of pixels having a pixel value of 255 and any pixel value adjacent to the pixel having a pixel value of 255. In the example shown in FIG. 5 (c), the foreground
上述したように、前景領域検出部121は、例えば、撮像画像と同じサイズの2値画像を生成する。また、前景領域検出部121は、検出結果である2値画像に、その2値画像の生成に用いた撮像画像の撮像時刻を関連付ける。前景領域検出部121は、2値画像に、2値画像の生成に用いた撮像画像を示す情報や背景情報131を示す情報などを関連付けてもよい。そして、前景領域検出部121は、撮像画像の撮像時刻などが関連付けられた検出結果を、背景情報更新部122と、前景領域追跡部123とに供給する。また、前景領域検出部121は、撮像画像の撮像時刻が関連付けられた検出結果を、前景情報133として第1記憶部130に格納する。
As described above, the foreground
なお、前景領域検出部121による検出結果は、検出した変化領域を示す情報を含んでいればよい。前景領域検出部121は、例えば、検出した変化領域(画素値が255の領域)の位置を表す情報とその大きさとを変化領域の検出に用いた撮像画像を示す情報および背景画像を示す情報に関連付け、検出結果として出力してもよい。このように、前景領域検出部121が出力する検出結果は、どのような形式であってもよい。
The detection result by the foreground
また、前景領域検出部121は、検出結果である2値画像に、撮像画像の撮像時刻を関連付けるとともに、撮像画像から抽出した変化領域に含まれる色情報を関連付けてもよい。前景領域検出部121は、変化領域の色情報の代わりに、変化領域の画像を検出結果に関連付けてもよい。このように、前景領域検出部121は、撮像時刻以外の情報も検出結果に関連付けてよい。
Further, the foreground
また、図5(c)に例示するように、前景領域検出部121が生成する2値画像には、複数の変化領域が含まれる場合がある。このような場合、前景領域検出部121は、変化領域ごとの2値画像を生成してもよい。前景領域検出部121が変化領域ごとに2値画像を生成する方法については、前景領域検出部121の変形例として、後述される。
Further, as illustrated in FIG. 5C, the binary image generated by the foreground
前景領域追跡部123は、前景領域検出部121が検出した変化領域を複数の撮像画像の間で追跡する。前景領域追跡部123は、追跡した結果に応じて、2値画像を第1抽出部124および第2抽出部125に供給したり、人物領域を抽出したりする。また、前景領域追跡部123は、背景情報131の更新を示す更新信号を背景情報更新部122に供給する。
The foreground
前景領域追跡部123は、例えば、前景領域検出部121から供給された検出結果(2値画像)を受け取る。また、前景領域追跡部123は、検出結果である2値画像に関連付けられた、その2値画像に関連する撮像画像の撮像時刻よりも前に撮像された撮像画像から生成された2値画像である前景情報133を第1記憶部130から取得する。そして、前景領域追跡部123は、各2値画像によって表される各変化領域を対応付ける処理を行うことにより、その変化領域を追跡する。
The foreground
前景領域追跡部123は、様々な方法を用いて変化領域を追跡できる。前景領域追跡部123は、例えば、前景領域検出部121から供給された2値画像と、第1記憶部130から取得した前景情報133とによって表される変化領域の、面積、形状および外接矩形のアスペクト比の少なくとも1つに基づいて、類似度を算出する。そして、前景領域追跡部123は、算出した類似度が最も高くなる変化領域同士を対応付けることで、変化領域を追跡する。また、色情報を検出結果に関連付ける構成の場合、前景領域追跡部123は、その色情報を用いて追跡を行ってもよい。前景領域追跡部123は、検出結果に関連付けられた変化領域の画像に基づいて追跡を行ってもよい。
The foreground
前景領域追跡部123は、追跡した結果が所定の時間以上であるか、または、変化領域の移動量が所定の閾値以上であるかを確認する。なお、前景領域追跡部123が確認に用いる所定の時間および所定の閾値の値は任意である。
The foreground
変化領域の移動量が所定の閾値未満であり、追跡した結果が所定の時間以上である場合、前景領域追跡部123は、前景領域検出部121から供給された検出結果である2値画像を第1抽出部124および第2抽出部125に供給する。このとき、前景領域追跡部123は、例えば、2値画像に、2値画像の生成に用いた撮像画像を示す情報および背景情報131を示す情報を付与して、その2値画像を第1抽出部124および第2抽出部125に供給する。前景領域追跡部123は、例えば、2値画像と共に、対応する撮像画像および背景情報131を第1抽出部124および第2抽出部125に供給してもよい。また、2値画像に複数の変化領域が含まれ、変化領域の何れかが所定の時間以上追跡されていない場合、前景領域追跡部123は、所定の時間以上追跡された変化領域を示す情報と共に、2値画像を第1抽出部124および第2抽出部125に供給してもよい。
When the amount of movement of the changing region is less than a predetermined threshold value and the traced result is equal to or longer than a predetermined time, the foreground
なお、2値画像に複数の変化領域が含まれる場合、前景領域追跡部123は、1つの2値画像に1つの変化領域が含まれるように複数の2値画像を生成してもよい。例えば、所定の時間以上追跡された変化領域のみが含まれる2値画像を第1抽出部124および第2抽出部125に供給し、所定の時間以上追跡されていない変化領域が含まれる2値画像を破棄してもよい。なお、前景領域追跡部123は、前景領域検出部121から変化領域ごとの2値画像を検出結果として受け取ってもよい。
When the binary image includes a plurality of change areas, the foreground
また、変化領域の移動量が所定の閾値以上である場合、前景領域追跡部123は、変化領域に含まれる物体が動体であると判定する。このように変化領域に含まれる物体が動体であると判定した場合、前景領域追跡部123は、その変化領域を第1抽出部124および第2抽出部125に供給することを抑制する。これにより、画像処理装置100は「商品棚3の前に人物が存在することによる変化」など、商品の増減に無関係な商品棚3に関する変化を削除できる。これにより、商品の陳列状態をより正確に監視することが可能になる。
Further, when the movement amount of the changing region is equal to or more than a predetermined threshold value, the foreground
なお、前景領域追跡部123は、変化領域に含まれる物体が動体であると判定した判定結果を、その変化領域に関連付けて第1抽出部124および第2抽出部125に供給してもよい。そして、領域変化分類部126は、変化領域に判定結果が関連付けられている場合、この変化領域における商品棚3に関する変化を、商品棚3に陳列された商品以外の変化に関連する種類に分類してもよい。例えば、領域変化分類部126は、変化領域における商品棚3に関する変化を、「商品棚3の前に人物が存在することによる変化」、「商品棚3の前に買い物カートがあることによる変化」等、商品以外の変化に関する種類に分類してもよい。
The foreground
前景領域追跡部123は、撮像画像から動体と判定した変化領域を人物領域として抽出する。具体的には、前景領域追跡部123は、撮像画像と、その撮像画像と同じサイズである2値画像とを用いて、2値画像における画素値が255の領域に対応する撮像画像上の領域の画像を第1注目画像として抽出する。例えば、撮像画像がRGB画像である場合、抽出された人物領域も、RGB画像である。
The foreground
なお、前景領域追跡部123は、動体と判定された変化領域ごとに、その変化領域と同じ形状の領域の人物領域を抽出してもよいし、変化領域に外接する所定の形状の枠と同じ形状の枠で囲まれる領域を人物領域として抽出してもよい。変化領域に外接する枠の形状は、例えば、矩形、楕円形などどのような形状であってもよい。また、前景領域追跡部123は、変化領域に外接する枠よりも所定のサイズ分大きい枠で囲まれる領域を人物領域として抽出してもよい。
The foreground
次に、前景領域追跡部123は、抽出した人物領域に撮像装置2のID(カメラID)や、例えば抽出した人物領域ごとに付与する人物ID、撮像画像上の位置、撮像画像の撮像時刻などを関連付ける。そして、前景領域追跡部123は、関連付けた情報を人物情報134として第1記憶部に格納する。なお、撮像画像上の位置は、例えば、動体と判定された変化領域の外接矩形の四隅の座標値で表現されてもよいし、四隅の少なくとも1か所の座標値と外接矩形の幅および高さで表現されてもよい。
Next, the foreground
また、前景領域追跡部123は、背景情報131の更新を示す更新信号を背景情報更新部122に供給する。
Further, the foreground
前景領域追跡部123は、例えば、変化領域の追跡後、第1抽出部124および第2抽出部125に変化領域を示す検出結果を供給する場合に、値が1の更新信号を、変化領域を示す情報と共に背景情報更新部122供給する。値が1の更新信号は、背景情報131における変化領域に対応する部分の画像を更新することを示している。また、前景領域追跡部123は、第1抽出部124および第2抽出部125に検出結果を供給しない場合に、値が0の更新信号を、その変化領域を示す情報と共に背景情報更新部122に供給してもよい。値が0の更新信号は、背景情報131における変化領域に対応する部分の画像を更新しないことを示している。なお、第1抽出部124および第2抽出部125に検出結果を出力しない場合とは、例えば、追跡結果が所定の時間未満である場合、または、変化領域の移動量が所定の閾値以上である場合である。
For example, when the foreground
なお、前景領域追跡部123は、上記例示した以外のタイミングで、背景情報131の更新を示す更新信号を背景情報更新部122に供給してもよい。前景領域追跡部123は、例えば、画像処理装置100の外部装置(図示せず)から送信される商品の購入情報や仕入情報、店員の作業情報等に基づいて、変化領域に含まれる商品が購入されたまたは補充された可能性が高いと判断される場合に、商品棚3の背景を更新するように値が1の更新信号を出力してもよい。前景領域追跡部123は、追跡の結果に含まれる追跡の時間等に基づいて、背景情報131の更新を示す更新信号を背景情報更新部122に供給してもよい。
The foreground
背景情報更新部122は、第1取得部110から供給された撮像画像と、前景領域検出部121から供給された検出結果と、第1記憶部130に格納されている背景情報131(例えば、RGB画像)と、前景領域追跡部123から供給された更新信号とに基づいて背景情報131を更新する。背景情報更新部122が背景情報131を更新する方法は特に限定されない。背景情報更新部122は、例えば、非特許文献1と同様の方法を用いて背景情報131を更新してもよい。
The background
なお、背景情報更新部122は、背景情報131によって示される画像のうち、例えば、前景領域検出部121から供給された検出結果によって示される変化領域に該当する部分の画像を更新しなくてもよい。背景情報更新部122は、例えば、上述した値が0の更新信号を前景領域追跡部123から受け取った場合、変化領域に対応する領域の背景情報を更新しない。
The background
上述したように、前景領域追跡部123は、第1抽出部124および第2抽出部125に検出結果を出力しない場合、値が0の更新信号を背景情報更新部122に供給する。背景情報更新部122は、このように、追跡結果が第1の所定の条件を満たす場合に、値が0の更新信号を受け取り、変化領域に対応する領域の背景情報を更新しない。言い換えると、追跡結果が第1の所定の条件を満たす場合、背景情報更新部122は、背景情報131のうち、変化領域に対応する領域以外を更新する。これにより、第1取得部110が次に取得した撮像画像の、更新を行なわなかった領域に対応する領域が前景領域検出部121によって変化領域として検出されやすくなる。
As described above, when the foreground
また、背景情報更新部122は、例えば、前景領域追跡部123から供給された更新信号の値が1の場合に、背景情報131によって示されるRGB画像のうち、前景領域検出部121から供給された検出結果によって示される変化領域に該当する部分の画像を更新する。上述したように、前景領域追跡部123は、追跡結果が所定の時間以上である場合、追跡した変化領域を表す検出結果を第1抽出部124および第2抽出部125に供給するとともに、値が1の更新信号を背景情報更新部122に供給する。つまり、追跡結果が所定の時間以上追跡された結果であるという第2の所定の条件を満たす場合、背景情報更新部122は、前景領域追跡部123から値が1の更新信号を受け取り、背景情報131におけるその変化領域に該当する部分の画像を更新する。これにより、背景情報更新部122は、第1記憶部130に格納された背景情報131をその時点において第1取得部110が取得した撮像画像に近づけることができる。したがって、画像処理装置100は、上記変化領域に対応して次に第1取得部110が取得する撮像画像上の領域を、前景領域検出部121が変化領域として検出することを防ぐことができる。
Further, the background
第1抽出部124は、前景領域追跡部123から、検出結果である2値画像を受け取る。また、第1抽出部124は、2値画像の生成に用いた撮像画像を第1取得部110から取得する。なお、第1抽出部124は、撮像画像を2値画像と共に前景領域追跡部123から受け取ってもよい。
The
第1抽出部124は、撮像画像から変化領域の画像を抽出する。具体的には、第1抽出部124は、撮像画像と、その撮像画像と同じサイズである2値画像とを用いて、2値画像における画素値が255の領域に対応する撮像画像上の領域の画像を第1注目画像として抽出する。例えば、2値画像が図5(c)の場合、第1抽出部124は、撮像画像から3つの第1注目画像を抽出する。例えば、撮像画像がRGB画像である場合、抽出された第1注目画像も、RGB画像である。
The
なお、第1抽出部124は、変化領域ごとに、その変化領域と同じ形状の領域の第1注目画像を抽出してもよいし、変化領域に外接する所定の形状の枠と同じ形状の枠で囲まれる領域の画像を第1注目画像として抽出してもよい。変化領域に外接する枠の形状は、例えば、矩形、楕円形など、どのような形状であってもよい。また、第1抽出部124は、変化領域に外接する枠よりも所定のサイズ分大きい枠で囲まれる領域の画像を第1注目画像として抽出してもよい。
The
第1抽出部124は、抽出した第1注目画像を領域変化分類部126に供給する。なお、第1抽出部124が抽出した第1注目画像の撮像画像上における領域を第1注目領域とも呼ぶ。また、第1抽出部124は第1注目領域の位置情報を取得し、その位置情報と撮像時刻とを関連付けて、それらを第1関連性生成部140に供給する。なお、第1注目領域の位置情報は、例えば、第1注目領域の外接矩形の四隅の座標値でもよいし、四隅の少なくとも1か所の座標値と外接矩形の幅および高さで表現されてもよい。また、外接矩形が円形ならば、第1注目領域の位置情報は、例えば、円の中心座標と円の半径でもよい。また、外接矩形が楕円形ならば、第1注目領域の位置情報は、例えば、楕円の中心座標と楕円の長径と短径でもよい。
The
第2抽出部125は、前景領域追跡部123から、検出結果である2値画像を受け取る。また、第2抽出部125は、2値画像の生成に用いた背景情報131を第1記憶部130から取得する。なお、第2抽出部125は、背景情報131を2値画像と共に前景領域追跡部123から受け取ってもよい。
The
第2抽出部125は、背景情報131から変化領域の画像を抽出する。具体的には、第2抽出部125は、背景画像である背景情報131と2値画像とを用いて、2値画像における画素値が255の領域に対応する背景情報131上の領域の画像を第2注目画像として抽出する。第2注目画像の抽出方法は、第1注目画像の抽出方法と同様である。第2抽出部125は、抽出した第2注目画像を領域変化分類部126に供給する。なお、第2抽出部125が抽出した第2注目画像の背景情報131上における領域を第2注目領域とも呼ぶ。
The
領域変化分類部126は、変化領域における商品棚3に関する変化を分類し、分類結果を第1関連性生成部140に供給する。領域変化分類部126は、第1抽出部124および第2抽出部125から供給された、第1注目領域および第2注目領域と、第1記憶部130に格納された棚変化モデル132とに基づいて、背景画像上の検出された変化領域に対応する領域の画像の状態から、撮像画像上の変化領域に対応する領域の画像の状態への変化を分類する。
The area
画像の状態とは、例えば、画像に商品が含まれるまたは含まれない状態、画像に顧客が含まれるまたは含まれない状態、画像に買い物かごが含まれるまたは含まれない状態、画像に買い物カートが含まれるまたは含まれない状態等、である。領域変化分類部126は、棚変化モデル132に基づいて、変化領域における商品棚3に関する変化を、例えば、「商品棚3に商品が含まれなくなったことによる変化」、「商品棚3に商品が新たに含まれたことによる変化」、「商品棚3に陳列された商品の見た目が変わったことによる変化」、「商品棚3の前に人物が存在することによる変化」、「商品棚3の前に買い物カートがあることによる変化」、「照明が変わったことによる変化」などの、変化の種類に分類する。なお、領域変化分類部126が変化領域における状態の変化を分類する種類は、一例であり、これらに限定されない。
The state of the image is, for example, the state where the image contains or does not include the product, the state where the image contains or does not include the customer, the state where the image contains or does not include the shopping basket, and the state where the image contains the shopping cart. The state of being included or not included, etc. Based on the
例えば、「商品棚3に商品が含まれなくなったことによる変化」は、「商品が取られたことによる変化」と言うこともでき、「商品棚3に商品が新たに含まれたことによる変化」は、「商品が商品棚に配置されたことによる変化」と言うこともできる。また、例えば、「照明が変わったことによる変化」は、「商品棚の環境の変化」と言うこともできる。また、領域変化分類部126は、商品棚の変化を、「商品の見た目が変わったことによる変化」に分類してもよい。「商品棚3の見た目が変わったことによる変化」は、さらに、例えば、「異なる商品が配置されたことによる見た目の変化」なのか、「商品の姿勢が変わったことによる見た目の変化」なのか等、更に詳細に分類されてもよい。
For example, "change due to the fact that the product is no longer included in the
より詳細に説明すると、領域変化分類部126は、第1抽出部124から第1注目画像を受け取る。また、領域変化分類部126は、第2抽出部125から第2注目画像を受け取る。そして、領域変化分類部126は、第1記憶部130に格納された棚変化モデル132に基づいて、第2注目画像の状態から、その第2注目画像に対応する第1注目画像の状態への変化を、例えば上述した種類に分類する。言い換えると、領域変化分類部126は、第2注目画像の状態から第1注目画像の状態への変化を、棚変化モデル132と比較した結果に基づいて分類する。
More specifically, the region
図6は、領域変化分類部126が出力する分類結果の例を示す説明図である。領域変化分類部126は、例えば、図6に例示する分類結果90を出力する。
FIG. 6 is an explanatory diagram showing an example of the classification result output by the area
図6に例示する通り、分類結果90は、例えば、第2注目画像91と、第1注目画像92と、変化の種類93とを含む。なお、図6に示す分類結果90は一例であり、分類結果90が図6に例示する情報以外の情報を含んでもよい。分類結果90は、例えば、撮像画像に関する情報(識別子、撮像時刻など)や第1注目画像92の撮像画像における位置を示す情報などを含んでもよい。
As illustrated in FIG. 6, the
なお、領域変化分類部126は、例えば、棚変化モデル132を作成した機械学習法(Convolutional Neural Networkなど)を用いて、商品棚3に関する変化を上述した種類の何れかに分類してもよい。
The area
以上が、第1変化検出部120の構成の一例である。
The above is an example of the configuration of the first
第1関連性生成部140は、第1変化検出部120から変化領域の分類結果とその変化領域の位置情報を受け取る。また、第1関連性生成部140は、第1記憶部130から人物情報134を取得する。そして、第1関連性生成部140は、変化領域の位置情報に対応するその変化領域の撮像時刻と、人物情報134に紐づいたその人物の撮像時刻とに基づいて、その変化領域に対応する商品(商品の陳列状態の変化)と人物との関係を示す、商品と人物の関連性情報を生成する。その後、第1関連性生成部140は、生成した商品と人物の関連性情報を関連性統合部150に供給する。
The first
具体的には、第1関連性生成部140は、例えば、変化領域を検出した撮像時刻より前の時刻に撮像された人物の中から、その変化領域と交差した人物を抽出する。そして、第1関連性生成部140は、抽出された人物の中で最もその変化領域の撮像時刻に近い時刻で撮像された人物とその変化領域とを関連付ける。
Specifically, the first
図7は、第1関連性生成部140が生成する商品と人物との関連性情報の例を示す説明図である。図7には、撮像装置のIDを示すカメラIDと、その撮像装置に映った人物を示す人物IDと、商品棚の変化領域の位置情報と、その変化の分類結果が例示されている。図7では、変化領域の位置情報は、変化領域の外接矩形の1つの隅の座標値と外接矩形の幅と高さで表現されている。また、変化の種類は、「商品が取られたことによる変化」を「商品減少」、「商品棚3に商品が新たに含まれたことによる変化」を「商品増加」として示されている。
FIG. 7 is an explanatory diagram showing an example of relationship information between a product and a person generated by the first
ただし、関連性情報に領域変化分類部126が分類した内容そのものが含まれていてもよい。その場合、後述する買い物リスト更新部22が、分類内容に基づいて買い物リストを更新する内容を判断する。
However, the relevance information may include the content itself classified by the area
なお、第1関連性生成部140は、例えば、生成した人物と商品の関連性情報と、第1記憶部130に格納されている人物情報134とを関連付けて、関連性統合部150に供給してもよい。また、第1関連性生成部140は、撮像画像に関する情報(識別子、撮像時刻など)を関連性情報に付与してもよい。
The first
関連性統合部150は、第1関連性生成部140から商品と人物の関連性情報を受け取る。そして、関連性統合部150は、受け取った関連性情報に同一人物の関連性情報が存在する場合、それらを1つに統合する。その後、関連性統合部150は、統合した関連性情報を買い物リスト管理装置20に供給する。
The
関連性統合部150は、例えば、第1記憶部130の人物情報134に格納された人物領域の色、面積、形状および外接矩形のアスペクト比の少なくとも1つに基づいて、類似度を算出する。そして、関連性統合部150は、算出した類似度が最も高くなる人物領域同士を同一人物と判定する。上述したように、関連性統合部150は、同一人物と判定した関連性情報を統合する。
The
図8は、図7に例示した商品と人物との関連性情報を統合した例を示す説明図である。図8に示す例では、図7に例示する人物ID=1と人物ID=4の関連性情報が1つに統合されている。また、図7に例示する人物ID=2と人物ID=3の関連性情報も1つに統合されている。つまり、図8では、図7に例示する人物ID=1と人物ID=4の人物が同一人物であり、図7に例示する人物ID=2と人物ID=3の人物が同一人物である場合の一例を示している。 FIG. 8 is an explanatory diagram showing an example in which the relationship information between the product and the person exemplified in FIG. 7 is integrated. In the example shown in FIG. 8, the relationship information of the person ID = 1 and the person ID = 4 illustrated in FIG. 7 is integrated into one. Further, the relationship information of the person ID = 2 and the person ID = 3 illustrated in FIG. 7 is also integrated into one. That is, in FIG. 8, when the person ID = 1 and the person ID = 4 exemplified in FIG. 7 are the same person, and the person ID = 2 and the person ID = 3 exemplified in FIG. 7 are the same person. An example is shown.
なお、図8に示す例では、統合の一例として、関連性情報を統合する際に、2つの人物IDを比較し、小さな値の人物IDを統合後の関連性情報の人物IDとして採用しているが、大きな値の人物IDを採用してもよい。また、例えば、関連性情報を統合した後に、人物IDを付与しなおしてもよい。また、後述する人物識別装置50が人物を識別する際に使用した人物IDが採用されてもよく、人物が携帯する端末10を識別する識別情報が採用されてもよい。
In the example shown in FIG. 8, as an example of integration, two person IDs are compared when the relevance information is integrated, and a person ID having a small value is adopted as the person ID of the relevance information after integration. However, a person ID with a large value may be adopted. Further, for example, after integrating the relevance information, the person ID may be reassigned. Further, the person ID used when the
また、関連性統合部150は、関連性情報に基づいて、商品が取られた場所とは異なる場所に戻されたことを検出してもよい。関連性統合部150は、例えば、商品を取得した場所と商品を戻した場所を比較することなどにより、商品が取られた場所とは異なる場所に戻されたことを検出してもよい。
Further, the
以下、図8を参照して、関連性統合部150の動作を具体的に説明する。関連性統合部150は、人物IDごとに位置情報と変化の種類とを比較する。図7に示す例では、人物ID=1の人物が、カメラID=1の撮像装置に映る商品棚の(10,0)の場所から商品を取得し、(250,300)の場所に商品を戻している。また、取得した商品と戻した商品は、外接矩形の幅と高さがともに(30,50)であり、同一の商品と判断される。これより、関連性統合部150は、人物ID=1の人物が、商品を取得した棚と同じ棚ではあるが異なる場所に戻したことを検知する。なお、人物ID=2の人物は、同一の商品を取得した場所と同一の場所に戻している。そのため、関連性統合部150は、この行動を、商品が取られた場所とは異なる場所に戻されたとは検出しない。
Hereinafter, the operation of the
このように、関連性統合部150は、例えば、同一人物が商品を異なる場所に戻したことを検知することで、商品が取られた場所とは異なる場所に戻されたことを検出する。なお、関連性統合部150は、例えば、同じ場所に戻したものの商品の見た目が変わっている場合などにも、商品が取られた場所とは異なる場所に戻されたと検出してもよい。
In this way, the
以上が、画像処理装置100が有する各構成の一例である。
The above is an example of each configuration of the
端末10は、顧客が携帯する装置であり、例えば、携帯端末やタブレット端末等により実現される。端末10は、顧客を識別する情報を記憶しており、後述する人物識別装置50が、端末10と顧客(人物)とを関連付ける際に利用される。端末10は、例えば、顧客を識別する情報を、ラベル(バーコードなど)として表示してもよく、近距離無線通信で送信してもよい。
The terminal 10 is a device carried by a customer, and is realized by, for example, a mobile terminal, a tablet terminal, or the like. The terminal 10 stores information for identifying a customer, and is used when a
また、端末10は、後述する通知部23からの通知に応じ、人が知覚できる態様(表示、振動、光、音声など)で、各種情報を顧客に通知する。なお、通知部23が通知する具体的な内容は後述される。
Further, the terminal 10 notifies the customer of various information in a mode (display, vibration, light, voice, etc.) that can be perceived by a person in response to a notification from the
人物識別装置50は、人物を識別する装置である。なお、本実施形態では、人物識別装置50は、人物そのものの特性(例えば、性別、年齢、身長等)まで識別する必要はなく、他の人物と区別可能に識別できればよい。例えば、図8に示す例では、人物ID=1の人物と、ID=2の人物と、ID=5の人物がそれぞれ別人であると識別できればよい。人物識別装置50は、例えば、店舗に入口に設けられて、人物を識別する。
The
本実施形態では、人物識別装置50は、撮像画像に基づいて人物を識別する。人物識別装置50が人物を識別する方法は任意である。人物識別装置50は、例えば、入店した人物を撮像した画像から、上述する関連性統合部150が人物の類似度を算出する際に用いる情報(人物領域の色、面積、形状および外接矩形のアスペクト比、など)を取得してもよい。そして、人物識別装置50は、取得した情報を用いて人物を識別してもよい。
In the present embodiment, the
さらに、人物識別装置50は、識別した人物と、その人物が携帯する装置(端末10)とを関連付けてもよい。具体的には、人物識別装置50は、店舗の入口に設けられたセンサ(図示せず)で端末10を検知したときに人物を撮像し、撮像された画像で識別される人物と端末10の識別情報とを関連付けてもよい。この場合、人物識別装置50は、撮像装置およびセンサを含む装置により実現される。なお、この撮像装置とセンサとは別のハードウェアで実現されていてもよい。また、人物が携帯する装置は、携帯電話などのハードウェアに限定されず、例えば、ICカードのような媒体であってもよい。
Further, the
具体的には、顧客が端末10にインストールされたアプリケーションプログラムを起動することで、顧客の識別情報を表示させ、顧客がその識別情報を人物識別装置50に識別させたときに、人物識別装置50が、人物と端末10とを関連付けてもよい。
Specifically, when the customer starts the application program installed on the terminal 10 to display the customer's identification information and the customer causes the
図9は、買い物リスト管理装置20の構成例を示すブロック図である。買い物リスト管理装置20は、買い物リストを人物ごとに管理する。買い物リスト管理装置20は、買い物リスト生成部21と、買い物リスト更新部22と、通知部23と、買い物リスト記憶部24とを含む。
FIG. 9 is a block diagram showing a configuration example of the shopping
買い物リスト記憶部24は、人物ごとに買い物リストを記憶する。買い物リスト記憶部24は、例えば、上述する人物IDと対応付けて買い物リストを記憶してもよい。また、買い物リスト記憶部24は、上述する人物識別装置50が、人物を識別した際に付与する識別子と対応付けて買い物リストを記憶してもよい。また、人物と端末10とが対応付けられている場合、買い物リスト記憶部24は、人物および端末10を買い物リストと対応付けて記憶してもよい。
The shopping
買い物リスト生成部21は、買い物リストを生成し、買い物リスト記憶部24に登録する。買い物リスト生成部21は、例えば、人物識別装置50が人物を識別したときに、その人物に対応する買い物リストを生成してもよい。また、買い物リスト生成部21は、例えば、人物識別装置50が人物と端末10とを関連付けたときに、その人物に対応する買い物リストを生成してもよい。この場合、買い物リストが人物の所持する端末10と対応付けられるため、後述する通知部23が、買い物リストに生じた変化を、端末10に通知することが可能になる。
The shopping
また、セルフレジシステム1が人物識別装置50を含まない場合(すなわち、端末10と買い物リストとが関連付けられていない場合)、買い物リスト生成部21は、第1関連性生成部140が人物と商品との関連性情報を生成したときに買い物リストを生成してもよい。この場合、買い物リスト生成部21は、関連性統合部150が関連性情報を統合したときに、買い物リストも統合すればよい。このように、買い物リストは、各人物に対応づけて管理される。
Further, when the self-
買い物リスト更新部22は、関連性統合部150から統合した関連性情報を受け取り、関連性統合部150が統合した関連性情報に基づいて、買い物リストの内容を更新する。具体的には、買い物リスト更新部22は、関連性情報に含まれる商品棚の変化の分類と、商品棚の棚割り情報とに基づいて、各人物に対応する買い物リストの内容を更新する。
The shopping
本実施形態では、関連性情報には、商品棚の変化領域の位置情報と、その商品棚の変化の分類が含まれる。そこで、買い物リスト更新部22は、陳列状態の変化が検出された商品を、商品が配置された商品棚の棚割り情報に基づいて特定する。
In the present embodiment, the relevance information includes the position information of the change area of the product shelf and the classification of the change of the product shelf. Therefore, the shopping
買い物リスト更新部22は、関連性統合部150によって新たに統合された関連性情報のみ(すなわち、差分情報)を受け取ってもよく、統合された関連性情報の全てを受け取ってもよい。差分情報を受け取った場合、買い物リスト更新部22は、すでに生成されている買い物リストに対して、差分情報に含まれる商品を対象とした更新処理を行う。また統合された関連性情報の全てを受け取った場合、買い物リスト更新部22は、その人物の買い物リスト全てを受け取った関連性情報に基づいて更新する。
The shopping
棚割り情報は、各店舗の商品棚に対して予め準備された商品の配置位置を表す情報である。棚割り情報は、例えば、商品棚番号(段)および列の番号と、その番号の位置に配置される商品名とを対応付けた情報である。また、撮像装置2が撮像する位置と商品棚の位置とは予め対応付けて管理される。そのため、撮像装置2が撮像する画像の商品棚の領域と棚割り情報とを対応付けることで、商品を特定することが可能になる。
The shelving allocation information is information indicating the arrangement position of products prepared in advance for the product shelves of each store. The shelving allocation information is, for example, information in which a product shelf number (column) and a column number are associated with a product name arranged at the position of the number. Further, the position of the
図10は、棚割り情報の例を示す説明図である。図10に示す例では、画像I1は、撮像装置であるカメラID=1のカメラで撮像された画像であるとする。また、図10に例示する棚割り情報I2は、商品棚の段および列で特定される範囲に配置される商品を表す。例えば、画像I1に含まれる商品I3の位置情報が、図8に例示する関連性情報の1行目の位置情報(すなわち、位置情報(10,0,30,50))に一致するとする。この場合、買い物リスト更新部22は、商品I3を、棚割り情報I2の1段目の1列に対応付けられた商品aであると特定する。
FIG. 10 is an explanatory diagram showing an example of shelf allocation information. In the example shown in FIG. 10, it is assumed that the image I1 is an image captured by a camera having a camera ID = 1 which is an image pickup device. Further, the shelf allocation information I2 exemplified in FIG. 10 represents products arranged in a range specified by columns and columns of product shelves. For example, it is assumed that the position information of the product I3 included in the image I1 matches the position information (that is, the position information (10, 0, 30, 50) in the first line of the relevance information exemplified in FIG. 8). In this case, the shopping
また、上述するように、関連性情報には、商品棚の変化領域の分類結果が含まれる。すなわち、関連性情報から商品棚の変化の分類を特定することが可能である。そこで、買い物リスト更新部22は、人物が商品を手に取ったことに起因する商品棚の変化に分類される商品を、商品が配置された商品棚の棚割り情報に基づいて特定する。そして、買い物リスト更新部22は、特定された商品を人物に対応する買い物リストに登録するための登録処理を行う。人物が商品を手に取ったことに起因する商品棚の変化は、上述する例では、「商品が取られたことによる変化」に対応し、変化の種類では、「商品減少」に対応する。
Further, as described above, the relevance information includes the classification result of the change area of the product shelf. That is, it is possible to identify the classification of changes in the product shelves from the relevance information. Therefore, the shopping
買い物リスト更新部22は、商品を買い物リストに登録するための登録処理として、人物に対応する買い物リストにその商品を登録する処理を行う。また、買い物リスト更新部22は、登録処理として、後述する通知部23に商品を登録した旨の情報を端末10に対して通知させてもよい。その際、通知部23は、正しい商品が買い物リストに追加されたか否かを端末10を介して顧客に問い合わせてもよい。
The shopping
さらに、買い物リスト更新部22は、人物が商品を戻したことに起因する商品棚の変化に分類される商品を、商品が配置された商品棚の棚割り情報に基づいて特定する。そして、買い物リスト更新部22は、特定された商品を人物に対応する買い物リストから削除するための削除処理を行う。人物が商品を戻したことに起因する商品棚の変化は、上述する例では、「商品が商品棚に配置されたことによる変化」に対応し、変化の種類では、「商品増加」に対応する。
Further, the shopping
買い物リスト更新部22は、商品を買い物リストから削除するための削除処理として、人物に対応する買い物リストからその商品を削除する処理を行う。また、買い物リスト更新部22は、削除処理として、後述する通知部23に商品を削除した旨の情報を端末10に対して通知させてもよい。その際、通知部23は、正しい商品が買い物リストから削除されたか否かを端末10を介して顧客に問い合わせてもよい。
The shopping
また、買い物リスト更新部22は、買い物リストからその商品をすぐには削除せず、削除処理として、取られた場所とは異なる場所に戻された商品を識別する削除フラグを、買い物リストに含まれる対象の商品に設定してもよい。そして、買い物リスト更新部22は、後述する通知部23に削除フラグが設定された旨の情報を端末10に対して通知させてもよい。その際、同様に、通知部23は、削除フラグが設定された商品が削除すべき商品か否かを端末10を介して顧客に問い合わせてもよい。そして、買い物リスト更新部22は、通知した人物が携帯する端末10を介して、削除フラグが設定された商品を削除するか否かを表す指示を受信し、その商品を削除する指示を受信した場合に、買い物リストからその商品を削除してもよい。
In addition, the shopping
また、買い物リスト更新部22は、買い物リストの内容を更新するごとに、通知部23に対して端末10に買い物リストを送信させてもよい。
Further, the shopping
通知部23は、買い物リストの情報を端末10に通知する。上述するように、通知部23は、買い物リスト更新部22の処理に応じ、商品の登録および削除、並びに、削除フラグが設定された旨を端末10に通知してもよい。
The
また、通知部23は、買い物リストに削除フラグが設定されている商品が存在する場合、後述する決済装置40に、決済処理を停止する旨を通知してもよい。このような通知を行うことで、未承認の商品が決済されてしまうことを防止できる。
Further, the
出力装置30は、買い物リストの内容を出力する。出力装置30は、例えば、後述する決済装置40の近傍に設置され、決済処理の際に買い物リストの内容を出力してもよい。なお、端末10に買い物リストの内容が出力可能な場合、セルフレジシステム1は、出力装置30を備えていなくてもよい。出力装置30は、例えば、ディスプレイなどの表示装置であってもよいし、POS(point of sales)端末であってもよい。また、出力装置30はこれらに限定されず、例えば、スピーカや携帯端末であってもよい。
The
決済装置40は、買い物リストの内容に基づいて決済処理を行う。例えば、買い物リストが端末10に関連付けられている場合、決済装置40は、買い物リストに関連付けられた端末10に合計金額を通知し、決済処理を行ってもよい。なお、決済装置40が個人の端末10を介して決済を行う方法は広く知られており、ここでは詳細な説明は省略する。
The
一方、買い物リストが端末10に関連付けられていない場合、決済装置40は、出力装置30に買い物リストの内容および合計金額を表示させ、顧客からの入金や、カード支払等の決済処理を受け付けてもよい。なお、入金やカード支払いに基づく決済方法も広く知られているため、ここでは詳細な説明は省略する。
On the other hand, when the shopping list is not associated with the terminal 10, the
また、決済装置40は、上述する通知部23より、決済処理を停止する旨の通知(具体的には、削除フラグが設定されている商品が残っている旨の通知)を受信した場合、その買い物リストに基づく決済処理を停止し、各種アラートを表示してもよい。決済装置40は、例えば、端末10に削除フラグが残っている旨の通知を行ってもよい。また、決済装置40は、例えば、出力装置30に削除フラグが設定されている商品を表示したり音声案内したりすることで、顧客に確認を促してもよい。
Further, when the
画像処理装置100(より具体的には、第1取得部110と、第1変化検出部120と、第1関連性生成部140と、関連性統合部150)は、プログラムに従って動作するコンピュータのCPUによって実現される。例えば、プログラムは、画像処理装置100が備える記憶部(図示せず)に記憶され、CPUは、そのプログラムを読み込み、プログラムに従って、第1取得部110、第1変化検出部120、第1記憶部130、第1関連性生成部140および関連性統合部150として動作してもよい。
The image processing device 100 (more specifically, the
また、画像処理装置100に含まれる第1取得部110、第1変化検出部120、第1記憶部130、第1関連性生成部140および関連性統合部150は、それぞれが専用のハードウェアで実現されていてもよい。
Further, the
また、買い物リスト管理装置20(より具体的には、買い物リスト生成部21と、買い物リスト更新部22と、通知部23)も、プログラムに従って動作するコンピュータのCPUによって実現される。例えば、プログラムは、買い物リスト管理装置20が備える記憶部(図示せず)に記憶され、CPUは、そのプログラムを読み込み、プログラムに従って、買い物リスト生成部21、買い物リスト更新部22および通知部23として動作してもよい。また、買い物リスト管理装置20に含まれる買い物リスト生成部21、買い物リスト更新部22および通知部23は、それぞれが専用のハードウェアで実現されていてもよい。
Further, the shopping list management device 20 (more specifically, the shopping
次に、図11を参照して、本実施形態の画像処理装置100の動作を説明する。図11は、本実施形態の画像処理装置100の動作例を示すフローチャートである。
Next, the operation of the
第1取得部110は、商品棚3を撮像した映像信号からRGB画像である撮像画像を取得する(ステップS1001)。第1取得部110は、取得した撮像画像を第1変化検出部120に供給する。
The
第1変化検出部120の前景領域検出部121は、第1取得部110から供給されたRGB画像である撮像画像と、第1記憶部130に格納されているRGB画像である背景情報131とを用いて、2つのRGB画像の間で変化した領域を変化領域(前景領域)として検出する(ステップS1002)。そして、前景領域検出部121は、変化領域の検出結果を背景情報更新部122と前景領域追跡部123に供給する。前景領域検出部121は、例えば、検出した変化領域の画素を255とし、その他の領域の画素を0とした2値画像を生成し、その2値画像を、変化領域の検出結果として背景情報更新部122と前景領域追跡部123に供給する。
The foreground
また、前景領域検出部121は、第1記憶部130に前景情報133を格納する(ステップS1003)。上述した通り、前景情報133は、撮像時刻が関連付けられた検出結果である。
Further, the foreground
前景領域追跡部123は、前景領域検出部121から供給された検出結果と、前景情報133とに基づいて、変化領域を追跡する(ステップS1004)。前景領域追跡部123は、所定の時間以上追跡した変化領域を示す2値画像を、第1抽出部124と第2抽出部125に供給する。前景領域追跡部123は、背景情報131の更新を示す更新信号を背景情報更新部122に供給する。
The foreground
なお、前景領域追跡部123は、追跡の結果、変化領域の移動量が所定の閾値以上である場合、変化領域に含まれる物体が動体であると判定して、判定した変化領域を人物領域として抽出する。その後、前景領域追跡部123は、人物領域に所定の情報を関連付けて人物情報134として第1記憶部に格納する。
As a result of tracking, the foreground
背景情報更新部122は、第1取得部110から供給された撮像画像と、前景領域検出部121から供給された変化領域の検出結果と、背景情報131と、前景領域追跡部123から供給された更新信号とに基づいて、背景情報131を更新する(ステップS1005)。なお、ステップS1005は、ステップS1004以降の任意のタイミングで行われてもよい。
The background
第1抽出部124は、第1取得部110から供給された撮像画像と、前景領域追跡部123から供給されたその撮像画像に関連する検出結果とに基づいて、撮像画像上における、検出結果によって示される変化領域に対応する領域(第1注目領域)の画像を、第1注目画像として抽出する(ステップS1006)。第1抽出部124は、抽出した第1注目画像を領域変化分類部126に供給する。
The
第2抽出部125は、前景領域追跡部123から供給された検出結果と、第1記憶部130から取得した、その検出結果を得るために用いた背景情報131とに基づいて、第1抽出部124と同様の動作により、背景情報131から第2注目画像を抽出する(ステップS1007)。第2抽出部125は、抽出した第2注目画像を領域変化分類部126に供給する。なお、ステップS1006とステップS1007とは同時に行われてもよいし、逆順で行われてもよい。
The
領域変化分類部126は、第1抽出部124から供給された第1注目画像と、第2抽出部125から供給された第2注目画像と、第1記憶部130に格納された棚変化モデル132とに基づいて、商品棚3に関する変化を分類する(ステップS1008)。具体的には、商品棚3に関する変化は、第2注目画像における状態から第1注目画像における状態への変化である。
The area
第1関連性生成部140は、第1変化検出部120の領域変化分類部126から変化領域の分類結果とその変化領域の位置情報を受け取る。また、第1関連性生成部140は、第1記憶部130から人物情報134を取得する。そして、第1関連性生成部140は、変化領域を検出した撮像時刻より前の時刻に撮像された人物の中から、その変化領域と交差した人物を抽出する。その後、第1関連性生成部140は、抽出された人物の中で最もその変化領域の撮像時刻に近い時刻で撮像された人物とその変化領域を関連付ける(ステップS1009)。これにより、第1関連性生成部140は、関連性情報を生成する。
The first
関連性統合部150は、第1関連性生成部140から商品と人物の関連性情報を受け取り、同一人物の関連性情報が存在する場合、それらを1つに統合する。関連性統合部150は、例えば、第1記憶部130の人物情報134に格納された人物領域の色、面積、形状および外接矩形のアスペクト比の少なくとも1つに基づいて、類似度を算出する。そして、関連性統合部150は、算出した類似度が最も高くなる人物領域同士を同一人物と判定する。その後、関連性統合部150は、同一人物と判定した人物を含む関連性情報を1つに統合する(ステップS1010)。
The
画像処理装置100は、第1取得部110が次の映像信号を受信したか否か(次の撮像画像があるか否か)を判定する(ステップS1011)。次の撮像画像がある場合(ステップS1011にてYES)、処理はステップS1001に移行する。一方、次の撮像画像がない場合(ステップS1011にてNO)、画像処理装置100は、動作を終了する。
The
次に、図12を参照して、本実施形態のセルフレジシステム1の動作を説明する。図12は、本実施形態のセルフレジシステム1の動作例を示すフローチャートである。まず、顧客(人物)が店舗に来店すると、人物識別装置50は、人物を識別し、その人物と端末10とを関連付ける(ステップS1101)。また、買い物リスト生成部21は、その人物に対応する買い物リストを生成する(ステップS1102)。顧客が入店後、撮像装置2は、撮像画像を取得する(ステップS1103)。画像処理装置100は、撮像画像に基づいて、商品棚の変化領域を検出する(ステップS1104)。そして、画像処理装置100は、検出された変化領域における商品棚の変化を分類する(ステップS1105)。画像処理装置100は、商品棚の変化の分類と商品棚の棚割り情報とに基づいて、人物に対応する買い物リストを更新する(ステップS1106)。
Next, the operation of the self-
その後、決済装置40は、買い物リストの内容に基づいて決済処理を行う(ステップS1107)。
After that, the
以上のように、本実施形態では、第1変化検出部120(より詳しくは、前景領域検出部121)が、商品棚が撮影された映像から商品棚の変化領域を検出する。また、第1変化検出部120(より詳しくは、領域変化分類部126)が、検出された変化領域における商品棚の変化を分類する。そして、買い物リスト更新部22が、商品棚の変化の分類と、商品棚の棚割り情報に基づいて、顧客の買い物リストを生成する。そのため、個々の商品の画像を予め準備することなく、顧客が購入する商品を適切に管理できる。
As described above, in the present embodiment, the first change detection unit 120 (more specifically, the foreground area detection unit 121) detects the change area of the product shelf from the image taken by the product shelf. In addition, the first change detection unit 120 (more specifically, the area change classification unit 126) classifies the changes in the product shelves in the detected change area. Then, the shopping
また、例えば、一般的に知られている背景差分方式では、検出を抑制する情報を背景に定義するだけで、それ以外の情報を検出できるため、事前に対象物の参照画像を収集する必要はない。しかし、画像差分として検出される商品棚の変化は複数存在する。そのため、一般的な背景差分方式のみ用いた場合、正確に商品棚の変化を認識することはできない。 Further, for example, in the generally known background subtraction method, other information can be detected only by defining the information that suppresses detection in the background, so it is necessary to collect the reference image of the object in advance. do not have. However, there are multiple changes in the product shelves that are detected as image differences. Therefore, when only the general background subtraction method is used, it is not possible to accurately recognize changes in the product shelves.
例えば、「商品が取られた」、「商品が配置(補充)された」、商品が一度手に取られた後に戻されて「見え方や位置が変わった」、「照明が変化した」などは、いずれも商品棚の変化として検出される。しかし、「商品が取られた」ことによる変化は、商品棚から商品が減ったことを示し、「商品が配置(補充)された」は、商品棚に商品が増えたことを示す。また、「見え方や位置が変わった」や「照明が変化した」ことによる変化は、商品棚から商品が増減したわけではない。 For example, "the product was taken", "the product was placed (replenished)", "the product was picked up and then returned", "the appearance and position changed", "the lighting changed", etc. Are both detected as changes in the product shelves. However, the change due to "the goods were taken" indicates that the goods have decreased from the goods shelves, and "the goods have been placed (replenished)" indicates that the goods have increased on the goods shelves. In addition, changes due to "changes in appearance and position" and "changes in lighting" do not mean that the number of products has increased or decreased from the product shelves.
そのため、一般的な技術を用いただけでは、画像差分として検出された商品棚の変化の種類を特定できず、商品の陳列状態を正確に把握できないという問題がある。 Therefore, there is a problem that the type of change in the product shelf detected as an image difference cannot be specified and the display state of the product cannot be accurately grasped only by using a general technique.
しかし、本実施形態では、領域変化分類部126が、検出された変化領域における商品棚の変化を分類する。具体的には、領域変化分類部126は、時間の変化の前後に応じた商品棚3の変化をモデル化した棚変化モデル132を用いて、変化領域の画像から、商品棚の変化を分類する。この棚変化モデル132によって、商品が取られたことによる変化、商品棚の店舗の環境の変化、商品が商品棚に配置されたことによる変化、商品の見た目が変わったことによる変化などを分類することが可能になる。その結果、画像処理装置100は、商品が取られた状態であるのか、商品棚3が補充された状態であるのかなどの商品棚3の状態をより正確に判別することができる。
However, in the present embodiment, the area
さらに、本実施形態の画像処理装置100は、上述するように、商品が取られた場所とは異なる場所に戻されたことを検出できる。例えば、冷蔵商品を常温棚に戻すなど、商品が取られた場所とは異なる場所に戻されると、販売機会損失や商品廃棄ロスなどが発生し店舗の売上に大きな影響を及ぼす。そのため、このような事態が発生した場合には、それを解消するための商品管理作業を速やかに実施することが好ましい。本実施形態の画像処理装置100を用いることで、商品が取られた場所とは異なる場所に戻されることによる販売機会損失や商品廃棄ロスなどの発生を低減させることができる。
Further, the
なお、本実施形態において、撮像装置2が商品棚3を撮像する場合について説明した。ただし、撮像装置2が撮像する対象は、商品棚3に限定されない。撮像装置2は、例えば、ワゴンに積層された商品を撮像してもよい。すなわち、撮像装置2が撮像する撮像画像は、ワゴンに積層された商品を撮像した撮像画像であってもよい。画像処理装置100は、ワゴンに積層された商品を撮像した撮像画像と、背景画像とを比較して、変化領域を検出してもよい。以上のように、画像処理装置100は、商品のフェイスが全て見えるように陳列された商品棚に限定されず、様々な陳列方法で陳列された商品を撮像した撮像画像を用いることができる。
In the present embodiment, the case where the
[第2の実施形態]
次に、本発明の第2の実施形態を説明する。第2の実施形態では、複数台の撮像装置2でそれぞれ異なる種類の画像を取得して商品棚3を監視するセルフレジシステム1について説明する。本実施形態では、複数の撮像装置2で、RGB画像および距離画像が取得される場合について説明する。撮像装置2は、例えば、RGB画像を取得するRGBカメラと、距離画像を取得するデプスカメラであってもよい。
[Second Embodiment]
Next, a second embodiment of the present invention will be described. In the second embodiment, a self-
この場合、RGBカメラとデプスカメラとは近接する位置に設けられ同じ対象(商品棚3)を撮像する。また、RGBカメラとデプスカメラとは時刻同期がとられており、ほぼ同時刻に商品棚3を撮像することが好ましい。つまり、デプスカメラは、RGBカメラによって撮像されたRGB画像の撮影時刻から所定の時間内に、且つ、RGB画像の撮像範囲を撮像した距離画像を出力するカメラであることが好ましい。また、撮像装置2は、複数の種類の画像(例えば、RGB画像および距離画像)を取得可能なセンサであってもよい。撮像装置2は、例えば、RGBDカメラであってもよい。
In this case, the RGB camera and the depth camera are provided at close positions and image the same object (product shelf 3). Further, the RGB camera and the depth camera are time-synchronized, and it is preferable to take an image of the
本実施形態における画像処理装置200は、第1の実施形態で説明した図1に示す画像処理装置100と同様に、端末10、撮像装置2、買い物リスト管理装置20、出力装置30、決済装置40および人物識別装置50と通信可能に接続している。なお、本実施形態の端末10、買い物リスト管理装置20、出力装置30、決済装置40および人物識別装置50は、第1の実施形態と同様である。
The
図13は、画像処理装置200の構成例を示す説明図である。本実施形態の画像処理装置200は、第1取得部110と、第2取得部210と、第2変化検出部220と、第2記憶部230と、第2関連性生成部240と、関連性統合部150とを含む。このように、画像処理装置200は、画像処理装置100が有する構成に加えて、第2取得部210を含む。また、画像処理装置100が有する第1変化検出部120、第1記憶部130および第1関連性生成部140に代えて、第2変化検出部220、第2記憶部230および第2関連性生成部240を含む。
FIG. 13 is an explanatory diagram showing a configuration example of the
なお、上記では、前述した第1の実施形態で説明した図面に含まれる要素と同じ機能を有する要素については、同じ符号を付している。以下、本実施形態に特徴的な構成を説明する。 In the above, the same reference numerals are given to the elements having the same functions as the elements included in the drawings described in the first embodiment described above. Hereinafter, a configuration characteristic of the present embodiment will be described.
図14は、第2変化検出部220および第2記憶部230の構成例を示すブロック図である。図14に例示する通り、第2変化検出部220は、前景領域検出部121と、背景情報更新部122と、前景領域追跡部123と、第1抽出部124と、第2抽出部125と、領域変化分類部126と、距離情報更新部127とを有する。また、第2記憶部230は、背景情報131と、棚変化モデル132と、前景情報133と、人物情報134と、距離情報135とを記憶する。
FIG. 14 is a block diagram showing a configuration example of the second
第1取得部110は、第1の実施形態と同様に、RGB画像である撮像画像を取得する。以降、第1取得部110が取得するRGB画像である撮像画像を第1撮像画像と呼ぶ。
The
第2取得部210は、第1取得部110と同様に撮像装置2が商品棚3を撮像することによって得た撮像画像を示す映像信号を受け取り、その映像信号から距離画像を取得する。第2取得部210は、第1取得部110が取得する映像信号とは異なる種類の映像信号を受け取る。例えば、第1取得部110が取得する映像信号がRGB画像を表す映像信号の場合、第2取得部210は、距離画像を表す映像信号を取得する。ここで、距離画像は、例えば、撮像装置2から対象物までの距離の値を持った画像を意味してもよい。また、距離画像の各画素は、例えば、0から255の値で表されていてもよい。このとき、各画素の値(すなわち、距離値)は、例えば、撮像装置2に対象物が近ければ0に近づき、対象物が遠ければ255に近づくようにしてもよい。なお、距離画像の各画素の値はこれに限定されない。本実施形態では、第2取得部210が取得する撮像画像が、グレースケールの距離画像であるとして説明を行う。
Similar to the
なお、第2取得部210は、第1取得部110と同様に、撮像装置2の内部または撮像装置2および画像処理装置100とは異なる記憶装置に格納された撮像画像に基づいて変換された映像信号を取得してもよい。また、画像処理装置100が撮像装置2に内蔵されている場合、第2取得部210は、撮像画像そのものを取得してもよい。
The
第2取得部210は、取得した映像信号を、その映像信号を表す距離画像に変換し、その距離画像を、第1抽出部124、第2抽出部125および距離情報更新部127に供給する。第2取得部210が映像信号を変換することによって得た距離画像、または、撮像装置2から取得した撮像画像を、以下、第2撮像画像と呼ぶ。
The
なお、第1取得部110と、第2取得部210とは、一体になって形成されてもよい。また、第1撮像画像と第2撮像画像とは、撮像された位置を示す情報および撮像時刻に基づいて、互いに関連付けられている。
The
本実施形態の第2記憶部230は、距離情報135を格納する。距離情報135については後述される。
The
第1抽出部124は、第2撮像画像から変化領域の画像を抽出する。具体的には、第1抽出部124は、第2取得部210から供給された距離画像である第2撮像画像と、前景領域検出部121から供給された検出結果である2値画像とを用いて、2値画像における画素値が255の領域に対応する第2撮像画像上の領域の画像を第1注目画像として抽出する。第1抽出部124は、第1の実施形態と同様の方法で第1注目画像を抽出すればよい。そして、第1抽出部124は、抽出した第1注目画像を領域変化分類部126に供給する。
The
第2抽出部125は、前景領域検出部121が2値画像を生成する際に用いた第1撮像画像に関連付けられた第2撮像画像である距離画像が、撮像された時刻より前の距離画像から、変化領域の画像を抽出する。具体的には、第2抽出部125は、前景領域検出部121から、検出結果である2値画像を受け取る。また、第2抽出部125は、2値画像の生成に用いた第1撮像画像の撮像時刻よりも前に撮像された第2撮像画像である、距離情報135を第2記憶部230から取得する。距離情報135は、後述する第2取得部210によって更新される第2撮像画像であり、第2取得部210が取得した距離画像である。距離情報135には、撮像時刻が関連付けられている。上述した通り、第1撮像画像と第2撮像画像とは時刻同期がとられているため、第1撮像画像の撮像時刻と、その第1撮像画像に関連付けられた第2撮像画像の撮像時刻とは略同じになる。したがって、第2抽出部125は、第1抽出部124が抽出処理を行う対象の第2撮像画像よりも前に撮像された(過去の)第2撮像画像から、変化領域の画像を第2注目画像として抽出すると言える。
The
なお、第2抽出部125は、第1抽出部124が第1注目画像を抽出する方法と同様の方法で第2注目画像を抽出する。第2抽出部125は、抽出した第2注目画像を領域変化分類部126に供給する。
The
距離情報更新部127は、第2取得部210から供給された距離画像と、第2記憶部230に格納されている距離情報135とに基づいて、距離情報135を更新する。距離情報更新部127は、例えば、背景情報更新部122と同様の動作により、距離情報135を更新してもよい。
The distance
領域変化分類部126は、変化領域における距離情報135に基づいて、変化領域における商品棚3に関する変化を分類する。まず、第1抽出部124から第1注目画像を受け取る。また、領域変化分類部126は、第2抽出部125から第2注目画像を受け取る。領域変化分類部126は、第1注目画像と第2注目画像とに基づいて、変化領域における商品棚3に関する変化を分類する。
The area
領域変化分類部126は、例えば、第1注目画像における各画素の値(距離値)から第2注目画像における各画素の値(距離値)を減算することにより得られた演算結果に基づいて、変化を分類してもよい。例えば、演算結果が第1の所定の閾値以上の値の場合、すなわち、第1注目画像に含まれる対象物の方が第2注目画像に含まれる対象物より奥にある場合、領域変化分類部126は、変化領域における商品棚3に関する変化を「商品棚3に商品が含まれなくなったことによる変化」(「商品が取られたことによる変化」)と分類してもよい。また、例えば、演算結果が第2の所定の閾値以下の値の場合、すなわち、第1注目画像に含まれる対象物の方が第2の注目画像に含まれる対象物よりも撮像装置2側にある場合、領域変化分類部126は、変化領域における商品棚3に関する変化を「商品棚3に商品が新たに含まれたことによる変化」と分類してもよい。また、それ以外の場合、領域変化分類部126は、変化領域における商品棚3に関する変化を「商品棚3に陳列された商品の見た目が変わったことによる変化」または「照明が変わったことによる変化」等に分類してもよい。
The region
また、領域変化分類部126は、例えば、第1注目画像における各画素の距離値と第2注目画像における各画素の距離値とをクラスタリングし、最も要素数の多いクラスの距離値を、各注目画像を代表する距離値とし、さらに各注目画像のクラスのクラスタの座標を求めてもよい。そして、領域変化分類部126は、例えば、各注目画像を代表する距離値の差分の絶対値が第3の所定の閾値以内であり、かつ、各注目画像のクラスのクラスタの座標が第4の所定の閾値以上離れている場合に、変化領域における商品棚3に関する変化を「商品棚3に陳列された商品の見た目が変わったことによる変化」に分類してもよい。
Further, the region
また、領域変化分類部126は、例えば、事前に設定した、撮像装置2から商品棚3までの距離値から第1注目画像を代表する距離値を減算した結果を用いて、変化領域における商品棚3に関する変化を、商品棚3に陳列された商品の変化に関連する種類または商品棚3に陳列された商品以外の物体による変化に関する種類に分類してもよい。例えば、上記結果が正の値ならば、すなわち、撮像画像のうちの変化領域の部分の画像に含まれる対象物が撮像装置2と商品棚3との間に存在するならば、領域変化分類部126は、その変化領域における商品棚3に関する変化を「商品棚3に陳列された商品以外の物体による変化」に関する種類に分類してもよい。「商品棚3に陳列された商品以外の物体による変化」に関する種類とは、例えば、「商品棚3の前に人物が存在することによる変化」、「商品棚3の前に買い物カートがあることによる変化」および「商品棚3の前に人物と買い物かごとがあることによる変化」の少なくとも1つである。また、上記結果が正の値以外ならば、領域変化分類部126は、その変化領域における商品棚3に関する変化を「商品棚3に陳列された商品の変化」に関連する種類に分類してもよい。このように、領域変化分類部126は、第1注目画像と事前に設定された距離値とを用いて分類処理を行うことにより、分類処理にかかる処理コストを低減させることができる。
Further, the area
なお、画像処理装置200(より具体的には、第1取得部110と、第2取得部210と、第2変化検出部220と、第2関連性生成部240と、関連性統合部150)は、プログラムに従って動作するコンピュータのCPUによって実現される。
The image processing unit 200 (more specifically, the
以上が、画像処理装置200に特徴的な構成の一例である。
The above is an example of the configuration characteristic of the
次に、図15を参照して、本実施形態の画像処理装置200の動作を説明する。図15は、本実施形態の画像処理装置200の動作例を示すフローチャートである。
Next, the operation of the
第1取得部110は、商品棚3を撮像した映像信号からRGB画像である第1撮像画像を取得する(ステップS2001)。また、第2取得部210は、商品棚3を撮像した映像信号から距離画像である第2撮像画像を取得する(ステップS2002)。なお、第2撮像画像の撮像時刻は、第1撮像画像の撮影時刻から所定の時間内であり、第2撮像画像の撮像範囲が第1撮像画像の撮像範囲であればよい。また、第2取得部210が第2撮像画像を取得するタイミングは、ステップS2005の前までであればよい。
The
前景領域検出部121が変化領域を検出し(ステップS2003)、背景情報更新部122が背景情報131を更新する(ステップS2004)。第1抽出部124は、第2取得部210から供給された第2撮像画像と、前景領域検出部121から供給された検出結果とに基づいて、第2撮像画像上における、検出結果によって示される変化領域に対応する領域(第1注目領域)の画像を、第1注目画像として抽出する(ステップS2005)。第1抽出部124は、抽出した第1注目画像を領域変化分類部126に供給する。
The foreground
また、第2抽出部125が、前景領域検出部121から供給された検出結果と、第2記憶部230から取得した、第1抽出部124に供給された第2撮像画像の撮像時刻よりも前に撮像された第2撮像画像を示す距離情報135とに基づいて、第1抽出部124と同様の動作により、距離情報135から第2注目画像を抽出する(ステップS2006)。第2抽出部125は、抽出した第2注目画像を領域変化分類部126に供給する。なお、ステップS2005とステップS2006とは同時に行われてもよいし、逆順で行われてもよい。そして、領域変化分類部126が第1注目画像の各画素の値と、第2注目画像の各画素の値との比較結果に基づいて、変化領域における商品棚3に関する変化を分類する(ステップS2007)。また、距離情報更新部127は、第2取得部210から供給された第2撮像画像と、距離情報135とに基づいて、距離情報135を更新する(ステップS2008)。
Further, the
以降、画像処理装置200が図11に例示するステップS1009からステップS1010までの処理と同様の処理を行うことにより、第2関連性生成部240が関連性を生成し(ステップS2009)、関連性統合部150が関連性情報を統合する(ステップS2010)。
After that, the
画像処理装置200は、第1取得部110および第2取得部210が次の映像信号を受信したか否か(次の撮像画像があるか否か)を判定する(ステップS2011)。次の撮像画像がある場合(ステップS2011にてYES)、処理はステップS2001に移行する。一方、次の撮像画像がない場合(ステップS2011にてNO)、画像処理装置200は、動作を終了する。
The
以上のように、本実施形態では、前景領域検出部121が、商品が撮像されている撮像画像として、RGB画像およびそのRGB画像の撮像範囲を撮像した距離画像に基づいて、商品が配置された商品棚の変化領域を検出する。よって、商品棚の変化をより正確に判別できるため、顧客が購入する商品をより適切に管理できる。
As described above, in the present embodiment, the foreground
[第3の実施形態]
次に、本発明の第3の実施形態を説明する。第3の実施形態では、第1の実施形態で説明した画像処理装置100が有する構成に加えて、顧客の動線データを生成するための構成を有する画像処理装置300について説明する。後述するように、画像処理装置300は、生成した動線データを用いて関連性情報を生成する。これにより、より高精度に顧客の動線データを取得できるため、顧客が購入する商品を適切に管理することが可能になる。
[Third Embodiment]
Next, a third embodiment of the present invention will be described. In the third embodiment, in addition to the configuration of the
図16は、本発明によるセルフレジシステムの第3の実施形態の構成例を示す説明図である。本実施形態のセルフレジシステム4は、商品棚3を撮像する撮像装置2に加えて、一般的な監視カメラと同様に店舗内の通路を撮像する撮像装置5を備えている。また、撮像装置5は、撮像装置2と同様に、ネットワークNを介して端末10、買い物リスト管理装置20、出力装置30、決済装置40、人物識別装置50および画像処理装置300と通信可能に接続されている。なお、本実施形態の端末10、撮像装置2、買い物リスト管理装置20、出力装置30、決済装置40および人物識別装置50も、第1の実施形態と同様である。
FIG. 16 is an explanatory diagram showing a configuration example of a third embodiment of the self-registration system according to the present invention. The self-
撮像装置5は、例えば、店舗などに設置されている監視カメラである。撮像装置5は、例えば、店舗内の各通路を撮像可能な位置に設置されている。撮像装置5の構成は、撮像装置2と同様でもよい。
The
なお、セルフレジシステム4は、撮像装置5を1つ有してもよいし、複数有してもよい。つまり、セルフレジシステム4は、1台の撮像装置5により店舗内の各通路を撮像してもよいし、複数台の撮像装置5により店舗内の各通路を撮像してもよい。また、本実施形態では、セルフレジシステム4が撮像装置2と別の撮像装置5を有する場合について説明する。ただし、セルフレジシステム4は、例えば、複数の撮像装置2が撮像した撮像画像に基づいて顧客の動線データを取得してもよい。つまり、セルフレジシステム4は、商品棚3を撮像する複数の撮像装置2が撮像した撮像画像に基づいて顧客の動線データを取得してもよい。
The self-
画像処理装置300は、撮像装置5が撮影したRGB画像から顧客の店舗内での移動経路を示す動線データを生成する。そして、画像処理装置300は、生成した動線データと商品棚3の変化領域とに基づいて、商品と人物の関連性情報を生成する。
The
図17は、画像処理装置300の構成例を示すブロック図である。図17に示す通り、本実施形態の画像処理装置300は、第1取得部110と、第1変化検出部120と、第1記憶部130と、第1関連性生成部340と、第3取得部310と、動線データ生成部320と、関連性統合部150とを含む。このように、本実施形態の画像処理装置300は、画像処理装置100の第1関連性生成部140に代えて、第1関連性生成部340を含む。さらに、画像処理装置300は、画像処理装置100が有する構成に加えて、第3取得部310と動線データ生成部320とを含む。
FIG. 17 is a block diagram showing a configuration example of the
なお、上記では、前述した第1の実施形態、第2の実施形態で説明した図面に含まれる要素と同じ機能を有する要素については、同じ符号を付している。以下、本実施形態に特徴的な構成を説明する。 In the above, the same reference numerals are given to the elements having the same functions as the elements included in the drawings described in the first embodiment and the second embodiment described above. Hereinafter, a configuration characteristic of the present embodiment will be described.
第3取得部310は、第1取得部110と同様の動作により、撮像装置5からRGB画像を取得し、動線データ生成部320にRGB画像を供給する。なお、第3取得部310が取得するRGB画像は、一般的な監視カメラと同様に店舗の通路を撮像した画像である。
The
動線データ生成部320は、少なくとも1つの撮像装置5で撮像されたRGB画像を用いて、店舗内における人物の動線データを生成する。動線データ生成部320が生成する動線データは、例えば、顧客を識別する人物IDと、顧客が訪問した商品棚3の識別子である商品棚IDと、を含む情報である。動線データ生成部320が動線データを生成する方法は特に限定されない。動線データ生成部320は、例えば、特許文献2に記載の方法を用いて動線データを生成してもよい。つまり、動線データ生成部320は、例えば、人物の顔認識を行って同一のデータが得られる人物を同一人物として検出したり、服装などの顧客の特徴を示す情報を抽出して同一人物を検出したりすることで、撮像画像中の顧客を識別する。また、動線データ生成部320は、顧客が商品棚3の前に一定時間留まった、顧客と商品棚3との間の距離が所定距離以下になった、などの方法により、顧客が商品棚3を訪問したと判断する。そして、動線データ生成部320は、顧客を識別するための人物IDと顧客が訪れた商品棚IDとを対応付けることで動線データを生成する。なお、動線データ生成部320は、上記例示した以外の方法を用いて動線データを生成してもよい。
The flow line
図18は、動線データ生成部320が生成する動線データの例を示す説明図である。図18に示す動線データは、人物を示す人物IDと、その人物が訪れた商品棚を示す商品棚IDと、その商品棚を撮像している撮像装置を示すカメラIDとを含む。図18に示す例では、3人の人物が商品棚Aを訪れたことを示し、人物ID=1の人物と人物ID=2の人物が2回商品棚Aを訪れたことを示す。なお、図18に示す例では、人物が商品棚を訪問した時刻は明示されていないが、動線データは、その各商品棚に訪問した時刻を含んでいてもよい。図18に示す例では、上の行から順番に古い順に商品棚Aを訪問していることを示す。
FIG. 18 is an explanatory diagram showing an example of flow line data generated by the flow line
動線データ生成部320は、例えば、図18で示すような動線データを生成する。そして、動線データ生成部320は、生成した動線データとその動線データの撮像画像の時刻とを関連付けて、第1関連性生成部340に供給する。言い換えると、動線データ生成部320は、動線データ中の各人物が各商品棚を訪問した時間を動線データに含めて第1関連性生成部340に供給する。
The flow line
第1関連性生成部340は、第1変化検出部120から変化領域の分類結果とその変化領域の位置情報を受け取る。また、第1関連性生成部340は、動線データ生成部320から動線データを取得する。そして、第1関連性生成部340は、変化領域の位置情報に紐づいた変化領域の撮像時刻と、動線データに紐づいた撮像時刻とに基づいてその変化領域に対応する商品と人物の関連性情報を生成する。その後、第1関連性生成部340は、生成した商品と人物の関連性情報を関連性統合部150に供給する。
The first
具体的には、第1関連性生成部340は、変化領域を検出した撮像時刻より前の時刻に生成された動線データの中から、最もその変化領域の撮像時刻に近い時刻に商品棚に訪れた人物とその変化領域を関連付ける。
Specifically, the first
図19は、第1関連性生成部340が生成する商品と人物の関連性情報の例を示す説明図である。図19には、撮像装置のIDを示すカメラIDと、その撮像装置に映った人物を示す人物IDと、商品棚を示す商品棚IDと、その商品棚の変化領域の位置情報と、その変化の分類結果が例示されている。
FIG. 19 is an explanatory diagram showing an example of relationship information between a product and a person generated by the first
このように、第1関連性生成部340は、人物情報134の代わりに動線データを用いることで関連性情報を生成する。なお、第1関連性生成部340は、関連性情報を生成する際に人物情報134も用いてもよい。
In this way, the first
関連性統合部150は、第1関連性生成部340から商品と人物の関連性を受け取り、同一人物の関連性が存在する場合、それらを1つに統合する。そして、関連性統合部150は、統合した関連性を買い物リスト管理装置20に供給する。
The
具体的には、関連性統合部150は、人物IDに基づいて同一人物の関連性を統合する。図20は、図19に例示した商品と人物の関連性を統合した例を示す説明図である。図20に示す例では、図19の人物ID=1の人物の関連性情報が1つに統合され、人物ID=2の人物の関連性情報も1つに統合されている。
Specifically, the
以上が、画像処理装置300に特徴的な構成の一例である。
The above is an example of the configuration characteristic of the
次に、図21を参照して、本実施形態の画像処理装置300の動作を説明する。図21は、本実施形態の画像処理装置300の動作例を示すフローチャートである。
Next, the operation of the
図21を参照すると、画像処理装置300が図11で示すステップS1001からステップS1008までの処理と同様の処理を行うことにより、領域変化分類部126は、変化を分類する(ステップS3001)。
Referring to FIG. 21, the area
第3取得部310は、店舗の通路を撮像した撮像装置5から送信された映像信号からRGB画像である撮像画像(第3撮像画像)を取得する(ステップS3002)。第3取得部310は取得した撮像画像を動線データ生成部320に供給する。
The
動線データ生成部320は、少なくとも1つの撮像装置で撮像されたRGB画像を用いて、店舗内における人物の動線データを生成する(ステップS3003)。そして、動線データ生成部320は、生成した動線データとその動線データの撮像画像の時刻を関連付けて第1関連性生成部340に供給する。
The flow line
なお、ステップS3002、ステップS3003の処理は、ステップS3001の処理と実行順序が入れ替えられてもよいし、同時に実行されてもよい。 The processes of steps S3002 and S3003 may be executed in the same order as the processes of step S3001.
第1関連性生成部340は、第1変化検出部120から変化領域の分類結果とその変化領域の位置情報とを受け取る。また、第1関連性生成部340は、動線データ生成部320から動線データを取得する。そして、第1関連性生成部340は、変化領域の位置情報に紐づいたその変化領域の撮像時刻と、動線データに紐づいた撮像時刻とに基づいてその変化領域に対応する商品と人物の関連性情報を生成する(ステップS3004)。具体的には、第1関連性生成部340は、変化領域を検出した撮像時刻より前の時刻に生成された動線データの中から、最もその変化領域の撮像時刻に近い時刻に商品棚に訪れた人物とその変化領域を関連付ける。そして、第1関連性生成部340は、生成した商品と人物の関連性情報を関連性統合部150に供給する。
The first
その後、画像処理装置300は、図11で示すステップS1010からステップS1011までと同様の処理であるステップS3005からステップS3006までの処理を行う。
After that, the
以上のように、本実施形態の画像処理装置300は、第3取得部310と動線データ生成部320とを含む。このような構成により、動線データ生成部320は、第3取得部310から供給されたRGB画像に基づいて、動線データを生成する。そして、画像処理装置300は、商品棚3を撮像したRGB画像から検出した変化領域およびその変化領域を分類した分類結果と、店舗の通路を撮像したRGB画像から生成した動線データとに基づいて、商品と人物の関連性情報を生成する。撮像装置5により撮像される、動線データの生成に用いられる店舗の通路を撮像した撮像画像では、人物の全身が撮像されている。そのため、商品棚3を撮像したRGB画像よりも撮像画像中の人物の特定が容易となる。つまり、画像処理装置300のように、動線データを用いて関連性情報を生成すると、人物情報134を用いて関連性情報を生成する場合よりも高精度に関連性情報を生成することが期待できる。したがって、本実施形態に係る画像処理装置300は、第1の実施形態の画像処理装置100よりも高精度に関連性情報を統合できる。これにより、より高精度に顧客の動線データを取得できるため、顧客が購入する商品を適切に管理することが可能になる。
As described above, the
次に、第3の実施形態の変形例を説明する。第3の実施形態では、撮像装置5が店舗内の通路を撮像して顧客の動線データを生成した。ただし、動線データを生成する方法は、画像を用いる方法に限定されない。図22は、第3の実施形態のセルフレジシステムの変形例を示すブロック図である。図22に例示するセルフレジシステム4aは、第3の実施形態のセルフレジシステム4が備える撮像装置5の代わりに、顧客の動線を検出する動線検出装置6を備えている。また、図22に例示するセルフレジシステム4aは、第3の実施形態のセルフレジシステム4が備える画像処理装置300の代わりに、画像処理装置300aを備えている。
Next, a modified example of the third embodiment will be described. In the third embodiment, the
動線検出装置6は、顧客が携帯する端末10の位置を検出する装置である。動線検出装置6は、例えば、端末10からの近距離無線を検出して、顧客の位置を検出する。例えば、人物識別装置50が店舗内の所定の場所(例えば、入口など)で端末10の認証を行うと、動線検出装置6は、その認証された人物を追尾して人物の動線を検出する。買い物リスト生成部21は、この認証が行われたタイミングで、認証された端末10を携帯する人物に対応する買い物リストを生成してもよい。
The flow
図23は、画像処理装置300aの構成例を示すブロック図である。図23に示す通り、本実施形態の画像処理装置300aは、第1取得部110と、第1変化検出部120と、第1記憶部130と、第3取得部310aと、動線データ生成部320aと、第1関連性生成部340と、関連性統合部150とを含む。このように、本変形例の画像処理装置300aは、画像処理装置300の第3取得部310および動線データ生成部320に代えて、第3取得部310aおよび動線データ生成部320aを含む。
FIG. 23 is a block diagram showing a configuration example of the
第3取得部310aは、動線検出装置6から顧客の位置情報を取得する。顧客の位置情報には、例えば、端末10の識別情報が含まれる。動線データ生成部320aは、店舗内における人物の動線データを生成する。動線データ生成部320aが生成する動線データは、例えば、顧客が携帯する端末10の識別情報と、顧客が訪問した商品棚3の識別子である商品棚IDと、を含む情報である。なお、動線データ生成部320aが動線データを生成する方法は特に限定されない。第3の実施形態と同様、動線データ生成部320aは例えば、顧客が商品棚3の前に一定時間留まった、顧客と商品棚3との間の距離が所定距離以下になった、などの方法により、顧客が商品棚3を訪問したと判断する。そして、動線データ生成部320aは、顧客が携帯する端末10の識別情報と顧客が訪れた商品棚IDとを対応付けることで動線データを生成する。
The
図24は、動線データの他の例を示す説明図である。動線データ生成部320aは、例えば、図24で示すように、端末10の識別情報と商品棚IDとを対応付けた動線データを生成する。さらに、動線データ生成部320aは、生成した動線データとその動線データの取得時刻とを関連付けて、第1関連性生成部340に供給する。言い換えると、動線データ生成部320aは、動線データ中の各人物が各商品棚を訪問した時間を動線データに含めて第1関連性生成部340に供給する。以降の処理は、第3の実施形態と同様である。
FIG. 24 is an explanatory diagram showing another example of the flow line data. As shown in FIG. 24, for example, the flow line
以上のように、本変形例では、動線検出装置6が検出した人物の位置情報に基づいて動線データを生成する。これにより、第3の実施形態と同様に、より高精度に顧客の動線データを取得できるため、顧客が購入する商品を適切に管理することが可能になる。
As described above, in this modification, the flow line data is generated based on the position information of the person detected by the flow
なお、第3の実施形態のセルフレジシステムが、第2の実施形態で示すように、第2取得部210を含み、RGB画像と距離画像とを用いて商品棚の変化を分類する構成であってもよい。
As shown in the second embodiment, the self-registration system of the third embodiment includes the
<前景領域検出部の変形例>
次に、上述した各実施形態の画像処理装置が有する第1変化検出部120または第2変化検出部220に含まれる前景領域検出部の処理の変形例を説明する。
<Modification example of foreground area detection unit>
Next, a modified example of the processing of the foreground region detection unit included in the first
本変形例において、第1変化検出部120または第2変化検出部220に含まれる前景領域検出部121は、予め登録された棚領域情報を更に用いて、変化領域に含まれる対象物が商品棚3内の商品以外であることを特定する。
In this modification, the foreground
なお、本変形例では、第1の実施形態における画像処理装置100の前景領域検出部121の変形例について説明する。ただし、本変形例を、画像処理装置200および画像処理装置300のいずれに対しても適用可能である。
In this modification, a modification of the foreground
図25、図26および図27は、本変形例における前景領域検出部121が前景領域を検出する動作例を示す説明図である。
25, 26, and 27 are explanatory views showing an operation example in which the foreground
前景領域検出部121が、例えば、第1取得部110から供給された撮像画像と、背景情報131とを比較することにより変化領域を検出し、図25に例示する、変化領域を表す2値画像である検出結果71を生成したとする。この検出結果には、変化領域72、変化領域73、変化領域74の3つの変化領域が含まれるとする。このような場合、前景領域検出部121は、検出結果71に対して、一般的なラベリング方法で変化領域ごとに別々の2値画像である検出結果71A、検出結果71Bおよび検出結果71Cを生成する。
The foreground
つまり、前景領域検出部121は、検出結果に複数の変化領域が含まれる場合、各変化領域が別々の2値画像に含まれるような複数の2値画像を生成する。
That is, when the detection result includes a plurality of change regions, the foreground
そして、前景領域検出部121は、予め登録された棚領域情報と、複数の2値画像のそれぞれとに基づいて、変化領域が商品の変化に関する変化を検出した領域か否かを判定する。ここで、棚領域情報は、商品棚3における商品が陳列される領域を示す。
Then, the foreground
セルフレジシステム1は、商品棚3の商品を監視している。そのため、棚領域情報によって示される、商品が陳列される領域を監視対象領域と言うことができる。また、棚領域情報を、監視領域情報と言うこともできる。棚領域情報は、例えば、第1取得部110が取得する撮像画像と同じ大きさの画像であって、監視対象の商品棚3の監視対象領域の画素値を255、それ以外を0で表した2値画像であってもよい。また、棚領域情報に含まれる監視対象領域は、例えば、1つでもよいし複数でもよい。棚領域情報は、例えば、事前に第1記憶部130に格納されていてもよい。なお、棚領域情報は、第1取得部110が取得する撮像画像に含まれる商品棚3を特定する情報を含む。
The self-
前景領域検出部121は、第1取得部110が取得した撮像画像に含まれる商品棚3に関連する棚領域情報を用いて、対応する画素ごとに論理積の演算を行う。例えば、図26に例示する棚領域情報75を用いる場合、前景領域検出部121は、検出結果71A、検出結果71Bまたは検出結果71Cと、対応する画素ごとに論理積の演算を行う。図26に示す例では、棚領域情報75における監視対象領域は、白で表現されているため、棚領域情報75は、6つの監視対象領域を含む。
The foreground
図27に例示する演算結果76Aは、棚領域情報75と検出結果71Aとの論理積演算の結果である。また、演算結果76Bは、棚領域情報75と検出結果71Bとの論理積の演算の結果である。また、演算結果76Cは、棚領域情報75と検出結果71Cとの論理積の演算の結果である。
The
人物やカートのような商品以外の物体は、複数の棚の領域にまたがっている。そのため、検出結果71Aと棚領域情報75との論理積の演算を行った結果、図27の左側に例示する演算結果76Aのように、変化領域を表す、画素値が255の部分(白色の部分)は、複数の領域に分割される。一方、演算結果76Bおよび演算結果76Cの変化領域を表す部分(白色の部分)は、それぞれ、検出結果71Bおよび検出結果71Cと変化がなく、一続きの領域(画素値が255の画素であり、且つ、その画素に隣接する画素の何れかの画素値が255の画素の集合)である。
Non-commodity objects such as people and carts span multiple shelves. Therefore, as a result of calculating the logical product of the
商品棚3の陳列領域(監視対象領域)に陳列される商品は、複数の監視対象領域にまたがらない。したがって、演算結果76Aのように、変化領域が複数の領域に分割される場合、前景領域検出部121は、この変化領域に対する変化を、商品以外による変化であると判断する。このような場合、前景領域検出部121は、この変化を前景領域追跡部123に供給する検出結果に含めない。言い換えると、前景領域検出部121は、検出結果71Bと検出結果71Cとを、前景領域追跡部123に供給する。
The products displayed in the display area (monitoring target area) of the
このような構成により、前景領域追跡部123は、商品棚3に陳列された商品に対する変化を第1抽出部124および第2抽出部125に供給できる。言い換えると、領域変化分類部126は、商品棚3に陳列された商品に対する変化の分類処理を行うことができるため、商品以外の物体の影響によって、商品に対する変化の分類精度の低下を防ぐことができる。また、前景領域検出部121が、領域変化分類部126の分類処理を行うよりも前に、変化領域における変化が商品以外の物体による変化であると分類できるため、領域変化分類部126の処理量を低減させることができる。
With such a configuration, the foreground
次に、本発明の具体例を説明する。第一の具体例では、顧客が端末10を携帯する場合のセルフレジシステムの動作例を説明し、第二の具体例では、顧客が端末10を携帯しない場合のセルフレジシステムの動作例を説明する。 Next, a specific example of the present invention will be described. In the first specific example, an operation example of the self-registration system when the customer carries the terminal 10 will be described, and in the second specific example, an operation example of the self-registration system when the customer does not carry the terminal 10 will be described.
図28は、第一の具体例におけるセルフレジシステムの動作例を示す説明図である。まず、顧客Cが来店すると、人物識別装置50は、顧客が携帯する端末10を介して、人物を識別する(ステップS11)。以降、その端末10を識別する識別IDを用いて、人物が一意に管理される。また、買い物リスト生成手段(実施形態における買い物リスト生成部21)は、その識別IDに対応する買い物リストLを生成する(ステップS12)。通知部23は、生成した買い物リストLを端末10に送信する(ステップS13)。また、通知部23は、生成した買い物リストLを買い物リスト記憶部24に記憶する(ステップS14)。
FIG. 28 is an explanatory diagram showing an operation example of the self-registration system in the first specific example. First, when the customer C visits the store, the
その後、変化検出手段(実施形態における第1変化検出部120)が、商品が撮像されている撮像画像に基づいて変化領域を検出し、分類手段(実施形態における領域変化分類部126)が、検出された変化領域における商品棚の変化を分類する(ステップS15)。ここでは、顧客が商品を手に取ったとする。買い物リスト生成手段(実施形態における買い物リスト更新部22)は、商品棚の変化の分類(具体的には、「商品が取られたことによる変化」)と、商品棚の棚割り情報に基づいてその商品を特定し、特定された商品を人物に対応する買い物リストLに登録するための登録処理を行う(ステップS16)。通知部23は、商品が登録された買い物リストLの内容を端末10に通知する(ステップS17)。
After that, the change detection means (first
さらに、変化検出手段が、商品が撮像されている撮像画像に基づいて変化領域を検出し、分類手段が、検出された変化領域における商品棚の変化を分類する(ステップS18)。ここでは、顧客が商品を戻したとする。買い物リスト生成手段は、商品棚の変化の分類(具体的には、「商品棚3に商品が新たに含まれたことによる変化」)と、商品棚の棚割り情報に基づいてその商品を特定し、特定された商品を人物に対応する買い物リストLから削除するための削除処理を行う(ステップS19)。通知部23は、商品が削除された買い物リストLの内容を端末10に通知する(ステップS20)。なお、通知部23は、その商品に削除フラグを設定した買い物リストLを端末10に通知してもよい。
Further, the change detecting means detects the change region based on the captured image in which the product is captured, and the classification means classifies the change of the product shelf in the detected change region (step S18). Here, it is assumed that the customer returns the product. The shopping list generation means identifies the product based on the classification of changes in the product shelves (specifically, "changes due to the new inclusion of products in the
顧客が退店しようとする際、決済装置40は、人物に対応した買い物リストLの内容に基づいて決済処理を行う(ステップS21)。このとき、出力装置30が、買い物リストLの内容を表示してもよい。
When the customer intends to leave the store, the
図29は、第二の具体例におけるセルフレジシステムの動作例を示す説明図である。まず、顧客が来店すると、人物識別装置50は、撮像装置2によって撮像された画像から人物Cを識別する(ステップS31)。以降、人物を識別する識別IDを用いて、人物が位置に識別される。また、買い物リスト生成手段(実施形態における買い物リスト生成部21)は、その識別IDに対応する買い物リストLを生成する(ステップS32)。また、通知部23は、生成した買い物リストLを買い物リスト記憶部24に記憶する(ステップS33)。
FIG. 29 is an explanatory diagram showing an operation example of the self-registration system in the second specific example. First, when the customer visits the store, the
その後、第一の具体例と同様に、変化検出手段(実施形態における第1変化検出部120)が、商品が撮像されている撮像画像に基づいて変化領域を検出し、分類手段(実施形態における領域変化分類部126)が、検出された変化領域における商品棚の変化を分類する(ステップS34)。ここでは、顧客が商品を手に取ったとする。買い物リスト生成手段(実施形態における買い物リスト更新部22)は、商品棚の変化の分類(具体的には、「商品が取られたことによる変化」)と、商品棚の棚割り情報に基づいてその商品を特定して、特定された商品を人物に対応する買い物リストに登録するための登録処理を行う(ステップS35)。具体的には、買い物リスト生成手段は、買い物リスト記憶部24に記憶された買い物リストLに商品を追加する。
After that, as in the first specific example, the change detection means (first
その後、顧客が商品を戻したとする。第一の具体例と同様に、買い物リスト生成手段は、商品棚の変化の分類(具体的には、「商品が商品棚に配置されたことによる変化」)と、商品棚の棚割り情報に基づいてその商品を特定し、特定された商品を人物に対応する買い物リストLから削除するための削除処理を行う(ステップS36)。具体的には、買い物リスト生成手段は、買い物リスト記憶部24に記憶された買い物リストLから商品を削除する。
Then, suppose the customer returns the item. Similar to the first specific example, the shopping list generation means is based on the classification of changes in the product shelves (specifically, "changes due to the placement of the products on the product shelves") and the shelving allocation information of the product shelves. The product is specified based on the above, and a deletion process for deleting the specified product from the shopping list L corresponding to the person is performed (step S36). Specifically, the shopping list generation means deletes the product from the shopping list L stored in the shopping
顧客が退店しようとする際、決済装置40は、人物Cに対応した買い物リストLの内容に基づいて決済処理を行う(ステップS37)。具体的には、出力装置30が買い物リストの内容および合計金額を表示し、決済装置40は、その人物からの入金やカード支払いに基づく決済処理を行う。
When the customer intends to leave the store, the
<ハードウェア構成について>
上述する各実施形態では、各装置(より詳しくは、画像処理装置100~500、買い物リスト管理装置20)が有する構成要素は、例えば、機能単位のブロックを示す。各装置が有する構成要素の一部又は全部は、図30に例示する情報処理装置600とプログラムとの任意の組み合わせにより実現される。図30は、各装置の構成要素を実現する情報処理装置600のハードウェア構成例を示すブロック図である。情報処理装置600は、一例として、以下のような構成を含む。
・CPU(Central Processing Unit)601
・ROM(Read Only Memory)602
・RAM(Random Access Memory)603
・RAM603にロードされるプログラム群604
・プログラム群604を格納する記憶装置605
・情報処理装置600外部の記録媒体610の読み書きを行うドライブ装置606
・情報処理装置600外部の通信ネットワーク611と接続する通信インタフェース607
・データの入出力を行う入出力インタフェース608
・各構成要素を接続するバス609
<About hardware configuration>
In each of the above-described embodiments, the components of each device (more specifically,
-CPU (Central Processing Unit) 601
-ROM (Read Only Memory) 602
-RAM (Random Access Memory) 603
-
A
Information processing device 600 A
-I /
-
上述した各実施形態における各装置が有する構成要素は、これらの機能を実現するプログラム群604をCPU601が取得して実行することで実現する。各装置が有する構成要素の機能を実現するプログラム群604は、例えば、予め記憶装置605やROM602に格納されており、必要に応じてCPU601がRAM603にロードして実行する。なお、プログラム群604は、通信ネットワーク611を介してCPU601に供給されてもよいし、予め記録媒体610に格納されており、ドライブ装置606が該プログラムを読み出してCPU601に供給してもよい。
The components of each device in each of the above-described embodiments are realized by the
なお、各装置の実現方法には、様々な変形例が存在する。各装置は、例えば、構成要素ごとにそれぞれ別個の情報処理装置600とプログラムとの任意の組み合わせにより実現されてもよい。また、各装置が備える複数の構成要素が、一つの情報処理装置600とプログラムとの任意の組み合わせにより実現されてもよい。
It should be noted that there are various modifications in the method of realizing each device. Each device may be realized, for example, by any combination of the
また、各画像処理装置が有する各構成要素の一部又は全部は、その他の汎用または専用の回路、プロセッサ等やこれらの組み合わせによって実現することができる。これらは、単一のチップによって構成されてもよいし、バスを介して接続される複数のチップによって構成されてもよい。 Further, a part or all of each component of each image processing device can be realized by other general-purpose or dedicated circuits, processors and the like, or a combination thereof. These may be composed of a single chip or may be composed of a plurality of chips connected via a bus.
各装置が有する構成要素の一部又は全部は、上述した回路等とプログラムとの組み合わせによって実現されてもよい。 Some or all of the components of each device may be realized by a combination of the above-mentioned circuit or the like and a program.
各装置が有する構成要素の一部又は全部が複数の情報処理装置や回路等により実現される場合には、複数の情報処理装置や回路等は、集中配置されてもよいし、分散配置されてもよい。例えば、情報処理装置や回路等は、クライアントアンドサーバシステム、クラウドコンピューティングシステム等、各々が通信ネットワークを介して接続される形態として実現されてもよい。 When a part or all of the components of each device are realized by a plurality of information processing devices, circuits, etc., the plurality of information processing devices, circuits, etc. may be centrally arranged or distributed. May be good. For example, the information processing device, the circuit, and the like may be realized as a form in which each is connected via a communication network, such as a client-and-server system and a cloud computing system.
次に、本発明の概要を説明する。図31は、本発明によるセルフレジシステムの概要を示すブロック図である。本発明によるセルフレジシステム800(例えば、セルフレジシステム1)は、商品が撮像されている撮像画像に基づいて、その商品が配置された商品棚の変化領域を検出する変化検出手段840(例えば、第1変化検出部120)と、検出された変化領域における商品棚の変化を分類する分類手段850(例えば、領域変化分類部126)と、商品棚の変化の分類と、商品棚の棚割り情報とに基づいて、顧客の買い物リストを生成する買い物リスト生成手段860(例えば、買い物リスト更新部22)とを備えている。 Next, the outline of the present invention will be described. FIG. 31 is a block diagram showing an outline of the self-registration system according to the present invention. The self-registration system 800 (for example, the self-registration system 1) according to the present invention is a change detection means 840 (for example, first) that detects a change area of a product shelf on which a product is placed based on an image captured by the product. The change detection unit 120), the classification means 850 for classifying the changes in the product shelves in the detected change area (for example, the area change classification unit 126), the classification of the changes in the product shelves, and the shelving allocation information of the product shelves. Based on this, it is provided with a shopping list generation means 860 (for example, a shopping list update unit 22) that generates a customer's shopping list.
そのような構成により、個々の商品の画像を予め準備することなく、顧客が購入する商品を適切に管理できる。 With such a configuration, it is possible to appropriately manage the products purchased by the customer without preparing images of individual products in advance.
具体的には、商品棚の変化の分類は、商品が取られたことによる変化、商品棚の店舗の環境の変化、商品が商品棚に配置されたことによる変化、または、商品の見た目が変わったことによる変化のいずれかであってもよい。 Specifically, the classification of changes in the product shelves is the change due to the product being taken, the change in the store environment of the product shelf, the change due to the product being placed on the product shelf, or the appearance of the product. It may be any of the changes due to the fact.
また、買い物リスト生成手段860は、商品棚の変化の分類が、商品が取られたことによる変化である場合、買い物リストにその商品を登録してもよい。 Further, the shopping list generation means 860 may register the product in the shopping list when the classification of the change in the product shelf is the change due to the product being taken.
また、買い物リスト生成手段860は、商品棚の変化の分類が、商品が商品棚に配置されたことによる変化である場合、買い物リストからその商品を削除してもよい。 Further, the shopping list generation means 860 may delete the product from the shopping list when the classification of the change in the product shelf is the change due to the product being placed on the product shelf.
なお、商品棚の変化の分類である、商品の見た目が変わったことによる変化には、異なる商品が配置されたことによる見た目の変化、および、商品の姿勢が変わったことによる見た目の変化が含まれていてもよい。 In addition, the change due to the change in the appearance of the product, which is the classification of the change in the product shelf, includes the change in the appearance due to the arrangement of different products and the change in the appearance due to the change in the attitude of the product. It may be.
また、セルフレジシステム800は、変化領域と人物との関係を示す関連性情報を生成する関連性生成手段(例えば、第1関連性生成部140)を備えていてもよい。関連性生成手段は、撮像画像から取得される撮像時刻および人物の情報と、撮像画像から取得される変化領域の位置情報および撮像時刻に基づいて、その変化領域と人物とを関連付けて関連性情報を生成してもよい。そして、買い物リスト生成手段860は、変化領域における商品棚の変化の分類と、商品棚の棚割り情報とに基づいて、人物に対応する買い物リストを生成してもよい。そのような構成によれば、画像から人物の動線を取得できるため、顧客が購入する商品を適切に管理できる。
Further, the self-
同様に、セルフレジシステム800は、変化領域と人物との関係を示す関連性情報を生成する関連性生成手段(例えば、第2関連性生成部240)を備えていてもよい。関連性生成手段は、店舗内の人物の動線を検出する動線検出手段(例えば、動線検出装置6)により検出された人物の情報の取得時刻および位置情報と、撮像画像から取得される変化領域の位置情報および撮像時刻に基づいて、その変化領域と人物とを関連付けて関連性情報を生成してもよい。そして、買い物リスト生成手段は、変化領域における商品棚の変化の分類と、商品棚の棚割り情報とに基づいて、人物に対応する買い物リストを生成してもよい。そのような構成によっても人物の動線を取得できるため、顧客が購入する商品を適切に管理できる。
Similarly, the self-
また、具体的には、分類手段850は、時間の変化の前後に応じた商品棚の変化をモデル化した棚変化モデル(例えば、棚変化モデル132)を用いて、変化領域の画像から、商品棚の変化を分類してもよい。 Further, specifically, the classification means 850 uses a shelf change model (for example, a shelf change model 132) that models changes in the product shelves before and after the change in time, and uses an image of the change region to obtain products. You may classify changes in the shelves.
また、変化検出手段840は、商品が撮像されている撮像画像として、RGB画像およびそのRGB画像の撮像範囲を撮像した距離画像に基づいて、商品が配置された商品棚の変化領域を検出してもよい。そのような構成により、商品棚の変化をより正確に判別できるため、顧客が購入する商品をより適切に管理できる。 Further, the change detecting means 840 detects the change area of the product shelf on which the product is arranged based on the RGB image and the distance image obtained by capturing the imaging range of the RGB image as the captured image in which the product is captured. May be good. With such a configuration, changes in the product shelves can be determined more accurately, so that the products purchased by the customer can be managed more appropriately.
上記の実施形態の一部又は全部は、以下の付記のようにも記載されうるが、以下には限られない。 Some or all of the above embodiments may also be described, but not limited to:
(付記1)商品が撮像されている撮像画像に基づいて、当該商品が配置された商品棚の変化領域を検出する変化検出手段と、検出された変化領域における前記商品棚の変化を分類する分類手段と、前記商品棚の変化の分類と、前記商品棚の棚割り情報とに基づいて、顧客の買い物リストを生成する買い物リスト生成手段とを備えたことを特徴とするセルフレジシステム。 (Appendix 1) A change detecting means for detecting a change area of a product shelf on which the product is placed based on an image captured by the product, and a classification for classifying changes in the product shelf in the detected change area. A self-registration system including means, a shopping list generation means for generating a customer's shopping list based on the classification of changes in the product shelves, and the shelf allocation information of the product shelves.
(付記2)商品棚の変化の分類は、商品が取られたことによる変化、商品棚の店舗の環境の変化、商品が商品棚に配置されたことによる変化、または、商品の見た目が変わったことによる変化のいずれかである付記1記載のセルフレジシステム。
(Appendix 2) The classification of changes in the product shelves is as follows: changes due to the products being taken, changes in the store environment of the product shelves, changes due to the products being placed on the product shelves, or changes in the appearance of the products. The self-registration system described in
(付記3)買い物リスト生成手段は、商品棚の変化の分類が、商品が取られたことによる変化である場合、買い物リストに当該商品を登録する付記2記載のセルフレジシステム。
(Appendix 3) The shopping list generation means is the self-registration system described in
(付記4)買い物リスト生成手段は、商品棚の変化の分類が、商品が商品棚に配置されたことによる変化である場合、買い物リストから当該商品を削除する付記2記載のセルフレジシステム。
(Appendix 4) The shopping list generation means is the self-registration system according to
(付記5)商品棚の変化の分類である、商品の見た目が変わったことによる変化には、異なる商品が配置されたことによる見た目の変化、および、商品の姿勢が変わったことによる見た目の変化が含まれる付記2から付記4のうちのいずれか1つに記載のセルフレジシステム。
(Appendix 5) Changes in the appearance of products, which is a classification of changes in product shelves, include changes in appearance due to the placement of different products and changes in appearance due to changes in the attitude of products. The self-registration system according to any one of
(付記6)変化領域と人物との関係を示す関連性情報を生成する関連性生成手段を備え、前記関連性生成手段は、撮像画像から取得される撮像時刻および人物の情報と、撮像画像から取得される変化領域の位置情報および撮像時刻に基づいて、当該変化領域と当該人物とを関連付けて関連性情報を生成し、買い物リスト生成手段は、前記変化領域における商品棚の変化の分類と、商品棚の棚割り情報とに基づいて、前記人物に対応する買い物リストを生成する付記1から付記5のうちのいずれか1つに記載のセルフレジシステム。
(Appendix 6) A relevance generation means for generating relevance information indicating a relationship between a change area and a person is provided, and the relevance generation means is obtained from the imaging time and person information acquired from the captured image and the captured image. Based on the acquired position information of the change area and the imaging time, the change area is associated with the person to generate the relevance information, and the shopping list generation means classifies the change of the product shelf in the change area and the change. The self-registration system according to any one of
(付記7)変化領域と人物との関係を示す関連性情報を生成する関連性生成手段を備え、前記関連性生成手段は、店舗内の人物の動線を検出する動線検出手段により検出された当該人物の情報の取得時刻および位置情報と、撮像画像から取得される変化領域の位置情報および撮像時刻に基づいて、当該変化領域と当該人物とを関連付けて関連性情報を生成し、買い物リスト生成手段は、前記変化領域における商品棚の変化の分類と、商品棚の棚割り情報とに基づいて、前記人物に対応する買い物リストを生成する付記1から付記5のうちのいずれか1つに記載のセルフレジシステム。
(Appendix 7) A relevance generation means for generating relevance information indicating a relationship between a change area and a person is provided, and the relevance generation means is detected by a movement line detecting means for detecting a movement line of a person in a store. Based on the acquisition time and position information of the information of the person concerned and the position information and the imaging time of the change area acquired from the captured image, the change area and the person are associated with each other to generate the relevance information, and the shopping list is generated. The generation means is one of
(付記8)分類手段は、時間の変化の前後に応じた商品棚の変化をモデル化した棚変化モデルを用いて、変化領域の画像から、商品棚の変化を分類する付記1から付記7のうちのいずれか1つに記載のセルフレジシステム。 (Appendix 8) The classification means uses a shelf change model that models changes in the product shelves before and after changes in time, and classifies changes in the product shelves from images of the change area. The self-registration system described in any one of them.
(付記9)変化検出手段は、商品が撮像されている撮像画像として、RGB画像および当該RGB画像の撮像範囲を撮像した距離画像に基づいて、当該商品が配置された商品棚の変化領域を検出する付記1から付記8のうちのいずれか1つに記載のセルフレジシステム。
(Appendix 9) The change detecting means detects the change area of the product shelf on which the product is arranged based on the RGB image and the distance image obtained by capturing the imaging range of the RGB image as the captured image in which the product is captured. The self-registration system according to any one of
(付記10)商品が撮像されている撮像画像に基づいて、当該商品が配置された商品棚の変化領域を検出し、検出された変化領域における前記商品棚の変化を分類し、前記商品棚の変化の分類と、前記商品棚の棚割り情報とに基づいて、顧客の買い物リストを生成することを特徴とする購入商品管理方法。 (Appendix 10) Based on the captured image in which the product is imaged, the change area of the product shelf on which the product is placed is detected, the change of the product shelf in the detected change area is classified, and the change of the product shelf is classified. A purchased merchandise management method, characterized in that a customer's shopping list is generated based on the classification of changes and the shelving allocation information of the merchandise shelves.
(付記11)コンピュータに、商品が撮像されている撮像画像に基づいて、当該商品が配置された商品棚の変化領域を検出する変化検出処理、検出された変化領域における前記商品棚の変化を分類する分類処理、および、前記商品棚の変化の分類と、前記商品棚の棚割り情報とに基づいて、顧客の買い物リストを生成する買い物リスト生成処理を実行させるための購入商品管理プログラム。 (Appendix 11) A change detection process for detecting a change area of a product shelf on which the product is placed, and a change in the product shelf in the detected change area are classified by a computer based on an image captured by the product. A purchase product management program for executing a shopping list generation process for generating a customer's shopping list based on the classification process, the classification of changes in the product shelf, and the shelving allocation information of the product shelf.
なお、上記各実施形態及び付記において記載したプログラムは、記憶装置に記憶されていたり、コンピュータが読み取り可能な記録媒体に記録されていたりする。記録媒体は、例えば、フレキシブルディスク、光ディスク、光磁気ディスク、及び、半導体メモリ等の可搬性を有する媒体である。 In addition, the program described in each of the above-described embodiments and appendices may be stored in a storage device or recorded in a recording medium readable by a computer. The recording medium is a portable medium such as a flexible disk, an optical disk, a magneto-optical disk, and a semiconductor memory.
1,4,4a セルフレジシステム
2,5 撮像装置
3 商品棚
6 動線検出装置
10 端末
20 買い物リスト管理装置
30 出力装置
40 決済装置
50 人物識別装置
71 検出結果
72 変化領域
73 変化領域
74 変化領域
75 棚領域情報
76 演算結果
90 分類結果
91 第2注目画像
92 第1注目画像
93 変化の種類
100 画像処理装置
110 第1取得部
120 第1変化検出部
121 前景領域検出部
122 背景情報更新部
123 前景領域追跡部
124 第1抽出部
125 第2抽出部
126 領域変化分類部
127 距離情報更新部
130 第1記憶部
131 背景情報
132 棚変化モデル
133 前景情報
134 人物情報
135 距離情報
140 第1関連性生成部
150 関連性統合部
200 画像処理装置
210 第2取得部
220 第2変化検出部
230 第2記憶部
240 第2関連性生成部
250 関連性統合部
300,300a 画像処理装置
310,310a 第3取得部
320,320a 動線データ生成部
340 第1関連性生成部
600 情報処理装置
601 CPU
602 ROM
603 RAM
604 プログラム群
605 記憶装置
606 ドライブ装置
607 通信インタフェース
608 入出力インタフェース
609 バス
610 記録媒体
611 通信ネットワーク
1, 4, 4a Self-
602 ROM
603 RAM
604
Claims (9)
検出された変化領域における前記商品棚の変化を分類する分類手段と、
前記商品棚の変化の分類と、前記商品棚の棚割り情報とに基づいて、顧客の買い物リストを生成する買い物リスト生成手段とを備え、
前記分類手段は、時間の変化の前後に応じた商品棚の変化をモデル化した棚変化モデルを用いて、前記変化領域の画像から、前記商品棚の変化を分類する
ことを特徴とするセルフレジシステム。 A change detection means for detecting a change area of a product shelf on which a product is placed based on a captured image in which the product is imaged, and a change detection means.
A classification means for classifying changes in the product shelves in the detected change area, and
A shopping list generation means for generating a customer's shopping list based on the classification of changes in the product shelves and the shelf allocation information of the product shelves is provided.
The classification means is a self-registration system characterized by classifying changes in the product shelves from an image of the change area by using a shelf change model that models changes in the product shelves before and after changes in time. ..
請求項1記載のセルフレジシステム。 The classification of changes in the product shelves is the change due to the product being taken, the change in the store environment of the product shelf, the change due to the product being placed on the product shelf, or the change due to the change in the appearance of the product. The self-registration system according to claim 1, which is either.
請求項2記載のセルフレジシステム。 The self-registration system according to claim 2, wherein the shopping list generation means registers the product in the shopping list when the classification of the change in the product shelf is the change due to the product being taken.
請求項2記載のセルフレジシステム。 The self-registration system according to claim 2, wherein the shopping list generation means deletes the product from the shopping list when the classification of the change in the product shelf is a change due to the product being placed on the product shelf.
前記関連性生成手段は、撮像画像から取得される撮像時刻および人物の情報と、撮像画像から取得される変化領域の位置情報および撮像時刻に基づいて、当該変化領域と当該人物とを関連付けて関連性情報を生成し、
買い物リスト生成手段は、前記変化領域における商品棚の変化の分類と、商品棚の棚割り情報とに基づいて、前記人物に対応する買い物リストを生成する
請求項1から請求項4のうちのいずれか1項に記載のセルフレジシステム。 It is equipped with a relevance generation means that generates relevance information indicating the relationship between the change area and the person.
The association generation means associates the change area with the person based on the image capture time and person information acquired from the captured image and the position information and the image capture time of the change area acquired from the image. Generate sexual information,
The shopping list generation means is any of claims 1 to 4, which generates a shopping list corresponding to the person based on the classification of changes in the product shelves in the change area and the shelf allocation information of the product shelves. The self-registration system described in item 1.
前記関連性生成手段は、店舗内の人物の動線を検出する動線検出手段により検出された当該人物の情報の取得時刻および位置情報と、撮像画像から取得される変化領域の位置情報および撮像時刻に基づいて、当該変化領域と当該人物とを関連付けて関連性情報を生成し、
買い物リスト生成手段は、前記変化領域における商品棚の変化の分類と、商品棚の棚割り情報とに基づいて、前記人物に対応する買い物リストを生成する
請求項1から請求項5のうちのいずれか1項に記載のセルフレジシステム。 It is equipped with a relevance generation means that generates relevance information indicating the relationship between the change area and the person.
The association generating means includes acquisition time and position information of the person's information detected by the flow line detecting means for detecting the flow line of the person in the store, and position information and imaging of a change area acquired from the captured image. Based on the time of day, the change area is associated with the person to generate relevance information.
The shopping list generation means is any of claims 1 to 5 that generates a shopping list corresponding to the person based on the classification of changes in the product shelves in the change area and the shelf allocation information of the product shelves. The self-registration system described in item 1.
請求項1から請求項6のうちのいずれか1項に記載のセルフレジシステム。 The change detecting means detects a change area of a product shelf on which the product is arranged, based on an RGB image and a distance image obtained by capturing the imaging range of the RGB image as an image captured by the product. The self-registration system according to any one of claims 6.
検出された変化領域における前記商品棚の変化を分類し、
前記商品棚の変化の分類と、前記商品棚の棚割り情報とに基づいて、顧客の買い物リストを生成し、
前記分類の際、時間の変化の前後に応じた商品棚の変化をモデル化した棚変化モデルを用いて、前記変化領域の画像から、前記商品棚の変化を分類する
ことを特徴とする購入商品管理方法。 Based on the captured image in which the product is imaged, the change area of the product shelf on which the product is placed is detected.
Classify the changes in the product shelves in the detected change area and classify them.
A customer's shopping list is generated based on the classification of changes in the product shelves and the shelving allocation information of the product shelves.
At the time of the classification, the purchased product is characterized in that the change of the product shelf is classified from the image of the change area by using the shelf change model that models the change of the product shelf before and after the change of time. Management method.
商品が撮像されている撮像画像に基づいて、当該商品が配置された商品棚の変化領域を検出する変化検出処理、
検出された変化領域における前記商品棚の変化を分類する分類処理、および、
前記商品棚の変化の分類と、前記商品棚の棚割り情報とに基づいて、顧客の買い物リストを生成する買い物リスト生成処理を実行させ、
前記分類処理で、時間の変化の前後に応じた商品棚の変化をモデル化した棚変化モデルを用いて、前記変化領域の画像から、前記商品棚の変化を分類させる
ための購入商品管理プログラム。 On the computer
Change detection processing that detects the change area of the product shelf on which the product is placed based on the captured image in which the product is imaged.
Classification processing for classifying changes in the product shelves in the detected change area, and
A shopping list generation process for generating a customer's shopping list is executed based on the classification of changes in the product shelves and the shelf allocation information of the product shelves.
A purchased product management program for classifying changes in the product shelves from images in the change region using a shelf change model that models changes in the product shelves before and after changes in time in the classification process.
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2021189090A JP7327458B2 (en) | 2018-03-09 | 2021-11-22 | Self-checkout system, purchased product management method, and purchased product management program |
JP2023120618A JP2023153148A (en) | 2018-03-09 | 2023-07-25 | Self-register system, purchased commodity management method and purchased commodity management program |
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020504618A JP6992874B2 (en) | 2018-03-09 | 2018-03-09 | Self-registration system, purchased product management method and purchased product management program |
PCT/JP2018/009204 WO2019171573A1 (en) | 2018-03-09 | 2018-03-09 | Self-checkout system, purchased product management method, and purchased product management program |
JP2021189090A JP7327458B2 (en) | 2018-03-09 | 2021-11-22 | Self-checkout system, purchased product management method, and purchased product management program |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020504618A Division JP6992874B2 (en) | 2018-03-09 | 2018-03-09 | Self-registration system, purchased product management method and purchased product management program |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2023120618A Division JP2023153148A (en) | 2018-03-09 | 2023-07-25 | Self-register system, purchased commodity management method and purchased commodity management program |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2022036983A true JP2022036983A (en) | 2022-03-08 |
JP7327458B2 JP7327458B2 (en) | 2023-08-16 |
Family
ID=87888190
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021189090A Active JP7327458B2 (en) | 2018-03-09 | 2021-11-22 | Self-checkout system, purchased product management method, and purchased product management program |
JP2023120618A Pending JP2023153148A (en) | 2018-03-09 | 2023-07-25 | Self-register system, purchased commodity management method and purchased commodity management program |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2023120618A Pending JP2023153148A (en) | 2018-03-09 | 2023-07-25 | Self-register system, purchased commodity management method and purchased commodity management program |
Country Status (1)
Country | Link |
---|---|
JP (2) | JP7327458B2 (en) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2024014293A1 (en) * | 2022-07-14 | 2024-01-18 | ソニーセミコンダクタソリューションズ株式会社 | Transmission device, reception device, and information processing method |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000123086A (en) * | 1998-10-16 | 2000-04-28 | Nippon Signal Co Ltd:The | Electronic account settlement system |
US20130051667A1 (en) * | 2011-08-31 | 2013-02-28 | Kevin Keqiang Deng | Image recognition to support shelf auditing for consumer research |
US20150052029A1 (en) * | 2013-08-19 | 2015-02-19 | Xerox Corporation | Method and apparatus for automated inventory management using depth sensing |
WO2015033576A1 (en) * | 2013-09-06 | 2015-03-12 | 日本電気株式会社 | Security system, security method, and non-temporary computer-readable medium |
JP2016201105A (en) * | 2015-04-07 | 2016-12-01 | 三菱電機株式会社 | Information processor and information processing method |
JP2016218821A (en) * | 2015-05-22 | 2016-12-22 | 由紀貞 深谷 | Marketing information use device, marketing information use method and program |
WO2017150590A1 (en) * | 2016-02-29 | 2017-09-08 | サインポスト株式会社 | Information processing system |
-
2021
- 2021-11-22 JP JP2021189090A patent/JP7327458B2/en active Active
-
2023
- 2023-07-25 JP JP2023120618A patent/JP2023153148A/en active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000123086A (en) * | 1998-10-16 | 2000-04-28 | Nippon Signal Co Ltd:The | Electronic account settlement system |
US20130051667A1 (en) * | 2011-08-31 | 2013-02-28 | Kevin Keqiang Deng | Image recognition to support shelf auditing for consumer research |
US20150052029A1 (en) * | 2013-08-19 | 2015-02-19 | Xerox Corporation | Method and apparatus for automated inventory management using depth sensing |
WO2015033576A1 (en) * | 2013-09-06 | 2015-03-12 | 日本電気株式会社 | Security system, security method, and non-temporary computer-readable medium |
JP2016201105A (en) * | 2015-04-07 | 2016-12-01 | 三菱電機株式会社 | Information processor and information processing method |
JP2016218821A (en) * | 2015-05-22 | 2016-12-22 | 由紀貞 深谷 | Marketing information use device, marketing information use method and program |
WO2017150590A1 (en) * | 2016-02-29 | 2017-09-08 | サインポスト株式会社 | Information processing system |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2024014293A1 (en) * | 2022-07-14 | 2024-01-18 | ソニーセミコンダクタソリューションズ株式会社 | Transmission device, reception device, and information processing method |
Also Published As
Publication number | Publication date |
---|---|
JP2023153148A (en) | 2023-10-17 |
JP7327458B2 (en) | 2023-08-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6992874B2 (en) | Self-registration system, purchased product management method and purchased product management program | |
TWI773797B (en) | System, method and computer program product for tracking multi-joint subjects in an area of real space | |
US10133933B1 (en) | Item put and take detection using image recognition | |
JP7009389B2 (en) | Systems and methods for computer vision driven applications in the environment | |
US11501614B2 (en) | Skip-scanning identification method, apparatus, and self-service checkout terminal and system | |
JP7040531B2 (en) | Image processing equipment | |
JP7038543B2 (en) | Information processing equipment, systems, control methods for information processing equipment, and programs | |
JP7040596B2 (en) | Self-registration system, purchased product management method and purchased product management program | |
US20190108551A1 (en) | Method and apparatus for customer identification and tracking system | |
TW201913501A (en) | Shop device, store management method and program | |
JP2017083980A (en) | Behavior automatic analyzer and system and method | |
US20200387865A1 (en) | Environment tracking | |
US11443503B2 (en) | Product analysis system, product analysis method, and product analysis program | |
JP2023153148A (en) | Self-register system, purchased commodity management method and purchased commodity management program | |
CN111507792A (en) | Self-service shopping method, computer readable storage medium and system | |
KR20230060452A (en) | Action determination program, action determination method, and action determination device | |
JP7315046B2 (en) | Self-checkout system, purchased product management method, and purchased product management program | |
JP2023118949A (en) | Self-checkout system, purchase product management method, and purchase product management program | |
CN115546703B (en) | Risk identification method, device and equipment for self-service cash register and storage medium | |
US20220269890A1 (en) | Method and system for visual analysis and assessment of customer interaction at a scene | |
WO2018134854A1 (en) | Movement analysis from visual and audio data | |
JP2024012188A (en) | Self-checkout device for image analysis substrate for commodity loss prevention, and control method therefor | |
CN115100682A (en) | Supermarket damage management method and system based on cross-camera re-identification technology |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20211122 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230131 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230316 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20230704 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230717 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 7327458 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |