JP2023159972A - Stay state presentation device and stay state presentation method - Google Patents
Stay state presentation device and stay state presentation method Download PDFInfo
- Publication number
- JP2023159972A JP2023159972A JP2022069934A JP2022069934A JP2023159972A JP 2023159972 A JP2023159972 A JP 2023159972A JP 2022069934 A JP2022069934 A JP 2022069934A JP 2022069934 A JP2022069934 A JP 2022069934A JP 2023159972 A JP2023159972 A JP 2023159972A
- Authority
- JP
- Japan
- Prior art keywords
- person
- stay
- people
- facility
- time
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims description 99
- 230000033001 locomotion Effects 0.000 claims abstract description 56
- 238000012545 processing Methods 0.000 claims abstract description 31
- 230000004044 response Effects 0.000 claims abstract description 9
- 230000008569 process Effects 0.000 claims description 82
- 238000001514 detection method Methods 0.000 claims description 36
- 230000009471 action Effects 0.000 claims description 24
- 238000000605 extraction Methods 0.000 description 24
- 238000010586 diagram Methods 0.000 description 18
- 238000010801 machine learning Methods 0.000 description 10
- 230000006399 behavior Effects 0.000 description 9
- 239000000284 extract Substances 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 7
- 239000002243 precursor Substances 0.000 description 6
- 238000013135 deep learning Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
Description
本発明は、施設を撮影した映像に基づいて施設における人物の滞在状況に関する情報を生成して利用者に提示する滞在状況提示装置および滞在状況提示方法に関するものである。 The present invention relates to a stay situation presentation device and a stay situation presentation method that generate information regarding a person's stay situation at a facility based on images taken of the facility and present the information to a user.
飲食店などの施設における現在の混雑状況をリアルタイムに利用者端末に配信して、施設を利用しようとしている利用者に現在の混雑状況を提示すると、利用者の利便性を高めることができる。一方、施設に滞在している人物が施設から退去することで、施設の混雑状況は変化するため、将来の混雑状況を予測して、その予測結果も利用者に提示するとよい。 Convenience for users can be improved by distributing the current congestion status of facilities such as restaurants to user terminals in real time and presenting the current congestion status to users who are about to use the facility. On the other hand, since the congestion situation of the facility changes when the person staying at the facility leaves the facility, it is good to predict the future congestion situation and present the prediction result to the users.
このような施設の混雑状況を予測して利用者に提示する技術として、従来、センサ(人感センサやカメラなど)の検出結果に基づいて在席中の人物の数を計測すると共に、施設における過去の混雑状況に関する情報に基づく機械学習により生成された予測モデルを用いて、将来の混雑状況を予測して、その予測結果を利用者に提示する技術が知られている(特許文献1参照)。 Conventionally, as a technology to predict the congestion situation of a facility and present it to users, the number of people present is measured based on the detection results of sensors (motion sensors, cameras, etc.). There is a known technology that uses a prediction model generated by machine learning based on information about past congestion to predict future congestion and present the prediction results to users (see Patent Document 1). .
従来の技術によれば、予測モデルを用いることで将来の混雑状況を予測することができる。しかしながら、従来の技術は、施設全体における過去の混雑状況に関する情報に基づく機械学習であるため、施設の混雑状況の傾向、すなわち、混雑状況がどのように推移するかを、統計的な観点から予測するものである。そのため、実際には予測通りに混雑が解消されないことが多々あり、混雑状況に関するより信頼性の高い情報を利用者に提示することが望まれる。 According to conventional technology, future congestion conditions can be predicted by using a prediction model. However, since the conventional technology is machine learning based on information regarding past congestion status of the entire facility, it is not possible to predict the trend of congestion status of the facility, that is, how the congestion status will change from a statistical perspective. It is something to do. Therefore, in reality, congestion often does not resolve as predicted, and it is desirable to present more reliable information regarding the congestion situation to users.
そこで、本発明は、各人物の動作に基づいて近い将来に施設から退去する人物を予測することで、混雑状況に関するより信頼性の高い情報を利用者に提示することができる滞在状況提示装置および滞在状況提示方法を提供することを主な目的とする。 SUMMARY OF THE INVENTION The present invention provides a stay status presentation device and a stay status presentation device that can present users with more reliable information regarding crowding status by predicting who will leave the facility in the near future based on the behavior of each person. The main purpose is to provide a method for presenting the stay status.
本発明の滞在状況提示装置は、施設における人物の滞在エリアを撮影した映像に基づいて、施設の混雑度に関する表示情報の生成処理をプロセッサにより実行する滞在状況提示装置であって、前記プロセッサは、前記滞在エリアに滞在中の人物を検知し、前記滞在中の人物の中から、滞在時間が所定のしきい値以上となる人物を予測対象として抽出し、所定の退去予兆動作に基づいて、前記予測対象とした人物の退去を予測し、少なくとも、前記滞在中の人物の人数と、前記退去が予測される人物の人数とを含む前記表示情報を生成する構成とする。 A stay situation presentation device of the present invention is a stay situation presentation device in which a processor executes a process of generating display information regarding the degree of congestion of a facility based on a video shot of a person's stay area in the facility, the processor comprising: A person staying in the stay area is detected, a person whose stay time is equal to or more than a predetermined threshold is extracted as a prediction target from among the people staying in the stay area, and based on a predetermined departure sign movement, the The present invention is configured to predict the departure of the person who is the prediction target, and to generate the display information including at least the number of people staying in the residence and the number of people expected to leave.
また、本発明の滞在状況提示方法は、施設における人物の滞在エリアを撮影した映像に基づいて、施設の混雑度に関する表示情報の生成処理をプロセッサにより実行する滞在状況提示方法であって、前記滞在エリアに滞在中の人物を検知し、前記滞在中の人物の中から、滞在時間が所定のしきい値以上となる人物を予測対象として抽出し、所定の退去予兆動作に基づいて、前記予測対象とした人物の退去を予測し、少なくとも、前記滞在中の人物の人数と、前記退去が予測される人物の人数とを含む前記表示情報を生成する構成とする。 Further, the stay status presentation method of the present invention is a stay status presentation method in which a processor executes a process of generating display information regarding the degree of congestion of a facility based on a video shot of a person's stay area in the facility, the method comprising: Detect people staying in the area, extract people whose stay time exceeds a predetermined threshold as prediction targets from among the people staying in the area, and select the prediction targets based on predetermined departure sign movements. The display information is configured to predict the departure of the person who has been staying, and to generate the display information including at least the number of people staying in the residence and the number of people predicted to leave.
本発明によれば、滞在中の人物の人数と、退去が予測される人物の人数とを、利用者に提示する。利用者は、退去が予測される人物の人数を考慮することで、滞在中の人物の人数に基づく施設の混雑度を修正して判断することができる。これにより、施設の混雑状況に関するより信頼性の高い情報を利用者に提示することができる。また、人物の退去を予測する処理が、在席時間が所定のしきい値以上となる人物を対象にして実行され、処理の対象が、離席する可能性の高い人物に絞り込まれるため、処理の負荷を軽減することができる。 According to the present invention, the number of people staying and the number of people expected to leave are presented to the user. By considering the number of people expected to leave, the user can correct and judge the degree of congestion of the facility based on the number of people staying. Thereby, more reliable information regarding the congestion situation of the facility can be presented to the user. In addition, the process of predicting when a person will leave is executed for people whose presence time exceeds a predetermined threshold, and the process is narrowed down to those who are likely to leave. The load can be reduced.
前記課題を解決するためになされた第1の発明は、施設における人物の滞在エリアを撮影した映像に基づいて、施設の混雑度に関する表示情報の生成処理をプロセッサにより実行する滞在状況提示装置であって、前記プロセッサは、前記滞在エリアに滞在中の人物を検知し、前記滞在中の人物の中から、滞在時間が所定のしきい値以上となる人物を予測対象として抽出し、所定の退去予兆動作に基づいて、前記予測対象とした人物の退去を予測し、少なくとも、前記滞在中の人物の人数と、前記退去が予測される人物の人数とを含む前記表示情報を生成する構成とする。 A first invention made to solve the above problem is a stay situation presentation device in which a processor executes a process of generating display information regarding the degree of congestion of a facility based on a video shot of a person's stay area in the facility. The processor detects people staying in the stay area, extracts people whose stay time exceeds a predetermined threshold as prediction targets from among the people staying in the stay area, and detects a person who is staying in the stay area as a prediction target. Based on the movement, the departure of the person targeted for prediction is predicted, and the display information is generated including at least the number of people staying in the residence and the number of people predicted to leave.
これによると、滞在中の人物の人数と、退去が予測される人物の人数とを、利用者に提示する。利用者は、退去が予測される人物の人数を考慮することで、滞在中の人物の人数に基づく施設の混雑度を修正して判断することができる。これにより、施設の混雑状況に関するより信頼性の高い情報を利用者に提示することができる。また、人物の退去を予測する処理が、在席時間が所定のしきい値以上となる人物を対象にして実行され、処理の対象が、離席する可能性の高い人物に絞り込まれるため、処理の負荷を軽減することができる。 According to this, the number of people staying and the number of people predicted to leave are presented to the user. By considering the number of people expected to leave, the user can correct and judge the degree of congestion of the facility based on the number of people staying. Thereby, more reliable information regarding the congestion situation of the facility can be presented to the users. In addition, the process of predicting when a person will leave is executed for people whose presence time exceeds a predetermined threshold, and the process is narrowed down to those who are likely to leave. The load can be reduced.
また、第2の発明は、前記滞在エリアは、在席中の人物を検知する在席検知エリアであり、前記退去予兆動作は、在席中の人物が離席の直前に行う離席予兆動作である構成とする。 Further, in a second aspect of the present invention, the stay area is a presence detection area for detecting a person present in the seat, and the leaving sign operation is a leave sign movement performed by the person in the seat immediately before leaving the seat. The configuration is as follows.
これによると、座席が設けられた施設の混雑状況に関する適切な情報を利用者に提示することができる。 According to this, it is possible to present appropriate information to the user regarding the congestion status of the facility where the seats are provided.
また、第3の発明は、前記プロセッサは、利用者が操作する端末装置からのアクセスに応じて、前記表示情報を前記端末装置に送信する構成とする。 Further, in a third aspect of the present invention, the processor is configured to transmit the display information to the terminal device in response to an access from a terminal device operated by a user.
これによると、施設の混雑状況に関する情報を利用者が容易に閲覧することができる。 According to this, users can easily view information regarding the congestion status of the facility.
また、第4の発明は、前記プロセッサは、施設の管理者が行う前記しきい値を指定する操作に応じて、前記しきい値を設定する構成とする。 Further, in a fourth aspect of the invention, the processor is configured to set the threshold in response to an operation for specifying the threshold performed by a facility manager.
これによると、施設の管理者が、施設の特性などを勘案して、しきい値を任意に指定することができる。 According to this, the administrator of the facility can arbitrarily designate the threshold value, taking into consideration the characteristics of the facility.
また、第5の発明は、前記プロセッサは、前記滞在中の人物を検知する処理および前記退去を予測する処理の最新の処理結果に基づいて、前記滞在中の人物の人数、および前記退去が予測される人物の人数を更新した時刻を含む前記表示情報を生成する構成とする。 Further, in a fifth invention, the processor predicts the number of people staying and whether the person will leave based on the latest processing results of the process of detecting the person staying and the process of predicting leaving. The display information is configured to generate the display information including the time at which the number of people who will be interviewed is updated.
これによると、利用者が、表示情報がどの程度新しい情報であるかを容易に把握することができる。 According to this, the user can easily understand how new the displayed information is.
また、第6の発明は、前記プロセッサは、利用者が操作する端末装置からのアクセスに応じて前記端末装置に送信した前記表示情報を閲覧中の利用者の人数を含む前記表示情報を生成する構成とする。 Further, in a sixth invention, the processor generates the display information including the number of users viewing the display information transmitted to the terminal device in response to an access from a terminal device operated by a user. composition.
これによると、利用者が、退去が予測される人物の人数に加えて、表示情報を閲覧中の利用者の人数を考慮することで、滞在中の人物の人数に基づく施設の混雑度を修正して判断することができる。 According to this, in addition to the number of people who are expected to leave, users can adjust the congestion level of the facility based on the number of people staying at the facility by considering the number of users who are viewing the displayed information. You can make a judgment.
また、第7の発明は、前記退去予兆動作は、着用物を着用する動作、荷物を持つ動作、電子機器の取り扱いを終了する動作、物品を片付ける動作、物品をカバンに収納する動作の少なくともいずれかである構成とする。 Further, in a seventh aspect of the present invention, the moving-out warning motion is at least one of the following: an action of putting on clothes, an action of holding luggage, an action of finishing handling of electronic devices, an action of putting away the goods, and an action of storing the goods in a bag. The configuration is as follows.
これによると、近い将来に施設から退去する人物を精度よく予測することができる。 According to this, it is possible to accurately predict who will leave the facility in the near future.
また、第8の発明は、施設における人物の滞在エリアを撮影した映像に基づいて、施設の混雑度に関する表示情報の生成処理をプロセッサにより実行する滞在状況提示方法であって、前記滞在エリアに滞在中の人物を検知し、前記滞在中の人物の中から、滞在時間が所定のしきい値以上となる人物を予測対象として抽出し、所定の退去予兆動作に基づいて、前記予測対象とした人物の退去を予測し、少なくとも、前記滞在中の人物の人数と、前記退去が予測される人物の人数とを含む前記表示情報を生成する構成とする。 Further, an eighth invention is a stay status presentation method in which a processor executes a process of generating display information regarding the degree of congestion of a facility based on a video shot of a person's stay area in the facility, the method comprising: Detecting a person inside, extracting a person whose length of stay is equal to or greater than a predetermined threshold from among the people staying there as a prediction target, and selecting the person as a prediction target based on a predetermined exit sign movement. The present invention is configured to predict the departure of a person, and generate the display information including at least the number of people staying in the residence and the number of people predicted to leave.
これによると、第1の発明と同様に、各人物の動作に基づいて近い将来に施設から退去する人物を予測することで、混雑状況に関するより信頼性の高い情報を利用者に提示することができる。 According to this, similar to the first invention, by predicting who will leave the facility in the near future based on the movements of each person, it is possible to present users with more reliable information regarding the congestion situation. can.
以下、本発明の実施の形態を、図面を参照しながら説明する。 Embodiments of the present invention will be described below with reference to the drawings.
(第1実施形態)
図1は、本実施形態に係る滞在状況提示システムの全体構成図である。
(First embodiment)
FIG. 1 is an overall configuration diagram of a stay situation presentation system according to this embodiment.
本システムは、対象とする施設(飲食店など)の混雑状況(滞在状況)を利用者に提示するものである。本システムは、カメラ1と、サーバ2(滞在状況提示装置)と、利用者端末3(端末装置)と、管理者端末4(端末装置)とを備えている。カメラ1、サーバ2、利用者端末3、および管理者端末4はネットワークを介して接続されている。
This system presents users with the congestion status (stay status) of target facilities (restaurants, etc.). This system includes a
カメラ1は、対象とする施設に設置され、施設内を撮影する。
The
サーバ2は、施設内を撮影した映像をカメラ1から取得して、その映像に基づいて施設の混雑状況に関する情報を生成する。サーバ2は、Webサーバの機能を有し、施設の混雑状況に関する情報を利用者端末3に配信する。サーバ2は、対象とする施設に設置されて、1つの施設を対象にした処理を行ってもよく、また、クラウドコンピュータとして構成されて、複数の施設を対象にした処理を行ってもよい。
The
利用者端末3は、これから施設を利用しようとする利用者(利用予定者)が操作する。利用者端末3は、サーバ2から配信される施設の混雑状況に関する案内画面(図8参照)を表示する。利用者は、案内画面を閲覧することで、施設の混雑状況を把握することができる。
The
管理者端末4は、施設の管理者が操作する。管理者端末4は、サーバ2で行われる処理の条件などを設定するための設定画面(図9参照)を表示する。管理者は、設定画面において処理条件を指定する操作を行うことができる。サーバ2は、管理者の操作に応じて処理条件を設定する。
The
なお、本実施形態において対象とする施設は、特に限定されないが、主に個人または少人数で利用される飲食店や社員食堂でもよい。また、対象とする施設は、利用者が自由に座席を選択できるフリーアドレス制が採用されたオフィスであってもよい。また、特定の時間帯に入場者が集まるようなスポーツジムや娯楽施設であってもよい。 Note that the target facility in this embodiment is not particularly limited, but may be a restaurant or a company cafeteria that is mainly used by individuals or a small number of people. Further, the target facility may be an office that employs a free address system in which users can freely select seats. It may also be a sports gym or entertainment facility where visitors gather during a specific time slot.
次に、本システムで行われる処理の概要について説明する。図2は、施設におけるカメラ1の撮影状況を示す説明図である。
Next, an overview of the processing performed in this system will be explained. FIG. 2 is an explanatory diagram showing a photographing situation of the
対象とする施設(飲食店など)には、座席(椅子)およびテーブルが設置されている。施設の天井には、カメラ1が設置されている。カメラ1は、施設内に滞在する人物を撮影する。
Target facilities (restaurants, etc.) are equipped with seats (chairs) and tables. A
本実施形態では、カメラ1の映像上に座席ごとの在席検知エリアが予め設定され、この在席検知エリアの映像に基づいて、人物の在席、すなわち、人物が座席に座っているか否かを検知して、現在の在席人数を利用者に提示する。これにより、利用者は、施設の混雑状況を把握することができる。
In this embodiment, a presence detection area for each seat is set in advance on the image of the
一方、現在の在席人数が多くても、利用を終了して近い将来に離席する人物がいれば、実際の混雑度は低いものと見なすことができ、現在の在席人数だけでは混雑状況を正しく反映した情報提示ができない。 On the other hand, even if the number of people currently in attendance is large, if there are people who finish using the seats and leave the seats in the near future, the actual degree of congestion can be considered to be low. It is not possible to present information that accurately reflects the situation.
そこで、本実施形態では、動作予測技術を利用して、在席中の人物のうち、近い将来に離席する人物を予測し(離席予測処理)、継続して在席する人物と、近い将来に離席する人物とを区別して、近い将来に離席する人物の数(離席予測人数)を、現在の在席人数に加えて提示する。これにより、利用者は、施設の混雑状況をより正確に把握することができる。 Therefore, in this embodiment, motion prediction technology is used to predict which people will leave their seats in the near future (leaving prediction processing), and to predict who will leave their seats in the near future (leaving prediction processing), and to predict who will leave their seats in the near future. The number of people who will leave their seats in the near future (predicted number of people who will leave their seats) is presented in addition to the number of people currently present, distinguishing them from those who will leave their seats in the future. This allows users to more accurately grasp the congestion situation of the facility.
また、在席中の全ての人物を対象にして離席予測処理を実行するのは処理の負荷が大きい。そこで、本実施形態では、在席してすぐの人物が近い将来に離席する可能性は低いため、在席中の各人物に関して在席時間(在席開始時刻からの経過時間)を算出して、在席時間が所定のしきい値以上となる人物を予測対象(離席予測処理の対象)として抽出して離席予測処理を実行する。これにより、離席予測処理の対象が、離席する可能性の高い人物に絞り込まれるため、離席予測処理の負荷が軽減される。 Furthermore, it is a heavy processing load to execute the vacancy prediction process for all the people present at the seat. Therefore, in this embodiment, since it is unlikely that a person who has just been present will leave the seat in the near future, the presence time (the elapsed time from the start time of presence) is calculated for each person who is present. Then, a person whose presence time is equal to or greater than a predetermined threshold is extracted as a prediction target (target of the absence prediction process), and the absence prediction process is executed. As a result, the targets of the vacancy prediction process are narrowed down to those who are likely to be vacated, thereby reducing the load of the vacancy prediction process.
ここで、利用者の在席時間(滞在時間)は施設に応じて異なる。例えば、カフェのように主に飲み物を提供する店舗の場合には在席時間は比較的短く、ファミリーレストランのように主に食事を提供する店舗の場合には在席時間は比較的長くなる。そこで、各施設の在席時間の傾向に基づいて、施設ごとにしきい値が設定されることが望まれる。例えば、在席時間が短い傾向の施設ではしきい値が10分に設定され、在席時間が長い傾向の施設ではしきい値が30分に設定される。 Here, the user's presence time (staying time) differs depending on the facility. For example, in the case of a store that primarily serves drinks, such as a cafe, the seating time is relatively short, and in the case of a store that primarily provides food, such as a family restaurant, the seating time is relatively long. Therefore, it is desirable to set a threshold value for each facility based on the trend of attendance time at each facility. For example, the threshold value is set to 10 minutes in a facility where the occupancy time tends to be short, and the threshold value is set to 30 minutes in a facility where the occupancy time tends to be long.
なお、本実施形態では、対象とする施設の管理者が在席時間のしきい値を指定することができ、在席時間のしきい値が施設ごとに個別に設定されるが、対象とする施設の種別に応じて設定されてもよい。すなわち、過去の人物ごとの在席時間に関する統計処理を施設の種別ごとに実施して、施設の種別ごとに在席時間のしきい値が設定されてもよい。 In addition, in this embodiment, the administrator of the target facility can specify the threshold of attendance time, and the threshold of attendance time is set individually for each facility. It may be set according to the type of facility. That is, statistical processing regarding the past presence time of each person may be performed for each facility type, and the threshold of presence time may be set for each facility type.
また、本実施形態では、飲食店やオフィスなどの施設を対象にして、施設の混雑状況として、施設内に設けられた座席の利用状況(在席状況)が利用者に提示されるが、例えばアパレルの店舗のように座席が設けられていない施設の混雑状況を利用者に提示するものでもよい。この場合、施設内を移動する人物の混同を避けるため、カメラ1の映像上で人物追跡が行われるとよい。
Furthermore, in this embodiment, the usage status (occupancy status) of seats provided in the facility is presented to the user as the congestion status of the facility for facilities such as restaurants and offices. It may also be something that shows users the congestion status of facilities that do not have seats, such as apparel stores. In this case, in order to avoid confusion between people moving within the facility, it is preferable to track the person on the video of the
また、カメラ1には、所定の画角を有するボックスカメラが用いられるとよい。これにより、精度の高い離席予測処理が可能な映像を取得することができる。
Further, it is preferable that the
一方、カメラ1の一部に、全方向を撮影する全方位カメラが用いられてもよい。全方位カメラでは、在席検知処理に適した映像を取得することができるものの、全方位カメラの映像では、人物が真上から撮影されているため、人物の動作を適切に認識できないため、離席予測処理の用途には不向きである。このため、離席予測処理を行うための映像をボックスカメラにより取得すると共に、在席検知処理を行うための映像を全方位カメラにより取得するようにしてもよい。この場合、ボックスカメラの映像上の位置と全方位カメラの映像上の位置とを対応付ける処理(キャリブレーション)が行われるとよい。
On the other hand, an omnidirectional camera that takes images in all directions may be used as a part of the
次に、サーバ2の概略構成について説明する。図3は、サーバ2の概略構成を示すブロック図である。
Next, a schematic configuration of the
サーバ2は、通信部21と、記憶部22と、プロセッサ23と、を備えている。
The
通信部21は、カメラ1、利用者端末3、および管理者端末4とネットワークを介して通信を行う。
The
記憶部22は、プロセッサ23で実行されるプログラムなどを記憶する。また、記憶部22は、カメラ1から受信した映像を蓄積する。また、記憶部22は、在席人物データベースの登録情報(在席開始時刻、在席時間など)を記憶する。
The
プロセッサ23は、記憶部22に記憶されたプログラムを実行することで各種の処理を行う。本実施形態では、プロセッサ23が、在席検知処理、予測対象抽出処理、離席予測処理、統計処理、および表示処理などを行う。
The
在席検知処理(滞在検知処理)では、プロセッサ23が、カメラ1の映像に基づいて、在席中の人物を検知する。具体的には、カメラ1の映像上に座席ごとの在席検知エリアが予め設定され、カメラ1の映像から在席検知エリアの画像を切り出して、その在席検知エリアの画像に基づいて、人物が座席に座っているか否かを判定する。なお、在席中の人物が検知されると、その人物に対して人物IDが付与される。
In the presence detection process (staying detection process), the
予測対象抽出処理では、プロセッサ23が、在席検知処理で在席が検知された人物の中から、予測対象(離席予測処理の対象)となる人物を抽出する。具体的には、人物ごとの在席時間が所定のしきい値と比較され、在席時間がしきい値以上となる人物が予測対象として抽出される。
In the prediction target extraction process, the
離席予測処理(退去予測処理)では、プロセッサ23が、カメラ1の映像に基づいて、予測対象とした人物が近い将来(現在時刻から所定時間以内)に離席するか否かを予測する。離席予測処理は、予測対象とした人物が所定の離席予兆動作(退去予兆動作)を行ったことを検知する。離席予兆動作は、離席しようとする人物が行う動作(離席の直前に行う動作)であり、この離席予兆動作が検知されると、その離席予兆動作を行った人物は近い将来に離席するものと予測することができる。
In the leaving prediction process (leaving prediction process), the
ここで、離席とは、退店のために席から離れる行為である。離席予兆動作は、例えば、着用物(上着や帽子など)を着用する動作、荷物(カバンなど)を持つ動作、電子機器(ラップトップパソコン、スマートフォン、タブレット端末など)の取り扱いを終了する動作、使用していた物品(本、食器など)を片付ける動作、座席から立ち上がる動作などである。なお、離席予兆動作は、離席しようとする人物が行う動作であり、トイレなどの用事で荷物等を置いたまま一時的に席を立つ際に人物が行う動作と区別することができる。 Here, leaving the seat is an act of leaving the seat to leave the store. For example, actions that indicate that you will be away from your seat include putting on clothes (such as a jacket or hat), holding luggage (such as a bag), or ending handling of electronic devices (such as a laptop, smartphone, or tablet). , putting away items that were used (books, tableware, etc.), getting up from a seat, etc. Note that the leaving-seat precursor motion is a motion performed by a person who is about to leave his or her seat, and can be distinguished from a motion performed by a person when temporarily leaving his or her seat to use the restroom or other errands while leaving behind luggage or the like.
また、離席予測処理には、動作予測(Action Anticipation)の技術が用いられる。この動作予測の技術では、現在から所定期間遡った過去から現在までの映像に基づいて、未来の時刻(現在から所定時間経過した時点)で行われる動作を予測するものである。 In addition, an action anticipation technique is used for the separation prediction process. This motion prediction technique predicts motions that will be performed at a future time (when a predetermined amount of time has elapsed from the present) based on images from the past that are a predetermined period of time back to the present.
離席予測処理には、映像抽出処理と、特徴抽出処理と、予測スコア取得処理と、離席判定処理とが含まれる。 The absence prediction process includes a video extraction process, a feature extraction process, a predicted score acquisition process, and an absence determination process.
映像抽出処理では、プロセッサ23が、蓄積された映像から、現在時刻を基準にしたクリップ映像を抽出する。クリップ映像は、現在から所定期間遡った過去から現在までの対象期間に含まれる映像である。また、映像抽出処理では、プロセッサ23が、クリップ映像から各時刻の単位映像を抽出する。単位映像は、過去の所定数(例えば6枚)の撮影画像(フレーム)の集合(動画)である。
In the video extraction process, the
特徴抽出処理では、プロセッサ23が、各時刻の単位映像から各時刻の特徴情報を抽出する。本実施形態では、空間特徴情報、動き特徴情報、および物体特徴情報が抽出される。空間特徴情報は、映像に現れた物体の位置関係に関する情報である。動き特徴情報は、映像に現れた動きに関する情報である。物体特徴情報は、映像に現れた物体の種別に関する情報である。なお、空間特徴情報、動き特徴情報、および物体特徴情報のいずれか1つもしくは2つが抽出されてもよい。
In the feature extraction process, the
また、特徴抽出処理では、ディープラーニングなどの機械学習により生成した特徴抽出モデル(機械学習モデル)を用いることができる。この場合、単位映像を特徴抽出モデルに入力して、特徴抽出モデルから出力される特徴情報を取得する。 Further, in the feature extraction process, a feature extraction model (machine learning model) generated by machine learning such as deep learning can be used. In this case, the unit video is input to the feature extraction model to obtain feature information output from the feature extraction model.
予測スコア取得処理では、プロセッサ23が、特徴抽出処理で取得した各時刻の特徴情報に基づいて、離席予兆動作の種別(上着を着る動作、カバンを持つ動作など)ごとに予測スコアを取得する。予測スコアは、人物が離席予兆動作を行った確度を表す評価値である。
In the prediction score acquisition process, the
また、予測スコア取得処理では、ディープラーニングなどの機械学習により生成した予測スコア取得モデル(機械学習モデル)を用いることができる。この場合、特徴情報を予測スコア取得モデルに入力して、予測スコア取得モデルから出力される離席予兆動作の種別(動作クラス)ごとの予測スコアを取得する。なお、予測スコア取得モデルには、例えば、ニューラルネットワークが用いられてもよい。また、予測スコア取得モデルが、特徴情報の種別(空間特徴情報、動き特徴情報、物体特徴情報)ごとに設けられ、特徴情報の種別ごとに予測スコアが取得されるようにしてもよい。 Further, in the predicted score acquisition process, a predicted score acquisition model (machine learning model) generated by machine learning such as deep learning can be used. In this case, the feature information is input to the predictive score acquisition model, and a predictive score for each type (motion class) of the departure sign behavior outputted from the predictive score acquisition model is acquired. Note that, for example, a neural network may be used as the prediction score acquisition model. Alternatively, a prediction score acquisition model may be provided for each type of feature information (spatial feature information, motion feature information, object feature information), and a prediction score may be obtained for each type of feature information.
離席判定処理では、プロセッサ23が、予測スコア取得処理で取得した離席予兆動作の種別ごとの予測スコアに基づいて、予測対象とする人物が近い将来(現在時刻から所定時間以内)に離席するか否かを判定する。具体的には、離席予兆動作の種別ごとの予測スコアの中で最も高い予測スコアが所定のしきい値以上となる場合に、予測対象とする人物が近い将来に離席するものと判定する。
In the away from seat determination process, the
また、離席判定処理では、ディープラーニングなどの機械学習により生成した離席判定モデル(機械学習モデル)を用いることができる。この場合、離席予兆動作の種別ごとの予測スコアを離席判定モデルに入力して、離席判定モデルから出力される離席判定結果を取得する。なお、離席判定モデルには、例えば、サポートベクターマシン(SVM:support-vector machine)が用いられてもよい。 In addition, in the absence determination process, an absence determination model (machine learning model) generated by machine learning such as deep learning can be used. In this case, the predicted score for each type of the away-from-seat predictive motion is input to the away-from-seat determination model, and the away from-seat determination result outputted from the away-from-seat determination model is obtained. Note that, for example, a support vector machine (SVM) may be used as the absence determination model.
統計処理では、プロセッサ23が、管理者に提示する統計情報を生成する。統計情報は、在席中の人物の中から予測対象(離席予測処理の対象)とする人物を抽出する際の在席時間に関するしきい値を管理者が指定する際に参考として管理者に提示される。
In the statistical processing, the
表示処理では、プロセッサ23が、利用者端末3に表示させる案内画面(図8参照)に関する表示情報を生成する。また、表示処理では、プロセッサ23が、管理者端末4に表示させる設定画面(図9参照)に関する表示情報を生成する。
In the display process, the
次に、サーバ2で管理される在席人物データベースについて説明する。図4は、サーバ2で管理される在席人物データベースの登録内容を示す説明図である。
Next, the database of people present managed by the
サーバ2では、カメラ1の映像に基づいて、在席中の人物を検知する処理(在席検知処理)が行われる。在席検知処理では、在席中の人物が検知されると、その人物に対して人物IDが付与され、その人物IDと在席開始時刻とが在席人物データベースに登録される。また、サーバ2では、在席中の各人物に関して在席時間(在席開始時刻からの現在時刻までの経過時間)が算出され、在席時間が在席人物データベースに登録される。なお、本例では、現在時刻が13:50である。
The
また、サーバ2では、在席検知処理で在席が検知された人物の中から、予測対象(離席予測処理の対象)となる人物を抽出する処理(予測対象抽出処理)が行われる。予測対象抽出処理では、在席人物データベースを参照して、人物ごとの在席時間が所定のしきい値と比較され、在席時間がしきい値以上となる人物が予測対象として抽出される。本例では、人物IDが11、12の人物で、在席時間がしきい値(30分)以上となるため、その人物が予測対象として抽出される。
Further, the
次に、離席予兆動作について説明する。図5は、離席予兆動作の種別、および離席予兆動作の種別ごとに取得される予測スコアの一例を示す説明図である。 Next, the departure sign operation will be explained. FIG. 5 is an explanatory diagram illustrating an example of the type of leaving-seat-predicting motion and the predicted score obtained for each type of leaving-seat-predicting motion.
サーバ2では、離席予兆動作(動作クラス)の種別ごとに、その動作を人物が行った確度を表す予測スコアを取得する処理が行われる(予測スコア取得処理)。
The
離席予兆動作には、上着を着る動作がある。この他に、帽子を被る動作などのように、着用物を着用する動作が離席予兆動作に含まれる。また、離席予兆動作には、カバンを持つ動作がある。この他に、カートなどの荷物を持つ動作が離席予兆動作に含まれる。また、離席予兆動作には、ラップトップパソコンを閉じる動作、ラップトップパソコンをカバンに入れる動作、およびスマートフォンをカバンに入れる動作がある。この他に、種々の電子機器の取り扱い(使用)を終了する動作が離席予兆動作に含まれる。また、離席予兆動作には、本を閉じる動作がある。この他に、食器を重ねる動作などのように、使用していた物品を片付ける動作が離席予兆動作に含まれる。また、離席予兆動作には、本をカバンに入れる動作がある。この他に、テーブル上に置いた種々の物品をカバンに収納する動作が離席予兆動作に含まれる。なお、離席が発生した際に、離席予兆動作の種別が特定されていなかった場合、その離席直前の動作を蓄積すると共に追加学習を行うことにより、新たな種別を設定して、離席予兆動作の種別として加えるようにしてもよい。 The leaving-the-seat-predicting motion includes the motion of putting on a jacket. In addition to this, actions of putting on clothing, such as putting on a hat, are included in the leaving-predicting actions. Further, the leaving-the-seat-predicting motion includes the motion of holding a bag. In addition to this, the motion of holding baggage such as a cart is included in the motion that indicates leaving the seat. Further, the leaving-the-place warning motion includes an action of closing a laptop computer, an action of putting the laptop computer into a bag, and an action of putting a smartphone into a bag. In addition to this, actions for terminating the handling (use) of various electronic devices are included in the leaving-predictive actions. Further, the leaving-the-seat-predicting motion includes the motion of closing a book. In addition, actions such as stacking tableware and other actions to put away items that have been used are included in the leaving-predicting actions. Further, the leaving-the-seat-predicting motion includes the motion of putting a book into a bag. In addition to this, the action of storing various items placed on the table into a bag is included in the leaving-predicting action. In addition, if a person leaves the seat and the type of behavior that indicates the person leaves the seat has not been specified, a new type can be set by storing the behavior immediately before the person leaves the seat and performing additional learning. It may be added as a type of seat indication motion.
次に、サーバ2で行われる離席予測処理について説明する。図6は、離席予測処理の概要を示す説明図である。
Next, the leaving prediction process performed by the
サーバ2では、予測対象とする人物が近い将来(現在時刻から所定時間以内)に離席するか否かを予測する処理が行われる(離席予測処理)。図6に示す例では、時刻t14が現在時刻であり、時刻t15が予測時刻である。αは、現在時刻からどれくらい先の時刻を予測するかを決めるパラメータであり、αに応じて予測時刻が設定される。例えば、α=10sならば10秒先を予測する。
The
サーバ2では、まず、蓄積された映像から、現在時刻を基準にしたクリップ映像を切り出すと共に、クリップ映像から各時刻t1~t14の単位映像V1~V14を抽出する処理が行われる(映像抽出処理)。クリップ映像は、現在から所定期間遡った過去から現在までの対象期間に含まれる映像である。時刻tの単位映像Vtは、時刻tを基準にして過去の所定数(例えば6枚)の撮影画像(フレーム)の集合(動画)である。
The
次に、サーバ2では、各時刻t1~t14の単位映像V1~V14から各時刻t1~t14の特徴情報を抽出する処理が行われる(特徴抽出処理)。
Next, the
次に、サーバ2では、各時刻t1~t14の特徴情報に基づいて、予測結果として、離席予兆動作の種別ごとに予測スコアを取得する処理が行われる(予測スコア取得処理)。
Next, the
図6に示す例では、まず、時刻t1から時刻t5までは、各時刻の単位映像V1~V5から各時刻の特徴情報を抽出する処理のみが行われる。時刻t6では、単位映像V6から特徴情報を抽出すると共に、時刻t1~t6の単位映像V1~V6から抽出された各時刻の特徴情報に基づいて、時刻t6の予測結果が取得される。以下同様にして、時刻t7~t14の予測結果が取得される。このとき、各時刻において、前回の予測結果を逐次更新するようにして、その時刻の予測結果が取得される。 In the example shown in FIG. 6, first, from time t 1 to time t 5 , only the process of extracting feature information at each time from unit videos V 1 to V 5 at each time is performed. At time t6 , feature information is extracted from unit video V6 , and the prediction result at time t6 is calculated based on the feature information at each time extracted from unit video V1 to V6 at times t1 to t6 . is obtained. Thereafter, prediction results for times t 7 to t 14 are obtained in the same manner. At this time, at each time, the previous prediction result is sequentially updated, and the prediction result at that time is acquired.
次に、サーバ2では、現在の時刻t14の予測結果である離席予兆動作の種別ごとの予測スコアに基づいて、予測対象とする人物が近い将来(現在時刻から所定時間以内)に離席するか否かを判定する処理が行われる(離席判定処理)。図6に示す例では、時刻t14の予測結果に基づいて、時刻t15において予測対象とする人物が離席するか否かが判定される。
Next, the
次に、サーバ2で行われる在席検知処理、予測対象抽出処理、および離席予測処理の手順について説明する。図7は、在席検知処理、予測対象抽出処理、および離席予測処理の手順の一例を示すフロー図である。なお、これらのフローは定期的に実行される。
Next, the procedures of the presence detection process, the prediction target extraction process, and the absence prediction process performed by the
図7(A)に示すように、在席検知処理では、サーバ2は、まず、カメラ1の撮影画像を取得する(ST101)。次に、サーバ2は、カメラ1の撮影画像から座席ごとの在席検知エリアの画像を切り出して、その在席検知エリアの画像に基づいて、在席検知エリアに存在する人物を検出する(人物検出処理)(ST102)。
As shown in FIG. 7A, in the presence detection process, the
次に、サーバ2は、在席検知エリアに存在する人物が在席中か否かを判定する(在席判定処理)(ST103)。このとき、在席検知エリアの人物が所定回数以上連続して検出された場合に、在席検知エリアに存在する人物が在席中と判定する。例えば、カメラ1の撮影画像が10秒間隔で取得される場合に、在席検知エリアの人物が6回連続して検出された場合、すなわち、在席検知エリアに人物が1分間連続して存在する場合に、在席中と判定される。なお、在席判定処理において、ディープラーニングにより、在席状態と不在状態との2クラスを予め学習させた識別器を用いることができる。在席判定処理の際には、識別器により、在席検知エリアの画像に関して在席状態としての尤度(確からしさ)と不在状態としての尤度とを求めて、2つの尤度を比較することで、在席と不在とのいずれであるかを判定することができる。
Next, the
ここで、在席検知エリアに存在する人物が在席中と判定されると(ST103でYes)、サーバ2は、在席中と判定された人物に付与した人物ID、および在席開始時刻を在席人物データベースに登録する(ST104)。
Here, if it is determined that the person present in the presence detection area is present (Yes in ST103), the
図7(B)に示すように、予測対象抽出処理では、サーバ2は、まず、在席検知処理で在席が検知された人物の中から判定対象とする人物を選択する(ST201)。
As shown in FIG. 7B, in the prediction target extraction process, the
次に、サーバ2は、判定対象とした人物の在席時間がしきい値以上となるか否かを判定する(ST202)。
Next, the
ここで、判定対象とした人物の在席時間がしきい値以上となる場合(ST202でYes)、サーバ2は、その人物を予測対象(離席予測処理の対象)に設定する(ST203)。
Here, if the presence time of the person targeted for determination is equal to or greater than the threshold value (Yes in ST202), the
図7(C)に示すように、離席予測処理では、サーバ2は、まず、蓄積された映像から、現在時刻を基準にしたクリップ映像を抽出し、そのクリップ映像から各時刻の単位映像を抽出する(映像抽出処理)(ST301)。
As shown in FIG. 7(C), in the separation prediction process, the
次に、サーバ2は、特徴抽出モデル(機械学習モデル)を用いて、単位映像から特徴情報を抽出する(特徴抽出処理)(ST302)。
Next, the
次に、サーバ2は、予測スコア取得モデル(機械学習モデル)を用いて、対象期間に含まれる各時刻の特徴情報に基づいて、離席予兆動作の種別ごとに予測スコアを取得する(予測スコア取得処理)(ST303)。
Next, using a prediction score acquisition model (machine learning model), the
次に、サーバ2は、離席予兆動作の種別ごとの予測スコアに基づいて、予測対象とする人物が近い将来(現在時刻から所定時間以内)に離席するか否かを判定する(離席判定処理)(ST304)。
Next, the
ここで、予測対象とする人物が近い将来に離席すると判定された場合(ST304でYes)、その人物を離席予測人数の計測対象に設定する(ST305)。 Here, if it is determined that the person to be predicted will leave the seat in the near future (Yes in ST304), that person is set as a measurement target for the predicted number of people leaving the seat (ST305).
次に、利用者端末3に表示される案内画面31について説明する。図8は、利用者端末3に表示される案内画面31を示す説明図である。
Next, the
利用者端末3では、店舗の混雑状況を利用者に案内する案内画面31が表示される。利用者は、案内画面31を閲覧することで、利用したい店舗の現在の混雑状況を把握することができる。
On the
案内画面31には、接続先表示部32が設けられている。利用者端末3において、対象とする特定の店舗の閲覧用のアドレス(URL)を指定してサーバ2にアクセスすることで、案内画面31(Webページ)が利用者端末3に表示され、接続先表示部32に店舗の閲覧用のアドレスが表示される。
The
また、案内画面31には、施設情報表示部33が設けられている。施設情報表示部33には、対象となる施設に関する情報(例えば、名称、所在地など)が表示される。施設情報は、管理者により予め登録される。なお、施設情報として、店舗内のライブ画像から生成したプライバシー保護画像(人物マスク画像)を含めるようにしてもよい。
Further, the
また、案内画面31には、在席人数表示部34と、離席予測人数表示部35とが設けられている。在席人数表示部34には、在席人数、すなわち、施設内に在席中の人物の数が表示される。離席予測人数表示部35には、離席予測人数、すなわち、施設内に在席中の人物のうちで、近い将来に離席すると予測された人物の数が表示される。これにより、利用者は、離席予測人数を考慮することで、在席人数に基づく施設の混雑度を修正して判断することができる。具体的には、利用者は、例えば在席人数が多く混雑している状態でも、離席予測人数が多い場合には、すぐに混雑が緩和されるものと判断することができる。在席人数は、在席検知処理により取得される。離席予測人数は、離席予測処理により取得される。
Further, the
また、案内画面31には、更新時刻表示部36が設けられている。更新時刻表示部36には、案内画面31に表示される情報の更新時刻、すなわち、在席検知処理および離席予測処理の最新の処理結果に基づいて、在席人数および離席予測人数が更新された時刻が表示される。これにより、利用者は、表示された情報(在席人数および離席予測人数)がどの程度新しい情報であるかを把握することができる。
Further, the
なお、表示情報の更新は、所定の間隔(例えば15分)で定期的に行われる。また、表示情報の更新は、在席検知処理および離席予測処理が実行される間隔(例えば1分)より長い間隔で行われてもよい。また、表示情報の更新の頻度は、施設の特性や混雑状況に応じて変えてもよい。 Note that the display information is updated periodically at predetermined intervals (for example, every 15 minutes). Furthermore, the display information may be updated at intervals longer than the intervals (for example, one minute) at which the presence detection process and the absence prediction process are executed. Further, the frequency of updating the display information may be changed depending on the characteristics of the facility and the congestion situation.
また、案内画面31には、閲覧中人数表示部37が設けられている。閲覧中人数表示部37には、閲覧中人数、すなわち、案内画面31を現在閲覧している利用者の人数が表示される。これにより、利用者は、離席予測人数に加えて閲覧中人数を考慮することで、在席人数に基づく施設の混雑度を修正して判断することができる。具体的には、利用者は、例えば離席予測人数が多い場合でも閲覧中人数が多い場合には、利用者が次々に訪れることで混雑はあまり解消されないものと判断することができる。閲覧中人数は、利用者端末3からのアクセスに応じて案内画面31の表示情報を送信した利用者端末3の数に基づいて取得される。
Further, the
次に、管理者端末4に表示される設定画面41について説明する。図9は、管理者端末4に表示される設定画面41を示す説明図である。
Next, the
管理者端末4では、管理者の操作に応じてサーバ2で行われる処理の条件を設定するための設定画面41が表示される。設定画面41では、予測対象抽出処理において在席中の人物の中から予測対象(離席予測処理の対象)とする人物を在席時間の長さに基づいて抽出する際の在席時間に関するしきい値を管理者が指定することができる。また、設定画面41では、在席時間に関するしきい値を管理者が決定する際の参考となる統計情報が管理者に提示される。
The
設定画面41には、接続先表示部42が設けられている。利用者端末3において、対象とする特定の店舗の設定用のアドレス(URL)を指定してサーバ2にアクセスすることで、設定画面41(Webページ)が利用者端末3に表示され、接続先表示部42に店舗の設定用のアドレスが表示される。
The
また、設定画面41には、統計グラフ表示部43が設けられている。統計グラフ表示部43には、統計グラフとして、在席時間の分布状況を表すヒストグラムが表示される。ヒストグラムでは、縦軸が人数(頻度)を表し、横軸が在席時間の範囲(15分未満、15分以上30分未満、30分以上45分未満、60分以上)を表す。統計グラフは、統計処理により取得される統計情報を基づいて生成される。
Further, the
また、設定画面41には、表示期間指定部44が設けられている。表示期間指定部44では、管理者が、表示期間、すなわち、統計グラフ表示部43に表示させる統計グラフの対象期間(開始日時および終了日時)を入力することができる。なお、予め設定された期間(例えば、過去全期間、過去1年間、過去3ヶ月等)を管理者が選択できるようにしてもよい。
Further, the
また、設定画面41には、推奨値表示部45が設けられている。推奨値表示部45には、在席時間のしきい値に関する推奨値が表示される。サーバ2では、記憶部22に蓄積された過去の人物ごとの在席時間に関する統計処理により、しきい値に関する推奨値が算出される。例えば、在席時間の最頻値(人数(頻度)が最大となる在席時間)が推奨値として設定される。また、在席時間の平均値が推奨値として設定される。
Further, the
また、設定画面41には、しきい値入力部46と、OKボタン47とが設けられている。しきい値入力部46では、管理者が、在席時間のしきい値を入力することができる。管理者は、統計グラフ表示部43に表示された統計グラフを参考にして独自に決定したしきい値を入力することができる。また、管理者は、推奨値表示部45に表示されたしきい値の推奨値を採用することができる。例えば、しきい値入力部46をブランクとし、管理者がOKボタン47を操作すると、サーバ2では、推奨値表示部45に表示された値でしきい値が設定される。これにより、対象とする店舗(施設)の利用実態に応じたしきい値を設定することができる。また、統計情報について、種々の期間、例えば、午前、午後、平日、休日などの期間ごとに複数の統計グラフを表示させ、その期間ごとに、しきい値の推奨値表示やしきい値入力の受け付けを行い、各期間の状況を反映したしきい値を設定するようにしてもよい。
Further, the
以上のように、本出願において開示する技術の例示として、実施形態を説明した。しかしながら、本開示における技術は、これに限定されず、変更、置き換え、付加、省略などを行った実施形態にも適用できる。また、上記の実施形態で説明した各構成要素を組み合わせて、新たな実施形態とすることも可能である。 As described above, the embodiments have been described as examples of the technology disclosed in this application. However, the technology in the present disclosure is not limited to this, and can also be applied to embodiments in which changes, replacements, additions, omissions, etc. are made. Furthermore, it is also possible to create a new embodiment by combining the components described in the above embodiments.
本発明に係る滞在状況提示装置および滞在状況提示方法は、各人物の動作に基づいて近い将来に施設から退去する人物を予測することで、混雑状況に関するより信頼性の高い情報を利用者に提示することができる効果を有し、施設を撮影した映像に基づいて施設における人物の滞在状況に関する情報を生成して利用者に提示する滞在状況提示装置および滞在状況提示方法などとして有用である。 The stay situation presentation device and the stay situation presentation method according to the present invention present users with more reliable information regarding crowding situations by predicting who will leave the facility in the near future based on the movements of each person. The present invention is useful as a stay situation presentation device and a stay situation presentation method that generates information about a person's stay situation in a facility based on images taken of the facility and presents it to the user.
1 カメラ
2 サーバ(滞在状況提示装置)
3 利用者端末(端末装置)
4 管理者端末(端末装置)
22 記憶部
23 プロセッサ
31 案内画面
34 在席人数表示部
35 離席予測人数表示部
36 更新時刻表示部
37 閲覧中人数表示部
41 設定画面
46 しきい値入力部
1
3 User terminal (terminal device)
4 Administrator terminal (terminal device)
22
Claims (8)
前記プロセッサは、
前記滞在エリアに滞在中の人物を検知し、
前記滞在中の人物の中から、滞在時間が所定のしきい値以上となる人物を予測対象として抽出し、
所定の退去予兆動作に基づいて、前記予測対象とした人物の退去を予測し、
少なくとも、前記滞在中の人物の人数と、前記退去が予測される人物の人数とを含む前記表示情報を生成することを特徴とする滞在状況提示装置。 A stay situation presentation device that uses a processor to generate display information regarding the degree of congestion of a facility based on a video shot of a person's stay area in the facility,
The processor includes:
Detecting a person staying in the stay area,
Extracting people whose staying time is equal to or more than a predetermined threshold from among the people staying there as prediction targets;
Predicting the departure of the person targeted for prediction based on a predetermined departure sign behavior,
A stay status presentation device characterized in that the display information is generated including at least the number of people staying and the number of people expected to leave.
前記退去予兆動作は、在席中の人物が離席の直前に行う離席予兆動作であることを特徴とする請求項1に記載の滞在状況提示装置。 The stay area is a presence detection area that detects a person present,
2. The stay status presentation device according to claim 1, wherein the leaving sign motion is a leaving sign motion performed by a person present in the seat immediately before leaving the seat.
利用者が操作する端末装置からのアクセスに応じて、前記表示情報を前記端末装置に送信することを特徴とする請求項1に記載の滞在状況提示装置。 The processor includes:
The stay status presentation device according to claim 1, wherein the display information is transmitted to the terminal device in response to access from a terminal device operated by a user.
施設の管理者が行う前記しきい値を指定する操作に応じて、前記しきい値を設定することを特徴とする請求項1に記載の滞在状況提示装置。 The processor includes:
2. The stay status presentation device according to claim 1, wherein the threshold value is set in response to an operation for specifying the threshold value performed by a facility manager.
前記滞在中の人物を検知する処理および前記退去を予測する処理の最新の処理結果に基づいて、前記滞在中の人物の人数、および前記退去が予測される人物の人数を更新した時刻を含む前記表示情報を生成することを特徴とする請求項1に記載の滞在状況提示装置。 The processor includes:
Based on the latest processing results of the process of detecting the person staying and the process of predicting departure, the number of people staying and the time when the number of people predicted to leave are updated. The stay status presentation device according to claim 1, wherein the device generates display information.
利用者が操作する端末装置からのアクセスに応じて前記端末装置に送信した前記表示情報を閲覧中の利用者の人数を含む前記表示情報を生成することを特徴とする請求項1に記載の滞在状況提示装置。 The processor includes:
The stay according to claim 1, wherein the display information including the number of users who are viewing the display information transmitted to the terminal device in response to access from a terminal device operated by a user is generated. Situation presentation device.
前記滞在エリアに滞在中の人物を検知し、
前記滞在中の人物の中から、滞在時間が所定のしきい値以上となる人物を予測対象として抽出し、
所定の退去予兆動作に基づいて、前記予測対象とした人物の退去を予測し、
少なくとも、前記滞在中の人物の人数と、前記退去が予測される人物の人数とを含む前記表示情報を生成することを特徴とする滞在状況提示方法。 A stay situation presentation method in which a processor executes a process of generating display information regarding the degree of congestion of a facility based on a video shot of a person's stay area in the facility, the method comprising:
Detecting a person staying in the stay area,
Extracting people whose stay time is equal to or greater than a predetermined threshold from among the people staying there as prediction targets;
Predicting the departure of the person targeted for prediction based on a predetermined departure sign movement,
A stay situation presentation method characterized by generating the display information including at least the number of people who are staying and the number of people who are expected to leave.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2022069934A JP2023159972A (en) | 2022-04-21 | 2022-04-21 | Stay state presentation device and stay state presentation method |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2022069934A JP2023159972A (en) | 2022-04-21 | 2022-04-21 | Stay state presentation device and stay state presentation method |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2023159972A true JP2023159972A (en) | 2023-11-02 |
Family
ID=88516159
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022069934A Pending JP2023159972A (en) | 2022-04-21 | 2022-04-21 | Stay state presentation device and stay state presentation method |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2023159972A (en) |
-
2022
- 2022-04-21 JP JP2022069934A patent/JP2023159972A/en active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6898165B2 (en) | People flow analysis method, people flow analyzer and people flow analysis system | |
US20020168084A1 (en) | Method and apparatus for assisting visitors in navigating retail and exhibition-like events using image-based crowd analysis | |
JP7012266B2 (en) | Office seat presentation system and office seat presentation method | |
JP6145855B1 (en) | Facility use support method, facility use support device, and user terminal device | |
US20020167408A1 (en) | Method and apparatus for routing persons through one or more destinations based on a least-cost criterion | |
WO2014050518A1 (en) | Information processing device, information processing method, and information processing program | |
JP2013218511A (en) | Monitoring system and telephone system | |
JP2008262435A (en) | Business support system using face authentication and customer state information | |
US20220346683A1 (en) | Information processing system and information processing method | |
US7705875B2 (en) | Display device, system, display method, and storage medium storing its program | |
JP2019145022A (en) | Store information providing system, server, store information providing method, and program | |
JP2017174272A (en) | Information processing device and program | |
JP2018201176A (en) | Alert output control program, alert output control method, and alert output control apparatus | |
JP2017509038A (en) | System and method for recommending a target position | |
JP2024041796A (en) | information processing equipment | |
JP2023159972A (en) | Stay state presentation device and stay state presentation method | |
JP6746154B1 (en) | Object detection device and congestion status management device | |
CN110866175A (en) | Information recommendation method and device and electronic equipment | |
JP2022053126A (en) | Congestion status estimation device, method, and program | |
WO2022059223A1 (en) | Video analyzing system and video analyzing method | |
JP7423904B2 (en) | Information output device, method, and program | |
JP2018151840A (en) | System, method and program for collation | |
US20200097887A1 (en) | Schedule management device and schedule management method | |
JP2016009309A (en) | Service support device, service support method, and program | |
JP6829176B2 (en) | Judgment device, judgment method and information provision system |