JP5193215B2 - 集計システム、集計装置、及び集計方法 - Google Patents

Description

本発明は、各種データを利用して不特定多数者の集計を行う集計システムに関し、特に、所定の場所における来場状況や利用状況を集計する集計システム、集計装置、及び集計方法に関する。

不特定多数者の集計システムとして、例えば特許文献１には、ビデオカメラを用いて取得した動画映像データに基づいて、不特定多数の来場者の性別、年齢層、人種（特性）などを簡便にデータ集計するシステムが開示されている。
特開２００７−５８８２８号公報

例えば、店舗等において、来店客（来場者）のうち、来店はしたが購買（利用）しなかった客（非利用者）の特性（性別、年齢層等）を把握することは、販売戦略等に大変有用である。

しかし、上記特許文献１のシステムは、来場者のみの特性を集計するものであるので、例えば、店舗等に来店した来店客（来場者）のうち、購買（利用）しなかった客（非利用者）の特性を集計することはできない。

本発明は、上記問題に鑑みてなされたものであり、所定の場所における来場者のうち所定の利用を行わなかった非利用者の特性を集計することができる集計システム、集計装置、及び集計方法を提供することを目的とする。

かかる目的を達成するため、本発明の集計システムは、所定の入力データに基づいて所定の場所への来場者を計数して来場者数データを取得するとともに、入力データに基づいて来場者の特性を推定して特性推定データを取得する特性推定システムと、来場者のうち所定の利用を行った利用者の特性を示す利用者データを取得する利用状況管理システムと、特性推定システムから受け取った来場者数データ及び特性推定データと、利用状況管理システムから受け取った利用者データとに基づいて、来場者のうち利用者以外の非利用者の特性について集計した結果を少なくとも含む集計結果データを生成する集計装置と、を有することを特徴とする。

本発明の集計装置は、本発明の集計システムで用いられるものであることを特徴とする。

本発明の集計方法は、所定の入力データに基づいて所定の場所への来場者を計数して来場者数データを取得するとともに、入力データに基づいて来場者の特性を推定して特性推定データを取得する第１のデータ取得工程と、来場者のうち所定の利用を行った利用者の特性を示す利用者データを取得する第２のデータ取得工程と、第１のデータ取得工程で取得した来場者数データ及び特性推定データと、第２のデータ取得工程で取得した利用者データとに基づいて、来場者のうち利用者以外の非利用者の特性について集計した結果を少なくとも含む集計結果データを生成する集計工程と、を有することを特徴とする。

本発明によれば、所定の場所における来場者のうち所定の利用を行わなかった非利用者の特性を集計することができる。

以下、本発明を実施するための最良の形態について添付図面を参照して詳細に説明する。

本発明の集計システムは、複数のデータを用いて不特定多数者を集計するシステムであり、所定の場所における来場状況や利用状況（例えば、店舗等における来店者層や購買者層）を集計し、集計結果を得るためのシステムである。

本発明の一実施形態である集計システムの構成を図１８に示す。
図１８に示すように、本実施形態の集計システムは、利用状況管理システム１００と、年齢性別推定システム２００と、集計装置３００とを有して構成される。これらは、有線又は無線によって接続されている。本実施形態では、利用状況管理システム１００及び年齢性別推定システム２００と、集計装置３００とが所定のネットワーク（例えばＬＡＮ（Local Area Network）等）を介してデータ通信を行う。

〈利用状況管理システム〉
利用状況管理システム１００は、所定の場所（例えば店舗）内に設置され、所定の場所（店舗）への来場者（来店者）のうち所定の利用（購入）を行った利用者（購入者）の年齢及び性別（特性の一例）を示す利用者データを取得する。利用者データの取得は、例えば、利用者が所持する、利用者データを記録した記録媒体（メンバーズカードやポイントカード）から取得する。

利用状況管理システム１００の例としては、商品の販売・支払が行われる場所で、その販売データ（品名、数量、販売時刻など）を収集することで販売動向を把握できるＰＯＳ（Point Of Sales）システムが挙げられる。店舗等のレジにおけるＰＯＳシステムは、店舗売上管理コンピュータと、バーコードスキャナが付いたＰＯＳ対応レジスタ（ＰＯＳターミナル）とからなり、レジ精算時にＰＯＳ対応レジスタで商品などに付いたバーコードを読み取り、データ収集と価格計算・レシート発行を同時に行う。これにより、「どの商品を、どの店舗で、いつ、何個」買っていったのかをリアルタイムに把握できる。

また、上記記録媒体の例としては、各顧客が所持するカードであり、購入価格等に応じて所定の特典を受けるためのメンバーズカードやポイントカード（以下、これらをまとめて「顧客カード」という）が挙げられる。顧客カードには、その顧客に関するデータ（氏名、年齢、性別など。上記利用者データのこと）が記録されている。購買者（顧客）は、この顧客カードを、会計・精算時に、ＰＯＳレジ担当の店側（店員）に提示する。

よって、ＰＯＳシステムは、会計・精算時等において、ＰＯＳ対応レジスタを用いて顧客カードを読み取ることにより、利用者データを取得する。そして、リアルタイムで、又は、所定の時間毎に、取得した利用者データを集計装置３００へ出力（送信）する。またこの時、利用者データを取得した日時（例えば、２００７年８月１日１５時３２分）を示す日時データを取得し、利用者データに付与して出力（送信）する。これは、利用者がいつ利用（購入）を行ったのか（出力される利用者データがいつ取得されたものであるのか）を示すためである。さらに、購入価格を示す購入価格データを取得し、利用者データに付与して出力（送信）するようにしてもよい。よって、利用者データからは、利用者が利用を行った日時（及び購入価格）と、その利用者の年齢及び性別とが分かる。

なお、ＰＯＳシステム（利用状況管理システム１００）は、複数存在してもよい。

〈年齢性別推定システム〉
年齢性別推定システム２００は、所定の入力データ（画像データ及び音声データの少なくとも１つであり、所定の場所の出入り口等で取得されるデータ）に基づいて、所定の場所（例えば店舗）への来場者（来店者）を計数して来場者数データ（来場者の総数を示すデータ）を取得するとともに、それら来場者の年齢及び性別（特性の一例）を推定して年齢性別推定データ（特性推定データの一例）を取得する。年齢性別推定システム２００は、入力データを基に、来場者の年齢及び性別を離散量として推定する第１の推定手段と、入力データを基に、来場者の年齢及び性別を連続量として推定する第２の推定手段と、第１の推定手段の推定結果と第２の推定手段の推定結果とを統合し、年齢性別推定データとして取得する統合手段と、を有する。そして、リアルタイムで、又は、所定の時間毎に、取得した来場者数データ及び年齢性別推定データを集計装置３００へ出力（送信）する。なお、来場者数データ及び年齢性別推定データの出力（送信）は、所定の時間毎（例えば１時間毎）に出力（送信）するのが好ましく、また、その際は、来場者数データ及び年齢性別推定データに、来場者計数及び年齢性別推定を行った時間帯（例えば、２００７年８月１日１５時〜１６時）等を示す時間帯データを付与するのが好ましい。これは、計数及び年齢性別推定された来場者がいつ来場したのかを示すためである。よって、来場者数データからは、所定の時間帯毎の来場者総数が分かり、また、年齢性別推定データからは、それら来場者全員の年齢及び性別とが分かる。

ここで、年齢性別推定システム２００の各実施形態について、以下詳細に説明する。なお、以下の各実施形態では、年齢の推定のみを例として説明するが、性別についても同様に推定できるものとする。また、以下の各実施形態では、年齢推定データの取得の詳細について説明するものとする。また、本発明の年齢性別推定システム２００は、人物の特性を推定する特性推定システムの一例である。よって、以下の各実施形態では、人物の年齢や性別を推定する年齢性別推定システム２００について説明するが、年齢や性別の推定に限定されるものではなく、これら以外の特性を推定するものであってもよい。

〔第１の実施形態〕
図１に、本実施形態にかかる年齢推定システムの構成を示す。
このシステムは、特徴量抽出部１、２、識別器３、４、スコア化部５、６、及び統合部７を有する。これらの各部は専用のハードウェアを用いて構成することも可能であるし、ソフトウェア処理によってコンピュータ上に実現することも可能である。

特徴量抽出部１は、識別器３が年齢の推定に用いる特徴量を入力画像から抽出する。特徴量抽出部２は、識別器４が年齢の推定に用いる特徴量を入力画像から抽出する。識別器３は、予め学習済みの判定基準データを格納しており、特徴量抽出部１によって入力画像から抽出された特徴量と判定基準データとを用いて、入力画像上の人物の年齢を離散量として推定する。識別器４は、予め学習済みの判定基準データを格納しており、特徴量抽出部２によって入力画像から抽出された特徴量と判定基準データとを用いて、入力画像上の人物の年齢を連続量として推定する。スコア化部５は、識別器３から出力された推定結果（離散量）をスコア化する。スコア化部６は、識別器４から出力された推定結果（連続量）をスコア化する。統合器７は、スコア化部５及び６のそれぞれから出力されたスコアを統合する。なお、スコアとは、識別器から出力されたある推定結果（離散量、連続量）と、年齢情報（推定対象の人物の実年齢や見た目年齢）との相関性を示す値である。スコア化の処理の詳細については後段で説明する。

識別器３、４が学習済みの判定基準データを用いて特徴量から人物の年齢を推定する処理は、公知の方法を適用可能である。人物の年齢を離散量として推定する識別器３には、線形判別分析（ＬＤＡ）、混合ガウス分布モデル（ＧＭＭ）、Support Vector Machineなどの手法を適用可能である。また、人物の年齢を連続量として推定する識別器４には、重回帰分析、ニューラルネットワーク、Support Vector Regressionなどの手法を適用可能である。

特徴量抽出部１、２が入力画像から特徴量を抽出する処理は、公知の方法を適用可能であり、エッジ検出や２値化などの手法を適用可能である。

識別器３から出力される推定結果である離散量をスコア化するスコア化部５の処理について説明する。上記のように、スコアは、ある推定結果と年齢情報との相関性を示す値であり、他方の軸に年齢を採った直交座標系においてリニアな関数として示される。図２に、識別器３が推定結果をいずれか一つのクラスを選択して出力する場合のスコア化の例を示す。図中のグラフの縦軸は離散量のスコアＳｃ、横軸は年齢を表している。ここでは、識別器３から「２０代」という離散量が推定結果として出力された場合を例とする。
（ａ）の場合は、２０代に該当する２０歳以上３０歳未満の年齢について一定の値となるようにスコア化している。（ｂ）の場合は、２０代というクラスの中央値である２５歳の値を最も高くし、それから離れるに従って直線的に低下するようにスコア化している。（ｃ）の場合は、２０代というクラスの中央値である２５歳を中心とする正規分布状となるようにスコア化している。

図３に、識別器３が推定結果を各クラスに該当する確率として出力する場合のスコア化の例を示す。図２と同様に、図中のグラフの縦軸は離散量のスコアＳｃ、横軸は年齢を表している。ここでは、０代・・・１０％、１０代・・・２０％、２０代・・・５０％、３０代・・・１０％、４０代・・・５％、５０代・・・５％という離散量が推定結果として出力された場合を例とする。
（ａ）の場合は、各クラスについて確率に応じてクラス内で一定の値となるようにスコア化している。（ｂ）の場合は、各クラスの中央値のスコア値を最も高くし、それから離れるに従って直線的に低下するようにスコア化している。（ｃ）の場合は、各クラスの中央値を中心とする正規分布状となるようにスコア化している。

図４にスコア化部６の処理の一例を示す。図中のグラフの縦軸は連続量のスコア、横軸は年齢を表している。（ａ）に示すように、識別器４の出力値±αの範囲の年齢が一定の値となるようにスコア化しても良い。また、（ｂ）に示すように、識別器４の出力値のスコア値を最大とし、それから離れるに従って直線的に低下するようにスコア化しても良い。さらに、（ｃ）に示すように、識別器４の出力値を中心とする正規分布状となるようにスコア化しても良い。

統合部７は、スコア化部５及び６からそれぞれ入力されるＳｃ及びＳｒを統合する。
図５に示すように、離散量のスコアＳｃ（図５（ａ））と連続量のスコアＳｒ（図５（ｂ））とを合成して得られる統合後のスコアＳｔ（図５（ｃ））がピーク値を取る年齢を統合結果（年齢推定データ）として出力する。出力先は、集計装置３００である。

なお、統合の際には、識別器３、４の精度に応じて重み付けを行ってもよい。すなわち、識別器３、４の重みをそれぞれＷｃ、Ｗｒとすると、統合後のスコアＳｔは、Ｓｔ＝Ｗｃ・Ｓｃ＋Ｗｒ・Ｓｒとして表される。
よって、識別器３、４の一方の精度が他方よりも高い場合には、その識別器の重みを大きくすることで、推定の精度が向上する。

また、クラスごとに重みを変化させることで推定の精度がより向上する。例えば、離散量を扱う識別器３は、若年層や高年齢層での推定の精度が高いため、これらのクラスの重みを高くすることで年齢推定の精度が高まる。具体的には、「Ｘ代」における識別器３の重みをＷｃ^（Ｘ）と表すと、Ｗｃ^（０）＝１．０、Ｗｃ^（１０）＝０．５、Ｗｃ^（２０）＝０．３、Ｗｃ^（３０）＝０．３、Ｗｃ^（４０）＝０．３、Ｗｃ^（５０）＝０．５、Ｗｃ^（６０）＝１．０
とすることで、若年層及び高年齢層での年齢推定の精度をより高められる。

連続量のスコアＳｒと離散量のスコアＳｃとを統合して得られるスコアＳｔが最大をとる年齢は連続量して算出されることとなるが、統合部７の出力を離散量とすることも可能である。統合部７の出力を離散量に変換する方法としては、スコアＳｔが最大をとる年齢が属するクラスを統合結果とする方法と、各クラスごとにスコアＳｔを積分した結果面積が最大となるクラスを統合結果とする方法とがある。図６の例では、前者の方法ならば「１０代」が、後者の方法ならば「２０代」が統合結果の離散量として統合部７から出力されることとなる。
いずれの方法を用いても良いが、後者の方法の方が推定精度の安定性の面で優れている。

このように、本実施形態に係る年齢推定システムは、離散量として得られた推定結果と連続量として得られた推定結果とを統合するため、特定の年齢層の推定の精度が低くなってしまうことがない。
しかも、離散量として得られた推定結果に基づくスコアと連続量として得られた推定結果に基づくスコアとを重み付けして統合することによって、推定精度をより高めることが可能となる。この場合には、クラスに応じて重みを変化させることで推定の精度をさらに高くできる。

〔第２の実施形態〕
図７に、本実施形態に係る年齢推定システムの構成を示す。第１の実施形態とほぼ同様の構成であるが、スコア化部５、６は、それぞれ識別器３、４が年齢の推定に用いる判定基準データを参照できるようになっている。

特徴抽出部１、２、及び統合部７の処理は、第１の実施形態と同様である。

本実施形態においてスコア化部５は、識別器３の判定基準データを参照して推定結果をスコア化する。学習に用いた判定基準データに年齢情報がパラメータとして含まれているならば、識別器３の判定基準データを逆引きすることによって特定の年代と推定される人の年齢情報の分布を抽出可能である。よって、スコア化部５は、識別器３の判定基準データの中から、特定の年代と推定されるべきデータを抽出し、図８（ａ）に示すように、その分布をその年代のスコアとして出力する。

同様に、スコア化部６は、識別器４の判定基準データを参照して推定結果をスコア化する。学習に用いた判定基準データに年齢情報がパラメータとして含まれているならば、識別器４の判定基準データを逆引きすることによって特定の年齢と推定される人の年齢情報を抽出可能である。よって、スコア化部６は、識別器４の判定基準データの中から、特定の年齢±αと推定されるべきデータを抽出し、図８（ｂ）に示すように、その分布をその年齢のスコアとして出力する。

ある年代と推定される人物の年齢情報は、その年代の中央値に対して対称な分布になるとは限らない。例えば、年齢による特異的な特徴が出やすい１０代の人物が２０代と推定されるケースよりも、特異的な特徴が出にくい３０代の人物が２０代と推定されるケースの方が多いため、２０代と推定される人物の年齢情報の分布は、一般的には中央値である２５よりも高くなる。連続量の場合も同様であり、特定の年齢と推定される人物の年齢情報がその年齢に対して対称な分布となるとは限らない。
本実施形態においては年齢の推定に用いた判定基準データを用いて離散量及び連続量をスコア化するため、より正確に年齢の推定が可能である。

離散量及び連続量のスコアは、図８（ｃ）に示すように第１の実施形態と同様に統合部７において統合され、統合結果（年齢推定データ）は離散量又は連続量として出力される。出力先は、集計装置３００である。

なお、ここでは識別器３、４が年齢の推定に用いる判定基準データを基にスコア化する場合を説明したが、図９に示すように、識別器３、４が学習していない実測データ（年齢情報と推定結果との関連を含む）がある場合には、それを基にしてスコア化部５、６がスコア化の処理を行うようにしても良い。

〔第３の実施形態〕
図１０に、本実施形態に係る年齢推定システムの構成を示す。本実施形態においては、人物の年齢を連続量として推定する識別器を二つ（４ａ、４ｂ）備えており、特徴量抽出部２によって抽出された特徴量Ａ、Ｂが別々に入力されている。

スコア化部６は、識別器４ａ及び４ｂからそれぞれ入力される推定結果を基に、連続量のスコアＳｒを出力する。
図１１にスコア化部６の処理の一例を示す。スコア化部６は、識別器４ａから入力される推定結果に基づくスコア（図１１（ａ））と、識別器４ｂから入力される推定結果に基づくスコア（図１１（ｂ））とを合成して、連続量のスコアＳｒ（図１１（ｃ））を算出する。

合成した連続量のスコアは、第１の実施形態と同様に統合部７において離散量のスコアと統合され、統合結果（年齢推定データ）は離散量又は連続量として統合部７から出力される。出力先は、集計装置３００である。

このように、複数の識別器が出力する推定結果を合成してスコア化することにより、ばらつきを低減し、推定精度をより高められる。

なお、ここでは特徴量抽出部２が二つの特徴量を抽出し、別々の識別器４ａ、４ｂに入力する構成を例としたが、図１２のように、特徴抽出部自体を複数備えていても良いし、図１３に示すように、同じ特徴量を別々の識別器に入力するようにしても良い。異なる識別器に同じ特徴量を入力した場合、学習した判定基準データが異なっていれば出力する推定結果が異なるため、同様の効果が得られる。

ここでは二つの識別器の推定結果を合成する場合を例としたが、３以上の識別器の推定結果を合成するように構成しても良いことは言うまでもない。

〔第４の実施形態〕
本発明を好適に実施した第４の実施形態について説明する。
図１４に、本実施形態に係る年齢推定システムの構成を示す。本実施形態においては、人物の年齢を離散量として推定する識別器を二つ（３ａ、３ｂ）備えており、特徴量抽出部１によって抽出された特徴量Ｃ、Ｄが別々に入力されている。

スコア化部５は、識別器３ａ及び３ｂからそれぞれ入力される推定結果を基に、離散量のスコアＳｃを出力する。

合成の対象が離散量のスコアであることを除いては、第３の実施形態と同様であるため重複する説明は省略する。

〔第５の実施形態〕
本発明を好適に実施した第５の実施形態について説明する。
図１５に本実施形態に係る年齢推定システムの構成を示す。このシステムは、特徴量抽出部１１、１２、２１、２２識別器１３、１４、２３、２４、スコア化部１５、１６、２５、２６、及び統合部１７を有する。

特徴量抽出部１１及び１２には第１の入力画像が、特徴量抽出部２１及び２２には第２の入力画像が入力される。特徴量抽出部１１、２１は第１の実施形態の特徴量抽出部１と、特徴量抽出部１２、２２は第１の実施形態の特徴量抽出部２と、識別器１３、２３は第１の実施形態の識別器３と、識別器１４、２４は第１の実施形態の識別器４と、スコア化部１５、２５は第１の実施形態のスコア化部５と、スコア化部１６、２６は、第１の実施形態のスコア化部６と、統合部１７は第１の実施形態の統合部７とそれぞれ同様である。

本実施形態に係る年齢推定システムは、入力画像１を基にした離散量及び連続量のスコアＳｃ１、Ｓｒ１と、入力画像２を基にした離散量及び連続量のスコアＳｃ２、Ｓｒ２とを別々に算出し、これらを統合して推定結果を得ている。
各部における処理は上記各実施形態と同様であるため、説明は省略する。

本実施形態に係る年齢推定システムは、複数の画像を基に年齢を推定するため、どちらかの画像の撮影条件が悪く、特徴量をうまく抽出できない場合でも、他の画像から年齢を推定できるため、年齢推定の精度が高くなる。なお、本実施形態では、入力画像が２つの場合で説明したが、３以上の入力画像を用いて推定するようにしてもよい。

なお、上記各実施形態は本発明の好適な実施の一例であり、本発明はこれに限定されることはない。
例えば、上記各実施形態においては、入力画像を基に人物の年齢を推定する場合を例に説明したが、年齢の代わりに人物の性別を推定するようにしても良い。この場合には、女性が‘１’、男性が‘０’のように性別を数値化することによって、年齢の場合と同様に離散量及び連続量として推定することが可能である。また、図１６に示すように、上記各実施形態と同様の処理を並列に行うことによって、人物の年齢と性別とを同時に推定するようにしても良い（この場合、年齢性別推定データを取得することになる）。
また、推定の基とするデータは画像に限定されることはなく、音声などであっても良いし、２種類以上の形式のデータを組み合わせ（例えば、音声＋画像）であっても良い。
このように、本発明は様々な変形が可能である。

上記各実施形態では、統合部７から年齢推定データを集計装置３００へ出力（送信）するまでについて説明したが、各実施形態における年齢推定システムは、入力画像上の人物（年齢推定の対象者）を計数する手段（図示せず）を有しており、人数カウントデータ（上記来場者数データ）として、年齢推定データとともに集計装置３００へ随時出力（送信）する。

以上説明したように、本発明の年齢性別推定システム２００で取得される年齢性別推定データは、特定の数値域で推定精度が低下することなく、高い精度の推定を実現したデータとなる。よって、後述する集計装置３００で生成される集計結果データは、この年齢性別推定データに基づいて生成されるので、不特定多数者の集計において信頼性のある集計結果データとなる。その理由について以下に説明する。

従来、入力された情報から抽出した特徴を基に、物理的に定量不能な値を推定するシステムの一種として、入力画像データから人物の特徴を抽出し、抽出した特徴を予め学習済みのデータと比較することによって、その人物の特性（例えば、年齢や性別）を推定するシステムがあり、このようなシステムとしては、例えば、図１７に示すように、入力画像から特徴量を抽出する特徴量抽出部と、抽出した特徴量を予め学習済みのデータと比較して年齢を推定する識別器とを有するシステムが関連する。

上記の関連システムにおいて、抽出した特徴を処理して年齢をする推定する識別器としては、推定結果を離散量として扱う場合（例えば特許文献１）と、推定結果を連続量として扱う場合（例えば特開２００５−１４８８８０号公報）とがある。

例えば上記特許文献１に開示されているように、推定結果を離散量として扱う場合には、推定結果は年代別に分けられたクラスのいずれに該当するかとして出力される。例えば、０代（０〜９歳）、１０代（１０〜１９歳）２０代（２０〜２９歳）、３０代（３０〜３９歳）、４０代（４０〜４９歳）、５０代（５０〜５９歳）、６０以上（６０歳〜）のように分けられたクラスに分けられているならば、「２０代」や「５０代」といったように、いずれかのクラス名が選択されて推定結果として出力される。

しかし、この場合には、どのように年代をクラス分けするかが問題となる。例えば、クラスをどの程度の幅で区切るかや、どの値を基準（中央値）として年代を区切るか（例えば、上記の例と同じ１０歳幅であっても１５〜２４歳といったクラス分けも考えられる）が問題となる。また、２０代（２０〜２９歳）と３０代（３０〜３９歳）を分ける場合、２９歳のデータと３０歳のデータのように大きな違いがないものを無理矢理分けようとするため、全体の精度が下がってしまうという問題もある。

また、画像から特異的な特徴を抽出できない場合に、分類されやすいクラスとされにくいクラスとが生じてしまう。すなわち、年齢による特異的な特徴が出やすい若年層や高年齢層については正確に推定できるものの、特異的な特徴が出にくい青年層、中年層については正確に推定することが難しくなる。よって、推定結果を離散量として扱うシステムを店舗等における客層分析に適用した場合には、若年層や高年齢層といった特定のクラスの出力が多く、青年層や中年層といった特定のクラスの出力が少なくなり、正確に客層を分析できなくなってしまう。

一方、例えば特開２００５−１４８８８０号公報に開示されているように、推定結果を連続量として扱う場合には、学習の段階で残差を最小にしようと識別器が学習するため、全体的に性能を上げようとすると、推定結果が中央による傾向が現れてしまう。すなわち、平均年齢よりも若いほど年齢が高く推定され、平均年齢よりも高いほど年齢が低く推定される傾向にあり、若年層や高年層の年齢は正確には推定されにくい。

このように、上記関連技術では特定の年齢層の人物は、年齢（性別）の推定の精度が低くなってしまうという問題があった。

よって、上記関連技術を適用した年齢（性別）推定システムを用いて、所定の場所における来場状況及び利用状況（例えば、店舗等における来店者層や購買者層）を組み合わせて集計する場合、年齢（性別）の推定の精度が低いため、特に来場状況の推定精度が低くなってしまう。その結果、所定の場所における来場状況及び利用状況を組み合わせた集計結果の精度も低くなり、信頼性のある集計結果を得ることはできないという問題があった。

本発明は、来場状況の推定において、特定の数値域で推定精度が低下することなく、高い精度の推定を実現することによって、所定の場所における来場状況及び利用状況について信頼性のある集計結果を得ることができるので、上記問題を解決することもできる。

〈集計装置〉
集計装置３００は、リアルタイムで、あるいは、所定の時間毎に、年齢性別推定システム２００から出力（送信）された来場者数データ及び年齢性別推定データ（及び時間帯データ）を受け取り、また、利用状況管理システム１００から出力された利用者データ（及び日時データ）を受け取る。

そして、集計装置３００は、受け取った各データを集計し、集計結果を出力データ（集計結果データ）として生成する。生成の際、集計装置３００（後述する集計部３０５）は、来場者数データ及び年齢性別推定データに付与された時間帯データと、利用者データに付与された日時データとを対応させることにより、来場者数データ及び年齢性別推定データと、利用者データとを所定時間帯毎に関連付けることができる。

また、集計結果データの生成のタイミングは、予め集計装置３００のユーザにより設定された時間（日時や時間帯）で行われるようにしてもよいし、ユーザにより生成指示を受けた時に行われるようにしてもよい。また、どのような集計結果データを生成するか（集計結果データの種類。例えば後述する図１９〜図２２）は、ユーザが予め設定できる。

生成される集計結果データは、来場者数データ及び年齢性別推定データと、利用者データとに基づいた、来場状況及び利用状況を示すデータとなるが、来場者（来店者）のうち利用者（購入者）以外の非利用者（非購入者）の年齢層及び性別のうち少なくとも一つについて集計した結果を含むのが好ましい。

集計装置３００は、情報処理端末装置であり、図１８に示すように、利用者データ、年齢性別推定データ、来場者数データを受信するためのインターフェースである受信部３０１と、受信部３０１で受信した利用者データを記憶する利用者データ記憶部３０２と、受信部３０１で受信した年齢性別推定データを記憶する年齢性別推定データ記憶部３０３と、受信部３０１で受信した来場者数データを記憶する来場者数データ記憶部３０４と、受信部３０１で受信した各データ（利用者データ、年齢性別推定データ、来場者数データ）を直接受け取り、又は、利用者データ記憶部３０２、年齢性別推定データ記憶部３０３、来場者数データ記憶部３０４にそれぞれ記憶された各データ（利用者データ、年齢性別推定データ、来場者数データ）を読み出し、それら各データに基づいて集計結果データを生成する集計部３０５と、集計部３０５で生成された集計結果データを記憶する集計結果データ記憶部３０６と、集計部３０５で生成された集計結果データを直接受け取り、又は、集計結果データ記憶部３０６に記憶された集計結果データを読み出し、その集計結果データを外部（外部ネットワークや外部装置）へ送信（出力）するためのインターフェースである送信部３０７と、を有する。これらの各部は専用のハードウェアを用いて構成することも可能であるし、ソフトウェア処理によってコンピュータ上に実現することも可能である。

なお、図示はしていないが、集計結果データ（及び各データ記憶部３０２、３０３、３０４に記憶された各データ）を表示するための表示部や、ユーザ操作を受け付けるための操作部を有するように構成してもよい。また、送信部３０７は、各データ記憶部３０２、３０３、３０４に記憶された各データを読み出し、集計部３０５を介さずにそのまま外部へ送信（出力）するようにしてもよい。

また、図示はしていないが、年・月・日・時（分・秒を含む）を計測する計時部を有するように構成し、受信部３０１で各データを受信した場合に、計時部が、その受信したデータに対し、受信した日時（年・月・日・時）を日時データとして付与し、その後で各データ記憶部３０２、３０３、３０４に記憶するようにしてもよい。よって、リアルタイムで各データを受信する場合は、上記日時データ（利用者データに付与されるデータ）や上記時間帯データ（年齢性別推定データ及び来場者数データに付与されるデータ）は必要なくなる。

ここで、集計部３０５で生成される集計結果データについて、以下具体的に説明する。なお、以下の説明では、例として、上記本発明の集計システムが店舗内に設置される場合とする。よって、生成される集計結果データは、年齢性別推定システム２００で来店者（来場者）の計数及び年齢性別推定を行うことにより取得された来店者数データ（来場者数データ）及び年齢性別推定データに基づき、かつ、ＰＯＳシステム（利用状況管理システム）１００で会計・精算時に購買者（利用者）から掲示された顧客カードを読み取ることにより取得された購買者データ（利用者データ）に基づくものとする。

集計結果データの一例を図１９に示す。図１９（ａ）及び（ｂ）は、店舗へ来店した女性客を集計し、それら女性客を、店舗へ来店した来店者、来店者のうち買い物を行った購買者、来店者のうち買い物をしなかった非購買者（非購買者＝来店者−購買者）に区別し、それらの人数（縦軸）を年代別（横軸）に棒グラフで示している。図１９（ａ）は、ある１ヶ月の休日（土日祝祭日）における各データ（来店者数データ、年齢性別推定データ、購買者データ）を平均して集計したデータであり、図１９（ｂ）は、その１ヶ月の休日以外の平日における各データ（来店者数データ、年齢性別推定データ、購買者データ）を平均して集計したデータである。なお、ここでは平均としたが、総計としてもよい。また、ここでは休日と平日のデータとしたが、その他に、日にち単位の集計結果データ（例えば、８月２１日の年代別の来店者数、購買者数、非購買者数を示すデータ）、週単位の集計結果データ（例えば、８月第３週の年代別の来店者数、購買者数、非購買者数を示すデータ）、月単位の集計結果データ（例えば、８月の年代別の来店者数、購買者数、非購買者数を示すデータ）としてもよい。

図１９に示す各集計結果データをそれぞれ比較すると、例えば、休日においては、来店者及び購買者とも２０代が最も多く、平日においては、来店者は２０代が最も多いが購買者は３０代が最も多いということが分かる。よって、本発明の集計システムを利用する店舗では、集計結果データを分析（考察）することにより、年代別の来店者、購買者、非購買者の人数を把握できるので、集客対策（例えば、商品の仕入れ強化、商品の品揃えの変更、イベント等の実施など）を的確に行うことができる。

集計結果データの一例を図２０に示す。図２０（ａ）は、ある１ヶ月において店舗へ来店した２０代の女性客を曜日別に平均して集計し、来店者、購買者、非購買者の人数（縦軸）を曜日別（横軸）に棒グラフで示している。図２０（ｂ）は、ある１年間において店舗へ来店した２０代の女性客を月別に平均して集計し、来店者、購買者、非購買者の人数（縦軸）を月別（横軸）に棒グラフで示している。なお、ここでは平均としたが、総計としてもよい。

図２０（ａ）の集計結果データからは、例えば、土曜日と日曜日は、来店者数はほぼ同じであるが、購買者は日曜日の方が多いことが分かる。また、図２０（ｂ）の集計結果データからは、例えば、１月、７月、１２月は来店者及び購買者が多いことや、６月は購買者数を非購買者数が上回っていることが分かる。よって、本発明の集計システムを利用する店舗では、集計結果データを分析（考察）することにより、曜日別や月別の来店者、購買者、非購買者の人数を把握できるので、集客対策（例えば、商品の仕入れ強化、商品の品揃えの変更、イベント等の実施など）を的確に行うことができる。

また、例えば、図２０（ａ）の集計結果データを月ごとに生成して保存することにより、前月との比較を行うことができる。同様に、例えば、図２０（ｂ）の集計結果データを年ごとに生成して保存することにより、前年との比較を行うことができる。

集計結果データの一例を図２１に示す。図２１（ａ）及び（ｂ）は、店舗へ来店した２０代の女性客を集計し、来店者、購買者、非購買者の人数（縦軸）を時間帯別（横軸）に折れ線グラフで示している。図２１（ａ）は、ある１ヶ月の休日（土日祝祭日）における各データ（来店者数データ、年齢性別推定データ、購買者データ）を平均して集計したデータであり、図２１（ｂ）は、その１ヶ月の休日以外の平日における各データ（来店者数データ、年齢性別推定データ、購買者データ）を平均して集計したデータである。なお、ここでは平均としたが、総計としてもよい。また、ここでは休日と平日のデータとしたが、その他に、日にち単位の集計結果データ（例えば、８月２１日の時間帯別の来店者数、購買者数、非購買者数を示すデータ）、週単位の集計結果データ（例えば、８月第３週の時間帯別の来店者数、購買者数、非購買者数を示すデータ）、月単位の集計結果データ（例えば、８月の時間帯別の来店者数、購買者数、非購買者数を示すデータ）としてもよい。

図２１（ａ）の集計結果データからは、休日は、１４時台から１６時台において来店者及び購買者が最も多く、１８時台から２０時台では非購買者数が購買者数を上回っていることが分かる。図２１（ｂ）の集計結果データからは、全時間帯において購買者と非購買者の比率はほぼ同じであり、開店から時間が経つにつれ来店数が増え、１８時以降が最も来店数が多いということが分かる。よって、本発明の集計システムを利用する店舗では、集計結果データを分析（考察）することにより、時間帯（営業時間帯）別に来店者、購買者、非購買者の人数を把握できるので、集客対策（例えば、商品の仕入れ強化、商品の品揃えの変更、イベント等の実施など）を的確に行うことができる。

集計結果データの一例を図２２に示す。図２２は、店舗へ来店した２０代及び３０代の女性客を集計し、それぞれの来店者、購買者、非購買者の人数（縦軸）を時間帯別（横軸）に折れ線グラフで示している。図２２は、ある１ヶ月の休日以外の平日における各データ（来店者数データ、年齢性別推定データ、購買者データ）を平均して集計したデータである。なお、ここでは平均としたが、総計としてもよい。また、ここでは平日のデータとしたが、その他に、日にち単位の集計結果データ（例えば、８月２１日の時間帯別の来店者数、購買者数、非購買者数を示すデータ）、週単位の集計結果データ（例えば、８月第３週の時間帯別の来店者数、購買者数、非購買者数を示すデータ）、月単位の集計結果データ（例えば、８月の時間帯別の来店者数、購買者数、非購買者数を示すデータ）としてもよい。

図２２の集計結果データからは、例えば以下のことが分かる。
・２０代は、１４時台から１５時台において、来店者が最も多いが、購買者は多くはない。
・２０代は、１８時台から２０時台において、来店者数と購買者数の差があまりない。
・３０代は、１５時台から１６時台において、来店者数と購買者数の差がある。
・３０代は、１９時台から２０時台において、非購買者数が購買者数を上回っている。
・２０代は、１８時以降で来店者が増えるが、３０代は、１８時以降で来店者が減る。
・３０代は、１０時台から１３時台において、来店者が２０代のそれよりも多く、かつ、来店者数と購買者数との差があまりない。
よって、本発明の集計システムを利用する店舗では、集計結果データを分析（考察）することにより、時間帯（営業時間帯）別に、各年代の来店者、購買者、非購買者の人数を把握できるので、集客対策（例えば、商品の仕入れ強化、商品の品揃えの変更、イベント等の実施など）を的確に行うことができる。

なお、図２２では、例として２０代と３０代との比較としたが、全ての年代の来店者、購買者、非購買者を折れ線グラフで表示するようにしてもよいし、ユーザにより指定された年代の来店者、購買者、非購買者を折れ線グラフで表示するようにしてもよい。また、来店者、購買者、非購買者のうち表示するものをユーザが選択できるようにしてもよい。これにより、例えば、３０代、４０代、５０代の非購買者のみを表示したり、全年代の来店者のみを表示したりできる。

また、図１９〜図２２の集計結果データは、例として棒グラフや折れ線グラフとしたが、その他のグラフでもよいし、グラフ以外の形式（例えば表など）でもよい。

また、図１９〜図２２の集計結果データは、女性のみを集計したものとしたが、男性のみを集計したものでもよいし、男性及び女性の両方を集計したものでもよい。

以上説明したように、本発明の集計システムで生成される集計結果データを分析（考察）することにより、来場者（来店者）、利用者（購買者）、非購買者（非利用者）を把握できるので、本システムを利用する側では、集客対策（例えば、商品の仕入れ強化、商品の品揃えの変更、イベント等の実施計画など）を的確に行うことができる。

この出願は、２００７年９月２８日に出願された日本出願特願２００７−２５４３７２を基礎とする優先権を主張し、その開示を全てここに取り込む。

本発明を好適に実施した第１の実施形態に係る年齢推定システムの構成を示す図である。 離散量のスコア化の一例を示す図である。 離散量のスコア化の一例を示す図である。 連続量のスコア化の一例を示す図である。 離散量のスコアと連続量のスコアとの統合の一例を示す図である。 統合結果を離散量化する処理の一例を示す図である。 本発明を好適に実施した第２の実施形態に係る年齢推定システムの構成を示す図である。 判定基準データを用いたスコア化の一例を示す図である。 本発明を好適に実施した第２の実施形態に係る年齢推定システムの構成を示す図である。 本発明を好適に実施した第３の実施形態に係る年齢推定システムの構成を示す図である。 複数の識別器の推定結果によるスコアを合成する処理の一例を示す図である。 第３の実施形態に係る年齢推定システムの別の構成を示す図である。 第３の実施形態に係る年齢推定システムの別の構成を示す図である。 本発明を好適に実施した第４の実施形態に係る年齢推定システムの構成を示す図である。 本発明を好適に実施した第５の実施形態に係る年齢推定システムの構成を示す図である。 年齢とともに性別を推定するシステムの構成を示す図である。 本発明に関連する年齢推定システムの構成を示す図である。 本発明の集計システムの構成及び本発明の集計装置の構成の一例を示す図である。 本発明の集計システムで生成される集計結果データの一例を示す図である。 本発明の集計システムで生成される集計結果データの一例を示す図である。 本発明の集計システムで生成される集計結果データの一例を示す図である。 本発明の集計システムで生成される集計結果データの一例を示す図である。

符号の説明

１、２、１１、１２、２１、２２、３１、３２、４１、４２ 特徴抽出部
３、４、１３、１４、２３、２４、３３、３４、４３、４４ 識別部
５、６、１５、１６、２５、２６ スコア化部
７、１７、３７、４７ 統合部
１００ 利用状況管理システム（ＰＯＳシステム）
２００ 年齢性別推定システム（特性推定システム）
３００ 集計装置
３０１ 受信部
３０２ 利用者データ記憶部
３０３ 年齢性別推定データ記憶部
３０４ 来場者数データ記憶部
３０５ 集計部
３０６ 集計結果データ記憶部
３０７ 送信部

Claims (8)

1. 所定の入力データに基づいて所定の場所への来場者を計数して来場者数データを取得するとともに、前記入力データに基づいて該来場者の特性を推定して特性推定データを取得する特性推定システムと、
   前記来場者のうち所定の利用を行った利用者の特性を示す利用者データを取得する利用状況管理システムと、
   前記特性推定システムから受け取った前記来場者数データ及び前記特性推定データと、前記利用状況管理システムから受け取った前記利用者データとに基づいて、前記来場者のうち前記利用者以外の非利用者の特性について集計した結果を少なくとも含む集計結果データを生成する集計装置と、
   を有し、
   前記特性推定システムは、
   前記入力データを基に、前記来場者の特性を離散量として推定する第１の推定手段と、
   前記入力データを基に、前記来場者の特性を連続量として推定する第２の推定手段と、
   前記第１の推定手段の推定結果及び前記第２の推定手段の推定結果を前記特性推定データとして取得する特性推定データ取得手段と、
   を有し、
   前記特性推定データ取得手段は、
   前記第１の推定手段の推定結果と、前記第２の推定手段の推定結果とを統合し、前記特性推定データとして取得することを
   専用のハードウェア又はコンピュータを用いて実現することを
   特徴とする集計システム。
2. 前記第１の推定手段は、
   前記入力データから１以上の第１の特性量を抽出する少なくとも一つの第１の特性量抽出手段と、
   前記第１の特性量を予め学習済みの判定基準データと比較することによって、前記来場者の特性を離散値として推定する少なくとも一つの第１の識別手段とを有することを特徴とする請求項１記載の集計システム。
3. 前記第２の推定手段は、
   前記入力データから１以上の第２の特性量を抽出する少なくとも一つの第２の特性量抽出手段と、
   前記第２の特性量を予め学習済みの判定基準データと比較することによって、前記来場者の特性を連続値として推定する少なくとも一つの第２の識別手段とを有することを特徴とする請求項１記載の集計システム。
4. 前記第１の推定手段及び前記第２の推定手段のそれぞれの推定結果と実際の値との関係を指数化する指数化手段を有し、
   前記特性推定データ取得手段は、前記指数化手段により指数化された前記第１及び第２の推定手段の推定結果を統合することを特徴とする請求項１から３のいずれか１項に記載の集計システム。
5. 前記指数化手段は、前記判定基準データに基づいて前記第１及び第２の推定手段のそれぞれの推定結果を指数化することを特徴とする請求項４記載の集計システム。
6. 前記利用状況管理システムは、
   前記利用者が所持する、前記利用者データを記録した記録媒体から該利用者データを取得することを特徴とする請求項１から５のいずれか１項に記載の集計システム。
7. 請求項１から６のいずれか１項に記載の集計システムで用いられることを特徴とする集計装置。
8. 専用のハードウェアの動作又はコンピュータで動作するソフトウェアの動作において、
   所定の入力データに基づいて所定の場所への来場者を計数して来場者数データを取得するとともに、前記入力データに基づいて該来場者の特性を推定して特性推定データを取得する第１のデータ取得工程と、
   前記来場者のうち所定の利用を行った利用者の特性を示す利用者データを取得する第２のデータ取得工程と、
   前記第１のデータ取得工程で取得した前記来場者数データ及び前記特性推定データと、前記第２のデータ取得工程で取得した前記利用者データとに基づいて、前記来場者のうち前記利用者以外の非利用者の特性について集計した結果を少なくとも含む集計結果データを生成する集計工程と、
   を有し、
   前記第１のデータ取得工程において
   前記入力データを基に、前記来場者の特性を離散量として推定する第１の推定工程と、
   前記入力データを基に、前記来場者の特性を連続量として推定する第２の推定工程と、
   前記第１の推定工程の推定結果及び前記第２の推定工程の推定結果を前記特性推定データとして取得する工程とを有し、
   前記集計工程において
   前記第１の推定工程の推定結果と、前記第２の推定工程の推定結果とを統合し、前記特性推定データとして取得工程とを有することを特徴とする集計方法。

Images