JP5549418B2 - 情報処理装置および方法、並びにプログラム - Google Patents

Description

本発明は、情報処理装置および方法、並びにプログラムに関し、特に、データベースなどに蓄積された膨大な量の顔画像に代表される生体情報について、同一の人物のもの同士を同一のグループにグループ化し、新たな生体情報を正確にデータベースに登録すると共に、データベースに蓄積された生体情報の解析を高効率で精度良くできるようにした情報処理装置および方法、並びにプログラムに関する。

現在、多くの店舗や公共施設では、来店客または来場者の情報を画像として撮像し、撮像された画像内における人物の顔画像を認証することにより来店客または来場者の傾向を解析する技術が提案されている（特許文献１参照）。

特開２００２−０１１２１５号公報

しかしながら、特許文献１においては、蓄積できる顔画像の枚数に限界があるため、実際に多くの人物の顔画像を取得できても、蓄積することができず、再度来店したり来場した人物の顔画像であっても、認証できず、来店者または来場者が増えれば増えるほど、認証できない顔画像が増大してしまうことがあった。

また、特許文献１の技術においては、来店時、または来場時の人物の顔画像により認証処理が行われるのみであり、順次取得される顔画像を新たにデータベースに反映させるといったことがないため、取得される最新の顔画像をデータベースに繁栄させて、有効に利用することができなかった。

そこで、取得された顔画像とデータベースに登録された全ての顔画像との類似度を用いて、閾値との比較により本人であるか否かを認証し、その結果をデータベースに反映させるようにすることが考えられる。しかしながら、従来の認証においては、類似度との比較に用いられる閾値が固定されているため、誤った認証結果の顔画像が一旦データベースに登録されると、認証精度を低下させると共に、認証精度が低下した状態で顔画像が認証されることにより、連鎖的に誤った認証結果を発生させ、誤った顔画像が連鎖的に登録されてしまい、認証と登録を繰り返すことで、連鎖的に認証精度を低下させてしまうことがあった。

本発明はこのような状況に鑑みてなされたものであり、複数の顔画像に代表される生体情報などが登録されたデータベースの情報を効率よくグループ化し、新たに取得された生体情報を、認証精度を低下させることなくデータベースに反映できるようにすると共に、データベースに登録された生体情報を効率よく解析できるようにするものである。

本発明の一側面の情報処理装置は、顔画像を蓄積者の顔画像として蓄積者データベースに蓄積する蓄積手段と、前記蓄積者の顔画像より特徴量を抽出し、抽出された特徴量に基づいて、前記蓄積手段に蓄積されている全ての顔画像間の類似度を求める類似度計算手段と、前記顔画像間の類似度が第１の閾値よりも高い顔画像同士を同一の第１のグループとしてグループ化する第１グループ化手段と、前記第１のグループのいずれにもグループ化されない顔画像間の類似度が前記第１の閾値よりも低い第２の閾値よりも高い顔画像同士を同一の第２のグループとしてグループ化する第２グループ化手段とを含む。

前記第１のグループとしてグループ化されなかった顔画像のうち、前記第１のグループとしてグループ化された顔画像との類似度が、前記第１の閾値よりも低い第３の閾値よりも高い顔画像を、前記第１のグループとして拡張してグループ化させる拡張第１グループ化手段をさらに含ませるようにすることができる。

前記第１グループ化手段により第１グループのいずれかにグループ化された顔画像、および前記第２グループ化手段により第２のグループのいずれかにグループ化された顔画像の情報に基づいて、前記蓄積者データベースに蓄積されている顔画像の人物の傾向を解析する解析手段をさらに含ませるようにすることができる。

本発明の一側面の情報処理方法は、顔画像を蓄積者の顔画像として蓄積者データベースに蓄積する蓄積手段と、前記蓄積者の顔画像より特徴量を抽出し、抽出された特徴量に基づいて、前記蓄積者データベースに蓄積されている全ての顔画像間の類似度を求める類似度計算手段と、前記顔画像間の類似度が第１の閾値よりも高い顔画像同士を同一の第１のグループとしてグループ化する第１グループ化手段と、前記第１のグループのいずれにもグループ化されない顔画像間の類似度が前記第１の閾値よりも低い第２の閾値よりも高い顔画像同士を同一の第２のグループとしてグループ化する第２グループ化手段とを含む情報処理装置の情報処理方法であって、前記類似度計算手段における、前記蓄積者の顔画像より特徴量を抽出し、抽出された特徴量に基づいて、前記蓄積者データベースに蓄積されている全ての顔画像間の類似度を求める類似度計算ステップと、前記第１グループ化手段における、前記顔画像間の類似度が第１の閾値よりも高い顔画像同士を同一の第１のグループとしてグループ化する第１グループ化ステップと、前記第２グループ化手段における、前記第１のグループのいずれにもグループ化されない顔画像間の類似度が前記第１の閾値よりも低い第２の閾値よりも高い顔画像同士を同一の第２のグループとしてグループ化する第２グループ化ステップとを含む。

本発明の一側面のプログラムは、顔画像を蓄積者の顔画像として蓄積者データベースに蓄積する蓄積手段と、前記蓄積者の顔画像より特徴量を抽出し、抽出された特徴量に基づいて、前記蓄積者データベースに蓄積されている全ての顔画像間の類似度を求める類似度計算手段と、前記顔画像間の類似度が第１の閾値よりも高い顔画像同士を同一の第１のグループとしてグループ化する第１グループ化手段と、前記第１のグループのいずれにもグループ化されない顔画像間の類似度が前記第１の閾値よりも低い第２の閾値よりも高い顔画像同士を同一の第２のグループとしてグループ化する第２グループ化手段とを含む情報処理装置を制御するコンピュータに、前記類似度計算手段における、前記蓄積者の顔画像より特徴量を抽出し、抽出された特徴量に基づいて、前記蓄積者データベースに蓄積されている全ての顔画像間の類似度を求める類似度計算ステップと、前記第１グループ化手段における、前記顔画像間の類似度が第１の閾値よりも高い顔画像同士を同一の第１のグループとしてグループ化する第１グループ化ステップと、前記第２グループ化手段における、前記第１のグループのいずれにもグループ化されない顔画像間の類似度が前記第１の閾値よりも低い第２の閾値よりも高い顔画像同士を同一の第２のグループとしてグループ化する第２グループ化ステップとを含む処理を実行させる。

本発明の一側面においては、顔画像が蓄積者の顔画像として蓄積者データベースに蓄積され、前記蓄積者の顔画像より特徴量が抽出され、抽出された特徴量に基づいて、蓄積されている全ての顔画像間の類似度が求められ、前記顔画像間の類似度が第１の閾値よりも高い顔画像同士が同一の第１のグループとしてグループ化され、前記第１のグループのいずれにもグループ化されない顔画像間の類似度が前記第１の閾値よりも低い第２の閾値よりも高い顔画像同士が同一の第２のグループとしてグループ化される。

本発明の一側面の情報処理装置における、顔画像を蓄積者の顔画像として蓄積者データベースに蓄積する蓄積手段とは、例えば、生体情報データベースであり、前記蓄積者の顔画像より特徴量を抽出し、抽出された特徴量に基づいて、前記蓄積手段に蓄積されている全ての顔画像間の類似度を求める類似度計算手段とは、例えば、総当照合部であり、前記顔画像間の類似度が第１の閾値よりも高い顔画像同士を同一の第１のグループとしてグループ化する第１グループ化手段とは、例えば、１次グループ化部であり、前記第１のグループのいずれにもグループ化されない顔画像間の類似度が前記第１の閾値よりも低い第２の閾値よりも高い顔画像同士を同一の第２のグループとしてグループ化する第２グループ化手段とは、例えば、２次グループ化部である。

すなわち、総当照合部は、生体情報データベースに登録された全ての顔画像間で、特徴量に基づいて類似度を求める。次に、１次グループ化部は、第１の閾値よりも高いもの同士を同一の１次グループにグループ化する。この際、全ての顔画像の情報が１次グループのいずれにも分類されない。そこで、２次グループ化部は、１次グループのいずれにも分類されない顔画像間の特徴量に基づいて、第１の閾値より低い第２の閾値よりも高いもの同士を同一の２次グループにグループ化する。

結果として、類似度の高い１次グループのいずれかに分類された顔画像は、第１の閾値よりも高い条件で同一の１次グループにグループ化されているため、同一の人物の顔画像のデータを効率よくグループ化することができる。また、１次グループのいずれにもグループ化されない顔画像については、第１の閾値よりも低い第２の閾値で２次グループにグループ化される。このため、１次グループに分類される顔画像は、比較的高い閾値でグループ化されるため、類似度の低い顔画像が混じりこむことがないため、誤った照合結果に基づいた顔画像が同一のグループに紛れ込むことがなく、最新の顔画像をデータベースに登録していくことができる。また、この際、データベースにはグループ化された状態で顔画像が蓄積されていくため、同一人物の顔画像を用いたデータベースを高効率で精度良く解析することが可能となる。

本発明によれば、最新の顔画像を効率よくデータベースに登録することが可能になると共に、データベースに登録された顔画像を高効率で精度良く解析することが可能となる。

本発明を適用した監視システムの一実施の形態の構成例を示す図である。 図１のカメラの設置例を示す図である。 図１のカメラの設置例を示す図である。 図１のカメラの設置例を示す図である。 図１のカメラの設置例を示す図である。 図１のカメラの設置例を示す図である。 図１のカメラの設置例を示す図である。 図１の入口カメラおよび店内カメラの設置例を示す図である。 図１の画像処理ユニットの構成例を説明する図である。 図１の生体情報認識装置の構成例を説明する図である。 図１の生体情報認識装置による解析処理を説明するフローチャートである。 総当照合処理を説明するフローチャートである。 １次グループ化処理を説明するフローチャートである。 １次グループ化処理、拡張１次グループ化処理、および２次グループ化処理を説明する図である。 拡張１次グループ化処理を説明するフローチャートである。 ２次グループ化処理を説明するフローチャートである。 第１乃至第３の閾値を説明する図である。 その他の監視システムの構成例を示す図である。 汎用のパーソナルコンピュータの構成例を説明する図である。

以下に本発明の実施の形態を説明するが、本発明の構成要件と、発明の詳細な説明に記載の実施の形態との対応関係を例示すると、次のようになる。この記載は、本発明をサポートする実施の形態が、発明の詳細な説明に記載されていることを確認するためのものである。従って、発明の詳細な説明中には記載されているが、本発明の構成要件に対応する実施の形態として、ここには記載されていない実施の形態があったとしても、そのことは、その実施の形態が、その構成要件に対応するものではないことを意味するものではない。逆に、実施の形態が構成要件に対応するものとしてここに記載されていたとしても、そのことは、その実施の形態が、その構成要件以外の構成要件には対応しないものであることを意味するものでもない。

すなわち、本発明の一側面の情報処理装置は、顔画像を蓄積者の顔画像として蓄積者データベースに蓄積する蓄積手段（例えば、図１０の生体情報データベース２２）と、前記蓄積者の顔画像より特徴量を抽出し、抽出された特徴量に基づいて、前記蓄積者データベースに蓄積されている全ての顔画像間の類似度を求める類似度計算手段（例えば、図１０の総当照合部２５１）と、前記顔画像間の類似度が第１の閾値よりも高い顔画像同士を同一の第１のグループとしてグループ化する第１グループ化手段（例えば、図１０の１次グループ化部２５３）と、前記第１のグループのいずれにもグループ化されない顔画像間の類似度が前記第１の閾値よりも低い第２の閾値よりも高い顔画像同士を同一の第２のグループとしてグループ化する第２グループ化手段（例えば、図１０の２次グループ化部２５６）とを含む。

前記第１のグループとしてグループ化されなかった顔画像のうち、前記第１のグループとしてグループ化された顔画像との類似度が、前記第１の閾値よりも低い第３の閾値よりも高い顔画像を、前記第１のグループとして拡張してグループ化させる拡張第１グループ化手段（例えば、図１０の拡張１次グループ化部）をさらに含ませるようにすることができる。

前記第１グループ化手段により第１グループのいずれかにグループ化された顔画像、および前記第２グループ化手段により第２のグループのいずれかにグループ化された顔画像の情報に基づいて、前記蓄積者データベースに蓄積されている顔画像の人物の傾向を解析する解析手段（例えば、図１０の解析部２２８）をさらに含ませるようにすることができる。

本発明の一側面の情報処理方法は、顔画像を蓄積者の顔画像として蓄積者データベースに蓄積する蓄積手段と、前記蓄積者の顔画像より特徴量を抽出し、抽出された特徴量に基づいて、前記蓄積者データベースに蓄積されている全ての顔画像間の類似度を求める類似度計算手段と、前記顔画像間の類似度が第１の閾値よりも高い顔画像同士を同一の第１のグループとしてグループ化する第１グループ化手段と、前記第１のグループのいずれにもグループ化されない顔画像間の類似度が前記第１の閾値よりも低い第２の閾値よりも高い顔画像同士を同一の第２のグループとしてグループ化する第２グループ化手段とを含む情報処理装置の情報処理方法であって、前記類似度計算手段における、前記蓄積者の顔画像より特徴量を抽出し、抽出された特徴量に基づいて、前記蓄積者データベースに蓄積されている全ての顔画像間の類似度を求める類似度計算ステップ（例えば、図１１のステップＳ２）と、前記第１グループ化手段における、前記顔画像間の類似度が第１の閾値よりも高い顔画像同士を同一の第１のグループとしてグループ化する第１グループ化ステップ（例えば、図１１のステップＳ３）と、前記第２グループ化手段における、前記第１のグループのいずれにもグループ化されない顔画像間の類似度が前記第１の閾値よりも低い第２の閾値よりも高い顔画像同士を同一の第２のグループとしてグループ化する第２グループ化ステップ（例えば、図１１のステップＳ５）とを含む。

［監視システムの構成例］
図１は、本発明に係る遊技店の監視システムの一実施の形態の構成を示す図である。

遊技店１−１乃至１−ｎは、いわゆるパチンコ店、パチスロ店、または、カジノ店である。また、これらの遊技店１−１乃至１−ｎは、系列店舗または生体情報管理センタや第３者遊技店管理センタの加盟店であって、複数の店舗を統括的に管理する必要のある店舗である。各遊技店１−１乃至１−ｎは、生体情報管理バス６および第３者遊技店管理バス７により接続されており、それらのバスおよびインターネット等に代表される公衆通信回線網８，９を介して、相互にそれぞれ生体情報、および第３者遊技店管理情報を授受している。尚、以降において、遊技店１−１乃至１−ｎのそれぞれについて、特に区別する必要がない場合、単に、遊技店１と称するものとし、その他の構成についても同様に称するものとする。

生体情報管理バス６は、主に各遊技店１の生体情報認識装置２１により管理される生体情報を流通させるための伝送路として機能する。また、第３者遊技店管理バス７は、主に各遊技店１の媒体貸出管理装置２７により管理される媒体貸出管理情報を流通させるための伝送路として機能する。

生体情報管理センタ２は、生体情報管理センタを管理運営する事業者により使用されるサーバであり、生体情報管理データベース（以降、DBとも称するものとする）３で管理されている登録遊技者DBを各遊技店１により生成される未登録遊技者DBに基づいて更新すると供に、更新した最新の登録遊技者DBを各遊技店１の生体情報認識装置２１に対して配信する。

第３者遊技店管理センタ４は、第３者遊技店管理センタを管理運営する事業者により使用されるサーバであり、第３者遊技店管理データベース（DB）５で管理されている媒体貸出管理情報からなるDBを各遊技店１より供給されてくる情報に基づいて更新すると供に、更新した最新の媒体貸出管理情報を各遊技店１の媒体貸出管理装置２７に対して配信する。

生体情報認識装置２１は、カメラ３８−１乃至３８−ｍ、入口カメラ４０−１乃至４０−ｐ、および店内カメラ４１−１乃至４１−ｑにより撮像された画像より画像処理ユニット３９−１乃至３９−（ｍ＋ｐ＋ｑ）により抽出されて、生体情報バス３１を介して供給されてくる顔画像の情報に基づいて、生体情報データベース２２に予め登録されている顔画像と照合し、一致する場合、登録遊技者の来店を携帯端末２０に通知したり、LCD（Liquid Crystal Display）または有機EL（Electronic Luminescent）などからなる表示部２３に表示する。また、生体情報データベース２２に予め登録されている顔画像と照合し、一致しない場合、生体情報認識装置２１は、生体情報管理データベース３にアクセスし、未登録者として未登録遊技者DBに登録する。

遊技店管理装置２４は、いわゆるホールコンピュータと呼ばれるものであり、遊技店管理情報バス３０を介して遊技台３６−１乃至３６−ｍの動作を監視している。遊技店管理装置２４は、遊技台３６の出玉もしくはメダルの払い出しの情報、各遊技台３６−１乃至３６−ｍの遊技者の呼び出し情報、またはエラーの発生などの監視状況に応じて、所定の処理を実行し、実行結果をLCDや有機ELなどからなる表示部２５に表示する。遊技店管理装置２４は、計数機３５、遊技台３６−１乃至３６−ｍ、および遊技台周辺端末３７−１乃至３７−ｍのそれぞれより供給されてくる情報を、それぞれを識別する識別情報（例えば、遊技台番号）とを対応付けて遊技台管理データベース２６により管理する。

媒体貸出管理装置２７は、精算販売機３３、および貸出機３４からの情報に基づいて、貸し出される遊技媒体の媒体貸出管理情報を媒体貸出管理データベース２９を用いて管理すると供に、媒体貸出管理データベース２９に登録されている媒体貸出管理情報を更新する際、その更新情報を、第３者遊技店管理バス７および公衆通信回線網９を介して第３者遊技店管理センタ４に送る。さらに、媒体貸出管理装置２７は、第３者遊技店管理バス７および公衆通信回線網９を介して第３者遊技店管理センタ４により供給されてくる媒体貸出管理情報を取得し、媒体貸出管理データベース２９に蓄積させる。

貸出機３４は、遊技者が遊技台３６で遊技する際、現金やプリペイドカードなどにより所定の金額を受け付けると、金額に応じた個数の遊技媒体を貸し出す。この際、貸出機３４は、受け付けた現金やプリペイドカードの残数などの情報と供に、貸し出した遊技媒体の個数の情報を媒体貸出管理装置２７に供給する。これにより、媒体貸出管理装置２７は、受け付けた現金やプリペイドカードの残数などの情報と供に、貸し出した遊技媒体の個数の情報を媒体貸出管理情報データベース２９に登録する。

精算販売機３３は、貸球を借りるための度数をつけてプリペイドカードを販売する。このとき、精算販売機３３は、販売したプリペイドカードの度数を払いうけた金額を媒体貸出管理装置２７に供給する。また、精算販売機３３は、プリペイドカードなどの度数として貸し出した遊技媒体の残数に基づいて現金を精算して払い出す。このとき、精算販売機３３は、プリペイドカードの残数と払い戻した現金の金額を媒体貸出管理装置２７に供給する。

計数機３５は、遊技者が遊技台３６により遊技することにより獲得した遊技媒体の数を、計数し、計数結果を磁気カードやレシートなどとして出力する。

遊技台３６−１乃至３６−ｍは、遊技者により所定の操作がなされることにより、遊技を実行し、いわゆる小当たりや大当たりに応じて、遊技球、または、メダルを払い出す。

遊技台周辺端末３７−１乃至３７−ｍは、各遊技台３６−１乃至３６−ｍに対応して設けられている、いわゆる台間機であり、台間球貸機（原理的には、貸出機３４と同様のもの）などが設けられている。また、遊技台周辺端末３７は、遊技台３６を遊技する遊技者の顔画像などの生体情報を取得し、遊技台識別情報（遊技台番号）と共に生体情報認識装置２１に送信する。尚、図１においては、生体情報を取得する機能として、遊技者の顔画像を取得するカメラ３８−１乃至３８−ｍが設けられている例が示されている。

カメラ３８−１乃至３８−ｍは、例えば、図２で示されるように、各遊技台３６−１乃至３６−４のそれぞれの上部に設けられた台表示ランプ６１−１乃至６１−４の下部に図３で示されるように、読取範囲δ内に遊技者が撮像できるように設け、顔画像を撮像するようにしてもよく、このようにすることにより、各カメラIDは、同時に遊技台IDとして使用することが可能となる。

また、カメラ３８−１乃至３８−ｍは、例えば、図４で示されるように、遊技台周辺端末３７−１乃至３７−４に凸部７１−１乃至７１−４を設け、図５で示されるように読取範囲θ内に遊技者の顔画像が撮像できるように設けるようにしてもよい。

さらに、カメラ３８−１乃至３８−ｍは、例えば、図６で示されるように、遊技台３６の中央部（遊技台３６の盤面上）に設けるようにして、撮像するようにしてもよい。すなわち、図６の設置部８１にカメラ３８が設置されることにより、図７で示されるように、読取範囲φ内に遊技者を撮像する。

入口カメラ４０−１乃至４０−ｐおよび店内カメラ４１−１乃至４１−ｑは、遊技店１の店内における出入口および所定の場所に設置され、撮像した画像をそれぞれ画像処理ユニット３９−（ｍ＋１）乃至３９−（ｍ＋ｐ＋ｑ）に供給する。

入口カメラ４０−１乃至４０−ｐおよび店内カメラ４１−１乃至４１−ｑは、例えば、図８で示されるように設定される。図８は、遊技店１内の入口カメラ４０−１乃至４０−ｐおよび店内カメラ４１−１乃至４１−ｑの設置例を示している。

すなわち、図８においては、出入口１１２−１乃至１１２−３が設けられており、入口カメラ４０−１乃至４０−３は、それぞれの出入口１１２より入店してくる遊技者を撮像する。また、店内カメラ４１−１乃至４１−１０は、島設備１１１−１乃至１１１−５のそれぞれ両面をそれぞれ一列に渡って撮像できる位置に設定されている。島設備１１１は、両面に遊技台３６が設置されており、すなわち、図中の島設備１１１を上下方向に挟むように設置されている。カメラ３８、入口カメラ４０および店内カメラ４１は、いずれにおいてもパンチルトズーム機能を備えているため、図８で示されるように、店内カメラ４１−１乃至４１−１０が配置されることにより、遊技台３６で遊技する全遊技者が、店内カメラ４１−１乃至４１−１０のいずれかで撮像できる。

さらに、店内カメラ４１−ａは、貸出機３４の前に設けられており、店内カメラ４１−ｂは、精算販売機３３の前に設けられており、店内カメラ４１−ｃは、計数機３５の前に設けられており、それぞれ、貸出機３４、精算販売機３３、および計数機３５を利用する遊技者を撮像することができる。

すなわち、図８で示されるように、遊技店１においては、来店する遊技者、遊技台３６で遊技する遊技者、並びに、貸出機３４、精算販売機３３、および計数機３５を利用する遊技者といった、遊技店１において遊技者が取るであろうことが想定される行動のほぼ全てを監視できるように、カメラ３８、入口カメラ４０、および店内カメラ４１が設置されている。

［画像処理ユニットの構成例］
次に、図９を参照して、画像処理ユニット３９の構成例について説明する。

画像取得部２０１は、カメラ３８（または、入口カメラ４０もしくは店内カメラ４１）により撮像された画像を取得し、顔画像抽出部２０２に供給する。顔画像抽出部２０２は、画像取得部２０１より供給されてきた画像内に、顔を構成する部位の配置などのパターンにより顔画像からなる矩形画像を抽出して送信部２０３に供給する。送信部２０３は、顔画像抽出部２０２より連続的に供給されてくる顔画像をバッファ２０３ａに蓄積させ、顔画像の供給が停止した状態になったとき、バッファ２０３ａに蓄積された顔画像を顔画像群として生体情報認識装置２１に送信する。尚、バッファ２０３ａの容量には制限があるので、送信部２０３は、バッファ２０３ａで蓄積できる容量が一杯になったところで一連の連続的に供給される複数の顔画像を顔画像群として送信するようにしても良いし、予め所定枚数を決めておき、所定枚数が蓄積された場合、その所定枚数の顔画像を顔画像群として送信するようにしても良い。

［生体情報認識装置の構成例］
次に、図１０を参照して、生体情報認識装置２１の構成例について説明する。

顔画像取得部２２１は、画像処理ユニット３９より供給される複数の顔画像からなる顔画像群を取得し、照合部２２２に供給する。照合部２２２は、顔画像取得部２２１により取得された顔画像群の各顔画像と、生体情報DB２２に予め登録されている登録遊技者の顔画像とを照合し、類似度の高い候補となる顔画像があれば、第３候補までの顔画像を照合結果として表示部２３に表示させる。また、照合部２２２は、類似度の高い候補となる顔画像が存在しない場合、供給されてきた顔画像を未登録遊技者データベース登録部２２３に供給する。

より詳細には、照合部２２２の特徴量抽出部２３１は、顔画像群の各顔画像について、それらを識別するための特徴量を抽出して、各顔画像と共に類似度計算部２３２に供給する。類似度計算部２３２は、生体情報DB２２に登録されている登録遊技者の顔画像の特徴量を抽出すると供に、特徴量抽出部２３１より供給されてくる顔画像群の各顔画像の特徴量とを順次用いて、生体情報DB２２に登録されている全ての登録遊技者の顔画像との類似度を求め、顔画像取得部２２１より供給されてきた顔画像と供に類似度計算結果蓄積部２３３に蓄積させる。より具体的には、類似度計算部２３２は、例えば、目と目の間隔、あごから額までの長さと、あごから鼻までの長さの比率などの各種の顔の特徴量に基づいて、それぞれの差分和、平均比率、または比率和などを類似度として求める。

類似度計算結果集計部２３４は、類似度計算結果蓄積部２３３に蓄積された顔画像群の各顔画像についての登録された顔画像との類似度の計算結果を集計して、顔画像群としての類似度を求めて、類似度判定部２３５に供給する。より具体的には、例えば、類似度計算結果蓄積部２３３は、例えば、顔画像群のうち、類似度の最も高い顔画像を基準とした類似度を顔画像群の類似度としたり、または、顔画像群の全ての顔画像に対する登録顔画像との類似度の平均値などを顔画像群の類似度として類似度判定部２３５のバッファ２３５ａに供給する。

類似度判定部２３５は、類似度計算結果集計部２３４より供給されてくる類似度を順次バッファ２３５ａに蓄積し、上位３位となる顔画像群のそれぞれの類似度のうち、１位となる顔画像群との類似度と、所定の閾値とを比較し、比較結果に基づいて、１位となる登録顔画像が、顔画像取得部２２１より供給されてきた顔画像群に対して類似している場合（類似度が高い程類似していることを示す類似度の場合、所定の閾値よりも高いとき、また、類似度が低い程類似していることを示す類似度の場合、所定の閾値よりも低いとき）、上位３位となる顔画像群のうち、最も類似度の高い類似度の顔画像の情報を表示部２３に供給して、表示させると供に、通信部２２４に供給する。また、類似度判定部２３５は、１位となる顔画像群との類似度と、所定の閾値とを比較し、比較結果に基づいて、１位となる登録顔画像が、顔画像取得部２２１より供給されてきた顔画像に対して類似していない場合、顔画像取得部２２１より供給されてきた顔画像群のうち、最も類似度の高い顔画像を未登録遊技者データベース登録部２２３に供給する。

未登録遊技者データベース登録部２２３は、照合部２２２より未登録であるとみなされて供給されてきた、顔画像を生体情報管理データベース３の未登録遊技者DBに登録する。

操作部２２５は、ボタン、マウス、または、キーボードなどから構成され、上述した類似度が上位３位となる、表示部２３に表示された顔画像のいずれかが選択されるとき操作され、操作結果を通信部２２４に供給する。通信部２２４は、イーサネットボードなどから構成され、操作部２２５からの操作信号に基づいて、選択された顔画像を携帯端末２０に配信する。

尚、ここでは、類似度は、例えば、比率和で示されるような登録遊技者として登録されている顔画像に近いほど高い値を示すものであるとし、類似度が所定の閾値よりも高い値であるとき、その類似度に対応する登録遊技者の顔画像であるものとして判定する例について説明する。しかしながら、例えば、類似度が撮像された顔画像と登録遊技者として登録されている顔画像とのそれぞれの特徴量における差分和として表現されている場合、類似度判定部２３５は、類似度が閾値よりも小さければ、撮像された顔画像群が登録遊技者の顔画像であるとみなすことになり、または、平均比率などの場合、０乃至１の範囲で所定の値以上であって、１に近い値であれば、同一の人物であるとみなすことができる。

データベース管理部２２６は、生体情報管理センタ２より新たな登録遊技者データベースが配信されてくると、新たな登録遊技者データベースに基づいて、生体情報DB２２を更新する。

グループ化部２２７は、生体情報DB２２に登録されている生体情報である顔画像を、顔画像間の特徴量から求められる類似度によりグループ化する。

より詳細には、グループ化部２２７は、総当照合部２５１、総当照合結果記憶部２５２、１次グループ化部２５３、１次グループ化結果記憶部２５４、拡張１次グループ化部２５５、２次グループ化部２５６、グループ化生体情報DB２５７、および解析部２５８を備える。

総当照合部２５１は、生体情報DB２２に記憶されている全ての登録遊技者の顔画像より特徴量を抽出し、総当りで顔画像間の類似度を求めて照合し、照合結果である顔画像間の類似度の情報を総当照合結果記憶部２５２に記憶させる。総当照合結果記憶部２５２には、生体情報DB２２に登録されている全ての登録遊技者の顔画像間における照合結果である類似度の情報が記憶されている。尚、類似度の計算方法については、類似度計算部２３２における方法と同様の手法であるので、その説明は省略するものとする。

１次グループ化部２５３は、総当照合結果記憶部２５２に記憶されている全ての登録遊技者の顔画像間の類似度の情報に基づいて、類似度が第１の閾値よりも高いもの同士を同一のグループにグループ化して、グループ化した結果を１次グループ化結果記憶部２５４に記憶させる。尚、この１次グループ化部２５３によりグループ化された第１の閾値よりも類似度の高い顔画像同士からなるグループを１次グループと称するものとする。

拡張１次グループ化部２５５は、１次グループのいずれにもグループ化されなかった顔画像と、１次グループのいずれかにグループ化されている全ての顔画像との類似度が第１の閾値よりも低く設定される第２の閾値よりも高い顔画像を、類似度が第２の閾値よりも高いとみなされた１次グループに拡張的にグループ化する。

２次グループ化部２５６は、拡張１次グループ化部２５５においてもいずれのグループにもグループ化されなかった顔画像同士の類似度が第１の閾値よりも低く設定される第３の閾値より高い顔画像同士を同一のグループにグループ化して、グループ化生体情報DB２５７に登録する。尚、この２次グループ化部２５６によりグループ化されたグループを２次グループと称するものとする。

解析部２２８は、操作部２２５からの操作信号に基づいて、グループ化生体情報DB２５７にグループ化されて登録されている生体情報を用いて、顔画像ごとに人物の来店頻度の順位を解析し、上位ｎ位までの生体情報である顔画像を解析結果として出力し、表示部２３に表示する。

［解析処理］
次に、図１１のフローチャートを参照して、図１０の生体情報認識装置２１による生体情報DB２２に登録された生体情報である顔画像の解析処理について説明する。

ステップＳ１において、グループ化部２２７の総当照合部２５１は、生体情報DB２２にアクセスして、全ての生体情報である顔画像の情報を読み出す。

ステップＳ２において、総当照合部２５１は、読み出した生体情報である顔画像の情報を用いて、総当照合処理を実行し、総当り的に全ての顔画像間の特徴量の比較から、全ての顔画像間の類似度を求める。

［総当照合処理］
ここで、図１２のフローチャートを参照して、総当照合処理について説明する。

ステップＳ１１において、総当照合部２５１は、読み出した生体情報のうち、基準生体情報とされたことのない生体情報のいずれかを、基準生体情報に設定する。

ステップＳ１２において、総当照合部２５１は、基準生体情報とされたことがなく、かつ、現在の基準生体情報に対して照合対象生体情報とされていない未処理の生体情報を照合対象生体情報に設定する。

ステップＳ１３において、総当照合部２５１は、基準生体情報と照合対象生体情報との特徴量を抽出する。尚、この処理は、特徴量抽出部２３１の処理と同様である。

ステップＳ１４において、総当照合部２５１は、抽出した基準生体情報と照合対象生体情報との特徴量に基づいて、類似度を計算し、類似度を求めた２つの生体情報を識別する情報に対応付けて、総当照合結果記憶部２５２に記憶させる。尚、類似度の計算については、類似度計算部２３２の処理と同様であるので、その説明は省略する。

ステップＳ１５において、総当照合部２５１は、基準生体情報とされたことがなく、かつ、現在の基準生体情報に対して照合対象生体情報とされたことのない未処理である生体情報が存在するか否かを判定し、存在すると判定した場合、処理は、ステップＳ１２に戻る。すなわち、基準生体情報として設定された生体情報と、基準生体情報とされたことがない全ての生体情報との類似度が求められて、順次、総当照合結果として総当照合結果記憶部２５２に記憶される。

そして、ステップＳ１５において、基準生体情報とされたことがなく、かつ、未処理の生体情報が存在しない、すなわち、現在の基準生体情報として設定された生体情報と、現在までに基準生体情報に設定されていない全ての生体情報との類似度が求められたと判定された場合、処理は、ステップＳ１６に進む。

ステップＳ１６において、総当照合部２５１は、基準生体情報とされたことがない生体情報が残り１個であるか否かを判定し、残り１個である場合、処理は、ステップＳ１１に戻る。すなわち、全ての生体情報が、順次基準生体情報として設定されて、それ以外の生体情報が照合対象生体情報とされて順次類似度が求められる。この際、基準生体情報に一旦設定された生体情報は、照合対象生体情報とはされないことになるので、重複して、同一の生体情報間の類似度が求められることがない。

そして、ステップＳ１６において、基準生体情報とされたことのない生体情報が最後の１個でない場合、照合対象生体情報として設定するべき生体情報が存在しないことになるので、全ての生体情報間で類似度が求められたものとみなし、処理は、終了する。

以上の処理により、全ての生体情報である顔画像間の類似度が求められて、総当照合結果記憶部２５２に記憶される。

ここで、図１１のフローチャートの説明に戻る。

ステップＳ２の総当照合処理により、全ての生体情報である顔画像間の類似度が求められて、総当照合結果記憶部２５２に記憶されると、処理は、ステップＳ３に進む。

ステップＳ３において、１次グループ化部２５３は、総当照合結果記憶部２５２に記憶されている生体情報間の類似度の情報に基づいて、１次グループ化処理を実行して、類似する生体情報同士を同一のグループ（１次グループ）にグループ化する。

［１次グループ化処理］
ここで、図１３のフローチャートを参照して、１次グループ化処理について説明する。

ステップＳ３１において、１次グループ化部２５３は、未処理の生体情報のいずれかを基準生体情報に設定する。

ステップＳ３２において、１次グループ化部２５３は、基準生体情報にグループ化されたグループを識別する情報であるグループIDが付与されているか否かを判定する。ステップＳ３２において、グループIDが付与されている場合、処理は、ステップＳ３３に進む。

ステップＳ３３において、１次グループ化部２５３は、基準生体情報に付与されているグループIDを処理対象グループIDに設定する。

一方、ステップＳ３２において、基準生体情報にグループIDが付与されていない場合、ステップＳ３４において、１次グループ化部２５３は、新規のグループIDを処理対象グループIDに設定する。

ステップＳ３５において、１次グループ化部２５３は、現在の基準生体情報に対して、照合対象とされていない生体情報のいずれかを照合対象生体情報に設定する。

ステップＳ３６において、１次グループ化部２５３は、基準生体情報と照合対象生体情報との類似度が第１の閾値ｔｈ１よりも高いか否かを判定する。ステップＳ３６において、例えば、基準生体情報と照合対象生体情報との類似度が第１の閾値ｔｈ１よりも高い場合、処理は、ステップＳ３７に進む。

ステップＳ３７において、１次グループ化部２５３は、照合対象生体情報にはグループIDが付与されているか否かを判定する。ステップＳ３７において、例えば、グループIDが付与されている場合、処理は、ステップＳ３８に進む。

ステップＳ３８において、１次グループ化部２５３は、照合対象生体情報のグループIDと同一のグループIDを持つ全ての生体情報のグループIDを、今現在の基準生体情報に付与されているグループIDに置換する。

一方、ステップＳ３７において、照合対象生体情報にグループIDが付与されていない場合、ステップＳ３９において、１次グループ化部２５３は、照合対象生体情報のグループIDを、今現在の基準生体情報に付与されているグループIDに設定する。

また、ステップＳ３６において、基準生体情報と照合対象生体情報の類似度が第１の閾値ｔｈ１よりも小さい場合、ステップＳ３７乃至Ｓ３９の処理がスキップされる。

ステップＳ４０において、１次グループ化部２５３は、照合対象とされていない生体情報が存在するか否かを判定し、例えば、照合対象とされていない生体情報が存在する場合、処理は、処理は、ステップＳ３５に戻る。すなわち、全ての基準生体情報を除く全ての生体情報との類似度が第１の閾値ｔｈ１と比較されて、類似度が高いとき、照合対象生体情報のグループIDが、基準生体情報に付与されたグループIDに設定される。

そして、ステップＳ４０において、照合対象とされていない生体情報が存在せず、基準生体情報が、全ての生体情報との類似度が第１の閾値ｔｈ１と比較されると、処理は、ステップＳ４１に進む。

ステップＳ４１において、１次グループ化部２５３は、読み出した生体情報のうち、基準生体情報に設定されていない未処理の生体情報が存在するか否かを判定し、未処理の生体情報が存在する場合、処理は、ステップＳ３１に戻る。すなわち、全ての生体情報が基準生体情報に設定されて、その他の生体情報との類似度が、第１の閾値ｔｈ１と比較されるまで、ステップＳ３１乃至Ｓ４１の処理が繰り返される。そして、ステップＳ４１において、未処理の生体情報が存在しないと判定された場合、処理は、ステップＳ４２に進む。

ステップＳ４２において、１次グループ化部２５３は、同一のグループIDを持つ生体情報が２個以上でグループ化されているとき、そのグループを１次グループとして設定して、１次グループ化結果記憶部２５４に記憶させる。尚、１次グループ化結果記憶部２５４には、総当照合結果と同様の情報に加えて、各生体情報を識別する情報に対応付けて、グループ化された際に付与されたグループIDの情報が記憶される。また１次グループ化部２５３は、１次グループのいずれにもグループ化されていない生体情報については、１次グループのいずれにも属さないものとする。

以上の処理により、例えば、図１４の右上部で示されるような総当照合処理の結果である場合、１次グループ化処理により、図１４の右下部で示されるようにグループ化される。すなわち、図１４において、丸印が個々の生体情報である顔画像Ｋ１乃至Ｋ２２を示しており、丸印を結ぶ線が、顔画像間の類似度を示しており、実線で結ばれる顔画像間の類似度が800ポイント以上であり、点線で結ばれる顔画像間の類似度が600ポイント以上であることを示している。尚、類似度は、0乃至1000ポイントであるものとしている。また、丸印内の番号は、その生体情報である顔画像に付与されているグループIDを示している。

すなわち、第１の閾値が800ポイントであるとすれば、図１４の右上部で示されるように生体情報が存在すれば、１次グループ化処理により、実線で結ばれている生体情報同士が同一のグループにグループ化されて、グループID＝１乃至３で示される1次グループが生成されることになる。１次グループ化処理により１次グループにグループ化された生体情報は、相互に類似度が高いので、信頼性の高いグループ化処理がなされている。図１４の右下部の場合、顔画像Ｋ１乃至Ｋ５が、グループID＝１の同一の１次グループにグループ化されており、顔画像Ｋ６乃至Ｋ８が、グループID＝２の同一の１次グループにグループ化されており、顔画像Ｋ９乃至Ｋ１５が、グループID＝３の同一の１次グループにグループ化されている。そして、顔画像Ｋ１６乃至Ｋ２２は、いずれの１次グループにも属していない。

ここで、図１１のフローチャートの説明に戻る。

ステップＳ３の１次グループ化処理により、生体情報のうち、相互に類似度の高い生体情報同士が１次グループとしてグループ化される。

ここで、図１５のフローチャートを参照して、拡張１次グループ化処理について説明する。

ステップＳ６１において、拡張１次グループ化部２５５は、１次グループ化結果記憶部２５４に記憶されている生体情報を識別する情報、グループ化ID、および相互の類似度の情報を読み出し、１次グループ化処理により生成された１次グループが少なくとも１グループは存在するか否かを判定し、存在する場合、処理は、ステップＳ６２に進む。

ステップＳ６２において、拡張１次グループ化部２５５は、１次グループのいずれのグループにもグループ化されなかった生体情報が存在するか否かを判定する。ステップＳ６２において、１次グループのいずれのグループにもグループ化されなかった生体情報が存在しないと判定された場合、処理は、終了する。また、ステップＳ６２において、１次グループのいずれにもグループ化されなかった生体情報が存在する場合、処理は、ステップＳ６３に進む。

ステップＳ６３において、拡張１次グループ化部２５５は、いずれかの１次グループに属し、かつ、未処理の生体情報のいずれかを基準生体情報に設定する。

ステップＳ６４において、拡張１次グループ化部２５５は、いずれのグループにも属さず、かつ、今現在の基準生体情報に対して照合対象とされていない生体情報のいずれかを照合対象生体情報に設定する。

ステップＳ６５において、拡張１次グループ化部２５５は、基準生体情報と照合対象生体情報との類似度が、第１の閾値ｔｈ１よりも低く設定される第２の閾値ｔｈ２よりも高いか否かを判定する。ステップＳ６５において、例えば、基準生体情報と照合対象生体情報との類似度が、第１の閾値ｔｈ１よりも低く設定される第２の閾値ｔｈ２よりも高くない場合、処理は、ステップＳ６４に戻る。すなわち、現在の照合対象生体情報は、拡張して１次グループ化されることがないとみなし、新たな照合対象生体情報を設定するため、処理が戻る。一方、ステップＳ６５において、例えば、基準生体情報と照合対象生体情報との類似度が、第１の閾値ｔｈ１よりも低く設定される第２の閾値ｔｈ２よりも高い場合、処理は、ステップＳ６６に進む。

ステップＳ６６において、拡張１次グループ化部２５５は、照合対象生体情報のグループIDを基準生体情報のグループIDに設定する。

ステップＳ６７において、拡張１次グループ化部２５５は、いずれのグループにも属さず、かつ、照合対象とされていない生体情報が存在するか否かを判定し、例えば、存在する場合、処理は、ステップＳ６４に戻る。すなわち、いずれかの１次グループに属している生体情報の１つが基準生体情報とされ、いずれの１次グループにも属していない全ての生体情報との類似度が、第２の閾値と比較されるまで、ステップＳ６４乃至Ｓ６７の処理が繰り返される。

そして、ステップＳ６７において、例えば、いずれのグループにも属さず、かつ、照合対象とされていない生体情報が存在しない、すなわち、いずれの１次グループにも属していない全ての生体情報との類似度が、第２の閾値と比較されたと判定された場合、処理は、ステップＳ６８に進む。

ステップＳ６８において、拡張１次グループ化部２５５は、いずれかの１次グループに属している生体情報のうち、基準生体情報に設定されていない未処理の生体情報が存在するか否かを判定し、例えば、基準生体情報に設定されていない未処理の生体情報が存在する場合、処理は、ステップＳ６２に戻る。すなわち、いずれかの１次グループに属している生体情報の全てと、いずれの１次グループにも属していない全ての生体情報との類似度が、第２の閾値と比較されるまで、ステップＳ６２乃至Ｓ６８の処理が繰り返される。

そして、ステップＳ６８において、いずれかの１次グループに属している生体情報の全てと、いずれの１次グループにも属していない全ての生体情報との類似度が、第２の閾値と比較されたとみなされた場合、処理は、終了する。

すなわち、第１の閾値により１次グループのいずれかにグループ化された生体情報と、いずれの１次グループにもグループ化されなかった生体情報との類似度が、第１の閾値よりも低い第２の閾値と比較されて、高ければ、グループ化されていなかった照合対象生体情報が、基準生体情報の属する１次グループにグループ化される。

すなわち、図１４の右下部の場合、顔画像Ｋ１乃至Ｋ１５の生体情報が、順次基準生体情報の設定され、顔画像Ｋ１６乃至Ｋ２２の生体情報が、順次照合対象生体情報の設定される。そして、第２の閾値が600ポイントであるとき、図１４の左上部で示されるように、拡張１次グループ化処理により、顔画像Ｋ２と顔画像Ｋ１６とは、類似度が600ポイント以上であるので、顔画像Ｋ２が、グループID＝１の１次グループに、拡張的にグループ化される。同様に、顔画像Ｋ１７と顔画像Ｋ１０、並びに顔画像Ｋ１８，Ｋ１９と顔画像Ｋ１１とは、それぞれ類似度が600ポイント以上であるので、顔画像Ｋ１７乃至Ｋ１９は、グループID＝３の１次グループに、拡張的にグループ化される。

すなわち、この処理は、１次グループ処理によりグループ化された各グループ毎に、第１の閾値よりも低く設定される第２の閾値との比較により、１次グループに近い生体情報である顔画像が取り込まれるような処理となる。結果として、１次グループ化処理では、グループ化することができなかった生体情報の一部を拡張的に１次グループのいずれかにグループ化させることが可能となる。

ここで、図１１のフローチャートの説明に戻る。

ステップＳ４の拡張１次グループ化処理により、拡張的に１次グループが形成されると、処理は、ステップＳ５に進む。

ステップＳ５において、２次グループ化部２５６は、２次グループ化処理を実行し、１次グループ化処理、および拡張１次グループ化処理のいずれの処理においても１次グループのいずれにもグループ化されなかった生体情報同士の類似度が、第１の閾値ｔｈ１よりも低く設定される第３の閾値ｔｈ３よりも高い場合、それらを２次グループとしてグループ化し、１次グループ化処理の処理結果と共に、グループ化生体情報DB２５７に登録する。

［２次グループ化処理］
ここで、図１６のフローチャートを参照して、２次グループ化処理について説明する。しかしながら、図１６のフローチャートの説明は、処理の対象が、現時点で１次グループのいずれにも属さない生体情報とされる以外は、図１３を参照して説明した１次グループ化処理と同一である。ただし、用いられる閾値が第１の閾値よりも低く設定される第３の閾値以上となることが異なる。このため、２次グループ化処理の説明は、省略するものとする。

すなわち、例えば、図１４の左上部で示されるような場合、第３の閾値ｔｈ３が600ポイントのとき、この２次グループ化処理により、いずれの１次グループにも属していなかった生体情報である顔画像Ｋ２０乃至Ｋ２２が、図１４の左下部で示されるように、グループID＝４の２次グループを形成することとなる。

尚、第１の閾値乃至第３の閾値については、本人を他人と間違える本人棄却率（FRR）（FRR）、および他人受入率（FAR）と、類似度を示すポイント（1000満ポイント）との関係は、図１７で示される。すなわち、本人棄却率（FRR）は、類似度が高くなるほど高くなり、逆に、他人受入率（FAR）は、類似度が低くなるほど高い。このため、図１７のような場合、第１の閾値ｔｈ１は、他人受入率（FAR）がゼロを保証できる範囲となる600ポイント程度に設定し、第２，３の閾値ｔｈ２，ｔｈ３は、本人棄却率（FRR）が、ある程度保証される800ポイント程度に設定するようにしてもよい。また、第２，３の閾値は、第１の閾値よりも低ければよいものであるので、この例の様に必ずしも同一の値とする必要はない。

以上の一連の処理により、生体情報が、１次グループ、または２次グループに分類されることになる。この際、１次グループは、比較的高い類似度の生体情報同士から構成されることになるので、比較的高い精度でグループ化されていると考えられる。さらに、拡張１次グループ化処理により、比較的高い精度の１次グループを基準として、１次グループのいずれにも属さなかった生体情報が取り込まれることになるので、類似度が低くても、高い精度で生体情報をグループ化することが可能となる。さらに、比較的高い精度でグループ化されている１次グループに属さない生体情報のみが用いられて２次グループが構成されるので、判断基準となる類似度は、比較的低い第３の閾値で分類されるものの、言わば、消去法を用いて精度の低い生体情報のみがグループ化されることになる。また、生体情報として登録される頻度の高い人物の顔画像は、必然的に同一グループに登録されることとなるので、グループ化生体情報DB２５７を生体情報２２に代えて認証処理に利用することで、登録される頻度の高い人物の顔画像ほど、高い精度で認証することが可能になる。

さらに、新たに顔画像が生体情報DB２２に登録される度に同様の処理を繰り返しても、類似度の高い生体情報から順次グループ化されることになるので、認識に不向きな顔画像が後から登録されていても、類似度の低い顔画像として処理され、グループ内における精度が低下しないため、グループ化における精度を維持しつつグループ化生体情報DB２５７を順次更新することが可能となる。

結果として、高効率で精度良く、生体情報をグループ化することが可能となる。

ここで、図１１のフローチャートの説明に戻る。

ステップＳ２乃至Ｓ５の処理により、グループ化生体情報DB２５７には、比較的高精度で生体情報が分類された状態となる。この例においては、生体情報がグループ化されるとは、同一の人物の顔画像が同一のグループにグループ化されていることとなる。

そこで、ステップＳ６において、解析部２２８は、グループ化生体情報DB２５７に登録されている各グループ毎に登録されている生体情報に基づいて、グループ内で蓄積されている顔画像が取得される日数を計測して、その日数に基づいて、来店頻度の順位を求め、来店頻度の高い順に生体情報を並び替える。そして、解析部２２８は、来店頻度の高い順に上位ｎ位までの人物を示す顔画像からなる生体情報を解析結果として表示部２３に表示させる。尚、解析部２２８は、１次グループと２次グループとを区別することなく処理する。上述したように、登録頻度の高い生体情報ほど高い精度でグループ化されているので、来店頻度の上位のグループほど高い精度で解析される。従って、上述したようなグループ化処理により、生体情報DB２２に登録されている生体情報の解析精度を向上させることが可能となる。

また、解析は、これに限らず、例えば、特徴量として人物の顔画像よりシワの多さや、シミの多さなどにより年齢が解析できるような場合、解析部２２８は、どの曜日のどの時間帯には、どのような年齢層の遊技客が来店しているのかを解析することもできる。この際においても、顔画像の登録頻度の高い人物ほど、すなわち、来店頻度の高い人物ほど、高い精度でグループ化されているので、解析結果も上位ほど信頼性が高いと考えられる。

以上のように、生体情報間の類似度に基づいて、基準生体情報および照合対象生体情報となる生体情報を制限したり、閾値を段階的に変えて、グループ化するようにしたので、生体情報DB２２に蓄積されている生体情報を正確に解析することが可能となる。尚、以上においては、２種類の閾値を用いて、１次グループ化処理をした後、２次グループ化処理をする例について説明してきたが、より多くの閾値を用いて、多次グループ化処理を繰り返してグループ化することにより、より高い精度でグループ化することが可能である。

また、グループ化された生体情報は、図１０においては、グループ化生体情報DB２５７として、図１０の生体情報認識装置２１に設けられる例について説明してきたが、例えば、図１８で示されるように、グループ化生体情報DB１９として生体情報認識装置２１外に設けて、外部の解析部２２８と同様の機能を備えた解析部１８により解析処理を実行させるようにしても良いものである。

ところで、上述した一連の監視処理は、ハードウェアにより実行させることもできるが、ソフトウェアにより実行させることもできる。一連の処理をソフトウェアにより実行させる場合には、そのソフトウェアを構成するプログラムが、専用のハードウェアに組み込まれているコンピュータ、または、各種のプログラムをインストールすることで、各種の機能を実行することが可能な、例えば汎用のパーソナルコンピュータなどに、記録媒体からインストールされる。

図１９は、汎用のパーソナルコンピュータの構成例を示している。このパーソナルコンピュータは、CPU(Central Processing Unit)１００１を内蔵している。CPU１００１にはバス１００４を介して、入出力インタフェース１００５が接続されている。バス１００４には、ROM(Read Only Memory)３０２およびRAM(Random Access Memory)１００３が接続されている。

入出力インタフェース１００５には、ユーザが操作コマンドを入力するキーボード、マウスなどの入力デバイスよりなる入力部１００６、処理操作画面や処理結果の画像を表示デバイスに出力する出力部１００７、プログラムや各種データを格納するハードディスクドライブなどよりなる記憶部１００８、LAN（Local Area Network）アダプタなどよりなり、インターネットに代表されるネットワークを介した通信処理を実行する通信部１００９が接続されている。また、磁気ディスク（フレキシブルディスクを含む）、光ディスク（CD-ROM(Compact Disc-Read Only Memory)、DVD(Digital Versatile Disc)を含む）、光磁気ディスク（ＭＤ(Mini Disc)を含む）、もしくは半導体メモリなどのリムーバブルメディア１０１１に対してデータを読み書きするドライブ１０１０が接続されている。

CPU１００１は、ROM１００２に記憶されているプログラム、または磁気ディスク、光ディスク、光磁気ディスク、もしくは半導体メモリ等のリムーバブルメディア１０１１から読み出されて記憶部１００８にインストールされ、記憶部１００８からRAM３０３にロードされたプログラムに従って各種の処理を実行する。RAM１００３にはまた、CPU１００１が各種の処理を実行する上において必要なデータなども適宜記憶される。

尚、本明細書において、記録媒体に記録されるプログラムを記述するステップは、記載された順序に沿って時系列的に行われる処理は、もちろん、必ずしも時系列的に処理されなくとも、並列的あるいは個別に実行される処理を含むものである。

また、本明細書において、システムとは、複数の装置により構成される装置全体を表すものである。

１，１−１乃至１−ｎ 遊技店
２ 生体情報管理センタ
３ 生体情報管理データベース
４ 第３者遊技店管理センタ
５ 第３者遊技店管理データベース
６ 生体情報管理バス
７ 第３者遊技店管理バス
８，９ 公衆通信回線網
２１ 生体情報認識装置
２２ 生体情報データベース
２４ 遊技店管理装置
２６ 遊技台管理データベース
２７ 媒体貸出管理装置
２９ 媒体貸出管理データベース
３０ 遊技店管理情報バス
３１ 生体情報バス
３３ 精算機
３４ 貸出機
３５ 計数機
３６，３６−１乃至３６−ｍ 遊技台
３７，３７−１乃至３７−ｍ 遊技台周辺端末
３８，３８−１乃至３８−ｍ カメラ
３９，３９−１乃至３９−（ｍ＋ｐ＋ｑ） 画像処理ユニット
４０，４０−１乃至４０−ｐ 入口カメラ
４１，４１−１乃至４１−ｑ 店内カメラ

Claims (6)

1. 蓄積者データベースに蓄積に蓄積されている複数の顔画像のそれぞれの特徴量を抽出し、抽出されたそれぞれの前記特徴量に基づいて、前記蓄積者データベースに蓄積されている前記複数の顔画像間の類似度を求める類似度計算手段と、
   前記複数の顔画像間の類似度が第１の閾値よりも高い顔画像同士を同一の第１のグループとしてグループ化する第１グループ化手段と、
   前記複数の顔画像の中の前記第１グループ化手段により前記第１のグループとしてグループ化されなかった顔画像のうち、前記第１のグループとしてグループ化された顔画像との類似度が、前記第１の閾値よりも低い第２の閾値よりも高い顔画像を、前記第１のグループにグループ化させる拡張第１グループ化手段と
   を含む情報処理装置。
2. 前記第１グループ化手段および前記拡張第１グループ化手段により前記第１のグループのいずれにもグループ化されない顔画像間の類似度が前記第１の閾値よりも低い第３の閾値よりも高い顔画像同士を同一の第２のグループとしてグループ化する第２グループ化手段をさらに含む請求項１に記載の情報処理装置。
3. 前記第１グループ化手段および前記拡張第１グループ化手段により第１グループのいずれかにグループ化された顔画像、および前記第２グループ化手段により第２のグループのいずれかにグループ化された顔画像の情報に基づいて、前記蓄積者データベースに蓄積されている顔画像の人物の傾向を解析する解析手段をさらに含む
   請求項２に記載の情報処理装置。
4. 請求項１から請求項３のいずれか１つに記載の情報処理装置としてコンピュータを機能させるためのプログラム。
5. 類似度計算手段が、蓄積者データベースに蓄積されている複数の顔画像のそれぞれの特徴量を抽出し、抽出されたそれぞれの前記特徴量に基づいて、前記蓄積者データベースに蓄積されている前記複数の顔画像間の類似度を求める類似度計算ステップと、
   第１グループ化手段が、前記複数の顔画像間の類似度が第１の閾値よりも高い顔画像同士を同一の第１のグループとしてグループ化する第１グループ化ステップと、
   拡張第１グループ化手段が、前記複数の顔画像の中の前記第１グループ化手段により前記第１のグループとしてグループ化されなかった顔画像のうち、前記第１のグループとしてグループ化された顔画像との類似度が、前記第１の閾値よりも低い第２の閾値よりも高い顔画像を、前記第１のグループにグループ化させる拡張第１グループ化ステップと を含む情報処理方法。
6. 第２グループ化手段が、前記第１グループ化手段および前記拡張第１グループ化手段により前記第１のグループのいずれにもグループ化されない顔画像間の類似度が前記第１の閾値よりも低い第３の閾値よりも高い顔画像同士を同一の第２のグループとしてグループ化する第２グループ化ステップをさらに含む
   請求項５に記載の情報処理方法。

Images