JP6236448B2

JP6236448B2 - センサ配置決定装置およびセンサ配置決定方法

Info

Publication number: JP6236448B2
Application number: JP2015522451A
Authority: JP
Inventors: 三好　雅則; 雅則三好; 加藤　学; 加藤　　学
Original assignee: Hitachi Ltd
Current assignee: Hitachi Ltd
Priority date: 2013-06-21
Filing date: 2013-06-21
Publication date: 2017-11-22
Anticipated expiration: 2033-06-21
Also published as: WO2014203389A1; US20160142679A1; US9955124B2; JPWO2014203389A1

Description

本発明は、人流を計測するためのカメラなどのセンサの配置位置を決定するセンサ配置決定装置およびセンサ配置決定方法に関する。

カメラなどのセンサによって、人流測定の必要性が高まっている。例えば、駅構内の混雑などを把握するためには、カメラによる人流計測が行われている。また、百貨店などの売り場などでも混雑度の緩和対策のために、人流測定が必要となる場合がある。このとき、設置するカメラ台数には、設備費の制約により必要最小限になるように求められる。

特許文献１では、監視レイアウトを含む顧客要求に基づいて、顧客要求を満たすカメラ配置を自動的に作成し、カメラ配置の決定を支援する方法が記載されている。

また、非特許文献１では、部分的な人流の計測データに基づいて、シミュレーションによって生成する人流の推定誤差を小さくする方法が記載されている。

特開２０１２−１０２１０号公報

データ同化手法を用いた鉄道駅構内における人の流れの推定手法に関する研究（東京大学修士論文、２０１１年）

特許文献１の技術は、監視レイアウトを含む顧客要求として、動き検知・顔検知などのカメラの機能に着目し、類似機能が要求されるカメラを統合するものであるが、人流を対象とするものでなかった。

また、非特許文献１の技術は、人流計測を目的としているが、人流の推定誤差を小さくするものであり、人流を精度良く計測できるカメラ位置を決定することを目的とするものでなかった。

本発明は、前記の課題を解決するための発明であって、人流の計測精度の観点でセンサの配置位置を評価し、人流計測に適したセンサの配置位置を決定することができるセンサ配置決定装置およびセンサ配置決定方法を提供することを目的とする。

前記目的を達成するため、本発明のセンサ配置決定装置は、人流を観測する複数のセンサ（例えば、カメラ３１４）を配置する予定の対象領域（例えば、対象領域３００）について、当該対象領域の通路部を実際に人物が通過する際の実軌跡（例えば、軌跡３０７）である人流データ（例えば、レコード６２）が記憶される記憶手段（例えば、外部記憶装置１５）と、分岐が存在しない通路部毎に１つの前記センサの配置位置の候補を決定する候補位置決定手段と、前記候補位置決定手段によって決定される前記センサの配置位置の候補において、人流データに基づいて、複数のセンサが配置された場合に、各センサが観測する人物の観測情報を模擬的に生成する人流模擬観測手段（例えば、人流模擬観測部１００）と、人流模擬観測手段が生成する観測情報を制約条件として、人物が対象領域内をどのように通過するかという軌跡候補（例えば、軌跡候補７０２，７０４）を推定して生成する人流推定手段（例えば、人流推定部１０２）と、人流推定手段が生成した軌跡候補に基づいて算出されるセンサの配置位置の候補ごとの観測人数と、人流データに基づいて算出されるセンサの配置位置の候補ごとの観測人数とを対比して、人流推定手段が軌跡候補を推定する際の推定誤差を算出する推定誤差算出手段（推定誤差算出部１０４）と、前記候補位置決定手段によって決定される前記センサの配置位置の候補に対し、推定誤差算出手段が算出する推定誤差が小さくなる位置をセンサの配置位置として候補を選択し、配置位置を決定するセンサ位置決定手段（例えば、追加カメラ決定部１０６）と、を備えることを特徴とする。

本発明によれば、人流の計測精度の観点でセンサの配置位置を評価し、人流計測に適したセンサの配置位置を決定することができる。

本発明のセンサ配置決定装置の全体構成を示す図である。センサ配置決定装置の装置全体の処理フローを示す図である。センサ配置決定装置の利用例を示す図である。追加カメラの設置位置を示す図である。人流模擬観測部のフロー情報生成の一例を示す図である。人流推定部の人流推定処理の処理フローを示す図である。軌跡候補の生成処理の一例を示す図である。推定誤差算出部の人流推定誤差の評価処理フローを示す図である。グリッド毎の通過人数のカウント処理の一例を示す図である。対象領域に追加カメラの設置位置の決定処理の一例を示す図である。センサ配置決定装置のハードウェア構成を示す図である。ビデオカメラを利用した人流データの取得方法の例を示す図である。ビデオカメラによって得られた人流データの例を示す図である。人流真値データのデータ構造の例を示す図である。

本発明のセンサ配置決定装置に係る実施形態ついて、図面を参照して詳細に説明する。なお、本実施形態では、人流を計測するセンサとして、カメラを用いる例を説明する。これ以外にも人流を測定することが可能なセンサ、例えばラインセンサ、レーザスキャナなどを用いても構わない。なお、センサは、人の通過および通過方向を検知する。

図１は、本発明のセンサ配置決定装置の全体構成を示す図である。図１を参照して、センサ配置決定装置１０の機能構成を説明する。センサ配置決定装置１０は、人流模擬観測部１００（人流模擬観測手段、図５参照）、人流推定部１０２（人流推定手段、図６、図７参照）、推定誤差算出部１０４（推定誤差算出手段、図８参照）、追加カメラ決定部１０６（センサ位置決定手段、図１０参照）で構成される。

人流模擬観測部１００は、後述する追加カメラ決定部１０６が定める仮想的なカメラ位置（例えば、図５に示すカメラ３１４による観測位置）において、人流真値データ１０８を観測した場合に発生する人物の通過情報、すなわちフロー情報（例えば、図５に示すフロー情報５０２）を模擬的に生成する。

フロー情報とは、大域的な情報である人流真値データ１０８を離散的に配置したカメラで観測した場合に得られる局所的な情報であり、ここでは、カメラの視野内を通過する人数の情報である。詳細については、図５を参照して後記する。

ここで、人流真値データ１０８は、人流の推定誤差を評価する際の基準となる人流データ（一本の移動軌跡）が複数含まれるデータセットを意味する。人流データは、実際にひとりの人物が建物内や街頭を移動した経路を表す軌跡の点の集合で表される。なお、真値とは、実際に計測した正しい値ということを意味する。

人流データは、前記したように、人物を追跡した軌跡の点の集合であり、例えば、レーザスキャナを用いて計測すればよい。レーザスキャナとは、照射されたレーザが物体に反射して戻ってくるまでの時間を利用して、周辺の物体の三次元座標データを取得する装置である。これ以外にも、多数のビデオカメラの映像から人物を検出し追跡することで人流真値データ１０８を計測してもよい。また、人手によって人流真値データ１０８を作成してもよい。さらに、人流シミュレーションにより人流データを作成してもよい。なお、人流データの取得方法については、図１２〜図１４を参照して後記する。

人流推定部１０２は、人流模擬観測部１００が生成したフロー情報の発生条件を良く満たす人流データを、後述するエージェントシミュレーションにより生成する。

推定誤差算出部１０４は、人流推定部１０２が推定した人流データと、人流真値データ１０８を比較して推定誤差を算出する。

追加カメラ決定部１０６は、推定誤差算出部１０４が算出した人流の推定誤差が最小となるように、カメラ設置情報で定まる設置が決定しているカメラ群に対して、新たに追加するカメラの配置位置（設置位置）を決定し、結果をカメラ設置情報１１０に格納する。

図１１は、センサ配置決定装置のハードウェア構成を示す図である。センサ配置決定装置１０は、表示装置１１、入力装置１２、中央演算処理装置（ＣＰＵ）１３、通信制御装置１４、外部記憶装置１５（記憶手段）、メモリ１６、およびこれらを接続するバス１７から構成される。表示装置１１は、ディスプレイなどであり、センサ配置決定装置１０による処理の実行状況や実行結果などを表示する。入力装置１２は、キーボードやマウスなどのコンピュータに指示を入力するための装置であり、プログラム起動などの指示を入力する。中央演算処理装置（ＣＰＵ）１３は、メモリに格納される各種プログラムを実行する。通信制御装置１４は、ＬＡＮ（Local Area Network）１８を介して、他の装置と各種データやコマンドを交換する。外部記憶装置１５は、センサ配置決定装置１０が処理を実行するための各種データを保存する。メモリ１６は、センサ配置決定装置１０が処理を実行する各種プログラムおよび一時的なデータを保持する。

メモリ１６には、人流模擬観測部１００、人流推定部１０２、推定誤差算出部１０４、追加カメラ決定部１０６、および人流真値データ１０８に含まれる人流データを計測するための人流データ計測部１２０の処理プログラムが格納される。外部記憶装置１５には、人流真値データ１０８、カメラ設置情報１１０が格納される。

図２は、センサ配置決定装置の装置全体の処理フローを示す図である。図１および図２を参照してセンサ配置決定装置１０の処理の流れを説明する。なお、処理フローはＰＡＤ（Problem Analysis Diagram）形式で示している。

ステップＳ２００では、人流模擬観測部１００または推定誤差算出部１０４が、通常はファイルとして保存してある人流真値データ１０８をメモリ１６（図１１参照）上に読み込む。

ステップＳ２０２では、追加カメラ決定部１０６が、ステップＳ２０４からステップＳ２０８までの処理を、想定される仮想的な追加カメラの設置位置に対して繰り返す。

ステップＳ２０４では、人流模擬観測部１００が、想定される追加カメラの設置位置において人流真値データ１０８を観測した場合に発生する人物のフロー情報を模擬的に生成する。

ステップＳ２０６では、人流推定部１０２が、ステップＳ２０４で生成したフロー情報の発生条件を良く満たす人流データを、後述するエージェントシミュレーションにより生成することで、人流を推定する。

ステップＳ２０８では、推定誤差算出部１０４が、ステップＳ２０６で推定した人流データと、人流真値データ１０８を比較することで、人流の推定誤差を算出する。

ステップＳ２１０では、追加カメラ決定部１０６が、ステップＳ２０２で定まる様々な追加カメラの設置位置の中で、ステップＳ２０８で算出した人流の推定誤差が最小となる条件を選択し、追加カメラの設置位置として決定する。

図３は、センサ配置決定装置の利用例を示す図である。図３を参照して、センサ配置決定装置１０の利用形態について説明する。対象領域３００は、センサ配置決定装置１０の処理の対象となる領域であり、例えば、駅構内、百貨店、スーパーマーケットなどの売り場である。対象領域３００には、３つの出入り口３０２、３０４、３０６が存在し、人物が、この出入り口のいずれかから入り、領域内の通路を通過した後、出入り口のいずれかから出ていく。この領域に入ってから出ていくまでの軌跡が、ひとりの人物の人流データとなる。

例えば、軌跡３０７は、ひとりの人物が出入り口３０２から入り、出入り口３０６から出ていく軌跡である。軌跡３０８は、ひとりの人物が出入り口３０２から入り、出入り口３０６から出ていく軌跡である。軌跡３０９は、ひとりの人物が出入り口３０２から入り、出入り口３０４から出ていく軌跡である。

本実施形態のセンサ配置決定装置１０は、対象領域３００全体に発生する人流情報を、少ないカメラで計測した情報に基づいて推定する場合に、推定誤差が最も低くなる位置を追加するカメラ位置として決定することが可能となる。例えば、追加するカメラ位置の候補として、カメラ３１０，３１２，３１４がある場合に、どのカメラが最もよいのかを評価し決定することができる。

まず、先に説明した図２のステップＳ２００における、人流真値データ読込みに必要な人流真値データ１０８の作成方法について、図１２から図１４を参照して説明する。人流真値データ１０８は、処理の対象となる対象領域３００の人流を把握するため、追加カメラの検討前に事前調査することが好ましい。

図１２は、ビデオカメラを利用した人流データの取得方法の例を示す図である。まず、対象領域３００内に、ビデオカメラ４０で撮影できない場所、すなわち死角ができるだけ生じないように、複数のビデオカメラ４０を設置する。なお、ビデオカメラ４０は、常時設置するものでなく、人流データを取得するためのものであり、人流データが取得できた場合、撤去するものである。

そして、人流データ計測部１２０（図１１参照）は、ネットワーク１８（図１１参照）に接続された複数のビデオカメラ４０を連携させて、映像中の移動する人物を画像処理によって追跡する。例えば、人物４１が軌跡４２に沿って移動した場合、人物４１を撮影する複数のビデオカメラ４０を連携して、映像上で人物４１を追跡する。ここで、ビデオカメラ４０で撮影した物体の映像上の位置から、その人物４１の対象領域３００内での実際の位置が特定できるようにしておけば、映像情報から人流データを求めることが可能になる。

なお、一般に画像処理を利用する場合は、ビデオカメラ４０で撮影した人物を特定することは難しい。しかし、特定すべき人物が限定されている場合は、例えば、特開２０００-２００３５７に記載されているような映像上の特徴によって顧客を照合する方法を利用して、特定することもできる。この方法では、特定すべき人物の映像上の特徴をデータベースにあらかじめ格納しておき、人流データの計測時に撮影した人物の映像上の特徴と照合して、最も特徴が一致する人物を特定する。

図１３は、ビデオカメラによって得られた人流データの例を示す図である。図１３を参照して、人流データの一例を説明する。人流データ計測部１２０（図１１参照）は、ある時間間隔で移動物体の位置を連続的に検出するので、人物が移動した場合には、その軌跡上の連続した複数の点が測定される。例えば、人物４１が軌跡４２に沿って移動した場合には、人流データの要素となる点列、すなわち点５０、点５１、点５２、点５３、点５４が測定される。ここでは、これら複数の点列で、人流データを近似的に表現することにする。近似の精度を上げるには、人流データ計測部１２０の計測間隔を密にする方法、スプライン補間などの一般的に用いられる自由曲線の表現方法を採用すればよい。

図１４は、人流真値データのデータ構造の例を示す図である。人流真値データ１０８は、人流データ計測部１２０で計測した複数の人流データを格納するテーブルである。このテーブルの各行すなわちレコードに、計測した一つの人流データを格納する。レコード６２は、軌跡４２に対する人流データを格納している例を示している。このレコードには、計測した人流データを特定するためのユニークな番号である人流データＩＤ、人流データ上の点の集合である点列の位置情報が点列を計測した時刻情報とともに含まれている。

図４は、追加カメラの設置位置を示す図である。図４を参照して、図２のステップＳ２０２に示した追加カメラの設置位置に対する繰り返し処理について説明する。ここでは、ステップＳ２０４からステップＳ２０８までの処理を想定される追加カメラの設置位置に対して繰り返す。想定される追加カメラの位置としては、対象領域３００内で人流が発生する任意の場所を想定することができる。

しかしながら、この場合、繰り返し処理が多くなるため、処理時間が長くなるという問題がある。そこで、処理時間を短縮するために、候補領域を限定することを考える。例えば、領域として、分岐が存在しない通路部を一つの領域と考えた場合、領域Ａ１〜Ａ１０が対象となる。各領域内であれば、どこにカメラを置いても計測するフローは同じである。これは、この領域内では、人流の生成も消失も発生しないと考えることができるためである。したがって、各領域内の任意の一箇所にカメラの候補位置を考えれば、その領域内の他の場所については候補位置を考える必要はない。したがって、このようなすべての領域毎に、重心などの一箇所をカメラの候補位置として考えることとする。なお、追加カメラの設置位置の候補については、例えば、センサ配置決定装置１０の使用者が入力装置１２（図１１参照）のマウスなどを用いて直接画面上で指定できるようにしてもよい。

＜人流模擬観測部＞
図５は、人流模擬観測部のフロー情報生成の一例を示す図である。図５を参照して、図２のステップＳ２０４に示したフロー情報生成について説明する。人流模擬観測部１００は、人流真値データ１０８に基づいて、ステップＳ２０２での追加カメラの設置位置に対して、観測した場合に発生する人物の通過情報、すなわちフロー情報を模擬的に生成する。

ここで、軌跡３０９は、出入り口３０２から入り、出入り口３０４に出る軌跡である。人流模擬観測部１００は、例えば、仮想的に設置したカメラ３１４で計測した結果として、フロー情報５０２を生成する。フロー情報５０２には、所定の時刻区間毎にカメラ３１４の視野を通過する人数が保持される。

人流真値データ１０８（図１４参照）には、既に説明したように、人流データＩＤ毎に人流データ上の点の集合である点列の位置情報が点列を計測した時刻情報とともに含まれている。よって、人流模擬観測部１００は、カメラ３１４が撮影する視野内を通過する所定時間ごとに通過する人数をカウントすることができる。具体的には、フロー情報５０２において、８時０分から８時１０分には、軌跡３０９上、出入り口３０２側から出入り口３０４側に通過する人数は２０人となる。また、８時１０分から８時２０分には、軌跡３０９上、出入り口３０２側から出入り口３０４側に通過する人数は１５人となる。人流模擬観測部１００は、このように、時々刻々と変化するフロー情報を生成することができる。

＜人流推定部＞
図６は、人流推定部の人流推定処理の処理フローを示す図である。図６を参照して、図２のステップＳ２０６に示した人流の推定処理について説明する。人流推定部１０２は、ステップＳ２０４で生成したフロー情報５０２の発生条件を良く満たす人流データを、マルチエージェントシミュレーションにより生成する。

マルチエージェントシミュレーションとは、予めルールを与えた複数のエージェント（行動主体、ここでは人物）に同時進行的に各々のルールを実行させ、それらが相互作用することで現れる社会的なふるまいを分析するためのシミュレーション手法である。マルチエージェントシミュレーションを用いた人流の推定には、非特許文献１に記載されている手法を用いればよい。以下、この手法の概要を説明する。

人流推定部１０２は、ステップＳ６００の所定の時間に対して、ステップＳ６０２からからステップＳ６０６までの処理を繰り返す。所定の時間とは、人流真値データ１０８の収集時間のことである。例えば、人流真値データ１０８の収集時間が３０分、データの収集間隔が１／１０秒の場合には、ステップＳ６００の処理を３０分間、１／１０秒の時間刻みで繰り返す。

ステップＳ６０２において、人流推定部１０２は、現在のシミュレーション時刻において、人流真値データ１０８中に対象領域３００（図３参照）に入る人物が存在する場合に、エージェントを生成する。

ステップＳ６０４において、人流推定部１０２は、エージェントに対して、歩行者モデルを用いて複数の軌跡候補を生成する。歩行者モデルとは、エージェントの移動に関するルールである。このルールとしては、例えば、目的地までの移動コストに基づき経路を選択するポテンシャルモデルを用いればよい。ポテンシャルモデルは、任意の点から目的地までの移動コストのポテンシャル面を考え、そのポテンシャル面の勾配の大きな方向に人物を移動させる手法である。ここで、移動コストとしては、移動に要する時間などを考えることができる。人流推定部１０２は、この歩行モデルを用いて、対象領域３００に入った地点から、対象領域３００の複数の出入り口に対して軌跡候補を生成する。

ステップＳ６０６では、人流推定部１０２は、データ同化手法と観測値によって評価し重み付けすることにより、観測値に即した軌跡候補の選択を行う。データ同化手法には、非特許文献１に記載されているパーティクルフィルタを用いた手法を使えばよい。パーティクルフィルタはベイズフィルタの一種である。ベイズフィルタとは，ベイズの定理に基づいて、次の時刻の状態を予測する時間更新と、その予測状態をセンサで得た観測情報を用いて更新する観測更新を逐次繰り返すことで状態を推定する手法である。この推定された状態は、確率密度関数で表現される。また、パーティクルフィルタは、モンテカルロ近似により確率密度関数の近似解を求める手法である。

人流推定部１０２は、パーティクルフィルタを用いて、ステップＳ２０４（図２参照）で求めた追加カメラで発生するフロー情報と、ステップＳ６０４で生成した軌跡候補（パーティクル）によって同じ場所（例えば、図５に示すカメラ３１４による観測位置）で発生するフロー情報ができるだけ近くなるように、軌跡候補の重みを調整する。

次に、この軌跡候補（パーティクル）の重みの調整処理の手順を説明する。まず、ステップＳ６０２で生成されたエージェント対し複数の軌跡候補（パーティクル）を与える場合、それぞれの軌跡候補の重みを調整する。

軌跡候補の数をｎとした場合、i番目の軌跡候補（パーティクル）の重みの初期値Ｗ_０(i)を１／ｎとする。時刻ｔにて観測されるフロー情報をｍ_ｔとした場合、i番目のパーティクルの重みＷ_ｔ(i)を式（１）で更新することで、時刻ｔ＋１の重みＷ_ｔ＋１(i)を得る。この更新を繰り返すことで、フロー情報の制約条件を満たす軌跡候補の重みが得られる。

対象とする軌跡候補に対して観測値にあうように重み付けした結果が、推定した軌跡データとなる。図７を参照して具体例を説明する。

図７は、軌跡候補の生成処理の一例を示す図である。図７を参照して、図６のステップＳ６０４の軌跡候補の生成処理の具体例について説明する。人流推定部１０２は、出入り口３０２から入ってきた人物７００に対して、軌跡候補７０２と軌跡候補７０４との二つの軌跡候補を生成している。

軌跡候補７０２は、出入り口３０２を始点とし、出入り口３０６を終点とする軌跡である。また、軌跡候補７０４は、出入り口３０２を始点とし、出入り口３０４を終点とする軌跡である。終点として、すべての出入り口を選択してもよいし、予め定めた確率に基づいて選択してもよい。人流推定部１０２は、始点と終点を決定してから、前述したポテンシャルモデルを用いたシミュレーションにより始点から終点までの軌跡候補を生成する。生成した軌跡候補には、テーブル７０６に示すように、重みの初期値として軌跡候補数２の逆数である０．５を設定する。そして、繰り返し計算後は、例えば、軌跡候補７０２の重みが０．９、軌跡候補７０４の重みは０．１となる。すなわち、人物７００は、軌跡候補７０４に対し０．９人分、軌跡候補７０２に対し０．１人分として流れることを推定している。

なお、図７に示す軌跡候補７０２，７０４の軌跡は、前述したように、ひとりの人物が対象領域３００に入ってから出るまでの移動経路をシミュレーションによって推定する際に、人流推定部１０２が候補として生成する移動経路である。これに対し、図５に示した軌跡３０７，３０８，３０９は、実際に人物が移動した移動経路である。なお、軌跡３０７，３０８，３０９は、推定された軌跡候補７０２，７０４に対して、実軌跡となる。

＜推定誤差算出部＞
図８は、推定誤差算出部の人流推定誤差の評価処理フローを示す図である。図８を参照して、図２のステップＳ２０８に示した人流推定誤差の評価処理について説明する。推定誤差算出部１０４は、ステップＳ２０６で推定した軌跡データと、人流真値データ１０８の人流データの軌跡とを比較して推定誤差を算出する。

ステップＳ８００において、推定誤差算出部１０４は、人流真値データ１０８に含まれるすべての人流データＩＤ（図１４参照）に対しステップＳ８０２の処理を繰り返す。ステップＳ８０２では、処理の対象となっている人流データＩＤ毎に点群に表される軌跡に対して、グリッド毎の通過人数を算出する。図９を参照して、グリッド毎の通過人数の具体例について説明する。

図９は、グリッド毎の通過人数のカウント処理の一例を示す図である。図９を参照して、図８のステップＳ８０２、ステップＳ８０６に示すグリッド毎の通過人数の算出処理の具体例について説明する。まず、対象領域３００を予め定めた分割数でグリッド状分割し、各グリッドが通過人数の情報を保持できるようする。そして、処理の対象となる軌跡９００がある場合、例えばグリッド９０２の通過人数を１だけ増加させる。処理対象となる全ての軌跡に対して同様に処理することで、最終的なグリッド毎の通過人数の算出結果を得ることができる。

図８に戻り、ステップＳ８０２において、推定誤差算出部１０４は、対象領域３００をいくつかのグリッドに分割した場合に、各グリッドを通過する軌跡の累積数を算出する。

ステップＳ８０４において、推定誤差算出部１０４は、ステップＳ２０６で推定したすべての軌跡データに対してステップＳ８０６の処理を繰り返す。ステップＳ８０６では、推定誤差算出部１０４は、ステップＳ８０２と同様に、処理の対象となっている軌跡データに対して、グリッド毎の通過人数を算出する。

ステップＳ８０８では、人流真値データ１０８に対する通過人数と、ステップＳ２０６で推定した軌跡データに対する人数をグリッド毎に比較することで誤差を算出する。ここでは、誤差として二乗平均平方根誤差を用いる。この二乗平均平方根誤差ＲＭＳＥは、式（２）で表現される。ここで、ｎはグリッドの数、ｒ_ｉはｉ番目のグリッドに対する人流真値データ１０８の通過人数、ｅ_ｉはｉ番目のグリッドに対する推定した軌跡データの通過人数である。

＜追加カメラ決定部＞
図１０は、対象領域に追加カメラの設置位置の決定処理の一例を示す図である。図１０を参照して、対象領域３００に、図２のステップＳ２１０に示した追加カメラの設置位置の決定処理の具体例を、対象領域３００に初めてカメラを追加する場合について説明する。追加カメラの設置位置の候補領域（領域Ａ１〜領域Ａ１０）の右下に示した数値は、ステップＳ２０８で算出した二乗平均平方根誤差ＲＭＳＥである。

例えば、カメラ３１０に対応する領域Ａ１にカメラを追加した場合の誤差Ｅ１は９８０である。同様に、領域Ａ２にカメラを追加した場合の誤差Ｅ２は５００である。ステップＳ２１０では、追加カメラ決定部１０６は、すべての領域に対して算出された誤差を比較して、最も誤差が少なくなる領域を決定し、表示装置１１（図１１参照）に、図１０に示す対象領域３００上に決定されたセンサの配置位置を表示する。

図１０の場合では、領域Ａ１０の誤差Ｅ１０が４００と最も小さい。したがって、この領域Ａ１０に対応するカメラ３１４を追加カメラの設置位置として決定することができる。なお、対象領域３００に、すでに例えば、２台のカメラが設置されている前提で、新しく１台のカメラを追加する場合においても同様に決定することができる。

本実施形態のセンサ配置決定装置１０は、人流を計測するためのセンサ（例えば、カメラ３１４）を配置する予定の対象領域３００を、人物の実軌跡である人流データが記憶される記憶手段（例えば、外部記憶装置１５）と、対象領域３００におけるセンサの配置位置の候補において、人流データに基づいて、センサが観測する領域の人物の通過情報を生成する人流模擬観測手段（例えば、人流模擬観測部１００）と、通過情報を制約条件として、人物が対象領域内をどのように通過するかの軌跡候補を生成する人流推定手段（例えば、人流推定部１０２）と、センサが観測する領域を通過する、軌跡候補の通過人数と、実軌跡の通過人数との人流の推定誤差を算出する推定誤差算出手段（例えば、推定誤差算出部１０４）と、算出された人流の推定誤差が小さくなる位置を、センサの配置位置として決定するセンサ位置決定手段（例えば、追加カメラ決定部１０６）と、を備える。

本実施形態のセンサ配置決定装置１０は、人流計測の観点でカメラの配置位置（設置位置）の良し悪しを定量的に評価できる。これによって、少ないカメラで人流を計測する場合に最適な配置位置を決定することが可能になる。

１０センサ配置決定装置
１１表示装置
１２入力装置
１３中央演算処理装置（ＣＰＵ）
１４通信制御装置
１５外部記憶装置（記憶手段）
１６メモリ
４０ビデオカメラ
４１人物
６２レコード
１００人流模擬観測部（人流模擬観測手段）
１０２人流推定部（人流推定手段）
１０４推定誤差算出部（推定誤差算出手段）
１０６追加カメラ決定部（センサ位置決定手段）
１０８人流真値データ
１１０カメラ設置情報
１２０人流データ計測部
３０２，３０４，３０６出入り口
３１０，３１２，３１４カメラ
３０７，３０８，３０９軌跡（実軌跡）
５０２フロー情報（通過情報）
７０２，７０４軌跡候補
７０６テーブル
９０２グリッド
ＲＭＳＥ二乗平均平方根誤差

Claims

人流を観測する複数のセンサを配置する予定の対象領域について、当該対象領域の通路部を実際に人物が通過する際の実軌跡である人流データが記憶される記憶手段と、
分岐が存在しない通路部毎に１つの前記センサの配置位置の候補を決定する候補位置決定手段と、
前記候補位置決定手段によって決定される前記センサの配置位置の候補において、前記人流データに基づいて、前記複数のセンサが配置された場合に、各センサが観測する人物の観測情報を模擬的に生成する人流模擬観測手段と、
前記人流模擬観測手段が生成する前記観測情報を制約条件として、人物が前記対象領域内をどのように通過するかという軌跡候補を推定して生成する人流推定手段と、
前記人流推定手段が生成した前記軌跡候補に基づいて算出されるセンサの配置位置の候補ごとの観測人数と、前記人流データに基づいて算出されるセンサの配置位置の候補ごとの観測人数とを対比して、前記人流推定手段が前記軌跡候補を推定する際の推定誤差を算出する推定誤差算出手段と、
前記候補位置決定手段によって決定される前記センサの配置位置の候補に対し、前記推定誤差算出手段が算出する推定誤差が小さくなる位置を前記センサの配置位置として前記候補を選択し、配置位置を決定するセンサ位置決定手段と、を備える
ことを特徴とするセンサ配置決定装置。
前記人流推定手段は、マルチエージェントシミュレーションによって軌跡候補を生成する
ことを特徴とする請求項１に記載のセンサ配置決定装置。
前記人流推定手段は、前記各センサが観測する人物の観測情報である観測値によって前記軌跡候補をデータ同化手法で重み付けすることにより、前記観測値に即した軌跡候補を生成する
ことを特徴とする請求項２に記載のセンサ配置決定装置。
前記推定誤差算出手段は、前記対象領域のセンサの配置位置の候補の領域毎に観測人数を算出し、その領域毎の人数の二乗平均平方根誤差を推定誤差として用いる
ことを特徴とする請求項３に記載のセンサ配置決定装置。
前記センサは、カメラ、ラインセンサ、レーザスキャナの少なくともひとつである
ことを特徴とする請求項１に記載のセンサ配置決定装置。
前記候補位置決定手段は、
分岐が存在しない通路部毎に１つの前記センサの配置位置の候補を表示する表示手段と、
前記表示手段によって表示される前記センサの配置位置の候補から使用者によって指定される候補を入力する入力手段を含む
ことを特徴とする請求項１に記載のセンサ配置決定装置。
人流を計測する複数のセンサを配置する予定の対象領域について、当該対象領域の通路部を実際に人物が通過する際の実軌跡である人流データが記憶される記憶手段と、候補位置決定手段と、人流模擬観測手段と、人流推定手段と、推定誤差算出手段と、センサ位置決定手段とを備えるセンサ配置決定装置を用いて、前記対象領域にセンサを追加する際のセンサ配置決定方法であって、
前記候補位置決定手段は、分岐が存在しない通路部毎に１つの前記センサの配置位置の候補を決定し、
前記人流模擬観測手段は、前記候補位置決定手段によって決定される前記センサの配置位置の候補において、前記人流データに基づいて、前記複数のセンサが配置された場合に、各センサが観測する人物の観測情報を模擬的に生成し、
前記人流推定手段は、前記人流模擬観測手段が生成する前記観測情報を制約条件として、人物が前記対象領域内をどのように通過するかという軌跡候補を推定して生成し、
前記推定誤差算出手段は、前記人流推定手段が生成した前記軌跡候補に基づいて算出されるセンサの配置位置の候補ごとの観測人数と、前記人流データに基づいて算出されるセンサの配置位置の候補ごとの観測人数とを対比して、前記人流推定手段が前記軌跡候補を推定する際の推定誤差を算出し、
前記センサ位置決定手段は、前記候補位置決定手段によって決定される前記センサの配置位置の候補に対し、前記推定誤差算出手段が算出する推定誤差が小さくなる位置を前記センサの配置位置として前記候補を選択し、配置位置を決定する
ことを特徴とするセンサ配置決定方法。
前記候補位置決定手段は、
分岐が存在しない通路部毎に１つの前記センサの配置位置の候補を表示する表示手段と、
前記表示手段によって表示される前記センサの配置位置の候補から使用者によって指定される候補を入力する入力手段を含む
ことを特徴とする請求項７に記載のセンサ配置決定方法。