JP6464737B2 - 見込み客位置情報検出システム、方法およびプログラム - Google Patents

Description

本発明は、見込み客の位置を検出する見込み客位置情報検出システム、見込み客位置情報検出方法および見込み客位置情報検出プログラムに関する。

タクシーの運転手は、一般に、経験や勘、口コミなどに基づいて、タクシー待ちをしている利用者が居そうな場所を判断する。タクシー乗り場には、一定の利用者が存在することは想定されるが、いわゆる「流し」の場合、タクシー待ちをしている利用者がどこにいるのか判断することは難しい。

そこで、タクシーを最適に配車するため、タクシーの利用者が乗車しそうな場所を各タクシーに提供する方法が提案されている。

特許文献１には、タクシーの需要と供給とのミスマッチを解消するタクシーサービス支援システムが記載されている。特許文献に１記載されたシステムでは、車載センサ情報、タクシーの運行に関する情報、ウェブ（World Wide Web）情報を基にして、タクシー乗車の増加が見込まれるイベントが発生しそうなロケーションを求め、ロケーション毎に乗車人数（量）、現在地からの到達時間を求める。

特開２０１４−１３０５５２号公報

しかし、経験や勘、口コミに依存する営業の場合、必ずしもその場所に乗客がいるとは限らないため、正確性に欠けるという問題がある。また、仮にタクシー待ちをしている見込み客の存在を把握した運転手が存在したとしても、その運転手が他のタクシーに対して積極的に情報提供するモチベーションがないため、見込み客の居る場所を運転手の自主性に依存して把握することも困難である。

また、特許文献１に記載されたシステムは、タクシーやウェブ等から取得できる情報に基づいて、タクシー乗車の増加が見込まれるロケーションを特定するものであるため、実際に見込み客が存在するか否かまで判断するものではない。すなわち、特許文献１に記載されたシステムを用いたとしても、実際に存在する見込み客の位置を正確に把握することは困難である。

そこで、本発明は、実際に存在する見込み客の位置を正確に把握することができる見込み客位置情報検出システム、見込み客位置情報検出方法および見込み客位置情報検出プログラムを提供することを目的とする。

本発明による見込み客位置情報検出システムは、乗客の特徴を記憶する特徴記憶手段と、位置情報と関連付けられた画像データから人物画像を抽出する人物抽出手段と、抽出された人物画像を乗客の特徴と比較して、その人物画像が見込み客を示しているか判定する判定手段と、見込み客を示していると判定された人物画像を含む画像データに関連付けられた位置情報を送信する送信手段とを備え、特徴記憶手段が、乗客の特徴に乗車確率を関連付けて記憶し、送信手段が、見込み客を示していると判定された際に用いられた乗客の特徴に関連付けられた乗車確率に基づいて、その乗車確率がより高い位置情報を送信することを特徴とする。

本発明による見込み客位置情報検出方法は、位置情報と関連付けられた画像データから人物画像を抽出し、抽出された人物画像を、乗客の特徴に乗車確率を関連付けて記憶する特徴記憶手段に記憶された乗客の特徴と比較して、その人物画像が見込み客を示しているか判定し、見込み客を示していると判定された人物画像を含む画像データに関連付けられた位置情報を送信し、位置情報を送信する際、見込み客を示していると判定された際に用いられた乗客の特徴に関連付けられた乗車確率に基づいて、その乗車確率がより高い位置情報を送信することを特徴とする。

本発明による見込み客位置情報検出プログラムは、コンピュータに、位置情報と関連付けられた画像データから人物画像を抽出する人物抽出処理、抽出された人物画像を、乗客の特徴に乗車確率を関連付けて記憶する特徴記憶手段に記憶された乗客の特徴と比較して、その人物画像が見込み客を示しているか判定する判定処理、および、見込み客を示していると判定された人物画像を含む画像データに関連付けられた位置情報を送信する送信処理を実行させ、送信処理で、見込み客を示していると判定された際に用いられた乗客の特徴に関連付けられた乗車確率に基づいて、その乗車確率がより高い位置情報を送信させることを特徴とする。

本発明によれば、実際に存在する見込み客の位置を正確に把握することができる。

本発明による見込み客位置情報検出システムの第１の実施形態の構成例を示すブロック図である。 第１の実施形態の見込み客位置情報検出システムの動作例を示すフローチャートである。 第１の実施形態の見込み客位置情報検出システムの変形例を示すブロック図である。 本発明による見込み客位置情報検出システムの第２の実施形態の構成例を示すブロック図である。 本発明による見込み客位置情報検出システムの第３の実施形態の構成例を示すブロック図である。 見込み客位置情報検出システムの第１の具体例を示す説明図である。 見込み客位置情報検出システムの第２の具体例を示す説明図である。 見込み客位置情報検出システムの第３の具体例を示す説明図である。 本発明による見込み客位置情報検出システムの概要を示すブロック図である。

以下、本発明の実施形態を図面を参照して説明する。本発明の見込み客位置情報検出システムは、タクシーに乗車する可能性が高い利用者（以下、見込み客と記す。）の位置を検知して、その情報を展開するものである。以下の説明におけるタクシーとは、客の求めに応じて目的地まで客を運び、距離や時間に応じて料金を取る営業用自動車のことを示す。そのため、本発明の見込み客位置情報検出システムが適用される対象は、タクシーのような業務形態で客を運ぶものであれば、タクシーという呼称のものに限定されない。

実施形態１．
図１は、本発明による見込み客位置情報検出システムの第１の実施形態の構成例を示すブロック図である。本実施形態の見込み客位置情報検出システム１０は、人物抽出手段１１と、判定手段１２と、送信先決定手段１３と、送信手段１４と、記憶手段１５とを備えている。

記憶手段１５は、乗客の特徴を記憶する。ここで、乗客の特徴は、実際にタクシーに乗車した客の特徴だけでなく、タクシーに乗車する可能性が高い客の特徴も含む。タクシーに乗車する可能性が高い客として、例えば、手を挙げている人物や、覗き込む動作をしている人物などが挙げられる。記憶手段１５は、このような人物の特徴を乗客の特徴として記憶する。

人物の特徴は、例えば、乗客と推定される人物の特徴量として表されていてもよく、乗客の判別（分類）に用いられる判別（分類）モデルで表されていてもよい。また、人物の特徴は、人物の特徴点を示す情報（例えば、目や鼻、口の位置を示す情報、顔の向きを示す情報、目や口の開閉状況を示す情報など）で表されていてもよい。なお、人物の特徴を表わす方法は広く知られているため、ここでは詳細な説明を省略する。

また、記憶手段１５は、乗客の特徴に、その特徴を有する人物が乗車する可能性を表わす乗車確率を関連付けて記憶してもよい。例えば、手を挙げている人物の方が覗き込む動作をしている人物よりも乗車する可能性が高い場合、手を挙げている人物の乗車確率が、より高く設定される。

人物抽出手段１１は、画像データから人物画像を抽出する。人物抽出手段１１は、例えば、他の装置（図示せず）から送信される画像データを受信して人物画像を抽出してもよい。本実施形態において、人物抽出手段１１が抽出する画像データには、その画像を撮影した位置を表わす位置情報が関連付けられており、抽出された人物画像が撮影された位置を特定することが可能である。この位置情報は、特定の位置を示す情報であってもよく、特定の範囲を示す情報であってもよい。

また、本実施形態で抽出される人物画像は、人物のみを特定する画像であってもよく、その人物に付随する範囲を含む画像であってもよい。付随する範囲の画像は、抽出される人物と一体として判別できる画像であり、例えば、その人物の荷物や同行者を示す画像などが挙げられる。このように、人物抽出手段１１は、位置情報と関連付けられた画像データから人物画像を抽出する。

判定手段１２は、抽出された人物画像を、記憶手段１５に記憶された乗客の特徴と比較して、抽出された人物画像が見込み客を示しているか判定する。判定手段１２は、判定方法に、一般的に知られた方法を用いることが可能である。判定手段１２は、例えば、人物画像が見込み客を示しているか否かの結果を、１または０の２値で表わしてもよく、見込み客を示す度合いを示す尤度または確率で表わしてもよい。判定結果が尤度または確率で表わされている場合、判定手段１２は、一定の閾値以上の尤度または確率の場合に、人物画像が見込み客を示していると判定してもよい。

判定手段１２は、抽出された人物画像の特徴量と、乗客の特徴を示す特徴量とを比較して、抽出された人物画像が見込み客を示しているか判定してもよい。また、例えば、記憶手段１５にタグ付きの教師画像が乗客の特徴として記憶されている場合、判定手段１２は、教師画像にタグ付けする方法と同様の方法を用いて人物画像にタグ付けを行い、そのタグを比較することにより、人物画像が見込み客を示しているか否か判定してもよい。

また、記憶手段１５が人物の特徴点を示す情報を乗客の特徴として記憶している場合、判定手段１２は、抽出された人物画像から特徴点を抽出し、抽出された特徴点と人物の特徴点とを比較して、その人物画像が見込み客を示しているか判定してもよい。このように、判定手段１２は、人物画像から乗客の特徴を特定できる方法であれば、任意の方法を用いて見込み客の判定をすればよい。なお、画像の特徴を判定する方法は広く知られているため、ここでは詳細な説明を省略する。

送信手段１４は、抽出された人物画像が見込み客を示していると判定された場合、その人物画像を含む画像データに関連付けられた位置情報を送信する。位置情報の送信先は任意である。送信手段１４は、例えば、自装置内に備えるディスプレイ装置などの出力手段（図示せず）に位置情報を送信して、見込み客の位置情報を出力させてもよい。また、送信手段１４は、予め定められた処理サーバ（図示せず）に見込み客の位置情報を送信してもよい。また、送信手段１４は、後述する送信先決定手段１３により決定された送信先に位置情報を送信してもよい。

また、送信する位置情報の候補が複数あった場合、送信手段１４は、全ての位置情報を送信してもよく、一部の位置情報のみ送信してもよい。例えば、記憶手段１５が乗客の特徴に乗車確率を関連付けて記憶している場合、送信手段１４は、送信対象の位置情報に関連付けられた画像データから抽出された人物画像の判定に用いられた乗客の特徴を特定し、特定された乗客の特徴に関連付けられた乗車確率がより高い位置情報を送信してもよい。

送信先決定手段１３は、送信手段１４が見込み客の位置情報を送信する送信先を決定する。例えば、各タクシーがＧＰＳ（Global Positioning System ）を利用して自身の位置を提供している場合、送信先決定手段１３は、位置情報が示す位置に近いタクシーに、見込み客の位置情報を送信すると決定してもよいし、エリア全体にタクシーをバランスよく配置することを考慮した最適化手法を用いて位置情報の送信先を決定してもよい。

なお、送信先が予め定められている場合、見込み客位置情報検出システム１０は、送信先決定手段１３を備えていなくてもよい。また、送信先決定手段１３は、タクシー全体のバランスを考慮した送信先を一般的な方法を用いて決定してもよい。

人物抽出手段１１と、判定手段１２と、送信先決定手段１３と、送信手段１４とは、プログラム（見込み客位置情報検出プログラム）に従って動作するコンピュータのＣＰＵによって実現される。例えば、プログラムは、見込み客位置情報検出システム１０の記憶手段１５に記憶され、ＣＰＵは、そのプログラムを読み込み、プログラムに従って、人物抽出手段１１、判定手段１２、送信先決定手段１３および送信手段１４として動作してもよい。また、記憶手段１５は、例えば、磁気ディスク装置などにより実現される。

また、人物抽出手段１１と、判定手段１２と、送信先決定手段１３と、送信手段１４とは、それぞれが専用のハードウェアで実現されていてもよい。具体的には、２つ以上の物理的に分離した装置が有線または無線で接続されることにより見込み客位置情報検出システム１０が実現されていてもよい。

次に、本実施形態の見込み客位置情報検出システムの動作を説明する。図２は、本実施形態の見込み客位置情報検出システム１０の動作例を示すフローチャートである。

人物抽出手段１１は、位置情報と関連付けられた画像データから人物画像を抽出する（ステップＳ１１）。判定手段１２は、抽出された人物画像を、記憶手段１５に記憶された乗客の特徴と比較して、その人物画像が見込み客を示しているか判定する（ステップＳ１２）。人物画像が見込み客を示していると判定された場合、送信先決定手段１３は、その人物画像により特定される位置情報の送信先を決定する（ステップＳ１３）。そして、送信手段１４は、決定された送信先に見込み客の位置情報を送信する（ステップＳ１４）。

以上のように、本実施形態では、人物抽出手段１１が、位置情報と関連付けられた画像データから人物画像を抽出し、判定手段１２が、抽出された人物画像を乗客の特徴と比較して、その人物画像が見込み客を示しているか判定する。そして、送信手段１４が、見込み客を示していると判定された人物画像を含む画像データに関連付けられた位置情報を送信する。以上のような構成により、実際に存在する見込み客の位置を正確に把握することができる。

また、例えば、乗客を乗せているタクシーが見込み客を発見したとしても、その客を乗せることができないため、一般的にはタクシー会社に機会損失が発生してしまう。しかし、本実施形態では、例えば、タクシーが撮影する画像および位置情報を見込み客位置情報検出システム１０が受信することにより、他のタクシーに、その見込み客の位置情報を提供できるため、タクシー会社にとっても機会損失を解消できる。

次に、本実施形態の変形例を説明する。第１の実施形態では、他の装置（図示せず）から送信される画像データを受信する場合を例示したが、見込み客位置情報検出システムが画像データを取得する手段を備えていてもよい。図３は、第１の実施形態の見込み客位置情報検出システムの変形例を示すブロック図である。

図３に例示する見込み客位置情報検出システム２０は、第１の実施形態の見込み客位置情報検出システム１０と比較して、画像取得手段１６をさらに備えている。

画像取得手段１６は、画像を撮影し、その画像を撮影した位置情報を関連付けた画像データを取得する。例えば、見込み客位置情報検出システム２０がタクシーに搭載される車載器として実現される場合、画像取得手段１６は、車載器に含まれる車載カメラ（ドライブレコーダ）により実現される。この場合、画像取得手段１６は、車載カメラによって画像を撮影するとともに、ＧＰＳを利用して取得される位置情報を含めた画像データを生成してもよい。

このように、タクシーの車載器に画像取得手段１６を含めることにより、様々な場所を移動するタクシーの行動を利用して、多くの見込み客の情報を収集することが可能になる。

実施形態２．
図４は、本発明による見込み客位置情報検出システムの第２の実施形態の構成例を示すブロック図である。なお、第１の実施形態と同様の構成については、図１と同一の符号を付し、説明を省略する。本実施形態の見込み客位置情報検出システム３０は、人物抽出手段１１と、判定手段１２と、送信先決定手段１３と、送信手段１４と、記憶手段１５と、特徴学習手段１７と、特徴登録手段１８とを備えている。

すなわち、本実施形態の見込み客位置情報検出システム３０は、第１の実施形態の見込み客位置情報検出システム１０と比較すると、特徴学習手段１７および特徴登録手段１８をさらに備えている。なお、見込み客位置情報検出システム３０は、第１の実施形態の変形例で示した画像取得手段１６を備えていてもよい。

特徴学習手段１７は、乗客を撮影したと判定される画像データから人物画像を抽出し、抽出された人物画像に基づいて乗客の特徴を学習する。特徴を学習する方法は任意であり、特徴学習手段１７は、ディープラーニングなど、一般的に知られた方法を用いて人物画像から乗客の特徴を学習する。

特徴学習手段１７は、乗客を撮影したと判定される画像データを様々な方法で取得できる。例えば、タクシーに搭載済みのドライブレコーダでタクシーの前方の画像を定期的に撮影しているとする。そのような状況でタクシーに客を乗せた場合、特徴学習手段１７は、その客を撮影していた画像を、乗客を撮影した画像データとして取得してもよい。具体的には、特徴学習手段１７は、タクシーに客を乗せたときに撮影されていた画像を、乗客を撮影した画像データと特定してもよい。

特徴学習手段１７は、乗客を撮影したと判定される画像データから人物画像を抽出し、その乗客の直前の振る舞いや持ち物を特定し、学習データとして蓄積する。乗客の振る舞いとして、手を挙げている、道路を覗き込んでいる、などの例が挙げられる。また、乗客の持ち物として、大きなバッグや買い物袋を持っている、小さい子供を連れている、などの例が挙げられる。そして、特徴学習手段１７は、蓄積された学習データに基づいて、乗車待ちしている人の特徴（すなわち、乗客の特徴）を学習する。

なお、上記説明では、ドライブレコーダで画像データを収集する場合を例示したが、画像データを収集する装置は、ドライブレコードに限定されない。画像データの収集に、例えば、街角に設置されているカメラが用いられてもよい。この場合、収集された画像から、自動的に、または、人の判断により乗客を撮影した画像が抽出されるようにすればよい。

また、乗客を撮影したと判定される画像データは、実際の乗客を撮影した画像でなくてもよく、見込み客を示す画像であってもよい。

特徴登録手段１８は、学習された乗客の特徴を記憶手段１５に登録する。特徴登録手段１８は、乗客の特徴そのものを示す情報を記憶手段１５に登録してもよく、学習により生成された新たなモデルを記憶手段１５に登録してもよい。すなわち、特徴登録手段１８は、判定手段１２が判定に利用することができる乗客の特徴を記憶手段１５に登録する。

以上のように、本実施形態では、特徴学習手段１７が、乗客を撮影したと判定される画像データから人物画像を抽出し、抽出された人物画像に基づいて乗客の特徴を学習する。そして、特徴登録手段１８が、学習された乗客の特徴を記憶手段１５に登録する。よって、第１の実施形態の効果に加え、実際に存在する見込み客の判定精度を向上させることができる。

また、特徴学習手段１７は、見込み客の位置情報の送信先であるタクシーから受信する画像データから人物画像を抽出し、抽出された人物画像に基づいて乗客の特徴を学習してもよい。見込み客の情報を利用するタクシーから送信される画像データは、学習データとして精度が高いと考えられるため、特徴学習手段１７がこのような画像データを利用して乗客の特徴を学習することにより、実際に存在する見込み客の判定精度をより向上させることができる。

実施形態３．
次に、本発明による見込み客位置情報検出システムの第３の実施形態を説明する。本実施形態の見込み客位置情報検出システムは、位置情報を送信した送信先からのフィードバック情報を受信して再学習することにより、見込み客の判定精度を向上させるものである。

本実施形態の見込み客位置情報検出システムの構成は、第２の実施形態と同様である。ただし、本実施形態の見込み客位置情報検出システムは、特徴学習手段１７および特徴登録手段１８が、位置情報の送信先から受信するフィードバック情報に基づいて再学習する点において、第２の実施形態と異なる。

図５は、本発明による見込み客位置情報検出システムの第３の実施形態の構成例を示すブロック図である。図５に例示する見込み客位置情報検出システム４０は、情報処理装置４１に位置情報を送信し、情報処理装置４１からフィードバック情報を受信する。本実施形態では、情報処理装置４１の具体例としてタクシー（具体的には、タクシーに搭載される装置）を例示する。ただし、情報処理装置４１はタクシーに限定されず、以下に示すフィードバック情報を送信できる装置であれば、他の装置であってもよい。

本実施形態では、まず送信手段１４が位置情報を送信すると、送信先のタクシーが、その位置情報に基づいて移動を行う。そして、特徴学習手段１７は、送信した位置情報により特定される位置で、送信された見込み客が乗ったか否かを示すフィードバック情報を、位置情報を送信したタクシーから受信する。

送信された見込み客か否かの判断は、送信先のタクシーが行ってもよく、フィードバック情報を受信した見込み客位置情報検出システムが行ってもよい。例えば、送信された見込み客か否かを送信先のタクシーが判断する場合、送信手段１４が、位置情報と共に乗客の特徴を示す情報を送信する。タクシーは、車載カメラにより乗客を撮影し、撮影した画像と受信した乗客の特徴とを比較して、送信された見込み客か否かを判断すればよい。

また、例えば、送信された見込み客か否かを見込み客位置情報検出システムが判断する場合、特徴学習手段１７は、タクシーから乗客を撮影した画像を受信し、乗客の特徴と撮影された画像とを比較して、送信された見込み客か否か判断すればよい。

また、乗車の有無は、タクシーからの通知に基づいて判断できる。特徴学習手段１７は、例えば、タクシーからの通知があったときに、乗車が有ったと判断してもよいし、タクシーからの明示的な乗車の有無を受信して判断してもよい。

特徴学習手段１７は、送信した位置情報により特定される位置での見込み客の乗車有無を示すフィードバック情報を受信する。そして、特徴学習手段１７は、受信したフィードバック情報に基づいて、記憶手段１５に記憶された乗客の特徴に対応する乗車確率を更新する。

具体的には、特徴学習手段１７は、位置情報に関連付けられていた画像データに含まれる人物画像が見込み客を示していると判定された際に用いられた乗客の特徴に関連する乗車確率を更新する。

以上のように、本実施形態では、特徴登録手段１８が、送信した位置情報により特定される位置での見込み客の乗車有無を示すフィードバック情報に基づいて乗車確率を更新する。そのため、第２の実施形態の効果に加え、実際に存在する見込み客の判定精度をさらに向上させることが可能になる。

以下、具体例を示して本発明を説明するが、本発明の範囲は以下に説明する内容に限定されない。以下の具体例では、第１の実施形態または変形例の見込み客位置情報検出システムの具体的態様を説明する。

まず、第１の具体例を説明する。第１の具体例では、街頭などに設置された定点カメラやタクシーの車載カメラで取得した画像データを、サーバとして動作する見込み客位置情報検出システムが収集し、解析結果を各タクシーへ送信するものである。

図６は、見込み客位置情報検出システムの第１の具体例を示す説明図である。図６に例示する定点カメラ５１や、車載カメラ５２が定期的に画像を撮影し、サーバ５０に送信する。サーバ５０の構成は、第１の実施形態の見込み客位置情報検出システムと同様である。

人物抽出手段１１は、定点カメラ５１から、設置された場所の位置情報と撮影された画像とを含む画像データを受信する。また、人物抽出手段１１は、車載カメラ５２から、ＧＰＳを利用して取得された位置情報と撮影された画像とを含む画像データを受信する。

人物抽出手段１１が画像データから人物画像を抽出すると、判定手段１２が、抽出された人物画像が見込み客を示しているか判定する。人物画像が見込み客を示していると判定された場合、送信先決定手段１３が、位置情報の送信先を決定し、送信手段１４が、決定された送信先であるタクシーに位置情報を送信する。

次に、第２の具体例を説明する。第２の具体例では、タクシーの車載器が見込み客位置情報検出システムとして動作し、タクシーの車載カメラで取得した画像データに基づいて見込み客を判断し、他のタクシーへ位置情報を送信するものである。

図７は、見込み客位置情報検出システムの第２の具体例を示す説明図である。図７に例示する車載器６０の構成は、第１の実施形態の変形例の見込み客位置情報検出システムと同様であり、画像取得手段１６が車載カメラ５２に置き換わったものである。

図７に例示する車載器６０の車載カメラ５２がタクシーの移動に応じて定期的に画像を撮影する。このとき、車載カメラ５２または他の手段（図示せず）が、ＧＰＳを利用して位置情報を取得し、取得した位置情報と撮影された画像とを含む画像データを取得する。

人物抽出手段１１が、画像データから人物画像を抽出すると、判定手段１２が、抽出された人物画像が見込み客を示しているか判定する。人物画像が見込み客を示していると判定された場合、送信先決定手段１３が、位置情報の送信先を決定し、送信手段１４が、決定された送信先である他のタクシーに位置情報を送信する。

次に、第３の具体例を説明する。第３の具体例では、タクシーの車載器が見込み客位置情報検出システムとして動作し、他の装置から受信した画像データに基づいて見込み客を判断しその結果を出力するものである。他の装置として、例えば、定点カメラや他のタクシー、画像を収集するサーバなどが挙げられる。

図８は、見込み客位置情報検出システムの第３の具体例を示す説明図である。図８に例示する車載器７０の構成は、出力手段７１をさらに備える以外、第１の実施形態の見込み客位置情報検出システムと同様である。

図８に例示する車載器７０が、他の装置から位置情報を含む画像データを受信する。人物抽出手段１１が、受信した画像データから人物画像を抽出すると、判定手段１２が、抽出された人物画像が見込み客を示しているか判定する。

人物画像が見込み客を示していると判定された場合、送信先決定手段１３が、位置情報の送信先を決定する。具体的には、送信先決定手段１３は、車載器の出力設定に応じて、位置情報の出力先を決定する。出力設定として、例えば、ディスプレイ装置への表示設定や、スピーカへの音声出力設定などが挙がられる。送信手段１４は、決定された出力先である出力手段７１に位置情報を送信する。出力手段７１は、例えば、ディスプレイ装置やスピーカ、音声処理装置などである。

次に、本発明の概要を説明する。図９は、本発明による見込み客位置情報検出システムの概要を示すブロック図である。本発明による見込み客位置情報検出システム（例えば、見込み客位置情報検出システム１０，２０，３０，４０）は、乗客の特徴を記憶する特徴記憶手段８１（例えば、記憶手段１５）と、位置情報と関連付けられた画像データから人物画像を抽出する人物抽出手段８２（例えば、人物抽出手段１１）と、抽出された人物画像を乗客の特徴と比較して、その人物画像が見込み客を示しているか判定する判定手段８３（例えば、判定手段１２）と、見込み客を示していると判定された人物画像を含む画像データに関連付けられた位置情報を送信する送信手段８４（例えば、送信手段１４）とを備えている。

そのような構成により、実際に存在する見込み客の位置を正確に把握することができる。

また、見込み客位置情報検出システムは、乗客を撮影したと判定された画像データから人物画像を抽出し、抽出された人物画像に基づいて乗客の特徴を学習する乗客特徴学習手段（例えば、特徴学習手段１７）と、学習された乗客の特徴を特徴記憶手段８１に登録する乗客特徴登録手段（例えば、特徴登録手段１８）とを備えていてもよい。そのような構成によれば、実際に存在する見込み客の判定精度を向上させることができる。

また、特徴記憶手段８１は、乗客の特徴に乗車確率を関連付けて記憶していてもよい。そして、乗客特徴登録手段は、送信した位置情報により特定される位置での見込み客の乗車有無を示すフィードバック情報に基づいて、位置情報に関連付けられていた画像データに含まれる人物画像が見込み客を示していると判定した際に用いられた乗客の特徴の乗車確率を更新してもよい。

また、乗客特徴学習手段は、見込み客の位置情報の送信先から受信する画像データから人物画像を抽出し、抽出された人物画像に基づいて乗客の特徴を学習してもよい。例えば、見込み客の情報を利用するタクシーから送信される画像データは、学習データとして精度が高いと考えられるため、このような画像データを利用して乗客の特徴を学習することにより、実際に存在する見込み客の判定精度をより向上させることができる。

また、送信手段８４は、見込み客を示していると判定された際に用いられた乗客の特徴に関連付けられた乗車確率に基づいて、その乗車確率がより高い位置情報を送信してもよい。そのような構成によれば、より乗車の見込まれる見込み客の情報を利用することが可能になる。

また、見込み客位置情報検出システムは、乗客候補の情報の送信先を決定する送信先決定手段（例えば、送信先決定手段１３）を備えていてもよい。そして、送信手段８４は、見込み客を示していると判定された人物画像を含む画像データに関連付けられた位置情報を、決定された送信先に送信してもよい。そのような構成によれば、効率よく位置情報を通知することが可能になる。

具体的には、見込み客位置情報検出システム（例えば、車載器６０）は、位置情報と関連付けられた画像データを、タクシーの移動に応じて取得する画像データ取得手段（例えば、画像取得手段１６、車載カメラ５２）を備えていてもよい。このとき、人物抽出手段８２は、取得された画像データから人物画像を抽出し、判定手段８３は、抽出された人物画像が見込み客を示しているか判定し、送信手段８４は、他のタクシーに位置情報を送信してもよい。

また、特徴記憶手段８１は、乗客の特徴として人物の特徴点を示す情報を記憶してもよい。そして、判定手段８３は、抽出された人物画像から特徴点を抽出し、抽出された特徴点と人物の特徴点とを比較して、その人物画像が見込み客を示しているか判定してもよい。

本発明は、例えば、タクシーの見込み客の位置を検出する見込み客位置情報検出システムに好適に適用される。

１０，２０，３０，４０ 見込み客位置情報検出システム
１１ 人物抽出手段
１２ 判定手段
１３ 送信先決定手段
１４ 送信手段
１５ 記憶手段
１６ 画像取得手段
１７ 特徴学習手段
１８ 特徴登録手段
４１ 情報処理装置
５０ サーバ
６０，７０ 車載器
７１ 出力手段

Claims (11)

1. 乗客の特徴を記憶する特徴記憶手段と、
   位置情報と関連付けられた画像データから人物画像を抽出する人物抽出手段と、
   抽出された人物画像を前記乗客の特徴と比較して、当該人物画像が見込み客を示しているか判定する判定手段と、
   見込み客を示していると判定された人物画像を含む画像データに関連付けられた位置情報を送信する送信手段とを備え、
   前記特徴記憶手段は、乗客の特徴に乗車確率を関連付けて記憶し、
   前記送信手段は、見込み客を示していると判定された際に用いられた乗客の特徴に関連付けられた前記乗車確率に基づいて、当該乗車確率がより高い位置情報を送信する
   ことを特徴とする見込み客位置情報検出システム。
2. 乗客を撮影したと判定された画像データから人物画像を抽出し、抽出された人物画像に基づいて乗客の特徴を学習する乗客特徴学習手段と、
   学習された乗客の特徴を特徴記憶手段に登録する乗客特徴登録手段とを備えた
   請求項１記載の見込み客位置情報検出システム。
3. 特徴記憶手段は、乗客の特徴に乗車確率を関連付けて記憶し、
   乗客特徴登録手段は、送信した位置情報により特定される位置での見込み客の乗車有無を示すフィードバック情報に基づいて、前記位置情報に関連付けられていた画像データに含まれる人物画像が見込み客を示していると判定した際に用いられた乗客の特徴の前記乗車確率を更新する
   請求項２記載の見込み客位置情報検出システム。
4. 乗客特徴学習手段は、見込み客の位置情報の送信先から受信する画像データから人物画像を抽出し、抽出された人物画像に基づいて乗客の特徴を学習する
   請求項２または請求項３記載の見込み客位置情報検出システム。
5. 乗客候補の情報の送信先を決定する送信先決定手段を備え、
   送信手段は、見込み客を示していると判定された人物画像を含む画像データに関連付けられた位置情報を、決定された送信先に送信する
   請求項１から請求項４のうちのいずれか１項に記載の見込み客位置情報検出システム。
6. 位置情報と関連付けられた画像データを、タクシーの移動に応じて取得する画像データ取得手段を備え、
   人物抽出手段は、取得された画像データから人物画像を抽出し、
   判定手段は、抽出された人物画像が見込み客を示しているか判定し、
   送信手段は、他のタクシーに位置情報を送信する
   請求項１から請求項５のうちのいずれか１項に記載の見込み客位置情報検出システム。
7. 特徴記憶手段は、乗客の特徴として人物の特徴点を示す情報を記憶し、
   判定手段は、抽出された人物画像から特徴点を抽出し、抽出された特徴点と前記人物の特徴点とを比較して、当該人物画像が見込み客を示しているか判定する
   請求項１から請求項６のうちのいずれか１項に記載の見込み客位置情報検出システム。
8. 位置情報と関連付けられた画像データから人物画像を抽出し、
   抽出された人物画像を、乗客の特徴に乗車確率を関連付けて記憶する特徴記憶手段に記憶された当該乗客の特徴と比較して、当該人物画像が見込み客を示しているか判定し、
   見込み客を示していると判定された人物画像を含む画像データに関連付けられた位置情報を送信し、
   前記位置情報を送信する際、前記見込み客を示していると判定された際に用いられた乗客の特徴に関連付けられた前記乗車確率に基づいて、当該乗車確率がより高い位置情報を送信する
   ことを特徴とする見込み客位置情報検出方法。
9. 乗客を撮影したと判定された画像データから人物画像を抽出し、
   抽出された人物画像に基づいて乗客の特徴を学習し、
   学習された乗客の特徴を特徴記憶手段に登録する
   請求項８記載の見込み客位置情報検出方法。
10. コンピュータに、
    位置情報と関連付けられた画像データから人物画像を抽出する人物抽出処理、
    抽出された人物画像を、乗客の特徴に乗車確率を関連付けて記憶する特徴記憶手段に記憶された当該乗客の特徴と比較して、当該人物画像が見込み客を示しているか判定する判定処理、および、
    見込み客を示していると判定された人物画像を含む画像データに関連付けられた位置情報を送信する送信処理を実行させ、
    前記送信処理で、見込み客を示していると判定された際に用いられた乗客の特徴に関連付けられた前記乗車確率に基づいて、当該乗車確率がより高い位置情報を送信させる
    ための見込み客位置情報検出プログラム。
11. コンピュータに、
    乗客を撮影したと判定された画像データから人物画像を抽出し、抽出された人物画像に基づいて乗客の特徴を学習する乗客特徴学習処理、および、
    学習された乗客の特徴を特徴記憶手段に登録する乗客特徴登録処理を実行させる
    請求項１０記載の見込み客位置情報検出プログラム。

Images