JP6784519B2 - 情報処理装置、その制御方法、およびプログラム - Google Patents

Description

本発明は、情報処理装置、その制御方法、およびプログラムに関する。

近年、ダイレクトメールなどの方法で、カメラやレンズといった撮影機材を推奨して、販売を促進することが一般的に行われている。しかしながら、ユーザの撮影スタイルは多様であり、撮影機材の種類も多岐にわたる。また、撮影機材だけに限らず画像に関連する有用なアイテムは数多く存在する。全ての種類のアイテムを推奨することはユーザにとって煩わしいものとなるため、ユーザに最適なアイテムに絞って推奨することが望まれている。

このような環境において、ユーザが撮影した画像を解析することで、ユーザに適した撮影機材を選択し、推奨する方法が提案されている。例えば特許文献１では、ユーザが投稿サイトに画像を投稿したとき、画像を解析して得られた撮影テーマ、失敗原因などの情報を用いて、撮影テーマや失敗回避に適した撮影機材を推奨する方法が提案されている。また、特許文献２では、ユーザが撮影した際に撮影状況と画像の評価結果に基づいて、撮影回数が多く、撮影者の撮影技量が低い撮影状況に適した撮影機材を推奨する方法が提案されている。

特開２００８−２９９４７２号公報 特開２０１１−４１０４２号公報

しかしながら、ユーザが望む撮影環境や被写体は常に同じではなく、時間の経過とともに変化し得る。より効果的に撮影機材等のアイテムの推奨を行うためには、むやみに推奨を行なうのではなく、ユーザが頻繁に撮影を行なう環境や被写体に変化があった際に新たな撮影環境や被写体に適したアイテムを推奨することが望ましい。例えば、子供が生まれたため子供を撮影する事が多くなった、あるいは子供がスポーツを始めたためスポーツの撮影機会が多くなったユーザにはそれぞれ、子供を撮影するのに適した、あるいは動きの多い撮影に適したアイテムを推奨することが望ましい。

特許文献１の方法では、画像を投稿するたびにアイテムを推奨するため、ユーザにとって適時な推奨とは言い難い。また、特許文献２の方法では、撮影環境や被写体の変化を考慮していないため、必ずしも現在のユーザの主要な撮影状況に適した推奨にならない可能性があった。

本発明は、上記問題を鑑み、ユーザにとって適切なタイミングで撮影に関するアイテムの推奨（提示）を行うことを目的とする。

上記目的を達成するための一手段として、本発明の情報処理装置は以下の構成を有する。すなわち、画像の属性情報を取得する取得手段と、ユーザに推奨するための撮影機材である候補アイテムを設定する設定手段と、第１の時間範囲において撮影された画像を含む第１の画像群の前記候補アイテムに対応する属性情報と、前記第１の時間範囲より前の時間を含む第２の時間範囲において撮影された画像を含む第２の画像群の前記候補アイテムに対応する属性情報とを比較する比較手段と、前記比較手段による比較結果が、前記第１の画像群の属性情報と前記第２の画像群の属性情報とに所定の差があるとの結果である場合、前記候補アイテムを、ユーザに推奨するアイテムとして決定する決定手段と、を有する。

本発明によれば、ユーザにとって適切なタイミングで撮影に関するアイテムの推奨を行うことが可能となる。

アイテム推奨システムの構成例を示す図。 画像管理装置のハードウェア構成例を示す図。 実施形態１における画像管理装置の機能構成例を示す図。 実施形態１におけるアイテム属性情報管理テーブルの一例を示す図 実施形態１における画像群属性情報管理テーブルの一例を示す図。 実施形態１における候補アイテムを推奨する処理の一例を示すフローチャート。 実施形態１におけるアイテム推奨可否判定処理の一例を示すフローチャート。 実施形態２における画像管理装置の機能構成例を示す図。 実施形態２におけるアイテム属性情報管理テーブルの一例を示す図。 実施形態２における画像群属性情報管理テーブルの一例を示す図。 実施形態２における候補アイテムを推奨する処理の一例を示すフローチャート。 実施形態２におけるアイテム選択処理の一例を示すフローチャート。 実施形態１におけるアイテム推奨表示の一例を示す概念図。 実施形態２におけるアイテム推奨表示の一例を示す概念図。

以下、添付の図面を参照して、本発明をその実施形態に基づいて詳細に説明する。なお、以下の実施形態において示す構成は一例に過ぎず、本発明は図示された構成に限定されるものではない。

＜実施形態１＞
実施形態１として、ユーザに推奨（提示）する候補となる推奨候補アイテム（以下、候補アイテム）の推奨可否を判定し、推奨可と判定された場合にユーザに当該候補アイテムを推奨することを決定するアイテム推奨システムについて説明する。なお、以降の説明において「アイテム」とは、レンズを扱うが、カメラ本体や三脚などの撮影機材、プリンター、画像の編集アプリケーションなど画像や撮影に関するアイテムであれば何を扱ってもよい。他にも、画像の情報と関連付けられることができれば、カメラバッグ、ウェア、旅行、旅行関連商品、スポーツ関連商品などを、推奨するアイテムとして扱ってよい。

図１は、本実施形態におけるアイテム推奨システム１００の構成例を示す図である。アイテム推奨システム１００は、管理サーバ１０１、画像管理装置１０２、およびネットワーク１０３から構成される。

管理サーバ１０１は、候補アイテムの情報を管理する。候補アイテムの情報には、候補のアイテムのアイテム種別（例えば図４を参照）と、候補アイテムの情報が記述されたＷｅｂページのＵＲＬ等が含まれる。画像管理装置１０２は、情報処理装置として機能し、ユーザが撮影した画像を管理するパーソナルコンピュータ、ネットワーク上のサーバ、フォトストレージ、デジタルカメラなどの装置である。画像管理装置１０２は、画像を保存・管理するための装置であれば特に制限はない。画像管理装置１０２は、インターネットなどのネットワーク１０３を介して、管理サーバ１０１から候補アイテムの情報を取得する。画像管理装置１０２は、取得した候補アイテムを推奨可と判定した場合に、候補アイテムの情報を出力部２０７を用いて出力するなどして、ユーザに候補アイテムを推奨する。

図２は、画像管理装置１０２のハードウェア構成例を示す図である。ＣＰＵ（Central Processing Unit）２０２は、後述する各種処理のための演算および論理判断を行なう中央演算処理装置である。ＣＰＵ２０２は、システムバス２０１に接続された、データや命令をやり取りするための各構成要素（２０３〜２０８）を制御する。ＲＯＭ（Read Only Memory）２０３とＲＡＭ（Random Access Memory）２０４は、プログラムメモリまたは／およびデータメモリとして機能する。なお、プログラムメモリには、後述する処理手順を含む、ＣＰＵ２０２による制御のためのプログラムが格納される。ＲＡＭ２０４がプログラムメモリとして機能する場合は、ＲＡＭ２０４は、記憶装置２０５等からロードされたプログラムを格納することができる。記憶装置２０５は、画像データやプログラムを格納するハードディスク等である。入力部２０６は、ユーザが情報の入力あるいは操作を行なうためのマウス、キーボード、タブレット等である。出力部２０７は、グラフィックコントローラ等の出力のための回路を含むディスプレイ（表示部）等である。ネットワークＩＦ（インタフェース）２０８は、ネットワーク１０３を介して管理サーバ１０１との間で送受信される画像データや候補アイテムの情報などのデータの入出力制御を行う。

図３は、本実施形態における画像管理装置１０２の機能構成例を示す図である。画像管理装置１０２は、機能構成として、候補アイテム情報取得部３０１、画像管理部３０２、推奨可否判定部３１０、および推奨部３０３から構成される。

候補アイテム情報取得部３０１は、管理サーバ１０１から候補アイテムの情報を取得する。画像管理部３０２は、過去にユーザが撮影した画像を保存して管理する。推奨可否判定部３１０については後述する。推奨部３０３は、推奨可否判定部３１０により、候補アイテムが推奨可と判定されたとき、当該候補アイテムの情報を出力部２０７としてのディスプレイに表示するなどして、当該候補アイテムをユーザに推奨する。

続いて、推奨可否判定部３１０について説明する。推奨可否判定部３１０は、アイテム属性管理部３１１、判定部３１２、画像群属性管理部３１３、差分導出部３１４、および画像属性取得部３１５を有する。推奨可否判定部３１０は、これらの構成要素（３１１〜３１５）を用いて、候補アイテム情報取得部３０１から取得した候補アイテムの情報と、画像管理部３０２から取得した画像の情報に基づいて、当該候補アイテムの推奨可否を判定する。

アイテム属性管理部３１１は、アイテム種別に対応する属性種別をアイテム属性情報管理テーブルで管理する。アイテム属性管理部３１１による属性種別の管理手法については、図４を用いて後述する。

画像属性取得部３１５は、画像管理部３０２から画像を取得し、該画像を解析して得られた結果や、該画像に付与されたＥｘｉｆなどのメタデータを用いて、該画像の属性情報を取得する。画像群属性管理部３１３は、画像管理部３０２において管理される画像、および、画像属性取得部３１５により取得された画像の属性情報に基づいて、画像群属性情報を導出し、管理する。画像群属性管理部３１３による画像群属性情報の導出・管理手法については、図５を用いて後述する。

差分導出部３１４は、画像群属性管理部３１３により導出された、２つの画像群属性情報を用いて、当該２つの画像群属性情報の差分を導出する。判定部３１２は、差分導出部３１４により導出された差分に応じて、候補アイテムの推奨可否を判定する。すなわち、判定部３１２は、差分導出部３１４により導出された差分に応じて、ユーザに推奨するアイテムを決定するアイテム決定処理を行う。判定部３１２による候補アイテムの推奨可否判定の手法については、図７を用いて後述する。

なお、本実施形態のシステム構成および機能構成は一例であり、画像管理部３０２の機能を持つ画像管理サーバをシステムに加えてもよいし、推奨部３０３の機能を持つ推奨端末をシステムに加えてもよい。

続いて、アイテム属性管理部３１１による属性種別の管理手法について図４を参照して説明する。図４は、属性種別を管理するために用いられるアイテム属性情報管理テーブル４００の一例を示す図である。アイテム属性情報管理テーブル４００は、ＩＤ４１０、アイテム種別４２０、属性種別４３０から構成され、各行が１つのアイテムの属性情報を示している。なお、アイテム属性情報管理テーブル４００は、一例として、管理サーバ１０１からネットワーク１０３を介して取得されるものとする。また、アイテム属性情報管理テーブル４００は、新たなアイテムの追加や、不要なアイテムの削除が発生する毎に、管理サーバ１０１からネットワーク１０３を介して逐次更新されてもよい。

ＩＤ４１０は、アイテム種別４２０それぞれを識別するためのＩＤである。アイテム種別４２０は、アイテムを表す情報である。図４の例では、アイテム種別４２０として製品名称が用いられているが、製品コードなど候補アイテムと紐づけ可能な情報であれば何を用いても良い。属性種別４３０は、対応するアイテムに関する属性を表す情報である。図４の例では、属性種別４３０として、本実施形態におけるアイテムとしてのレンズに好適な被写体距離を用いているが、各アイテムに応じた任意の１つ以上の属性種別を用いて良い。

次に、画像群属性管理部３１３による画像群属性情報の管理手法について図５を参照して説明する。図５は、画像群属性情報を管理するために用いられる画像群属性情報管理テーブル５００（図５（ａ））、５５０（図５（ｂ））の一例を示す図である。画像群属性情報管理テーブル５００、５５０の各行は、１つの画像群属性情報を表している。図５（ａ）は、現在の日時（例えば、推奨するアイテムを決定しようとするタイミング）から直近の所定の期間（例えば１ヶ月以内）に撮影された画像についての画像群属性情報管理テーブルを示す。また、図５（ｂ）は、現在の日時から直近の所定の期間以外の期間（例えば、１ヵ月より前）に撮影された画像についての画像群属性情報管理テーブルを示す。

図５（ａ）の画像群属性情報管理テーブル５００において、ＩＤ５１０は、同じ属性種別５２０を有する画像群を識別するためのＩＤである。属性種別５２０は、図４における属性種別４３０に対応する。撮影枚数割合５３０は、現在の日時から直近の所定の期間に撮影された画像群における、同じ属性種別５２０を有する画像の枚数の割合である。

ここで、画像群属性管理部３１３による画像群属性情報の導出手法について説明する。まず、画像群属性管理部３１３は、画像管理部３０２において管理されている画像のうち、現在の日時から直近の所定の期間（例えば１ヶ月以内）に撮影された画像の属性情報（本実施形態では、被写体距離の情報を含む）を、画像属性取得部３１５から取得する。画像群属性管理部３１３はその後、当該所定の期間に撮影された画像群の属性種別毎の画像枚数割合を導出する。具体的には、まず、画像属性取得部３１５は、撮影日時が当該所定の期間に含まれる画像それぞれの属性情報を取得し、画像群属性管理部３１３へ渡す。画像群属性管理部３１３は、画像属性取得部３１５から受け取った属性情報から被写体距離を抽出し、抽出した被写体距離を、属性種別５２０のいずれかに分類する。画像属性取得部３１５から受け取った全ての属性情報について分類が終わったのち、各属性種別５２０に属する画像数を算出する。その上で、画像群属性管理部３１３は、各属性種別５２０の画像数を、当該所定期間に撮影された画像の総数で割ることにより、各属性種別５２０の撮影枚数割合５３０をそれぞれ導出する。画像群属性管理部３１３は、このように導出した画像群属性情報から画像群属性情報管理テーブル５００を作成し、画像属性情報を管理する。

また、図５（ｂ）の画像群属性情報管理テーブル５５０は、現在の日時から直近の所定の期間以外の期間において撮影された画像に対して、上記の手法と同様な手法により作成される。ＩＤ５６０、属性種別５７０、撮影枚数割合５８０は、図５（ａ）のＩＤ５１０、属性種別５２０、撮影枚数割合５３０と同じ意味をもつ。

続いて、本実施形態における画像管理装置１０２による候補アイテムの推奨可否判定の処理について説明する。図６は、本実施形態における候補アイテムを推奨する動作を示すフローチャートである。また、図１３は、推奨部３０３により出力部２０７としてのディスプレイ上に表示される、本実施形態における画面１３００の一例を示す図である。

Ｓ６０１では、候補アイテム情報取得部３０１は、管理サーバ１０１から、候補アイテムの情報を取得する。具体的には、候補アイテム情報取得部３０１は、候補アイテムのアイテム種別と、アイテム推奨情報（例えば候補アイテムの情報が記述されたＷｅｂページのＵＲＬ）を取得する。アイテム推奨情報は、ＷｅｂページのＵＲＬの他、候補アイテムを推奨するテキスト、画像、候補アイテムを購入できるＷｅｂページへのリンクを含むＸＭＬデータであり得る。Ｓ６０２では、推奨可否判定部３１０は、候補アイテムのアイテム種別が入力されることに応じて、当該候補アイテムの推奨可否を判定する。Ｓ６０２の処理については、図７を用いて後述する。Ｓ６０３では、推奨可否判定部３１０が、Ｓ６０２の処理の結果、候補アイテムが推奨可であるかどうかを判定する。候補アイテムが推奨可である場合は（Ｓ６０３でＹｅｓ）、処理はＳ６０４へ進む。Ｓ６０４では、推奨部３０３は、Ｓ６０１で取得した候補アイテムのアイテム推奨情報を出力部２０７を用いてユーザに提示するなどして、当該候補アイテムの推奨を行う。候補アイテムが推奨可でない場合は（Ｓ６０３でＮｏ）、推奨部３０３は、当該候補アイテムの推奨を行わず、処理は終了する。

なお、画像管理装置１０２は、一例として、新たな画像が画像管理部３０２に保存された、あるいは管理サーバ１０１から新たな候補アイテムの登録が通知された際に、本候補アイテムの推奨可否判定の処理を行うことができる。また、Ｓ６０１で取得されるアイテム推奨情報は、画像管理部３０２に保管されている画像から得られる撮影傾向に応じた推奨情報を生成するためのプログラム、推奨候補アイテム購入の際の割引クーポンなどを含んでも良い。当該プログラムは、推奨部３０３によって実行され、例えば以前より被写体距離が短い画像を撮影することが多くなった場合には、図１３の画面１３００における領域１３０１に示すように、被写体距離が短い画像の撮影に関する推奨文が生成され得る。

図７は、図６のＳ６０２の処理のサブフローであり、本実施形態における推奨可否判定部３１０の判定部３１２が候補アイテムの推奨可否を判定する動作を示すフローチャートである。

Ｓ７０１では、判定部３１２は、Ｓ６０１で候補アイテム情報取得部３０１により取得された候補アイテムのアイテム種別に対応する属性情報（本実施形態では属性種別４３０）を、アイテム属性情報管理テーブル４００（図４）から取得する。

Ｓ７０２では、画像群属性管理部３１３は、現在の日時から直近の所定の期間（例えば１ヶ月以内）に撮影された画像についての画像群属性情報を導出する。ここで導出される画像群属性情報は、図５（ａ）を参照して説明した通りである。導出された画像群属性情報は、判定部３１２に渡される。

次に、Ｓ７０３では、画像群属性管理部３１３は、現在の日時から所定の期間以外の期間（例えば、１ヵ月より前）に撮影された画像についての画像群属性情報を導出する。ここで導出される画像群属性情報は、図５（ｂ）を参照して説明した通りである。導出された画像群属性情報は、判定部３１２に渡される。

続いて、Ｓ７０４では、差分導出部３１４は、判定部３１２を介して画像群属性情報を受け取り、当該所定の期間と、当該所定の期間以外の期間の２つの期間における画像群属性情報の差分を導出する。本実施形態では、差分導出部３１４は、当該２つの期間において撮影された画像群における候補アイテムと同一の属性種別の撮影枚数割合を比較する。すなわち、差分導出部３１４は、候補アイテムと同一の属性種別について、図５（ａ）の撮影枚数割合５３０と、図５（ｂ）の撮影枚数割合５８０とを比較する。本実施形態では、差分導出部３１４は、２つの撮影枚数割合の差分を導出し、当該差分を比較結果として判定部３１２へ渡す。

Ｓ７０５では、判定部３１２は、差分導出部３１４から受け取った差分の値が所定の閾値を超えているか否かを判断する。当該差分が所定の閾値を超えていれば（Ｓ７０５でＹｅｓ）処理はＳ７０６へ進む。Ｓ７０６では、判定部３１２は、候補アイテムは推奨可と判定する。一方、当該差分が所定の閾値を超えていなければ（Ｓ７０５でＮｏ）、判定部３１２は、候補アイテムは推奨不可と判定し（Ｓ７０７）、処理は終了する。

一例として、候補アイテムのアイテム種別が「EF100mm F2.8L マクロ IS USM」である場合を考える。この場合、Ｓ７０１では、判定部３１２は、アイテム属性情報管理テーブル４００から、当該アイテム種別に対応する属性情報（属性種別４３０＝被写体距離0-50cm）を取得する。その後、Ｓ７０２では、画像群属性管理部３１３により、図５（ａ）のように、直近１ヶ月の画像群のうちの属性種別５２０＝被写体距離0-50cmに対応する撮影枚数割合５３０＝0.78と導出されたとする。また、Ｓ７０３では、画像群属性管理部３１３により、図５（ｂ）のように、直近１ヶ月以外の画像群のうちの属性種別５７０＝被写体距離0-50cmに対応する撮影枚数割合５８０＝0.03と導出されたとする。そして、Ｓ７０４で、差分導出部３１４は、２つの割合の差分を、0.78 - 0.03 = 0.75と導出する。Ｓ７０５では、Ｓ７０４で導出された差分が所定の閾値（例えば0.3）を超えているので（Ｓ７０４でＹｅｓ）、判定部３１２は、推奨アイテムである「EF100mm F2.8L マクロ IS USM」を、推奨可と判定する。

なお、候補アイテムによっては、焦点距離の範囲の広いズームレンズのように、複数の属性種別をカバーするものも存在する。その場合は、推奨可否判定部３１０は、推奨された１つのアイテムに対して前述のように複数割り当てられている属性種別のそれぞれについてＳ７０４〜Ｓ７０７処理を行ってもよい。

図６の６０３で推奨可と判定された場合（Ｓ６０３でＹｅｓ）に、Ｓ６０４で推奨部３０３により出力部２０７としてのディスプレイ上に表示される、本実施形態における画面１３００が図１３に示される。画面１３００内の領域１３０１には、上述したように、Ｓ６０１で取得されたアイテム推奨情報としてのプログラムにより生成された推奨文が示されている。なお、アイテム推奨情報は、同じアイテムであっても、属性が異なる場合には、異なるものとしてもよい。なお、本実施形態では、アイテム推奨情報は管理サーバ１０１から取得されるとしたが、他の手段より取得されても良い。

以上説明したように、本実施形態では、現在の日時から直近の所定期間（時間範囲）に撮影された画像群の撮影傾向が、直近の期間以外に撮影された画像群の撮影傾向から変化（差分）があるか否かを判定する。そして、その変化（差分）が所定の閾値を超える場合に、最近の撮影傾向に応じたアイテムをユーザに推奨する。これにより、ユーザの撮影傾向に変化があった際に、新たな撮影傾向に応じたアイテムの購入を推奨することが可能となる。また、最近の撮影傾向に応じた適切な推奨文をユーザに提示する事で、ユーザの購買意欲をより喚起することが可能となる。

なお、本実施形態では、推奨可否判定部３１０は、単一の属性情報のみに基づいて推奨候補アイテムの推奨の可否判断を行なったが、複数の属性情報の差分を元に推奨可否の判断を行なっても良い。また、本実施形態においては、画像群属性管理部３１３は、画像群の属性情報導出処理を、アイテム推奨可否判定処理（図７）内で行っているが、新たな画像群が保存されたタイミング、あるいは定期的に行ってもよい。また、本実施形態では、判定部３１２は、撮影画像群中の推奨候補アイテムに対応する属性情報の割合に基づいて推奨可否判断を行なったが、撮影画像群の中の画像の属性情報の平均値、分布、特定の値を含むか否か等に基づいて推奨可否判断を行なっても良い。また、属性情報は数値であってもラベル情報であっても良く、数値は正規化された値を用いても良い。また、本実施形態では、所定の期間を処理の実行時から１ヶ月以内としたが、別の値を使用しても構わないし、時間ではなく直近Ｎ回の撮影機会（例えば撮影日）としても良い。また、本実施形態では図７のＳ７０２、Ｓ７０３の処理において、それぞれ画像群属性情報管理テーブル５００、５５０を生成するとしたが、テーブル全体を必ずしも生成しなくとも良い。例えば、推奨候補アイテムと属性種別が一致する属性情報のみを生成するとしても良い。

＜実施形態２＞
実施形態１では、候補アイテム毎に推奨可否を判定するために、各画像の属性情報の取得や、直近の期間とそれ以外の期間に撮影された画像群の属性情報とを、候補アイテム数だけ導出する必要があった。このため、特定の候補アイテムがないユーザに対して適切なアイテムを推奨したい場合、あるいは、候補アイテムが大量にある場合には、同じ処理を何度も行なうことになってしまい、処理時間が増大するおそれがあった。また、実施形態１のように直近の期間に撮影された画像群と直近の期間以外に撮影された画像群の属性情報の差分に基づいて推奨を行なう場合には、その差分が閾値を超えている場合には、ユーザに対し何度でも同じアイテムを推奨することになる。

本実施形態では、これらの課題に対応するために、画像管理装置１０２の内部で候補アイテムを選択し、また以前の推奨に基づいてアイテムの推奨の可否を判断する。以下に実施形態１との差異について説明する。

図８は、本実施形態における画像管理装置１０２の機能構成例を示す図である。本実施形態における画像管理装置１０２は、実施形態１において説明した図３の画像管理装置１０２と比較して、推奨可否判定部３１０が推奨アイテム選択部８１０に置き換わっている点で異なる。推奨アイテム選択部８１０は、アイテム属性管理部８１１、選択部８１２、画像群属性管理部８１３、平均間隔算出部８１４、および画像属性取得部８１５を有する。

アイテム属性管理部８１１は、アイテム種別に対応する属性種別をアイテム属性情報管理テーブルで管理する。アイテム属性管理部８１１による属性種別の管理手法については、図９を用いて後述する。

画像属性取得部８１５は、画像管理部３０２から画像を取得し、該画像を解析して得られた結果や、該画像に付与されたＥｘｉｆなどのメタデータを用いて、該画像の属性情報を取得する。画像群属性管理部８１３は、画像管理部３０２において管理される画像、および、画像属性取得部３１５により取得された画像の属性情報に基づいて、画像群属性情報を導出し、管理する。画像群属性情報には、画像群ごとの主被写体、撮影日時（先頭日時および最終日時）が含まれる。画像群属性管理部３１３による画像群属性情報の導出・管理手法については、図１０を用いて後述する。

平均間隔算出部８１４は、画像群属性管理部８１３により導出された画像群属性情報に基づいて、直近のＮ回の撮影機会のうち、最頻の主被写体を有する撮影機会間の平均時間間隔を算出する。また、平均間隔算出部８１４はまた、直近のＮ回以外の回の撮影機会のうち、最頻の主被写体を有する撮影機会間の平均時間間隔を算出する。平均間隔算出部８１４による平均時間間隔の算出手法については、図１０を用いて後述する。

選択部８１２は、後述する図１１のフローチャートに従い、アイテム属性情報管理テーブル４００から、推奨するアイテムを選択する。

続いて、アイテム属性管理部８１１による属性種別の管理手法について図９を参照して説明する。図９は、属性種別を管理するために用いられるアイテム属性情報管理テーブル９００の一例を示す図である。アイテム属性情報管理テーブル９００は、ＩＤ９１０、アイテム種別９２０、属性種別９３０、最終推奨日９４０から構成され、各行が１つの候補アイテム情報を示している。なお、アイテム属性情報管理テーブル４００は、一例として、管理サーバ１０１からネットワーク１０３を介して取得されるものとする。また、アイテム属性情報管理テーブル４００は、新たなアイテムの追加や、不要なアイテムの削除が発生する毎に、管理サーバ１０１からネットワーク１０３を介して逐次更新されてもよい。

ＩＤ９１０は、アイテム種別９２０それぞれを識別するためのＩＤである。アイテム種別９２０は、アイテムを表す情報である。図９の例では、アイテム種別９２０として製品名称を用いているが、製品コードなど推奨候補アイテムと紐づけ可能な情報であれば何を用いても良い。属性種別９３０は、対応するアイテムに関する属性を表す情報である。図９の例では、属性種別９３０として、本実施形態におけるアイテムとしてのレンズの使用が好適である被写体を用いているが、各アイテムに応じた任意の１つ以上の属性種別を用いても良い。最終推奨日９４０は、対応するアイテムをユーザに対して最後に推奨した日の情報を表す。図９において最終推奨日９４０「−」は、対応するアイテムをこれまでにユーザに推奨したことがないことを表している。

次に、画像群属性管理部３１３による画像群属性情報の管理手法について図１０を参照して説明する。図１０は、画像群属性情報を管理するために用いられる画像群属性情報管理テーブル１０００の一例を示す図である。画像群属性情報管理テーブル１０００の各行は、１つの撮影機会（本実施形態では撮影日）の画像群の属性情報を表している。

画像群属性情報管理テーブル１０００において、ＩＤ１０１０は、同じ撮影機会の画像群を識別するためのＩＤである。主被写体１０２０は、対応するＩＤの画像群における主被写体を表す。図１０の例では、主被写体１０２０は、「人物」または「風景」としているが、より細かい／荒い被写体を用いても良い。先頭画像撮影日時１０３０は、対応するＩＤの画像群の先頭画像の撮影日時を表す。最終画像撮影日時１０４０は、対応するＩＤの画像群の撮影最終の撮影日時を表す。

ここで、画像群属性管理部８１３による画像群属性情報の導出手法について説明する。まず、画像属性取得部８１５は、画像管理部３０２から画像を取得し、画像それぞれの属性情報（本実施形態では、撮影シーンや被写体に関する情報および撮影日時の情報を含む）を取得し、画像群属性管理部８１３へ渡す。画像群属性管理部８１３は、画像属性取得部８１５から受け取った属性情報から、主被写体と撮影日時を抽出する。なお、画像群属性管理部８１３は、画像属性取得部８１５により行われた画像処理の結果に基づいて、夫々の画像についての主被写体を抽出（特定）してもよい。その後、画像群属性管理部８１３は、同じ撮影機会（本実施形態では撮影日）で撮影された画像の被写体のうち、最頻の被写体と主被写体１０２０として決定する。また、画像群属性管理部８１３は、同じ撮影機会で撮影された画像を一つの画像群として、その先頭画像撮影日時１０３０と最終画像撮影日時１０４０を特定する。画像群属性管理部８１３は、複数の撮影機会に対して、これと同様な方法で画像群属性情報を導出する。画像群属性管理部８１３は、このように導出した画像群属性情報から画像群属性情報管理テーブル１０００を作成し、画像属性情報を管理する。

次に、平均間隔算出部８１４による平均時間間隔の算出手法について説明する。平均間隔算出部８１４は、図１０の画像群属性管理テーブルを用いて、直近のＮ回の撮影機会のうち、最頻の主被写体（最も撮影対象としての頻度が高い主被写体）を有する撮影機会の時間範囲間の平均時間間隔を算出する。図１０の例において、Ｎを５とすると、平均間隔算出部８１４はまず、ＩＤ１０１１＝１００１〜１００５について主被写体１０２０から、最頻の主被写体を特定する。図１０の例では、最頻の主被写体は、「人物」と特定される。続いて、平均間隔算出部８１４は、主被写体１０２０＝人物の画像群の撮影機会間の時間間隔を算出する。図１０の例では、平均間隔算出部８１４は、ＩＤ１０１０＝１００１の先頭画像撮影日時１０３０＝２０１５／０９／１９ １８：１２とＩＤ＝１００２の最終画像撮影日時１０４０＝２０１５／０９／１８ １９：５６との差を算出する。平均間隔算出部８１４は、さらに、ＩＤ＝１００２〜１００４の先頭画像撮影日時１０３０とＩＤ＝１００３〜１００５の最終画像撮影日時１０４０との差をそれぞれ算出する。その後、平均間隔算出部８１４は、算出した全ての差の平均を、平均時間間隔として算出する。

続いて、本実施形態における画像管理装置１０２による候補アイテムの推奨可否判定の処理について説明する。図１１は、本実施形態における候補アイテムを推奨する動作を示すフローチャートである。図１１は、図６のアイテムの推奨を行う動作フローを、推奨アイテム選択部８１０を用いるように変更したものである。

Ｓ１１０１では、選択部８１２は、画像管理部３０２に保管されている画像の情報をもとに推奨すべきアイテムを選択、もしくは推奨すべきアイテムがないことを決定する。次に、Ｓ１１０２では、選択部８１２は、Ｓ１１０１において推奨するアイテムが選択されたか否かを判断する。推奨すべきアイテムが選択されなかった場合には（Ｓ１１０２でＮｏ）、処理は終了する。推奨すべきアイテムが選択された場合には（Ｓ１１０２でＹｅｓ）、処理はＳ１１０３へ進む。

Ｓ１１０３において、選択部８１２は、選択されたアイテムのうち最初に選択されたアイテムを、注目アイテムとして設定する。続いて、Ｓ１１０４において、選択部８１２は、Ｓ１１０３において設定された注目アイテムを、所定期間内にユーザに推奨したか否かを、アイテムの最終推奨日９４０に基づいて判断する。当該所定期間内に注目アイテムをユーザに推奨していた場合には（Ｓ１１０４でＹｅｓ）、処理はＳ１１０８へ進む。当該所定期間内に注目アイテムをユーザに推奨していなかった場合には（Ｓ１１０４でＮＯ）、処理はＳ１１０５へ進む。

一例として、Ｓ１１０１において、図９のＩＤ９１０＝９０２のアイテムが選択されたとする。ＩＤ９０１の最終推奨日９４０＝「−」であり、このアイテムはユーザにこれまで推奨されていない。したがって、この場合は、Ｓ１１０４でＮｏとなり、処理はＳ１１０５へ進む。

図１１に戻り、Ｓ１１０５では、選択部８１２は、管理サーバ１０１からネットワーク１０３を介して、注目アイテムのアイテム推奨情報（ＸＭＬデータ）を取得する。そして、Ｓ１１０６において、推奨部３０３は、アイテム推奨情報を出力部２０７を用いてユーザに提示するなどして、注目アイテムの推奨を行う。Ｓ１１０７では、アイテム属性管理部８１１は注目アイテム（推奨したアイテム）の最終推奨日９４０（図９）の情報を更新する。Ｓ１１０８では、選択部８１２は、Ｓ１１０１において選択されたアイテムが他にまだ存在するか判定する。選択アイテムが存在しない場合は（Ｓ１１０８でＮｏ）、処理は終了する。選択アイテムがまだ存在する場合には、選択部８１２は、Ｓ１１０１において選択されたアイテムのうち次に選択されたアイテム（Ｓ１１０４〜Ｓ１１０７未処理のアイテム）を、注目アイテムとして設定する。その後、Ｓ１１０４以降の処理が行われる。

なお、画像管理装置１０２は、一例として、新たな画像が画像管理部３０２に保存された、あるいは管理サーバ１０１から新たな候補アイテムの登録が通知された際に、本アイテム推奨処理を行うことができる。また、管理サーバから取得されるアイテム推奨情報には、画像管理部３０２に保管されている画像から得られる撮影傾向に応じた推奨情報を生成するためのプログラム、推奨候補アイテム購入の際の割引クーポンなどを含んでいても良い。当該プログラムは、推奨部３０３によって実行され、例えば以前より人物を主被写体と画像を撮影することが多くなった場合には、図１４の画面１４００における領域１４０１に示すように、主被写体が人物である画像の撮影に関する推奨文が生成され得る。また、本実施形態ではアイテム推奨情報はＸＭＬデータであるとしたが、実施形態１と同様、アイテムを推奨するＷｅｂページのＵＲＬ等であっても良い。

図１２は、図１１のＳ１１０１のサブフローであり、選択部８１２が推奨アイテムを選択する動作を示すフローチャートである。図１２は、図７の推奨可否を判定する動作フローを、推奨アイテムを選択するように変更したものである。

Ｓ１２０１では、画像属性取得部８１５は、画像管理部３０２において保管されている画像を解析したり、Ｅｘｉｆ等のメタデータを抽出した結果から、属性情報を取得する。本実施形態において、属性情報には、撮影シーンや被写体に関する情報および撮影日時の情報が含まれているものとする。次に、Ｓ１２０２では、画像群属性管理部８１３は、画像属性取得部８１５から画像の属性情報を受け取り、撮影機会（本実施形態では撮影日）毎の画像群属性情報（図１０）を導出する。導出された画像群属性情報は、選択部８１２に渡される。

続いて、Ｓ１２０３では、平均間隔算出部８１４は、選択部８１２を介して画像群属性情報を受け取り、直近のＮ回の撮影機会の画像群中で、最頻の主被写体を判定する。図１０の例では、Ｎは５であり、直近５回の撮影機会の主被写体１０２０はすべて人物であるため、最も頻度の高い主被写体は人物と判定される。

Ｓ１２０４では、平均間隔算出部８１４は、直近Ｎ回の撮影機会における、Ｓ１２０３で判定された最頻の主被写体を有する撮影機会間の平均時間間隔を算出する。すなわち、平均間隔算出部８１４は、ＩＤ＝１００１〜１００４の先頭画像撮影日時１０３０と、ＩＤ＝１００２〜１００５の最終画像撮影日時１０４０との差をそれぞれ算出し、算出した全ての差の平均を、平均時間間隔として算出する。図１０の例では、平均間隔算出部８１４は、直近Ｎ回の平均時間間隔を、２２時間２８分と算出する。

Ｓ１２０５では、平均間隔算出部８１４は、直近Ｎ回以前の撮影機会における、Ｓ１２０３で判定された最頻の主被写体を有する撮影機会間の平均時間間隔を算出する。すなわち、平均間隔算出部８１４は、ＩＤ＝１００７の先頭画像撮影日時１０３０と、ＩＤ＝１００８の最終画像撮影日時１０４０との差、及びＩＤ＝１００８の先頭画像撮影日時１０３０と主被写体が人物である以前の撮影機会（不図示）における最終画像撮影日時１０４０との差を算出する。図１０の例では、平均間隔算出部８１４は、直近Ｎ回以前の平均時間間隔を、１２８日７．５分と算出する。

次に、Ｓ１２０６では、選択部８１２は、Ｓ１２０４とＳ１２０５のそれぞれで算出した平均時間各の差分を算出し、当該差分が閾値より大きいか否かを判定する。本実施形態では、閾値を３日とする。従って、Ｓ１２０６で、選択部８１２は、２２時間２８分と１２８日７．５分の差分を計算し、当該差分は閾値よりも大きいと判断する（Ｓ１２０６でＹｅｓ）。この場合、処理はＳ１２０７へ進み、Ｓ１２０４で判定された主被写体を撮影するのに好適なアイテムを選択する。本実施形態では、図９から、人物を撮影するのに好適なアイテムとして、属性種別９３０＝人物に対応するＩＤ９１０＝９０２のアイテム種別９２０＝「EF185mm F1.8 USM」と選択する。一方、Ｓ１２０６で差分が閾値より大きくない場合（Ｓ１２０６でＮｏ）、選択部８１２は、推奨すべきアイテムがないことを決定する。その後、処理は終了する。

図１１のＳ１１０６で推奨部３０３により出力部２０７としてのディスプレイ上に表示される、本実施形態における画面１４００が図１４に示される。画面１４００における領域１４０１には、上述したように、アイテム推奨情報としてのプログラムにより生成された推奨文が示されている。なお、アイテム推奨情報は、同じアイテムであっても、属性が異なる場合は、異なるものとしても良い。

以上説明したように、本実施形態では、現在の日時から直近の複数の撮影機会に撮影された画像群の主被写体が、それ以外の撮影機会に撮影された画像群の主被写体より多く存在する場合に、当該主被写体に好適なアイテムを推奨することを決定する。これにより、ユーザの撮影傾向に変化があった際に、新たな撮影傾向に応じたアイテムの購入を推奨することができる。

なお、本実施形態では画像に付けられているメタデータから主被写体を判断するとしたが、画像の主被写体の判断には、周知の画像解析結果から被写体を判定する等の方法を使用しても良い。また、周知の顔検出の結果、被写体距離、明度、色合い、動きの情報から撮影シーンを判定する既存の手法を利用して判定しても良い。また、本実施形態では主被写体の情報のみを用いて推奨候補アイテムを選択したが、複数の情報により選択された推奨候補アイテムのうち、一定以上の情報により選択されたアイテムのみを推奨候補としても良い。また、複数の情報により選択された推奨候補アイテムすべてを推奨候補としても良い。また、Ｓ１２０２では、撮影機会毎に画像群属性情報が作成されたが、他の基準に基づいてグループ化し、各グループ毎に画像群属性情報が作成されても良い。

＜その他の実施形態＞
上記の実施形態では、アイテム推奨処理は新たな画像が保存された、あるいは新たな推奨候補アイテムの登録が通知された際に実行されるとしたが、所定の間隔で定期的に実行するなど別のタイミングで実施しても良い。また、上記の実施形態では、２つの画像群属性情報管理テーブルが作成されたが、さらに多くの画像群属性情報管理テーブルが作成さても良い。

また、本発明は、上述の実施形態の１以上の機能を実現するプログラムを、ネットワーク又は記憶媒体を介してシステム又は装置に供給し、そのシステム又は装置のコンピュータにおける１つ以上のプロセッサーがプログラムを読出し実行する処理でも実現可能である。また、１以上の機能を実現する回路（例えば、ＡＳＩＣ）によっても実現可能である。

１０１ 管理サーバ、１０２ 画像管理装置、１０３ ネットワーク

Claims (17)

1. 画像の属性情報を取得する取得手段と、
   ユーザに推奨するための撮影機材である候補アイテムを設定する設定手段と、
   第１の時間範囲において撮影された画像を含む第１の画像群の前記候補アイテムに対応する属性情報と、前記第１の時間範囲より前の時間を含む第２の時間範囲において撮影された画像を含む第２の画像群の前記候補アイテムに対応する属性情報とを比較する比較手段と、
   前記比較手段による比較結果が、前記第１の画像群の属性情報と前記第２の画像群の属性情報とに所定の差があるとの結果である場合、前記候補アイテムを、ユーザに推奨するアイテムとして決定する決定手段と、
   を有することを特徴とする情報処理装置。
2. 前記決定手段により決定されたアイテムを、前記ユーザに推奨するために提示する提示手段を更に有することを特徴とする請求項１に記載の情報処理装置。
3. 前記提示手段は、前記決定手段により決定されたアイテムの情報を表示部に表示させることによって前記ユーザに提示することを特徴とする請求項２に記載の情報処理装置。
4. 前記画像の属性情報に基づいて、複数の画像を含む画像群における画像群属性情報を導出する導出手段を更に有し、
   前記比較手段は、前記第１の画像群について前記導出手段が導出した画像群属性情報と、前記第２の画像群について手段が導出した画像群属性情報とを比較することを特徴とする請求項１から３のいずれか１項に記載の情報処理装置。
5. 前記導出手段は、
   前記第１の画像群の画像のうちの、前記候補アイテムに対応する属性情報を有する画像の画像群属性情報を導出する第１の導出手段と、
   前記第２の画像群の画像のうちの、前記候補アイテムに対応する属性情報を有する画像の画像群属性情報を導出する第２の導出手段と、
   を有し、
   前記比較手段は、前記第１の導出手段と前記第２の導出手段のそれぞれにより導出された画像群属性情報を比較することを特徴とする請求項４に記載の情報処理装置。
6. ユーザに推奨するための画像または撮影に関するアイテムを決定するための情報処理装置であって、
   画像の属性情報を取得する取得手段と、
   ユーザに推奨するための撮影機材である候補アイテムを設定する設定手段と、
   前記画像の属性情報に基づいて、複数の画像を含む画像群における画像群属性情報を導出する導出手段と、
   第１の時間範囲において撮影された画像を含む第１の画像群について前記導出手段が導出した画像群属性情報と、前記第１の時間範囲とは異なる第２の時間範囲において撮影された画像を含む第２の画像群について前記導出手段が導出した画像群属性情報とを比較する比較手段と、
   前記比較手段による比較結果に応じて、ユーザに推奨するアイテムを決定する決定手段と、
   を有し、
   前記導出手段は、
   前記第１の画像群の画像のうちの、前記候補アイテムに対応する属性情報を有する画像の画像群属性情報を導出する第１の導出手段と、
   前記第２の画像群の画像のうちの、前記候補アイテムに対応する属性情報を有する画像の画像群属性情報を導出する第２の導出手段と、
   を有し、
   前記比較手段は、前記第１の導出手段と前記第２の導出手段のそれぞれにより導出された画像群属性情報を比較することを特徴とする情報処理装置。
7. 前記導出手段は、
   前記第１の画像群の画像の総数のうちの、前記候補アイテムに対応する属性情報を有する画像の数の割合を前記画像群属性情報として導出する第１の導出手段と、
   前記第２の画像群の画像の総数のうちの、前記候補アイテムに対応する属性情報を有する画像の数の割合を前記画像群属性情報として導出する第２の導出手段と、
   を有し、
   前記比較手段は、前記第１の導出手段と前記第２の導出手段のそれぞれにより導出された前記割合を比較し、
   前記決定手段は、前記割合の差分が閾値より大きい場合に、前記候補アイテムを前記ユーザに推奨するアイテムとして決定することを特徴とする請求項４に記載の情報処理装置。
8. ユーザに推奨するための画像または撮影に関するアイテムを決定するための情報処理装置であって、
   画像の属性情報を取得する取得手段と、
   ユーザに推奨するための撮影機材である候補アイテムを設定する設定手段と、
   前記画像の属性情報に基づいて、複数の画像を含む画像群における画像群属性情報を導出する導出手段と、
   第１の時間範囲において撮影された画像を含む第１の画像群について前記導出手段が導出した画像群属性情報と、前記第１の時間範囲とは異なる第２の時間範囲において撮影された画像を含む第２の画像群について前記導出手段が導出した画像群属性情報とを比較する比較手段と、
   前記比較手段による比較結果に応じて、ユーザに推奨するアイテムを決定する決定手段と、
   を有し、
   前記導出手段は、
   前記第１の画像群の画像の総数のうちの、前記候補アイテムに対応する属性情報を有する画像の数の割合を前記画像群属性情報として導出する第１の導出手段と、
   前記第２の画像群の画像の総数のうちの、前記候補アイテムに対応する属性情報を有する画像の数の割合を前記画像群属性情報として導出する第２の導出手段と、
   を有し、
   前記比較手段は、前記第１の導出手段と前記第２の導出手段のそれぞれにより導出された前記割合を比較し、
   前記決定手段は、前記割合の差分が閾値より大きい場合に、前記候補アイテムを前記ユーザに推奨するアイテムとして決定することを特徴とする情報処理装置。
9. 前記第１の時間範囲は、ユーザに推奨するアイテムを決定しようとするタイミングから直近の所定の期間であり、前記第２の時間範囲は、前記第１の時間範囲より前の所定の期間であることを特徴とする請求項１から８のいずれか１項に記載の情報処理装置。
10. 前記導出手段は、
    前記第１の画像群の画像のうちの、所定の被写体を有する画像を撮影した二つ以上の時間範囲を前記画像群属性情報として導出する第１の導出手段と、
    前記第２の画像群の画像のうちの、前記所定の被写体を有する画像を撮影した二つ以上の時間範囲を前記画像群属性情報として導出する第２の導出手段と、
    を有し、
    前記比較手段は、前記第１の導出手段により導出された時間範囲間の間隔の平均と、前記第２の導出手段により導出された時間範囲間の間隔の平均とを比較し、
    前記決定手段は、当該２つの間隔の平均の差が所定の閾値より大きい場合に、前記所定の被写体の撮影に対応するアイテムを前記ユーザに推奨するアイテムとして決定することを特徴とする請求項４に記載の情報処理装置。
11. ユーザに推奨するための画像または撮影に関するアイテムを決定するための情報処理装置であって、
    画像の属性情報を取得する取得手段と、
    前記画像の属性情報に基づいて、複数の画像を含む画像群における画像群属性情報を導出する導出手段と、
    第１の時間範囲において撮影された画像を含む第１の画像群について前記導出手段が導出した画像群属性情報と、前記第１の時間範囲とは異なる第２の時間範囲において撮影された画像を含む第２の画像群について前記導出手段が導出した画像群属性情報とを比較する比較手段と、
    前記比較手段による比較結果に応じて、ユーザに推奨するアイテムを決定する決定手段と、
    を有し、
    前記導出手段は、
    前記第１の画像群の画像のうちの、所定の被写体を有する画像を撮影した二つ以上の時間範囲を前記画像群属性情報として導出する第１の導出手段と、
    前記第２の画像群の画像のうちの、前記所定の被写体を有する画像を撮影した二つ以上の時間範囲を前記画像群属性情報として導出する第２の導出手段と、
    を有し、
    前記比較手段は、前記第１の導出手段により導出された時間範囲間の間隔の平均と、前記第２の導出手段により導出された時間範囲間の間隔の平均とを比較し、
    前記決定手段は、当該２つの間隔の平均の差が所定の閾値より大きい場合に、前記所定の被写体の撮影に対応するアイテムを前記ユーザに推奨するアイテムとして決定することを特徴とする情報処理装置。
12. 前記所定の被写体の撮影に対応するアイテムは予め決められており、前記所定の被写体の撮影に好適なアイテムであることを特徴とする請求項１０または１１に記載の情報処理装置。
13. 前記所定の被写体は、前記第１の画像群の画像のうちの、最も撮影対象としての頻度が高い被写体であることを特徴とする請求項１０から１２のいずれか１項に記載の情報処理装置。
14. 前記決定手段が決定するアイテムは、レンズ、カメラ本体または三脚であることを特徴とする請求項１から１３のいずれか１項に記載の情報処理装置。
15. 前記決定手段は、
    前記第１の画像群における前記候補アイテムに対応する被写体距離の撮影割合と前記第２の画像群における前記候補アイテムに対応する被写体距離の撮影割合との差が第１の所定の閾値を超えている場合、前記候補アイテムをユーザに推奨するアイテムとして決定する
    ことを特徴とする請求項１から４のいずれか１項に記載の情報処理装置。
16. 画像の属性情報を取得する取得工程と、
    ユーザに推奨するための撮影機材である候補アイテムを設定する設定工程と、
    第１の時間範囲において撮影された画像を含む第１の画像群の前記候補アイテムに対応する属性情報と、前記第１の時間範囲より前の時間を含む第２の時間範囲において撮影された画像を含む第２の画像群の前記候補アイテムに対応する属性情報とを比較する比較工程と、
    前記比較工程における比較結果が、前記第１の画像群の属性情報と前記第２の画像群の属性情報とに所定の差があるとの結果である場合、前記候補アイテムを、ユーザに推奨するアイテムとして決定する決定工程と、
    を有することを特徴とする情報処理装置の制御方法。
17. 請求項１から１５のいずれか１項に記載の情報処理装置としてコンピュータを動作させるためのプログラム。