JP6801242B2 - 位置同定装置、位置同定プログラム、経路特定装置及び経路特定プログラム - Google Patents

Description

本発明は、位置同定装置、位置同定プログラム、経路特定装置及び経路特定プログラムに関する。

特許文献１には、複数の撮影部により互いに異なる撮影範囲で撮影された画像の各々を用いて、処理対象画像に対する利用者対応領域の類似度を求めておき、利用者対応領域が処理対象画像の外縁に接した場合、切替先画像における利用者対応領域の類似度が、処理対象画像に対する利用者対応領域の類似度を超えた場合に、処理対象画像を切替先画像に切り替える技術が開示されている。

特許文献２には、撮影部で撮影された処理対象画像から人の顔画像等の検出対象画像を検出する際に、処理対象画像の輝度を用いて検出対象画像の存在確率分布を示すマップを生成して該マップを用いて、処理対象画像から検出対象画像を検出する技術が開示されている。

特開２０１３−１９６１９９号公報 特開２０１４−８９６２６号公報

本発明は、撮影された画像の特徴量を用いて複数の撮影部に跨って移動する同一の物体を同定する場合に比べて、複数の撮影部の画像位置関係を同定する処理の負荷を軽減することができる位置同定装置、位置同定プログラム、経路特定装置及び経路特定プログラムを提供することを目的とする。

第１態様に係る位置同定装置は、一部が重複した予め定めた異なる撮影範囲を各々撮影する複数の撮影部と、前記複数の撮影部の各々で撮影された撮影画像に含まれる人物の画像位置を示す移動軌跡情報を時系列に蓄積する蓄積部と、前記蓄積部に蓄積された移動軌跡情報を用いて、前記移動軌跡情報により時系列に示される人物の画像位置のうち、画像処理におけるノイズの影響を受ける予め定めた距離の各画像位置を示す移動軌跡情報を除外し、前記複数の撮影部のうちの何れか１つの撮影部による撮影画像の画像位置毎に、該画像位置に人物が撮影された時刻と同時刻に、他の撮影部により撮影された撮影画像の各画像位置に人物が撮影されている確率を導出する導出部と、前記導出部で導出した確率から、複数の撮影部の各々による撮影画像間で共通する画像位置を同定する同定部と、を備える。
第２態様に係る位置同定装置は、第１態様に係る位置同定装置において、前記導出部は、人物が滞留することが予測される予め定めた領域に対して確率を他の領域より低くして前記確率を導出する。

第３態様に係る位置同定装置は、第１態様又は第２態様に記載の位置同定装置において、前記画像位置は、前記撮影画像を、縦横予め定めた形状で分割したグリッドの位置を示すグリッド情報とする。

第４態様に係る位置同定装置は、第１態様から第３態様の何れか１態様に記載の位置同定装置において、前記導出部で導出した確率を記憶する記憶部を含む。

第５態様に係る位置同定プログラムは、一部が重複した予め定めた異なる撮影範囲を各々撮影する複数の撮影部の各々で撮影された撮影画像に含まれる人物の画像位置を示す移動軌跡情報を時系列に蓄積部に蓄積し、前記蓄積部に蓄積された移動軌跡情報を用いて、前記移動軌跡情報により時系列に示される人物の画像位置のうち、画像処理におけるノイズの影響を受ける予め定めた距離の各画像位置を示す移動軌跡情報を除外し、前記複数の撮影部のうちの何れか１つの撮影部による撮影画像の画像位置毎に、該画像位置に人物が撮影された時刻と同時刻に、他の撮影部により撮影された撮影画像の各画像位置に人物が撮影されている確率を導出し、導出された確率から、複数の撮影部の各々による撮影画像間で共通する画像位置を同定する、ことを含む処理をコンピュータに実行させる。
また、第６態様に係る位置同定プログラムは、第５態様に記載の位置同定プログラムであって、人物が滞留することが予測される予め定めた領域に対して確率を他の領域より低くすることを含む処理をコンピュータに実行させる。

第７態様に係る経路特定装置は、前記位置同定装置における前記導出部で導出された確率に基づいて、前記複数の撮影部の各々で撮影された撮影画像に含まれる人物各々について、同一人物である確率を人物各々について算出する算出部と、前記算出部で算出した確率に基づいて、前記同一人物である確率が予め定めた閾値を超えた人物を含む撮影画像を撮影した撮影部の移動軌跡情報を連結して、前記複数の撮影部に跨って移動した人物の移動経路を特定する特定部と、を備える。

第８態様に係る経路特定装置は、第７態様に記載の経路特定装置において、前記算出部は、前記複数の撮影部の各々で撮影された撮影画像に含まれる人物各々の移動軌跡情報が共通する時刻について、前記同一人物である確率を算出する。

第９態様に係る経路特定プログラムは、一部が重複した予め定めた異なる撮影範囲を各々撮影する複数の撮影部の各々で撮影された撮影画像に含まれる人物の画像位置を示す移動軌跡情報を時系列に蓄積した移動軌跡情報を用いて、前記移動軌跡情報により時系列に示される人物の画像位置のうち、画像処理におけるノイズの影響を受ける予め定めた距離の各画像位置を示す移動軌跡情報を除外し、前記複数の撮影部のうちの何れか１つの撮影部による撮影画像の画像位置毎に、該画像位置に人物が撮影された時刻と同時刻に、他の撮影部により撮影された撮影画像の各画像位置に人物が撮影されている確率を導出する導出部で導出された確率に基づいて、前記複数の撮影部の各々で撮影された撮影画像に含まれる人物各々について、同一人物である確率を人物各々について算出し、算出した同一人物である確率に基づいて、前記同一人物である確率が予め定めた閾値を超えた人物を含む撮影画像を撮影した撮影部の移動軌跡情報を連結して、前記複数の撮影部に跨って移動した人物の移動経路を特定することを含む処理をコンピュータに実行させる。
第１０態様は、第９態様に係る経路特定プログラムであって、人物が滞留することが予測される予め定めた領域に対して確率を他の領域より低くすることを含む処理をコンピュータに実行させる。

第１態様の位置同定装置によれば、撮影された画像の特徴量を用いて複数の撮影部に跨って移動する同一の物体を同定する場合に比べて、複数の撮影部の撮影位置関係を同定する処理の負荷を軽減することができる。

第３態様の位置同定装置によれば、撮影画像を分割したグリッドの位置を示すグリッド情報を用いない場合に比べて、複数の撮影部同士の撮影位置を同定する処理に要する負荷を軽減することができる。

第４態様の位置同定装置によれば、導出した確率を記憶部に記憶しない場合に比べて、複数の撮影部同士の撮影位置を同定する処理に要する負荷を軽減することができる。

第５態様の位置同定プログラムによれば、撮影された画像の特徴量を用いて複数の撮影部に跨って移動する同一の物体を同定する場合と比較して、複数の撮影部の撮影位置関係を同定する処理の負荷を軽減することができる。

第７態様の経路特定装置によれば、撮影された画像の特徴量を用いて複数の撮影部に跨って移動する同一の物体を特定する場合に比べて、複数の撮影部に跨って移動する同一の物体の移動経路を特定する処理の負荷を軽減することができる。

第８態様の経路特定装置によれば、複数の撮影部において人物が撮影された共通する時刻に同一人物である確率を算出しない場合に比べて、複数の撮影部間で同一人物の移動経路を特定する処理に要する負荷を軽減することができる。

第９態様の経路特定プログラムによれば、撮影された画像の特徴量を用いて複数の撮影部に跨って移動する同一の物体を特定する場合に比べて、複数の撮影部に跨って移動する同一の物体の移動経路を特定する処理の負荷を軽減することができる。

第１実施形態に係る位置同定装置を用いることが可能な環境の一例を示すイメージ図である。 第１実施形態に係る制御装置を実現可能なコンピュータの一例を示すブロック図である。 第１実施形態に係る位置同定処理の流れの一例を示すフローチャートである。 第１実施形態に係る第１カメラの撮影画像に対して設定するグリッド枠の一例を示すイメージ図である。 第１実施形態に係る第１カメラの撮影画像に対して設定するグリッド枠の一例を示すイメージ図である。 第１実施形態に係る蓄積装置に蓄積されるトラッキングデータの一例を示すイメージ図である。 第１実施形態に係る確率マップを生成するための前処理の流れの一例を示すフローチャートである。 第１カメラにおけるトラッキングデータによる移動軌跡の一例を示すイメージ図である。 第２カメラにおけるトラッキングデータによる移動軌跡の一例を示すイメージ図である。 第１カメラ及び第２カメラにおける各利用者の移動軌跡を連結する過程を示すイメージ図である。 第３実施形態に係る経路特定処理の流れの一例を示すフローチャートである。 第１カメラ及び第２カメラにおける各利用者の詳細な移動軌跡を連結する過程を示すイメージ図である。 第４実施形態に係る経路特定処理の流れの一例を示すフローチャートである。 第１カメラの撮影画像に対して設定するグリッド枠において、第２カメラ及び第３カメラのグリッドに対応関係が高いグリッド領域の一例を示すイメージ図である。

以下、図面を参照して本発明の実施形態に係る位置同定装置の一例を詳細に説明する。

［第１実施形態］
図１に、第１実施形態に係る位置同定装置１０を用いることが可能な、店舗などの施設内を複数の撮影部により撮影する環境の一例を正面側から見た概略図として示す。第１実施形態では、撮影画像から施設内を移動する利用者を追跡して、複数の撮影部間で共通する撮影位置を同定するものである。

図１に示すように、位置同定装置１０は、第１カメラ１４及び第２カメラ１６が接続された制御装置１２を含んでいる。図１には、第１カメラ１４及び第２カメラ１６が、店舗などの施設２０内の天井に設置された環境の一例が示されている。また、第１実施形態では、第１カメラ１４及び第２カメラ１６は、施設２０内を広範囲に撮影可能とするために、等距離射影方式によるフィッシュアイ等の撮影レンズを用いた場合を説明する。しかし、第１カメラ１４及び第２カメラ１６の撮影レンズは、フィッシュアイ等の撮影レンズに限定されるものではなく、広角レンズや標準レンズを用いてもよい。

なお、第１カメラ１４の撮影範囲と第２カメラ１６の撮影範囲は、少なくとも一部が重複されて設置されるものとする。しかし、第１カメラ１４及び第２カメラ１６は、画角又は撮影範囲の設定処理等のカメラの詳細な初期設定を行わずに、撮影方向を概ね定めて設置される。例えば、図１に示すように、第２カメラ１６を設定する際に、設置時の画角が、画角θａ又は画角θｂによって撮影範囲が異なることになる。これは、詳細は後述するが、第１カメラ１４及び第２カメラ１６のマッチング処理を実施することで、第１カメラ１４及び第２カメラ１６の詳細な初期設定を不要とするためである。

また、第１実施形態では、第１カメラ１４及び第２カメラ１６の２つのカメラを用いた場合を説明するが、カメラの数量は２つに限定されるものではなく、３つ以上でもよい。また、カメラの設置は、施設２０内の天井に限定されるものではなく、壁面に設置してもよく、また床面に自立型で設置してもよい。

図２に、制御装置１２を実現可能なコンピュータの一例をコンピュータ３０として示す。コンピュータ３０はＣＰＵ３２、ＲＡＭ３４、ＲＯＭ３６、および入出力ポート（Ｉ／Ｏ）４０を備え、これらはバス４２を介して互いに接続されている。また、Ｉ／Ｏ４０には、蓄積装置４４、ディスプレイ４６、キーボードなどの入力装置４８、及び現在時刻を報知するタイマ５０が接続されている。なお、Ｉ／Ｏ４０には、第１カメラ１４及び第２カメラ１６も接続されている。

蓄積装置４４、ＨＤＤ(Hard Disk Drive)や不揮発性のフラッシュメモリ等によって実現できる。詳細は後述するが、蓄積装置４４には、マップ格納部４４Ｍと、トラッキングデータ格納部４４Ｔが設定されている。マップ格納部４４Ｍは、第１カメラ１４及び第２カメラ１６の間で撮影画像内の位置が共通の位置であることの確からしさを示す確率マップを格納するための領域である。トラッキングデータ格納部４４Ｔは、撮影画像における利用者の位置を示す時系列のデータ（撮影画像上の座標及び時間情報）を格納するための領域である。また、ＲＯＭ３６には、コンピュータ３０を制御装置１２として機能させるための制御プログラム３８が記憶されている。ＣＰＵ３２は、制御プログラム３８をＲＯＭ３６から読み出してＲＡＭ３４に展開して処理を実行する。これにより、制御プログラム３８を実行したコンピュータ３０は図１に示す制御装置１２として動作する。

次に、制御装置１２として機能するコンピュータ３０の動作を説明する。

図３に、ＣＰＵ３２により制御プログラム３８が実行されて制御装置１２として機能するコンピュータ３０の位置同定処理の流れの一例を示す。ＣＰＵ３２は、ユーザにより指示された際、または定期的に図３に示す処理ルーチンを実行する。

まず、ステップＳ１００で、ＣＰＵ３２は、第１カメラ１４及び第２カメラ１６の各々にグリッド枠を設定する。ステップＳ１００は、位置同定処理における演算量を削減するために実行される。なお、より詳細に位置同定処理を実行する場合は、グリッド枠の設定は不要である。

図４に、第１カメラ１４の撮影画像に対して設定する、縦横に複数のグリッドＧを有するグリッド枠１５の一例を示す。フィッシュアイ等の撮影レンズにより撮影した第１カメラ１４の撮影画像は略円形となる。その第１カメラ１４の撮影画像に対して設定する、グリッド枠１５は、第１カメラ１４のレンズ歪係数等の設計データに基づき、実平面上で各グリッドＧの面積が同一となるように、定められる。また、本実施形態では、位置同定処理における演算量をさらに削減するため、第１カメラ１４の撮影画像に対して設定するグリッド枠１５は、第１カメラ１４の撮影画像の予め定めた主要領域（図４に示す太線で囲まれた領域）内に対して設定するグリッド枠１５Ｍを用いる。図５に、第１カメラ１４の撮影画像に対して設定するグリッド枠１５Ｍを示す。以下の説明では、第２カメラ１６の撮影画像に対して設定するグリッド枠は、グリッド枠１７Ｍとして説明する。

次に、図３に示すステップＳ１０２では、第１カメラ１４及び第２カメラ１６の各撮影画像を取得する。次のステップＳ１０４では、既知の画像処理によって、各撮影画像内に新たに出現した利用者を検出し、利用者ＩＤを付与し、かつ付与された利用者ＩＤの利用者に対してトラッキングを開始する。このトラッキングとは、利用者の移動に伴って撮影画像上の位置が変化する状態を、利用者の移動軌跡として取得する処理である。次にステップＳ１０６では、撮影画像内に存在する利用者の移動軌跡を、蓄積装置４４に蓄積する。

本実施形態では、利用者の移動軌跡として、利用者の予め定めた部位（例えば頭部）が撮影画像内に存在する代表的な位置座標を、時系列に取得し、移動軌跡を示す情報としてトラッキングデータを蓄積装置４４に蓄積する。なお、トラッキングデータは、取得した撮影画像内に存在する利用者の頭部の位置を示す撮影画像上の座標と、その撮影画像を取得した時間情報とを対応付けて蓄積する。つまり、ステップＳ１０６では、タイマ５０から現在時間を取得し、かつ第１カメラ１４及び第２カメラ１６の其々でトラッキングされている利用者の位置座標に、現在時間を対応付けて、蓄積装置４４に蓄積する。具体的には、トラッキングデータが、蓄積装置４４に設定されたトラッキングデータ格納部４４Ｔに格納される。従って、撮影画像における利用者の位置を時系列に示すトラッキングデータが蓄積される。

図６に、蓄積装置４４に蓄積されるトラッキングデータの一例を示す。図６（Ａ）は、第１カメラ１４におけるトラッキングデータを示し、図６（Ｂ）は、第２カメラ１６におけるトラッキングデータを示した。なお、図６では、利用者の頭部の位置を示す撮影画像上の座標を蓄積した場合の一例を示すが、撮影画像上の座標に代えて、当該座標が含まれるグリッド枠内のグリッドＧの位置を示す情報を蓄積してもよい。図６（Ａ）では第１カメラ１４におけるグリッドＧの位置を「Ａｉ」で示し、図６（Ｂ）では第２カメラ１６におけるグリッドＧの位置を「Ｂｊ」で示した。

また、図８に、第１カメラ１４におけるトラッキングデータによる利用者（ＩＤ：Ａ−００１）の移動軌跡の一例を示し、図９に、第２カメラ１６におけるトラッキングデータによる利用者（ＩＤ：Ｂ−００１）の移動軌跡の一例を示した。なお、図８及び図９では、縦横等倍の比率撮影画像、つまりグリッド枠が撮影レンズの歪係数等の設計データから、実平面上で各グリッドＧが四角形となるように、座標変換した結果の撮影画像にグリッド枠を設定したイメージを示している。また、図８では、利用者の頭部の位置を節点Ｄａ１〜節点Ｄａ４で示した。また、図９では、利用者の頭部の位置を節点Ｄｂ１〜節点Ｄｂ４で示した。図８及び図９に示す一例では、第１カメラ１４におけるトラッキングデータによる利用者（ＩＤ：Ａ−００１）の移動軌跡と、第２カメラ１６におけるトラッキングデータによる利用者（ＩＤ：Ｂ−００１）の移動軌跡との相関関係を見出すことはできない。

次に、図３に示すように、ＣＰＵ３２は、ステップＳ１０８で、現在状態が予め定めた条件に適合するかを判定する。本実施形態では、予め定めた条件として、トラッキングデータを蓄積装置４４に蓄積した期間、例えば一週間等の時刻期間を定めている。つまり、蓄積装置４４へトラッキングデータの蓄積を開始した時間ｔ１から最終の時間ｔｍ（図６）が一週間を経過した際に、ステップＳ１０８で肯定判定される。ステップＳ１０８で否定判定された場合、ステップＳ１０２へ処理を戻し、トラッキングデータの蓄積を繰り返す。

ステップＳ１０８で肯定判定された場合、ステップＳ１１０〜ステップＳ１１８で、第１カメラ１４及び第２カメラ１６の其々に対して、第１カメラ１４及び第２カメラ１６の一方で撮影された利用者が他方で撮影されたことの確からしさを示すマップが作成される。

まず、ステップＳ１１０で、第１カメラ１４の撮影画像に設定されたグリッド枠１５Ｍのグリッド単位で、第１カメラ１４で観測された利用者が第２カメラ１６で観測された確率を演算する。具体的には、蓄積装置４４に蓄積されたトラッキングデータを用いて、第１カメラ１４の撮影画像に設定された特定のグリッドＡｉに利用者が観測された際、第２カメラ１６の撮影画像に設定された特定のグリッドＢｊで利用者が観測された確率Ｐ（Ａｉ，Ｂｊ）を演算する。この確率Ｐの演算を、第１カメラ１４の撮影画像に設定された複数のグリッドの各々について行う、つまり、ステップＳ１１２で肯定判定されるまで、ステップＳ１１０の処理を繰り返し行う。

このようにすることで、第１カメラ１４と第２カメラ１６の重複する撮影エリアに含まれるグリッド同士の対応関係を同定することができる。つまり、重複する撮影エリアの或る位置に利用者が立っている場合、その利用者は第１カメラ１４の或るグリッド（グリッドＡｉ）と第２カメラ１６の撮影画像中の対応するグリッド（グリッドＢｊ）の両方に撮影されることになる。すなわち、第１カメラ１４のグリッドＡｉに人が撮影されていた場合、同じタイミングの第２カメラ１６の撮影画像中のグリッドＢｊには、必ずその同じ人が撮影されているはずである。そのため、一方のカメラで撮影した画像中の或る位置に対象物が撮影されているときの、他方のカメラの撮影画像の分割領域毎に、物体が撮影されている確率を求めた場合に、対応する位置において、物体が撮影されている確率が高く検出されることになる。このような確率を検出することで、複数のカメラで撮影した画像中の、同じ位置として対応する位置同士を検出することが可能となる。

確率Ｐの演算の一例を説明する。まず、第１カメラ１４の撮影画像に設定された任意のグリッドＡｉを特定する。特定したグリッドＡｉにおいて、第１カメラ１４のトラッキングデータで、利用者が観測された時間を特定する。特定した観測時間と同一の時間である第２カメラ１６のトラッキングデータから、第２カメラ１６で利用者が観測されたグリッドを導出する。導出された第２カメラ１６によるグリッド総数を分母とし、導出したグリッドの数を分子とした値を、確率Ｐ（Ａｉ，Ｂｊ）の値とする。以上の処理を、第１カメラ１４の撮影画像に設定された複数のグリッドの各々について行う。これにより、第１カメラ１４におけるグリッドＡｉに利用者が観測された際、第２カメラ１６におけるグリッドＢｊで利用者が観測された確からしさの度合いを示す確率Ｐ（Ａｉ，Ｂｊ）を演算できる。

次に、第２カメラ１６におけるグリッドに対する第１カメラ１４におけるグリッドの確率Ｐ（Ｂｊ，Ａｉ）を演算する。つまり、ステップＳ１１０及びステップＳ１１２と同様に、ステップＳ１１４で、第２カメラ１６の撮影画像に設定されたグリッド枠１７Ｍのグリッド単位で、第２カメラ１６で観測された利用者が第１カメラ１４で観測された確率を演算する処理を、ステップＳ１１６で肯定判定されるまで繰り返し行う。

次のステップＳ１１８では、ステップＳ１１０で演算したグリッド単位の確率Ｐ（Ａｉ，Ｂｊ）を第１カメラ１４の確率マップとし、ステップＳ１１４で演算したグリッド単位の確率Ｐ（Ｂｊ，Ａｉ）を第２カメラ１６の確率マップとして生成し、各々の確率マップを蓄積装置４４に格納する。つまり、第１カメラ１４及び第２カメラ１６の間で撮影画像内の位置が共通の位置であることの確からしさを示す確率マップを、蓄積装置４４に設定されたマップ格納部４４Ｍに格納する。具体的には、第１カメラ１４の各グリッドに対する第２カメラ１６の全グリッドの各々の確からしさを第１カメラ１４の確率マップとし、第２カメラ１６の各グリッドに対する第１カメラ１４の全グリッドの各々の確からしさを第２カメラ１６の確率マップとしてマップ格納部４４Ｍに格納する。

次のステップＳ１２０では、蓄積装置４４に格納した第１カメラ１４の確率マップと、第２カメラ１６の確率マップとを用いて、第１カメラ１４及び第２カメラ１６のマッチング処理を行った後に、本処理ルーチンを終了する。

第１カメラ１４及び第２カメラ１６のマッチング処理は、第１カメラ１４及び第２カメラ１６の撮影画像上の共通の位置関係を同定する処理である。つまり、第１カメラ１４及び第２カメラ１６で共通するグリッド対を同定することである。具体的には、確率マップにおいて、最も確率が高い第１カメラ１４に設定されたグリッドと第２カメラ１６に設定されたグリッドとのグリッド対を、共通の位置関係にあるグリッド対として同定する。この場合、第１カメラの確率マップ又は第２カメラ１６の確率マップを用いることで処理してもよいが、第１カメラの確率マップ及び第２カメラ１６の確率マップの両方を用いて、グリッド対を特定することができる。例えば、第１カメラの確率マップによる確率が高い複数のグリッド対からなる第１群と、第２カメラ１６の確率マップによる確率が高い複数のグリッド対からなる第２群と、を求め、第１群と第２群のうち、最も確率が高いグリッド対を共通の位置関係にあるグリッド対として同定すればよい。

以上の処理により、利用者が観測された確からしさの度合いから、第１カメラ１４で撮影された撮影画像の領域と、第２カメラ１６で撮影された撮影画像の領域との間で、共通の領域を同定することができる。従って、第１カメラ１４及び第２カメラ１６の各々の間で相対位置関係を設定する等の詳細な初期設定を実施することは不要である。

上述のようにして求めた第１カメラ１４の確率マップ、及び第２カメラ１６の確率マップは、利用者が滞留する任意の領域に対応するグリッドに対して、確率が高くなる傾向になる。例えば、店舗等の施設では、費用の清算を行う場所に、利用者や清算処理を行う店員が滞留することが考えられる。例えば、第１カメラ１４が店舗内のある領域を撮影していて、それと重複する領域を第２カメラ１６でも撮影しているとする。このとき、清算所（所謂レジが設置された位置）が、第２カメラ１６の撮影領域には含まれているが、第１カメラ１４の撮影領域外だったとする。このような場合に、第１カメラ１４と第２カメラ１６の重複領域に人がいたとすると、第１カメラ１４の撮影画像中のその位置に人が撮影される。同じタイミングに第２カメラ１６で撮影された画像では、重複領域中の対応する位置だけでなく、清算所周辺にも人が検出されることになる。このように人が絶えず滞留する位置は、重複領域でないにも関わらず、同時存在確率が高く検出されるような誤検出を生じる原因となる場合がある。そこで、利用者が滞留することが予測される領域に対しては、確率Ｐを低くするように設定することが好ましい。つまり、複数のカメラをまたがって移動することが想定され、そのような移動を検出する対象とする物体（本実施形態の場合には、店舗内の客等）が、複数のカメラによる撮影画像中に同時に検出される位置によって、カメラ間の位置を同定するのであり、狭い範囲に留まることが想定される物体（本実施形態の場合、店員など）による誤った確率検出を除外することで、本実施形態では、より位置同定の精度を向上することが可能となる。

また、利用者の移動軌跡であるトラッキングデータにおいて、時系列の利用者の位置が極端に離れている場合、画像処理におけるノイズなどによる影響を受けた可能性が高く、時系列中に極端に離れた位置を含む移動軌跡は確率演算から除外することが好ましい。
また、利用者の移動軌跡であるトラッキングデータにおいて、長時間の間で利用者の位置が変化していない場合も、画像処理におけるノイズなどによる影響を受けた可能性が高く、確率演算から除外することが好ましい。

そこで、第１実施形態では、確率マップを生成する前に、利用者が滞留することが予測される領域に対して確率Ｐを低くする処理、及びトラッキングデータにおけるノイズの可能性を含む移動軌跡を確率演算から除外する処理として、前処理を行っている。

図７に、確率マップを生成するための前処理の流れの一例を示す。図７に示す処理ルーチンは、図３に示すステップＳ１０８とステップＳ１１０との間に処理を実行する。

図７に示す前処理では、ＣＰＵ３２がステップＳ１３０で、確率演算に対する付与係数Ｗを設定する。付与係数Ｗは、グリッドに対する確率Ｐの分散Ｕを示す変数であり、確率Ｐを演算する際に付与されるものである。次のステップＳ１３２では、トラッキングデータを取得し、次のステップＳ１３４で、取得したトラッキングデータにおける座標間の距離Ｌを演算する。次のステップＳ１３６では、距離Ｌが予め定めた閾値を超えた位置座標のデータ及び長時間の間で利用者の位置が変化していないこと（Ｌがほぼ零）を示す位置座標のデータを除外する設定をおこなって、本処理ルーチンを終了する。

これによって、利用者が滞留することが予測される領域に対して確率Ｐを低くでき、またトラッキングデータにおけるノイズの可能性を含む移動軌跡を確率演算から除外することができる。

［第２実施形態］
次に、第２実施形態を説明する。第２実施形態は、第１実施形態と同様の構成のため、同一部分には同一符号を付して詳細な説明を省略する。なお、第２実施形態では、グリッド間の距離、つまり撮影した撮影画像に設定されるグリッド間の実際の距離が予め既知であるものとする。

第２実施形態では、図３に示すステップＳ１２０の処理において、第１カメラ１４及び第２カメラ１６の間の距離を導出する。具体的には、第１カメラ１４及び第２カメラ１６のマッチング処理で同定した、第１カメラ１４及び第２カメラ１６で共通するグリッド対を複数抽出する。抽出した複数のグリッド対について、既知のグリッド間の実際の距離を用いて、特開２０１３−１６８０８９号公報等に記載の既知の三角測量演算によって、第１カメラ１４及び第２カメラ１６の間の距離を導出する。

これにより、第１カメラ１４及び第２カメラ１６の設置時に、第１カメラ１４及び第２カメラ１６の間の距離を計測する処理を省略することができる。

［第３実施形態］
次に、第３実施形態を説明する。第３実施形態は、第１実施形態と同様の構成のため、同一部分には同一符号を付して詳細な説明を省略する。

前記実施形態で説明した第１カメラ１４で撮影された撮影画像の領域と、第２カメラ１６で撮影された撮影画像の領域との間で、共通の領域を同定することによって、利用者の移動軌跡（トラッキング）を連結することができる。つまり、上記実施形態で導出した確率マップを用いて、第１カメラ１４で撮影された撮影画像における移動軌跡と、第２カメラ１６で撮影された撮影画像における移動軌跡とを連結することができる。

図１０に、利用者の移動軌跡（トラッキング）を連結する過程を示す。図１０（Ａ）は第１カメラ１４で撮影された撮影画像に含まれる利用者の移動軌跡を示し、図１０（Ｂ）は第２カメラ１６で撮影された撮影画像に含まれる利用者の移動軌跡を示す。また、図１０（Ｃ）は第１カメラ１４による移動軌跡の利用者と、第２カメラ１６による移動軌跡の利用者とが同一の利用者であった場合に移動軌跡（トラッキング）を連結した概念を示した。

図１０に示すように、確率マップから同定されたグリッド対で、撮影画像を重畳することで、同一の利用者についての移動軌跡を、複数のカメラの各々で撮影された複数画像に亘って連結することができる。従って、第１カメラ１４及び第２カメラ１６に跨って移動した人物の移動経路を特定することができる。

そこで、本実施形態では、第１実施形態で導出した確率マップを用いて、第１カメラ１４及び第２カメラ１６に跨って移動した人物の移動経路を特定する。以下、人物の移動経路を特定する経路特定装置を詳細に説明する。

次に、本実施形態に係る経路特定装置として機能するコンピュータ３０の動作を説明する。

図１１に、ＣＰＵ３２により制御プログラム３８が実行されて、制御装置１２が経路特定装置として機能するコンピュータ３０の経路特定処理の流れの一例を示す。ＣＰＵ３２は、ユーザにより指示された際、または定期的に図１１に示す処理ルーチンを実行する。

まず、ステップＳ１４０で、ＣＰＵ３２は、図３に示すステップＳ１００〜ステップＳ１１８と同様の処理を実行して導出された第１カメラ１４及び第２カメラ１６の各々確率マップを記憶する。つまり、第１カメラ１４の各グリッドに対する第２カメラ１６の全グリッドの各々の確からしさを第１カメラ１４の確率マップとし、第２カメラ１６の各グリッドに対する第１カメラ１４の全グリッドの各々の確からしさを第２カメラ１６の確率マップとしてマップ格納部４４Ｍに格納する。なお、ステップＳ１４０の処理は、経路特定処理に用いる確率マップを導出する処理であり、事前に確率マップを導出済みの場合には、ステップＳ１４０の処理は不要である。

次のステップＳ１４２では、図３のステップＳ１０４及びステップＳ１０６と同様に、第１カメラ１４及び第２カメラ１６の各撮影画像を取得し、撮影画像内に存在する利用者の移動軌跡を、蓄積装置４４に蓄積（トラッキングデータ格納部４４Ｔに格納）する。なお、ステップＳ１４２の処理は、リアルタイムで移動する利用者を含めて移動経路を特定する場合に、継続的に移動軌跡をトラッキングデータとして蓄積する処理であり、事前に蓄積済（格納済）の移動軌跡から利用者を特定する場合には、トラッキングデータ格納部４４Ｔからデータを取得するのみで良く、ステップＳ１４２の処理は不要である。

次のステップＳ１４４では、第１カメラ１４で観測された利用者のうち１利用者Ｒを設定する。つまり、ステップＳ１４４では、トラッキングデータ格納部４４Ｔから第１カメラ１４のトラッキングデータを取得し、取得したトラッキングデータ（総数Ｒｍａｘ）の何れかを第１カメラ１４における利用者Ｒのトラッキングデータとして抽出する。また、ステップＳ１４４では、利用者Ｒのトラッキングデータにおける観測時間を第１カメラ１４の観測時間に設定する。

次のステップＳ１４６では、第２カメラ１６で観測された利用者のうち１利用者Ｖを設定する。つまり、ステップＳ１４６では、トラッキングデータ格納部４４Ｔから第２カメラ１６のトラッキングデータを取得し、取得したトラッキングデータ（総数Ｖｍａｘ）の何れかを第２カメラ１６における利用者Ｖのトラッキングデータとして抽出する。また、ステップＳ１４４では、利用者Ｒのトラッキングデータにおける観測時間を第１カメラ１４の観測時間に設定する。

次に、ステップＳ１４８では、ステップＳ１４４で設定した第１カメラ１４における利用者Ｒのトラッキングデータと、ステップＳ１４６で設定した第２カメラ１６における利用者Ｖのトラッキングデータとについて、観測時間が共通の時刻範囲Ｔｔｈを求める。時刻範囲Ｔｔｈは、第１カメラ１４で利用者Ｒが観測された時刻に、第２カメラ１６で利用者Ｖが観測された時刻範囲であり、利用者Ｒ及び利用者Ｖが第１カメラ１４及び第２カメラ１６で共通に観測された可能性が高い。従って、時刻範囲Ｔｔｈについて、利用者Ｒ及び利用者Ｖが第１カメラ１４及び第２カメラ１６で共通に観測された確かさを求めることで、トラッキングデータの全ての観測時間について求める場合に比べて処理負荷を抑制できる。

そこで、次のステップＳ１５０では、各確率マップを用いて、利用者Ｒ及び利用者Ｖが第１カメラ１４及び第２カメラ１６で共通に観測された同一人物である確からしさを示す同一性Ｍｒｖを求める。同一性Ｍｒｖは、例えば、次の（１）式及び（２）式を用いた同一性演算によって求めることができる。

（１）式では、時刻ｔにおいて第１カメラ１４による画像位置（グリッドＡｉ）及び第２カメラ１６による画像位置（グリッドＢｊ）に共通に利用者が存在する確からしさを示す確率Ｐｔを求めることができる。具体的には、トラッキングデータにおける節点の時刻ｔについて、第１カメラ１４の確率マップから取得した第１カメラ１４のグリッドＡｉに存在する利用者に対して第２カメラ１６のグリッドＢｊに存在する確かさを示す第１項の確率Ｐ（Ａｉ，Ｂｊ）と、第２カメラ１６の確率マップから取得した第２カメラ１６のグリッドＢｉに存在する利用者に対して第１カメラ１４のグリッドＡｊに存在する確かさを示す第２項の確率Ｐ（Ｂｊ，Ａｉ）とを乗算して、確率Ｐｔを求める。なお、時刻ｔは、ステップＳ１４８で求めた時刻範囲Ｔｔｈ内の時刻である。

（２）式では、第１カメラ１４のトラッキングデータによる移動経路で観測された利用者Ｒと、第２カメラ１６のトラッキングデータによる移動経路で観測された利用者Ｖとが同一人物である確からしさを示す同一性Ｍｒｖを求めることができる。具体的には、（１）式で求めた時刻範囲Ｔｔｈ内の各時刻ｔにおける確率Ｐｔの直積を演算する。また、求めた同一性Ｍｒｖは、ステップＳ１４４で設定した第１カメラ１４の利用者Ｒ（トラッキングデータ）と、ステップＳ１４６で設定した第２カメラ１６の利用者Ｖ（トラッキングデータ）との組み合わせに対応付けて蓄積装置４４に格納する。

次のステップＳ１５２では、第２カメラ１６で観測された利用者（トラッキングデータ）の全てについて、ステップＳ１４６〜ステップＳ１５０の処理を完了したか否かを判断する。ステップＳ１５２で否定判断した場合は、ステップＳ１４６へ戻り、未処理の第２カメラ１６で観測された利用者について、ステップＳ１４６〜ステップＳ１５０の処理を実行する。一方、ステップＳ１５２で肯定判断した場合は、ステップＳ１５４へ処理を移行し、同一性Ｍｒｖの値が予め定めた閾値Ｍｏを超えた（Ｍｒｖ＞Ｍｏ）か否かを判断する。閾値Ｍｏは、第１カメラ１４の利用者Ｒと、第２カメラ１６の利用者Ｖとが同一人物と判断する判断基準の値として予め実験によって求めた値である。

ステップＳ１５４で肯定判断した場合（Ｍｒｖ＞Ｍｏ）、ステップＳ１５６において利用者Ｒ及び利用者Ｖが同一人物と判定し、ステップＳ１６０へ処理を移行する。一方、ステップＳ１５４で否定判断した場合（Ｍｒｖ≦Ｍｏ）、ステップＳ１５８において利用者Ｒ及び利用者Ｖが相違人物と判定し、ステップＳ１６０へ処理を移行する。なお、ステップＳ１５６では、判定結果を、第１カメラ１４の利用者Ｒのトラッキングデータと第２カメラ１６の利用者Ｖのトラッキングデータとの組み合わせに対応付けて蓄積装置４４に格納する。

ところで、第１カメラ１４で観測された利用者Ｒに共通する利用者として第２カメラ１６で観測された利用者Ｖは、１利用者であることが好ましい。つまり、利用者Ｒと利用者Ｖとは１対１の対応であることが望ましい。そこで、ステップ１５４において、利用者Ｒ及び利用者Ｖの複数の組み合わせが同一人物と判定された場合、複数の組み合わせから同一人物である確からしさが高い組み合わせを設定する。例えば、同一性Ｍｒｖの値が最大値となる利用者Ｒ及び利用者Ｖの組み合わせを設定する処理を、ステップＳ１５４に加えればよい。

次のステップＳ１６０では、第１カメラ１４で観測された利用者（トラッキングデータ）の全てについて、ステップＳ１４４〜ステップＳ１５８の処理を完了したか否かを判断する。ステップＳ１６０で否定判断した場合は、ステップＳ１４４へ戻り、未処理の第１カメラ１４で観測された利用者について、ステップＳ１４４〜ステップＳ１５８の処理を実行する。一方、ステップＳ１６０で肯定判断した場合は、ステップＳ１６２へ処理を移行し、同一人物と判定された第１カメラ１４の利用者Ｒのトラッキングデータと、第２カメラ１６の利用者Ｖのトラッキングデータとを連結して本処理ルーチンを終了する。

図１２に、利用者の移動軌跡（トラッキング）を連結して利用者の移動経路を特定する過程を示す。図１２は、図１０をより詳細に示した一例であり、図１２（Ａ）は第１カメラ１４で撮影された撮影画像に含まれる利用者Ｒの移動軌跡ＴＲＲを示し、図１２（Ｂ）は第２カメラ１６で撮影された撮影画像に含まれる利用者Ｖの移動軌跡ＴＲＶを示す。また、図１２（Ｃ）は利用者Ｒ及び利用者Ｖの移動軌跡を連結して、第１カメラ１４及び第２カメラ１６の撮影範囲に跨って移動した人物の移動経路ＴＲを示した。

図１２（Ａ）に示すように、利用者Ｒは、グリッド単位で、節点（例えば、頭部の位置）Ｄａ０１〜節点Ｄａ０７へ移動している。また、図１２（Ｂ）に示すように、利用者Ｖは、グリッド単位で、節点（例えば、頭部の位置）Ｄｂ０１〜節点Ｄｂ０９へ移動している。図１２に示す例では、各々観測時間が共通の時刻範囲Ｔｔｈを含む第１カメラ１４における利用者Ｒのトラッキングデータによる移動軌跡ＴＲＲ、及び第２カメラ１６における利用者Ｖのトラッキングデータによる移動軌跡ＴＲＶを示した。また、図１２では、時刻範囲Ｔｔｈにおける第１カメラ１４の利用者Ｒの移動軌跡ＴＲＲを、節点Ｄａ０４〜節点Ｄａ０７の範囲で示し、第２カメラ１６の利用者Ｖの移動軌跡ＴＲＶを、節点Ｄａ０４〜節点Ｄａ０４の範囲で示した。なお、利用者が観測された確からしさの度合いから、第１カメラ１４で撮影された撮影画像の領域と、第２カメラ１６で撮影された撮影画像の領域との間で、共通の領域を同定することができる。この共通の領域を領域Ａｒｅａとして示した。

ここで、図１２（Ａ）に示す領域Ａｒｅａに含まれる移動軌跡ＴＲＲと、図１２（Ｂ）に示す領域Ａｒｅａに含まれる移動軌跡ＴＲＶとは、同一性Ｍｒｖの値が閾値Ｍｏを超え、利用者Ｒ及び利用者Ｖが同一人物であると判定される。従って、移動軌跡ＴＲＲと、移動軌跡ＴＲＶとを、重複部分を重ねて連結することにより、同一人物であると判定した利用者の移動経路ＴＲを形成できる。この移動経路ＴＲは、第１カメラ１４及び第２カメラ１６の撮影範囲に跨って移動した人物の移動経路として特定することができる。

以上説明したように、本実施形態では、利用者が複数のカメラで共通して観測される確からしさの度合い（確率マップ）から、第１カメラ１４による利用者Ｒの移動軌跡と、第２カメラ１６による利用者Ｖの移動軌跡との各々で、共通する同一の利用者を判定することができる。このように確率マップを用いて同一の利用者を判定しているので、第１カメラ１４及び第２カメラ１６の撮影範囲に跨って移動する利用者の移動経路を特定する処理の負荷を軽減することができる。

なお、本実施形態では、確率マップを蓄積装置４４に格納し、かつトラッキングデータを蓄積装置４４に格納した後に、トラッキングデータを連結する場合を説明したが、本発明はこれに限定されるものではない。例えば、確率マップ及びトラッキングデータを予めＨＤＤや不揮発性のフラッシュメモリ等の格納装置に格納しておき、格納装置から読み取った確率マップ及びトラッキングデータを用いて、トラッキングデータを連結してもよい。この場合、図１１に示すステップＳ１４０を省略でき、ステップＳ１４４〜ステップＳ１５０の各々で、確率マップ又はトラッキングデータを格納装置から読み取る処理を実行すればよい。

［第４実施形態］
次に、第４実施形態を説明する。第４実施形態は、第３実施形態と同様の構成のため、同一部分には同一符号を付して詳細な説明を省略する。

第３実施形態では、確率マップを用いて、第１カメラ１４で撮影された撮影画像における移動軌跡と、第２カメラ１６で撮影された撮影画像における移動軌跡とを連結して、第１カメラ１４及び第２カメラ１６に跨って移動する利用者の移動経路を特定した。この場合、施設内を撮影する全てのカメラについて、各確率マップを用いた同一性Ｍｒｖを求め、共通する同一の利用者を判定するので、カメラの総数が増加するのに伴って演算量が増加する。ところが、施設内を撮影するカメラ間で共通する同一の利用者が存在する確率が低い場合もある。そこで、本実施形態では、カメラ間で共通する同一の利用者が存在する確率が低い場合の演算処理を抑制することで、演算量を減少させる。

本実施形態では、第１カメラ１４、第２カメラ１６及び図示しない第３カメラの３台のカメラにより、施設２０内を撮影する場合を説明する。なお、以下の説明では、図示しない第３カメラを、第３カメラ１８と符号を付して説明する場合がある。

次に、本実施形態に係る経路特定装置として機能するコンピュータ３０の動作を説明する。

図１３に、本実施形態に係る経路特定処理の流れの一例を示す。
まず、ステップＳ１７０で、図１１のステップＳ１４０と同様に、ＣＰＵ３２は、第１カメラ１４、第２カメラ１６及び第３カメラ１８の各々確率マップを記憶する。次のステップＳ１７２では、図１１のステップＳ１４２と同様に、第１カメラ１４、第２カメラ１６及び第３カメラ１８の各撮影画像を取得し、撮影画像内に存在する利用者の移動軌跡を、蓄積装置４４に蓄積（トラッキングデータ格納部４４Ｔに格納）する。

次のステップＳ１７４では、各々確率マップを用い、自己のカメラの撮影画像の各グリッドで、他のカメラの撮影画像のグリッドに対応関係が高いグリッド領域を、カメラ毎に設定する。例えば、第１カメラ１４について、第２カメラ１６及び第３カメラ１８の対応関係を求める場合、まず、第１カメラ１４の第２カメラ１６に対する確率マップを用いて、確率Ｐが予め定めた閾値以上のグリッドを求める。求めた閾値以上のグリッドを含む領域を、第１カメラ１４の第２カメラ１６に対応関係が高いグリッド領域１７ＧＲに設定する。次に、第１カメラ１４の第３カメラ１８に対する確率マップを用いて、確率Ｐが予め定めた閾値以上のグリッドを求める。求めた閾値以上のグリッドを含む領域を、第１カメラ１４の第３カメラ１８に対応関係が高いグリッド領域１９ＧＲに設定する。

図１４に、第１カメラ１４の撮影画像に対して設定するグリッド枠１５Ｍにおいて、第２カメラ１６及び第３カメラ１８のグリッドに対応関係が高いグリッド領域の一例を示す。
図１４に示すように、第１カメラ１４のグリッドＧの各々で、第２カメラ１６のグリッドに対応関係が高いグリッド領域１７ＧＲと、第３カメラ１８のグリッドに対応関係が高いグリッド領域１９ＧＲと、に含まれないグリッドＧは、第１カメラ１４及び第２カメラ１６或いは第２カメラ１６及び第３カメラ１８に跨って移動する利用者の移動経路を含む確率が極めて低い。そこで、例えば、第１カメラ１４と他のカメラで共通に観測された利用者の同一性Ｍｒｖを求める場合、第１カメラ１４のトラッキングデータの節点が、グリッド領域１７ＧＲ，１９ＧＲを含む場合にのみ、同一性Ｍｒｖを求めるようにすることで、演算量を抑制できる。

次に、図１３に示すステップＳ１７６で、図１１のステップＳ１４４と同様に、第１カメラ１４で観測された利用者のうち１利用者Ｒを設定し、利用者Ｒのトラッキングデータを抽出する。また、利用者Ｒのトラッキングデータにおける観測時間を第１カメラ１４の観測時間に設定する。

次のステップＳ１７８では、利用者Ｒのトラッキングデータに共起可能性有りのカメラを判定する。つまり、ステップＳ１７４で設定したグリッド領域を用いて、第１カメラ１４による利用者Ｒのトラッキングデータに含まれるグリッドと対応関係が高いグリッドを有するカメラを判定するグリッド領域判定を実行する。ステップＳ１７８の判定結果が、第２カメラ１６である場合はステップＳ１８０で肯定判断され、ステップＳ１８２へ処理を移行する。また、ステップＳ１７８の判定結果が、第３カメラ１８である場合は、ステップＳ１８０で否定判断された後に、ステップＳ１８１で肯定判断され、ステップＳ１８２へ処理を移行する。一方、ステップＳ１７８の判定結果が、第２カメラ１６及び第３カメラ１８の対応関係が低い場合は、ステップＳ１８０及びステップＳ１８１で否定判断され、ステップＳ１９５へ処理を移行する。ステップＳ１９５で、カメラ間で同一の利用者が存在する可能性が低いと判定し、ステップＳ１９６へ処理を移行する。

次に、ステップＳ１８２では、図１１のステップＳ１４６と同様に、ステップＳ１７８で判定された第２カメラ１６又は第３カメラ１８を該当カメラとして観測された利用者のうち１利用者Ｖを設定する。次のステップ１８４では、図１１のステップＳ１４８と同様に、第１カメラ１４における利用者Ｒのトラッキングデータと、該当カメラ（第２カメラ１６又は第３カメラ１８）における利用者Ｖのトラッキングデータとについて、観測時間が共通の時刻範囲Ｔｔｈを求める。そして、次のステップＳ１８６で、図１１のステップＳ１５０と同様に、各確率マップ及び（１）式及び（２）式を用いて、利用者Ｒ及び利用者Ｖが第１カメラ１４及び第２カメラ１６で共通に観測された同一人物である確からしさを示す同一性Ｍｒｖを求める。

次に、ステップＳ１８８では、図１１のステップＳ１５２と同様に、該当カメラで観測された全利用者の処理を完了したか否かを判断し、否定判断した場合は、ステップＳ１８２へ戻る。一方、ステップＳ１８８で肯定判断した場合は、ステップＳ１９０へ処理を移行し、図１１のステップＳ１５４と同様に、同一性Ｍｒｖの値が予め定めた閾値Ｍｏを超えた（Ｍｒｖ＞Ｍｏ）か否かを判断する。ステップＳ１９０で肯定判断した場合（Ｍｒｖ＞Ｍｏ）、ステップＳ１９２ｄｅ、図１１のステップＳ１５６と同様に、利用者Ｒ及び利用者Ｖが同一人物と判定し、ステップＳ１９６へ処理を移行する。一方、ステップＳ１９０で否定判断した場合（Ｍｒｖ≦Ｍｏ）、ステップＳ１９４で、図１１のステップＳ１５８と同様に利用者Ｒ及び利用者Ｖが相違人物と判定し、ステップＳ１９６へ処理を移行する。

ステップＳ１９６では、図１１のステップＳ１６０と同様に、第１カメラ１４で観測された全利用者の処理を完了したか否かを判断し、否定判断した場合は、ステップＳ１７６へ戻る。一方、ステップＳ１９６で肯定判断した場合は、ステップＳ１９８へ処理を移行し、図１１のステップＳ１６２と同様に、同一人物と判定された第１カメラ１４の利用者Ｒのトラッキングデータと、該当カメラの利用者Ｖのトラッキングデータとを連結して本処理ルーチンを終了する。

以上説明したように、本実施形態では、複数のカメラ間で共通する同一の利用者を判定する場合に、確率マップ又はカメラのグリッド枠に対して、予め他のカメラとの対応関係が高い領域を定めておくことで、複数のカメラに跨って移動する利用者の移動経路を特定する処理の負荷を軽減することができる。

なお、本実施形態では、複数カメラの一例として、３台のカメラに適用した場合を説明したが、カメラの台数は、３台に限定されるものではなく、４台以上のカメラに適用可能であることは言うまでもない。

前記実施形態では、カメラの撮影範囲の一部が重複する場合を一例として説明したが、カメラの撮影範囲が内包する場合に適用してもよい。つまり、例えば、第１カメラ１４で施設内の外観を撮影し、第２カメラ１６で第１カメラ１４の撮影範囲の施設内の一部を詳細に撮影する場合にも適用可能である。

上記では、本発明を特定の実施形態について詳細に説明したが、本発明は係る実施形態に限定されるものではなく、本発明の範囲内にて他の種々の実施形態をとることが可能である。

また、前記各実施の形態では、ＲＯＭ３６に記憶したプログラムを実行することにより行われる処理を説明したが、プログラムの処理をハードウエアで実現してもよい。

さらに、前記各実施形態における処理は、プログラムとして光ディスク等の記憶媒体等に記憶して流通するようにしてもよい。

１０ 位置同定装置（位置同定装置の一例）
１２ 制御装置
１４ 第１カメラ
１５ グリッド枠
１５Ｍ グリッド枠
１６ 第２カメラ
１７Ｍ グリッド枠
２０ 施設
３０ コンピュータ
３２ ＣＰＵ
３４ ＲＡＭ
３６ ＲＯＭ
３８ 制御プログラム
４０ 入出力ポート
４２ バス
４４ 蓄積装置
４６ ディスプレイ
４８ 入力装置
５０ タイマ

Claims (10)

1. 一部が重複した予め定めた異なる撮影範囲を各々撮影する複数の撮影部と、
   前記複数の撮影部の各々で撮影された撮影画像に含まれる人物の画像位置を示す移動軌跡情報を時系列に蓄積する蓄積部と、
   前記蓄積部に蓄積された移動軌跡情報を用いて、前記移動軌跡情報により時系列に示される人物の画像位置のうち、画像処理におけるノイズの影響を受ける予め定めた距離の各画像位置を示す移動軌跡情報を除外し、前記複数の撮影部のうちの何れか１つの撮影部による撮影画像の画像位置毎に、該画像位置に人物が撮影された時刻と同時刻に、他の撮影部により撮影された撮影画像の各画像位置に人物が撮影されている確率を導出する導出部と、
   前記導出部で導出した確率から、複数の撮影部の各々による撮影画像間で共通する画像位置を同定する同定部と、
   を備える位置同定装置。
2. 前記導出部は、人物が滞留することが予測される予め定めた領域に対して確率を他の領域より低くして前記確率を導出する
   請求項１に記載の位置同定装置。
3. 前記画像位置は、前記撮影画像を、縦横予め定めた形状で分割したグリッドの位置を示すグリッド情報である
   請求項１又は請求項２に記載の位置同定装置。
4. 前記導出部で導出した確率を記憶する記憶部を含む
   請求項１から請求項３の何れか１項に記載の位置同定装置。
5. 一部が重複した予め定めた異なる撮影範囲を各々撮影する複数の撮影部の各々で撮影された撮影画像に含まれる人物の画像位置を示す移動軌跡情報を時系列に蓄積部に蓄積し、
   前記蓄積部に蓄積された移動軌跡情報を用いて、前記移動軌跡情報により時系列に示される人物の画像位置のうち、画像処理におけるノイズの影響を受ける予め定めた距離の各画像位置を示す移動軌跡情報を除外し、前記複数の撮影部のうちの何れか１つの撮影部による撮影画像の画像位置毎に、該画像位置に人物が撮影された時刻と同時刻に、他の撮影部により撮影された撮影画像の各画像位置に人物が撮影されている確率を導出し、
   導出された確率から、複数の撮影部の各々による撮影画像間で共通する画像位置を同定する、
   ことを含む処理をコンピュータに実行させるための位置同定プログラム。
6. 人物が滞留することが予測される予め定めた領域に対して確率を他の領域より低くすることを含む処理をコンピュータに実行させる
   請求項５に記載の位置同定プログラム。
7. 請求項１から請求項４の何れか１項に記載の位置同定装置における前記導出部で導出された確率に基づいて、前記複数の撮影部の各々で撮影された撮影画像に含まれる人物各々について、同一人物である確率を人物各々について算出する算出部と、
   前記算出部で算出した確率に基づいて、前記同一人物である確率が予め定めた閾値を超えた人物を含む撮影画像を撮影した撮影部の移動軌跡情報を連結して、前記複数の撮影部に跨って移動した人物の移動経路を特定する特定部と、
   を備える経路特定装置。
8. 前記算出部は、前記複数の撮影部の各々で撮影された撮影画像に含まれる人物各々の移動軌跡情報で共通する時刻について、前記同一人物である確率を算出する
   請求項７に記載の経路特定装置。
9. 一部が重複した予め定めた異なる撮影範囲を各々撮影する複数の撮影部の各々で撮影された撮影画像に含まれる人物の画像位置を示す移動軌跡情報を時系列に蓄積した移動軌跡情報を用いて、前記移動軌跡情報により時系列に示される人物の画像位置のうち、画像処理におけるノイズの影響を受ける予め定めた距離の各画像位置を示す移動軌跡情報を除外し、前記複数の撮影部のうちの何れか１つの撮影部による撮影画像の画像位置毎に、該画像位置に人物が撮影された時刻と同時刻に、他の撮影部により撮影された撮影画像の各画像位置に人物が撮影されている確率を導出する導出部で導出された確率に基づいて、前記複数の撮影部の各々で撮影された撮影画像に含まれる人物各々について、同一人物である確率を人物各々について算出し、
   算出した同一人物である確率に基づいて、前記同一人物である確率が予め定めた閾値を超えた人物を含む撮影画像を撮影した撮影部の移動軌跡情報を連結して、前記複数の撮影部に跨って移動した人物の移動経路を特定する
   ことを含む処理をコンピュータに実行させるための経路特定プログラム。
10. 人物が滞留することが予測される予め定めた領域に対して確率を他の領域より低くすることを含む処理をコンピュータに実行させる
    請求項９に記載の経路特定プログラム。