JP6863461B2 - 解析装置、解析方法及びプログラム - Google Patents

Description

本発明は、解析装置、解析方法及びプログラムに関する。

特許文献１及び２に、車両に乗車している人の数を検出する装置が開示されている。

特許文献１には、車両を横から撮影した画像を解析して人物の横顔を検出し、検出結果に基づき車両に乗車している人の数を決定する装置が開示されている。

特許文献２には、車両を連続的に撮影した複数の画像各々を解析して人物を検出し、各画像における車両の見え方に基づき検出した人各々が車内のどの座席に座っているかを推定し、人が座っていると判断された座席の数に基づき車両に乗車している人の数を決定する装置が開示されている。

国際公開第２０１４／０６１１９５号パンフレット 国際公開第２０１４／０６４８９８号パンフレット

本発明は、車両に乗車している人の数を検出する新たな技術を提供することを課題とする。

本発明によれば、
同一の車両を異なる方向から複数回撮影することで得られた複数の画像の各々から車両の所定箇所及び人を検出し、検出した前記所定箇所を基準とする座標系における複数の前記人各々の座標を検出する画像解析手段と、
異なる前記画像から検出された前記人同士を、前記座標に基づきグループ化するグループ化手段と、
グループの数をカウントするカウント手段と、
を有し、
前記グループ化手段は、
異なる前記画像から検出された前記人同士を、前記座標間の距離を用いてグループ化し、
第１の前記画像から検出された１つ又は複数の前記人各々の座標と、第２の前記画像から検出された１つ又は複数の前記人各々の座標との距離を算出し、
前記距離と所定値との比較に応じて、異なる前記画像から検出された前記人同士をグループ化し、
複数の前記グループに属する人である第１の人がある場合、前記第１の人の画像の特徴量と、前記グループ各々に属する前記人の画像の特徴量とに基づき、前記第１の人をいずれかの前記グループに属させるか否かを決定する解析装置が提供される。

また、本発明によれば、
コンピュータが、
同一の車両を異なる方向から複数回撮影することで得られた複数の画像の各々から車両の所定箇所及び人を検出し、検出した前記所定箇所を基準とする座標系における複数の前記人各々の座標を検出する画像解析工程と、
異なる前記画像から検出された前記人同士を、前記座標に基づきグループ化するグループ化工程と、
グループの数をカウントするカウント工程と、
を実行し、
前記グループ化工程では、
異なる前記画像から検出された前記人同士を、前記座標間の距離を用いてグループ化し、
第１の前記画像から検出された１つ又は複数の前記人各々の座標と、第２の前記画像から検出された１つ又は複数の前記人各々の座標との距離を算出し、
前記距離と所定値との比較に応じて、異なる前記画像から検出された前記人同士をグループ化し、
複数の前記グループに属する人である第１の人がある場合、前記第１の人の画像の特徴量と、前記グループ各々に属する前記人の画像の特徴量とに基づき、前記第１の人をいずれかの前記グループに属させるか否かを決定する解析方法が提供される。

また、本発明によれば、
コンピュータを、
同一の車両を異なる方向から複数回撮影することで得られた複数の画像の各々から車両の所定箇所及び人を検出し、検出した前記所定箇所を基準とする座標系における複数の前記人各々の座標を検出する画像解析手段、
異なる前記画像から検出された前記人同士を、前記座標に基づきグループ化するグループ化手段、及び、
グループの数をカウントするカウント手段、
として機能させ、
前記グループ化手段は、
異なる前記画像から検出された前記人同士を、前記座標間の距離を用いてグループ化し、
第１の前記画像から検出された１つ又は複数の前記人各々の座標と、第２の前記画像から検出された１つ又は複数の前記人各々の座標との距離を算出し、
前記距離と所定値との比較に応じて、異なる前記画像から検出された前記人同士をグループ化し、
複数の前記グループに属する人である第１の人がある場合、前記第１の人の画像の特徴量と、前記グループ各々に属する前記人の画像の特徴量とに基づき、前記第１の人をいずれかの前記グループに属させるか否かを決定するプログラムが提供される。

本発明によれば、車両に乗車している人の数を検出する新たな技術が実現される。

上述した目的、およびその他の目的、特徴および利点は、以下に述べる好適な実施の形態、およびそれに付随する以下の図面によってさらに明らかになる。

本実施形態の解析装置のハードウエア構成の一例を示す図である。 本実施形態の解析装置の機能ブロック図の一例である。 本実施形態の画像の撮影方法の一例を説明するための図である。 本実施形態の車両座標系の一例を説明するための図である。 本実施形態の解析装置により生成されるデータの一例を模式的に示す図である。 本実施形態の解析装置により生成されるデータの一例を模式的に示す図である。 本実施形態の解析装置の処理の流れの一例を示すフローチャートである。 本実施形態の解析装置の課題の一例を説明するための図である。 本実施形態の解析装置により生成されるデータの一例を模式的に示す図である。

＜第１の実施形態＞
まず、本実施形態の解析装置の概要を説明する。解析装置は、同一の車両を連続的に撮影した複数の画像各々の解析結果に基づき、その車両に乗車している人の数を検出する。

まず、解析装置は、同一の車両を異なる方向から複数回撮影することで得られた複数の画像の各々から車両の所定箇所及び人を検出する。また、解析装置は、検出した車両の所定箇所を基準とする座標系における複数の人各々の座標を検出する。そして、解析装置は、異なる画像から検出された人同士を、座標に基づきグループ化する。解析装置は、座標が近いもの同士でまとめてグループ化する。そして、解析装置は、グループの数をカウントし、グループの数を車両に乗車している人の数として出力する。

以上説明した本実施形態の解析装置によれば、車両に乗車している人の数を検出する新たな技術が実現される。また、本実施形態の解析装置の場合、「検出した顔毎に、検出した車両の所定箇所を原点とした２次元座標系の座標を検出し、座標が近いもの同士をグループ化」すればよく、特許文献２に開示の技術のように「検出した人各々が座っている座席」を検出する必要がない。車両や車種によって車内における座席の位置は異なり、予め保持しておいた座席位置の情報を用いる場合には乗員人数検知の精度が十分でないことがあった。本実施形態の解析装置によれば、特許文献２に開示の技術に比べて乗員人数検知の精度が向上する。

以下、解析装置の構成を詳細に説明する。まず、解析装置のハードウエア構成の一例について説明する。本実施形態の解析装置が備える各機能部は、任意のコンピュータのＣＰＵ（Central Processing Unit）、メモリ、メモリにロードされるプログラム、そのプログラムを格納するハードディスク等の記憶ユニット（あらかじめ装置を出荷する段階から格納されているプログラムのほか、ＣＤ（Compact Disc）等の記憶媒体やインターネット上のサーバ等からダウンロードされたプログラムをも格納できる）、ネットワーク接続用インターフェイスを中心にハードウエアとソフトウエアの任意の組合せによって実現される。そして、その実現方法、装置にはいろいろな変形例があることは、当業者には理解されるところである。

図１は、本実施形態の解析装置のハードウエア構成を例示するブロック図である。図１に示すように、解析装置は、プロセッサ１Ａ、メモリ２Ａ、入出力インターフェイス３Ａ、周辺回路４Ａ、バス５Ａを有する。周辺回路４Ａには、様々なモジュールが含まれる。なお、解析装置は物理的及び／又は論理的に分かれた複数の装置で構成されてもよい。この場合、複数の装置各々が、プロセッサ１Ａ、メモリ２Ａ、入出力インターフェイス３Ａ、周辺回路４Ａ、バス５Ａを有してもよい。

バス５Ａは、プロセッサ１Ａ、メモリ２Ａ、周辺回路４Ａ及び入出力インターフェイス３Ａが相互にデータを送受信するためのデータ伝送路である。プロセッサ１Ａは、例えばＣＰＵやＧＰＵ（Graphics Processing Unit）などの演算処理装置である。メモリ２Ａは、例えばＲＡＭ（Random Access Memory）やＲＯＭ（Read Only Memory）などのメモリである。入出力インターフェイス３Ａは、入力装置（例：キーボード、マウス、マイク、物理キー、タッチパネルディスプレイ、コードリーダ等）、外部装置、外部サーバ、外部センサ等から情報を取得するためのインターフェイスや、出力装置（例：ディスプレイ、スピーカ、プリンター、メーラ等）、外部装置、外部サーバ等に情報を出力するためのインターフェイスなどを含む。プロセッサ１Ａは、各モジュールに指令を出し、それらの演算結果をもとに演算を行うことができる。

次に、解析装置の機能構成を説明する。図２に解析装置１０の機能ブロック図の一例を示す。図示するように、解析装置１０は、画像解析部１１と、グループ化部１２と、カウント部１３とを有する。

画像解析部１１は、同一の車両を異なる方向から複数回撮影することで得られた複数の画像の各々から車両の所定箇所及び人を検出する。なお、本実施形態では人の顔を検出する。そして、画像解析部１１は、検出した車両の所定箇所を基準（例：原点）とした２次元座標系における検出した複数の顔各々の座標を検出する。以下、検出した車両の所定箇所を原点とした２次元座標系を「車両座標系」という場合がある。

まず、画像解析部１１により処理される複数の画像を生成する構成の一例を説明する。図３に示すように、車両が通過する道路沿いにセンサ１０１及びカメラ１０２を設置する。

センサ１０１は、道路上の所定位置を車両が通過したことを検出する。このような検出を実現できるセンサ１０１であればよく、詳細は制限されない。例えば、センサ１０１は、光（例：レーザ）を所定方向（例：図示する矢印の方向）に放出する手段、及び、その反射光を受光する手段を備えてもよい。そして、反射光の受光具合に基づき放出した光の進行を妨げる障害物の存在を検出することで、車両の通過を検出してもよい。その他、重量センサ等で所定位置を車両が通過したことを検出してもよい。センサ１０１は、道路上の所定位置を車両が通過したことを検出すると、その旨を示す信号をカメラ１０２に入力する。

カメラ１０２は、センサ１０１により車両の通過を検出されると、それに応じて撮影する。例えば、カメラ１０２は、センサ１０１による検出に応じて所定数の静止画を連続撮影（例：１秒間に数十枚からは百枚程度）し、複数の静止画ファイルを生成してもよい。その他、カメラ１０２は、センサ１０１による検出に応じて所定の撮影時間の間、動画像を撮影し、複数のフレームからなる動画ファイルを生成してもよい。上記所定数及び所定の撮影時間は、予め、カメラ１０２のスペック、車両の移動速度等に応じて任意に定めることができる。カメラ１０２の位置及び向きは、センサ１０１による検出に応じた撮影で、センサ１０１により検出された車両を撮影するよう設定されている。

カメラ１０２により生成された画像ファイルは、リアルタイム処理又はバッチ処理で、解析装置１０に入力される。解析装置１０とカメラ１０２は任意の通信手段で通信可能に構成されてもよい。

図２に戻り、画像解析部１１は、同一の車両を撮影した複数の画像を処理対象とし、複数の画像各々から車両及び人の顔を検出する。例えば、センサ１０１による１回の検出に応じて、カメラ１０２が撮影した所定数の静止画、又は、所定の撮影時間分の動画を、処理対象とすることができる。

車両及び人の顔の検出は、テンプレートマッチングで実現してもよい。また、多数の画像を用いた機械学習で構築した検出器で実現してもよい。検出器としては、例えば、ＳＶＭ（サポートベクターマシン）、ＬＤＡ（線形判別分析）、ＧＬＶＱ（一般化学習ベクトル量子化）、ニューラルネットワーク等を利用できる。

なお、検出する人の顔は、検出した車両内にいる人の顔、すなわち検出した車両の輪郭より内側に存在する顔とすることができる。このようにすることで、車両に乗車している人の顔のみを検出し、車外にいる例えば通行人や交通誘導員等の人の顔を検出対象から除外できる。

複数の画像各々から車両を検出した後、画像解析部１１は、検出した車両の所定箇所及び所定方向を複数の画像各々から検出する。そして、検出した所定箇所を原点、検出した所定方向をｘ軸方向及びｙ軸方向とした２次元座標系（車両座標系）を画像毎に定める。

所定箇所及び所定方向の一例を説明するがこれに限定されない。図４に、１つの画像Ｆに設定された車両座標系の一例を示す。図示する例では、車両のボディーのうしろに取り付けられたバンパーの後方端部を所定箇所とし、車両の前後方向及び高さ方向を所定方向としている。そして、バンパーの後方端部を原点とし、車両の前後方向をｘ軸とし、高さ方向をｙ軸とした車両座標系が定められている。

画像毎に車両座標系を設定した後、画像解析部１１は、各画像から検出した人の顔の座標を検出する。本実施形態では、人の顔の検出の仕方に応じた方法で、複数の顔各々の座標を求めることができる。

例えば、人の顔の検出処理において、図４に示すように人の顔が存在するエリアＢが検出される場合、このエリアＢの代表点（例：中心、右上、左上、右下、左下等）を、そのエリアＢに存在する顔の座標として求めることができる。その他、人の顔の検出処理において、人の目、鼻、口等が検出される場合、目、鼻、口の座標（例：目、鼻、口が占めるエリアの代表座標）を、その目、鼻、口を有する顔の座標として求めることができる。

画像解析部１１による上記画像解析により、図５に示すような解析結果が得られる。図５では、複数の画像から検出された複数の顔各々を識別する「顔ＩＤ（identifier）」と、複数の顔各々の車両座標系における「座標」と、各顔が検出された画像を識別する「フレームＩＤ」とが互いに対応付けられている。

同じ人の顔が複数の画像に跨って存在する場合、複数の画像から検出された同じ人の顔各々に対して異なる顔ＩＤが付される。以下で説明するグループ化部１２は、同じ人の顔に対して付された複数の顔ＩＤをグループ化する。

図２に戻り、グループ化部１２は、複数の画像から検出された複数の人を、車両座標系の座標に基づきグループ化する。本実施形態では、グループ化部１２は、複数の画像から検出された複数の顔を、車両座標系の座標に基づきグループ化する。

グループ化部１２は、異なる画像から検出された人同士を、座標に基づきグループ化する。グループ化部１２は、車両座標系の座標が近いもの同士でまとめてグループ化する。例えば、グループ化部１２は、複数の画像から検出された複数の顔を、座標間の距離を用いてグループ化することができる。結果、例えば図６に示すようなデータが得られる。得られたデータは、メモリ等の記憶媒体に記憶されても良い。図６に示すデータでは、画像解析部１１により検出された複数の顔各々に、各々が属するグループのＩＤが対応付けられている。また、車両座標系の座標が近い顔の顔ＩＤには同一のグループＩＤが対応付けられている。以下、グループ化の方法を例示するが、他の方法でグループ化を行ってもよい。

「方法１」
グループ化部１２は、処理対象の複数の画像の中の最初の処理対象（例：一番初めに撮影された画像）である第１の画像から検出された１つ又は複数の顔各々を、互いに異なるグループに属させる。例えば第１の画像から検出された各々の顔の顔ＩＤに異なるグループＩＤを対応付けてメモリ等の記憶媒体に記憶させる。第１の画像からＭ個（Ｍは１以上の整数）の顔が検出された場合、グループ化部１２はＭ個のグループを生成し、各グループにＭ個の顔各々を属させる。例えば、Ｍ個の新たなグループＩＤを生成し、第１の画像から検出されたＭ個の顔各々のＩＤに異なるグループＩＤを対応付ける（図６参照）。

その後、グループ化部１２は、第１の画像から検出された１つ又は複数の顔各々の座標と、その直後に撮影された第２の画像から検出された１つ又は複数の顔各々の座標との距離を算出する。そして、グループ化部１２は、算出した距離と所定値との比較に応じて比較対象の２つの人の顔を同じグループに属させる。例えば、グループ化部１２は、算出した距離が所定値未満であるとの距離条件を満たす場合、処理対象の２つの顔を同じグループに属させる。所定値は予め任意に定めることができる。

例えば、第２の画像から検出された第２−１の顔の座標と、第１の画像から検出された第１−１の顔の座標との距離が上記距離条件を満たす場合、グループ化部１２は、第２−１の顔を第１−１の顔と同じグループに属させる。例えば、第１−１の顔の顔ＩＤと第２−１の顔の顔ＩＤに同じグループＩＤを対応付ける（図６参照）。

また、第２の画像から検出された第２−２の顔が、第１の画像から検出されたいずれの顔とも上記距離条件を満たさない場合、グループ化部１２は、新たなグループを生成し、第２−２の顔をそのグループに属させる。例えば、新たなグループＩＤを生成し、第２−２の顔の顔ＩＤにそのグループＩＤを対応付ける（図６参照）。

グループ化部１２は、上記処理を、第Ｎの画像とその直後に撮影された第Ｎ＋１の画像とからなるすべてのペアに対して行い、複数の顔をグループ化する。

「方法２」
グループ化部１２は、処理対象の複数の画像の中の最初の処理対象（例：一番初めに撮影された画像）である第１の画像から検出された１つ又は複数の顔各々を、互いに異なるグループに属させる。例えば第１の画像から検出された各々の顔の顔ＩＤに異なるグループＩＤを対応付けてメモリ等の記憶媒体に記憶させる。第１の画像からＭ個（Ｍは１以上の整数）の顔が検出された場合、グループ化部１２はＭ個のグループを生成し、各グループにＭ個の顔各々を属させる。例えば、Ｍ個の新たなグループＩＤを生成し、第１の画像から検出されたＭ個の顔各々のＩＤに異なるグループＩＤを対応付ける（図６参照）。

その後、グループ化部１２は、車両座標系の座標に基づき、第１の画像から検出された１つ又は複数の顔各々と、その直後に撮影された第２の画像から検出された１つ又は複数の顔各々とのｘ軸方向の距離及びｙ軸方向の距離を算出する。そして、グループ化部１２は、「ｘ軸方向の距離が第１の所定値未満、かつ、ｙ軸方向の距離が第２の所定値未満」の距離条件を満たす２つの顔を同じグループに属させる。すなわち、グループ化部１２は、距離条件を満たす場合、処理対象の２つの顔を同じグループに属させる。第１の所定値及び第２の所定値は予め任意に定めることができる。

例えば、第２の画像から検出された第２−１の顔と、第１の画像から検出された第１−１の顔とが上記距離条件を満たす場合、グループ化部１２は、第２−１の顔を第１−１の顔と同じグループに属させる。例えば、第１−１の顔の顔ＩＤと第２−１の顔の顔ＩＤに同じグループＩＤを対応付ける（図６参照）。

また、第２の画像から検出された第２−２の顔が、第１の画像から検出されたいずれの顔とも上記距離条件を満たさない場合、グループ化部１２は、新たなグループを生成し、第２−２の顔をそのグループに属させる。例えば、新たなグループＩＤを生成し、第２−２の顔の顔ＩＤにそのグループＩＤを対応付ける（図６参照）。

グループ化部１２は、上記処理を、第Ｎの画像とその直後に撮影された第Ｎ＋１の画像とからなるすべてのペアに対して行い、複数の顔をグループ化する。

「方法３」
グループ化部１２は、処理対象の複数の画像の中の最初の処理対象（例：一番初めに撮影された画像）である第１の画像から検出された１つ又は複数の顔各々を、互いに異なるグループに属させる。例えば第１の画像から検出された各々の顔の顔ＩＤに異なるグループＩＤを対応付けてメモリ等の記憶媒体に記憶させる。第１の画像からＭ個（Ｍは１以上の整数）の顔が検出された場合、グループ化部１２はＭ個のグループを生成し、各グループにＭ個の顔各々を属させる。例えば、Ｍ個の新たなグループＩＤを生成し、第１の画像から検出されたＭ個の顔各々のＩＤに異なるグループＩＤを対応付ける（図６参照）。

そして、グループ化部１２は、グループ毎に代表座標を決定する。メンバの数が１の当該タイミングでは、例えばメンバの座標を各グループの代表座標とする。メンバは、各グループに属する顔であり、すなわち各グループＩＤを対応付けられている顔ＩＤで特定される顔である。そして、同じグループＩＤを対応付けられている顔ＩＤの数がメンバの数である。メンバの座標は、各顔の車両座標系の座標である。

その後、グループ化部１２は、複数のグループ各々の代表座標と、グループに属していない人の座標との距離を算出する。すなわち、グループ化部１２は、第１の画像の直後に撮影された第２の画像から検出された１つ又は複数の顔各々と、Ｍ個のグループ各々の代表座標との距離を算出する。そして、グループ化部１２は、算出した距離と所定値との比較に応じて、グループに属していない顔を所定のグループに属させる。すなわち、グループ化部１２は、第２の画像から検出された１つ又は複数の顔各々を、「距離が所定値未満」の距離条件を満たすグループに属させる。例えば、第２の画像から検出された１つ又は複数の顔各々の顔ＩＤに、距離条件を満たすグループのグループＩＤを対応付ける（図６参照）。所定値は予め任意に定めることができる。

その後、グループ化部１２は、新たなメンバが加わったグループの代表座標を決定し直す。複数のメンバがいる場合の代表座標の決定の仕方としては、例えば、複数のメンバのｘ座標の統計値（例：平均）を代表座標のｘ座標とし、複数のメンバのｙ座標の統計値（例：平均）を代表座標のｙ座標とする例が挙げられるが、これに限定されない。

なお、距離条件を満たすグループがない場合、グループ化部１２は、第２の画像から検出されたその顔に対応して新たなグループを生成し、その顔をそのグループに属させる。例えば、新たなグループＩＤを生成し、その顔の顔ＩＤにそのグループＩＤを対応付ける（図６参照）。また、グループ化部１２は、その顔の座標をそのグループの代表座標とする。

グループ化部１２は、上記処理を処理対象の複数の画像すべてに対して行い、複数の顔をグループ化する。

このように、グループ化部１２は、車両座標系の座標に基づき、１つ又は複数の顔が属する複数のグループ各々の代表座標と、グループに属していない顔との距離を算出し、グループに属していない顔を、「距離が所定値未満」の距離条件を満たすグループに属させることができる。

「方法４」
グループ化部１２は、処理対象の複数の画像の中の最初の処理対象（例：一番初めに撮影された画像）である第１の画像から検出された１つ又は複数の顔各々を、互いに異なるグループに属させる。例えば第１の画像から検出された各々の顔の顔ＩＤに異なるグループＩＤを対応付けてメモリ等の記憶媒体に記憶させる。第１の画像からＭ個（Ｍは１以上の整数）の顔が検出された場合、グループ化部１２はＭ個のグループを生成し、各グループにＭ個の顔各々を属させる。例えば、Ｍ個の新たなグループＩＤを生成し、第１の画像から検出されたＭ個の顔各々のＩＤに異なるグループＩＤを対応付ける（図６参照）。

そして、グループ化部１２は、グループ毎に代表座標を決定する。メンバの数が１の当該タイミングでは、例えばメンバの座標を各グループの代表座標とする。

その後、グループ化部１２は、複数のグループ各々の代表座標と、グループに属していない人の座標との距離を算出する。すなわち、グループ化部１２は、第１の画像の直後に撮影された第２の画像から検出された１つ又は複数の顔各々と、Ｍ個のグループ各々の代表座標とのｘ軸方向の距離及びｙ軸方向の距離を算出する。そして、グループ化部１２は、第２の画像から検出された１つ又は複数の顔各々を、「ｘ軸方向の距離が第１の所定値未満、かつ、ｙ軸方向の距離が第２の所定値未満」の距離条件を満たすグループに属させる。例えば、第２の画像から検出された１つ又は複数の顔各々の顔ＩＤに、距離条件を満たすグループのグループＩＤを対応付ける（図６参照）。第１の所定値及び第２の所定値は予め任意に定めることができる。

その後、グループ化部１２は、新たなメンバが加わったグループの代表座標を決定し直す。複数のメンバがいる場合の代表座標の決定の仕方としては、例えば、複数のメンバのｘ座標の統計値（例：平均）を代表座標のｘ座標とし、複数のメンバのｙ座標の統計値（例：平均）を代表座標のｙ座標とする例が挙げられるが、これに限定されない。

なお、距離条件を満たすグループがない場合、グループ化部１２は、第２の画像から検出されたその顔に対応して新たなグループを生成し、その顔をそのグループに属させる。例えば、新たなグループＩＤを生成し、その顔の顔ＩＤにそのグループＩＤを対応付ける（図６参照）。また、グループ化部１２は、その顔の座標をそのグループの代表座標とする。

グループ化部１２は、上記処理を処理対象の複数の画像すべてに対して行い、複数の顔をグループ化する。

このように、グループ化部１２は、車両座標系の座標に基づき、１つ又は複数の顔が属する複数のグループ各々の代表座標と、グループに属していない顔とのｘ軸方向の距離及びｙ軸方向の距離を算出し、グループに属していない顔を、「ｘ軸方向の距離が第１の所定値未満、かつ、ｙ軸方向の距離が第２の所定値未満」の距離条件を満たすグループに属させることができる。

図２に戻り、カウント部１３は、グループの数をカウントする。例えば、図６のようなデータを用いて、グループＩＤの数をカウントする。解析装置１０は、グループの数を、車両に乗車している人の数として出力する。例えば、解析装置１０は、カウント数を画像等と対応付けて記憶装置に記憶する。

その後、解析装置１０は、ユーザ操作に応じて、乗車している人の数が所定条件（例：２人以上、３人以上、４人以上等）を満たさない車両を撮影した画像を上記記憶装置から抽出し、出力してもよい。

次に、図７のフローチャートを用いて、本実施形態の解析装置１０の処理の流れの一例を説明する。

Ｓ１１の画像解析工程で、画像解析部１１は、同一の車両を異なる方向から複数回撮影することで得られた複数の画像を処理対象とし、複数の画像各々から車両の所定箇所及び人（例：顔）を検出する。そして、画像解析部１１は、検出した車両の所定箇所を基準（例：原点）とする座標系（車両座標系）における複数の人各々の座標（例：複数の顔各々の座標）を検出する。複数の画像は、例えば、図３に示すカメラ１０２により撮影された画像であって、センサ１０１による１回の検出に応じてカメラ１０２に連続的に撮影された画像である。

Ｓ１２のグループ化工程では、グループ化部１２は、異なる画像から検出された人同士（例：顔同士）を、車両座標系の座標に基づきグループ化する。グループ化部１２は、車両座標系の座標が近いもの同士でまとめてグループ化する。これにより、複数の画像に跨って存在する同一人物の顔がグループ化される。

Ｓ１３のカウント工程では、カウント部１３は、グループの数をカウントする。解析装置１０は、グループの数を、車両に乗車している人の数として出力する。例えば、解析装置１０は、カウント数を画像等と対応付けて記憶する。

次に、本実施形態の作用効果を説明する。

本実施形態の解析装置１０によれば、複数の画像各々の解析結果に基づき、検出結果（乗車人数）を決定することができる。

例えば、車両に人物Ａ、Ｂ及びＣの３人が乗車している場合であっても、第１のタイミングで撮影された第１の画像には、人物Ａが障害物（車両の一部、他の乗員等）に隠れて画像に含まれない場合がある。しかし、異なるタイミングで撮影された際には、車両が移動し、カメラと人物Ａと障害物との位置関係が変わる結果、第１のタイミングに含まれていなかった人物Ａが画像に含まれる場合がある。

本実施形態の解析装置１０によれば、カメラと人と障害物との位置関係により乗員の少なくとも一部が特定の画像に含まれない場合でも、複数の画像の解析結果に基づき検出結果を決定することで車両に乗っている全ての人物をカウントできる可能性が高まる。結果、検出精度が向上する。

また、本実施形態の解析装置１０の場合、「検出した顔毎に、検出した車両の所定箇所を原点とした車両座標系の座標を検出し、座標が近いもの同士をグループ化」すればよく、特許文献２に開示の技術のように「検出した人各々が座っている座席」を検出する必要がない。車両や車種によって車内における座席の位置は異なり、予め保持しておいた座席位置の情報を用いる場合には乗員人数検知の精度が十分でないことがあった。本実施形態の解析装置によれば、特許文献２に開示の技術に比べて乗員人数検知の精度が向上する。

＜第２の実施形態＞
本実施形態の解析装置１０は、画像解析部１１及びグループ化部１２の機能構成が第１の実施形態と異なる。以下、説明する。

解析装置１０のハードウエア構成は、第１の実施形態と同様である。

図２に、本実施形態の解析装置１０の機能ブロック図の一例を示す。図示するように、解析装置１０は、画像解析部１１と、グループ化部１２と、カウント部１３とを有する。カウント部１３の構成は、第１の実施形態と同様である。

画像解析部１１は、画像に含まれる人の顔の画像の特徴量を抽出する機能を有する。「画像に含まれる人」は、画像解析で画像から検出された人を意味する。

グループ化部１２は、距離条件に基づき決定される所属先のグループが複数存在する人（以下、「第１の人」という場合がある）がある場合、第１の人の顔（以下、「第１の顔」という場合がある）の画像の特徴量と、グループ各々に属する顔の画像の特徴量とに基づき、第１の顔を属させるグループを決定する。すなわち、第１の人は、距離と所定値との比較に基づいた場合に複数のグループに属する人である。

まず、第１の実施形態で説明した方法１及び２でグループ化処理を行う場合について説明する。

方法１及び２では、グループ化部１２は、第２の画像から検出された１つ又は複数の顔各々を、直前の第１の画像から検出された１つ又は複数の顔の中の上記距離条件を満たすものと同じグループに属させる。

第２の画像から検出された１つの顔に対して上記距離条件を満たす顔（第１の画像から検出された顔）が複数ある場合、第２の画像から検出されたその顔は第１の顔となる。この場合、グループ化部１２は、顔の画像の特徴量に基づき、第１の顔を所属させるグループを決定する。

例えば、第２の画像から検出された第２−１の顔は、第１の画像から検出された第１−１の顔及び第１−２の顔の２つと上記距離条件を満たすとする。この場合、画像解析部１１は、第１−１の顔、第１−２の顔、及び、第２−１の顔各々の画像の特徴量を抽出する。そして、グループ化部１２は、第２−１の顔の画像の特徴量と第１−１の顔の画像の特徴量とを照合する。同様に、グループ化部１２は、第２−１の顔の画像の特徴量と第１−２の顔の画像の特徴量とを照合する。

そして、グループ化部１２は、第２−１の顔を、第１−１の顔及び第１−２の顔のうちの例えばより類似している方と同じグループに属させる。つまり、照合の結果、第２−１の顔の画像の特徴量との類似度が高い方の顔と同じグループに属させる。例えば、第２−１の顔の画像の特徴量との類似度が高い方の顔が第１−１の顔である場合、第１−１の顔の顔ＩＤと、第２−１の顔の顔ＩＤとに同じグループＩＤを対応付ける（図６参照）。

なお、グループ化部１２は、第１−１の顔及び第１−２の顔のいずれも、第２−１の顔との類似度が所定の閾値を超えない場合、第２−１の顔を新たなグループに属させてもよい。すなわち、第２−１の顔を、第１−１の顔及び第１−２の顔両方と異なるグループに属させてもよい。例えば、グループ化部１２は、新たなグループＩＤを生成し、第２−１の顔の顔ＩＤにそのグループＩＤを対応付ける（図６参照）。

このように、画像解析部１１は、第１の顔が存在する場合、当該第１の顔、及び、当該第１の顔との間で上記距離条件を満たす複数の顔各々の画像の特徴量を抽出する。なお、画像解析部１１は、その他の顔の画像の特徴量を抽出しなくてもよい。そして、グループ化部１２は、顔の画像の特徴量の類似度に基づき第１の顔をいずれかのグループに属させるか否かを決定する。

次に、第１の実施形態で説明した方法３及び４でグループ化処理を行う場合について説明する。

方法３及び４では、グループ化部１２は、ある画像から検出された１つ又は複数の顔各々を、その時点で存在する複数のグループの中の代表座標との間で上記距離条件を満たすグループに属させる。

そして、ある画像から検出された１つの顔に対して上記距離条件を満たすグループが複数ある場合、その画像から検出されたその顔は第１の顔となる。この場合、グループ化部１２は、顔の画像の特徴量に基づき、第１の顔を属させるグループを決定する。具体的には、グループ化部１２は、第１の顔との間で上記距離条件を満たす複数のグループの中の、メンバの顔が第１の顔と最も類似しているグループに、第１の顔を属させる。

なお、第１の顔との間で上記距離条件を満たす複数のグループが複数のメンバを有する場合、グループ化部１２は、そのグループの中から代表メンバを決定し、決定した代表メンバと第１の顔との間で類似度を判断することができる。グループ化部１２は、第１の人を含む画像の撮影タイミングに基づき代表メンバを決定することができる。例えば、グループ化部１２は、複数のメンバの中の、第１の顔を含む画像に撮影タイミングが最も近い画像に含まれるメンバを、代表メンバとしてもよい。その他、第１の人を含む画像の撮影タイミングから所定時間以内に撮影された画像に含まれるメンバや、第１の人を含む画像から所定フレーム数以内に撮影された画像に含まれるメンバ等を、代表メンバとしてもよい。

所定時間及び所定フレーム数は、小さい方が好ましい。撮影タイミングが近い場合、同じ向き、同じ表情等で撮影されている可能性が高い。このため、同一人物か否かを精度よく判断できる。

画像解析部１１及びグループ化部１２のその他の構成は、第１の実施形態と同様である。

以上説明した本実施形態の解析装置１０によれば、第１の実施形態と同様の作用効果を実現できる。

また、本実施形態の解析装置１０によれば、複数の画像に跨る同一人物をグループ化する処理において、距離条件に基づき属させるグループを決定できない顔（第１の顔）が存在する場合、顔の画像の特徴量に基づきその顔を属させるグループを決定することができる。

すなわち、本実施形態の解析装置１０によれば、距離条件を優先的に利用して複数の画像に跨る同一人物をグループ化し、距離条件で決定できない場合のみ顔の画像の特徴量を利用する。このような本実施形態の解析装置１０は、距離条件を利用せず、顔の画像の特徴量のみでグループ化する処理に比べて、コンピュータの処理負担を軽減できる。また、顔の画像の特徴量を利用せず、距離条件のみでグループ化する処理に比べて、グループ化の精度が向上する。

また、本実施形態の解析装置１０によれば、上記方法１乃至４いずれでグループ化する場合であっても、第１の顔と画像が類似するか否かを判断する処理を、第１の顔を含む画像と撮影タイミングが近い画像に含まれる顔との間で行うことができる。撮影タイミングが近い場合、撮影タイミングが離れている場合に比べて、顔の向きや表情などが同じ又はあまり変化していない可能性が高い。このため、精度よく、第１の顔と画像が類似する顔が属するグループを検出し、そのグループに第１の顔を属させることができる。

＜第３の実施形態＞
まず、本実施形態の解析装置１０が解決する課題を説明する。解析装置１０により処理される画像は、図３に示すように車両の横から撮影されたものである。斜め前方から撮影してもよいし、真横から撮影してもよいし、斜め後方から撮影してもよい。カメラの光軸の向きを調整することで、撮影向きを調整できる。

本実施形態では、カメラの向きを固定して移動する車両を撮影する。このため、画像毎に、撮影タイミングにおけるカメラの光軸と車両との相対的な関係が変化していく。そして、車両内で横に並んだ２人（例：運転席と助手席、又は、後部座席の隣同士等）の画像内の横方向の間隔が、画像毎に異なって見える。

図８を用いて一例を説明する。図８は、連続的に撮影された３枚の画像Ｆを示す。矢印で撮影順を示している。当該図では、車両内で横に並んだ２人（人物Ａ１及びＡ２）の画像における写り方の遷移を示す。図では、当該２人の顔のみを抽出して示して、車両等のその他を省略している。なお、車両の進行方向は、図の左から右方向である。画像内における人物Ａ１及びＡ２の位置（車両の位置）は、図示するように左から右に移る（（１）→（２）→（３））。

図８は、車両の斜め前方から撮影した場合の例である。斜め前方から撮影する場合、連続的に撮影している間（画像に車両が含まれる間）の車両とカメラの位置関係は、時間経過とともに互いに近づくこととなる。これに伴い、人物Ａ１及びＡ２の画像内の横方向の間隔Ｄｘは徐々に小さくなる。

図示しないが、車両の斜め後方から撮影した場合、撮影している間（画像に車両が含まれる間）の車両とカメラの位置関係は、時間経過とともに互いに遠ざかることとなる。これに伴い、車両内で横に並んだ人物Ａ１及びＡ２の画像内の横方向の間隔Ｄｘは徐々に大きくなる。

また、図示しないが、車両の横から撮影した場合、撮影している間（画像に車両が含まれる間）の車両とカメラの位置関係は、時間経過とともに互いに近づき、その後、遠ざかることとなる。これに伴い、車両内で横に並んだ人物Ａ１及びＡ２の画像内の横方向の間隔Ｄｘは徐々に小さくなり、その後、徐々に大きくなる。

なお、車両の斜め前方や斜め後方から撮影する場合であっても、カメラの光軸の向き等の設定の仕方によっては、撮影している間（画像に車両が含まれる間）の車両とカメラの位置関係は、時間経過とともに互いに近づき、その後、遠ざかる場合もある。そして、車両内で横に並んだ人物Ａ１及びＡ２の画像内の横方向の間隔Ｄｘは徐々に小さくなり、その後、徐々に大きくなる。

本実施形態の解析装置１０は、上述のような現象を考慮した処理を行うことで、距離条件に基づき複数の画像に跨る同一人物をグループ化する処理の精度を向上させる。

解析装置１０のハードウエア構成は、第１及び第２の実施形態と同様である。

図２に、本実施形態の解析装置１０の機能ブロック図の一例を示す。図示するように、解析装置１０は、画像解析部１１と、グループ化部１２と、カウント部１３とを有する。カウント部１３の構成は、第１及び第２の実施形態と同様である。

画像解析部１１は、画像から検出した複数の人（例：顔）各々の画像内における位置を検出する。例えば、画像解析部１１は、画像の任意の位置（例：左下）を原点とし、任意の方向（例：横方向及び縦方向）をｘ軸及びｙ軸とした２次元座標系における複数の顔各々の座標を検出する。本実施形態の画像解析部１１による画像解析により、図９に示すような解析結果が得られる。図９の解析結果は、第１の実施形態で説明した図５の解析結果に対し、各顔のフレーム内の位置を示す「フレーム内座標」を有する点で異なる。

グループ化部１２は、複数の画像から検出された複数の人（例：顔）各々の車両座標系の座標を人（例：顔）各々の画像内における位置（フレーム内座標）に基づき補正し、補正後の座標に基づき複数の人（例：顔）をグループ化する。以下、説明する。

まず、グループ化部１２は、１つの画像から検出した顔の中に、互いのｘ軸方向の距離（画像の横方向）が所定値以下の顔のペアが存在するか判断する。存在する場合、そのペアに含まれる２つの顔の車両座標系のｘ座標（車両の前後方向の座標）を、その２つの顔の画像内における位置に基づき補正する。なお、所定値は予め任意に定めることができる。

補正内容は、その２つの顔のフレーム内座標のｘ座標（画像の横方向の位置）の代表値（例：平均）に応じたものとなる。

２つの顔のフレーム内座標のｘ座標の代表値が、「上記間隔Ｄｘが相対的に大きく見える画像内の位置」を示している場合、間隔Ｄｘが小さくなるように、車両座標系のｘ座標を補正する。例えば、一方の顔（ｘの値が小さい方）の車両座標系のｘ座標に所定値を加え、他方の顔（ｘの値が大きい方）の車両座標系のｘ座標から所定値を減らす。所定値は、フレーム内座標のｘ座標の代表値に応じたものとすることができる。

また、フレーム内座標のｘ座標の代表値が、「上記間隔Ｄｘが相対的に小さく見える画像内の位置」を示している場合、間隔Ｄｘが大きくなるように、車両座標系のｘ座標を補正する。例えば、一方の顔（ｘの値が小さい方）の車両座標系のｘ座標から所定値を減らし、他方の顔（ｘの値が大きい方）の車両座標系のｘ座標に所定値を加える。所定値は、フレーム内座標のｘ座標の代表値に応じたものとすることができる。

例えば、グループ化部１２は、予め、フレーム内座標のｘ座標の代表値に応じて補正内容を定めた補正情報を保持しておいてもよい。そして、グループ化部１２は、補正情報を利用して補正内容を決定し、決定した補正を行ってもよい。

補正後の車両座標系の座標に基づき複数の顔をグループ化する処理は、第１及び第２の実施形態で説明した車両座標系の座標に基づき複数の顔をグループ化する処理と同様である。また、画像解析部１１及びグループ化部１２のその他の構成は、第１及び第２の実施形態と同様である。

以上説明した本実施形態の解析装置１０によれば、第１及び第２の実施形態と同様の作用効果を実現できる。また、本実施形態の解析装置１０によれば、図８を用いて説明した上述のような現象を考慮した処理を行うことで、距離条件に基づき複数の画像に跨る同一人物をグループ化する処理の精度を向上させることができる。

＜第４の実施形態＞
本実施形態の解析装置１０は、第３の実施形態と同じ課題を異なる手段で解決する。以下、説明する。

解析装置１０のハードウエア構成は、第１乃至第３の実施形態と同様である。

図２に、本実施形態の解析装置１０の機能ブロック図の一例を示す。図示するように、解析装置１０は、画像解析部１１と、グループ化部１２と、カウント部１３とを有する。画像解析部１１及びカウント部１３の構成は、第１及び第２の実施形態と同様である。

グループ化部１２は、第１の実施形態で説明した方法２で、画像から検出した複数の顔をグループ化する。すなわち、グループ化部１２は、車両座標系の座標に基づき、第１の画像から検出された１つ又は複数の顔各々と、その直後に撮影された第２の画像から検出された１つ又は複数の顔各々とのｘ軸方向の距離及びｙ軸方向の距離を算出し、「ｘ軸方向の距離が第１の所定値未満、かつ、ｙ軸方向の距離が第２の所定値未満」の距離条件を満たす２つの顔を同じグループに属させる。

そして、本実施形態のグループ化部１２は、第２の所定値を固定値とし、第１の所定値を顔の画像内における位置に基づき決定する可変値とする。

例えば、第１の画像から検出した第１の顔と、第２の画像から検出した第２の顔とが距離条件を満たすか判定する際、グループ化部１２は、第１の顔のフレーム内座標のｘ座標と、第２の顔のフレーム内座標のｘ座標とに基づき代表値を決定する。例えば、両方のフレーム内座標のｘ座標の平均を代表値とする。なお、フレーム内座標は第３の実施形態と同じ概念である。

そして、グループ化部１２は、第１の顔及び第２の顔のフレーム内座標のｘ座標の代表値に基づき、第１の所定値を決定する。

第１の顔及び第２の顔のフレーム内座標のｘ座標の代表値が、「上記間隔Ｄｘが相対的に大きく見える画像内の位置」を示している場合、第１の所定値を大きくする。一方、第１の顔及び第２の顔のフレーム内座標のｘ座標の代表値が、「上記間隔Ｄｘが相対的に小さく見える画像内の位置」を示している場合、第１の所定値を小さくする。このように、画像での複数の人の見え方に応じて、距離条件を最適化することができる。

例えば、グループ化部１２は、予め、第１の顔及び第２の顔のフレーム内座標のｘ座標の代表値に応じて第１の所定値を定めた対応情報（テーブル、関数等）を保持しておいてもよい。そして、グループ化部１２は、対応情報を利用して距離条件を決定してもよい。

グループ化部１２のその他の構成は、第１及び第２の実施形態と同様である。

以上説明した本実施形態の解析装置１０によれば、第１及び第２の実施形態と同様の作用効果を実現できる。また、本実施形態の解析装置１０によれば、図８を用いて説明した上述のような現象を考慮した処理を行うことで、距離条件に基づき複数の画像に跨る同一人物をグループ化する処理の精度を向上させることができる。

以下、参考形態の例を付記する。
１． 同一の車両を異なる方向から複数回撮影することで得られた複数の画像の各々から車両の所定箇所及び人を検出し、検出した前記所定箇所を基準とする座標系における複数の前記人各々の座標を検出する画像解析手段と、
異なる前記画像から検出された前記人同士を、前記座標に基づきグループ化するグループ化手段と、
グループの数をカウントするカウント手段と、
を有する解析装置。
２． １に記載の解析装置において、
前記グループ化手段は、異なる前記画像から検出された前記人同士を、前記座標間の距離を用いてグループ化する解析装置。
３． ２に記載の解析装置において、
前記グループ化手段は、
第１の前記画像から検出された１つ又は複数の前記人各々の座標と、第２の前記画像から検出された１つ又は複数の前記人各々の座標との距離を算出し、
前記距離と所定値との比較に応じて、異なる前記画像から検出された前記人同士をグループ化する解析装置。
４． ２に記載の解析装置において、
前記グループ化手段は、
複数の前記グループ各々の代表座標と、前記グループに属していない前記人の座標との距離を算出し、
前記距離と所定値との比較に応じて、異なる前記画像から検出された前記人同士をグループ化する解析装置。
５． ３又は４に記載の解析装置において、
前記グループ化手段は、
複数の前記グループに属する人である第１の人がある場合、前記第１の人の画像の特徴量と、前記グループ各々に属する前記人の画像の特徴量とに基づき、前記第１の人をいずれかの前記グループに属させるか否かを決定する解析装置。
６． ５に記載の解析装置において、
前記グループ化手段は、
前記第１の人を含む前記画像の撮影タイミングに基づき決定した前記画像に含まれる前記人の画像の特徴量と、前記第１の人の画像の特徴量とに基づき、前記第１の人をいずれかの前記グループに属させるか否かを決定する解析装置。
７． ３から６のいずれかに記載の解析装置において、
前記画像は、前記車両を前記車両の横から撮影した画像であり、
前記グループ化手段は、複数の前記画像から検出された複数の前記人各々の前記座標を前記人各々の前記画像内における位置に基づき補正し、補正後の座標に基づき複数の前記人をグループ化する解析装置。
８． １から７のいずれかに記載の解析装置において、
前記画像解析手段は、前記画像から人の顔を検出し、前記座標系における前記顔の座標を検出する解析装置。
９． コンピュータが、
同一の車両を異なる方向から複数回撮影することで得られた複数の画像の各々から車両の所定箇所及び人を検出し、検出した前記所定箇所を基準とする座標系における複数の前記人各々の座標を検出する画像解析工程と、
異なる前記画像から検出された前記人同士を、前記座標に基づきグループ化するグループ化工程と、
グループの数をカウントするカウント工程と、
を実行する解析方法。
１０． コンピュータを、
同一の車両を異なる方向から複数回撮影することで得られた複数の画像の各々から車両の所定箇所及び人を検出し、検出した前記所定箇所を基準とする座標系における複数の前記人各々の座標を検出する画像解析手段、
異なる前記画像から検出された前記人同士を、前記座標に基づきグループ化するグループ化手段、
グループの数をカウントするカウント手段、
として機能させるプログラム。

この出願は、２０１７年７月４日に出願された日本出願特願２０１７−１３１０８８号を基礎とする優先権を主張し、その開示の全てをここに取り込む。

Claims (14)

1. 同一の車両を異なる方向から複数回撮影することで得られた複数の画像の各々から車両の所定箇所及び人を検出し、検出した前記所定箇所を基準とする座標系における複数の前記人各々の座標を検出する画像解析手段と、
   異なる前記画像から検出された前記人同士を、前記座標に基づきグループ化するグループ化手段と、
   グループの数をカウントするカウント手段と、
   を有し、
   前記グループ化手段は、
   異なる前記画像から検出された前記人同士を、前記座標間の距離を用いてグループ化し、
   第１の前記画像から検出された１つ又は複数の前記人各々の座標と、第２の前記画像から検出された１つ又は複数の前記人各々の座標との距離を算出し、
   前記距離と所定値との比較に応じて、異なる前記画像から検出された前記人同士をグループ化し、
   複数の前記グループに属する人である第１の人がある場合、前記第１の人の画像の特徴量と、前記グループ各々に属する前記人の画像の特徴量とに基づき、前記第１の人をいずれかの前記グループに属させるか否かを決定する解析装置。
2. 同一の車両を異なる方向から複数回撮影することで得られた複数の画像の各々から車両の所定箇所及び人を検出し、検出した前記所定箇所を基準とする座標系における複数の前記人各々の座標を検出する画像解析手段と、
   異なる前記画像から検出された前記人同士を、前記座標に基づきグループ化するグループ化手段と、
   グループの数をカウントするカウント手段と、
   を有し、
   前記グループ化手段は、
   異なる前記画像から検出された前記人同士を、前記座標間の距離を用いてグループ化し、
   複数の前記グループ各々の代表座標と、前記グループに属していない前記人の座標との距離を算出し、
   前記距離と所定値との比較に応じて、異なる前記画像から検出された前記人同士をグループ化し、
   複数の前記グループに属する人である第１の人がある場合、前記第１の人の画像の特徴量と、前記グループ各々に属する前記人の画像の特徴量とに基づき、前記第１の人をいずれかの前記グループに属させるか否かを決定する解析装置。
3. 同一の車両を異なる方向から複数回撮影することで得られた複数の画像の各々から車両の所定箇所及び人を検出し、検出した前記所定箇所を基準とする座標系における複数の前記人各々の座標を検出する画像解析手段と、
   異なる前記画像から検出された前記人同士を、前記座標に基づきグループ化するグループ化手段と、
   グループの数をカウントするカウント手段と、
   を有し、
   前記画像は、前記車両を前記車両の横から撮影した画像であり、
   前記グループ化手段は、
   異なる前記画像から検出された前記人同士を、前記座標間の距離を用いてグループ化し、
   第１の前記画像から検出された１つ又は複数の前記人各々の座標と、第２の前記画像から検出された１つ又は複数の前記人各々の座標との距離を算出し、
   前記距離と所定値との比較に応じて、異なる前記画像から検出された前記人同士をグループ化し、
   複数の前記画像から検出された複数の前記人各々の前記座標を前記人各々の前記画像内における位置に基づき補正し、補正後の座標に基づき複数の前記人をグループ化する解析装置。
4. 同一の車両を異なる方向から複数回撮影することで得られた複数の画像の各々から車両の所定箇所及び人を検出し、検出した前記所定箇所を基準とする座標系における複数の前記人各々の座標を検出する画像解析手段と、
   異なる前記画像から検出された前記人同士を、前記座標に基づきグループ化するグループ化手段と、
   グループの数をカウントするカウント手段と、
   を有し、
   前記画像は、前記車両を前記車両の横から撮影した画像であり、
   前記グループ化手段は、
   異なる前記画像から検出された前記人同士を、前記座標間の距離を用いてグループ化し、
   複数の前記グループ各々の代表座標と、前記グループに属していない前記人の座標との距離を算出し、
   前記距離と所定値との比較に応じて、異なる前記画像から検出された前記人同士をグループ化し、
   複数の前記画像から検出された複数の前記人各々の前記座標を前記人各々の前記画像内における位置に基づき補正し、補正後の座標に基づき複数の前記人をグループ化する解析装置。
5. 請求項１又は２に記載の解析装置において、
   前記グループ化手段は、
   前記第１の人を含む前記画像の撮影タイミングに基づき決定した前記画像に含まれる前記人の画像の特徴量と、前記第１の人の画像の特徴量とに基づき、前記第１の人をいずれかの前記グループに属させるか否かを決定する解析装置。
6. 請求項１から５のいずれか１項に記載の解析装置において、
   前記画像解析手段は、前記画像から人の顔を検出し、前記座標系における前記顔の座標を検出する解析装置。
7. コンピュータが、
   同一の車両を異なる方向から複数回撮影することで得られた複数の画像の各々から車両の所定箇所及び人を検出し、検出した前記所定箇所を基準とする座標系における複数の前記人各々の座標を検出する画像解析工程と、
   異なる前記画像から検出された前記人同士を、前記座標に基づきグループ化するグループ化工程と、
   グループの数をカウントするカウント工程と、
   を実行し、
   前記グループ化工程では、
   異なる前記画像から検出された前記人同士を、前記座標間の距離を用いてグループ化し、
   第１の前記画像から検出された１つ又は複数の前記人各々の座標と、第２の前記画像から検出された１つ又は複数の前記人各々の座標との距離を算出し、
   前記距離と所定値との比較に応じて、異なる前記画像から検出された前記人同士をグループ化し、
   複数の前記グループに属する人である第１の人がある場合、前記第１の人の画像の特徴量と、前記グループ各々に属する前記人の画像の特徴量とに基づき、前記第１の人をいずれかの前記グループに属させるか否かを決定する解析方法。
8. コンピュータが、
   同一の車両を異なる方向から複数回撮影することで得られた複数の画像の各々から車両の所定箇所及び人を検出し、検出した前記所定箇所を基準とする座標系における複数の前記人各々の座標を検出する画像解析工程と、
   異なる前記画像から検出された前記人同士を、前記座標に基づきグループ化するグループ化工程と、
   グループの数をカウントするカウント工程と、
   を実行し、
   前記グループ化工程では、
   異なる前記画像から検出された前記人同士を、前記座標間の距離を用いてグループ化し、
   複数の前記グループ各々の代表座標と、前記グループに属していない前記人の座標との距離を算出し、
   前記距離と所定値との比較に応じて、異なる前記画像から検出された前記人同士をグループ化し、
   複数の前記グループに属する人である第１の人がある場合、前記第１の人の画像の特徴量と、前記グループ各々に属する前記人の画像の特徴量とに基づき、前記第１の人をいずれかの前記グループに属させるか否かを決定する解析方法。
9. コンピュータが、
   同一の車両を異なる方向から複数回撮影することで得られた複数の画像の各々から車両の所定箇所及び人を検出し、検出した前記所定箇所を基準とする座標系における複数の前記人各々の座標を検出する画像解析工程と、
   異なる前記画像から検出された前記人同士を、前記座標に基づきグループ化するグループ化工程と、
   グループの数をカウントするカウント工程と、
   を実行し、
   前記画像は、前記車両を前記車両の横から撮影した画像であり、
   前記グループ化工程では、
   異なる前記画像から検出された前記人同士を、前記座標間の距離を用いてグループ化し、
   第１の前記画像から検出された１つ又は複数の前記人各々の座標と、第２の前記画像から検出された１つ又は複数の前記人各々の座標との距離を算出し、
   前記距離と所定値との比較に応じて、異なる前記画像から検出された前記人同士をグループ化し、
   複数の前記画像から検出された複数の前記人各々の前記座標を前記人各々の前記画像内における位置に基づき補正し、補正後の座標に基づき複数の前記人をグループ化する解析方法。
10. コンピュータが、
    同一の車両を異なる方向から複数回撮影することで得られた複数の画像の各々から車両の所定箇所及び人を検出し、検出した前記所定箇所を基準とする座標系における複数の前記人各々の座標を検出する画像解析工程と、
    異なる前記画像から検出された前記人同士を、前記座標に基づきグループ化するグループ化工程と、
    グループの数をカウントするカウント工程と、
    を実行し、
    前記画像は、前記車両を前記車両の横から撮影した画像であり、
    前記グループ化工程では、
    異なる前記画像から検出された前記人同士を、前記座標間の距離を用いてグループ化し、
    複数の前記グループ各々の代表座標と、前記グループに属していない前記人の座標との距離を算出し、
    前記距離と所定値との比較に応じて、異なる前記画像から検出された前記人同士をグループ化し、
    複数の前記画像から検出された複数の前記人各々の前記座標を前記人各々の前記画像内における位置に基づき補正し、補正後の座標に基づき複数の前記人をグループ化する解析方法。
11. コンピュータを、
    同一の車両を異なる方向から複数回撮影することで得られた複数の画像の各々から車両の所定箇所及び人を検出し、検出した前記所定箇所を基準とする座標系における複数の前記人各々の座標を検出する画像解析手段、
    異なる前記画像から検出された前記人同士を、前記座標に基づきグループ化するグループ化手段、及び、
    グループの数をカウントするカウント手段、
    として機能させ、
    前記グループ化手段は、
    異なる前記画像から検出された前記人同士を、前記座標間の距離を用いてグループ化し、
    第１の前記画像から検出された１つ又は複数の前記人各々の座標と、第２の前記画像から検出された１つ又は複数の前記人各々の座標との距離を算出し、
    前記距離と所定値との比較に応じて、異なる前記画像から検出された前記人同士をグループ化し、
    複数の前記グループに属する人である第１の人がある場合、前記第１の人の画像の特徴量と、前記グループ各々に属する前記人の画像の特徴量とに基づき、前記第１の人をいずれかの前記グループに属させるか否かを決定するプログラム。
12. コンピュータを、
    同一の車両を異なる方向から複数回撮影することで得られた複数の画像の各々から車両の所定箇所及び人を検出し、検出した前記所定箇所を基準とする座標系における複数の前記人各々の座標を検出する画像解析手段、
    異なる前記画像から検出された前記人同士を、前記座標に基づきグループ化するグループ化手段、及び、
    グループの数をカウントするカウント手段、
    として機能させ、
    前記グループ化手段は、
    異なる前記画像から検出された前記人同士を、前記座標間の距離を用いてグループ化し、
    複数の前記グループ各々の代表座標と、前記グループに属していない前記人の座標との距離を算出し、
    前記距離と所定値との比較に応じて、異なる前記画像から検出された前記人同士をグループ化し、
    複数の前記グループに属する人である第１の人がある場合、前記第１の人の画像の特徴量と、前記グループ各々に属する前記人の画像の特徴量とに基づき、前記第１の人をいずれかの前記グループに属させるか否かを決定するプログラム。
13. コンピュータを、
    同一の車両を異なる方向から複数回撮影することで得られた複数の画像の各々から車両の所定箇所及び人を検出し、検出した前記所定箇所を基準とする座標系における複数の前記人各々の座標を検出する画像解析手段、
    異なる前記画像から検出された前記人同士を、前記座標に基づきグループ化するグループ化手段、及び、
    グループの数をカウントするカウント手段、
    として機能させ、
    前記画像は、前記車両を前記車両の横から撮影した画像であり、
    前記グループ化手段は、
    異なる前記画像から検出された前記人同士を、前記座標間の距離を用いてグループ化し、
    第１の前記画像から検出された１つ又は複数の前記人各々の座標と、第２の前記画像から検出された１つ又は複数の前記人各々の座標との距離を算出し、
    前記距離と所定値との比較に応じて、異なる前記画像から検出された前記人同士をグループ化し、
    複数の前記画像から検出された複数の前記人各々の前記座標を前記人各々の前記画像内における位置に基づき補正し、補正後の座標に基づき複数の前記人をグループ化するプログラム。
14. コンピュータを、
    同一の車両を異なる方向から複数回撮影することで得られた複数の画像の各々から車両の所定箇所及び人を検出し、検出した前記所定箇所を基準とする座標系における複数の前記人各々の座標を検出する画像解析手段、
    異なる前記画像から検出された前記人同士を、前記座標に基づきグループ化するグループ化手段、及び、
    グループの数をカウントするカウント手段、
    として機能させ、
    前記画像は、前記車両を前記車両の横から撮影した画像であり、
    前記グループ化手段は、
    異なる前記画像から検出された前記人同士を、前記座標間の距離を用いてグループ化し、
    複数の前記グループ各々の代表座標と、前記グループに属していない前記人の座標との距離を算出し、
    前記距離と所定値との比較に応じて、異なる前記画像から検出された前記人同士をグループ化し、
    複数の前記画像から検出された複数の前記人各々の前記座標を前記人各々の前記画像内における位置に基づき補正し、補正後の座標に基づき複数の前記人をグループ化するプログラム。

Images