JP6959888B2 - 物体認識情報及び受信電磁波情報に係るモデルを用いて端末位置を推定する装置、プログラム及び方法 - Google Patents
物体認識情報及び受信電磁波情報に係るモデルを用いて端末位置を推定する装置、プログラム及び方法 Download PDFInfo
- Publication number
- JP6959888B2 JP6959888B2 JP2018059852A JP2018059852A JP6959888B2 JP 6959888 B2 JP6959888 B2 JP 6959888B2 JP 2018059852 A JP2018059852 A JP 2018059852A JP 2018059852 A JP2018059852 A JP 2018059852A JP 6959888 B2 JP6959888 B2 JP 6959888B2
- Authority
- JP
- Japan
- Prior art keywords
- terminal
- information
- electromagnetic wave
- terminal position
- position estimation
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Description
当該端末の付されている可能性がある移動し得る物体を認識可能な物体認識手段からの物体認識情報を取得可能であり、当該端末のある時点での当該受信電磁波強度情報、及び当該時点での当該物体認識情報を含む特徴データと、当該端末の当該時点での位置に係る端末位置情報とを含む学習データを生成する学習データ生成手段と、
複数の当該学習データを用いて、端末位置推定用のモデルを生成するモデル生成手段と、
当該モデルを用いて、位置推定対象の端末から取得した位置推定時点での当該受信電磁波強度情報と、当該位置推定時点での当該物体認識情報とを含む特徴データに基づき、当該位置推定対象の端末に係る端末位置情報を決定する端末位置決定手段と
を有する端末位置推定装置が提供される。
端末位置決定手段は、当該位置推定時点での当該物体位置情報と、当該モデルから導出された決定候補である当該端末位置情報とを比較し、互いの位置の近さに基づいて、当該位置推定対象の端末に係る端末位置情報を決定することも好ましい。
端末位置決定手段は、当該モデルから導出された決定候補である当該端末位置情報毎に決定の信頼度を算出し、
学習データ生成手段は、決定した当該端末位置情報が所定閾値以上の当該信頼度を有する場合、当該端末位置情報を正解の端末位置情報として含む当該学習データを生成し、
モデル生成手段は、当該学習データを用いて当該モデルを生成又は更新する
ことも好ましい。
学習データ生成手段は、当該端末における当該時点の前の時点での位置に係る端末位置情報、及び/又は当該端末における当該時点の前の時点での当該受信電磁波強度情報を更に含む当該学習データを生成し、
端末位置決定手段は、当該位置推定対象の端末における当該位置推定時点の前の時点での位置に係る端末位置情報、及び/又は当該位置推定対象の端末における当該位置推定時点の前の時点での当該受信電磁波強度情報を更に含む特徴データに基づいて、当該位置推定対象の端末に係る端末位置情報を決定することも好ましい。
端末位置決定手段は、当該モデルから導出された決定候補である当該端末位置情報毎に決定の信頼度を算出し、
学習データ生成手段は、生成する学習データに含まれる当該端末位置情報に係る時点の前の時点に係る端末位置情報に対して算出された当該信頼度を更に含む当該学習データを生成し、
端末位置決定手段は、当該位置推定対象の端末における当該位置推定時点の前の時点での位置に係る端末位置情報に対して算出された当該信頼度にも基づいて、当該位置推定対象の端末に係る端末位置情報を決定することも好ましい。
(a)当該位置推定時点の前の時点で決定した端末位置情報に対し、又は
(b)当該位置推定時点の過去の時点で決定した端末位置情報群から予測される端末位置情報に対し、
所定条件を満たす位置の近さを有する当該端末位置情報を選択して、当該位置推定対象の端末に係る端末位置情報に決定することも好ましい。
当該電磁波源を保持して移動し得る保持体を、又は当該電磁波源を認識可能な物体認識手段からの物体認識情報を取得可能であり、当該受信デバイスのある時点での当該受信電磁波強度情報、及び当該時点での当該物体認識情報を含む特徴データと、当該電磁波源の当該時点での位置又は位置分布に係る電磁波源位置又は位置分布情報とを含む学習データを生成する学習データ生成手段と、
複数の当該学習データを用いて、電磁波源位置又は位置分布推定用のモデルを生成するモデル生成手段と、
当該モデルを用いて、位置又は位置分布推定時点での当該受信電磁波強度情報と、当該位置又は位置分布推定時点での当該物体認識情報とを含む特徴データに基づき、当該位置又は位置分布推定時点での当該電磁波源に係る位置又は位置分布情報を決定する電磁波源位置決定手段と
を有する電磁波源位置推定装置が提供される。
当該端末の付されている可能性がある移動し得る物体を認識可能な物体認識手段からの物体認識情報を取得可能であり、当該端末のある時点での当該受信電磁波強度情報、及び当該時点での当該物体認識情報を含む特徴データと、当該端末の当該時点での位置に係る端末位置情報とを含む学習データを生成する学習データ生成手段と、
複数の当該学習データを用いて、端末位置推定用のモデルを生成するモデル生成手段と、
当該モデルを用いて、位置推定対象の端末から取得した位置推定時点での当該受信電磁波強度情報と、当該位置推定時点での当該物体認識情報とを含む特徴データに基づき、当該位置推定対象の端末に係る端末位置情報を決定する端末位置決定手段と
としてコンピュータを機能させる端末位置推定プログラムが提供される。
当該端末の付されている可能性がある移動し得る物体を認識可能な物体認識手段からの物体認識情報を取得可能であり、当該端末のある時点での当該受信電磁波強度情報、及び当該時点での当該物体認識情報を含む特徴データと、当該端末の当該時点での位置に係る端末位置情報とを含む学習データを生成するステップと、
複数の当該学習データを用いて、端末位置推定用のモデルを生成するステップと、
当該モデルを用いて、位置推定対象の端末から取得した位置推定時点での当該受信電磁波強度情報と、当該位置推定時点での当該物体認識情報とを含む特徴データに基づき、当該位置推定対象の端末に係る端末位置情報を決定するステップと
を有する端末位置推定方法が提供される。
図1は、本発明による端末位置推定装置を含む端末位置推定システムの一実施形態を示す模式図である。
(a)店内の複数位置に設置されており、全方位に所定の時間間隔で電磁波を発信するビーコン2と、
(b)人物等の移動可能な物体を撮影可能であり、撮影した画像の情報を、無線又は有線の通信ネットワークを介して時系列で送信可能な1つ又は複数のカメラ4と、
(c)カメラ4から通信ネットワークを介して取得される時系列の画像群から「物体認識情報」を生成し、さらに端末3から無線通信ネットワークを介して直接(又はアクセスポイント等の中継装置を経て)「受信電磁波情報」を取得し、生成・取得したこれらの情報に基づき、機械学習によって端末3の刻々の位置を推定し、店内での動線を決定する端末位置推定装置1と
を備えている。
(A)移動し得る物体を認識可能な物体認識手段からの「物体認識情報」を取得可能であり、端末3のある時点での「受信電磁波情報」、及び当該時点での「物体認識情報」を含む特徴データと、当該端末3の当該時点での位置に係る「端末位置情報」とを含む学習データを生成する学習データ生成部114と、
(B)複数の学習データを用いて、端末位置推定用の「モデル」を生成するモデル生成部115と、
(C)生成した「モデル」を用いて、位置推定対象の端末3から取得した位置推定時点での「受信電磁波情報」と、当該位置推定時点での「物体認識情報」とを含む特徴データに基づき、当該位置推定対象の端末3に係る端末位置情報を決定する端末位置決定部116と
を有している。
<学習フェーズ>:「受信電磁波情報」及び「物体認識情報」を含む特徴データと、正解となる「端末位置情報」とを含む学習データから、端末位置推定用の「モデル」を生成し、
<位置推定フェーズ>:生成した「モデル」を用いて、位置推定時点での特徴データに基づき、位置推定対象の端末3の位置を推定する。
(A’)電磁波源3’を保持して移動し得る保持体(例えば人物)を、又は電磁波源3’自体を認識可能な物体認識手段からの「物体認識情報」を取得可能であり、受信デバイスのある時点での「受信電磁波情報」、及び当該時点での「物体認識情報」を含む特徴データと、電磁波源3’の当該時点での位置又は位置分布に係る「電磁波源位置又は位置分布情報」とを含む学習データを生成する学習データ生成部114’と、
(B’)複数の学習データを用いて、電磁波源位置又は位置分布推定用の「モデル」を生成するモデル生成部115’と、
(C’)生成した「モデル」を用いて、位置又は位置分布推定時点での「受信電磁波情報」と、当該位置又は位置分布推定時点での「物体認識情報」とを含む特徴データに基づき、当該位置又は位置分布推定時点での電磁波源3’に係る位置又は位置分布情報を決定する電磁波源位置決定部116’と
を有することを特徴としている。
図2は、本発明による端末位置推定装置の一実施形態における機能構成を示す機能ブロック図である。
(a)端末3のある時点での「受信電磁波情報」、及び当該時点での「物体認識情報」(物体位置情報)を含む特徴データと、
(b)端末3の当該時点での位置に係る(正解データとしての)「端末位置情報」と
を含む「学習データ」を生成する。
(a)RSSI_i(i=1, 2,・・・, I):ビーコンiから受信された電磁波のRSSI実測値、及び
(b)obstacle_j(j=1, 2,・・・, J):カメラ4の撮影画像から導出された移動可能物体(例えば人物)の位置座標値
を含む。図3では、特徴データテーブルにおける各行が1つの特徴データとなっている。
(a)「学習データ」の機械学習によって構築される位置推定識別器、及び
(b)「学習データ」によって構成される端末位置データベース
のいずれかとすることができる。
(a)位置推定対象の端末3でのRSSI_i(i=1, 2,・・・, I):ビーコンiから受信された電磁波のRSSI実測値、及び
(b)obstacle_j(j=1, 2,・・・, J):カメラ4の撮影画像から導出された移動可能物体(例えば人物)の位置座標値
を含み、図3では、位置推定時取得データテーブルにおける各行が1つの位置推定時取得データ(特徴データ)となっている。
(a)位置座標を、xp, ypとし、
(b){RSSI_i}を、fp,1, fp,2,・・・, fp,Iとし、
(c){obstacle_j}を、fp,I+1, fp,I+2,・・・, fp,I+Jとし、
一方で、位置推定時取得データの時刻Tにおける、
(d){RSSI_i}を、gT,1, gT,2,・・・, gT,Iとし、
(e){obstacle_j}を、gT,I+1, gT,I+2,・・・, gT,I+Jとする。
(1) dT_p=((gT,1−fp,1)2+(gT,2−fp,2)2+・・・+(gT,I+J−fp,I+J)2)0.5
を用いて算出される。端末位置データベースのレコードの中で、この類似度dT_pが最も小さいレコードにおける上記(a)の位置座標(xp, yp)を、時刻Tにおける端末位置推定値に決定するのである。この「推定位置座標」(est_x, est_y)をプログラミング言語で記述すると、例えば、
(2) est_x=database[argmin{dT_p}][xp]
est_y=database[argmin{dT_p}][yp]
となる。
次に、端末3における位置推定時点の前の時点での位置や、さらには信頼度も考慮した端末位置推定処理の実施形態を説明する。
(a)端末3におけるある時点(t1)の前の時点(例えばt1−1)での位置に係る「端末位置情報」、及び
(b)当該端末3における当該前の時点(例えばt1−1)での「受信電磁波情報」
の両方又はいずれか一方を更に含む学習データを生成し、モデル生成部115は、この学習データを用いて位置推定モデルを生成する。
(a)位置推定対象の端末3における位置推定時点(T)の前の時点(例えばT−1)での位置に係る端末位置情報、及び
(b)当該位置推定対象の端末3における当該前の時点(例えばT−1)での「受信電磁波情報」
の両方又はいずれか一方を更に含む特徴データに基づいて、位置推定対象の端末3の端末位置情報を決定するのである。
(a)前の時点(例えばT−1)での推定位置から最も近い「端末位置情報」、
(b)前の時点(例えばT−1)での推定位置との距離が所定閾値未満の「端末位置情報」、又は
(c)位置推定対象の端末3についての前の時点(例えばT−1)までの軌跡情報から、(例えば過去の時点間の位置変化ベクトルの平均分だけ変位したと仮定して)位置推定時点(T)での位置を予測し、この予測位置に最も近い、又は当該予測位置からの距離が所定閾値未満の「端末位置情報」
を、推定位置に決定することも好ましい。
(a)位置推定時点(T)の前の時点(例えばT−1)で決定した「端末位置情報」に対し、又は
(b)位置推定時点(T)の過去の時点(例えばT−1, T−2,・・・)で決定した「端末位置情報」群(軌跡情報)から予測される「端末位置情報」に対し、
所定条件を満たす位置の近さを有する「端末位置情報」を選択して、位置推定対象の端末3に係る「端末位置情報」に決定することも好ましい。
図4は、本発明による端末位置推定方法における位置推定フェーズの一実施形態を概略的に示すフローチャートである。本フローチャートによれば、最初に、位置推定期間の各時刻(t=1, 2,・・・, T−2, T−1, T)においてステップS11〜S14が実行される。
(S12)同期させたRSSIと動的物体の位置座標とから、位置推定時刻における特徴データを生成する。
(S14)位置推定対象の端末の動線情報(推定位置座標の時系列情報)を生成・更新する。
(S15)生成した端末3の動線情報を出力する。
101 通信インタフェース
102 受信電磁波情報蓄積部
103 物体認識情報蓄積部
104 端末動線情報蓄積部
105 ディスプレイ・キーボード(DP・KB)
111 物体認識部
112 物体認識情報管理部
113 受信電磁波情報管理部
114 学習データ生成部
115 モデル生成部
116 端末位置決定部
116a 物体位置比較部
117 端末動線情報管理部
118 入出力制御部
121 通信制御部
2 ビーコン(電磁波源)
3 端末
4 カメラ
Claims (15)
- 電磁波源からの電磁波を受信した端末における受信された電磁波の強度に係る情報である受信電磁波強度情報を取得して当該端末の位置を推定する端末位置推定装置であって、
当該端末の付されている可能性がある移動し得る物体を認識可能な物体認識手段からの物体認識情報を取得可能であり、当該端末のある時点での当該受信電磁波強度情報、及び当該時点での当該物体認識情報を含む特徴データと、当該端末の当該時点での位置に係る端末位置情報とを含む学習データを生成する学習データ生成手段と、
複数の当該学習データを用いて、端末位置推定用のモデルを生成するモデル生成手段と、
当該モデルを用いて、位置推定対象の端末から取得した位置推定時点での当該受信電磁波強度情報と、当該位置推定時点での当該物体認識情報とを含む特徴データに基づき、当該位置推定対象の端末に係る端末位置情報を決定する端末位置決定手段と
を有することを特徴とする端末位置推定装置。 - 当該物体認識情報は、認識した物体の位置に係る物体位置情報であり、
前記端末位置決定手段は、当該位置推定時点での当該物体位置情報と、当該モデルから導出された決定候補である当該端末位置情報とを比較し、互いの位置の近さに基づいて、当該位置推定対象の端末に係る端末位置情報を決定する
ことを特徴とする請求項1に記載の端末位置推定装置。 - 前記端末位置決定手段は、当該位置推定時点での当該物体位置情報のうちで、当該物体位置情報に係る位置と、当該モデルから導出された決定候補である当該端末位置情報に係る位置との距離が最も小さい又は所定閾値以下である物体位置情報を、当該位置推定対象の端末に係る端末位置情報に決定する
ことを特徴とする請求項2に記載の端末位置推定装置。 - 前記端末位置決定手段は、当該モデルから導出された決定候補である当該端末位置情報のうちで、当該端末位置情報に係る位置と、当該位置推定時点での当該物体位置情報に係る位置との距離が最も小さい又は所定閾値以下である端末位置情報を、当該位置推定対象の端末に係る端末位置情報に決定する
ことを特徴とする請求項2に記載の端末位置推定装置。 - 前記端末位置決定手段は、当該モデルから導出された決定候補である当該端末位置情報毎に決定の信頼度を算出し、当該信頼度が所定閾値以上である当該端末位置情報のみを、当該位置推定時点での当該物体位置情報と比較して、当該位置推定対象の端末に係る端末位置情報を決定することを特徴とする請求項2から4のいずれか1項に記載の端末位置推定装置。
- 前記端末位置決定手段は、当該モデルから導出された決定候補である当該端末位置情報毎に決定の信頼度を算出し、
前記学習データ生成手段は、決定した当該端末位置情報が所定閾値以上の当該信頼度を有する場合、当該端末位置情報を正解の端末位置情報として含む当該学習データを生成し、
前記モデル生成手段は、当該学習データを用いて当該モデルを生成又は更新する
ことを特徴とする請求項1から5のいずれか1項に記載の端末位置推定装置。 - 前記学習データ生成手段は、当該端末における当該時点の前の時点での位置に係る端末位置情報、及び/又は当該端末における当該時点の前の時点での当該受信電磁波強度情報を更に含む当該学習データを生成し、
前記端末位置決定手段は、当該位置推定対象の端末における当該位置推定時点の前の時点での位置に係る端末位置情報、及び/又は当該位置推定対象の端末における当該位置推定時点の前の時点での当該受信電磁波強度情報を更に含む特徴データに基づいて、当該位置推定対象の端末に係る端末位置情報を決定する
ことを特徴とする請求項1から6のいずれか1項に記載の端末位置推定装置。 - 前記端末位置決定手段は、当該モデルから導出された決定候補である当該端末位置情報毎に決定の信頼度を算出し、
前記学習データ生成手段は、生成する学習データに含まれる当該端末位置情報に係る時点の前の時点に係る端末位置情報に対して算出された当該信頼度を更に含む当該学習データを生成し、
前記端末位置決定手段は、当該位置推定対象の端末における当該位置推定時点の前の時点での位置に係る端末位置情報に対して算出された当該信頼度にも基づいて、当該位置推定対象の端末に係る端末位置情報を決定する
ことを特徴とする請求項1から7のいずれか1項に記載の端末位置推定装置。 - 前記端末位置決定手段は、当該モデルから導出された決定候補である当該端末位置情報毎に決定の信頼度を算出し、所定閾値以上の当該信頼度を有する当該端末位置情報が複数存在する場合に、当該位置推定時点の前の時点で決定した端末位置情報に対し、又は当該位置推定時点の過去の時点で決定した端末位置情報群から予測される端末位置情報に対し、所定条件を満たす位置の近さを有する当該端末位置情報を選択して、当該位置推定対象の端末に係る端末位置情報に決定することを特徴とする請求項1から8のいずれか1項に記載の端末位置推定装置。
- 前記モデル生成手段は、当該モデルとして、機械学習による端末位置推定モデルを生成することを特徴とする請求項1から9のいずれか1項に記載の端末位置推定装置。
- 前記モデル生成手段は、当該モデルとして、複数の当該学習データによって生成される端末位置データベースを生成することを特徴とする請求項1から9のいずれか1項に記載の端末位置推定装置。
- 当該物体認識情報は、カメラ、全天球カメラ、デプスカメラ、赤外線カメラ、赤外線測位手段、レーザ測位手段及びサーモグラフィ手段のうちの少なくとも1つからの撮影又は計測情報に基づいて生成されることを特徴とする請求項1から11のいずれか1項に記載の端末位置推定装置。
- 移動し得る電磁波源からの電磁波を受信可能な受信デバイスにおける受信された電磁波の強度に係る情報である受信電磁波強度情報を取得して当該電磁波源の位置又は位置分布を推定する電磁波源位置推定装置であって、
当該電磁波源を保持して移動し得る保持体を、又は当該電磁波源を認識可能な物体認識手段からの物体認識情報を取得可能であり、当該受信デバイスのある時点での当該受信電磁波強度情報、及び当該時点での当該物体認識情報を含む特徴データと、当該電磁波源の当該時点での位置又は位置分布に係る電磁波源位置又は位置分布情報とを含む学習データを生成する学習データ生成手段と、
複数の当該学習データを用いて、電磁波源位置又は位置分布推定用のモデルを生成するモデル生成手段と、
当該モデルを用いて、位置又は位置分布推定時点での当該受信電磁波強度情報と、当該位置又は位置分布推定時点での当該物体認識情報とを含む特徴データに基づき、当該位置又は位置分布推定時点での当該電磁波源に係る位置又は位置分布情報を決定する電磁波源位置決定手段と
を有することを特徴とする電磁波源位置推定装置。 - 電磁波源からの電磁波を受信した端末における受信された電磁波の強度に係る情報である受信電磁波強度情報を取得して当該端末の位置を推定する装置に搭載されたコンピュータを機能させるプログラムであって、
当該端末の付されている可能性がある移動し得る物体を認識可能な物体認識手段からの物体認識情報を取得可能であり、当該端末のある時点での当該受信電磁波強度情報、及び当該時点での当該物体認識情報を含む特徴データと、当該端末の当該時点での位置に係る端末位置情報とを含む学習データを生成する学習データ生成手段と、
複数の当該学習データを用いて、端末位置推定用のモデルを生成するモデル生成手段と、
当該モデルを用いて、位置推定対象の端末から取得した位置推定時点での当該受信電磁波強度情報と、当該位置推定時点での当該物体認識情報とを含む特徴データに基づき、当該位置推定対象の端末に係る端末位置情報を決定する端末位置決定手段と
としてコンピュータを機能させることを特徴とする端末位置推定プログラム。 - 電磁波源からの電磁波を受信した端末における受信された電磁波の強度に係る情報である受信電磁波強度情報を取得して当該端末の位置を推定する装置に搭載されたコンピュータによる端末位置推定方法であって、
当該端末の付されている可能性がある移動し得る物体を認識可能な物体認識手段からの物体認識情報を取得可能であり、当該端末のある時点での当該受信電磁波強度情報、及び当該時点での当該物体認識情報を含む特徴データと、当該端末の当該時点での位置に係る端末位置情報とを含む学習データを生成するステップと、
複数の当該学習データを用いて、端末位置推定用のモデルを生成するステップと、
当該モデルを用いて、位置推定対象の端末から取得した位置推定時点での当該受信電磁波強度情報と、当該位置推定時点での当該物体認識情報とを含む特徴データに基づき、当該位置推定対象の端末に係る端末位置情報を決定するステップと
を有することを特徴とする端末位置推定方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018059852A JP6959888B2 (ja) | 2018-03-27 | 2018-03-27 | 物体認識情報及び受信電磁波情報に係るモデルを用いて端末位置を推定する装置、プログラム及び方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018059852A JP6959888B2 (ja) | 2018-03-27 | 2018-03-27 | 物体認識情報及び受信電磁波情報に係るモデルを用いて端末位置を推定する装置、プログラム及び方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2019174164A JP2019174164A (ja) | 2019-10-10 |
JP6959888B2 true JP6959888B2 (ja) | 2021-11-05 |
Family
ID=68168547
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018059852A Active JP6959888B2 (ja) | 2018-03-27 | 2018-03-27 | 物体認識情報及び受信電磁波情報に係るモデルを用いて端末位置を推定する装置、プログラム及び方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6959888B2 (ja) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7429878B2 (ja) | 2020-09-29 | 2024-02-09 | パナソニックIpマネジメント株式会社 | 位置推定システム、固定無線装置、および移動無線装置 |
CN113098441B (zh) * | 2021-03-30 | 2023-01-24 | 太原理工大学 | 一种基于粒子滤波算法的电磁波优化模型 |
WO2023032769A1 (ja) * | 2021-08-31 | 2023-03-09 | パナソニックIpマネジメント株式会社 | 位置推定システム、及び、位置推定方法 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5337966B2 (ja) * | 2009-09-24 | 2013-11-06 | 国立大学法人 東京大学 | 位置探索方法、情報処理システム、および情報管理装置 |
JP2011186751A (ja) * | 2010-03-08 | 2011-09-22 | Takenaka Komuten Co Ltd | 位置推定装置およびプログラム |
JP6565155B2 (ja) * | 2014-09-30 | 2019-08-28 | ダイキン工業株式会社 | 測位装置のキャリブレーション方法及びキャリブレーションシステム |
CN107209247B (zh) * | 2014-12-04 | 2021-06-18 | 赫尔环球有限公司 | 支持数据的协作收集 |
JP6624780B2 (ja) * | 2014-12-10 | 2019-12-25 | PicoCELA株式会社 | 測位方法、サーバ及びプログラム |
JP6351529B2 (ja) * | 2015-03-19 | 2018-07-04 | Kddi株式会社 | 複数のタグモジュールを搭載したタグデバイス、システム又は位置推定方法 |
US10088549B2 (en) * | 2015-06-25 | 2018-10-02 | Appropolis Inc. | System and a method for tracking mobile objects using cameras and tag devices |
JP6553468B2 (ja) * | 2015-09-28 | 2019-07-31 | Kddi株式会社 | 遮蔽障害が少ない受信強度を選択する管理装置、端末、プログラム及び方法 |
EP3460504B1 (en) * | 2016-05-17 | 2020-07-01 | Sony Corporation | Information processing device, information processing method and program |
-
2018
- 2018-03-27 JP JP2018059852A patent/JP6959888B2/ja active Active
Also Published As
Publication number | Publication date |
---|---|
JP2019174164A (ja) | 2019-10-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6898165B2 (ja) | 人流分析方法、人流分析装置及び人流分析システム | |
US9292936B2 (en) | Method and apparatus for determining location | |
JP5873864B2 (ja) | オブジェクト追跡及び認識方法及び装置 | |
EP3340177A1 (en) | Method and system for creating virtual message onto a moving object and searching the same | |
US20150338497A1 (en) | Target tracking device using handover between cameras and method thereof | |
JP6959888B2 (ja) | 物体認識情報及び受信電磁波情報に係るモデルを用いて端末位置を推定する装置、プログラム及び方法 | |
JP4321455B2 (ja) | 状況認識装置、システム | |
JP5554726B2 (ja) | データ関連付けのための方法と装置 | |
CN111935644B (zh) | 一种基于融合信息的定位方法、装置及终端设备 | |
CN103679742B (zh) | 对象跟踪方法和装置 | |
CN207067803U (zh) | 一种用于处理任务区域的任务的移动电子设备 | |
CN109389641A (zh) | 室内地图综合数据生成方法及室内重定位方法 | |
KR20190118965A (ko) | 시선 추적 시스템 및 방법 | |
US20220377285A1 (en) | Enhanced video system | |
CN115346256A (zh) | 机器人寻人方法及系统 | |
Heya et al. | Image processing based indoor localization system for assisting visually impaired people | |
US10339381B2 (en) | Control apparatus, control system, and control method | |
Heiniz et al. | Landmark-based navigation in complex buildings | |
TW202104929A (zh) | 計測裝置及計測系統 | |
JP6943183B2 (ja) | 位置特定装置、位置特定方法、位置特定プログラムおよびカメラ装置 | |
US20180350216A1 (en) | Generating Representations of Interior Space | |
JP2015040749A (ja) | 位置推定装置及び位置推定プログラム | |
WO2015198284A1 (en) | Reality description system and method | |
Zhao et al. | CNN-based indoor occupant localization via active scene illumination | |
US10735902B1 (en) | Method and computer program for taking action based on determined movement path of mobile devices |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200115 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20201118 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210108 |
|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210304 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20210928 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20211008 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6959888 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |