JP6979005B2 - 道路側面に並ぶ店舗の訪問者数を推定する訪問者数推定装置、プログラム及び方法 - Google Patents

Description

本発明は、店舗の訪問者数を推定する技術に関する。

従来、評価対象地域のリモートセンシング(Remote Sensing)画像から、駐車場画像を抽出し、その駐車場画像から駐車状況（台数）を訪問者数として推定する技術がある（例えば特許文献１参照）。リモートセンシング画像は、例えば人工衛星や航空機からセンサによって、地球の表面の微細な変化を撮影した航空衛星画像である。そのリモートセンシング画像を用いて、ロードサイド店舗の駐車台数を推定することができる。

また、携帯端末のＧＰＳ(Global Positioning System)等の測位機能を起動させることなく、通信事業者設備によって取得可能な、空間的粒度が粗く且つ時間間隔が一定でない基地局位置情報を用いて、ユーザの有意位置を推定する技術もある（例えば特許文献２参照）。更に、通信履歴に係る情報に基づいて、移動端末を所持したユーザの使用した路線を推定する技術もある（例えば特許文献３参照）。これら技術によれば、測位ログを用いることで、自動車以外の移動手段を含めた人の移動について、高い時間解像度で推定することができる。

特許第６２９０８０６号公報 特開２０１２−０８５０９５号公報 特開２０１６−１３４７３１号公報

「YOLO: Real-Time Object Detection」、[online]、［平成３０年１０月１３日検索］、インターネット＜https://pjreddie.com/darknet/yolo/＞ 株式会社パスコ、「人工衛星画像とAI技術」、[online]、［平成３０年１０月１３日検索］、インターネット＜URL:https://www.pasco.co.jp/products/satai/＞ Sepp Hochreiterら、「LONG SHORT-TERM MEMORY」、[online]、［平成３０年１０月１３日検索］、インターネット＜http://www.bioinf.jku.at/publications/older/2604.pdf＞

特許文献１によれば、時間解像度が低いという課題がある。これは、リモートセンシング画像を、比較的長い時間間隔（静止衛星でも例えば最短で３０分程度）でしか取得できないという理由に基づく。即ち、リモートセンシング画像の時間分解能（撮影頻度）と空間分解能（画像の解像度）はトレードオフの関係にある。特許文献１によれば、時間帯に応じた駐車割合の統計値（駐車基準値）を予め記憶しているが、リモートセンシング画像はその時間単位で取得できるものではない。リモートセンシング画像を撮影可能な時間単位では、リアルタイムな駐車台数を推定することはできない。
また、特許文献２、３によれば、空間解像度が低いという課題がある。これは、測位誤差が影響するという理由に基づく。特に、通信インフラ設備に依存するために、一部のユーザを対象とした相対変化しか捉えることができない。

そこで、本発明は、リアルタイムに（時間解像度が高い）、店舗の訪問者数を正確に（空間解像度が高い）推定することができる訪問者数推定装置、プログラム及び方法を提供することを目的とする。

本発明によれば、道路側面に並ぶ店舗の訪問者数を推定する訪問者数推定装置において、
店舗毎に、ロゴ画像を対応付けて記憶した店舗データベースと、
走行中の車両から、進行方向の撮影映像を受信する車両情報受信手段と、
撮影映像から、店舗データベースのロゴ画像を画像認識し、店舗を特定する店舗画像認識手段と、
当該ロゴ画像が映り込む撮影映像から、道路側面に映り込む自動車を画像認識する自動車画像認識手段と、
当該ロゴ画像が映り込む撮影映像から画像認識された当該自動車の認識台数から、当該店舗の訪問者数を推定する訪問者数推定手段と
を有することを特徴とする。

本発明の訪問者数推定装置における他の実施形態によれば、
店舗データベースは、店舗毎に、店舗位置を更に対応付けて記憶しており、
車両情報受信手段は、車両から、車両位置を更に受信し、
店舗画像認識手段は、車両位置から所定範囲周辺に含まれる店舗位置となる店舗のロゴ画像のみについて画像認識する
ことも好ましい。

本発明の訪問者数推定装置における他の実施形態によれば、
店舗画像認識手段は、当該ロゴ画像について、進行方向に対する右側又は左側の映り込み側を認識し、
自動車画像認識手段は、道路側面における当該ロゴ画像の映り込み側の自動車のみを画像認識する
ことも好ましい。

本発明の訪問者数推定装置における他の実施形態によれば、
所定時間帯毎に、当該店舗の当該自動車の認識台数を説明変数とし、当該店舗の訪問者数を目的変数として、予め学習した機械学習エンジンを更に有し、
訪問者数推定手段は、当該店舗の当該自動車の認識台数を説明変数として機械学習エンジンに入力し、その出力として当該店舗の訪問者数を得る
ことも好ましい。

本発明の訪問者数推定装置における他の実施形態によれば、
自動車画像認識手段は、当該ロゴ画像の店舗について、撮影映像における当該自動車の認識台数の一連の映り込み変化を表す時系列ベクトルを導出し、
所定時間帯毎に、当該店舗の当該自動車の認識台数の時系列ベクトルを説明変数とし、当該店舗の訪問者数を目的変数として、予め学習した機械学習エンジンを更に有し、
訪問者数推定手段は、当該店舗の当該自動車の認識台数の時系列ベクトルを説明変数として機械学習エンジンに入力し、その出力として当該店舗の訪問者数を得る
ことも好ましい。

本発明の訪問者数推定装置における他の実施形態によれば、
当該店舗の訪問者数は、時間帯毎に、航空衛星画像から画像認識された当該店舗の駐車場に映り込む自動車の認識台数、又は、当該店舗に来店した際にカウントされた顧客数である
ことも好ましい。

本発明の訪問者数推定装置における他の実施形態によれば、
機械学習エンジンは、ＬＳＴＭ(Long short-term memory)ネットワークである
ことも好ましい。

本発明によれば、道路側面に並ぶ店舗の訪問者数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において、
店舗毎に、ロゴ画像を対応付けて記憶した店舗データベースと、
走行中の車両から、進行方向の撮影映像を受信する車両情報受信手段と、
撮影映像から、店舗データベースのロゴ画像を画像認識し、店舗を特定する店舗画像認識手段と、
当該ロゴ画像が映り込む撮影映像から、道路側面に映り込む自動車を画像認識する自動車画像認識手段と、
当該ロゴ画像が映り込む撮影映像から画像認識された当該自動車の認識台数から、当該店舗の訪問者数を推定する訪問者数推定手段と
してコンピュータを機能させることを特徴とする。

本発明によれば、道路側面に並ぶ店舗の訪問者数を推定する装置の訪問者数推定方法において、
装置は、店舗毎に、ロゴ画像を対応付けて記憶した店舗データベースと、
装置は、
走行中の車両から、進行方向の撮影映像を受信する第１のステップと、
撮影映像から、店舗データベースのロゴ画像を画像認識し、店舗を特定する第２のステップと、
画像認識された当該ロゴ画像から、店舗を特定する第３のステップと、
当該ロゴ画像が映り込む撮影映像から、道路側面に映り込む自動車を画像認識する第４のステップと、
当該ロゴ画像が映り込む撮影映像から画像認識された当該自動車の認識台数から、当該店舗の訪問者数を推定する第５のステップと
を実行することを特徴とする装置の訪問者数推定方法。

本発明の訪問者数推定装置、プログラム及び方法によれば、リアルタイムに（時間解像度が高い）、店舗の訪問者数を正確に（空間解像度が高い）推定することができる。

走行中の自動車の運転席から見た外観図である。 本発明における訪問者数推定装置の機能構成図である。 車両情報受信部及び店舗画像認識部の処理を表す説明図である。 自動車画像認識部及び訪問者数推定部の処理を表す説明図である。 機械学習エンジンの教師データを表す説明図である。 機械学習エンジンの推定段階を表す説明図である。

以下、本発明の実施の形態について、図面を用いて詳細に説明する。

図１は、走行中の自動車の運転席から見た外観図である。

図１によれば、車両には、進行方向を撮影するカメラと、衛星からの測位電波を受信するＧＰＳ(Global Positioning System)センサとが設置されている。尚、車両は自動車であるとして説明するが、電車、自転車やバイクといった走行車であればよい。また、カメラも進行方向を撮影するものとして説明するが、後行方向（リア側）を撮影するものであってもよい。
カメラは、走行中の進行方向を撮影しているために、道路が中央に映り込むと共に、その道路の側面に「店舗」が映り込んでいる。各店舗には、道路に面する駐車場に複数の「車両」が駐車されている。
また、道路側面には、走行中の自動車の運転手に対して店舗の存在を表示するための「ロゴ(logotype)画像」が見える。ロゴ画像は、顧客誘因のために、看板や建物に表示されたその店舗の意匠文字である（以下では、ロゴ画像は看板に表示されたものとして説明する）。即ち、走行中の自動車のカメラによる「撮影映像（時系列画像）」には、「店舗における看板」と、「駐車場の自動車」とが映り込む。
ＧＰＳセンサは、走行中の現在の「車両位置」（緯度・経度）を検知する。

車両に搭載されたカメラ及びＧＰＳセンサは、車両通信装置２に接続される。車両通信装置２は、車両情報として「撮影映像」及び「車両位置」を、無線通信網を介して送信する。

図２は、本発明における訪問者数推定装置の機能構成図である。

図２によれば、訪問者数推定装置１は、道路側面に並ぶ店舗の訪問者数を推定する。訪問者数推定装置１は、店舗データベース１０と、車両情報受信部１１と、店舗画像認識部１２と、自動車画像認識部１３と、訪問者数推定部１５と、機械学習エンジン１４とを有する。これら機能構成部は、装置に搭載されたコンピュータを機能させる訪問者数推定プログラムを実行することによって実現される。また、これら機能構成部の処理の流れは、訪問者数推定方法としても理解できる。

［車両情報受信部１１］
車両情報受信部１１は、走行中の車両の車両通信装置２から、車両情報を受信する。車両情報には、少なくとも「撮影映像（時系列画像）」が含まれている。また、車両情報には、「車両位置」が含まれていてもよい。
受信した撮影映像及び車両位置は、店舗画像認識部１２へ出力される。

図３は、車両情報受信部及び店舗画像認識部の処理を表す説明図である。

図３によれば、撮影映像には、以下のようなものが映り込んでいる。
道路を中央にして左側： 看板「ａ」と、駐車場の車両
道路を中央にして右側： 看板「ｂ」と、駐車場の車両

［店舗データベース１０］
店舗データベース１０は、店舗毎に、少なくとも「ロゴ画像」を対応付けて記憶したものである。また、店舗データベース１０は、店舗毎に、「店舗位置」を更に対応付けて記憶したものであってもよい。

図３によれば、店舗データベース１０は、店舗ＩＤ毎に、ロゴ画像と店舗位置とが対応付けられている。

［店舗画像認識部１２］
店舗画像認識部１２は、撮影映像から、店舗データベース１０の「ロゴ画像」を画像認識し、店舗を特定する。
具体的な機械学習エンジンとしては、深層学習のＹＯＬＯ(You Only Look Once)を用いて物体検出をすることができる（例えば非特許文献１参照）。これは、物体領域候補を選び出すことなく、１つのＣＮＮ（畳み込みニューラルネットワーク(Convolutional Neural Network)）で物体検出からクラス分類まで予測を完結させることができる。アーキテクチャには２４層のＣＮＮが用いられ、過学習を防ぐためにepoch数に応じて学習率を変化させている。結果的に、多数クラスの物体をリアルタイムに検出することができる。

また、店舗画像認識部１２は、当該ロゴ画像について、進行方向に対する右側又は左側の映り込み側を認識する。
図３によれば、例えば看板「ａ」を検出した場合、その看板は道路左側であることを認識し、看板「ｂ」を検出した場合、その看板は道路右側であることを認識する。
道路を中央に見た場合、看板が存在する側面に、その看板の店舗は存在するためである。

他の実施形態として、店舗画像認識部１２は、車両位置から所定範囲周辺に含まれる店舗位置となる店舗のロゴ画像のみについて画像認識する。
当該車両位置を中心にして、所定半径に含まれる店舗位置となる店舗（検索対象店舗リスト）の中から、ロゴ画像を検索する。車両位置は、当該カメラを搭載した自動車から受信される。車両位置が更新される毎に、また、一定距離を移動した際に、所定半径に含まれる検索対象店舗リストを更新する。
また、店舗画像認識部１２は、映り込むロゴ画像の中で、「〇km先に店舗ａ」のように、「m先」のような文字を自動的に認識し、そのロゴ画像を検出しないようにすることも好ましい。進行方向の先にある店舗はその道路側面に駐車場は無いためである。
勿論、この処理は、店舗のロゴ画像の検索効率を高めるためのものであって、必須となるものではない。全ての店舗のロゴ画像を画像認識するものであってもよい。

図３によれば、車両位置を中心に、店舗ＩＤａ２、ｂ１、ｃ１の店舗が、当該車両位置からの所定半径に含まれる。即ち、店舗ＩＤａ２、ｂ１、ｃ１の店舗のロゴ画像のみを、撮影映像の中から画像認識する。このようにすることによって、車両位置から離れた店舗のロゴ画像を、撮影映像の中から検索する必要がなくなる。

［自動車画像認識部１３］
自動車画像認識部１３は、当該ロゴ画像が映り込む撮影映像から、道路側面に映り込む自動車を画像認識する。自動車画像認識部１３も、店舗画像認識部１２と同様に、具体的な機械学習エンジンとしては、ＹＯＬＯを用いて物体検出をすることができる。
撮影画像に映り込む自動車の認識台数は、駐車場の一部しか撮影できていないために空間解像度は低いが、リアルタイムに撮影できるために、時間解像度は高いと言える。

図４は、自動車画像認識部及び訪問者数推定部の処理を表す説明図である。

自動車画像認識部１３は、道路側面における当該ロゴ画像の映り込み側の自動車のみを物体検出する。
図４によれば、道路中央から左側の看板「ａ」の店舗については、左側の自動車のみを検出し、道路中央から右側の看板「ｂ」の店舗については、右側の自動車のみを検出する。
即ち、撮影映像の中央を道路として、左側と右側とで領域分割して、看板及び自動車を物体認識する。最も簡易には、フレームを縦に３分割し、看板と同じ領域内に存在する自動車数を認識する。
これによって、走行中の自動車のカメラによる撮影画像から、その看板の店舗に駐車された自動車の台数を検出することができる。
図４によれば、店舗ＩＤ毎に、各時刻における自動車の認識台数が対応付けられている。

［機械学習エンジン１４］
機械学習エンジン１４は、教師データを入力し、予め学習したものである。

図５は、機械学習エンジンの教師データを表す説明図である。

「店舗の自動車の認識台数」とは、車両のカメラにおける走行中の撮影映像から検出された、所定時間帯における駐車台数の平均値や最大値である。

「店舗の自動車の認識台数の時系列ベクトル」とは、時刻毎の認識台数の変化を、所定時間帯（例えば２０秒）でベクトル表現したものである。例えば任意の店舗に対して、走行中の撮影映像からは、以下のように変化する。
（第１段階）店舗の看板を小さく認識すると共に、駐車場の自動車の認識台数が徐々に増加する。
（第２段階）店舗の看板を大きく認識すると共に、駐車場の自動車の認識台数が最大となる。
（第３段階）店舗の看板を急に認識できなくなる。
ここでの第１段階から第３段階までの一定の時間帯について、自動車の認識台数の一連の映り込み変化を、時系列ベクトルとする。

「店舗の訪問者数」とは、所定時間帯毎に、例えば以下のような２つの実施形態であってもよい。
（１）航空衛星画像（リモートセンシング画像）から画像認識された当該店舗の駐車場に映り込む自動車の認識台数
航空衛星画像は、高分解能（例えば５０ｃｍ分解能）で撮影したものであって、機械学習エンジンを用いて駐車場の車両数を推定することができる（例えば非特許文献２参照）。航空衛星画像に映り込む自動車の認識台数は、駐車場の全体を撮影しているために空間解像度は高い。但し、リアルタイムに撮影することができず、時間解像度は低いと言える。

（２）当該店舗に来店した際にカウントされた顧客数
この顧客数は、店舗内に設定された例えば人体検出センサによって検出された人数であってもよい。また、顧客が所持するスマートフォンとの通信によって検出された人数であってもよい。

機械学習エンジン１４は、所定時間帯毎における、以下のような２つの実施形態の教師データを入力するものであってもよい。
（第１の実施形態の教師データ）
説明変数：当該店舗の自動車の認識台数
目的変数：当該店舗の訪問者数
説明変数が、所定の数値である場合、機械学習エンジン１４は、回帰分析であってもよい。回帰分析によって、撮影映像における所定時間帯の自動車の認識台数と、店舗の訪問者数との比率を単に学習したものとなる。

（第２の実施形態の教師データ）
説明変数：当該店舗の自動車の認識台数の時系列ベクトル
目的変数：当該店舗の訪問者数
説明変数が、当該店舗の自動車の認識台数の時系列ベクトルである場合、機械学習エンジン１４は、ＬＳＴＭ(Long short-term memory、長期短期記憶)であってもよい（例えば非特許文献３参照）。ＬＳＴＭは、回帰結合型ニューラルネットワーク(ＲＮＮ(Recurrent Neural Network))を拡張した、時系列データ(sequential data)に対するモデルを学習するものである。ＬＳＴＭは、ＲＮＮの中間層のユニットを、ＬＳＴＭブロックと称されるメモリと３つのゲートを持つブロックとに置き換えることにおって実現されている。尚、ＲＮＮとは、有向閉路を持つニューラルネットワークであり、それ以前の入力によって変化する状態を保持するオートマトンに基づくものである。

このように、機械学習エンジン１４は、走行中の車両の撮影映像から検出した道路側面に映り込む店舗の駐車場の認識台数又はその変化と、航空衛星画像に基づく自動車の駐車台数、又は、店舗内における顧客数との関係性をモデル化する。

［訪問者数推定部１５］
訪問者数推定部１５は、当該ロゴ画像が映り込む撮影映像から画像認識された当該自動車の認識台数を、当該店舗の訪問者数として推定する。
勿論、走行中の撮影画像から検出した自動車の認識台数が、当該店舗の訪問者数と一致するわけではない。一方で、自動車の認識台数は、当該店舗の訪問者数と一定の比例関係にあると考えられる。

図６は、機械学習エンジンの推定段階を表す説明図である。

訪問者数推定部１５は、機械学習エンジン１４を用いて、当該自動車の認識台数から、当該店舗の訪問者数（航空衛星画像に基づく自動車の駐車台数、又は、店舗内における顧客数）を推定する。
図６（ａ）によれば、訪問者数推定部１５は、当該店舗の当該自動車の「認識台数」を説明変数として機械学習エンジン１４に入力し、その出力として当該店舗の訪問者数を得る。
図６（ｂ）によれば、訪問者数推定部１５は、当該店舗の当該自動車の「認識台数の時系列ベクトル」を説明変数として機械学習エンジン１４に入力し、その出力として当該店舗の訪問者数を得る。

以上、詳細に説明したように、本発明の訪問者数推定装置、プログラム及び方法によれば、リアルタイムに（時間解像度が高い）、店舗の訪問者数を正確に（空間解像度が高い）推定することができる。

本発明によれば、具体的には、走行中の車両の撮影映像から検出した道路側面に映り込む店舗の駐車場の認識台数又はその変化から、航空衛星画像に基づく自動車の駐車台数、又は、店舗内における顧客数を推定することができる。
航空衛星画像については、時間解像度は低いが、空間解像度は高い。一方で、走行中の車両の撮影映像から検出した店舗の駐車場の認識台数については、時間解像度は高いが、空間解像度が低い。これに対して、本発明によれば、航空衛星画像が得られていない時間帯であっても、走行中の車両の撮影映像から、その時間帯におけるその店舗の訪問者数を補完的に推定することができる。即ち、高い空間解像度で且つ高い時間解像度で、その店舗の訪問者数を推定することができる。

前述した本発明の種々の実施形態について、本発明の技術思想及び見地の範囲の種々の変更、修正及び省略は、当業者によれば容易に行うことができる。前述の説明はあくまで例であって、何ら制約しようとするものではない。本発明は、特許請求の範囲及びその均等物として限定するものにのみ制約される。

１ 訪問者数推定装置
１０ 店舗データベース
１１ 車両情報受信部
１２ 店舗画像認識部
１３ 自動車画像認識部
１４ 機械学習エンジン
１５ 訪問者数推定部
２ 車両通信装置

Claims (9)

1. 道路側面に並ぶ店舗の訪問者数を推定する訪問者数推定装置において、
   店舗毎に、ロゴ画像を対応付けて記憶した店舗データベースと、
   走行中の車両から、進行方向の撮影映像を受信する車両情報受信手段と、
   撮影映像から、前記店舗データベースの前記ロゴ画像を画像認識し、店舗を特定する店舗画像認識手段と、
   当該ロゴ画像が映り込む撮影映像から、道路側面に映り込む自動車を画像認識する自動車画像認識手段と、
   当該ロゴ画像が映り込む撮影映像から画像認識された当該自動車の認識台数から、当該店舗の訪問者数を推定する訪問者数推定手段と
   を有することを特徴とする訪問者数推定装置。
2. 前記店舗データベースは、店舗毎に、店舗位置を更に対応付けて記憶しており、
   前記車両情報受信手段は、前記車両から、車両位置を更に受信し、
   前記店舗画像認識手段は、前記車両位置から所定範囲周辺に含まれる店舗位置となる店舗のロゴ画像のみについて画像認識する
   ことを特徴とする請求項１に記載の訪問者数推定装置。
3. 前記店舗画像認識手段は、当該ロゴ画像について、進行方向に対する右側又は左側の映り込み側を認識し、
   前記自動車画像認識手段は、道路側面における当該ロゴ画像の映り込み側の自動車のみを画像認識する
   ことを特徴とする請求項１又は２に記載の訪問者数推定装置。
4. 所定時間帯毎に、当該店舗の当該自動車の認識台数を説明変数とし、当該店舗の訪問者数を目的変数として、予め学習した機械学習エンジンを更に有し、
   前記訪問者数推定手段は、当該店舗の当該自動車の認識台数を説明変数として前記機械学習エンジンに入力し、その出力として当該店舗の訪問者数を得る
   ことを特徴とする請求項１から３のいずれか１項に記載の訪問者数推定装置。
5. 前記自動車画像認識手段は、当該ロゴ画像の店舗について、撮影映像における当該自動車の認識台数の一連の映り込み変化を表す時系列ベクトルを導出し、
   所定時間帯毎に、当該店舗の当該自動車の認識台数の前記時系列ベクトルを説明変数とし、当該店舗の訪問者数を目的変数として、予め学習した機械学習エンジンを更に有し、
   前記訪問者数推定手段は、当該店舗の当該自動車の認識台数の時系列ベクトルを説明変数として前記機械学習エンジンに入力し、その出力として当該店舗の訪問者数を得る
   ことを特徴とする請求項１から３のいずれか１項に記載の訪問者数推定装置。
6. 当該店舗の訪問者数は、時間帯毎に、航空衛星画像から画像認識された当該店舗の駐車場に映り込む自動車の認識台数、又は、当該店舗に来店した際にカウントされた顧客数である
   ことを特徴とする請求項４又は５に記載の訪問者数推定装置。
7. 前記機械学習エンジンは、ＬＳＴＭ(Long short-term memory)ネットワークである
   ことを特徴とする請求項４から６のいずれか１項に記載の訪問者数推定装置。
8. 道路側面に並ぶ店舗の訪問者数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において、
   店舗毎に、ロゴ画像を対応付けて記憶した店舗データベースと、
   走行中の車両から、進行方向の撮影映像を受信する車両情報受信手段と、
   撮影映像から、前記店舗データベースの前記ロゴ画像を画像認識し、店舗を特定する店舗画像認識手段と、
   当該ロゴ画像が映り込む撮影映像から、道路側面に映り込む自動車を画像認識する自動車画像認識手段と、
   当該ロゴ画像が映り込む撮影映像から画像認識された当該自動車の認識台数から、当該店舗の訪問者数を推定する訪問者数推定手段と
   してコンピュータを機能させることを特徴とするプログラム。
9. 道路側面に並ぶ店舗の訪問者数を推定する装置の訪問者数推定方法において、
   前記装置は、店舗毎に、ロゴ画像を対応付けて記憶した店舗データベースと、
   前記装置は、
   走行中の車両から、進行方向の撮影映像を受信する第１のステップと、
   撮影映像から、前記店舗データベースの前記ロゴ画像を画像認識し、店舗を特定する第２のステップと、
   画像認識された当該ロゴ画像から、店舗を特定する第３のステップと、
   当該ロゴ画像が映り込む撮影映像から、道路側面に映り込む自動車を画像認識する第４のステップと、
   当該ロゴ画像が映り込む撮影映像から画像認識された当該自動車の認識台数から、当該店舗の訪問者数を推定する第５のステップと
   を実行することを特徴とする装置の訪問者数推定方法。

Images