JP7006809B2 - 動線補正装置、動線補正方法、および動線追跡プログラム - Google Patents

Description

動線補正装置、動線補正方法、および記録媒体に関し、例えば、分断した動線を補正する動線補正装置に関する。

特許文献１～４に示された関連する技術では、カメラが撮影した映像に映る人物を追跡して、一人の人物につき一つの動線（軌跡とも呼ぶ）を生成する。このようにして得られた人物の動線は、店舗内における顧客の行動を分析したり、従業員による業務活動を監視したりするために利用されている。

特開２０１４－１８６５４７号公報 特開２０１７－ ４０５３０号公報 特開２００８－２５０９９９号公報 国際公開第２０１４／１２５８８２号

図１２は、関連する技術が追跡する人物の動線の一例を示している。追跡対象の人物とカメラとの間に遮蔽物が存在する場合、関連する技術は、映像中における人物の領域の位置を正確に検出することができなくなる。その結果、図１２に示すように、人物の動線に分断が生じ得る。

関連する技術では、人物の見た目の特徴（服装など）の検出結果に基づいて、分断した動線を補正する。しかしながら、人物に関する特徴の検出結果がどれぐらい信頼できるのかを考慮していないため、誤った動線同士を連結する可能性がある。

本発明は、上記の課題に鑑みてなされたものであり、その目的は、物体の動線をより正確に補正することが可能な動線補正装置を提供することにある。

本発明の一態様に係わる動線補正装置は、映像中の一つ以上の物体を追跡して得られる複数の動線の信頼度を表すパラメータを算出する信頼度算出手段と、前記複数の動線のうちの任意の二つの動線の類似度を表すパラメータを算出する類似度算出手段と、前記類似度を表すパラメータを、前記信頼度を表すパラメータで重み付けした値を、スコアとして算出するスコア算出手段と、前記スコアに基づいて、前記複数の動線のうちの同一物体の動線同士を連結する連結手段と、を備えている。

本発明の一態様に係わる動線補正方法は、映像中の一つ以上の物体を追跡して得られる複数の動線の信頼度を表すパラメータを算出し、前記複数の動線のうちの任意の二つの動線の類似度を表すパラメータを算出し、前記類似度を表すパラメータを、前記信頼度を表すパラメータで重み付けした値を、スコアとして算出し、前記スコアに基づいて、前記複数の動線のうちの同一物体の動線同士を連結することを含む。

本発明の一態様に係わる記録媒体は、映像中の一つ以上の物体を追跡して得られる複数の動線の信頼度を表すパラメータを算出することと、前記複数の動線のうちの任意の二つの動線の類似度を表すパラメータを算出することと、前記類似度を表すパラメータを、前記信頼度を表すパラメータで重み付けした値を、スコアとして算出することと、前記スコアに基づいて、前記複数の動線のうちの同一物体の動線同士を連結することとを、前記コンピュータに実行させるための動線追跡プログラムを記録している。

本発明の一態様によれば、物体の動線をより正確に補正することができる。

実施形態１に係わる追跡装置の構成を示すブロック図である。 動線の平滑化を説明する図である。 一つの動線上に、映像の各フレームにおいて検出された人物の属性を示す情報を点で表している。 実施形態１に係わる動線補正装置が実行する動線補正方法の流れを示すフローチャートである。 分断した４つの動線を示す。 動きの類似度および属性の類似度を表すテーブルである。 動きの信頼度および属性の信頼度を表すテーブルである。 動線のペアごとのスコアを表すテーブルである。 ４つの動線が連結された二つの動線の一例を示す。 実施形態２に係わる動線補正装置の構成を示すブロック図である。 実施形態３に係わる動線補正装置のハードウェア構成を示す図である。 関連する技術の課題を説明する図である。

〔実施形態１〕
図１～図９を参照して、本発明の実施形態１について、以下で説明する。

（追跡装置１）
図１は、本実施形態に係わる追跡装置１の構成を示すブロック図である。図１に示すように、追跡装置１は、入力部１０と、動線補正装置２０と、出力部３０とを備えている。また、追跡装置１は、図示しない動線生成部をさらに備えている。

追跡装置１は、映像に映る人物を追跡する。追跡装置１は、人物を含む映像をどのように取得してもよい。人物を含む映像は、例えば、小売店の防犯カメラが撮影した映像であってもよいし、あるいは公共の場所に設置された監視カメラが撮影した映像であってもよい。なお、追跡装置１が追跡する対象は人物に限られない。追跡装置１は人物以外の移動可能な任意の物体を追跡してもよい。

図示しない動線生成部は、追跡装置１が取得した映像を解析することによって、映像に映る人物の動線情報を生成する。動線情報には、時刻、ＩＤ、人物の位置および属性を示す時系列の情報が含まれる。人物の属性とは、例えば、服装、荷物、性別、年齢などを、任意のカテゴリーごと（例えば、衣服の色）に分類したものである。動線生成部は、一般的な画像解析法により、このような動線情報を生成することができる。ここでは、動線生成部が映像を解析して動線情報を生成する手法の詳細な説明を省略する。ここで、追跡対象の人物とカメラとの間に遮蔽物が存在する場合、動線生成部は、映像中における人物の領域の位置を、正確に追跡することができなくなる。その結果、動線情報において、人物の動線に分断が生じ得る。

入力部１０は、図示しない動線生成部が生成した動線情報を取得し、取得した動線情報を動線補正装置２０へ送信する。

動線補正装置２０は、ペアリング部２１、類似度算出部２２、信頼度算出部２３、スコア算出部２４、および連結部２５を備えている。

動線補正装置２０は、入力部１０から動線情報を受信して、分断した同一人物の動線同士を連結する。動線補正装置２０は、このようにして補正した動線情報を、出力部３０へ送信する。動線補正装置２０の構成要素が実行する処理については、後に提示する「動線補正方法」に関するフローの中で説明するため、それらの処理の説明をここでは省略する。

出力部３０は、動線補正装置２０の連結部２５から、補正された動線情報を受信して、受信した動線情報を外部機器へ出力する。例えば、出力部３０は、補正された動線情報を、図示しない表示装置へ出力してもよいし、ネットワーク上のサーバへ送信してもよい。

（信頼度の計算）
動線補正装置２０の信頼度算出部２３は、後述する動線補正方法のフローにおいて、以下で説明する二つのパラメータを計算する。信頼度算出部２３は、後述する類似度算出部２２が計算する二つ以上の類似度と対応する数の信頼度を計算する。本実施形態および後の実施形態において、信頼度は、一つの物体を正しく追跡して一つの動線が得られた可能性を示す値（パラメータ）である。信頼度算出部２３は、信頼度を表す三つ以上のパラメータを計算してもよい。また、以下では、信頼度算出部２３が、動きの信頼度および属性の信頼度をどちらも計算する例を説明するが、動きの信頼度を表すパラメータのみを二つ以上、または属性の信頼度を表すパラメータのみを二つ以上計算してもよい。

（第１のパラメータ：動きの信頼度）
第１のパラメータは、映像のフレーム間での人物の位置のばらつきを表す。信頼度算出部２３は、位置のばらつきを小さくするように、動線を平滑化する。例えば、信頼度算出部２３は、動線の移動平均線を求めてもよい。

図２は、動線の平滑化を説明する図である。図２は、位置のばらつきが大きい動線の例、および、位置のばらつきが小さい動線の例を示す。図２に示す例から分かるように、位置のばらつきが大きい動線のほうが、位置のばらつきが小さい動線よりも、平滑化の前後における長さの変化が大きい。

信頼度算出部２３は、以下の式１にしたがって、人物の位置のばらつきを表す第１のパラメータを算出する。
［式１］

式１によれば、信頼度算出部２３による平滑化の前後で、動線の長さの変化がない場合、第１のパラメータは最大値１になる。第１のパラメータが０に近づくにつれて、動線生成部が一人の人物を正しく追跡できなかった蓋然性が高くなる。なぜならば、第１のパラメータが小さいことは、平滑化前の動線における人物の位置のばらつきが大きいことを示すからである。第１のパラメータのことを、「動きの信頼度」と呼ぶ。

（第２のパラメータ：属性の信頼度）
第２のパラメータは、映像のフレーム間での人物の属性のばらつきを表す。信頼度算出部２３は、動線生成部が生成した一つの動線情報から、映像の各フレームにおける人物の属性を表す情報を抽出する。そして、信頼度算出部２３は、抽出した属性を、類似した属性ごとに分類して、クラスタを形成する。

図３は、一つの動線上に、映像の各フレームにおいて検出された人物の属性を示す情報を点で表している。また図３には、動線上の属性を、類似する属性毎に分類したクラスタＡおよびクラスタＢを示している。クラスタＡは、白丸で示す３つの要素を含み、クラスタＢは、黒丸で示す５つの要素を含む。

信頼度算出部２３は、以下の式２にしたがって、動線情報に含まれる人物の属性のばらつきを表す第２のパラメータを算出する。
［式２］

式２によれば、動線情報から抽出された人物の属性の全要素が、１つのクラスタに含まれる場合、第２のパラメータは最大値１になる。第２のパラメータが０に近づくにつれて、動線生成部が一人の人物を正しく追跡できなかった蓋然性が高くなる。なぜならば、第２のパラメータが小さいことは、人物の属性のばらつきが大きいことを示すからである。第２のパラメータのことを、「属性の信頼度」と呼ぶ。

（動線補正方法）
図４～図１０を参照して、動線補正装置２０の各構成要素が実行する処理を説明する。図４は、動線補正装置２０が実行する動線補正方法の流れを示すフローチャートである。

図４に示すように、ペアリング部２１は、入力部１０から動線情報を取得する。これらの動線情報の中には、分断した動線が含まれている。

図５は、分断した動線の一例を示す。図５は、４つの分断した動線ａ～ｄを含む。ペアリング部２１は、動線情報に含まれる時刻の情報に基づいて、動線ａは、動線ｃおよび動線ｄのどちらか一方と連結すべきであり、動線ｂは、動線ｃおよび動線ｄの他方と連結すべきであると判定する。したがって、ペアリング部２１は、動線の４通りの組み合わせ、すなわちａ－ｃ、ａ－ｄ、ｂ－ｃ、およびｂ－ｄを生成（ペアリング）する（Ｓ１）。

類似度算出部２２は、ペアリングした二つの動線についての動線情報から、人物の動きに関する特徴、および人物の属性に関する特徴を抽出する（Ｓ２）。ここでいう人物の動きに関する特徴は、例えば、人物の移動方向または速さである。また、人物の属性に関する特徴は、例えば、人物の服装の色を表すヒストグラムである。

次に、類似度算出部２２は、ペアリング部２１が生成した動線のペアに関して、類似度を算出する（Ｓ３）。具体的には、類似度算出部２２は、人物の動きの類似度と、人物の属性の類似度とをそれぞれ算出する。

図６は、類似度算出部２２が算出する動き／属性の類似度（動きの類似度および属性の類似度を意味する）を表すテーブルである。

図６に示す動きの類似度は、ペアリングされた二つの動線が、どれぐらい自然につながるのかを表す。類似度算出部２２は、人物の時空間距離の近さおよび動きの向きに加えて、例えば歩行の速度に基づいて、人物の動きの類似度を算出してもよい。具体的には、類似度算出部２２は、人物の時空間距離の近さや人物の動きの向き等をパラメータとする特徴量空間において、人物の特徴量ベクトル間の距離、又は特徴量ベクトルのなす角に基づいて、動きの類似度を計算する。特徴量ベクトル間の距離が小さいほど、また特徴量ベクトルのなす角が小さいほど、類似度は高くなる。ここでは、類似度の計算方法に関する詳細な説明を省略する。

図６に示す属性の類似度は、ペアリングされた二つの動線と対応する二人の人物の属性が、どれぐらい類似しているのかを表す。例えば、一つのペアａ－ｃについて、二人の人物の動きの類似度は０．８（１が最大値）である。また同じペアａ－ｃについて、二人の人物の属性の類似度は０．３（１が最大値）である。なお、図６に示す例では、人物の動きまたは属性の類似度は、０から１までの値で表されるように、正規化されている。

ステップＳ３の後、信頼度算出部２３は、動線がただ一人の人物を追跡して得られたことの確からしさを示す信頼度を算出する（Ｓ４）。具体的には、信頼度算出部２３は、上述した第１のパラメータである動きの信頼度、および、上述した第２のパラメータである属性の信頼度を算出する。また、信頼度算出部２３は、動線のペアごとの信頼度も算出する。式１、式２から分かるように、第１のパラメータ、第２のパラメータは、０以上かつ１以下の値である。

図７は、動線ごとの動き／属性の信頼度（０～１）と、動線のペアごとの動き／属性の信頼度（０～１）とを表すテーブルである。図７に示す動線ごとの動き／属性の信頼度は、動線生成部が一人の人物を正しく追跡することができた、換言すれば、動線はただ一人の人物から得られたことが、どれくらい確からしいかを表す。動きの信頼度は、人物の位置のばらつき（図２）に着目して得られる一方、属性の信頼度は、人物の属性のばらつきに着目して得られる。

図７に示す動線のペアごとの動き／属性の信頼度は、信頼度算出部２３によって、ペアリングされた二つの動線の動き／属性の信頼度に基づいて算出される。具体的には、動線のペアごとの動き／属性の信頼度は、ペアリングされた二つの動線の動き／属性の信頼度のうちの小さい方である。例えば、動線ａの動きの信頼度は０．２であり、動線ｃの動きの信頼度は０．８である。この場合、動線のペアａ－ｃの動きの信頼度は、動線ａの動きの信頼度と同じ、すなわち０．２である。

信頼度算出部２３は、このようにして算出した動線のペアごとの動き／属性の信頼度を正規化する。すなわち、信頼度算出部２３は、動線のペアごとに、動きの信頼度と属性の信頼度との総和が１になるように、動き／属性の信頼度をそれぞれ補正する。具体的には、正規化された動き／属性の信頼度は、元の動き／属性の信頼度を、動き／属性の信頼度の総和で割った値である。例えば、図７において、動線のペアａ－ｃについて、元の動きの信頼度が０．２であり、元の属性の信頼度が０．５である。この場合、正規化後の動きの信頼度は、０．２／（０．２＋０．５）（イコール０．２９）であり、正規化後の属性の信頼度は、０．５／（０．２＋０．５）（イコール０．７１）である。

ステップＳ４の後、スコア算出部２４は、類似度算出部２２が算出した類似度と、信頼度算出部２３が算出した動き／属性の信頼度とを用いて、動線のペアごとのスコアを算出する（Ｓ５）。

具体的には、スコア算出部２４は、以下の式３にしたがって、動線のペアごとのスコアを算出する。
［式３］

図８は、スコア算出部２４によって算出される、動線のペアごとのスコアを表すテーブルである。例えば、動線のペアａ－ｃについて、動きの類似度は０．８であり、動きの信頼度（正規化）は０．２９である。また、属性の類似度は０．３であり、属性の信頼度（正規化）は０．７１である。したがって、動線のペアａ－ｃについてのスコアは、０．８×０．２９＋０．３×０．７１（イコール０．４４５）である。

ステップＳ５の後、連結部２５は、スコア算出部２４がそれぞれの動線のペアについて算出したスコア（図８）を比較する（Ｓ７）。

そして、連結部２５は、ペアリング部２１が生成した全ての動線のペアの中から、最もスコアが高い動線のペアを選択する。例えば、図８に示す例では、スコアが最も高い動線のペアａ－ｄを選択する。続いて、連結部２５は、残った動線のペアの中から、最もスコアが高い動線のペアを選択する。図８では、動線ａおよび動線ｄを除いた動線のペアはｂ－ｃのみが残るので、この動線のペアｂ－ｃを選択する。連結部２５は、全ての動線の相手が決まるまで、一連の処理を繰り返す。

連結部２５は、このようにして全ての動線の相手を決めた後、各動線をその相手の動線と連結する（Ｓ７）。例えば、連結部２５は、動線とその相手の動線との間を、直線の動線によって補完してもよい。あるいは、連結部２５は、動線の一方の端における人物の移動方向および速さと、その相手の動線の一方の端における人物の移動方向および速さとによって決まる任意の曲線形状の動線によって、動線とその相手の動線との間を補完してもよい。

図９は、４つの動線が連結された二つの動線の一例を示す。図９では、図５に示す４つの分断した動線ａ～ｄは、それぞれ、連結部２５によって選択された相手と連結されている。より詳細には、図５に示す動線ａは、動線ｄと連結されており、また図５に示す動線ｂは、動線ｃと連結されている。

以上で、動線補正方法のフローは終了する。

（本実施形態の作用効果）
本実施形態の構成によれば、類似度を信頼度で重み付したスコアに基づいて、同一物体の動線同士を連結する。このように、動線同士の類似度だけでなく、各動線がただ一つの物体を正しく追跡して得られたことの確からしさを示す信頼度も考慮するので、物体の動線をより正確に補正することができる。

〔実施形態２〕
図１０を参照して、本発明の実施形態２について、以下で説明する。

（動線補正装置２００）
図１０は、本実施形態に係わる動線補正装置２００の構成を示すブロック図である。動線補正装置２００は、映像中の一つ以上の物体を追跡して得られる複数の動線を取得し、それらの動線を補正する。図１０に示すように、動線補正装置２００は、類似度算出部２２２と、信頼度算出部２２３と、スコア算出部２２４と、連結部２２５とを備えている。

類似度算出部２２２は、複数の動線のうちの任意の二つの動線の類似度を表すパラメータを算出する。

信頼度算出部２２３は、映像中の一つ以上の物体を追跡して得られる複数の動線の信頼度を表すパラメータを算出する。

スコア算出部２２４は、類似度を表すパラメータを、信頼度を表すパラメータで重み付けした値を、スコアとして算出する。

連結部２２５は、スコアに基づいて、複数の動線のうちの同一物体の動線同士を連結する。

（本実施形態の作用効果）
本実施形態の構成によれば、複数の動線のうちの任意の二つの動線の類似度を表すパラメータを算出する。さらに、それらの類似度を、信頼度を表すパラメータによって重み付することによって、スコアを算出する。こうして算出したスコアに基づいて、同一物体の動線である可能性が高い二つの動線を判定することができる。したがって、分断された物体の動線をより正確に補正することができる。

〔実施形態３〕
図１１を参照して、本発明の実施形態３について、以下で説明する。

本実施形態に係わる動線補正装置は、前記実施形態１または２で説明した動線補正装置２０または動線補正装置２００と同じ構成を備える。

本実施形態に係わる動線補正装置の各構成要素の一部又は全部は、例えば図１１に示すような情報処理装置９００とプログラムとの任意の組み合わせにより実現される。図１１は、情報処理装置９００のハードウェア構成の一例を示すブロック図である。

図１１に示すように、情報処理装置９００は、一例として、以下のような構成を含む。

・ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）９０１
・ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）９０２
・ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）９０３
・ＲＡＭ９０３にロードされるプログラム９０４
・プログラム９０４を格納する記憶装置９０５
・記録媒体９０６の読み書きを行うドライブ装置９０７
・通信ネットワーク９０９と接続する通信インターフェース９０８
・データの入出力を行う入出力インターフェース９１０
・各構成要素を接続するバス９１１
上述した各実施形態における各装置の各構成要素は、各構成要素の動作を実現するプログラム９０４をＣＰＵ９０１が取得して実行することで実現される。各装置の各構成要素の機能を実現するプログラム９０４は、例えば、予め記憶装置９０５やＲＯＭ９０２に格納されており、必要に応じてＣＰＵ９０１がＲＡＭ９０３にロードして実行される。なお、プログラム９０４は、通信ネットワーク９０９を介してＣＰＵ９０１に供給されてもよいし、予め記録媒体９０６に格納されており、ドライブ装置９０７が当該プログラムを読み出してＣＰＵ９０１に供給してもよい。

（本実施形態の効果）
本実施形態の構成によれば、前記のいずれかの実施形態において説明した装置が、ハードウェアとして実現される。したがって、前記のいずれかの実施形態において説明した効果と同様の効果を奏することができる。

以上、実施形態（及び実施例）を参照して本発明を説明したが、本発明は上記実施形態（及び実施例）に限定されるものではない。上記実施形態の構成や詳細には、本発明のスコープ内で当業者が理解し得る様々な変更をすることができる。

１ 追跡装置
２ 動線補正装置
２０ 動線補正装置
２１ ペアリング部
２２ 類似度算出部
２３ 信頼度算出部
２４ スコア算出部
２５ 連結部
２２２ 類似度算出部
２２３ 信頼度算出部
２２４ スコア算出部
２２５ 連結部

Claims (7)

1. 映像中の一つ以上の物体を追跡して得られる複数の動線の信頼度を表すパラメータを算出する信頼度算出手段と、
   前記複数の動線のうちの任意の二つの動線の類似度を表すパラメータを算出する類似度算出手段と、
   前記類似度を表すパラメータを、前記信頼度を表すパラメータで重み付けした値を、スコアとして算出するスコア算出手段と、
   前記スコアに基づいて、前記複数の動線のうちの同一物体の動線同士を連結する連結手段と、
   を備え、
   前記信頼度は、前記物体の位置のばらつきの小ささを表す動きの信頼度と、前記物体の属性のばらつきの小ささを表す属性の信頼度とを含み、
   前記類似度を表すパラメータは、前記物体の動きの特徴の類似度を表す第1のパラメータと、前記物体の属性の特徴の類似度を表す第２のパラメータとを含み、
   前記スコア算出手段は、前記動きの信頼度と前記属性の信頼度との和に基づいて、前記動きの信頼度および前記属性の信頼度の値を正規化した後、前記動きの信頼度により、前記第１のパラメータを重み付けし、前記属性の信頼度により、前記第２のパラメータを重み付けすることによって、前記スコアを算出する
   動線補正装置。
2. 前記信頼度は、一つの物体を正しく追跡して一つの動線が得られた可能性を示す値である
   ことを特徴とする請求項１に記載の動線補正装置。
3. 前記動きの信頼度は、前記動線が表す前記物体の位置のばらつきが小さいほど高い
   ことを特徴とする請求項２に記載の動線補正装置。
4. 前記属性の信頼度は、前記動線と紐付けられた前記物体の属性のばらつきが小さいほど高い
   ことを特徴とする請求項２に記載の動線補正装置。
5. 前記属性の特徴の類似度は、前記二つの動線とそれぞれ紐付けられている物体に関する特徴同士が、どれぐらい類似しているかを表す
   ことを特徴とする請求項１から４のいずれか１項に記載の動線補正装置。
6. 映像中の一つ以上の物体を追跡して得られる複数の動線の信頼度を表すパラメータを算出し、
   前記複数の動線のうちの任意の二つの動線の類似度を表すパラメータを算出し、
   前記類似度を表すパラメータを、前記信頼度を表すパラメータで重み付けした値を、スコアとして算出し、
   前記スコアに基づいて、前記複数の動線のうちの同一物体の動線同士を連結することを含み、
   前記信頼度は、前記物体の位置のばらつきの小ささを表す動きの信頼度と、前記物体の属性のばらつきの小ささを表す属性の信頼度とを含み、
   前記類似度を表すパラメータは、前記物体の動きの特徴の類似度を表す第1のパラメータと、前記物体の属性の特徴の類似度を表す第２のパラメータとを含み、
   前記動きの信頼度と前記属性の信頼度との和に基づいて、前記動きの信頼度および前記属性の信頼度の値を正規化した後、前記動きの信頼度により、前記第１のパラメータを重み付けし、前記属性の信頼度により、前記第２のパラメータを重み付けすることによって、前記スコアを算出する
   動線補正方法。
7. 映像中の一つ以上の物体を追跡して得られる複数の動線の信頼度を表すパラメータを算出することと、
   前記複数の動線のうちの任意の二つの動線の類似度を表すパラメータを算出することと、
   前記類似度を表すパラメータを、前記信頼度を表すパラメータで重み付けした値を、スコアとして算出することと、
   前記スコアに基づいて、前記複数の動線のうちの同一物体の動線同士を連結することとを、
   コンピュータに実行させ、
   前記信頼度は、前記物体の位置のばらつきの小ささを表す動きの信頼度と、前記物体の属性のばらつきの小ささを表す属性の信頼度とを含み、
   前記類似度を表すパラメータは、前記物体の動きの特徴の類似度を表す第１のパラメータと、前記物体の属性の特徴の類似度を表す第２のパラメータとを含み、
   前記動きの信頼度と前記属性の信頼度との和に基づいて、前記動きの信頼度および前記属性の信頼度の値を正規化した後、前記動きの信頼度により、前記第１のパラメータを重み付けし、前記属性の信頼度により、前記第２のパラメータを重み付けすることによって、前記スコアを算出することをコンピュータに実行させる
   ための動線追跡プログラム。

Images