JP7287564B2 - デバイス間位置関係推定装置、デバイス間位置関係推定方法およびプログラム - Google Patents

Description

本発明は、デバイス間の位置関係を推定するデバイス間位置関係推定装置、デバイス間位置関係推定方法およびプログラムに関する。

ＩｏＴ（Internet of Things）を利用したサービスのユースケースとして、カメラデバイスから取得した画像情報を用いた個体の移動追跡が想定されている（非特許文献１参照）。非特許文献１に記載の技術では、対象となるネットワークに接続する全カメラデバイスからの映像を解析し、対象となる個体を検出することにより、移動する個体を追跡している。

Misao Kataoka,et al.,"Tacit computing and its application for open IoT era",2018 15th IEEE Annual Consumer Communications & Networking Conference (CCNC)

しかしながら、従来は、ＧＰＳ（Global Positioning System）などの位置検出手段でデバイスの位置情報が得られない限り、デバイス間の位置関係が分からないため、ある時刻でターゲットとなる個体を観測しても、次の時刻ではどのデバイスで観測できるか分からなかった。よって、ターゲットとなる個体を観測するため、各デバイスにおいて解析処理を実行させる必要があった。なお、監視カメラには、ＧＰＳ等が備わる高機能のものだけでなく、ＧＰＳ等の位置検出手段を備えないものも多い。

このような点に鑑みて本発明がなされたのであり、本発明は、ＧＰＳなどの位置検出手段を用いることなく、デバイス間の位置関係を推定することを課題とする。

本発明に係るデバイス間位置関係推定装置は、各デバイスが得た撮影対象となるターゲットの時系列の解析情報を、時系列解析情報として取得する解析情報取得部と、前記時系列解析情報のうち、ある時間において前記ターゲットの特徴を示す詳細情報が解析されていない場合に、当該デバイスと同じデバイスの他の時間の詳細情報および当該デバイスとは異なる他のデバイスの詳細情報を用いて、所定のレコメンドアルゴリズムにより、解析されていない詳細情報を推定し、推定した詳細情報を含む時系列解析情報を生成するレコメンド処理部と、前記推定した詳細情報を含む時系列解析情報を参照し、前記各デバイスのうち固定デバイス間の詳細情報の相関の度合いを示す近傍判定ポイントを算出し、算出した近傍判定ポイントが所定の第１閾値以上であるデバイスを近傍デバイス候補として抽出し、抽出した近傍デバイス候補の詳細情報で示される時系列のターゲットの検出情報に基づき、デバイス間の検出確率と、デバイス間の移動時間とを算出して初期マップを作成する初期マップ作成部と、前記推定した詳細情報を含む時系列解析情報を参照し、移動デバイスまたは／および新たな固定デバイスを含む前記各デバイス間の詳細情報の相関の度合いを示す近傍ポイントを、過去に比べ、より現在に近いほど高くなるように、また、前記初期マップのターゲットの移動時間から求まる算出対象となるデバイスとの距離が、現在に近いほど狭い範囲内に存在するデバイスに対して前記近傍ポイントを付与するように設定して算出し、算出した近傍ポイントが所定の第２閾値以上であるデバイスを、近傍デバイスとして判定し、判定した近傍デバイスの詳細情報で示される時系列のターゲットの検出情報に基づき、デバイス間の検出確率と、デバイス間の移動時間とを算出してデバイス関係性マップを作成するデバイス関係性マップ作成部と、を備えることを特徴とする。

本発明によれば、ＧＰＳなどの位置検出手段を用いることなく、デバイス間の位置関係を推定することができる。

従来の個体の移動追跡を行うデバイスシステムの例を示す図である。 本実施形態に係るデバイス間の位置関係性を説明するための図である。 本実施形態に係るデバイス間の位置関係性を示すデバイスシステムの例を示す図である。 本実施形態に係るデバイス間位置関係推定装置の構成を示すブロック図である。 本実施形態に係る時系列解析情報を説明するための図である。 本実施形態に係るデバイス間位置関係推定装置の近傍デバイス候補抽出部による、近傍デバイス候補の算出例を示す図である。 本実施形態に係るデバイス間位置関係推定装置のデバイス関係計算部による、デバイス間の検出確率と移動時間の算出例を示す図である。 本実施形態に係るデバイス間位置関係推定装置の近傍デバイス判定部による、近傍デバイスの判定を説明するための図である。 本実施形態に係るデバイス間位置関係推定装置の解析デバイス決定部による、解析対象デバイスの決定処理を説明するための図である。 本実施形態に係るデバイス間位置関係推定装置による、初期マップ作成処理の流れを示すフローチャートである。 本実施形態に係るデバイス間位置関係推定装置による、デバイス関係性マップ作成処理の流れを示すフローチャートである。 本実施形態に係るデバイス間位置関係推定装置による、解析対象デバイス決定処理の流れを示すフローチャートである。 本実施形態に係るデバイス間位置関係推定装置の機能を実現するコンピュータの一例を示すハードウェア構成図である。

次に、本発明を実施するための形態（以下、「本実施形態」と称する。）について説明する。まず、本発明の概要を説明する。

＜概要＞
ターゲットとなる個体（以下、「ターゲット個体」と称する場合がある。）の移動追跡を行う際、従来は、ＧＰＳなどの位置検出手段でデバイスの位置情報を得ない限り、デバイス間の位置関係が分からないため、ある時刻でターゲット個体を特定のデバイスが検出しても、次の時刻ではどのデバイスが検出するのか分からなかった。そのため、図１で示すように、すべてのデバイスそれぞれが、自身が取得したデータについて解析を行った上でターゲット個体（例えば、Ｔさん）を発見する必要があった。

本実施形態に係るデバイス間位置関係推定装置１（後記する図４参照）は、各デバイスが取得する情報（画像の解析情報）を用いて、デバイス間の位置についての関係性（以下、「位置関係性」と称する。）を算出する。
各デバイスが取得する情報（ヒトや車の情報）が似通っていても、デバイスの位置情報が不明な場合には、そのデバイス同士が物理的に近い場所にあるとは限らない。そこで、デバイス間位置関係推定装置１では、デバイスの移動やデバイスで取得できるターゲット（人や車等）の移動情報を考慮することで、各デバイスが物理的に近くにあるかを推定する。

本実施形態に係るデバイス間の位置関係性は、地理的な位置の近さに必ずしも一致せず、デバイス間を移動するターゲットが、どれくらい時間をかけて移動するかによって表すものとする。例えば、図２に示すように、Ｘビルのデバイス５で観測された人（Ｔさん）は、徒歩で移動した場合、Ｙ駅のデバイス５で３０分後に観測される。一方、Ｘビルのデバイス５で観測された人（Ｔさん）は、車（タクシー）で移動した場合に、Ｙ駅から距離の離れたＺ駅のデバイス５で３０分後に観測される。
よって、デバイス間の位置関係性を、ターゲット（移動速度を規定できる検出対象）とその移動時間とで表現する。例えば、ターゲットが「ヒト」の場合は、徒歩であり、移動速度がｘkm/sとする。また、ターゲットが「車」の場合は、移動速度をｙkm/sとする。なお、この移動速度は、予め設定しておいてもよいし、デバイス５から取得した映像を解析することにより得た値を用いてもよい。
デバイス間の位置関係を、ターゲット（移動速度を規定できる検出対象）と移動時間とで表現するのは、ターゲットの移動追跡というサービスを提供する場合、ある時点でターゲットを観測した後、一定時間経過すると、どの程度のそのターゲットが距離を移動する可能性があるかによって、絞りこむ探索範囲が異なるためである。

また、本実施形態において、各デバイスは、汎用的な情報（汎用情報）を常時取得（解析）している一方で、より詳細な情報（詳細情報）や個体を識別する情報（個体情報）といった、デバイスが取得したデータについて特別な解析を行う必要がある情報は、常時は取得していないことを前提とする。
ここで、汎用情報は、ヒトや車などの広いカテゴリで示される情報である。例えば、この汎用情報に基づき、人が何人通った、車が何台通った等の解析を行うことが可能である。詳細情報は、例えば、男性２０代服装（スーツ）、自動車メーカーＨ社の車種αの車体色（赤）等のターゲットの特徴を示す情報である。この詳細情報は、例えば、店舗やイベント会場等の来客を解析するマーケティング等に利用されることが多い。個体情報は、個人を特定する田中太郎や、個体を特定する情報（田中太郎さんが所有する車等）である。この個体情報が、個体の移動追跡に利用される。

上記の前提において、ユーザに提供するサービスによっては、汎用情報ではなく、詳細情報や個体情報を利用したい場合がある。そのとき、各デバイスは、取得したデータをサービスに対応させるための詳細な解析を行う。例えば、ヒトである特定の子供（迷子）の現時点の映像を取得するサービスの場合は、個体情報の解析も必要となる。なお、本実施形態では、あるサービスで解析されたデータの解析結果を、他サービスの実行時に参考情報として用いることができるものとする。

本実施形態に係るデバイス間位置関係推定装置１は、汎用情報のみ常時デバイスにより取得されている状況において、過去のターゲットの移動を反映できる統計情報を用いて、デバイス間の位置関係性を推定する。デバイス間の位置関係性は、図３で示すように、「ヒト20ｓ（秒）」「ヒト3ｍ（分）」「車3ｓ（秒）」等のようにして表される。デバイス間位置関係推定装置１は、このデバイス間の位置関係性をデバイス関係性マップとしてターゲット（例えば、ヒト、車）ごとに作成する。
このデバイス関係性マップを利用することにより、あるサービスを利用したい場合に、目的とするデータを取得する可能性のあるデバイス（以下、「近傍デバイス」と称する。）を効率的に絞り込むことが可能となる。
以下、本実施形態に係るデバイス間位置関係推定装置１について、詳細に説明する。

＜本実施形態＞
図４は、本実施形態に係るデバイス間位置関係推定装置１の構成を示すブロック図である。
デバイス間位置関係推定装置１は、ある時刻におけるデバイス関係性マップを作成し、近傍デバイスを推定する処理として、（１）固定デバイスに基づく初期マップの作成（初期マップ作成処理）、（２）移動デバイスを含む新規デバイスを追加したマップの更新（デバイス関係性マップの作成処理）、（３）デバイス関係性マップを用いた、データの解析対象となるデバイスの決定（解析対象デバイス決定処理）、を実行する（詳細は後記）。

デバイス間位置関係推定装置１は、複数のデバイス５とサービスポータル３とに通信接続される。
デバイス５は、例えば監視カメラであり映像データを取得するカメラデバイスである。このカメラデバイスは、取得した映像データを、予め設定された条件のもとで解析処理を実行し、解析結果をデバイス間位置関係推定装置１に送信する。なお、デバイス５そのものが、取得したデータを解析せずに、当該デバイス５に接続されたコンピュータ装置がデバイス５からデータを取得して解析し、その解析結果をデバイス間位置関係推定装置１に送信するようにしてもよい。このデバイス５には、監視カメラ等の固定デバイスに加えて、車載カメラやスマートフォン等の移動デバイスも含まれる。

サービスポータル３は、ユーザ端末（図示省略）から個体の移動追跡のサービス要求を取得して、デバイス間位置関係推定装置１に出力する。そして、サービスポータル３は、個体を追跡するための解析対象となるデバイス（解析対象デバイス）の情報を、デバイス間位置関係推定装置１から受け取り、当該デバイスのデータの解析処理を実行させる。
このデバイス間位置関係推定装置１は、制御部１０と、入出力部１１と、記憶部１２とを備える。

入出力部１１は、他の装置（デバイス５やサービスポータル３等）との間の情報について入出力を行う。この入出力部１１は、通信回線を介して情報の送受信を行う通信インタフェースと、不図示のキーボード等の入力装置やモニタ等の出力装置との間で情報の入出力を行う入出力インタフェースとから構成される。

記憶部１２は、ハードディスクやフラッシュメモリ、ＲＡＭ（Random Access Memory）等により構成される。
この記憶部１２には、時系列解析情報（実績）１００、時系列解析情報（推定）１０１、初期マップ２００およびデバイス関係性マップ３００等が記憶される（詳細は後記）。
また、記憶部１２には、さらに、制御部１０の各機能部を実行させるためのプログラムや、制御部１０の処理に必要な情報が一時的に記憶される。

制御部１０は、デバイス間位置関係推定装置１が実行する処理の全般を司り、解析情報取得部１１０と、レコメンド処理部１２０と、初期マップ作成部１３０と、デバイス関係性マップ作成部１４０と、サービス要求受付部１５０と、解析デバイス決定部１６０とを含んで構成される。

解析情報取得部１１０は、各デバイス５から時系列で送られてくる、各デバイス５が取得したデータの解析情報を取得し、時系列解析情報（実績）１００として記憶部１２に記憶する。
解析情報取得部１１０が各デバイス５から取得する解析情報は、少なくとも汎用情報（例えば、ヒト、車等の情報）が含まれる。また、デバイス５が詳細情報や個体情報を解析している場合には、その情報も併せて取得する。なお、各デバイス５から取得する解析情報には、そのデバイス５の識別情報が付されており、その識別情報に基づき、デバイス５が固定デバイスであるのか移動デバイスであるのかの識別ができるものとする。
そして、解析情報取得部１１０は、初期マップ作成部１３０が初期マップ２００を作成する際に、各デバイス５から解析情報を取得するとともに、その後、所定の時間間隔で解析情報を取得し続ける。
また、解析情報取得部１１０は、サービス要求受付部１５０がサービスポータル３から個体の移動追跡に関するサービス要求を受け取った場合に、ターゲットを検出したい時刻（例えば、現時点（ｔ＝０））での解析情報を、各デバイス５に要求して取得する。

レコメンド処理部１２０は、ある時刻においてデバイス５が取得した解析情報として、汎用情報（ヒト、車等）しか取得されていなかった場合に、同じデバイス５の他の時刻における詳細情報や、他のデバイス５の詳細情報などに基づき、所定のレコメンドアルゴリズムを利用して、各デバイス５が直接解析していない情報を推定する。このレコメンドアルゴリズムは、従来技術を利用することができ、例えば、Factorization Machinesを用いる。

図５に示すように、デバイス５から取得する情報として、当該デバイス（デバイスの識別情報）および時刻に対応付けて、その時に得られた解析情報が、時系列解析情報（実績）１００として記憶されていたとする。
ここで、例えば図５のカメラ「１」のデバイス５に着目した時系列解析情報１００－１においては、11月18日12時10分に、男性20代が「3（人）」であると解析されている。一方、例えば、12時00分や12時20分では、詳細情報（男性20代）の解析は行われていない。このような場合に、レコメンド処理部１２０は、所定のレコメンドアルゴリズムを適用して、情報の推定を行い、格納（解析）されていない情報（詳細情報）を推定する。レコメンドアルゴリズムによる推定の結果、図５で示す時系列解析情報（推定）１０１では、例えば、カメラ「１」の12時00分に男性20代が「5（人）」であると推定され、12時20分に男性20代が「1（人）」であると推定されたことを示している。

このように、レコメンド処理部１２０は、各デバイス５から取得した時系列解析情報（実績）１００について、汎用情報は存在するが詳細情報が存在しない場合に、所定のレコメンドアルゴリズムを適用し、取得できていない詳細情報を推定し、時系列解析情報（推定）１０１として記憶部１２に記憶する。
なお、レコメンド処理部１２０は、初期マップ作成部１３０が初期マップ２００を作成する際、また、その後、所定の時間間隔で時系列解析情報（実績）１００が記憶部１２に記憶されると、その解析情報を参照し、詳細情報が格納されていない情報についての推定を行う。また、レコメンド処理部１２０は、サービス要求受付部１５０が、サービスポータル３から、個体の移動追跡に関するサービス要求を受け取った場合において、解析情報取得部１１０により、時系列解析情報（実績）１００が記憶部１２に記憶されると、当該時系列解析情報（実績）１００のうち、データが存在しない詳細情報を、所定のレコメンドアルゴリズムを用いて推定する処理を実行する。

図４に戻り、初期マップ作成部１３０は、レコメンド処理部１２０が、時系列解析情報（推定）１０１を生成したデバイス５のうち、移動デバイスよりも統計的に確からしい固定デバイスの詳細情報を用いて、デバイス５間の詳細情報の相関の度合いを示す近傍判定ポイント（詳細は後記）を算出する。そして、初期マップ作成部１３０は、算出した近傍判定ポイントが所定の閾値（第１閾値）以上であるデバイス５を近傍デバイス候補として抽出する。初期マップ作成部１３０は、抽出した近傍デバイス候補の詳細情報で示される時系列のターゲットの検出情報に基づき、デバイス間の検出確率および移動時間を算出して初期マップ２００を作成する。
この初期マップ作成部１３０は、近傍デバイス候補抽出部１３１とデバイス関係計算部１３２とを含んで構成される。

近傍デバイス候補抽出部１３１は、ある時刻ｔに対応するタイムスライス（時間幅）内で得られた、固定デバイスの詳細情報およびレコメンド処理部１２０が推定した詳細情報に基づき、各デバイス５（デバイスｉ）と他のデバイス（デバイスｊ）との相関を求める。そして、近傍デバイス候補抽出部１３１は、下記の式（１）により、近傍判定ポイントを算出し、所定の条件を満たす場合に近傍デバイス候補として判定する。

ここで、Ｐ(t)は、時刻ｔ（現在時刻０とした相対値）における近傍判定ポイントを示し、現在時刻に近いほど高い値を設定する。
また、ｙ_j(t)は、時刻ｔのタイムスライスでデバイスｉとデバイスｊとが類似判定の場合「１」、非類似判定の場合「０」とする関数である。

ここで、ある時刻におけるデバイスｉとデバイスｊが類似するか否かは、例えば、デバイスｉとデバイスｊとから得られる情報の相関を用いることにより判定する。近傍デバイス候補抽出部１３１は、例えば、ピアソン相関を用いて、相関係数ｒを計算し、0.7≦ｒ≦1.0の場合に類似と判定し、それ以外の場合に非類似と判定する。

図６は、近傍デバイス候補抽出部１３１による、近傍デバイス候補の算出例を示す図である。
図６の符号６１に示すように、時刻「－Ｔ」～「０」の間のタイムスライス（時間幅）において、各デバイス５から任意のデバイスｉを選択し、そのデバイスｉと他のデバイスｊとの間で、上記した式（１）による近傍判定ポイントを算出する。
図６の符号６２は、判定対象となる他のデバイスｊ（図６では、デバイスｊ_1, ｊ_2，ｊ_3）について、式（１）の計算を行った例である。ここでは、例えば、所定の閾値（第１閾値）を「２０」として、閾値「２０」を超える近傍判定ポイント「２５」（Ｐ(t)の合計値：３＋５＋７＋１０）であるデバイスｊ_1が、近傍デバイス候補して抽出される。

なお、近傍デバイス候補として判定する所定の条件は、少なくとも近傍判定ポイントが所定の閾値（第１閾値）以上であることである。また、他の例として、所定の閾値以上であるデバイスｊが大量にある場合を想定し、所定の閾値以上であり、かつ、上位のデバイスｊを近傍デバイス候補として判定するようにしてもよい。ここで、近傍判定ポイントの最も高いデバイスから順にｎ個のデバイスｊを上位のデバイスとしてもよいし、所定の閾値以上のデバイスｊのうちの近傍判定ポイントのより高い側から所定の割合（ｍ％）を上位のデバイスｊとしてもよい。
近傍デバイス候補抽出部１３１は、このようにして各デバイスｉに対応する近傍デバイス候補となるデバイスｊを抽出する。

図４に戻り、デバイス関係計算部１３２は、近傍デバイス候補抽出部１３１が抽出した、デバイスｉとその近傍デバイス候補となるデバイスｊと間で、過去の所定期間における検出情報について、デバイス間での検出確率と、移動時間とを算出する。
なお、例えば、ヒトの場合、人の年代、服装等を詳細情報として利用する。詳細情報は、汎用情報のように常時得られている保証はないが、サービスに使用されるときに解析されることによって得られる。ヒトの詳細情報は、ヒト以外の詳細情報に比べ、多くのサービスに用いられることから頻繁に解析されていると想定することができる。

図７は、デバイス関係計算部１３２による、デバイス間での検出確率と移動時間の算出例を示す図である。
図７で示すように、デバイスＡで検出された車（例えば、車種Ｈ１）が、数秒後にデバイスＢで検出される。デバイスＡで検出されたヒト（女性）が、数分後にデバイスＢで検出される。このように、詳細情報を用いて、デバイスＡ－Ｂ間のターゲットである「車」の検出確率と移動時間、「ヒト」の検出確率と移動時間を算出する。
なお、検出確率および移動時間は、例えば、デバイスＡで検出された車が50％の確率で30秒後にデバイスＢで検出されるものとして算出される。このときの検出確率および移動時間は、平均値を採用したり、移動時間については最短時間を採用したりしてもよい。これらの検出確率および移動時間の算出方法は任意に設定されるものである。
そして、デバイス関係計算部１３２は、デバイスｉとその近傍デバイス候補となるデバイスｊとの組に関し、デバイス間での検出確率と移動時間を算出することにより、初期マップ２００を作成する。

図４に戻り、デバイス関係性マップ作成部１４０は、レコメンド処理部１２０が推定した詳細情報を含む時系列解析情報（推定）１０１を参照し、移動デバイスまたは／および新たな固定デバイスを含む各デバイス５間の詳細情報の相関の度合いを示す近傍ポイント（詳細は後記）を算出する。この近傍ポイントは、過去に比べ、より現在に近いほど高くなるように、また、初期マップ２００のターゲットの移動時間から求まる算出対象となるデバイスとの距離が、現在に近いほど狭い範囲内に存在するデバイス５に対して近傍ポイントを付与するように設定される。デバイス関係性マップ作成部１４０は、算出した近傍ポイントが所定の閾値（第２閾値）以上であるデバイスを、近傍デバイスとして判定する。そして、デバイス関係性マップ作成部１４０は、判定した近傍デバイスの詳細情報で示される時系列のターゲットの検出情報に基づき、デバイス５間の検出確率および移動時間を算出してデバイス関係性マップ（後記する図９参照）を作成する。

このデバイス関係性マップ作成部１４０は、所定の時間間隔で、デバイス関係性マップ３００を作成する。また、デバイス関係性マップ作成部１４０は、移動デバイスを含む新たなデバイスが追加された情報をネットワーク管理装置（図示省略）から受信した場合や、サービスポータル３から個体の移動追跡に関するサービス要求を、デバイス間位置関係推定装置１が受信した場合に、デバイス関係性マップ３００を作成（更新）する。
デバイス関係性マップ作成部１４０は、近傍デバイス判定部１４１と、デバイス関係計算部１４２とを含んで構成される。

近傍デバイス判定部１４１は、計算対象とするデバイス５について、下記の式（２）により、近傍ポイントを算出し、所定の条件を満たす場合に近傍デバイスとして判定する。

ここで、ω_tは、時刻ｔ（現在時刻０とした相対値）における重み付けであり、現在に近いほど高い値を付与する。情報の確からしさに応じて、現在により近い情報を重視するためのものである。Ｔは、計算対象とするタイムスライスの最も過去の時刻である。
ｘ_j(t)は、時刻ｔにおけるデバイスｊに付与する近傍ポイントであり、下記の式（３）で示される。

ここで、Ｐ_t（ｊ，ｋ）は、時刻ｔにおいてデバイスｉと類似した情報を取得したデバイスｋと、あるデバイスｊ間の距離（最短経路エッジ量の合計）の情報に基づき推定する、Ｔ＝０でデバイスｉとデバイスｊが近傍にある存在確率である。ここで、例えば、ヒトであれば時速４ｋｍ、車（車載カメラ）であれば最大時速１００ｋｍと定義しておき、初期マップ２００で与えられる移動時間により距離を算出する。なお、移動速度は、デバイスの映像に基づき推定するようにしてもよい。また、移動モデルは、任意のモデルを採用することができるが、例えば正規分布を用いた確率モデルを採用する。この場合、過去ほど分散が大きく、現在に近いほど分散が小さくなる。
また、Ｋ（ｔ）は、時刻ｔ時点でデバイスｉと類似した情報を取得したデバイス５の集合である。

近傍デバイス判定部１４１は、上記の式（２）および式（３）に基づき、より現在に近い時間で近傍デバイスであると判定されるほど、現時点でも近傍である可能性が高いとして近傍ポイントを多く付与する。また、時刻ｔにおいて、類似した情報を取得したと判断されたデバイスの近傍にあるデバイスにも近傍ポイントを付与する。その近傍の範囲は、現在に近いほど狭いものとする。

図８は、近傍デバイス判定部１４１による、近傍デバイスの判定を説明するための図である。ここでは、計算対象のデバイス５（計算対象デバイス）が、移動デバイス（デバイスｉ）であるものとして説明する。
図８の符号８１に示すように、時刻ｔ＝－Ｔにおいて、デバイスｋ_-Tが、計算対象デバイスであるデバイスｉの近傍デバイス（近傍ポイント：＋２）であると判定され、そのデバイスｋ_-Tの近傍にあるデバイスにも、近傍ポイント（＋１または＋２）が付与される。図８の符号８２に示すように、時刻ｔ＝－１においては、デバイスｋ_-1_1とデバイスｋ_-1_2がデバイスｉの近傍デバイス（近傍ポイント：＋５）と判定され、この両デバイスの近傍にあるデバイスにも、近傍ポイント（＋３）が付与される。図８の符号８３に示すように、現在時刻ｔ＝０においては、デバイスｋ_0_1とデバイスｋ_0_2とデバイスｋ_0_3とがデバイスｉの近傍デバイス（近傍ポイント：＋１０）と判定される。

そして、近傍デバイス判定部１４１は、デバイスごとに、時刻ｔ＝－Ｔ～０までの近傍ポイントを合計する。図８の符号８４は、時刻ｔ＝－Ｔからｔ＝０までの近傍ポイントの合計値を示しており、所定の閾値（第２閾値）（例えば、近傍ポイント＝１３）以上のデバイスｊ１（近傍ポイント：１＋３＋１０＝１４）およびデバイスｊ２（近傍ポイント：１＋５＋１０＝１６）が近傍デバイスとして算出される。つまり、近傍ポイントの合計の高いデバイスが、現在（ｔ＝０）において近傍デバイスである可能性が高いデバイスとなる（図８の符号α参照）。

なお、過去に遡った情報を考慮することにより、現在たまたま情報が類似するデバイスについて、物理的に近い位置にあるとの誤判定を防ぐことができる。図８の例においては、時刻ｔ＝０（符号８３）において、デバイスｋ_0_3は、近傍デバイスの候補であると判定されており、近傍ポイントが「＋１０」となっているが、過去の近傍ポイントが低いため、近傍ポイントの合計値が「＋１１」となり（符号８４）、所定の閾値未満のため現在（ｔ＝０）における近傍デバイスとは判定されない（図８の符号β参照）。

なお、近傍デバイスとして判定する所定の条件は、少なくとも所定の閾値（第２閾値）以上であることである。また、他の例として、所定の閾値以上であるデバイスｊが大量にある場合を想定し、所定の閾値以上であり、かつ、上位のデバイスｊを近傍デバイスとして判定するようにしてもよい。ここで、近傍ポイントの最も高いデバイスから順にｎ個のデバイスｊを上位のデバイスとしてもよいし、閾値以上のデバイスｊのうちの近傍ポイントのより高い側から所定の割合（ｍ％）を上位のデバイスｊとしてもよい。
近傍デバイス判定部１４１は、このようにして各デバイスｉに対応する近傍デバイスとなるデバイスｊを抽出する。

図４に戻り、デバイス関係計算部１４２は、上記した初期マップ作成部１３０のデバイス関係計算部１３２と同様の処理を行う。つまり、デバイス関係計算部１４２は、デバイスｉと、近傍デバイス判定部１４１が判定した現時点の近傍デバイス（デバイスｊ）との間で、所定期間における検出情報に基づき、デバイス間での検出確率と、移動時間とを算出し、デバイス関係性マップ３００を作成する。

サービス要求受付部１５０は、サービスポータル３から、サービス要求として、過去のある時刻で追跡したい個体が検出されたデバイス５と、検出したい時刻の情報（例えば現在時刻）とを入力値として受け付ける。

解析デバイス決定部１６０は、検出したい時刻の情報（例えば、現在時刻）におけるデバイス関係性マップ３００の作成指示を、デバイス関係性マップ作成部１４０に出力する。
解析デバイス決定部１６０は、検出したい時刻から個体が検出された時刻を減算した時間内で、個体が検出されたデバイス５から到達可能な近傍デバイスを、デバイス関係性マップ３００を参照して抽出する。そして、解析デバイス決定部１６０は、抽出した近傍デバイスへ到達できる遷移確率（詳細は後記）を、デバイス関係性マップ３００で示される経路ごとの検出確率を用いて算出し、算出した遷移確率が所定の閾値（第３閾値）以上であるデバイス５を、解析対象のデバイス５として決定する。

具体的には、解析デバイス決定部１６０は、デバイス関係性マップ３００によりすでに得られている、近傍デバイスと判定されたデバイス５間の検出確率、移動時間、および、既知の移動速度を用いて、遷移確率Ｐ（Ａ，Ｂ，ｘ，ｙ）を算出する。この遷移確率Ｐ（Ａ，Ｂ，ｘ，ｙ）は、デバイスＡで情報が取得された速度ｘで移動するターゲットが、ｙ時間後にデバイスＢで情報が取得される確率を示す。つまり、ｘは、ターゲットの移動速度であり、ｙは移動時間である。
デバイスＡで情報が取得された速度ｘで移動するターゲットが、ｙ時間後にデバイスＣ_Ｎで情報が取得される確率（遷移確率）は、デバイスＡ、デバイスＣ_Ｎ間で、Ａ→Ｃ_１→・・・→Ｃ_Ｎ－１→Ｃ_Ｎのエッジで遷移する場合には、以下の式（４）で表される。

デバイスＡ－Ｃ_Ｎ間には、複数経路が存在する場合もあり、デバイスＡ→Ｃ_Ｎまでの取り得る経路の組み合わせの合計が、デバイスＡ→Ｃ_Ｎの遷移確率として得られる。解析デバイス決定部１６０は、過去のある時刻で追跡したい個体が検出されたデバイス５を基準とした遷移確率を各近傍デバイスについて計算し、所定の閾値（第３閾値）以上のものをデータ解析の対象となるデバイスとして決定する。

図９は、解析デバイス決定部１６０が実行する、解析対象デバイスの決定処理を説明するための図である。
ここでは、サービス要求受付部１５０が、10:00にデバイス「１」でＴ氏を発見している情報と、検出したい時刻として、その１時間後である現在の時刻（11:00）が入力値として得られたものとする。
デバイス関係性マップ作成部１４０により、図９に示すように現時点のデバイス関係性マップ３００が作成された場合、Ｔさんの移動速度を考慮すると、現在時刻（11:00）には、次のデバイス１，２，３，４からデータが取得できる可能性がある。
・デバイス１・・・0.6×0.6＝0.36 （遷移確率36％）
・デバイス２・・・0.4×0.3＝0.12 （遷移確率12％）
・デバイス３・・・0.6×0.4＋0.4×0.1＝0.28 （遷移確率28％）
・デバイス４・・・0.4×0.6＝0.24 （遷移確率24％）

デバイス１は、30分間でデバイス１に留まる確率が0.6であるため、１時間では、0.6×0.6の遷移確率となる。
デバイス２は、１時間では、デバイス１→３→２の経路しか存在しないため、0.4×0.3の遷移確率となる。
デバイス３は、１時間では、デバイス１に30分留まってからデバイス３に30分で移動するケース（0.6×0.4）と、デバイス３に30分で移動してからデバイス３に30分留まるケース（0.4×0.1）との合計値が遷移確率となる。
デバイス４は、１時間では、デバイス１→３→４の経路しか存在しないため、0.4×0.6の遷移確率となる。
その他のデバイスには、Ｔさんが１時間では到達できる可能性はないため、遷移確率は０となる。

解析デバイス決定部１６０は、このように、デバイス関係性マップ３００を用いて、遷移確率を計算したデバイス５のうち、所定の閾値（第３閾値）以上のデバイスを、データを解析するデバイスに決定する。例えば、図９の例では、遷移確率の所定の閾値を、20％とすると、デバイス１，３，４をデータの解析対象とするデバイス（解析対象デバイス）に決定する。そして、解析デバイス決定部１６０は、決定した解析対象デバイスの情報を、サービスポータル３に送信する。

このように、本実施形態に係るデバイス間位置関係推定装置１によれば、従来のようにすべてのデバイスにおいて個体情報を解析する場合に比べ、遷移確率が所定の閾値以上であり、個体情報が取得できる可能性の高いデバイスに絞って解析をすることができる。よって、移動するターゲット個体を観測できるデバイスを効率的に絞り込むことが可能となる。

＜処理の流れ＞
次に、デバイス間位置関係推定装置１が実行する処理の流れについて説明する。
デバイス間位置関係推定装置１は、上記のように、ある時刻におけるデバイス関係性マップ３００を作成し、近傍デバイスを推定する処理として、（１）固定デバイスに基づく初期マップ２００の作成（初期マップ作成処理）、（２）移動デバイスを含む新規デバイスを追加したマップの更新（デバイス関係性マップの作成処理）、（３）デバイス関係性マップ３００を用いた、データの解析対象となるデバイスの決定（解析対象デバイス決定処理）、を実行する。以下、各処理について、図１０～図１２を参照して説明する。

≪初期マップ作成処理≫
図１０は、本実施形態に係るデバイス間位置関係推定装置１による、初期マップ作成処理の流れを示すフローチャートである。
まず、デバイス間位置関係推定装置１（解析情報取得部１１０）は、各デバイス５から時系列で送られてくる、各デバイス５が取得したデータの解析情報を取得し、時系列解析情報（実績）１００（図４）として記憶部１２に記憶する（ステップＳ１０）。

続いて、デバイス間位置関係推定装置１のレコメンド処理部１２０は、記憶部１２に記憶された時系列解析情報（実績）１００を参照し、デバイス５が取得した解析情報として、汎用情報（ヒト、車等）しか取得されていなかった場合に、同じデバイス５の他の時刻における詳細情報や、他のデバイス５の詳細情報などに基づき、所定のレコメンドアルゴリズムを利用して、各デバイス５が直接解析していない情報（詳細情報）を推定するレコメンド処理を実行する（ステップＳ１１）。
そして、レコメンド処理部１２０は、時系列解析情報（実績）１００において、データが存在しない詳細情報を推定した結果を含む解析情報を、時系列解析情報（推定）１０１として記憶部１２に記憶する。

次に、デバイス間位置関係推定装置１の初期マップ作成部１３０（近傍デバイス候補抽出部１３１）は、記憶部１２に記憶された時系列解析情報（推定）１０１を参照し、ある時刻ｔに対応するタイムスライス（時間幅）内で得られた、固定デバイスの詳細情報（レコメンド処理部１２０が推定した詳細情報を含む）に基づき、各デバイス５（デバイスｉ）と他のデバイス（デバイスｊ）との相関を求める。そして、近傍デバイス候補抽出部１３１は、上記した式（１）により、近傍判定ポイントを算出し、上記した所定の条件を満たす近傍デバイス候補を抽出する（ステップＳ１２）。

続いて、初期マップ作成部１３０のデバイス関係計算部１３２は、近傍デバイス候補抽出部１３１が抽出した、デバイスｉとその近傍デバイス候補となるデバイスｊと間で、過去の所定期間における検出情報について、デバイス間での検出確率と、移動時間とを算出し、初期マップ２００を作成する（ステップＳ１３）。
そして、初期マップ作成部１３０は、作成した初期マップ２００を記憶部１２に記憶する。

このようにすることにより、デバイス間位置関係推定装置１は、移動デバイスよりも統計的に確からしい固定デバイスの詳細情報を用いて、デバイス間の位置関係性を示す初期マップを作成することができる。この初期マップには、近傍デバイス候補と判定されたデバイス間での検出確率と移動時間とが示される。

≪デバイス関係性マップの作成処理≫
次に、デバイス関係性マップの作成処理について説明する。
図１１は、本実施形態に係るデバイス間位置関係推定装置１による、デバイス関係性マップ作成処理の流れを示すフローチャートである。
このデバイス関係性マップ３００（図４）の作成処理は、デバイス間位置関係推定装置１が、初期マップ２００（図４）を作成した後、所定の時間間隔ごとに行われる。また、移動デバイスを含む新たなデバイスの情報を取得した場合や、サービスポータル３から、個体の移動追跡に関するサービス要求を受け取った際に、このデバイス関係性マップ作成処理が実行される。

まず、デバイス間位置関係推定装置１の解析情報取得部１１０は、各デバイス５から現時点における解析情報を取得し、時系列解析情報（実績）１００（図４）として記憶部１２に記憶する（ステップＳ２０）。このとき、移動デバイス等の新たなデバイス５がある場合に、解析情報取得部１１０は、その新たなデバイス５からも解析情報を取得する。

続いて、デバイス間位置関係推定装置１のレコメンド処理部１２０は、記憶部１２に記憶された時系列解析情報（実績）１００を参照し、デバイス５が取得した解析情報として、汎用情報（ヒト、車等）しか取得されていなかった場合に、同じデバイス５の他の時刻（過去）における詳細情報や、他のデバイス５の詳細情報などに基づき、所定のレコメンドアルゴリズムを利用して、各デバイス５が直接解析していない情報（詳細情報）を推定するレコメンド処理を実行する（ステップＳ２１）。
そして、レコメンド処理部１２０は、時系列解析情報（実績）１００において、データが存在しない詳細情報を推定した結果を含む解析情報を、時系列解析情報（推定）１０１として記憶部１２に記憶する。

次に、デバイス間位置関係推定装置１のデバイス関係性マップ作成部１４０（近傍デバイス判定部１４１）は、上記した式（２）および式（３）により、各デバイス５の近傍ポイントを算出し、所定の条件を満たす場合に、そのデバイスを近傍デバイスと判定する（ステップＳ２２）。
具体的には、近傍デバイス判定部１４１は、記憶部１２に記憶された時系列解析情報（推定）１０１を参照し、ある時刻ｔに対応するタイムスライス（時間幅）内で得られたデバイス５の詳細情報（レコメンド処理部１２０が推定した詳細情報を含む）に基づき、各デバイス５（デバイスｉ）と他のデバイス（デバイスｊ）との相関を求める。そして、デバイス関係性マップ作成部１４０は、初期マップ作成部１３０（近傍デバイス候補抽出部１３１）と同様に、近傍デバイス候補を抽出する。そして、近傍デバイス判定部１４１は、上記の式（２）および式（３）に基づき、より現在に近い時間で近傍デバイスであると判定されるほど、現時点でも近傍である可能性が高いとして近傍ポイントを多く付与する。また、時刻ｔにおいて、類似した情報を取得したと判断されたデバイス（近傍デバイス候補）の近傍にあるデバイスにも近傍ポイントを付与する。その近傍の範囲は、現在に近いほど狭いものとする。近傍デバイス判定部１４１は、過去の情報も含めて近傍ポイントの合計の高いデバイスを近傍デバイスと判定することができる。

続いて、デバイス関係性マップ作成部１４０のデバイス関係計算部１４２は、近傍デバイス判定部１４１が抽出した、デバイス間の所定期間における検出情報に基づいて、デバイス間での検出確率と、移動時間とを算出し、デバイス関係性マップ３００を作成する（ステップＳ２３）。
そして、デバイス関係性マップ作成部１４０は、作成したデバイス関係性マップ３００を記憶部１２に記憶する。

≪解析対象デバイス決定処理≫
次に、デバイス関係性マップ３００を用いて、データの解析対象となるデバイス（解析対象デバイス）を決定する解析対象デバイス決定処理について説明する。
図１２は、本実施形態に係るデバイス間位置関係推定装置１による、解析対象デバイス決定処理の流れを示すフローチャートである。
この解析対象デバイス決定処理は、個体の移動追跡に関するサービス要求を受け取った際に、最後にターゲットが発見されたデバイスの近傍に位置するデバイスをデバイス関係性マップ３００に基づき特定し、解析対象とすべきデバイスを絞り込む処理である。

まず、デバイス間位置関係推定装置１のサービス要求受付部１５０は、サービスポータル３から、サービス要求として、過去のある時刻で追跡したい個体が検出されたデバイス５と、検出したい時刻の情報（例えば現在時刻）とを入力値として受け付ける（ステップＳ３０）。

次に、デバイス間位置関係推定装置１の解析デバイス決定部１６０は、サービス要求受付部１５０が、サービス要求を受け付けたことを契機として、検出したい時刻におけるデバイス関係性マップ３００の作成指示を、デバイス関係性マップ作成部１４０に出力する（ステップＳ３１）。

続いて、デバイス関係性マップ作成部１４０は、デバイス関係性マップの作成処理（図１１参照）を実行し、検出したい時刻（例えば現在時刻）におけるデバイス関係性マップ３００を作成する（ステップＳ３２）。
なお、検出したい時刻が過去の時刻であり、デバイス関係性マップ作成部１４０が、例えば、所定の時間間隔ごとのデバイス関係性マップ３００の作成時等において、その過去の時刻のデバイス関係性マップ３００をすでに生成しており、記憶部１２に記憶している場合には、このステップＳ３２の処理を省略する。

解析デバイス決定部１６０は、検出したい時刻（例えば現在時刻）から過去において検出した時刻を減算した時間内で、入力値として得られた過去に個体が検出されたデバイス５から、到達可能な近傍デバイスへの経路の組み合わせを、デバイス関係性マップ３００に基づき算出する。そして、解析デバイス決定部１６０は、到達可能な近傍デバイスごとに遷移確率（上記した式（４）参照）を計算する（ステップＳ３３）。

続いて、解析デバイス決定部１６０は、遷移確率を計算したデバイス５のうち、所定の閾値（第３閾値）以上のデバイスを、データを解析するデバイス（解析対象デバイス）に決定する（ステップＳ３４）。
解析デバイス決定部１６０は、決定した解析対象デバイスの情報を、サービスポータル３に送信して処理を終える。

このようにすることにより、本実施形態に係るデバイス間位置関係推定装置１によれば、遷移確率が所定の閾値以上であり、個体情報が取得できる可能性の高いデバイスに絞って解析を実行させることができる。よって、移動するターゲット個体を観測できるデバイスを効率的に絞り込むことが可能となる。

＜ハードウェア構成＞
本実施形態に係るデバイス間位置関係推定装置１は、例えば図１３に示すような構成のコンピュータ９００によって実現される。
図１３は、本実施形態に係るデバイス間位置関係推定装置１の機能を実現するコンピュータ９００の一例を示すハードウェア構成図である。コンピュータ９００は、ＣＰＵ（Central Processing Unit）９０１、ＲＯＭ（Read Only Memory）９０２、ＲＡＭ（Random Access Memory）９０３、ＨＤＤ（Hard Disk Drive）９０４、入出力Ｉ／Ｆ（Interface）９０５、通信Ｉ／Ｆ９０６およびメディアＩ／Ｆ９０７を有する。

ＣＰＵ９０１は、ＲＯＭ９０２またはＨＤＤ９０４に記憶されたプログラムに基づき作動し、図４の制御部１０による制御を行う。ＲＯＭ９０２は、コンピュータ９００の起動時にＣＰＵ９０１により実行されるブートプログラムや、コンピュータ９００のハードウェアに係るプログラム等を記憶する。

ＣＰＵ９０１は、入出力Ｉ／Ｆ９０５を介して、マウスやキーボード等の入力装置９１０、および、ディスプレイやプリンタ等の出力装置９１１を制御する。ＣＰＵ９０１は、入出力Ｉ／Ｆ９０５を介して、入力装置９１０からデータを取得するともに、生成したデータを出力装置９１１へ出力する。

ＨＤＤ９０４は、ＣＰＵ９０１により実行されるプログラムおよび当該プログラムによって使用されるデータ等を記憶する。通信Ｉ／Ｆ９０６は、通信網（例えば、ネットワーク９２０）を介して図示せぬ他の装置（例えば、サービスポータル３や各デバイス５など）からデータを受信してＣＰＵ９０１へ出力し、また、ＣＰＵ９０１が生成したデータを、通信網を介して他の装置へ送信する。

メディアＩ／Ｆ９０７は、記録媒体９１２に格納されたプログラムまたはデータを読み取り、ＲＡＭ９０３を介してＣＰＵ９０１へ出力する。ＣＰＵ９０１は、目的の処理に係るプログラムを、メディアＩ／Ｆ９０７を介して記録媒体９１２からＲＡＭ９０３上にロードし、ロードしたプログラムを実行する。記録媒体９１２は、ＤＶＤ（Digital Versatile Disc）、ＰＤ（Phase change rewritable Disk）等の光学記録媒体、ＭＯ（Magneto Optical disk）等の光磁気記録媒体、磁気記録媒体、導体メモリテープ媒体又は半導体メモリ等である。

例えば、コンピュータ９００が本実施形態に係るデバイス間位置関係推定装置１として機能する場合、コンピュータ９００のＣＰＵ９０１は、ＲＡＭ９０３上にロードされたプログラムを実行することにより、デバイス間位置関係推定装置１の機能を実現する。また、ＨＤＤ９０４には、ＲＡＭ９０３内のデータが記憶される。ＣＰＵ９０１は、目的の処理に係るプログラムを記録媒体９１２から読み取って実行する。この他、ＣＰＵ９０１は、他の装置から通信網（ネットワーク９２０）を介して目的の処理に係るプログラムを読み込んでもよい。

＜効果＞
以下、本発明に係るデバイス間位置関係推定装置の効果について説明する。
本発明に係るデバイス間位置関係推定装置は、各デバイス５が得た撮影対象となるターゲットの時系列の解析情報を、時系列解析情報（実績）１００として取得する解析情報取得部１１０と、時系列解析情報（実績）１００のうち、ある時間においてターゲットの特徴を示す詳細情報が解析されていない場合に、当該デバイスと同じデバイスの他の時間の詳細情報および当該デバイスとは異なる他のデバイスの詳細情報を用いて、所定のレコメンドアルゴリズムにより、解析されていない詳細情報を推定し、推定した詳細情報を含む時系列解析情報（推定）１０１を生成するレコメンド処理部１２０と、推定した詳細情報を含む時系列解析情報（推定）１０１を参照し、各デバイス５のうち固定デバイス間の詳細情報の相関の度合いを示す近傍判定ポイントを算出し、算出した近傍判定ポイントが所定の第１閾値以上であるデバイス５を近傍デバイス候補として抽出し、抽出した近傍デバイス候補の詳細情報で示される時系列のターゲットの検出情報に基づき、デバイス５間の検出確率と、デバイス５間の移動時間とを算出して初期マップ２００を作成する初期マップ作成部１３０と、推定した詳細情報を含む時系列解析情報（推定）１０１を参照し、移動デバイスまたは／および新たな固定デバイスを含む各デバイス５間の詳細情報の相関の度合いを示す近傍ポイントを、過去に比べ、より現在に近いほど高くなるように、また、初期マップ２００のターゲットの移動時間から求まる算出対象となるデバイスとの距離が、現在に近いほど狭い範囲内に存在するデバイス５に対して近傍ポイントを付与するように設定して算出し、算出した近傍ポイントが所定の第２閾値以上であるデバイス５を、近傍デバイスとして判定し、判定した近傍デバイスの詳細情報で示される時系列のターゲットの検出情報に基づき、デバイス５間の検出確率と、デバイス５間の移動時間とを算出してデバイス関係性マップ３００を作成するデバイス関係性マップ作成部１４０と、を備えることを特徴とする。

このようにすることにより、デバイス間位置関係推定装置１は、ＧＰＳなどの位置検出手段を用いることなく、デバイス５間の位置関係を推定することができる。

また、デバイス間位置関係推定装置において、過去のある時刻において追跡したいターゲットとなる個体が検出されたデバイス５の情報、および、個体を検出したい時刻の情報、を含むサービス要求を受け付けるサービス要求受付部１５０と、検出したい時刻から個体が検出された時刻を減算した時間内で、個体が検出されたデバイスから到達可能な近傍デバイスを、デバイス関係性マップ３００を参照して抽出し、当該抽出した近傍デバイスへ到達できる遷移確率を、デバイス関係性マップ３００で示される経路ごとの検出確率を用いて算出し、算出した遷移確率が所定の第３閾値以上であるデバイスを、解析対象のデバイスとして決定する解析デバイス決定部１６０と、をさらに備えることを特徴とする。

このようにすることにより、デバイス間位置関係推定装置１は、移動するターゲット個体を観測できるデバイスを効率的に絞り込むことが可能となる。

なお、本発明は、以上説明した実施形態に限定されるものではなく、多くの変形が本発明の技術的思想内で当分野において通常の知識を有する者により可能である。
例えば、本実施形態では、デバイス間位置関係推定装置１の解析デバイス決定部１６０が、決定した解析対象デバイスの情報をサービスポータル３に送信するものとして説明した。これに対し、デバイス間位置関係推定装置１が、解析ＡＰＬ配信部を備え、決定した解析対象デバイスに直接解析用のＡＰＬ（Application）を配信するようにしてもよい。

１ デバイス間位置関係推定装置
３ サービスポータル
５ デバイス
１０ 制御部
１１ 入出力部
１２ 記憶部
１００ 時系列解析情報（実績）
１０１ 時系列解析情報（推定）
１１０ 解析情報取得部
１２０ レコメンド処理部
１３０ 初期マップ作成部
１３１ 近傍デバイス候補抽出部
１３２，１４２ デバイス関係計算部
１４０ デバイス関係性マップ作成部
１４１ 近傍デバイス判定部
１５０ サービス要求受付部
１６０ 解析デバイス決定部

Claims (5)

1. 各デバイスが得た撮影対象となるターゲットの時系列の解析情報を、時系列解析情報として取得する解析情報取得部と、
   前記時系列解析情報のうち、ある時間において前記ターゲットの特徴を示す詳細情報が解析されていない場合に、当該デバイスと同じデバイスの他の時間の詳細情報および当該デバイスとは異なる他のデバイスの詳細情報を用いて、所定のレコメンドアルゴリズムにより、解析されていない詳細情報を推定し、推定した詳細情報を含む時系列解析情報を生成するレコメンド処理部と、
   前記推定した詳細情報を含む時系列解析情報を参照し、前記各デバイスのうち固定デバイス間の詳細情報の相関の度合いを示す近傍判定ポイントを算出し、算出した近傍判定ポイントが所定の第１閾値以上であるデバイスを近傍デバイス候補として抽出し、抽出した近傍デバイス候補の詳細情報で示される時系列のターゲットの検出情報に基づき、デバイス間の検出確率と、デバイス間の移動時間とを算出して初期マップを作成する初期マップ作成部と、
   前記推定した詳細情報を含む時系列解析情報を参照し、移動デバイスまたは／および新たな固定デバイスを含む前記各デバイス間の詳細情報の相関の度合いを示す近傍ポイントを、過去に比べ、より現在に近いほど高くなるように、また、前記初期マップのターゲットの移動時間から求まる算出対象となるデバイスとの距離が、現在に近いほど狭い範囲内に存在するデバイスに対して前記近傍ポイントを付与するように設定して算出し、算出した近傍ポイントが所定の第２閾値以上であるデバイスを、近傍デバイスとして判定し、判定した近傍デバイスの詳細情報で示される時系列のターゲットの検出情報に基づき、デバイス間の検出確率と、デバイス間の移動時間とを算出してデバイス関係性マップを作成するデバイス関係性マップ作成部と、
   を備えることを特徴とするデバイス間位置関係推定装置。
2. 過去のある時刻において追跡したいターゲットとなる個体が検出されたデバイスの情報、および、前記個体を検出したい時刻の情報、を含むサービス要求を受け付けるサービス要求受付部と、
   前記検出したい時刻から前記個体が検出された時刻を減算した時間内で、前記個体が検出されたデバイスから到達可能な前記近傍デバイスを、前記デバイス関係性マップを参照して抽出し、当該抽出した近傍デバイスへ到達できる遷移確率を、前記デバイス関係性マップで示される経路ごとの前記検出確率を用いて算出し、算出した前記遷移確率が所定の第３閾値以上であるデバイスを、解析対象のデバイスとして決定する解析デバイス決定部と、
   をさらに備えることを特徴とする請求項１に記載のデバイス間位置関係推定装置。
3. デバイス間位置関係推定装置のデバイス間位置関係推定方法であって、
   前記デバイス間位置関係推定装置は、
   各デバイスが得た撮影対象となるターゲットの時系列の解析情報を、時系列解析情報として取得するステップと、
   前記時系列解析情報のうち、ある時間において前記ターゲットの特徴を示す詳細情報が解析されていない場合に、当該デバイスと同じデバイスの他の時間の詳細情報および当該デバイスとは異なる他のデバイスの詳細情報を用いて、所定のレコメンドアルゴリズムにより、解析されていない詳細情報を推定し、推定した詳細情報を含む時系列解析情報を生成するステップと、
   前記推定した詳細情報を含む時系列解析情報を参照し、前記各デバイスのうち固定デバイス間の詳細情報の相関の度合いを示す近傍判定ポイントを算出し、算出した近傍判定ポイントが所定の第１閾値以上であるデバイスを近傍デバイス候補として抽出し、抽出した近傍デバイス候補の詳細情報で示される時系列のターゲットの検出情報に基づき、デバイス間の検出確率と、デバイス間の移動時間とを算出して初期マップを作成するステップと、
   前記推定した詳細情報を含む時系列解析情報を参照し、移動デバイスまたは／および新たな固定デバイスを含む前記各デバイス間の詳細情報の相関の度合いを示す近傍ポイントを、過去に比べ、より現在に近いほど高くなるように、また、前記初期マップのターゲットの移動時間から求まる算出対象となるデバイスとの距離が、現在に近いほど狭い範囲内に存在するデバイスに対して前記近傍ポイントを付与するように設定して算出し、算出した近傍ポイントが所定の第２閾値以上であるデバイスを、近傍デバイスとして判定し、判定した近傍デバイスの詳細情報で示される時系列のターゲットの検出情報に基づき、デバイス間の検出確率と、デバイス間の移動時間とを算出してデバイス関係性マップを作成するステップと、
   を実行することを特徴とするデバイス間位置関係推定方法。
4. 前記デバイス間位置関係推定装置は、
   過去のある時刻において追跡したいターゲットとなる個体が検出されたデバイスの情報、および、前記個体を検出したい時刻の情報、を含むサービス要求を受け付けるステップと、
   前記検出したい時刻から前記個体が検出された時刻を減算した時間内で、前記個体が検出されたデバイスから到達可能な前記近傍デバイスを、前記デバイス関係性マップを参照して抽出し、当該抽出した近傍デバイスへ到達できる遷移確率を、前記デバイス関係性マップで示される経路ごとの前記検出確率を用いて算出し、算出した前記遷移確率が所定の第３閾値以上であるデバイスを、解析対象のデバイスとして決定するステップと、
   をさらに実行することを特徴とする請求項３に記載のデバイス間位置関係推定方法。
5. 請求項３または請求項４に記載のデバイス間位置関係推定方法を、コンピュータに実行させるためのプログラム。

Images