JPWO2013001704A1 - 解析エンジン制御装置 - Google Patents

解析エンジン制御装置 Download PDF

Info

Publication number
JPWO2013001704A1
JPWO2013001704A1 JP2013522695A JP2013522695A JPWO2013001704A1 JP WO2013001704 A1 JPWO2013001704 A1 JP WO2013001704A1 JP 2013522695 A JP2013522695 A JP 2013522695A JP 2013522695 A JP2013522695 A JP 2013522695A JP WO2013001704 A1 JPWO2013001704 A1 JP WO2013001704A1
Authority
JP
Japan
Prior art keywords
analysis
data
analysis engine
analysis data
engine
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.)
Granted
Application number
JP2013522695A
Other languages
English (en)
Other versions
JP6075287B2 (ja
Inventor
白石　展久
展久 白石
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
NEC Corp
Original Assignee
NEC Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by NEC Corp filed Critical NEC Corp
Publication of JPWO2013001704A1 publication Critical patent/JPWO2013001704A1/ja
Application granted granted Critical
Publication of JP6075287B2 publication Critical patent/JP6075287B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/04—Inference or reasoning models

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Library & Information Science (AREA)
  • Computational Linguistics (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Databases & Information Systems (AREA)
  • Combined Controls Of Internal Combustion Engines (AREA)

Abstract

本発明の解析エンジン制御装置１００は、複数の解析エンジン２００にてそれぞれ解析された解析結果である複数の解析データのうち、少なくとも２つの解析データを選択する解析データ選択手段１０２と、解析データ選択手段にて選択された少なくとも２つの解析データを統合対象解析データとして新たな解析を行う解析データ統合演算手段１０１と、を備え、上記解析データ選択手段１０２は、解析エンジン２００の予め設定された１又は複数の特性毎に応じて割り当てられた分類に基づいて、当該分類の少なくとも一部がそれぞれ異なる解析エンジンによる解析データを統合対象解析データとして選択する。

Description

本発明は、解析エンジン制御装置にかかり、特に、複数の解析エンジンの解析結果を統合して新たな解析結果を出力する解析エンジン制御装置に関する。
情報処理技術の発達に伴い、様々なデータの解析を行う解析エンジンの開発が行われている。例えば、動画像データから人間の動線をトレースする位置情報を生成する解析エンジン、静止画像データから人物を特定する解析エンジン、音声データからテキストデータを生成する解析エンジンなど、様々な解析エンジンが存在している。
ここで、特許文献１では、複数の解析エンジンによる解析結果を組み合わせて、さらに信頼性の高い解析結果を得る、ということを実現するシステムが開示されている。具体的に、特許文献１では、位置センサで複数の人物の位置を検出し、ＩＤセンサで各人物が装着した光ＩＤタグのＩＤ番号を検出することで、各人物の位置を推定する、というシステムを開示している。そして、上記位置センサは、例えば、人物が踏んだ箇所の圧力加重を感知するフロアセンサであり、上記ＩＤセンサは、各人物の胸部等に装着され識別情報をＬＥＤの点滅により送信する光ＩＤタグからの出力を検出するものである。
特開２００７−２４０２９５号公報
しかしながら、上述した特許文献１では、かかる解析エンジンの組み合わせの使用が固定的であるため、状況に応じてさらなる解析結果の信頼性の向上を図ることができない、という問題が生じる。つまり、特許文献１では、ＩＤセンサは各人物の位置を検出し、その位置の信頼性を位置センサで補間する、というように組み合わせているが、その他の解析結果を組み合わせて新たな解析結果を得る、ということについては開示されていない。従って、ある条件下では解析結果の信頼性が著しく低下する、という問題や、状況の変化に対応して解析を行うことができず、汎用性が低い、という問題が生じる。
このため、本発明の目的は、上述した課題である、複数の解析エンジンによる解析結果を統合した解析結果の信頼性の低下と、解析エンジンを統合するシステムの汎用性の低下、ということを解決することにある。
本発明の一形態である解析エンジン制御装置は、
複数の解析エンジンにてそれぞれ解析された解析結果である複数の解析データのうち、少なくとも２つの解析データを選択する解析データ選択手段と、
前記解析データ選択手段にて選択された少なくとも２つの解析データを統合対象解析データとして新たな解析を行う解析データ統合演算手段と、を備え、
前記解析データ選択手段は、前記解析エンジンの予め設定された１又は複数の特性毎に応じて割り当てられた分類に基づいて、当該分類の少なくとも一部がそれぞれ異なる前記解析エンジンによる解析データを前記統合対象解析データとして選択する、
という構成をとる。
また、本発明の他の形態であるプログラムは、
情報処理装置に、
複数の解析エンジンにてそれぞれ解析された解析結果である複数の解析データのうち、少なくとも２つの解析データを選択する解析データ選択手段と、
前記解析データ選択手段にて選択された少なくとも２つの解析データを統合対象解析データとして新たな解析を行う解析データ統合演算手段と、を実現させると共に、
前記解析データ選択手段は、前記解析エンジンの予め設定された１又は複数の特性毎に応じて割り当てられた分類に基づいて、当該分類の少なくとも一部がそれぞれ異なる前記解析エンジンによる解析データを前記統合対象解析データとして選択する、
ことを実現させるためのプログラムである。
また、本発明の他の形態である解析エンジン制御方法は、
情報処理装置が、複数の解析エンジンにてそれぞれ解析された解析結果である複数の解析データのうち、少なくとも２つの解析データを選択し、選択された少なくとも２つの解析データを統合対象解析データとして新たな解析を行う、と共に、
前記解析データの選択時に、前記解析エンジンの予め設定された１又は複数の特性毎に応じて割り当てられた分類に基づいて、当該分類の少なくとも一部がそれぞれ異なる前記解析エンジンによる解析データを前記統合対象解析データとして選択する、
という構成をとる。
本発明は、以上のように構成されることにより、複数の解析エンジンによる解析結果を統合した解析結果の信頼性の向上と、解析エンジンを統合するシステムの汎用性の向上、を図ることができる。
本発明の実施形態１における解析エンジン制御装置の構成を示すブロック図である。 図１に開示した解析エンジンメタ情報テーブルに記憶されるデータの一例を示す図である。 図１に開示した解析エンジン制御装置の動作の様子を示す説明図である。 図１に開示した解析エンジン制御装置による具体的な動作の一例を示す説明図である。 図１に開示した解析エンジン制御装置による解析データを選択するときの様子を示す図である。 図１に開示した解析エンジン制御装置の動作を示すフローチャートである。 本発明の付記１における解析エンジン制御装置の構成を示すブロック図である。
＜実施形態１＞
本発明の第１の実施形態を、図１乃至図６を参照して説明する。図１乃至図２は、解析エンジン制御装置の構成を説明するための図である。図３乃至図６は、解析エンジン制御装置の動作を説明するための図である。
［構成］
本実施形態における解析エンジン制御装置１は、演算装置と記憶装置とを備えた情報処理装置であり、１台又は複数台の情報処理装置にて構成されている。そして、図１に示すように、解析エンジン制御装置１は、クライアント装置に装備されたアプリケーション２と、複数の解析エンジンＡ，Ｂ，Ｃ，Ｄと、に接続されており、アプリケーション１からの解析処理要求に応じて、複数の解析エンジンＡ，Ｂ，Ｃ，Ｄの動作を制御して解析処理を実行し、解析処理結果をアプリケーション１に返す、という機能を有する。なお、解析エンジン制御装置１に接続されている解析エンジンンＡ，Ｂ，Ｃ，Ｄは、４つであることに限定されない。
なお、本実施形態においては、例えば、「解析エンジンＡ」は、「カメラ映像」の情報を解析対象データ（情報源）として物体の位置情報を解析する解析エンジンであり、「解析エンジンＢ」は、「サーモグラフィ」の情報を解析対象データとして物体の位置情報を解析する解析エンジンである。また、「解析エンジンＣ」は、「ＲＦＩＤ（Radio Frequency IDentification）」の情報を解析対象データとして物体の位置情報を解析する解析エンジンであり、「解析エンジンＤ」は、「ＵＷＢ（Ultra Wide Band）」の情報を解析対象データとして物体の位置情報を解析する解析エンジンである。但し、解析エンジンは、上述したものであることに限定されない。
そして、解析エンジン制御装置１は、図１に示すように、演算装置にプログラムが組み込まれることで構築された、解析データ統合制御部１１と、解析データ統合演算部１２と、解析データ選択部１３と、尤度判定部１４と、を備えている。なお、演算装置に組み込まれるプログラムは、所定の記憶装置に記憶されていたり、コンピュータが読み取り可能な記録媒体に記録されている。例えば、記録媒体は、フレキシブルディスク、光ディスク、光磁気ディスク、及び、半導体メモリ等の可搬性を有する媒体である。
また、解析エンジン制御装置１は、記憶装置に記憶された解析エンジンメタ情報テーブル１５を備えている。なお、解析エンジンメタ情報テーブル１５は、解析エンジン制御装置１に装備された記憶装置に記憶されていることに限定されず、通信ケーブルや無線通信にて接続された記憶装置や、インターネット網を介して接続された記憶装置に記憶されていてもよい。
上記解析データ統合制御部１１は、アプリケーション２からの解析処理要求を受け付ける。このとき、解析処理要求は、要求する「解析処理結果」自体の内容を表す情報と、当該「解析処理結果」に対して要求する当該解析処理結果の確からしさを表す信頼度を指定する「指定尤度値」を表す情報と、を含んでいる。例えば、上記「解析処理結果」としては、「物体の位置情報」があり、上記「指定尤度値」としては、解析処理で得られた物体の位置情報について要求する「信頼度の値」がある。但し、解析処理要求が含んでいる情報は、上述した情報であることに限定されない。そして、解析データ統合制御部１１は、アプリケーション２から受け付けた解析処理要求の情報を、尤度判定部１４に通知する。
上記尤度判定部１４（エンジン情報取得手段）は、解析データ統合制御部１１から通知を受けた解析処理要求に応じて、各解析エンジンによる解析処理結果と共に、当該解析処理結果の信頼度を表す「尤度情報」の通知を受け取る。このとき、「尤度情報」は、各解析エンジンにて解析対象データを解析処理した際における処理内容や処理条件などから算出された、解析処理結果の確からしさである信頼度を表す値である。例えば、特許第３９０３７８３号、特許第４０９３０２６号、特許第４１５８９３７号などに記載のように、解析処理結果と共に算出される値である。但し、尤度情報は、上述したように算出される値であることに限定されず、例えば、解析エンジン毎に予め設定されている値であってもよい。
また、尤度判定部１４は、各解析エンジンから上記解析処理結果及び尤度情報と共に、その解析結果を得るために解析した解析対象データである情報源を表す情報の通知も受ける。例えば、「解析エンジンＡ」の解析対象データ（情報源）は「カメラ映像」であり、かかる情報の通知も受ける。
なお、上記尤度判定部１４は、例えば、解析エンジン毎に、当該解析エンジンが解析処理可能な解析処理結果の種類を示す解析可能情報と、各解析エンジンを特定する識別情報と、を関連付けて記憶している。そして、記憶している解析エンジンの解析可能情報に基づいて、尤度判定部１４は、解析データ統合制御部１１から通知された要求されている解析処理結果に対応する解析エンジンから、上述したように、解析処理結果、尤度情報、解析対象データ（情報源）の情報を取得する。
また、尤度判定部１４は、各解析エンジンから取得した尤度情報が、解析データ統合制御部１１から通知を受けた「指定尤度値」を超えているか否かを調べる。つまり、各解析エンジンから取得した尤度情報のうち最も大きい尤度情報の値が「指定尤度値」を超えているか否かを判定する。
そして、尤度判定部１４は、上述した判定の結果、各解析エンジンから取得した尤度情報のうち最も大きい尤度情報の値が「指定尤度値」を超えている場合には、その超えている尤度情報を通知した解析エンジンから出力された解析処理結果である解析データを、解析データ統合制御部１１を介してアプリケーション２に通知する。これにより、アプリケーション２からの解析処理要求に応答する。
一方、上記尤度判定部１４は、各解析エンジンから取得した尤度情報のいずれもが、解析データ統合制御部１１から通知を受けた「指定尤度値」を超えていない場合には、解析データ選択部１３に、新たな解析処理結果を算出するために統合する統合対象解析データとなる少なくとも２つの解析エンジンからの解析処理結果である解析データを選択する指示を出す。
上記解析データ選択部１３（解析データ選択手段）は、解析エンジンメタ情報テーブル１５を参照して、複数の解析エンジンによる解析処理結果のうち、少なくとも２つの解析エンジンからの解析処理結果である解析データを、上記統合対象解析データとして選択する。なお、ここでは、２つの解析データを選択する場合を例示して説明する。
具体的に、解析データ選択部１３は、まず、各解析エンジンから取得した尤度情報の値が最も大きい解析エンジンによる解析データを、第１の統合対象解析データとして選択する。そして、解析選択部１３は、第１の統合対象解析データを解析処理結果として出力する解析エンジン（第１の解析エンジン）の特性に応じて予め設定された分類が異なる他の解析エンジン（第２の解析エンジン）による解析データを、第２の統合対象解析データとして選択する。
ここで、解析エンジンの特性に応じた「分類」とは、例えば、解析エンジンの解析対象となる解析対象データ、つまり、解析処理を行うための情報源を、予め設定された信号の種類別（信号種別）に区分けした分類を表している。そして、本実施形態では、解析エンジンの解析対象データ（情報源）の信号種別として、「光学信号」、「電波信号」、「音波信号」、「温度信号」、「加速度信号」といった５つの「分類」を設定しており、各解析エンジンの解析対象データが信号種別に属する度合いを表す信号種別への依存度（分類依存度）を、解析エンジンメタ情報テーブル１５に記憶している。
例えば、解析エンジンメタ情報テーブル１５（解析エンジン特性テーブル）には、各解析対象データ（情報源）の信号依存度として、以下のような値が記憶されている。解析エンジンＡのように解析対象データが「カメラ映像」である場合には、「光学信号」の信号種別に１００％依存するため、「１．０」の値が記憶されている。また、解析エンジンＢのように解析対象データが「サーモグラフィ」である場合には、「光学信号」の信号種別に２０％依存し、「温度信号」の信号種別に８０％依存するため、それぞれの信号種別に対して「０．２」、「０．８」の値が記憶されている。また、解析エンジンＣや解析エンジンＤのように、解析対象データが「ＲＦＩＤ」や「ＵＷＢ」である場合には、それぞれ「電波信号」の信号種別に１００％依存するため、それぞれ「１．０」の値が記憶されている。なお、図２の例では、その他の解析対象データ（情報源）の各信号種別に対する信号依存度が記憶されているが、解析エンジンメタ情報テーブル１５の内容は、図２の例に限定されない。
そして、上記解析データ選択部１３は、上述した解析エンジンメタ情報テーブル１５を参照して、第１の統合対象解析データを解析する解析エンジンの解析対象データ（情報源）とは信号依存度がより離れている、つまり、解析対象データ（情報源）が信号種別において独立性が高い上記第２の統合対象解析データを選択する。例えば、第１の統合対象解析データを解析する解析エンジンの解析対象データ（情報源）の信号依存度が全く重複しない他の解析対象データを解析対象とする他の解析エンジンによる解析結果を、第２の統合対象解析データとして選択する。
一例として、第１の統合対象解析データとして「解析エンジンＡ」が選択された場合を考える。この場合、「解析エンジンＡ」の解析対象データは「光学信号」に対する信号依存度が「１．０」であるため、「光学信号」に信号依存度が「０」である他の解析対象データを解析対象とする解析エンジンによる解析データを選択する。すると、「解析エンジンＢ」は、その解析対象データは「光学信号」に対する信号依存度が「０．２」であるため、第２の統合対象解析データとして選択せず、「解析エンジンＣ」や「解析エンジンＤ」を選択する。そして、これら解析エンジンＣ，Ｄのうち、上述したように各解析エンジンＣ，Ｄから取得した尤度情報が最も高いものを、第２の統合対象解析データとして選択してもよい。
なお、上記では、解析対象データが依存する信号種別が完全に異なる解析エンジンによる解析データを、それぞれ統合対象解析データとして選択したが、同じ信号種別に信号依存度の一部が重複していても、それぞれ異なる信号種別に一部が依存していれば（異なる信号種別への信号依存度＞０）、それら解析エンジンによる解析データを統合対象解析データとして選択してもよい。例えば、上述した例においては、仮に「光学信号」を解析対象データとする「解析エンジンＡ」に対して完全に信号種別が異なる他の解析エンジンがない場合には、解析対象データが依存する信号種別の一部（依存度０．８）が「温度信号」で異なる「解析エンジンＢ」を、第２の統合対象解析データとして選択してもよい。
そして、上記解析データ選択部１３による解析データの選択処理方法は、上述した内容に限定されない。例えば、各信号種別の軸をそれぞれ設定し、当該各信号種別への依存度を各軸方向の値とした信号種別依存度空間（分類依存度空間）における、第１の統合対象解析データに選択された解析エンジンの依存度との距離を、他の解析エンジンの尤度情報の値で重み付けした値が、最も大きいものを第２の統合対象解析データとして選択してもよい。なお、具体的な選択処理の内容については、後述する動作説明時に述べる。
ここで、上記解析データ選択部１３は、２つの解析エンジンからの解析データを選択することに限定されず、３つ以上の解析データを統合対象解析データとして選択してもよい。この場合には、上述したように、解析エンジンの特性の分類の少なくとも一部が異なる少なくとも２つの解析データを選択するとよい。
また、上記では、解析エンジンメタ情報テーブル１５に記憶された解析エンジンの特性の「分類」は、解析対象データ（情報源）の信号種別であるとして説明したが、かかる「分類」は、解析エンジンの他の特性に応じた分類であってもよい。例えば、解析エンジンの解析対象データを取得するセンサに応じた分類、解析対象データの取得状況や解析対象データの取得環境の計測値に応じた分類、解析エンジンの解析処理手順（アルゴリズム）に応じた分類などであってもよい。
そして、上記解析データ選択部１３は、選択した各統合対象解析データを、解析データ統合演算部１２に渡す。すると、解析データ統合演算部１２（解析データ統合演算手段）は、選択された各統合対象解析データを統合して新たな解析処理を行い、統合解析処理結果を解析データ統合制御部１１を介してアプリケーション２に通知する。これにより、アプリケーション２からの解析処理要求に応答する。
このとき、解析データ統合演算部１２は、例えば、各統合対象解析データに対して、それぞれを解析処理した解析エンジンから通知された各尤度情報の値を乗算し、当該各尤度情報で重み付けした統合対象解析データに基づいて統合解析処理結果を算出する。但し、解析データ統合演算部１２による統合解析処理は、上述した処理内容であることに限定されない。
［動作］
次に、上述した解析エンジン制御装置１の動作を、図３乃至図６を参照して説明する。ここでは、具体例も含めて説明する。ここでは、各解析エンジンＡ，Ｂ，Ｃ，Ｄは、上述同様であることとし、また、解析エンジンメタ情報テーブル１５には、図２に開示した内容のデータが記憶されていることとする。
まず、解析エンジン制御装置１の解析データ統合制御部１１が、アプリケーション２から解析処理要求を受け付ける（図３の（１）参照、図６のステップＳ１）。ここでは、図４に示すように、「尤度：０．８以上の物体ａの位置情報」が解析処理結果として要求されたとする。すると、解析データ統合制御部１１は、アプリケーション２から受け付けた解析処理要求の情報を、尤度判定部１４に通知する（図３の（２）参照、図６のステップＳ２）。特に、上記「尤度０．８」という値を、「指定尤度値」として尤度判定部１４に設定する。
続いて、尤度判定部１４は、解析データ統合制御部１１から通知を受けた「尤度：０．８以上の物体ａの位置情報」という解析処理要求に応じて、「物体ａの位置情報」を解析処理結果として出力している各解析エンジンを特定し、かかる解析エンジンから、解析処理結果である「位置情報」（解析データ）と、その信頼度を表す「尤度情報」と、を収集する（図３の（３）参照、図６のステップＳ３）。ここでは、図４に示すように、各解析エンジンＡ，Ｂ，Ｃ，Ｄからそれぞれ解析処理結果である位置情報とその尤度情報とを収集したとする。このとき、尤度判定部１４は、各解析エンジンから解析処理に用いる解析対象データ（情報源）を特定する情報も収集する。但し、解析対象データ（情報源）を特定する情報は、解析エンジン毎に事前に解析エンジン制御装置１に記憶されていてもよい。
続いて、尤度判定部１４は、各解析エンジンから取得した「尤度情報」が、解析データ統合制御部１１から通知を受けた「指定尤度値」を超えているか否かを調べる（図６のステップＳ４）。このとき、尤度値の判定の結果、各解析エンジンから取得した尤度情報のうち最も大きい尤度情報の値が「指定尤度値０．８」を超えている場合には（図６のステップＳ４でＹｅｓ）、その超えている尤度情報を通知した解析エンジンから出力された解析処理結果を、解析データ統合制御部１１を介してアプリケーション２に通知する（図３の（４）参照、図６のステップＳ７）。これにより、アプリケーション２からの解析処理要求に応答する。
ところが、本実施形態では、各解析エンジンから取得した尤度情報のいずれもが、解析データ統合制御部１１から通知を受けた「指定尤度値０．８」を超えていないため（図６のステップＳ４でＮｏ）、尤度判定部１４は、解析データ選択部１３に新たな解析処理結果を算出するために統合する統合対象解析データとなる２つの解析エンジンからの解析処理結果である解析データを選択する指示を出す（図３の（５）参照）。
すると、解析データ選択部１３は、解析エンジンメタ情報テーブル１５を参照して（図３の（６）参照）、解析エンジンＡ，Ｂ，Ｃ，Ｄによる解析処理結果のうち、２つの解析エンジンからの解析処理結果である解析データを、統合対象解析データとして選択する（ステップＳ５）。
具体的に、解析データ選択部１３は、まず、各解析エンジンから取得した尤度情報の値が「０．７」で最も大きい「解析エンジンＡ」による解析データである「位置情報：Ｘ＝１０，Ｙ＝２０，Ｚ＝３０」を、第１の統合対象解析データとして選択する。そして、解析選択部１３は、この解析エンジンＡの解析対象データ（情報源）である「カメラ映像」の信号分類に対して独立性が高い解析対象データ（情報源）を解析対象とする他の解析エンジンを選択する。ここでは、解析エンジンＡに対する他の解析エンジンＢ，Ｃ，Ｄについて、以下の演算式による値を算出し、その値が最も大きい解析エンジンＣを、第２の統合対象解析データとして選択する（図６のステップＳ５）。
解析エンジンＢ：（（１．０−０．２）２＋０．８２）×０．６＝０．７６８
解析エンジンＣ：（（１．０−０．０）２＋１．０２）×０．５＝１．０
解析エンジンＤ：（（１．０−０．０）２＋１．０２）×０．３＝０．６
ここで、上記演算式では、まず、図５に示す情報源毎（光学信号、温度信号、電波信号）の軸を設定した空間上において、解析エンジンＡと他の解析エンジンＢ，Ｃ，Ｄとの間における各信号分類への依存度の距離の二乗を求める。なお、図５では、矢印Ａ−Ｂは、解析エンジンＡと解析エンジンＢとの信号依存度の距離を表しており、矢印Ａ−Ｃは、解析エンジンＡと解析エンジンＣとの信号依存度の距離を表している。そして、解析エンジン間の信号依存度の距離の二乗に、各解析エンジンＢ，Ｃ，Ｄの尤度情報を乗算して重み付けする。その結果の値が大きいほど、第１の統合対象解析データとして選択した解析エンジンＡの解析対象データ（情報源）である「カメラ映像」の信号分類に対して、独立性が高い解析対象データ（情報源）を解析対象とする他の解析エンジンと判断できる。従って、上記例では、「解析エンジンＣ」による解析データである「位置情報：Ｘ＝１２，Ｙ＝２２，Ｚ＝３２」を、第２の統合対象解析データとして選択することとなり、解析エンジンＡとは信号分類が全く異なるものが選択される。
その後、解析データ選択部１３は、選択した各統合対象解析データを、解析データ統合演算部１２に渡す（図３の（７）参照）。すると、解析データ統合演算部１２は、選択された各統合対象解析データを統合して新たな解析処理を行い、統合解析処理結果を解析データ統合制御部１１を介してアプリケーション２に通知する（図３の（８）参照、図６のステップＳ６）。これにより、アプリケーション２からの解析処理要求に応答する。
このとき、解析データ統合演算部１２では、例えば、各統合対象解析データである各位置情報を、各解析エンジンの尤度情報で重み付けを行い、その重心計算によって統合した位置情報を算出する。つまり、「解析エンジンＡ」による「位置情報：Ｘ＝１０，Ｙ＝２０，Ｚ＝３０」及び「尤度：０．７」と、「解析エンジンＣ」による「位置情報：Ｘ＝１２，Ｙ＝２２，Ｚ＝３２」及び「尤度：０．５」を用いて以下の計算を行い、統合した各座標の「位置情報：Ｘ＝１０．８３，Ｙ＝２０．８３，Ｚ＝３０．８３」を算出する。
Ｘ座標：（１０×０．７＋１２×０．５）／（０．７＋０．５）＝１０．８３
Ｙ座標：（２０×０．７＋２２×０．５）／（０．７＋０．５）＝２０．８３
Ｚ座標：（３０×０．７＋３２×０．５）／（０．７＋０．５）＝３０．８３
上記の例では、「解析エンジンＡ」と「解析エンジンＣ」の情報源の信号分類が「光学信号」と「電波信号」というようにそれぞれ異なっているため、相互に解析データの独立性が高く、信頼性の高い統合解析データを得ることができる。
なお、上記と比較して、仮に、「解析エンジンＡ」の解析データと、当該「解析エンジンＡ」に続いて「尤度情報」が高い「解析エンジンＢ」の解析データと、を統合対象解析データとして選択した場合を考える。この場合には、「解析エンジンＢ」の「尤度情報」が高いものの、「解析エンジンＢ」の情報源が、「解析エンジンＡ」の情報源が依存する信号分類である「光学信号」にも依存しているため、かかる「光学信号」の取得が困難な環境ではいずれの解析データも信頼度が低くなる可能性が生じる。
以上より、本発明では、相互に独立性が高い解析エンジンの解析結果を選択して統合しているため、複数の解析エンジンによる解析結果を組み合わせた解析結果の信頼性の向上を図ることができる。また、適宜、統合する解析エンジンの解析データを選択することができるため、状況に応じた解析処理を実現でき、システムの汎用性の向上を図ることができる。
＜付記＞
上記実施形態の一部又は全部は、以下の付記のようにも記載されうる。以下、本発明における解析エンジン制御装置（図７参照）、プログラム、解析エンジン制御方法の構成の概略を説明する。但し、本発明は、以下の構成に限定されない。
（付記１）
複数の解析エンジン２００にてそれぞれ解析された解析結果である複数の解析データのうち、少なくとも２つの解析データを選択する解析データ選択手段１０２と、
前記解析データ選択手段１０２にて選択された少なくとも２つの解析データを統合対象解析データとして新たな解析を行う解析データ統合演算手段１０１と、を備え、
前記解析データ選択手段１０２は、前記解析エンジン２００の予め設定された１又は複数の特性毎に応じて割り当てられた分類に基づいて、当該分類の少なくとも一部がそれぞれ異なる前記解析エンジン２００による解析データを前記統合対象解析データとして選択する、
解析エンジン制御装置１００。
（付記２）
付記１に記載の解析エンジン制御装置であって、
前記解析エンジンの特性の前記分類は、当該解析エンジンの解析対象となる解析対象データの信号種別毎に応じた分類であり、
前記解析データ選択手段は、前記解析対象データの前記信号種別毎に応じた前記分類の少なくとも一部がそれぞれ異なる前記解析エンジンによる解析データを前記統合対象解析データとして選択する、
解析エンジン制御装置。
（付記３）
付記１又は２に記載の解析エンジン制御装置であって、
前記解析エンジンから出力された解析結果の信頼度を表す尤度情報を取得する解析エンジン情報取得手段を備え、
前記解析データ選択手段は、前記解析エンジン情報取得手段にて取得した前記解析エンジンからの前記尤度情報に基づいて前記解析エンジンによる解析データを前記統合対象解析データとして選択する、
解析エンジン制御装置。
（付記４）
付記３に記載の解析エンジン制御装置であって、
前記解析エンジン情報取得手段は、前記解析エンジンから取得した前記尤度情報の値のうちの少なくとも１つが、予め指定された尤度値である指定尤度値を超えているか否かを判定し、
前記解析データ選択手段は、前記解析エンジン情報取得手段にて前記解析エンジンから取得した前記尤度情報のうちいずれかの値が前記指定尤度値を超えている場合には、当該指定尤度値を超えている前記尤度情報が取得された前記解析エンジンによる解析データを前記統合対象解析データとして選択し、前記解析エンジン情報取得手段にて前記解析エンジンから取得した前記尤度情報の全ての値が前記指定尤度値を超えていない場合には、前記分類の少なくとも一部がそれぞれ異なる前記解析エンジンによる解析データを前記統合対象解析データとして選択する、
解析エンジン制御装置。
（付記５）
付記４に記載の解析エンジン制御装置であって、
前記解析データ選択手段は、前記解析エンジン情報取得手段にて前記解析エンジンから取得した前記尤度情報の全ての値が前記指定尤度値を超えていない場合に、前記解析エンジンから取得した前記尤度情報の値が最も大きい当該解析エンジンによる解析データと、この解析エンジンとは前記分類の少なくとも一部が異なる他の前記解析エンジンによる解析データと、を前記統合対象解析データとして選択する、
解析エンジン制御装置。
（付記６）
付記５に記載の解析エンジン制御装置であって、
前記解析データ選択手段は、前記解析エンジン情報取得手段にて前記解析エンジンから取得した前記尤度情報の全ての値が前記指定尤度値を超えていない場合に、前記解析エンジンから取得した前記尤度情報の値が最も大きい当該解析エンジンによる解析データと、この解析エンジンとは前記分類の少なくとも一部が異なる前記他の解析エンジンのうち前記尤度情報が最も大きい当該他の解析エンジンによる解析データと、を前記統合対象解析データとして選択する、
解析エンジン制御装置。
（付記７）
付記５に記載の解析エンジン制御装置であって、
前記解析データ選択手段は、前記解析エンジン情報取得手段にて前記解析エンジンから取得した前記尤度情報の全ての値が前記指定尤度値を超えていない場合に、前記解析エンジンから取得した前記尤度情報の値が最も大きい当該解析エンジンによる解析データを前記統合対象解析データとして選択すると共に、前記分類毎に前記解析エンジンが依存する度合を表す分類依存度を各軸方向の値とする分類依存度空間内における前記選択された解析エンジンと他の前記解析エンジンとの距離に基づく値に、当該他の解析エンジンからの前記尤度情報の値を重み付けした値が最も大きい前記他の解析エンジンによる解析データを前記統合対象解析データとして選択する、
解析エンジン制御装置。
（付記８）
付記１乃至７のいずれかに記載の解析エンジン制御装置であって、
前記解析データ統合演算手段は、前記解析データ選択手段にて選択された解析データを、当該解析データを解析した前記解析エンジンからの前記尤度情報の値で重み付けした値を前記統合対象解析データとして、新たな解析を行う、
解析エンジン制御装置。
（付記９）
情報処理装置に、
複数の解析エンジンにてそれぞれ解析された解析結果である複数の解析データのうち、少なくとも２つの解析データを選択する解析データ選択手段と、
前記解析データ選択手段にて選択された少なくとも２つの解析データを統合対象解析データとして新たな解析を行う解析データ統合演算手段と、を実現させると共に、
前記解析データ選択手段は、前記解析エンジンの予め設定された１又は複数の特性毎に応じて割り当てられた分類に基づいて、当該分類の少なくとも一部がそれぞれ異なる前記解析エンジンによる解析データを前記統合対象解析データとして選択する、
ことを実現させるためのプログラム。
（付記１０）
付記９に記載のプログラムであって、
前記解析エンジンの特性の前記分類は、当該解析エンジンの解析対象となる解析対象データの予め設定された信号種別毎に応じた分類であり、
前記解析データ選択手段は、前記解析対象データの前記信号種別毎に応じた分類の少なくとも一部がそれぞれ異なる前記解析エンジンによる解析データを前記統合対象解析データとして選択する、
プログラム。
（付記１１）
情報処理装置が、複数の解析エンジンにてそれぞれ解析された解析結果である複数の解析データのうち、少なくとも２つの解析データを選択し、選択された少なくとも２つの解析データを統合対象解析データとして新たな解析を行う、と共に、
前記解析データの選択時に、前記解析エンジンの予め設定された１又は複数の特性毎に応じて割り当てられた分類に基づいて、当該分類の少なくとも一部がそれぞれ異なる前記解析エンジンによる解析データを前記統合対象解析データとして選択する、
解析エンジン制御方法。
（付記１２）
付記１１に記載の情報処理方法であって、
前記解析エンジンの特性の前記分類は、当該解析エンジンの解析対象となる解析対象データの予め設定された信号種別毎に応じた分類であり、
前記解析データの選択時に、前記解析対象データの前記信号種別毎に応じた分類の少なくとも一部がそれぞれ異なる前記解析エンジンによる解析データを前記統合対象解析データとして選択する、
解析エンジン制御方法。
なお、上記各実施形態においてプログラムは、記憶装置に記憶されていたり、コンピュータが読み取り可能な記録媒体に記録されている。例えば、記録媒体は、フレキシブルディスク、光ディスク、光磁気ディスク、及び、半導体メモリ等の可搬性を有する媒体である。
以上、上記各実施形態を参照して本願発明を説明したが、本願発明は、上述した実施形態に限定されるものではない。本願発明の構成や詳細には、本願発明の範囲内で当業者が理解しうる様々な変更をすることができる。
なお、本発明は、日本国にて２０１１年６月３０日に特許出願された特願２０１１−１４５０６９の特許出願に基づく優先権主張の利益を享受するものであり、当該特許出願に記載された内容は、全て本明細書に含まれるものとする。
１ 解析エンジン制御装置
２ アプリケーション
１１ 解析データ統合制御部
１２ 解析データ統合演算部
１３ 解析データ選択部
１４ 尤度判定部
１５ 解析エンジンメタ情報テーブル
Ａ，Ｂ，Ｃ，Ｄ 解析エンジン
１００ 解析エンジン制御装置
１０１ 解析データ統合演算手段
１０２ 解析データ選択手段
２００ 解析エンジン

Claims (12)

  1. 複数の解析エンジンにてそれぞれ解析された解析結果である複数の解析データのうち、少なくとも２つの解析データを選択する解析データ選択手段と、
    前記解析データ選択手段にて選択された少なくとも２つの解析データを統合対象解析データとして新たな解析を行う解析データ統合演算手段と、を備え、
    前記解析データ選択手段は、前記解析エンジンの予め設定された１又は複数の特性毎に応じて割り当てられた分類に基づいて、当該分類の少なくとも一部がそれぞれ異なる前記解析エンジンによる解析データを前記統合対象解析データとして選択する、
    解析エンジン制御装置。
  2. 請求項１に記載の解析エンジン制御装置であって、
    前記解析エンジンの特性の前記分類は、当該解析エンジンの解析対象となる解析対象データの信号種別毎に応じた分類であり、
    前記解析データ選択手段は、前記解析対象データの前記信号種別毎に応じた前記分類の少なくとも一部がそれぞれ異なる前記解析エンジンによる解析データを前記統合対象解析データとして選択する、
    解析エンジン制御装置。
  3. 請求項１又は２に記載の解析エンジン制御装置であって、
    前記解析エンジンから出力された解析結果の信頼度を表す尤度情報を取得する解析エンジン情報取得手段を備え、
    前記解析データ選択手段は、前記解析エンジン情報取得手段にて取得した前記解析エンジンからの前記尤度情報に基づいて前記解析エンジンによる解析データを前記統合対象解析データとして選択する、
    解析エンジン制御装置。
  4. 請求項３に記載の解析エンジン制御装置であって、
    前記解析エンジン情報取得手段は、前記解析エンジンから取得した前記尤度情報の値のうちの少なくとも１つが、予め指定された尤度値である指定尤度値を超えているか否かを判定し、
    前記解析データ選択手段は、前記解析エンジン情報取得手段にて前記解析エンジンから取得した前記尤度情報のうちいずれかの値が前記指定尤度値を超えている場合には、当該指定尤度値を超えている前記尤度情報が取得された前記解析エンジンによる解析データを前記統合対象解析データとして選択し、前記解析エンジン情報取得手段にて前記解析エンジンから取得した前記尤度情報の全ての値が前記指定尤度値を超えていない場合には、前記分類の少なくとも一部がそれぞれ異なる前記解析エンジンによる解析データを前記統合対象解析データとして選択する、
    解析エンジン制御装置。
  5. 請求項４に記載の解析エンジン制御装置であって、
    前記解析データ選択手段は、前記解析エンジン情報取得手段にて前記解析エンジンから取得した前記尤度情報の全ての値が前記指定尤度値を超えていない場合に、前記解析エンジンから取得した前記尤度情報の値が最も大きい当該解析エンジンによる解析データと、この解析エンジンとは前記分類の少なくとも一部が異なる他の前記解析エンジンによる解析データと、を前記統合対象解析データとして選択する、
    解析エンジン制御装置。
  6. 請求項５に記載の解析エンジン制御装置であって、
    前記解析データ選択手段は、前記解析エンジン情報取得手段にて前記解析エンジンから取得した前記尤度情報の全ての値が前記指定尤度値を超えていない場合に、前記解析エンジンから取得した前記尤度情報の値が最も大きい当該解析エンジンによる解析データと、この解析エンジンとは前記分類の少なくとも一部が異なる前記他の解析エンジンのうち前記尤度情報が最も大きい当該他の解析エンジンによる解析データと、を前記統合対象解析データとして選択する、
    解析エンジン制御装置。
  7. 請求項５に記載の解析エンジン制御装置であって、
    前記解析データ選択手段は、前記解析エンジン情報取得手段にて前記解析エンジンから取得した前記尤度情報の全ての値が前記指定尤度値を超えていない場合に、前記解析エンジンから取得した前記尤度情報の値が最も大きい当該解析エンジンによる解析データを前記統合対象解析データとして選択すると共に、前記分類毎に前記解析エンジンが依存する度合を表す分類依存度を各軸方向の値とする分類依存度空間内における前記選択された解析エンジンと他の前記解析エンジンとの距離に基づく値に、当該他の解析エンジンからの前記尤度情報の値を重み付けした値が最も大きい前記他の解析エンジンによる解析データを前記統合対象解析データとして選択する、
    解析エンジン制御装置。
  8. 請求項１乃至７のいずれかに記載の解析エンジン制御装置であって、
    前記解析データ統合演算手段は、前記解析データ選択手段にて選択された解析データを、当該解析データを解析した前記解析エンジンからの前記尤度情報の値で重み付けした値を前記統合対象解析データとして、新たな解析を行う、
    解析エンジン制御装置。
  9. 情報処理装置に、
    複数の解析エンジンにてそれぞれ解析された解析結果である複数の解析データのうち、少なくとも２つの解析データを選択する解析データ選択手段と、
    前記解析データ選択手段にて選択された少なくとも２つの解析データを統合対象解析データとして新たな解析を行う解析データ統合演算手段と、を実現させると共に、
    前記解析データ選択手段は、前記解析エンジンの予め設定された１又は複数の特性毎に応じて割り当てられた分類に基づいて、当該分類の少なくとも一部がそれぞれ異なる前記解析エンジンによる解析データを前記統合対象解析データとして選択する、
    ことを実現させるためのプログラム。
  10. 請求項９に記載のプログラムであって、
    前記解析エンジンの特性の前記分類は、当該解析エンジンの解析対象となる解析対象データの予め設定された信号種別毎に応じた分類であり、
    前記解析データ選択手段は、前記解析対象データの前記信号種別毎に応じた分類の少なくとも一部がそれぞれ異なる前記解析エンジンによる解析データを前記統合対象解析データとして選択する、
    プログラム。
  11. 情報処理装置が、複数の解析エンジンにてそれぞれ解析された解析結果である複数の解析データのうち、少なくとも２つの解析データを選択し、選択された少なくとも２つの解析データを統合対象解析データとして新たな解析を行う、と共に、
    前記解析データの選択時に、前記解析エンジンの予め設定された１又は複数の特性毎に応じて割り当てられた分類に基づいて、当該分類の少なくとも一部がそれぞれ異なる前記解析エンジンによる解析データを前記統合対象解析データとして選択する、
    解析エンジン制御方法。
  12. 請求項１１に記載の情報処理方法であって、
    前記解析エンジンの特性の前記分類は、当該解析エンジンの解析対象となる解析対象データの予め設定された信号種別毎に応じた分類であり、
    前記解析データの選択時に、前記解析対象データの前記信号種別毎に応じた分類の少なくとも一部がそれぞれ異なる前記解析エンジンによる解析データを前記統合対象解析データとして選択する、
    解析エンジン制御方法。
JP2013522695A 2011-06-30 2012-05-10 解析エンジン制御装置 Active JP6075287B2 (ja)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2011145069 2011-06-30
JP2011145069 2011-06-30
PCT/JP2012/003044 WO2013001704A1 (ja) 2011-06-30 2012-05-10 解析エンジン制御装置

Publications (2)

Publication Number Publication Date
JPWO2013001704A1 true JPWO2013001704A1 (ja) 2015-02-23
JP6075287B2 JP6075287B2 (ja) 2017-02-08

Family

ID=47423637

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2013522695A Active JP6075287B2 (ja) 2011-06-30 2012-05-10 解析エンジン制御装置

Country Status (3)

Country Link
US (1) US9607008B2 (ja)
JP (1) JP6075287B2 (ja)
WO (1) WO2013001704A1 (ja)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10474128B2 (en) * 2015-11-16 2019-11-12 Jtekt Corporation Abnormality analysis system and analysis apparatus
JP6926472B2 (ja) 2016-12-27 2021-08-25 株式会社ジェイテクト 解析装置および解析システム
US11068962B1 (en) * 2016-12-28 2021-07-20 Amazon Technologies, Inc. Updating cart state using auto-generated sensor data
US10943285B1 (en) 2016-12-28 2021-03-09 Amazon Technologies, Inc. Updating cart state using auto-generated sensor data
US11068376B2 (en) * 2017-03-11 2021-07-20 International Business Machines Corporation Analytics engine selection management

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0868651A (ja) * 1994-08-30 1996-03-12 Nippondenso Co Ltd 車両用現在位置検出装置
JP2004029871A (ja) * 2002-06-21 2004-01-29 Hitachi Ltd 交通情報システム
WO2009091029A1 (ja) * 2008-01-16 2009-07-23 Asahi Kasei Kabushiki Kaisha 顔姿勢推定装置、顔姿勢推定方法、及び、顔姿勢推定プログラム
JP2010049296A (ja) * 2008-08-19 2010-03-04 Secom Co Ltd 移動物体追跡装置
JP2010509571A (ja) * 2006-11-07 2010-03-25 スカイフック ワイヤレス，インク． 無線ｌａｎを基盤とする測位システム内の測位誤差を推定するためのシステムと方法

Family Cites Families (31)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4860216A (en) * 1986-11-13 1989-08-22 The United States Of America As Represented By The Secretary Of The Air Force Communication adaptive multi-sensor system
US5626140A (en) * 1995-11-01 1997-05-06 Spacelabs Medical, Inc. System and method of multi-sensor fusion of physiological measurements
US6009185A (en) * 1996-05-07 1999-12-28 The United States Of America As Represented By The Secretary Of The Navy Neural network based contact state estimator
US6751354B2 (en) * 1999-03-11 2004-06-15 Fuji Xerox Co., Ltd Methods and apparatuses for video segmentation, classification, and retrieval using image class statistical models
US6502082B1 (en) * 1999-06-01 2002-12-31 Microsoft Corp Modality fusion for object tracking with training system and method
US7099796B2 (en) * 2001-10-22 2006-08-29 Honeywell International Inc. Multi-sensor information fusion technique
US6862537B2 (en) * 2002-03-21 2005-03-01 Ford Global Technologies Llc Sensor fusion system architecture
WO2005038478A2 (en) * 2003-10-08 2005-04-28 Bae Systems Information And Electronic Systems Integration Inc. Constrained tracking of ground objects using regional measurements
JP4490076B2 (ja) 2003-11-10 2010-06-23 日本電信電話株式会社 物体追跡方法、物体追跡装置、プログラム、および、記録媒体
JP3931879B2 (ja) 2003-11-28 2007-06-20 株式会社デンソー センサフュージョンシステム及びそれを用いた車両制御装置
US7873724B2 (en) * 2003-12-05 2011-01-18 Microsoft Corporation Systems and methods for guiding allocation of computational resources in automated perceptual systems
US7151447B1 (en) * 2004-08-31 2006-12-19 Erudite Holding Llc Detection and identification of threats hidden inside cargo shipments
US7701336B1 (en) * 2004-08-31 2010-04-20 Erudite, Inc. Detection of nuclear materials hidden inside cargo shipments by using sensor fusion technique
US7180418B1 (en) * 2004-12-27 2007-02-20 Erudite Holding Llc Active threat detection and elimination while in transit
US7026980B1 (en) * 2005-03-04 2006-04-11 Lockheed Martin Corporation Missile identification and tracking system and method
US20070096896A1 (en) * 2005-10-28 2007-05-03 Zingelewicz Virginia A System and method for securing an infrastructure
US7558772B2 (en) * 2005-12-08 2009-07-07 Northrop Grumman Corporation Information fusion predictor
JP5147036B2 (ja) 2006-03-08 2013-02-20 株式会社国際電気通信基礎技術研究所 位置推定装置、位置推定方法及び位置推定プログラム
US7646336B2 (en) * 2006-03-24 2010-01-12 Containertrac, Inc. Automated asset positioning for location and inventory tracking using multiple positioning techniques
JP2007310741A (ja) 2006-05-19 2007-11-29 Fuji Heavy Ind Ltd 立体物認識装置
US8605947B2 (en) * 2008-04-24 2013-12-10 GM Global Technology Operations LLC Method for detecting a clear path of travel for a vehicle enhanced by object detection
AU2009298414B2 (en) * 2008-10-02 2013-03-07 Zf Friedrichshafen Ag Joystick controlled marine maneuvering system
US20100134285A1 (en) * 2008-12-02 2010-06-03 Honeywell International Inc. Method of sensor data fusion for physical security systems
US8432288B2 (en) * 2009-06-15 2013-04-30 Qualcomm Incorporated Sensors in communication devices
JP5589324B2 (ja) 2009-08-28 2014-09-17 富士通株式会社 新規なセンサフュージョン手法を用いた、移動体の状態推定のための装置、方法、およびプログラム
JP5401245B2 (ja) 2009-10-01 2014-01-29 日本電信電話株式会社 位置算出装置、位置算出方法及び位置算出プログラム
US8275172B2 (en) * 2009-10-30 2012-09-25 Raytheon Applied Signal Technology, Inc. Multipass data integration for automatic detection and classification of objects
US8364630B1 (en) * 2009-11-02 2013-01-29 The Boeing Company System and method for controlling network centric operation with Bayesian probability models of complex hypothesis spaces
WO2012001215A1 (en) * 2010-07-01 2012-01-05 Nokia Corporation Adaptation of context models
US20130163879A1 (en) * 2010-08-30 2013-06-27 Bk-Imaging Ltd. Method and system for extracting three-dimensional information
US9472097B2 (en) * 2010-11-15 2016-10-18 Image Sensing Systems, Inc. Roadway sensing systems

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0868651A (ja) * 1994-08-30 1996-03-12 Nippondenso Co Ltd 車両用現在位置検出装置
JP2004029871A (ja) * 2002-06-21 2004-01-29 Hitachi Ltd 交通情報システム
JP2010509571A (ja) * 2006-11-07 2010-03-25 スカイフック ワイヤレス，インク． 無線ｌａｎを基盤とする測位システム内の測位誤差を推定するためのシステムと方法
WO2009091029A1 (ja) * 2008-01-16 2009-07-23 Asahi Kasei Kabushiki Kaisha 顔姿勢推定装置、顔姿勢推定方法、及び、顔姿勢推定プログラム
JP2010049296A (ja) * 2008-08-19 2010-03-04 Secom Co Ltd 移動物体追跡装置

Also Published As

Publication number Publication date
US9607008B2 (en) 2017-03-28
WO2013001704A1 (ja) 2013-01-03
US20140114976A1 (en) 2014-04-24
JP6075287B2 (ja) 2017-02-08

Similar Documents

Publication Publication Date Title
JP6075287B2 (ja) 解析エンジン制御装置
KR101510860B1 (ko) 사용자 의도 파악 어플리케이션 서비스 방법 및 서버와 이를 이용한 사용자 의도 파악 어플리케이션 서비스 시스템
US9953647B2 (en) Method and apparatus for speech recognition
Keally et al. Pbn: towards practical activity recognition using smartphone-based body sensor networks
US20180218242A1 (en) Information processing apparatus, information processing method, and computer-readable storage medium
JP2019516080A (ja) 物理的位置の自律的な意味的ラベル付け
US11437028B2 (en) Method and apparatus for sound analysis
EP4005186B1 (en) Provision of a mixed reality service
CN107895369B (zh) 图像分类方法、装置、存储介质及设备
TW201218736A (en) Method and apparatus for providing context sensing and fusion
KR101568098B1 (ko) 상황정보 추출
JP2015095164A (ja) ジェスチャ認識装置およびジェスチャ認識装置の制御方法
CN108573247B (zh) 基于边缘计算的用于检测车位停车状态的方法
KR20210067604A (ko) 인공 지능을 이용한 주방 환경의 통합 관리 방법 및 그 시스템
CN106133625A (zh) 占用检测
JPWO2013145530A1 (ja) 解析システム
KR20210155655A (ko) 이상 온도를 나타내는 객체를 식별하는 방법 및 장치
WO2019107403A1 (ja) データ生成装置、データ生成方法、データ生成プログラムおよびセンサ装置
JP2022003526A (ja) 情報処理装置、検出システム、情報処理方法、及びプログラム
JP6590477B2 (ja) 情報処理装置、情報処理方法、プログラム
CN107800863B (zh) 用于通过无线通信设备进行实时场景检测的控制方法
WO2012140834A1 (ja) 情報処理装置
JP2016511612A (ja) 個人コンテキストのためのスペクトロメータ
JP6866837B2 (ja) データ生成装置、データ生成方法、データ生成プログラムおよびセンサ装置
Zhu et al. Using unlabeled acoustic data with locality-constrained linear coding for energy-related activity recognition in buildings

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20150403

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20160517

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20160704

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: 20161213

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20161226

R150 Certificate of patent or registration of utility model

Ref document number: 6075287

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150