WO2017056429A1

WO2017056429A1 - 情報処理装置、情報処理方法、およびプログラムが格納された記録媒体

Info

Publication number: WO2017056429A1
Application number: PCT/JP2016/004203
Authority: WO
Inventors: 林　克年
Original assignee: 日本電気株式会社
Priority date: 2015-09-30
Filing date: 2016-09-15
Publication date: 2017-04-06
Also published as: JP6724326B2; JP2017068717A; HK1250086A1; CN108140282A; US20180268391A1

Abstract

顧客に待ち時間に関する情報を提供する。情報処理装置（１０）は、商品量推定部（１４）、人数検出部（１６）および待ち時間推定部（１８）を備える。商品量推定部（１４）は、商品登録装置に並んでいる人の商品量を推定する。人数検出部（１６）は、商品登録装置に並んでいる人数を検出する。待ち時間推定部（１８）は、商品登録装置に並んでいる人の商品量および当該人数に基づいて、商品登録装置毎の待ち時間の予測値を算出する。

Description

情報処理装置、情報処理方法、およびプログラムが格納された記録媒体

　本発明は情報処理装置、情報処理方法、およびプログラム等に関する。

　スーパーマーケット等の店舗におけるレジでは、商品登録等の順番待ちの行列が発生する。各顧客は、複数のレジの中から、行列の長さを見てレジでの待ち時間ができるだけ少ないレジに並ぼうとする。

　例えば特許文献１には、画像に写った商品の輪郭線を抽出することにより商品を認識して、登録時間を算出、報知する技術が記載されている。

　また、特許文献２には、登録前の商品の重さと登録が済んだ商品の重さを測定することで、登録の進捗状況を求め、表示する技術が記載されている。

　また、特許文献３には、列の客数または列の長さを検出し、待ち時間が少ない列に顧客を誘導する技術が記載されている。

特開２０１３－３７４５２号公報特開２０１３－３００８６号公報特開２０１１－１１２８９３号公報

　顧客は、各レジの行列の長さ等を見て、待ち時間が短そうな列を選択する。しかし、予想に反して、別の列の待ち時間が短く不満を感じる場合がある。

　これに対し、特許文献１から３の技術では、適切に待ち時間に関する情報を提供することはできない。例えば、特許文献１および２の方法では、列の後ろの方の人を含めたレジ毎の待ち時間を予測することはできない。

　また、特許文献３の方法では、顧客の保持する商品の量を勘案していないため、実際の待ち時間とのずれが大きい。

　本発明は、上記の課題に鑑みてなされたものである。本発明の目的は、顧客に待ち時間に関する情報を提供することにある。

　本発明によれば、
　ＰＯＳ装置に並んでいる人の商品量を推定する商品量推定手段と、
　前記ＰＯＳ装置に並んでいる人数を検出する人数検出手段と、
　前記ＰＯＳ装置に並んでいる人の商品量および前記人数に基づいて、前記ＰＯＳ装置毎の待ち時間の予測値を算出する待ち時間算出手段とを備える
情報処理装置
が提供される。

　本発明によれば、
　ＰＯＳ装置に並んでいる人の商品量を推定する商品量推定ステップと、
　前記ＰＯＳ装置に並んでいる人数を検出する人数検出ステップと、
　前記ＰＯＳ装置に並んでいる人の商品量および前記人数に基づいて、前記ＰＯＳ装置毎の待ち時間の予測値を算出する待ち時間算出ステップとを含む
情報処理方法
が提供される。

　本発明によれば、
　情報処理装置を実現するためのコンピュータプログラム或いはそのコンピュータプログラムが格納された記録媒体であって、
　コンピュータを、
　　ＰＯＳ装置に並んでいる人の商品量を推定する商品量推定手段、
　　前記ＰＯＳ装置に並んでいる人数を検出する人数検出手段、および
　　前記ＰＯＳ装置に並んでいる人の商品量および前記人数に基づいて、前記ＰＯＳ装置毎の待ち時間の予測値を算出する待ち時間算出手段
として機能させるためのコンピュータプログラム或いはそのコンピュータプログラムが格納された記録媒体
が提供される。

　本発明によれば、顧客に待ち時間に関する情報を提供できる。

第１の実施形態に係る情報処理装置を例示するブロック図である。第１の実施形態における情報処理装置のハードウエア構成例を概念的に示す図である。第１の実施形態の情報処理装置によって実行される処理の流れを例示するフローチャートである。第１の実施形態に係る取得部によって情報が取得される画像の例を示す図である。第１の実施形態の商品量推定部によって実行される商品量推定ステップの流れを例示するフローチャートである。第１の実施形態の待ち時間推定部によって実行される待ち時間算出ステップの流れを例示するフローチャートである。第２の実施形態に係る商品量推定部によって実行される商品量推定ステップの流れを例示するフローチャートである。第２の実施形態に係る取得部によって情報が取得される画像の例を示す図である。第３の実施形態に係る商品量推定部によって実行される商品量推定ステップの流れを例示するフローチャートである。第３の実施形態に係る取得部によって情報が取得される画像の例を示す図である。第３の実施形態における情報処理装置のハードウエア構成例を概念的に示す図である。第４の実施形態に係る商品量推定部によって実行される商品量推定ステップの流れを例示するフローチャートである。第４の実施形態に係る取得部によって情報が取得される画像の例を示す図である。第５の実施形態に係る商品量推定部によって実行される商品量推定ステップの流れを例示するフローチャートである。第５の実施形態における情報処理装置のハードウエア構成例を概念的に示す図である。買い物かごの重量変化履歴を例示する図である。第６の実施形態に係る商品量推定部によって実行される商品量推定ステップの流れを例示するフローチャートである。第６の実施形態に係る取得部によって情報が取得される画像の例を示す図である。第７の実施形態に係る人数検出部によって実行される人数検出ステップの流れを例示するフローチャートである。第７の実施形態に係る取得部によって情報が取得される画像の例を示す図である。第８の実施形態に係る人数検出部によって実行される人数検出ステップおよび待ち時間算出ステップの流れを例示するフローチャートである。第９の実施形態に係る情報処理装置を例示するブロック図である。第９の実施形態の情報処理装置によって実行される処理の流れを例示するフローチャートである。第１０の実施形態に係る商品登録装置と精算装置が設置されている店舗で顧客が商品を購入する流れを概念的に例示する図である。第１０の実施形態に係る情報処理装置を例示するブロック図である。第１０の実施形態の情報処理装置によって実行される処理の流れを例示するフローチャートである。第１１の実施形態に係る情報処理装置を例示するブロック図である。第１１の実施形態の情報処理装置によって実行される処理の流れを例示するフローチャートである。ＰＯＳレジスタ装置の構成例を示す図である。セミセルフ式のＰＯＳレジスタ装置における商品登録装置の構成例を示す図である。実施例２の精算装置を実現する計算機のハードウエア構成を例示する図である。ＰＯＳシステムの構成例を示す図である。第１０の実施形態の変形例の情報処理装置によって実行される処理の流れを例示するフローチャートである。

　以下、本発明の実施の形態について、図面を用いて説明する。尚、すべての図面において、同様な構成要素には同様の符号を付し、適宜説明を省略する。

［第１の実施形態］
　＜処理構成＞
　図１は、第１の実施形態に係る情報処理装置１０を例示するブロック図である。本図において、各ブロックは、ハードウエア単位の構成ではなく、機能単位の構成を表している。情報処理装置１０は、商品量推定部１４（検出手段）、人数検出部１６および待ち時間推定部１８を備える。商品量推定部１４は、商品登録装置（ＰＯＳ（Point Of Sale）装置）に並んでいる人の商品量を推定する。人数検出部１６は、商品登録装置に並んでいる人数を検出する。待ち時間推定部１８は、商品登録装置に並んでいる人の商品量および当該人数に基づいて、商品登録装置毎の待ち時間の予測値を算出する。以下に詳細に説明する。

　なお、人が並ぶＰＯＳ装置は、商品登録機能のみを有するものであっても良いし、商品登録機能と精算機能の両方を備えても良い。

　本実施形態に係る情報処理装置１０は、取得部１２をさらに備える。取得部１２は、商品登録装置に並んでいる人の列を撮影した画像を示す情報を取得する。そして、商品量推定部１４は、その画像を用いて合計商品量を推定する。なお、合計商品量とは、商品登録装置に並んでいる人の商品量であり、その列の商品登録装置において登録されるべき商品の合計量をいう。以下において「合計商品量」を、「列内の商品量」とも呼ぶ。また、買い物かごの総数が１つである場合もその買い物かご内の商品量をもって、合計商品量または列内の商品量と呼ぶ。

　スーパーマーケット等の店舗において、顧客は売り場で購入したい商品を選んだ後、レジへ行く。レジでは（１）精算対象の商品を登録する処理（バーコードの読み取りなど）及び（２）登録された商品の精算を行う処理（代金の受け取りやおつりの返却など）という２つの処理が行われる。精算対象の商品を登録する処理は、商品登録装置で行われ、登録された商品の精算を行う処理は精算装置で行われる。商品の登録および精算のために、顧客は商品登録装置の前で順番待ちをする場合がある。

　本実施形態に係る情報処理装置１０が使用される環境では、店員が商品登録装置で登録し、顧客から代金等を受け取って精算装置で精算する。店員が一人で対応する場合、商品登録装置毎の待ち時間は商品登録に必要な時間と精算に必要な時間の総和であると推測できる。ここで、商品登録に必要な時間は登録すべき商品の量に基づいて推測でき、精算に必要な時間は精算する人の数に基づいて推測できる。

　取得部１２、商品量推定部１４、人数検出部１６、および待ち時間推定部１８については詳しく後述する。

　＜ハードウエア構成＞
　図２は、本実施形態における情報処理装置のハードウエア構成例を概念的に示す図である。本図に示されるように、情報処理装置１０は、ＣＰＵ（Central Processing Unit）１０１、メモリ１０２、入出力インタフェース（Ｉ／Ｆ）１０３、通信部１０４等を有する。ＣＰＵ１０１は、他の各部とバス等の通信線により接続される。メモリ１０２は、ＲＡＭ（Random Access Memory）、ＲＯＭ（Read Only Memory）、フラッシュメモリ等である。通信部１０４は、他の装置や機器と信号のやりとりを行う。通信部１０４には、可搬型記録媒体１０４１等も接続され得る。入出力Ｉ／Ｆ１０３は、表示部１０５、入力部１０６、撮像部１０７、集音部１０８、音声出力部１０９等と接続される。

　表示部１０５は、ＬＣＤ（Liquid Crystal Display）やＣＲＴ（Cathode Ray Tube）ディスプレイのような、ＣＰＵ１０１やＧＰＵ（Graphics Processing Unit）（図示せず）等により処理された描画データに対応する画面を表示するユニットである。入力部１０６は、ユーザ操作の入力を受け付けるユニットであり、例えば、ハードウエアボタンユニット、タッチセンサ等として実現される。表示部１０５及び入力部１０６は一体化され、タッチパネルとして実現されることもできる。撮像部１０７は、レンズ、撮像素子等から形成されるカメラであり、静止画像及び動画像を撮像する。集音部１０８は、マイクロフォンユニットである。音声出力部１０９は、スピーカユニットやベルなどである。

　情報処理装置１０のハードウエア構成は、本図に示される構成に限定されない。情報処理装置１０は、本図に示される構成以外の構成を更に有してもよい。また、情報処理装置１０は、表示部１０５、入力部１０６、撮像部１０７、集音部１０８及び音声出力部１０９を有していなくてもよい。この場合、情報処理装置１０は、通信部１０４を介した通信により、他の装置が有する表示部１０５への表示、撮像部１０７により撮像された画像の取得、集音部１０８により得られた音声データの取得、及び音声出力部１０９への出力を行うことができる。

＜動作例＞
　図３は、本実施形態の情報処理装置１０によって実行される処理の流れを例示するフローチャートである。本実施形態に係る情報処理方法は本実施形態に係る情報処理装置１０により実行される。当該情報処理方法は、商品量推定ステップＳ２０（検出ステップ）、人数検出ステップＳ３０、および待ち時間算出ステップＳ４０を含む。商品量推定ステップＳ２０では、商品登録装置に並んでいる人の合計商品量を推定する。人数検出ステップＳ３０では、商品登録装置に並んでいる人数を検出する。待ち時間算出ステップＳ４０では、合計商品量および当該人数に基づいて、商品登録装置毎の待ち時間の予測値を算出する。なお、人数検出ステップＳ３０と商品量推定ステップＳ２０の順序は問わない。

　また、本実施形態に係る情報処理方法は、取得ステップＳ１０をさらに含む。取得ステップＳ１０では、商品登録装置に並んでいる人の列を撮影した画像を示す情報が取得される。そして、商品量推定ステップＳ２０では、その画像を用いて合計商品量が推定される。当該画像は、情報処理装置１０での所定の操作（情報を取得するトリガとなる操作）に応じて送信され、取得部１２が取得できる。

　取得部１２、商品量推定部１４、人数検出部１６、および待ち時間推定部１８の詳細を含め、以下に説明する。

　取得部１２は、撮像部１０７から、商品登録装置に並んでいる人の列を撮影した画像を示す情報を取得する（取得ステップＳ１０）。撮像部１０７は、列を撮影するために、たとえば商品登録装置２０の上部周辺の天井に設けられており、顧客の列を上部から撮影する。

　図４は、本実施形態に係る取得部１２によって情報が取得される画像の例を示す図である。商品登録装置２０および精算装置３０に対し、一人の店員６０１が配置されて処理を行っている。商品登録装置２０の前には、複数の顧客６０２が順番待ちをして、列を形成している。各顧客６０２は、買い物かご６０３を保持している。そして、各買い物かご６０３の中には、各顧客６０２が購入しようとする商品（不図示）が入れられている。

　なお、本図では、買い物かご６０３や顧客６０２が複数で列を形成している例を示しているが、商品登録装置２０に並ぶ買い物かご６０３は０個や１個であってもよい。また、商品登録装置２０に並ぶ顧客６０２の数も０人や１人であってもよい。また、複数の顧客６０２が並び、買い物かご６０３の数が総数で１個であってもよい。いずれの場合にも、「列」と呼ぶ。

　図１に戻り、本実施形態に係る商品量推定部１４は、取得部１２が取得した画像を示す情報に基づき、列内の商品量を推定する。

　図５は、本実施形態の商品量推定部１４によって実行される商品量推定ステップＳ２０の流れを例示するフローチャートである。本実施形態に係る商品量推定部１４は、画像のうち予め定められた領域内に含まれる買い物かご６０３を検出する（ステップＳ２０１）。次いで、商品量推定部１４は、買い物かご６０３毎の商品量を推定する（ステップＳ２０２）。そして、商品量推定部１４は、推定された買い物かご６０３毎の商品量を合算して、列内の商品量を推定する（ステップＳ２０３）。各ステップについて、以下に説明する。

　ステップＳ２０１では、商品量推定部１４は、画像のうち予め定められた領域内に含まれる買い物かご６０３を検出する。予め定められた領域とは、たとえば画像全体であってもよく、画像の内、その商品登録装置２０に対する列が形成されると見込まれる領域であってもよい。商品量推定部１４は、画像認識で買い物かご６０３を抽出するための特徴量を予め保持している。そして、商品量推定部１４は、この特徴量を用いたマッチング処理により、画像の予め定められた領域内から、買い物かご６０３を検出する。

　ステップＳ２０２において、商品量推定部１４は、買い物かご６０３毎の商品量を推定する。本実施形態において、商品量推定部１４は、画像から買い物かご６０３のそれぞれにおける内容物の高さを検出し、検出した内容物の高さを用いて、買い物かご６０３毎の商品量を推定する。なお、内容物の高さは、買い物かご６０３の底からの高さである。本実施形態に係る商品量推定部１４は、たとえば以下の方法１または方法２によって、買い物かご毎の商品量を推定できる。

＜方法１＞
　商品量推定部１４は、画像を元に、ステップＳ２０１で検出された買い物かご６０３のそれぞれについて、買い物かご６０３の最上端と、買い物かご６０３に入れられた内容物の最上面との位置を検出する。そして、これらの位置に基づき、当該最上端と当該最上面との位置関係および距離を検出する。ここで、当該最上端と当該最上面の距離は、以下の様に検出できる。商品量推定部１４は画像内の買い物かご６０３の位置に基づき、撮像部１０７からその買い物かご６０３までの距離を検出する。そして、撮像部１０７から買い物かご６０３までの距離に応じ、画像内での当該最上端と当該最上面の距離の縮尺を換算し、実際の当該最上端と当該最上面の距離を算出する。

　本方法において、商品量推定部１４は、当該最上端と当該最上面の位置関係および距離に基づいて、その買い物かご６０３に入れられている内容物の高さが、予め定められた複数の段階のうち、どの段階に該当するかを判定する。内容物の最上面が買い物かご６０３の最上端より下にある場合、当該最上面と当該最上端の距離が大きいほど、その買い物かご６０３の内容物の量は少ないと推測できる。一方、内容物の最上面が買い物かご６０３の最上端より上にある場合、当該最上面と当該最上端の距離が大きいほど、その買い物かご６０３の内容物の量は多いと推測できる。

　ここで、各段階には、商品量がその段階であると判定された場合の商品数の平均値が関連づけられている。そして、商品量推定部１４は、判定された段階に対応する商品数の平均値を、その買い物かご６０３の商品数として推定する。

　なお、内容物の高さは、上記の方法に限られず、買い物かご６０３の底から買い物かご６０３に入れられた内容物の最上面までの高さを検出することで取得しても良い。

＜方法２＞
　本方法において、商品量推定部１４は、画像から買い物かご６０３のそれぞれにおける表層の商品数を検出する。たとえば、商品量推定部１４は、買い物かご６０３の画像において商品の輪郭を抽出し、表層の商品数を検出する。

　また、商品量推定部１４は、方法１と同様にして買い物かご６０３の内容物の高さを検出する。そして、商品量推定部１４は、内容物の高さおよび表層の商品数を用いて、買い物かご６０３毎の商品量を推定する。

　具体的には、商品量推定部１４は、当該最上端と当該最上面の位置関係および距離に基づいて、その買い物かご６０３に入れられている内容物の高さが、予め定められた複数の段階のうち、どの段階に該当するかを判定する。ここで、各段階には、商品量がその段階であると判定された場合の商品の層数の平均値が関連づけられている。そして、商品量推定部１４は、判定された段階に対応する商品の層数の平均値を、その買い物かご６０３の商品の層数として推定する。

　次いで、商品量推定部１４は、推定した商品の層数に、表層の商品数を乗じて得た値を、その買い物かご６０３の商品数として推定する。

　なお、方法２において、表層の商品数を検出する代わりに、商品量推定部１４が予め１層あたりの商品数として特定の値を保持していてもよい。その場合、その商品数と商品の層数とを乗算してその買い物かご６０３の商品数として推定できる。

　なお、買い物かご６０３の表層の商品数を検出可能な範囲内となるような基準の列の長さを予め決めておき、商品量推定部１４は、その長さの前後で推定方法を変えても良い。たとえば、商品量推定部１４は、基準の長さより前の買い物かご６０３についてのみ方法２を用い、それより後ろの買い物かご６０３については方法１を用いても良い。

　なお、上述した列を撮影するための撮像部１０７の他に、内容物の高さを検出するために買い物かご６０３を横方向から撮影するための撮像部１０７、および買い物かご６０３の表層を検出するために拡大して撮影するための撮像部１０７のうち少なくとも一方がさらに設けられていても良い。

　上述の様に商品量推定部１４は、推定された買い物かご６０３毎の商品量を合算して、列内の商品量を推定する（ステップＳ２０３）。上述の方法１または方法２を用いる場合、商品量推定部１４は、推定された買い物かご６０３毎の商品数を合算して、列内の商品数を商品量として推定する。

　図３に戻り、人数検出部１６は、画像内に含まれる人の数を検出する。具体的には、人数検出部１６は、画像認識で人を抽出するための特徴量を予め保持している。そして、この特徴量を用いたマッチング処理により、たとえば特定の領域内にいる人を、商品登録装置２０に対する列を形成している人であるとみなして検出する。そして、検出された人の数を算出する。

　なお、人数検出部１６が人の数を検出する方法は、このような画像を用いた方法に限らない。人数検出部１６は、当該の方法に代えてたとえば、列が形成される場所に沿って床に設けられた複数のセンサの検出結果から、列の長さを検出し、人の数を推定しても良い。ここで、センサは例えば圧力センサや受光センサである。圧力センサが検出する圧力が、予め定められた基準値よりも大きい場合、その圧力センサの領域に列が形成されていると判断できる。もしくは、受光センサが検出する光量が、予め定められた基準値よりも小さい場合、その領域に列が形成されたと判断できる。人数検出部１６は、列の長さと人の数を関連づけたデータをメモリから取得し、当該データに基づき、検出された列の長さに対応する人の数を、商品登録装置２０に並んでいる人の数と推定する。

　もしくは、人数検出部１６は、並んでいる人が保持する買い物かごやカート、会員カード等に設けられたＲＦＩＤ（Radio Frequency Identification）タグの情報を読み取ることにより、人の数を推測しても良い。具体的には、列が形成される場所に沿って複数のＲＦＩＤリーダが設けられており、ＲＦＩＤリーダは、所定範囲以内に近づいたＲＦＩＤタグから、当該タグに割り当てられた識別番号を示す情報を取得する。そして、人数検出部１６は、ＲＦＩＤリーダが識別番号を取得したＲＦＩＤタグの数を、商品登録装置２０に並んでいる人数として検出する。

　また、商品登録が済んだ買い物かご又は人が通る場所の近傍にもＲＦＩＤリーダが設けられており、商品登録が済んだ買い物かご又は人がこのＲＦＩＤリーダの所定範囲内に近づいたとき、当該ＲＦＩＤリーダはそのＲＦＩＤタグから識別番号を示す情報を取得する。そして、人数検出部１６は、取得された識別番号に対応する人は列からいなくなったとして、推定した人数から引く。こうすることにより、商品登録が済んだ人の数が、列の推定人数から除かれる。なお、当該ＲＦＩＤリーダが用いられる代わりに、もしくは用いられるのに加えて、精算装置３０が精算時に提示された会員カードを読み取ることにより取得された、識別番号に対応する人が、列からいなくなったとして人数から除かれてもよい。

　待ち時間推定部１８は、推定された列内の商品量および人数検出部１６の検出結果に基づいて、商品登録装置２０毎の待ち時間の予測値を算出する。

　図６は、本実施形態の待ち時間推定部１８によって実行される待ち時間算出ステップＳ４０の流れを例示するフローチャートである。待ち時間推定部１８は、人数検出部１６で検出された人数に、１度の精算あたりに必要な時間の平均値を乗じた時間を、精算の推定所要時間として算出する（ステップＳ４０１）。また、待ち時間推定部１８は、商品量推定部１４で推定された列内の商品数に１つの商品の登録あたりに必要な時間の平均値を乗じた時間を、商品登録の推定所要時間として算出する（ステップＳ４０２）。
そして、待ち時間推定部１８は、算出した精算の推定所要時間及び商品登録の推定所要時間を合算した値を、商品登録装置２０毎の待ち時間の予測値として算出する（ステップＳ４０３）。なお、ステップＳ４０１と、ステップＳ４０２の順序は問わない。

　１度の精算あたりに必要な時間の平均値、および１つの商品の登録あたりに必要な時間の平均値は、予め求められてメモリ１０２等に保持された値を、待ち時間推定部１８が読み出して用いることができる。

　なお、１度の精算あたりに必要な時間の平均値、および１つの商品の登録あたりに必要な時間の平均値は、店員の熟練度に依存して異なる場合がある。そこで、商品の登録および精算を行う店員毎に、これらの平均値が対応づけられて、メモリ１０２等に保持されていてもよい。その場合、店員はレジに配置された際に、自己の氏名またはＩＤ（Identification）等を情報処理装置１０に登録するようにする。そして、配置されている店員に対応するこれらの平均値を、待ち時間推定部１８が読み出して用いるようにしてもよい。

　なお、１度の精算あたりに必要な時間の平均値、および１つの商品の登録あたりに必要な時間の平均値は、店員の実際の処理時間に基づき更新される様にしても良い。そうすることにより、顧客に待ち時間に関するより正確な情報を提供できる。

　１度の精算あたりに必要な時間の平均値を更新する方法について、以下に説明する。１度の精算あたりに必要な時間は、その顧客の全ての商品が登録され、料金を確定させるための処理を行った時（たとえば商品登録装置２０の確定キーを操作した時）から、おつり及びレシートの両方を出し終わるまでの時間として定義できる。そして、待ち時間推定部１８は、直近の予め定められた精算回数分または時間内の平均値を、１度の精算あたりに必要な時間の平均値として算出する。そして待ち時間推定部１８は、この平均値で、メモリ１０２等にすでに保持されていた平均値を置き換え、次に待ち時間の予測値を算出する際には、最新の平均値を用いる。

　１つの商品の登録あたりに必要な時間の平均値を更新する方法について以下に説明する。前の顧客の精算が終わった後（たとえばおつり及びレシートの両方を出し終わった後）、最初の商品が商品登録装置２０に登録された時から、その顧客の最後の商品が登録され、料金を確定させるための処理を行った時までの時間を商品登録の１ターンの時間とする。なお、これに予め定められた特定の付加時間をさらに加えた時間を、１ターンの時間としてもよい。付加時間は、最初の商品を買い物かごから取りあげて登録するまでの時間に相当し、例えば予め調査した当該時間の平均値を用いることができ、メモリ１０２等に保持されたものを待ち時間推定部１８が読み出して取得できる。

　また、各ターンで登録された最初の商品から最後の商品までの数を、そのターンにおける商品数と呼ぶ。待ち時間推定部１８は、各ターンの時間と商品数を取得し、直近の予め定められたターン数分または時間内の、全ターンの時間と商品数をそれぞれ合算し、時間を商品数で割ることで、１つの商品の登録あたりに必要な時間の平均値を算出する。そして待ち時間推定部１８は、この平均値で、メモリ１０２等に保持されていた平均値を置き換え、次に待ち時間の予測値を算出する際には、最新の平均値を用いる。

　なお、待ち時間推定部１８は、各ターンの時間と商品数を取得し、ターン毎に平均値を算出した上で、直近の予め定められたターン数分または時間内の、全ターンの平均値の平均を算出し、１つの商品の登録あたりに必要な時間の平均値としてもよい。

　待ち時間推定部１８により算出された待ち時間の予測値は、顧客が見ることができるように、商品登録装置２０ごとに顧客向け表示部に表示される。この表示は、たとえば「このレジの待ち時間はＸ分です。」というような文字表示、予測される待ち時間の長さに応じて色が異なる発光、待ち時間の長さに応じたインジケーターや記号の表示等のいずれかでありうる。

　顧客はこの表示を確認し、予想される待ち時間が短い商品登録装置２０に並ぶことにより、スムーズに商品の登録および精算を受けられる。

　なお、商品量推定部１４が推定する商品量は、商品数に限らず、商品の容量であっても良い。商品量推定部１４が商品の容量を推定する場合、メモリ１０２等に予め保持された、商品の容量の範囲と登録処理に必要な時間との関係を示すデータを、待ち時間推定部１８が取得する。そして、待ち時間推定部１８は、当該データにおいて商品量推定部１４が推定した容量が該当する範囲に対応する時間を取得し、商品登録の推定所要時間とする。その後、待ち時間推定部１８は、上述したようにステップＳ４０３を行い、待ち時間の予測値を算出する。なお、商品の容量の範囲と登録処理に必要な時間との関係を示すデータは、事前に商品の容量と、その処理に必要な時間の平均値を調査して生成し、メモリ１０２等に保持させておくことができる。

　なお、算出された待ち時間の予測値は、メモリ１０２等に保持しておくことができ、顧客の動向分析等に用いることができる。

　なお、買い物かごは、かご形のものに限らず、商品を直接入れるカート等であっても良い。

　なお、情報処理装置１０において、上述した情報処理方法は予め設定された特定の時間毎に実行され、その都度新たな待ち時間の予測値が算出され、顧客への表示が更新される。

　次に、本実施形態の作用および効果について説明する。本実施形態に係る情報処理装置１０および情報処理方法によれば、顧客に待ち時間に関する情報を提供できる。その結果、顧客は快適に買い物を済ませることができる。また、顧客が各商品登録装置２０に分散し、店舗におけるレジ処理がスムーズに進むことで、混雑の緩和および業務の効率化を図ることができる。

［第２の実施形態］
　図７は、第２の実施形態に係る商品量推定部１４によって実行される商品量推定ステップＳ２０の流れを例示するフローチャートである。本実施形態に係る情報処理装置１０は、商品量推定部１４によって実行される商品量推定ステップＳ２０の処理を除いて、第１の実施形態に係る情報処理装置１０と同じである。

　図８は、本実施形態に係る取得部１２によって情報が取得される画像の例を示す図である。本図は、第１の実施形態の図４に対応する。

　本実施形態に係る商品量推定部１４は、画像のうち予め定められた領域内に含まれる買い物かご６０３の数を検出する（ステップＳ２０５）。そして、商品量推定部１４は、検出した買い物かご６０３の数を用いて、列内の商品量を推定する（ステップＳ２０６）。各ステップについて、以下に説明する。

　ステップＳ２０５では、商品量推定部１４は、画像のうち予め定められた領域内に含まれる買い物かご６０３を検出する。予め定められた領域とは、たとえば画像全体であってもよく、画像の内、その商品登録装置２０に対する列が形成されると見込まれる領域であってもよい。商品量推定部１４は、画像認識で買い物かご６０３を抽出するための特徴量を予め保持している。そして、商品量推定部１４は、この特徴量を用いたマッチング処理により、画像の予め定められた領域内から、買い物かご６０３の数を検出する。

　ステップＳ２０６では、商品量推定部１４は、検出した買い物かご６０３の数に買い物かご６０３の平均商品数を乗じて得られる列内の商品数を、その列内の商品量として推定する。ここで、買い物かご６０３の平均商品数は、買い物かご６０３を用いて買い物をする顧客６０２の、買い物かご６０３ひとつあたりの平均商品数を予め調査して、メモリ１０２等に保持させておくことができる。商品量推定部１４はそれを読み出して取得し、用いることができる。
なお、後述するカート６０４の平均商品数についても同様である。

　また、図８のように、一部の顧客６０２が買い物かご６０３を乗せるカート６０４を使用している場合がある。たとえばカート６０４には上下方向に並んだ２つの買い物かご搭載部が設けられている。そして、下段に乗せたカートは、上部から撮影された画像には写りにくい。

　そこで、本実施形態に係る商品量推定部１４は、画像のうち予め定められた領域内に含まれる買い物かご６０３の数およびカート６０４の数を検出し、検出された買い物かご６０３の数およびカート６０４の数を用いて、列内の商品量を推定するようにしてもよい。

　この場合、ステップＳ２０５では、商品量推定部１４は、画像認識で買い物かご６０３およびカート６０４をそれぞれ抽出するための特徴量を予め保持している。そして、商品量推定部１４は、この特徴量を用いたマッチング処理により、画像の予め定められた領域内から、買い物かご６０３の数およびカート６０４の数を検出する。なお、ここでは、カート６０４の上段に乗せられた買い物かご６０３も買い物かご６０３の数に含まれる。一方、カート６０４の下段に乗せられた買い物かご６０３は検出されない。

　ステップＳ２０６では、商品量推定部１４は、カート６０４に乗せられていない買い物かご６０３の数に買い物かご６０３の平均商品数を乗じて得た第１の商品数を算出する。ここで、カート６０４に乗せられていない買い物かご６０３の数は、検出された買い物かご６０３の数からカート６０４の数を引いて求められる。また、商品量推定部１４は、検出したカート６０４の数の２倍に買い物かご６０３の平均商品数を乗じて得た第２の商品数を算出する。そして、商品量推定部１４は、第１の商品数と第２の商品数を合算して得られる列内の商品数を、その列内の商品量として推定する。この方法では、各カート６０４に買い物かご６０３が２つずつ乗せられているとみなしている。

　なお、カート６０４を用いる場合、顧客６０２は重いものを持って店内を回る必要が無いため、１つの買い物かご６０３あたりの商品数が多くなることが考えられる。そのため、商品量推定部１４は、カート６０４を用いて買い物をする場合の買い物かご６０３の平均商品数として、カート６０４を用いずに買い物をする場合よりも大きな値を用いて第２の商品数を算出してもよい。

　なお、買い物かご６０３を搭載せず、商品を直接入れるカート６０４の場合、以下の様に商品量推定ステップＳ２０を行うことができる。メモリ１０２等には予め、買い物かご６０３の平均商品数と、カート６０４の平均商品数とが記憶されている。ここで、カート６０４の平均商品数は、買い物かご６０３の平均商品数よりも多い。商品量推定ステップＳ２０では、商品量推定部１４が、買い物かご６０３とカート６０４のそれぞれの数を検出する。また、商品量推定部１４は、メモリ１０２等から買い物かご６０３の平均商品数と、カート６０４の平均商品数を読み出す。そして、商品量推定部１４は、買い物かご６０３の数に買い物かご６０３の平均商品数を乗じた値と、カート６０４の数にカート６０４の平均商品数を乗じた値とを合算した値を、列内の商品数として推定する。

　なお、基準の列の長さを予め決めておき、商品量推定部１４は、その長さの前後で商品量の推定方法を変えても良い。たとえば、商品量推定部１４は、基準の長さより前の買い物かご６０３については第１の実施形態の方法で各買い物かご６０３の商品数を推定し、それより後ろの買い物かご６０３については平均商品数による本実施形態に係る方法を用いてもよい。

　次に、本実施形態の作用および効果について説明する。本実施形態においては第１の実施形態と同様の作用および効果が得られる。加えて、画像認識により買い物かご６０３毎の商品量を検出する必要が無いため、商品量推定部１４における処理の負荷を小さくすることができる。

［第３の実施形態］
　図９は、第３の実施形態に係る商品量推定部１４によって実行される商品量推定ステップＳ２０の流れを例示するフローチャートである。本実施形態に係る情報処理装置１０は、商品量推定部１４によって実行される商品量推定ステップＳ２０の処理、および取得部１２が取得ステップＳ１０において、買い物かご６０３の重量を示す情報をさらに取得する点を除いて、第１の実施形態に係る情報処理装置１０と同じである。

　図１０は、本実施形態に係る取得部１２によって情報が取得される画像の例を示す図である。本図は、第１の実施形態の図４に対応する。商品登録装置２０の順番待ちをする列のうち、先頭の数人の買い物かご６０３ａは、商品を登録する前の買い物かご６０３を置く台２１の上に乗せられる。ここで、台２１に設けられた重量計測部１１０により、買い物かご６０３ａの重さがそれぞれ計測される。計測された重さは、各買い物かご６０３ａの商品量の補正に用いられる。

　本実施形態に係る商品量推定部１４は、商品登録装置２０に設けられた重量計測部１１０により測定された買い物かご６０３ａの重量を用いて、買い物かご６０３ａの商品量を補正する。

＜ハードウエア構成＞
　図１１は、本実施形態における情報処理装置１０のハードウエア構成例を概念的に示す図である。本実施形態に係る情報処理装置１０のハードウエア構成例は、重量計測部１１０を備える点を除いて、第１の実施形態に係る情報処理装置１０のハードウエア構成例と同じである。本図に示されるように、重量計測部１１０は、入出力Ｉ／Ｆ１０３と接続される。重量計測部１１０は、重量計等である。第１の実施形態同様、情報処理装置１０のハードウエア構成は、本図に示される構成に限定されない。情報処理装置１０が重量計測部１１０を有さない場合、情報処理装置１０は、通信部１０４を介した通信により、他の装置が有する重量計測部１１０により得られた重量を示す情報を取得できる。

＜動作例＞
　図９に戻り、本実施形態に係る情報処理装置１０の動作例について説明する。本実施形態に係る取得部１２は、重量計測部１１０から、台２１に乗せられた買い物かご６０３ａのそれぞれの重量を示す情報をさらに取得する。本実施形態に係る商品量推定部１４は、第１の実施形態の方法と同様にして買い物かご６０３を検出し（ステップＳ２０９）、買い物かご６０３毎の商品量（商品数）を推定する（ステップＳ２１０）。そして、商品量推定部１４は、取得部１２が取得した重量を示す情報を用いて、各買い物かご６０３ａの商品数を補正する（ステップＳ２１１）。

　具体的には、補正は以下の様に行う。メモリ１０２等には、予め商品数毎に、基準となる重さの上限値および下限値が保持されている。商品量推定部１４は、その上限値および下限値を読み出して取得する。そして、ステップＳ２１０で推定された商品数に対応する上限値が取得した買い物かご６０３ａの重量よりも小さいか否かを判定する。上限値が取得された重量よりも小さいと判定された場合、商品量推定部１４は、推定された商品数に対し予め定められた割合分、その買い物かご６０３ａの商品数を減少させるよう補正する。

　一方、上限値が取得された重量以上であると判定された場合、商品量推定部１４は次いでステップＳ２１０で推定された商品数に対応する下限値が取得した買い物かご６０３ａの重量よりも大きいか否かを判定する。下限値が取得された重量よりも大きいと判定された場合、商品量推定部１４は、推定された商品数に対し予め定められた割合分、その買い物かご６０３ａの商品数を増加させるよう補正する。下限値が取得された重量以下であると判定された場合、商品量推定部１４は、補正を行わない。

　また、台２１に乗せられていない買い物かご６０３ｂについては、補正は行われない。

　次いで、商品量推定部１４は、ステップＳ２１１を経た買い物かご６０３ａの商品数および買い物かご６０３ｂの商品数を、列内の全ての買い物かご６０３について合算して得られる列内の商品数を、その列内の商品量として推定する（ステップＳ２１２）。

　なお、本実施形態に係る商品量推定部１４が第１の実施形態のステップＳ２０１およびステップＳ２０２と同様にして買い物かご６０３を検出し、買い物かご６０３毎の商品量（商品数）を推定する例について上述したが、これに限定されない。本実施形態に係る補正は、第２の実施形態の方法に適用しても良い。この場合、商品量推定部１４は、台２１上の買い物かご６０３ａの数と、台２１に乗せられていない買い物かご６０３ｂの数をそれぞれ検出する。そして、買い物かご６０３ａについては、重量計測部１１０で計測された買い物かご６０３ａの重量を用いて、上述した方法と同様に補正した平均商品数を適用し、買い物かご６０３ｂについては、補正しない平均商品数を適用することができる。

　次に、本実施形態の作用および効果について説明する。本実施形態においては第１の実施形態と同様の作用および効果が得られる。加えて、より正確な待ち時間を予測することができる。

［第４の実施形態］
　図１２は、本実施形態に係る商品量推定部１４によって実行される商品量推定ステップＳ２０の流れを例示するフローチャートである。本実施形態に係る情報処理装置１０は、商品量推定部１４によって実行される商品量推定ステップＳ２０の処理を除いて、第１の実施形態に係る情報処理装置１０と同じである。

　図１３は、本実施形態に係る取得部１２によって情報が取得される画像の例を示す図である。本図は、第１の実施形態の図４に対応する。商品登録装置２０の行列が長くなる場合、撮像部１０７で取得される画像は列の後ろになるほど不鮮明になる場合がある。

　本実施形態に係る商品量推定部１４は、画像のうち商品登録装置２０に並んでいる人の列の、予め定められた基準長さＬより後ろの買い物かご６０３ｄについては検出を行わない。商品量推定部１４は、基準長さＬより後ろの人の数に基づいて、基準長さＬより後ろの商品量を推定する。

　図１２を用いて本実施形態に係る商品量推定部１４の動作例を説明する。商品量推定部１４は、画像のうち、列の予め定められた基準長さＬの範囲内にある買い物かご６０３ｃを検出する（ステップＳ２１５）。予め定められた基準長さＬは、たとえば、買い物かご６０３に基づいて商品量を推定するために必要な情報を画像から検出できる最大長さである。基準長さＬは、たとえば商品登録装置２０を基準とした距離で定義できる。基準長さＬを示す情報は、予めメモリ１０２等に保持されており、それを商品量推定部１４が読み出して取得できる。商品量推定部１４は、画像認識で買い物かご６０３を抽出するための特徴量を予め保持している。そして、商品量推定部１４は、画像の内の基準長さＬの範囲内に対するこの特徴量を用いたマッチング処理により、基準長さＬの範囲内にある買い物かご６０３ｃを検出する。

　次いで、商品量推定部１４は、第１から第３の実施形態のうちいずれかの実施形態において、列内の商品量を推定した方法と同じ方法で、基準の長さＬ以内の商品量を推定する（ステップＳ２１６）。

　また、商品量推定部１４は、画像において、基準長さＬより後ろの顧客６０２ｃの人数を画像認識して検出する（ステップＳ２１７）。そして、商品量推定部１４は、検出した人数に、顧客６０２一人あたりの平均商品数を乗じて得られる商品数を、基準長さＬより後ろの商品量として推定する（ステップＳ２１８）。次いで、商品量推定部１４は、推定した基準の長さＬ以内の商品量と基準長さＬより後ろの商品量を合算して、列内の商品量を推定する（ステップＳ２１９）。

　次に、本実施形態の作用および効果について説明する。本実施形態においては第１の実施形態と同様の作用および効果が得られる。加えて、列が長くなった場合にも、より正確な待ち時間を予測することができる。

［第５の実施形態］
　図１４は、第５の実施形態に係る商品量推定部１４によって実行される商品量推定ステップＳ２０の流れを例示するフローチャートである。本実施形態に係る情報処理装置１０は、商品量推定部１４によって実行される商品量推定ステップＳ２０の処理、および取得部１２が取得ステップＳ１０において、買い物かご６０３の重量を示す情報をさらに取得する点を除いて、第１の実施形態に係る情報処理装置１０と同じである。

　本実施形態に係る商品量推定部１４は、買い物かご６０３に取り付けられた重量センサにより検出された買い物かご６０３の重量変化履歴を示す情報に基づき、買い物かご６０３毎の商品量を推定する。そして、商品量推定部１４は、推定された買い物かご６０３毎の商品量を合算して、列内の商品量を推定する。

　本実施形態において、各買い物かご６０３には、買い物かご６０３の重さを測定する重量センサ、買い物かご６０３の重量変化履歴を記憶するメモリ、および当該重量変化履歴を示す情報を無線送信するための送信機が設けられている。ここで、買い物かご６０３の重さは、買い物かご６０３の内容物の重さを間接的に示す。重量センサは、たとえば買い物かご６０３の持ち手の根本に設けられている。また、商品登録装置２０に対する列が形成される場所に沿って、複数の受信機が設けられている。

＜ハードウエア構成＞
　図１５は、本実施形態における情報処理装置１０のハードウエア構成例を概念的に示す図である。本実施形態に係る情報処理装置１０のハードウエア構成例は、受信部１１１を備える点を除いて、第１の実施形態に係る情報処理装置１０のハードウエア構成例と同じである。本図に示されるように、受信部１１１は、入出力Ｉ／Ｆ１０３と接続される。受信部１１１はたとえば上述の受信機である。第１の実施形態同様、情報処理装置１０のハードウエア構成は、本図に示される構成に限定されない。情報処理装置１０が受信部１１１を有さない場合、情報処理装置１０は、通信部１０４を介した通信により、他の装置が有する受信部１１１により得られた情報を取得できる。

＜動作例＞
　本実施形態に係る取得部１２は、列内の買い物かご６０３について、各買い物かご６０３から送信された重量変化履歴を示す情報を取得する。具体的には、たとえば、各買い物かご６０３が受信機の特定範囲内に近づいたとき、買い物かご６０３の送信機から受信機へ、重量変化履歴と買い物かご６０３の識別番号を示す情報が送信される。識別番号は、買い物かご６０３毎に異なる。そして、本実施形態に係る取得部１２は、重量変化履歴を示す情報を取得する。

　次いで、商品量推定部１４は、取得された列内の買い物かご６０３の重量変化履歴を示す情報に基づき、買い物かご６０３毎の商品量を推定する（ステップＳ２２２）。

　図１６は、買い物かごの重量変化履歴を例示する図である。本図に示す様に、買い物かご６０３に商品が入れられた時点（実線矢印）で、買い物かご６０３の重量がステップ状に増加する。一方、買い物かご６０３から商品が出された時点（破線矢印）で、その重量は、ステップ状に減少する。商品量推定部１４は、このようなステップ状の増加を１つの商品の増加とみなし、ステップ状の減少を１つの商品の減少とみなしてカウントする。
たとえば本図の例では、３つの商品が入れられ、１つの商品が出された結果、買い物かご６０３内には２つの商品が入っていると推定することができる。

　商品量推定部１４は、推定した買い物かご６０３毎の商品数を合算して得られる商品数を、列内の商品量として推定する（ステップＳ２２３）。

　そして、第１の実施形態に係る方法と同様に人数検出ステップＳ３０および待ち時間算出ステップＳ４０が行われ、推定待ち時間等が顧客に報知される。

　また、商品登録が済んだ買い物かご６０３を配置する位置の近傍には、受信機が備えられている。商品登録が済んだ買い物かご６０３がこの受信機の特定範囲内に近づいたとき、当該買い物かご６０３の送信機から当該受信機へ、買い物かご６０３の識別番号を示す情報は送信される。そして、受信された買い物かご６０３の識別番号を示す情報を取得部１２が取得し、商品量推定部１４は、当該識別番号に対応する買い物かご６０３の商品数を、推定した列内の商品数から引く。こうすることにより、商品登録が済んだ買い物かご６０３の商品数が除かれる。

　なお、カート６０４にも同様に重量センサ、メモリ、および送信機が設けられてもよい。そして、顧客６０２がカート６０４を用いる場合には、重量変化履歴を示す情報は、カート６０４から取得される。

　次に、本実施形態の作用および効果について説明する。本実施形態においては第１の実施形態と同様の作用および効果が得られる。加えて、以下の作用および効果が得られる。

　本実施形態によれば、画像認識を行うことなく、列内の商品量を推定できる。

　また、本実施形態によれば、より正確な待ち時間を予測することができる。

［第６の実施形態］
　図１７は、第６の実施形態に係る商品量推定部１４によって実行される商品量推定ステップＳ２０の流れを例示するフローチャートである。本実施形態に係る情報処理装置１０は、商品量推定部１４によって実行される商品量推定ステップＳ２０の処理を除いて、第１の実施形態に係る情報処理装置１０と同じである。

　図１８は、本実施形態に係る取得部１２によって情報が取得される画像の例を示す図である。本図は、第１の実施形態の図４に対応する。列に並ぶ人の中には、購入したい商品が少量である場合など、買い物かご６０３を使わず、手で商品６０５を保持している人が含まれる場合がある。

　本実施形態に係る商品量推定部１４は、画像内の商品登録装置２０に並んでいる人のうち、買い物かご６０３を保持していない人について、あらかじめ定められた量を当該人の商品量として推定する。以下に詳しく説明する。

　商品量推定部１４は、第１の実施形態に係る方法と同様に、画像内の買い物かご６０３を検出する（ステップＳ２２５）。そして、商品量推定部１４は、第１から第５の実施形態のうちいずれかの実施形態において、列内の商品量を推定した方法と同じ方法で、列内の買い物かご６０３に入れられている商品量を推定する（ステップＳ２２６）。

　また、商品量推定部１４は、画像内の、買い物かご６０３を保持していない顧客６０２ｄを検出する（ステップＳ２２７）。たとえば、商品量推定部１４は、画像認識で買い物かご６０３および人をそれぞれ抽出するための特徴量を予め保持している。そして、商品量推定部１４は、この特徴量を用いたマッチング処理により人と買い物かご６０３を検出し、画像内の人と買い物かご６０３の位置関係を検出する。そして、商品量推定部１４は、特定の距離内に買い物かご６０３が存在しない人を、買い物かご６０３を保持していない顧客６０２ｄとみなす。

　次いで、商品量推定部１４は、顧客６０２ｄの数に買い物かご６０３を保持しない顧客６０２の平均商品数を乗じた数と、列内の買い物かご６０３に入れられている商品量の推定値とを合算する。商品量推定部１４は、そうして得られた商品数を、列内の商品量として推定する（Ｓ２２８）。

　次に、本実施形態の作用および効果について説明する。本実施形態においては第１の実施形態と同様の作用および効果が得られる。加えて、買い物かご６０３を使用しない顧客６０２が含まれる場合でも、より正確な待ち時間を予測することができる。

［第７の実施形態］
　図１９は、第７の実施形態に係る人数検出部１６によって実行される人数検出ステップＳ３０の流れを例示するフローチャートである。本実施形態に係る情報処理装置１０は、人数検出部１６によって実行される人数検出ステップＳ３０の処理および待ち時間推定部１８によって実行される待ち時間算出ステップＳ４０の処理を除いて、第１から第６の実施形態のいずれかに係る情報処理装置１０と同じである。

　図２０は、本実施形態に係る取得部１２によって情報が取得される画像の例を示す図である。本図は、第１の実施形態の図４に対応する。列に並ぶ顧客６０２は必ずしも全員がそれぞれ精算をするとは限らない。家族や友人同士のグループ６０６でひとまとまりの買い物をする場合、精算はグループ６０６毎に一括で行われる。

　本実施形態に係る人数検出部１６は、画像内の商品登録装置２０に並んでいる複数の人のうち、精算を一括に行うと推定される２人以上をグループ化する。以下に詳しく説明する。

　人数検出部１６は、第１の実施形態に係る方法と同様にして列内の人を検出する（ステップＳ３０１）。次いで、人数検出部１６は、検出した人（顧客６０２）を精算毎にグループ化する（ステップＳ３０２）。たとえば、人数検出部１６は、互いの間隔が特定の値より近い顧客６０２ｆおよび顧客６０２ｅを、知人同士であるとみなしてグループ６０６を形成できる。
また、人数検出部１６は、子供と思われる顧客６０２ｇを、最も近い大人の顧客６０２ｈとグループ６０６を形成できる。また、人数検出部１６は、時間を追った複数の画像のフレームで動画が形成される場合、時々に顔を向き合わせている複数の顧客６０２を、知人同士であるとみなしてグループ６０６を形成できる。

　次いで、人数検出部１６は、精算の数を算出する。たとえば、人数検出部１６は、グループ６０６に属しない顧客６０２の人数と、グループ６０６の数とを合算し、精算の数を算出する（ステップＳ３０３）。

　本実施形態に係る待ち時間推定部１８は、検出された人数の代わりに、人数検出部１６で算出された精算の数を用いて、精算の推定所要時間を算出する。待ち時間推定部１８が行う待ち時間算出ステップＳ４０は、その他の点において、第１の実施形態に係る動作と同様である。

　次に、本実施形態の作用および効果について説明する。本実施形態においては第１の実施形態と同様の作用および効果が得られる。加えて、複数人からなるグループで一括精算が行われる場合でも、より正確な待ち時間を予測することができる。

［第８の実施形態］
　図２１は、第８の実施形態に係る人数検出部１６によって実行される人数検出ステップＳ３０および待ち時間算出ステップＳ４０の流れを例示するフローチャートである。本実施形態に係る情報処理装置１０は、人数検出部１６によって実行される人数検出ステップＳ３０の処理および待ち時間推定部１８によって実行される待ち時間算出ステップＳ４０の処理を除いて、第１から第６の実施形態のいずれかに係る情報処理装置１０と同じである。

　精算に要する時間は、顧客６０２のそれぞれにより異なる。たとえば、買い物に慣れている主婦層であれば日々の経験から、スムーズに精算を行え、精算の所要時間は短いと推測できる。一方、高齢な顧客であれば、ゆっくりとしたやりとりにより精算が行われるため、精算の所要時間は長いと推測できる。

　本実施形態に係る人数検出部１６は、商品登録装置２０に並んでいる人のそれぞれの属性を分析する。また、本実施形態に係る待ち時間推定部１８は、人数検出部１６が検出した人数に基づき精算の推定所要時間を算出し、属性に基づいて推定所要時間を補正する。以下に詳しく説明する。

　本実施形態に係る人数検出部１６は、第１の実施形態に係る方法と同様にして、列に並ぶ人を検出する（ステップＳ３０５）。次いで、人数検出部１６は、検出した各人の属性を分析する（ステップＳ３０６）。属性は、たとえば年齢、性別等に応じて定義されている。人数検出部１６は、画像認識で人の属性を検出するための、属性毎の特徴量を予め保持している。そして人数検出部１６は、この特徴量を用いたマッチング処理により、各人の属性を分析することができる。

　次いで、待ち時間推定部１８は、第１の実施形態に係る方法と同様にして、精算の推定所要時間を算出する（ステップＳ４０５）。そして、待ち時間推定部１８は、人数検出部１６が分析した属性に基づいて精算の推定所要時間を補正する（ステップＳ４０６）。待ち時間推定部１８は、たとえば以下の様に、精算の推定所要時間を補正できる。
メモリ１０２等には予め、属性と補正値との関係が対応づけられたデータが記憶されている。補正値は、精算の推定所要時間に対して増加または減少させるべき時間を示し、事前の調査で得られた平均値を元に求められる。待ち時間推定部１８は、当該データを取得し、人数検出部１６が分析した人の属性に対応する補正値を求め、検出された人の全てについて合算する。合算した補正値は、正の値でも負の値でもあり得る。そして、合算した補正値を、ステップＳ４０５で算出した精算の推定所要時間に加えることにより、当該推定時間を補正する。

　また、待ち時間推定部１８は、第１の実施形態に係る方法と同様にして商品登録の推定所要時間を算出し（ステップＳ４０７）、補正した精算の推定所要時間と、商品登録の推定所要時間を合算する（ステップＳ４０８）。

　本実施形態に係る情報処理方法において、第７の実施形態と同様に、グループ化の処理をさらに行っても良い。その場合、たとえばグループの内で推定される精算所要時間が最も短い属性の人を、そのグループの精算者と推定して、推定所要時間を補正する。

［第９の実施形態］
　本実施形態では、第１の実施形態の情報処理装置１０において、本発明の効果を得るための最小構成を有する情報処理装置１０を説明する。

　＜処理構成＞
　図２２は、本実施形態における情報処理装置１０の処理構成を例示する図である。本図に示されるように、情報処理装置１０は、商品量推定部１４、人数検出部１６および待ち時間推定部１８を備える。商品量推定部１４は、商品登録装置２０に並んでいる人の合計商品量を推定する。人数検出部１６は、商品登録装置２０に並んでいる人数を検出する。待ち時間推定部１８は、合計商品量および当該人数に基づいて、商品登録装置２０毎の待ち時間の予測値を算出する。

　＜ハードウエア構成＞
　本実施形態の情報処理装置１０は、図２に示されるような、第１実施形態と同様のハードウエア構成を有する。本実施形態の商品量推定部１４、人数検出部１６、および待ち時間推定部１８は、例えば、ＣＰＵ１０１により実行される商品量推定部１４、人数検出部１６、および待ち時間推定部１８の機能を実現するためのプログラムモジュールにより実現される。商品量推定部１４、人数検出部１６、および待ち時間推定部１８の機能を実現するためのプログラムモジュールは、例えば、メモリ１０２に記憶される。

　＜動作例＞
　図２３は、本実施形態の情報処理装置によって実行される処理の流れを例示するフローチャートである。本実施形態における情報処理装置１０の動作例を以下に説明する。

　商品量推定部１４は、情報処理装置１０での所定の操作（情報処理を行うトリガとなる操作）に応じて商品登録装置２０に並んでいる人の合計商品量を推定する（商品量推定ステップＳ２０）。人数検出部１６は、商品登録装置２０に並んでいる人数を検出する（人数検出ステップＳ３０）。そして、待ち時間推定部１８は、合計商品量および当該人数に基づいて、商品登録装置毎の待ち時間の予測値を算出する（待ち時間算出ステップＳ４０）。

　以上、本実施形態の情報処理装置１０によれば、顧客に待ち時間に関する情報を提供できる。

［第１０の実施形態］
　図２４は、第１０の実施形態に係る商品登録装置２０と精算装置３０が設置されている店舗で顧客が商品を購入する流れを概念的に例示する図である。まず顧客は、購入したい商品を持って商品登録装置２０のところへ行く。すると店員が、商品登録装置２０を操作して商品の登録処理を行う。その後、顧客が精算装置３０のところへ行って代金の支払いなどをすることにより、商品の精算が行われる。

　この場合、店員が商品登録装置２０で登録し、顧客が精算装置３０で自ら精算する。そのため、商品登録装置２０毎の待ち時間は、商品登録に必要な時間の総和であると推測でき、精算に必要な時間を考慮する必要は無い。そして、商品登録に必要な時間は登録すべき商品の量に基づいて推測できる。

　＜処理構成＞
　図２５は、第１０の実施形態に係る情報処理装置１０を例示するブロック図である。本図において、各ブロックは、ハードウエア単位の構成ではなく、機能単位の構成を表している。本実施形態に係る情報処理装置１０は、商品量推定部１４（検出手段）、および待ち時間推定部１８を備える。商品量推定部１４は、商品登録装置（ＰＯＳ装置）に並んでいる人の買い物かごを検出する。待ち時間推定部１８は、商品量推定部１４の検出結果に基づいて、商品登録装置２０毎の待ち時間の予測値を算出する。

　本実施形態に係る情報処理装置１０は、第１の実施形態のような人数検出部１６を備えなくてもよい。

　本実施形態に係る情報処理装置１０において、商品量推定部１４は、買い物かご６０３を検出して商品登録装置２０に並んでいる人の合計商品量を推定する。そして、待ち時間推定部１８は、合計商品量に基づいて、商品登録装置２０毎の待ち時間の予測値を算出する。

　また、本実施形態に係る情報処理装置１０は、商品登録装置２０に並んでいる人の列を撮影した画像を示す情報を取得する取得部１２をさらに備える。商品量推定部１４は、その画像を用いて合計商品量を推定する。

＜動作例＞
　図２６は、本実施形態の情報処理装置１０によって実行される処理の流れを例示するフローチャートである。本実施形態に係る情報処理方法は、商品量推定ステップＳ２０（検出ステップ）、および待ち時間算出ステップＳ４０を含む。商品量推定ステップＳ２０では、商品登録装置２０に並んでいる人の買い物かごが検出される。待ち時間算出ステップＳ４０では、商品量推定ステップＳ２０の検出結果に基づいて、商品登録装置２０毎の待ち時間の予測値が算出される。以下に詳しく説明する。

　本実施形態に係る情報処理方法は、取得ステップＳ１０をさらに含む。取得ステップＳ１０では、商品登録装置２０に並んでいる人の列を撮影した画像を示す情報が取得される。商品量推定ステップＳ２０では、その画像を用いて合計商品量が推定される。

　また、本実施形態に係る情報処理方法において、商品量推定ステップＳ２０では、買い物かご６０３が検出されて商品登録装置２０に並んでいる人の合計商品量が推定される。
そして、待ち時間算出ステップＳ４０では、合計商品量に基づいて、商品登録装置２０毎の待ち時間の予測値が算出される。

　本実施形態において、取得部１２は、第１の実施形態に係る取得ステップＳ１０と同様にして、画像を取得する。次いで、商品量推定部１４は、第５の実施形態に係る方法を用いる場合を除く第１から第６の実施形態のいずれかの商品量推定ステップＳ２０と同様にして、列内の商品量を推定する。

　待ち時間推定部１８が行う待ち時間算出ステップＳ４０の処理は、精算の推定所要時間を算出しない点を除いて、第１の実施形態に係る待ち時間算出ステップＳ４０の処理と同様である。待ち時間推定部１８は、推定された列内の商品量に基づいて、たとえば以下の様に商品登録装置２０毎の待ち時間の予測値を算出する。待ち時間推定部１８は、商品量推定部１４で推定された列内の商品数に１つの商品の登録あたりに必要な時間の平均値を乗じた時間を、商品登録の推定所要時間として算出する。そして、待ち時間推定部１８は、商品登録の推定所要時間を、商品登録装置２０毎の待ち時間の予測値として算出する。

　待ち時間推定部１８により算出された待ち時間の予測値は、第１の実施形態と同様、顧客が見ることができるように、商品登録装置２０ごとに顧客向け表示部に表示される。

　なお、本実施形態に係る方法は、第１から第９の実施形態に係るシステム構成において、１つの商品登録装置に複数のレジ担当者が配置される場合にも有効である。この場合、１人のレジ担当者が商品登録を行い、他のレジ担当者が精算を行う。したがって、商品登録装置２０毎の待ち時間は、商品登録に必要な時間の総和であると推測でき、精算に必要な時間を考慮する必要は無い。また、第１から第９の実施形態のいずれかに係る方法と、本実施形態に係る方法とを、店員の配置状態に応じて適宜切り替えられるようにしてもよい。

＜変形例＞
　図３３は、第１０の実施形態の変形例の情報処理装置１０によって実行される処理の流れを例示するフローチャートである。第１０の実施形態の変形例について以下に説明する。本実施形態に係る情報処理装置１０は、商品量推定部１４が行う商品量推定ステップＳ２０（検出ステップ）での処理内容を除いて、第１０の実施形態に係る情報処理装置１０と同様である。

　本変形例に係る情報処理装置１０は、商品量推定部１４（検出手段）および待ち時間推定部１８を備える。商品量推定部１４は、商品登録装置２０（ＰＯＳ装置）に並んでいる人の買い物かご６０３の数を検出する。待ち時間推定部１８は、買い物かご６０３の数に基づいて、商品登録装置２０毎の待ち時間の予測値を算出する。以下に詳しく説明する。

　本実施形態に係る情報処理装置１０は、商品登録装置２０に形成された列の一部分については買い物かご６０３の数に基づいて商品量を推定し、それ以外の部分については買い物かご６０３毎の商品量を用いて列全体での商品量を算出する。

　本実施形態に係る取得部１２は、第１０の実施形態と同様に商品登録装置２０に並んでいる人の列を撮影した画像を示す情報を取得する。

　本実施形態に係る商品量推定ステップＳ２０では、商品量推定部１４は、取得部１２が取得した画像のうち予め定められた領域内に含まれる買い物かご６０３の数を検出する（ステップＳ２３０）。この検出方法については、第２の実施形態に係る方法と同様である。

　また、商品量推定部１４は、検出した買い物かご６０３のうち、列の予め定められた基準長さ以内にある買い物かご６０３について、買い物かご６０３毎の商品量を推定する（ステップＳ２３１）。ここで、買い物かご６０３毎の商品量を推定する方法は、第１、３および５の実施形態に係る方法の少なくともいずれかと同様にできる。なお、これらの方法の２つ以上を併用しても良い。そして、商品量推定部１４は、推定した買い物かご６０３毎の商品量を合算して、基準長さ以内にある買い物かご６０３の商品量を算出する。

　次いで、商品量推定部１４は、ステップＳ２３０で検出された買い物かご６０３の数から、ステップＳ２３１で買い物かご６０３毎の商品量が推定された買い物かご６０３の数を減じ、基準長さより後ろの買い物かご６０３の数を算出する。そして、商品量推定部１４は、基準長さより後ろの買い物かご６０３の数に買い物かご６０３あたりの平均商品量を乗じて基準長さより後ろの買い物かご６０３の商品量を算出する。ここで、買い物かご６０３あたりの商品量は、第２の実施形態に係る買い物かご６０３の平均商品数と同様に取得できる。

　そして、商品量推定部１４は、算出された基準長さ以内にある買い物かご６０３の商品量と基準長さより後ろの買い物かご６０３の商品量を合算して列内の商品量を算出する(ステップＳ２３２）。

　次いで、本実施形態に係る待ち時間推定部１８は、第１０の実施形態と同様に待ち時間の予測値を算出する。

　なお、ステップＳ２３０では列の予め定められた基準長さより後ろの部分を含む領域に含まれる買い物かご６０３の数を検出してもよい。この場合、商品量推定部１４は、検出された数に、買い物かご６０３あたりの商品量の平均値を乗じた値と、基準長さ以内にある買い物かご６０３の商品量とを合算することで、列内の商品量を推定できる。

　なお、商品量推定部１４は、基準長さ以内にある買い物かご６０３の商品量を、買い物かご６０３の数に基づいて算出し、基準長さより後ろの買い物かご６０３の商品量を、第４の実施形態の方法のように人の数に基づいて算出しても良い。その場合にも、商品量推定部１４は、算出された基準長さ以内にある買い物かご６０３の商品量と基準長さより後ろの買い物かご６０３の商品量を合算して列内の商品量を算出できる。

　なお、商品量推定部１４は、第２の実施形態と同様に、カート６０４の数をさらに検出し、カート６０４の数と買い物かご６０３の数を用いて、列内の商品量を推定しても良い。

　なお、商品量推定部１４は、列内の全ての買い物かご６０３の数を検出し、その数に買い物かご６０３あたりの平均商品量を乗じて得た列内の商品量を、買い物かご６０３毎の推定された商品量で補正するようにしてもよい。買い物かご６０３毎の商品量は、列内の少なくとも一部の買い物かご６０３について推定されればよい。この推定は、第１、３および５の実施形態に係る方法の少なくともいずれかと同様にできる。なお、商品量推定部１４は、これらの方法の２つ以上を併用しても良い。

　なお、本変形例において、第６の実施形態の方法を適用し、買い物かご６０３を保持していない人の商品量を推定し、当該商品量をさらに用いて列内の商品量を推定しても良い。

　次に、本変形例の作用および効果について説明する。本変形例に係る情報処理装置１０および情報処理方法によれば、顧客に待ち時間に関する情報を提供できる。その結果、顧客は快適に買い物を済ませることができる。また、顧客が各商品登録装置２０に分散し、店舗におけるレジ処理がスムーズに進むことで、混雑の緩和および業務の効率化を図ることができる。

［第１１の実施形態］
　本実施形態では、第１０の実施形態の変形例に係る情報処理装置１０において、本発明の効果を得るための最小構成を有する情報処理装置１０を説明する。

　＜処理構成＞
　図２７は、本実施形態における情報処理装置１０の処理構成を例示する図である。本図に示されるように、情報処理装置１０は、商品量推定部１４（検出手段）、および待ち時間推定部１８を備える。商品量推定部１４は、商品登録装置（ＰＯＳ装置）に並んでいる人の買い物かごの数を検出する。待ち時間推定部１８は、買い物かごの数に基づいて、商品登録装置２０毎の待ち時間の予測値を算出する。

　＜ハードウエア構成＞
　本実施形態の情報処理装置１０は、図２に示されるような、第１実施形態と同様のハードウエア構成を有する。本実施形態の商品量推定部１４、および待ち時間推定部１８は、例えば、ＣＰＵ１０１により実行される商品量推定部１４、および待ち時間推定部１８の機能を実現するためのプログラムモジュールにより実現される。商品量推定部１４、および待ち時間推定部１８の機能を実現するためのプログラムモジュールは、例えば、メモリ１０２に記憶される。

　＜動作例＞
　図２８は、本実施形態の情報処理装置によって実行される処理の流れを例示するフローチャートである。本実施形態における情報処理装置１０の動作例を以下に説明する。

　商品量推定部１４は、情報処理装置１０での所定の操作（情報処理を開始するトリガとなる操作）に応じて商品登録装置に並んでいる人の買い物かごの数を検出する（商品量推定ステップＳ２０（検出ステップ））。そして、待ち時間推定部１８は、買い物かごの数に基づいて、商品登録装置毎の待ち時間の予測値を算出する（待ち時間算出ステップＳ４０）。

［第１２の実施形態］
　本実施形態に係る情報処理装置１０は、取得部１２が、商品登録装置に並んでいる人の列を撮影した画像を示す情報の代わりに商品登録装置に並んでいる人の列の買い物かごに取り付けられた重量センサにより検出された当該買い物かごの重量変化履歴を示す情報を取得する点、および、商品量推定部１４により行われる商品量推定ステップＳ２０の処理を除いて、第１０の実施形態に係る情報処理装置１０と同様である。

　＜処理構成＞
　本実施形態に係る情報処理装置１０は、図２５で示したのと同様の構成を有する。本実施形態に係る情報処理装置１０は、商品量推定部１４（検出手段）および待ち時間推定部１８を備える。商品量推定部１４は、買い物かご６０３に取り付けられた重量センサにより検出された、当該買い物かご６０３の重量変化履歴を示す情報に基づき、買い物かご６０３毎の商品量を推定する。そして商品量推定部１４は、推定した買い物かご６０３毎の商品量を合算して、商品登録装置２０に並んでいる人の合計商品量を推定する。
待ち時間推定部１８は、推定された合計商品量に基づいて、商品登録装置２０毎の待ち時間の予測値を算出する。

　本実施形態に係る取得部１２は、商品登録装置２０に並んでいる人の列を撮影した画像を示す情報を取得しなくてもよい。

　本実施形態に係る情報処理装置１０は、取得部１２をさらに備える。取得部１２は、商品登録装置２０に並んでいる人の列の買い物かご６０３に取り付けられた重量センサにより検出された、当該買い物かご６０３の重量変化履歴を示す情報を取得する。

＜動作例＞
　本実施形態の情報処理装置１０によって実行される処理の流れは、図２６と同様のフローチャートで例示できる。本実施形態に係る情報処理方法は、商品量推定ステップＳ２０（検出ステップ）および待ち時間算出ステップＳ４０を含む。商品量推定ステップＳ２０では、買い物かご６０３に取り付けられた重量センサにより検出された当該買い物かご６０３の重量変化履歴を示す情報に基づき買い物かご６０３毎の商品量が推定される。そして、推定された当該買い物かご６０３毎の商品量を合算して、商品登録装置２０に並んでいる人の合計商品量が推定される。待ち時間算出ステップＳ４０では、推定された合計商品量に基づいて、商品登録装置２０毎の待ち時間の予測値が算出される。以下に詳しく説明する。

　本実施形態に係る情報処理方法は、取得ステップＳ１０をさらに含む。取得ステップＳ１０では、商品登録装置２０に並んでいる人の列の買い物かご６０３に取り付けられた重量センサにより検出された、当該買い物かご６０３の重量変化履歴を示す情報が取得される。

　本実施形態において、取得部１２は、第５の実施形態に係る取得ステップＳ１０と同様にして、重量変化履歴を示す情報を取得する。次いで、商品量推定部１４は、第５の実施形態に係る方法の商品量推定ステップＳ２０、または第５の実施形態に係る方法を用いる第６の実施形態の商品量推定ステップＳ２０と同様にして、列内の商品量を推定する。

　待ち時間推定部１８が行う待ち時間算出ステップＳ４０の処理は、精算の推定所要時間を算出しない点を除いて、第５の実施形態に係る待ち時間算出ステップＳ４０の処理と同様である。待ち時間推定部１８は、推定された列内の商品量に基づいて、たとえば以下の様に商品登録装置２０毎の待ち時間の予測値を算出する。待ち時間推定部１８は、商品量推定部１４で推定された列内の商品数に１つの商品の登録あたりに必要な時間の平均値を乗じた時間を、商品登録の推定所要時間として算出する。そして、待ち時間推定部１８は、商品登録の推定所要時間を、商品登録装置２０毎の待ち時間の予測値として算出する。

　待ち時間推定部１８により算出された待ち時間の予測値は、第１の実施形態と同様、顧客が見ることができるように、商品登録装置２０ごとに顧客向け表示部に表示等される。

［第１３の実施形態］
　本実施形態では、第１２の実施形態の情報処理装置１０において、本発明の効果を得るための最小構成を有する情報処理装置１０を説明する。

　＜処理構成＞
　本実施形態における情報処理装置１０の処理構成は、図２７と同様である。本図に示されるように、情報処理装置１０は、商品量推定部１４および待ち時間推定部１８を備える。商品量推定部１４は、商品登録装置２０（ＰＯＳ装置）に並んでいる人の買い物かご６０３を検出する。待ち時間推定部１８は、商品量推定部１４の検出結果に基づいて、商品登録装置２０毎の待ち時間の予測値を算出する。ここで、商品量推定部１４は、買い物かご６０３に取り付けられた重量センサにより検出された、当該買い物かご６０３の重量変化履歴を示す情報に基づき、買い物かご６０３毎の商品量を推定する。そして商品量推定部１４は、推定した買い物かご６０３毎の商品量を合算して、商品登録装置２０に並んでいる人の合計商品量を推定する。待ち時間推定部１８は、推定された合計商品量に基づいて、商品登録装置２０毎の待ち時間の予測値を算出する。

　＜ハードウエア構成＞
　本実施形態の情報処理装置１０は、図１５に示されるのと同様のハードウエア構成を有する。本実施形態の商品量推定部１４、および待ち時間推定部１８は、例えば、ＣＰＵ１０１により実行される商品量推定部１４、および待ち時間推定部１８の機能を実現するためのプログラムモジュールにより実現される。商品量推定部１４、および待ち時間推定部１８の機能を実現するためのプログラムモジュールは、例えば、メモリ１０２に記憶される。

　＜動作例＞
　本実施形態における情報処理装置１０の動作例を説明する。本実施形態における情報処理装置１０の処理の流れは、図２８と同様のフローチャートで示すことができる。

　商品量推定部１４は、情報処理装置１０での所定の操作（情報を取得するトリガとなる操作）に応じて、商品登録装置２０に並んでいる人の買い物かご６０３を検出する（商品量推定ステップＳ２０（検出ステップ））。そして、待ち時間推定部１８は、商品量推定ステップＳ２０での検出結果に基づいて、商品登録装置２０毎の待ち時間の予測値を算出する（待ち時間算出ステップＳ４０）。ここで、商品量推定ステップＳ２０では、買い物かご６０３に取り付けられた重量センサにより検出された当該買い物かご６０３の重量変化履歴を示す情報に基づき、買い物かご６０３毎の商品量が推定される。そして、推定された当該買い物かご６０３毎の商品量を合算して、商品登録装置２０に並んでいる人の合計商品量が推定される。また、待ち時間算出ステップＳ４０では、推定された合計商品量に基づいて、商品登録装置２０毎の待ち時間の予測値が算出される。

　以上、図面を参照して本発明の実施形態について述べたが、これらは本発明の例示であり、上記以外の様々な構成を採用することもできる。

　たとえば、上述の説明で用いたシーケンス図やフローチャートでは、複数の工程（処理）が順番に記載されているが、各実施形態で実行される工程の実行順序は、その記載の順番に制限されない。各実施形態では、図示される工程の順番を内容的に支障のない範囲で変更することができる。また、上述の各実施形態は、内容が相反しない範囲で組み合わせることができる。

　以下に複数の実施例を挙げ、上述の各実施形態を更に詳細に説明する。本発明は以下の各実施例から何ら限定を受けない。

［実施例１］
　図２９は、ＰＯＳレジスタ装置の構成例を示す図である。本図に示されるように、実施例１は、第１から第１３の実施形態のいずれかに係る情報処理装置１０及び情報処理方法が、ＰＯＳレジスタ装置１００に適用された例を示す。なお、本図では、第３の実施形態に係る情報処理装置１０および情報処理方法がＰＯＳレジスタ装置１００に適用された場合の、重量計測部１１０を省略して描いている。実施例１におけるＰＯＳレジスタ装置１００は、商品登録装置２０及び精算装置３０から構成される。商品登録装置２０は、商品を精算対象に登録し、精算対象商品の情報を精算装置３０に送る。精算装置３０は、精算対象の商品の決済処理を行う。精算対象は、商品登録装置２０及び精算装置３０のいずれにおいても登録可能である。

　実施例１における商品登録装置２０及び精算装置３０は、図２と同様に、ＣＰＵ１０１、メモリ１０２、入出力Ｉ／Ｆ１０３及び通信部１０４等を有する。上述の情報処理装置１０は、商品登録装置２０及び精算装置３０のいずれにも適用可能であり、上述の情報処理方法は、商品登録装置２０及び精算装置３０のいずれでも実行可能である。

　上述の表示部１０５は、タッチパネルユニット２２の表示部２２ａ、表示部３２、および顧客用のモニタ２７の少なくともいずれかに相当する。モニタ２７には、たとえば、待ち時間の予測値が表示される。上述の入力部１０６は、タッチパネルユニット２２のタッチパネル２２ｂ及びキーボード２３、並びに、キーボード３３の少なくとも１つに相当する。上述の撮像部１０７は、スキャナ装置２４およびカメラ４０に相当する。スキャナ装置２４は、読取窓２６にかざされた商品の外観を映し出す商品画像を撮像する。天井に取り付けられたカメラ４０は、商品登録装置２０に並ぶ顧客の列の画像を撮影する。上述の集音部１０８は、例えば、商品登録装置２０における部材２５、ＰＯＳレジスタ装置１００のオペレータ等に装着される。上述の音声出力部１０９は、例えば商品登録装置２０や精算装置３０に設置される。

　実施例１によれば、ＰＯＳレジスタ装置１００のオペレータは、商品を清算対象に登録するにあたり、その商品を読取窓２６にかざす。これにより、その商品に付されている、その商品に関する情報を得るための商品情報シンボル等が読み取られる。そして、商品情報シンボルを読み取ることにより、対応する商品が精算対象に登録される。

　実施例１では本図に示されるように、ＰＯＳレジスタ装置１００が商品登録装置２０及び精算装置３０を有したが、ＰＯＳレジスタ装置１００は、精算装置３０のみで構成されてもよい。この場合、精算装置３０が、スキャナ装置２４を有していればよい。

［実施例２］
　図３０は、セミセルフ式のＰＯＳレジスタ装置における商品登録装置２０を実現する計算機２００のハードウエアの構成例を示す図である。実施例２は、第１０または第１１の実施形態に係る情報処理装置１０及び情報処理方法が、商品登録装置２０に適用された例を示す。本実施例におけるＰＯＳレジスタ装置は、図２９に示す実施例１と同様に、商品登録装置２０及び精算装置３０から構成される。
セミセルフ式のＰＯＳレジスタ装置では、店員が商品登録装置２０で商品登録を行い、顧客が自ら精算装置３０で精算を行う。

　商品登録装置２０は、商品を精算対象に登録し、精算対象商品の情報を精算装置３０に送る。精算装置３０は、精算対象の商品の決済処理を行う。

　商品登録装置２０の各機能構成部は、各機能構成部を実現するハードウエア（例：ハードワイヤードされた電子回路など）で実現されてもよいし、ハードウエアとソフトウエアとの組み合わせ（例：電子回路とそれを制御するプログラムの組み合わせなど）で実現されてもよい。

　計算機２００は、レジ端末用途に設計された専用装置を用いて実装されてもよいし、PC（Personal Computer）や携帯端末などの汎用装置を用いて実装されてもよい。

＜商品登録装置２０のハードウエア構成＞
　計算機２００は、バス２０２、プロセッサ２０４、メモリ２０６、ストレージ２０８、入出力インタフェース２１０、及びネットワークインタフェース２１２を有する。バス２０２は、プロセッサ２０４、メモリ２０６、ストレージ２０８、入出力インタフェース２１０、及びネットワークインタフェース２１２が、相互にデータを送受信するためのデータ伝送路である。ただし、プロセッサ２０４などを互いに接続する方法は、バス接続に限定されない。プロセッサ２０４は、ＣＰＵやＧＰＵなどの演算処理装置である。メモリ２０６は、ＲＡＭやＲＯＭなどのメモリである。ストレージ２０８は、ハードディスク、ＳＳＤ (Solid State Drive)、又はメモリカードなどの記憶装置である。また、ストレージ２０８は、ＲＡＭやＲＯＭなどのメモリであってもよい。

　入出力インタフェース２１０は、計算機２００と入出力デバイスとを接続するためのインタフェースである。本図では、タッチパネル２１４、リーダ２１６、撮像装置２１８、およびモニタ２２０が入出力インタフェース２１０に接続されている。タッチパネル２１４は、店員が計算機２００を操作するための入力を受け付ける。例えばタッチパネル２１４は、商品の金額を手動で入力するために利用される。さらにタッチパネル２１４は、精算対象として登録された商品に関する情報など、種々の情報を表示する。リーダ２１６は精算対象の商品を登録するために利用される種々のリーダである。例えばリーダ２１６は、バーコードリーダや、商品を画像認識によって認識するためのカメラである。なお計算機２００には、キーボードなど、タッチパネル２１４以外の入力インタフェースが接続されていてもよい。たとえば撮像装置２１８は、商品登録装置２０に並ぶ顧客の列の画像を撮影するカメラである。たとえば、モニタ２２０は、予測された待ち時間等を表示する顧客用のディスプレイである。

　ネットワークインタフェース２１２は、計算機２００を外部の装置と通信可能に接続するためのインタフェースである。ネットワークインタフェース２１２は、有線回線と接続するためのネットワークインタフェースでもよいし、無線回線と接続するためのネットワークインタフェースでもよい。例えば商品登録装置２０を実現する計算機２００は、ネットワークを介して、後述する計算機３００（精算装置３０を実現するための計算機）と接続されている。

　ストレージ２０８は商品登録装置２０の各機能を実現するプログラムモジュールを記憶している。プロセッサ２０４は、これら各プログラムモジュールを実行することで、そのプログラムモジュールに対応する各機能を実現する。ここでプロセッサ２０４は、上記各モジュールを実行する際、これらのモジュールをメモリ２０６上に読み出してから実行してもよいし、メモリ２０６上に読み出さずに実行してもよい。

　計算機２００のハードウエア構成は本図に示した構成に限定されない。例えば、各プログラムモジュールはメモリ２０６に格納されてもよい。この場合、計算機２００は、ストレージ２０８を備えていなくてもよい。また計算機２００は、後述するドロア３１６、釣り銭機３１８、プリンタ３２０などを備えていてもよい。この場合、計算機２００は精算装置３０としても利用できる。

　なお、図３０において、撮像装置２１８を無線通信の受信機に置き換えることにより、第１２および第１３の実施形態に係る情報処理装置１０及び情報処理方法が、商品登録装置２０に適用された例のハードウエア構成を示すことができる。受信機は、買い物かご６０３に取り付けられた送信機と通信する。

　次に、精算装置３０について説明する。精算装置３０の各機能構成部は、各機能構成部を実現するハードウエア（例：ハードワイヤードされた電子回路など）で実現されてもよいし、ハードウエアとソフトウエアとの組み合わせ（例：電子回路とそれを制御するプログラムの組み合わせなど）で実現されてもよい。

＜精算装置３０のハードウエア構成＞
　図３１は、本実施例の精算装置３０を実現する計算機３００のハードウエア構成を例示する図である。この計算機３００は、レジ端末用途に設計された専用装置を用いて実装されてもよいし、ＰＣや携帯端末などの汎用装置を用いて実装されてもよい。なお、計算機３００の構成は、多くの部分において計算機２００の構成と同様である。例えばプロセッサ３０４は、プロセッサ２０４と同様の機能を有する。そのため、これら同様の構成についての説明は省略する。

　入出力インタフェース３１０には、タッチパネル３１４、ドロア３１６、釣り銭機３１８、及びプリンタ３２０が接続されている。タッチパネル３１４は、顧客や店員による操作を受け付ける。またタッチパネル３１４は、精算情報に係る精算金額など、種々の情報を表示する。ドロア３１６は硬貨や紙幣を格納する。釣り銭機３１８は、顧客が代金を投入するための投入口と、釣り銭を排出するための排出口を有する。プリンタ３２０はレシート等の発行を行う。なお計算機３００には、キーボードなど、タッチパネル３１４以外の入力インタフェースが接続されていてもよい。

　計算機３００のハードウエア構成は本図に示した構成に限定されない。例えば、各プログラムモジュールはメモリ３０６に格納されてもよい。この場合、計算機３００は、ストレージ３０８を備えていなくてもよい。

［実施例３］
　図３２は、ＰＯＳシステムの構成例を示す図である。本図に示されるように、実施例３は、第１から第１３の実施形態のいずれかに係る情報処理装置１０及び情報処理方法が、ＰＯＳシステム５０に適用された例を示す。本実施例におけるＰＯＳシステム５０は、サーバ装置５１及び店舗側構成５２から構成され、サーバ装置５１と店舗側構成５２とは、通信網５３により通信可能に接続される。店舗側構成５２には、通信中継装置を介して通信網５３に接続可能な店舗端末５４、スタンド５５等が含まれる。スタンド５５は、店舗端末５４と、他の機器（ハンディスキャナ、キャッシュドロア、レシートプリンタ等）とを通信可能に接続するための機器である。

　店舗端末５４は、ＰＣ（Personal Computer）、ノートＰＣ、タブレット型端末、スマートフォン等のような汎用コンピュータであり、サーバ装置５１との間でデータのやり取りをすることにより、実施例１および２のＰＯＳレジスタ装置と同様の機能を実現する。
店舗端末５４は、タッチパネルユニット５６、撮像部５７、マイクロフォン（図示せず）等を有する。上述の表示部１０５は、タッチパネルユニット５６の表示部に相当する。上述の入力部１０６は、タッチパネルユニット５６のタッチパネルに相当する。上述の撮像部１０７は、撮像部５７に相当する。上述の集音部１０８は、店舗端末５４に内蔵されるマイクロフォンに相当する。

　サーバ装置５１は、一般的なサーバコンピュータであり、ＷＥＢサーバ、アプリケーションサーバ等として実現される。店舗端末５４及びサーバ装置５１は、図２と同様に、ＣＰＵ１０１、メモリ１０２、入出力Ｉ／Ｆ１０３及び通信部１０４等を有する。

　上述の情報処理装置１０は、店舗端末５４のみ、又はサーバ装置５１と店舗装置の組み合わせとして実現され得る。情報処理装置１０の一部をサーバ装置５１で実現する場合、例えば商品量推定部１４、人数検出部１６および待ち時間推定部１８が実行する処理がサーバ装置５１で実現される。そして、取得部１２が実行する処理が店舗端末５４で実現される。

　以下、参考形態の例を付記する。
１－１．　ＰＯＳ装置に並んでいる人の商品量を推定する商品量推定手段と、
　前記ＰＯＳ装置に並んでいる人数を検出する人数検出手段と、
　前記ＰＯＳ装置に並んでいる人の商品量および前記人数に基づいて、前記ＰＯＳ装置毎の待ち時間の予測値を算出する待ち時間算出手段とを備える
情報処理装置。
１－２．　１－１．に記載の情報処理装置において、
　前記ＰＯＳ装置に並んでいる人の列を撮影した画像を示す情報を取得する取得手段をさらに備え、
　前記商品量推定手段は、前記画像を用いて前記ＰＯＳ装置に並んでいる人の商品量を推定する
情報処理装置。
１－３．　１－２．に記載の情報処理装置において、
　前記人数検出手段は、前記画像内の前記ＰＯＳ装置に並んでいる複数の人のうち、精算を一括に行うと推定される２人以上をグループ化する
情報処理装置。
１－４．　１－２．または１－３．に記載の情報処理装置において、
　前記人数検出手段は、前記ＰＯＳ装置に並んでいる人のそれぞれの属性を分析し、
　前記待ち時間算出手段は、
　　前記人数検出手段が検出した前記人数に基づき精算の推定所要時間を算出し、
　　前記属性に基づいて前記推定所要時間を補正する
情報処理装置。
１－５．　１－２．から１－４．のいずれか一つに記載の情報処理装置において、
　前記商品量推定手段は、前記画像内の前記ＰＯＳ装置に並んでいる人のうち、買い物かごを保持していない人について、あらかじめ定められた量を当該人の商品量として推定する
情報処理装置。
１－６．　１－２．から１－５．のいずれか一つに記載の情報処理装置において、
　前記商品量推定手段は、前記画像のうち予め定められた領域内に含まれる買い物かごを検出し、当該買い物かご毎の商品量を推定し、推定された前記買い物かご毎の商品量を合算して、前記ＰＯＳ装置に並んでいる人の商品量を推定する
情報処理装置。
１－７．　１－６．に記載の情報処理装置において、
　前記商品量推定手段は、前記画像から買い物かごのそれぞれにおける内容物の高さを検出し、検出した前記内容物の高さを用いて、前記買い物かご毎の商品量を推定する
情報処理装置。
１－８．　１－７．に記載の情報処理装置において、
　前記商品量推定手段は、前記画像から買い物かごのそれぞれにおける表層の商品数を検出し、前記内容物の高さおよび前記表層の商品数を用いて前記買い物かご毎の商品量を推定する
情報処理装置。
１－９．　１－２．から１－５．のいずれか一つに記載の情報処理装置において、
　前記商品量推定手段は、前記画像のうち予め定められた領域内に含まれる買い物かごの数を検出し、検出した前記買い物かごの数を用いて、前記ＰＯＳ装置に並んでいる人の商品量を推定する
情報処理装置。
１－１０．　１－９．に記載の情報処理装置において、
　前記商品量推定手段は、前記画像のうち予め定められた領域内に含まれる買い物かごの数およびカートの数を検出し、検出された前記買い物かごの数および前記カートの数を用いて、前記ＰＯＳ装置に並んでいる人の商品量を推定する
情報処理装置。
１－１１．　１－６．から１－１０．のいずれか一つに記載の情報処理装置において、
　前記商品量推定手段は、前記ＰＯＳ装置に設けられた重量計測部により測定された買い物かごの重量を用いて、当該買い物かごの商品量を補正する
情報処理装置。
１－１２．　１－６．から１－１１．のいずれか一つに記載の情報処理装置において、
　前記商品量推定手段は、前記画像のうち前記ＰＯＳ装置に並んでいる人の列の、予め定められた基準長さより後ろの買い物かごについては検出を行わず、当該基準長さより後ろの人の数に基づいて当該基準長さより後ろの商品量を推定する
情報処理装置。
１－１３．　１－１．から１－５．のいずれか一つに記載の情報処理装置において、
　前記商品量推定手段は、買い物かごに取り付けられた重量センサにより検出された当該買い物かごの重量変化履歴を示す情報に基づき買い物かご毎の商品量を推定し、推定された当該買い物かご毎の商品量を合算して、前記ＰＯＳ装置に並んでいる人の商品量を推定する
情報処理装置。
２－１．　ＰＯＳ装置に並んでいる人の商品量を推定する商品量推定ステップと、
　前記ＰＯＳ装置に並んでいる人数を検出する人数検出ステップと、
　前記ＰＯＳ装置に並んでいる人の商品量および前記人数に基づいて、前記ＰＯＳ装置毎の待ち時間の予測値を算出する待ち時間算出ステップとを含む
情報処理方法。
２－２．　２－１．に記載の情報処理方法において、
　前記ＰＯＳ装置に並んでいる人の列を撮影した画像を示す情報を取得する取得ステップをさらに備え、
　前記商品量推定ステップでは、前記画像を用いて前記ＰＯＳ装置に並んでいる人の商品量を推定する
情報処理方法。
２－３．　２－２．に記載の情報処理方法において、
　前記人数検出ステップでは、前記画像内の前記ＰＯＳ装置に並んでいる複数の人のうち、精算を一括に行うと推定される２人以上をグループ化する
情報処理方法。
２－４．　２－２．または２－３．に記載の情報処理方法において、
　前記人数検出ステップでは、前記ＰＯＳ装置に並んでいる人のそれぞれの属性を分析し、
　前記待ち時間算出ステップでは、
　　前記人数検出ステップで検出された前記人数に基づき精算の推定所要時間を算出し、　　前記属性に基づいて前記推定所要時間を補正する
情報処理方法。
２－５．　２－２．から２－４．のいずれか一つに記載の情報処理方法において、
　前記商品量推定ステップでは、前記画像内の前記ＰＯＳ装置に並んでいる人のうち、買い物かごを保持していない人について、あらかじめ定められた量を当該人の商品量として推定する
情報処理方法。
２－６．　２－２．から２－５．のいずれか一つに記載の情報処理方法において、
　前記商品量推定ステップでは、前記画像のうち予め定められた領域内に含まれる買い物かごを検出し、当該買い物かご毎の商品量を推定し、推定された前記買い物かご毎の商品量を合算して、前記ＰＯＳ装置に並んでいる人の商品量を推定する
情報処理方法。
２－７．　２－６．に記載の情報処理方法において、
　前記商品量推定ステップでは、前記画像から買い物かごのそれぞれにおける内容物の高さを検出し、検出した前記内容物の高さを用いて、前記買い物かご毎の商品量を推定する情報処理方法。
２－８．　２－７．に記載の情報処理方法において、
　前記商品量推定ステップでは、前記画像から買い物かごのそれぞれにおける表層の商品数を検出し、前記内容物の高さおよび前記表層の商品数を用いて前記買い物かご毎の商品量を推定する
情報処理方法。
２－９．　２－２．から２－５．のいずれか一つに記載の情報処理方法において、
　前記商品量推定ステップでは、前記画像のうち予め定められた領域内に含まれる買い物かごの数を検出し、検出した前記買い物かごの数を用いて、前記ＰＯＳ装置に並んでいる人の商品量を推定する
情報処理方法。
２－１０．　２－９．に記載の情報処理方法において、
　前記商品量推定ステップでは、前記画像のうち予め定められた領域内に含まれる買い物かごの数およびカートの数を検出し、検出された前記買い物かごの数および前記カートの数を用いて、前記ＰＯＳ装置に並んでいる人の商品量を推定する
情報処理方法。
２－１１．　２－６．から２－１０．のいずれか一つに記載の情報処理方法において、
　前記商品量推定ステップでは、前記ＰＯＳ装置に設けられた重量計測部により測定された買い物かごの重量を用いて、当該買い物かごの商品量を補正する
情報処理方法。
２－１２．　２－６．から２－１１．のいずれか一つに記載の情報処理方法において、
　前記商品量推定ステップでは、前記画像のうち前記ＰＯＳ装置に並んでいる人の列の、予め定められた基準長さより後ろの買い物かごについては検出を行わず、当該基準長さより後ろの人の数に基づいて当該基準長さより後ろの商品量を推定する
情報処理方法。
２－１３．　２－１．から２－５．のいずれか一つに記載の情報処理方法において、
　前記商品量推定ステップでは、買い物かごに取り付けられた重量センサにより検出された当該買い物かごの重量変化履歴を示す情報に基づき買い物かご毎の商品量を推定し、推定された当該買い物かご毎の商品量を合算して、前記ＰＯＳ装置に並んでいる人の商品量を推定する
情報処理方法。
３－１．　情報処理装置を実現するためのコンピュータプログラムが格納された記録媒体であって、
　コンピュータを、
　　ＰＯＳ装置に並んでいる人の商品量を推定する商品量推定手段、
　　前記ＰＯＳ装置に並んでいる人数を検出する人数検出手段、および
　　前記ＰＯＳ装置に並んでいる人の商品量および前記人数に基づいて、前記ＰＯＳ装置毎の待ち時間の予測値を算出する待ち時間算出手段
　として機能させるためのコンピュータプログラムが格納された記録媒体。
３－２．　３－１．に記載のコンピュータプログラムが格納された記録媒体において、
　コンピュータを、さらに前記ＰＯＳ装置に並んでいる人の列を撮影した画像を示す情報を取得する取得手段として機能させ、
　前記商品量推定手段は、前記画像を用いて前記ＰＯＳ装置に並んでいる人の商品量を推定する
コンピュータプログラムが格納された記録媒体。
３－３．　３－２．に記載のコンピュータプログラムが格納された記録媒体において、
　前記人数検出手段は、前記画像内の前記ＰＯＳ装置に並んでいる複数の人のうち、精算を一括に行うと推定される２人以上をグループ化する
コンピュータプログラムが格納された記録媒体。
３－４．　３－２．または３－３．に記載のコンピュータプログラムが格納された記録媒体において、
　前記人数検出手段は、前記ＰＯＳ装置に並んでいる人のそれぞれの属性を分析し、
　前記待ち時間算出手段は、
　　前記人数検出手段が検出した前記人数に基づき精算の推定所要時間を算出し、
　　前記属性に基づいて前記推定所要時間を補正する
コンピュータプログラムが格納された記録媒体。
３－５．　３－２．から３－４．のいずれか一つに記載のコンピュータプログラムが格納された記録媒体において、
　前記商品量推定手段は、前記画像内の前記ＰＯＳ装置に並んでいる人のうち、買い物かごを保持していない人について、あらかじめ定められた量を当該人の商品量として推定する
コンピュータプログラムが格納された記録媒体。
３－６．　３－２．から３－５．のいずれか一つに記載のコンピュータプログラムが格納された記録媒体において、
　前記商品量推定手段は、前記画像のうち予め定められた領域内に含まれる買い物かごを検出し、当該買い物かご毎の商品量を推定し、推定された前記買い物かご毎の商品量を合算して、前記ＰＯＳ装置に並んでいる人の商品量を推定する
コンピュータプログラムが格納された記録媒体。
３－７．　３－６．に記載のコンピュータプログラムが格納された記録媒体において、
　前記商品量推定手段は、前記画像から買い物かごのそれぞれにおける内容物の高さを検出し、検出した前記内容物の高さを用いて、前記買い物かご毎の商品量を推定する
コンピュータプログラムが格納された記録媒体。
３－８．　３－７．に記載のコンピュータプログラムが格納された記録媒体において、
　前記商品量推定手段は、前記画像から買い物かごのそれぞれにおける表層の商品数を検出し、前記内容物の高さおよび前記表層の商品数を用いて前記買い物かご毎の商品量を推定する
コンピュータプログラムが格納された記録媒体。
３－９．　３－２．から３－５．のいずれか一つに記載のコンピュータプログラムが格納された記録媒体において、
　前記商品量推定手段は、前記画像のうち予め定められた領域内に含まれる買い物かごの数を検出し、検出した前記買い物かごの数を用いて、前記ＰＯＳ装置に並んでいる人の商品量を推定する
コンピュータプログラムが格納された記録媒体。
３－１０．　３－９．に記載のコンピュータプログラムが格納された記録媒体において、
　前記商品量推定手段は、前記画像のうち予め定められた領域内に含まれる買い物かごの数およびカートの数を検出し、検出された前記買い物かごの数および前記カートの数を用いて、前記ＰＯＳ装置に並んでいる人の商品量を推定する
コンピュータプログラムが格納された記録媒体。
３－１１．　３－６．から３－１０．のいずれか一つに記載のコンピュータプログラムが格納された記録媒体において、
　前記商品量推定手段は、前記ＰＯＳ装置に設けられた重量計測部により測定された買い物かごの重量を用いて、当該買い物かごの商品量を補正する
コンピュータプログラムが格納された記録媒体。
３－１２．　３－６．から３－１１．のいずれか一つに記載のコンピュータプログラムが格納された記録媒体において、
　前記商品量推定手段は、前記画像のうち前記ＰＯＳ装置に並んでいる人の列の、予め定められた基準長さより後ろの買い物かごについては検出を行わず、当該基準長さより後ろの人の数に基づいて当該基準長さより後ろの商品量を推定する
コンピュータプログラムが格納された記録媒体。
３－１３．　３－１．から３－５．のいずれか一つに記載のコンピュータプログラムが格納された記録媒体において、
　前記商品量推定手段は、買い物かごに取り付けられた重量センサにより検出された当該買い物かごの重量変化履歴を示す情報に基づき買い物かご毎の商品量を推定し、推定された当該買い物かご毎の商品量を合算して、前記ＰＯＳ装置に並んでいる人の商品量を推定する
コンピュータプログラムが格納された記録媒体。

　この出願は、２０１５年９月３０日に出願された日本出願特願２０１５－１９５４２９を基礎とする優先権を主張し、その開示の全てをここに取り込む。

１０情報処理装置
１００ＰＯＳレジスタ装置
１０１ＣＰＵ
１０２メモリ
１０３入出力Ｉ／Ｆ
１０４通信部
１０４１可搬型記録媒体
１０５表示部
１０６入力部
１０７撮像部
１０８集音部
１０９音声出力部
１１０重量計測部
１１１受信部
１２取得手段
１４商品量推定部（検出手段）
１６人数検出部
１８待ち時間推定部
２０商品登録装置
２００計算機
２０２バス
２０４プロセッサ
２０６メモリ
２０８ストレージ
２１台
２１０入出力Ｉ／Ｆ
２１２ネットワークＩ／Ｆ
２１４タッチパネル
２１６リーダ
２１８撮像装置
２２０，２７モニタ
３０精算装置
３００計算機
３０２バス
３０４プロセッサ
３０６メモリ
３０８ストレージ
３１０入出力Ｉ／Ｆ
３１２ネットワークＩ／Ｆ
３１４タッチパネル
３１６ドロア
３１８釣り銭機
３２０プリンタ
４０カメラ
５０ＰＯＳシステム
５１サーバ装置
５２店舗側構成
５３通信網
５４店舗端末
５５スタンド
５６タッチパネルユニット
５７撮像部
６０１店員
６０２，６０２ａ，６０２ｂ，６０２ｃ，６０２ｄ，６０２ｅ，６０２ｆ，６０２ｇ，６０２ｈ顧客
６０３，６０３ａ，６０３ｂ，６０３ｃ，６０３ｄ買い物かご
６０４カート
６０５商品
６０６グループ

Claims

　ＰＯＳ装置に並んでいる人の商品量を推定する商品量推定手段と、
　前記ＰＯＳ装置に並んでいる人数を検出する人数検出手段と、
　前記ＰＯＳ装置に並んでいる人の商品量および前記人数に基づいて、前記ＰＯＳ装置毎の待ち時間の予測値を算出する待ち時間算出手段とを備える
情報処理装置。
　請求項１に記載の情報処理装置において、
　前記ＰＯＳ装置に並んでいる人の列を撮影した画像を示す情報を取得する取得手段をさらに備え、
　前記商品量推定手段は、前記画像を用いて前記ＰＯＳ装置に並んでいる人の商品量を推定する
情報処理装置。
　請求項２に記載の情報処理装置において、
　前記人数検出手段は、前記画像内の前記ＰＯＳ装置に並んでいる複数の人のうち、精算を一括に行うと推定される２人以上をグループ化する
情報処理装置。
　請求項２または３に記載の情報処理装置において、
　前記人数検出手段は、前記ＰＯＳ装置に並んでいる人のそれぞれの属性を分析し、
　前記待ち時間算出手段は、
　　前記人数検出手段が検出した前記人数に基づき精算の推定所要時間を算出し、
　　前記属性に基づいて前記推定所要時間を補正する
情報処理装置。
　請求項２から４のいずれか一項に記載の情報処理装置において、
　前記商品量推定手段は、前記画像内の前記ＰＯＳ装置に並んでいる人のうち、買い物かごを保持していない人について、あらかじめ定められた量を当該人の商品量として推定する
情報処理装置。
　請求項２から５のいずれか一項に記載の情報処理装置において、
　前記商品量推定手段は、前記画像のうち予め定められた領域内に含まれる買い物かごを検出し、当該買い物かご毎の商品量を推定し、推定された前記買い物かご毎の商品量を合算して、前記ＰＯＳ装置に並んでいる人の商品量を推定する
情報処理装置。
　請求項６に記載の情報処理装置において、
　前記商品量推定手段は、前記画像から買い物かごのそれぞれにおける内容物の高さを検出し、検出した前記内容物の高さを用いて、前記買い物かご毎の商品量を推定する
情報処理装置。
　請求項７に記載の情報処理装置において、
　前記商品量推定手段は、前記画像から買い物かごのそれぞれにおける表層の商品数を検出し、前記内容物の高さおよび前記表層の商品数を用いて前記買い物かご毎の商品量を推定する
情報処理装置。
　請求項２から５のいずれか一項に記載の情報処理装置において、
　前記商品量推定手段は、前記画像のうち予め定められた領域内に含まれる買い物かごの数を検出し、検出した前記買い物かごの数を用いて、前記ＰＯＳ装置に並んでいる人の商品量を推定する
情報処理装置。
　請求項９に記載の情報処理装置において、
　前記商品量推定手段は、前記画像のうち予め定められた領域内に含まれる買い物かごの数およびカートの数を検出し、検出された前記買い物かごの数および前記カートの数を用いて、前記ＰＯＳ装置に並んでいる人の商品量を推定する
情報処理装置。
　請求項６から１０のいずれか一項に記載の情報処理装置において、
　前記商品量推定手段は、前記ＰＯＳ装置に設けられた重量計測部により測定された買い物かごの重量を用いて、当該買い物かごの商品量を補正する
情報処理装置。
　請求項６から１１のいずれか一項に記載の情報処理装置において、
　前記商品量推定手段は、前記画像のうち前記ＰＯＳ装置に並んでいる人の列の、予め定められた基準長さより後ろの買い物かごについては検出を行わず、当該基準長さより後ろの人の数に基づいて当該基準長さより後ろの商品量を推定する
情報処理装置。
　請求項１から５のいずれか一項に記載の情報処理装置において、
　前記商品量推定手段は、買い物かごに取り付けられた重量センサにより検出された当該買い物かごの重量変化履歴を示す情報に基づき買い物かご毎の商品量を推定し、推定された当該買い物かご毎の商品量を合算して、前記ＰＯＳ装置に並んでいる人の商品量を推定する
情報処理装置。
　ＰＯＳ装置に並んでいる人の商品量を推定する商品量推定ステップと、
　前記ＰＯＳ装置に並んでいる人数を検出する人数検出ステップと、
　前記ＰＯＳ装置に並んでいる人の商品量および前記人数に基づいて、前記ＰＯＳ装置毎の待ち時間の予測値を算出する待ち時間算出ステップとを含む
情報処理方法。
　情報処理装置を実現するためのコンピュータプログラムが格納された記録媒体であって、
　コンピュータを、
　　ＰＯＳ装置に並んでいる人の商品量を推定する商品量推定手段、
　　前記ＰＯＳ装置に並んでいる人数を検出する人数検出手段、および
　　前記ＰＯＳ装置に並んでいる人の商品量および前記人数に基づいて、前記ＰＯＳ装置毎の待ち時間の予測値を算出する待ち時間算出手段
として機能させるためのコンピュータプログラムが格納された記録媒体。