WO2024190068A1 - 推定装置、推定方法、及び記録媒体 - Google Patents

推定装置、推定方法、及び記録媒体 Download PDF

Info

Publication number
WO2024190068A1
WO2024190068A1 PCT/JP2024/001231 JP2024001231W WO2024190068A1 WO 2024190068 A1 WO2024190068 A1 WO 2024190068A1 JP 2024001231 W JP2024001231 W JP 2024001231W WO 2024190068 A1 WO2024190068 A1 WO 2024190068A1
Authority
WO
WIPO (PCT)
Prior art keywords
person
tracked
target time
camera
time
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.)
Ceased
Application number
PCT/JP2024/001231
Other languages
English (en)
French (fr)
Inventor
登 吉田
篤史 本田
善裕 梶木
貴之 加瀬
育武 安田
拓海 尾崎
健全 劉
テイテイ トウ
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
Priority to JP2025506512A priority Critical patent/JPWO2024190068A5/ja
Publication of WO2024190068A1 publication Critical patent/WO2024190068A1/ja
Anticipated expiration legal-status Critical
Ceased legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services

Definitions

  • the present invention relates to an estimation device, an estimation method, and a program.
  • Patent Document 1 Technology related to the present invention is disclosed in Patent Document 1.
  • the technology disclosed in Patent Document 1 discloses a technology for tracking a target person based on images generated by multiple cameras.
  • one example of the objective of the present invention is to provide an estimation device, an estimation method, and a program for estimating the area in which a tracked person is present at a target time.
  • a person detection means for detecting a person to be tracked from images generated by a plurality of cameras installed at predetermined positions; a camera identification means for identifying the camera in which the timing at which the person to be tracked is detected in an image satisfies a predetermined condition based on a target time; an estimation means for estimating an area in which the person to be tracked is present at the target time based on the identified installation position of the camera;
  • An estimator is provided having the following:
  • One or more computers Detects a person to be tracked from images generated by multiple cameras installed at specified locations, Identifying the camera in which the timing at which the person to be tracked is detected in the image satisfies a predetermined condition based on a target time; An estimation method is provided for estimating an area in which the tracked person is present at the target time based on the identified installation position of the camera.
  • a person detection means for detecting a person to be tracked from images generated by a plurality of cameras installed at predetermined positions; a camera identification means for identifying the camera in which the timing at which the person to be tracked is detected in an image satisfies a predetermined condition based on a target time; an estimation means for estimating an area in which the person to be tracked is present at the target time based on the identified installation position of the camera;
  • a program is provided to function as a
  • an estimation device, estimation method, and program are realized that estimate the area in which a tracked person is present at a target time.
  • FIG. 2 is a diagram illustrating an example of a functional block diagram of an estimation device.
  • FIG. 2 is a diagram illustrating an example of a hardware configuration of an estimation device.
  • FIG. 11 is a diagram for explaining an example of a process in which the estimation device estimates a predetermined area.
  • 11 is a diagram for explaining another example of a process in which the estimation device estimates a predetermined area.
  • FIG. 11 is a diagram for explaining another example of a process in which the estimation device estimates a predetermined area.
  • FIG. 13 is a flowchart showing an example of a process flow of the estimation device.
  • 11 is a diagram illustrating an example of a process in which the estimation device estimates a visit target of a tracked person.
  • FIG. 13 is a flowchart showing an example of a process flow of the estimation device.
  • FIG. 4 is a diagram illustrating an example of information output by the estimation device.
  • First Embodiment 1 is a functional block diagram showing an overview of an estimation device 10 according to a first embodiment.
  • the estimation device 10 includes a human detection unit 11, a camera identification unit 12, and an estimation unit 13.
  • the person detection unit 11 detects the person to be tracked from images generated by multiple cameras installed at specified positions.
  • the camera identification unit 12 identifies the camera from which the timing at which the person to be tracked is detected in the image satisfies specified conditions based on the target time.
  • the estimation unit 13 estimates the area in which the person to be tracked is present at the target time based on the installation positions of the identified cameras.
  • the estimation device 10 of this embodiment identifies a camera whose timing at which the tracked person was detected in the image satisfies a predetermined condition based on the target time, and estimates the area in which the tracked person is located at the target time based on the installation position of the identified camera.
  • the estimation device 10 of this embodiment can estimate with high accuracy the area in which the tracked person is located at the target time.
  • the estimation device 10 of the second embodiment is a specific embodiment of the estimation device 10 of the first embodiment. That is, the estimation device 10 identifies a camera whose timing of detecting a tracking target person in an image satisfies a predetermined condition based on a target time, and estimates an area in which the tracking target person exists at the target time based on the installation position of the identified camera. This will be described in detail below.
  • the hardware configuration of the estimation device 10 is realized by any combination of hardware and software.
  • the software includes programs that are stored in advance when the device is shipped, and programs downloaded from recording media such as CDs (Compact Discs) or servers on the Internet.
  • FIG. 2 is a block diagram illustrating an example of the hardware configuration of the estimation device 10.
  • the estimation device 10 has a processor 1A, a memory 2A, an input/output interface 3A, a peripheral circuit 4A, and a bus 5A.
  • the peripheral circuit 4A includes various modules.
  • the estimation device 10 does not have to have the peripheral circuit 4A.
  • the estimation device 10 may be composed of multiple devices that are physically and/or logically separated. In this case, each of the multiple devices can have the above hardware configuration.
  • the bus 5A is a data transmission path for the processor 1A, memory 2A, peripheral circuit 4A, and input/output interface 3A to send and receive data to each other.
  • the processor 1A is an arithmetic processing device such as a CPU or a GPU (Graphics Processing Unit).
  • the memory 2A is a memory such as a RAM (Random Access Memory) or a ROM (Read Only Memory).
  • the input/output interface 3A includes interfaces for acquiring information from an input device, an external device, an external server, an external sensor, a camera, etc., and interfaces for outputting information to an output device, an external device, an external server, etc.
  • the input/output interface 3A also includes an interface for connecting to a communication network such as the Internet.
  • Examples of input devices include a keyboard, a mouse, a microphone, a physical button, a touch panel, etc.
  • Examples of output devices include a display, a speaker, a printer, a mailer, etc.
  • the processor 1A can issue commands to each module and perform calculations based on the results of those calculations.
  • Fig. 1 shows an example of a functional block diagram of the estimation device 10 of this embodiment.
  • the estimation device 10 of this embodiment has a person detection unit 11, a camera identification unit 12, and an estimation unit 13.
  • the person detection unit 11 detects people to be tracked from images generated by multiple cameras installed at specified positions.
  • Image is a concept that includes moving images.
  • the "camera” captures images.
  • the camera may be a surveillance camera.
  • the camera is installed at a predetermined location and captures the surrounding area of that location. There are no particular limitations on where the camera is installed.
  • the camera may be installed on the street or inside a facility. Examples of facilities include, but are not limited to, department stores, museums, and art galleries.
  • the camera may be installed outdoors or indoors.
  • Information indicating the installation location of each of the multiple cameras is registered in advance in the estimation device 10.
  • the installation location of the camera may be indicated by latitude and longitude, or may be indicated by address.
  • the installation location of the camera may be indicated by location information specific to the facility, such as an aisle number or room number.
  • the images generated by each of the multiple cameras are input to the estimation device 10 by any means.
  • the estimation device 10 and the cameras may be connected so as to be able to communicate with each other.
  • the cameras may then transmit the images they generate to the estimation device 10.
  • the images generated by the cameras may be stored in any storage means.
  • the images stored in the storage means may then be input to the estimation device 10 by manual operation by a user.
  • the input of images to the estimation device 10 may be performed by real-time processing or by batch processing.
  • the human detection unit 11 can acquire the images input to the estimation device 10 in this manner. Note that the human detection unit 11 may acquire images by other means.
  • “Acquisition” includes at least one of the following: the device goes to retrieve data or information stored in another device or storage medium (active acquisition), and the device inputs data or information output from another device (passive acquisition). Examples of active acquisition include making a request or inquiry to another device and receiving a reply, and accessing and reading information from another device or storage medium. An example of passive acquisition is receiving information that is distributed (or transmitted, push notification, etc.). Furthermore, “acquisition” may mean selecting and acquiring data or information from received data or information, or selecting and receiving distributed data or information.
  • the person detection unit 11 detects the person to be tracked from the image acquired in this manner.
  • the person detection unit 11 detects the person to be tracked from the image based on information indicating the features of the appearance of the person to be tracked.
  • the "information indicating the external appearance features of the tracked person" is input to the estimation device 10 by the user.
  • the user may input the external appearance features of the tracked person to the estimation device 10.
  • the user may input an image of the tracked person to the estimation device 10.
  • the person detection unit 11 may then analyze the image and extract the external appearance features of the tracked person.
  • the "appearance features of the person being tracked” include, but are not limited to, facial features, body features, clothing features, possessions features, shoe features, etc.
  • the person detection unit 11 detects the person to be tracked from among images from multiple cameras based on the external appearance features of the person to be tracked.
  • the person detection unit 11 can then record the detection results in a detection history.
  • the detection history indicates the timing at which the person to be tracked was detected for each camera.
  • the timing at which the person to be tracked was detected is the shooting date and time of the frame image in which the person to be tracked was detected.
  • the person detection unit 11 can identify the shooting date and time of the frame image in which the person to be tracked was detected based on the timestamp assigned to the image.
  • the camera identification unit 12 identifies cameras whose timing at which a person to be tracked was detected in an image satisfies a predetermined condition.
  • the predetermined condition is defined based on the target time.
  • the camera identification unit 12 can identify cameras that satisfy the predetermined condition, for example, based on the detection history described above.
  • the "target time” is the timing at which the area in which the tracked person is located is estimated. That is, the estimation device 10 estimates the area in which the tracked person is located at the target time.
  • the target time is the current time, or a current, future, or past time specified by the user. For example, the current time may be automatically set as the target time. Alternatively, the target time may be set by user input. The user can set any current, future, or past time as the target time.
  • the “predetermined conditions” may include at least one of the following conditions 1 to 4.
  • condition 1 is a predetermined condition
  • the camera identification unit 12 identifies, from among multiple cameras, the camera that detected the person to be tracked at the timing closest to the target time.
  • the detection timing may be either earlier or later than the target time.
  • condition 2 is a predetermined condition
  • the camera identification unit 12 identifies, from among the multiple cameras, a camera in which the person to be tracked was detected before the target time and at a timing closest to the target time.
  • condition 3 is a predetermined condition
  • the camera identification unit 12 identifies from among the multiple cameras a camera in which the person to be tracked was detected after the target time and at a timing closest to the target time.
  • condition 4 is a specified condition
  • the camera identification unit 12 identifies, from among multiple cameras, a camera in which the person to be tracked was detected within a reference time from the target time. The detection timing may be before or after the target time. If condition 4 is a specified condition, the number of cameras identified by the camera identification unit 12 varies.
  • the predetermined condition may be a combination of multiple conditions 1 to 4 above connected by AND or OR conditions.
  • condition 1 and condition 4 may be the specified conditions.
  • the camera identification unit 12 identifies, from among multiple cameras, a camera in which the person to be tracked was detected within a reference time from the target time and at a timing closest to the target time.
  • the detection timing may be either earlier or later than the target time.
  • condition 2 and condition 4 may be set as the predetermined conditions.
  • the camera identification unit 12 identifies, from among the multiple cameras, a camera in which the person to be tracked was detected within a reference time from the target time, and which detected the person to be tracked at a timing that was closest to the target time and before the target time.
  • Condition 3 and Condition 4 may be set as the predetermined conditions.
  • the camera identification unit 12 identifies, from among the multiple cameras, a camera in which the person to be tracked is detected within a reference time from the target time, and which detects the person to be tracked after the target time and at a timing closest to the target time.
  • condition 2 or condition 3 may be the specified condition.
  • the camera identification unit 12 identifies, from among the multiple cameras, both a camera in which the person to be tracked was detected before the target time and at a timing closest to the target time, and a camera in which the person to be tracked was detected after the target time and at a timing closest to the target time.
  • This condition 2 or condition 3 may be combined with condition 4 using an AND condition.
  • the specified condition that combines condition 2 or condition 3, or condition 2 or condition 3 with condition 4 using an AND condition may be used, for example, when the target time is a time in the past.
  • the estimation unit 13 estimates the area in which the person to be tracked is present at the target time based on the installation position of the camera identified by the camera identification unit 12.
  • the estimation unit 13 can execute at least one of the following area estimation processes 1 to 3.
  • the area estimation process 1 is suitable for use in a case where one camera is identified by the camera identification unit 12 .
  • the estimation unit 13 calculates the travel time, which is the time difference between the target time and the most recent detection timing at which the person to be tracked was detected in an image generated by the camera identified by the camera identification unit 12.
  • the “most recent detection timing” is the timing closest to the target time among the timings at which the person to be tracked was detected in the image generated by the camera identified by the camera identification unit 12. If a camera is identified as satisfying the above condition 2, the most recent detection timing is the timing before the target time among the timings at which the person to be tracked was detected in the image generated by that camera and closest to the target time. If a camera is identified as satisfying the above condition 3, the most recent detection timing is the timing after the target time among the timings at which the person to be tracked was detected in the image generated by that camera and closest to the target time.
  • the estimation unit 13 also determines an estimated movement speed of the person being tracked.
  • the estimation unit 13 determines the estimated movement speed based on the characteristics of the person being tracked acquired through user input or analysis of the image generated by the camera.
  • the characteristics of the person being tracked include at least one of the following: the age of the person being tracked, sex, whether or not they are carrying luggage, the size of the luggage, whether or not they are injured, the means of transportation (walking, bicycle, motorcycle, car, etc.), and the movement speed in the image.
  • the estimation unit 13 can calculate the estimated movement speed of the person to be tracked based on, for example, this person characteristic information.
  • a speed calculation model is generated in advance, which takes these person characteristic information as input and outputs the estimated movement speed calculated based on the input person characteristic information.
  • the speed calculation model may be a function, a learning model generated by machine learning, or something else.
  • the estimation unit 13 inputs the person characteristic information of the person to be tracked into such a speed calculation model, and obtains the estimated movement speed output from the speed calculation model.
  • the estimation unit 13 may calculate the movement speed of the person to be tracked in the image based on the image, and the calculation result may be used as the estimated movement speed of the person to be tracked. Calculation of the movement speed of the person detected in the image can be realized using any technology.
  • the estimation unit 13 calculates the estimated travel distance of the person to be tracked between the most recent detection timing and the target time based on the travel time and the estimated travel speed.
  • the estimated travel distance can be calculated simply as the product of the travel time and the estimated travel speed, but other methods may also be used.
  • the estimation unit 13 estimates area B within an estimated movement distance D from the installation position of camera C identified by the camera identification unit 12 as area A in which the person to be tracked is present at the target time.
  • the area estimation process 2 is suitable for use in the case where two or more cameras are identified by the camera identification unit 12. For example, when the predetermined condition is condition 2 or condition 3, two cameras may be identified. Also, when the predetermined condition is condition 4, two or more cameras may be identified.
  • the estimation unit 13 calculates the travel time for each identified camera using a process similar to that described in area estimation process 1.
  • the estimation unit 13 also calculates an estimated travel speed as a common value that is applied to all cameras using a process similar to that described in area estimation process 1.
  • the estimation unit 13 then calculates an estimated travel distance for each identified camera using a process similar to that described in area estimation process 1.
  • the estimation unit 13 specifies an area within an estimated movement distance from the installation position of each camera specified by the camera specification unit 12.
  • FIG. 4 shows an example in which two cameras C 1 and C 2 are specified by the camera specification unit 12. An area B 1 within an estimated movement distance D 1 from the installation position of the camera C 1 and an area B 2 within an estimated movement distance D 2 from the installation position of the camera C 2 are shown.
  • the estimation unit 13 estimates an overlapping area between the area B 1 and the area B 2 as an area A in which a person to be tracked exists at a target time.
  • M cameras M is an integer of 2 or more
  • the estimation unit 13 can estimate an area in which all M areas B 1 to B m overlap as an area A in which a person to be tracked exists at a target time.
  • the estimation unit 13 determines whether or not the following three conditions, which will be described with reference to FIG.
  • the target time is the current time.
  • a camera C1 identified by the camera identification unit 12 is installed on one road. After the most recent detection timing at which the tracked person was detected in the image generated by the camera C 1 , the tracked person was not detected in the image generated by the other camera C 2.
  • the other camera C 2 is a camera installed ahead of the direction of movement of the tracked person on a single road (the direction indicated by the arrow in the figure) identified based on the image generated by the camera C 1 .
  • the estimation unit 13 estimates the area between the imaging area E1 of the camera C1 identified by the camera identification unit 12 and the imaging area E2 of the other camera C2 as the area in which the person to be tracked is present at the target time.
  • a “single road” is a road with no branches.
  • a single road may be a road, or a corridor or passageway within a facility. Map information or a floor map of a facility in which single roads are identifiable is registered in advance in the estimation device 10.
  • the estimation unit 13 can determine whether each road is a single road or not based on the information.
  • the "direction of movement of the tracked person on a single road” can be determined using any technology based on the direction of movement of the tracked person within the image, etc.
  • the "other camera C 2 installed ahead in the movement direction" can be specified based on information indicating the installation position of the camera registered in advance, the above-mentioned map information, a floor map of the facility, or the like.
  • the estimation device 10 executes a process to detect the person to be tracked from images generated by multiple cameras installed at predetermined positions (S10).
  • the estimation device 10 identifies a camera whose timing at which the person to be tracked is detected in the image satisfies a predetermined condition based on the target time (S11).
  • the estimation device 10 estimates the area in which the person to be tracked is present at the target time based on the installation positions of the cameras identified in S11 (S12). Note that if no camera is identified in S11, the estimation device 10 can end the process without executing S12.
  • the estimation device 10 can output the estimation result.
  • the estimation device 10 can output the estimation result via an output device such as a display or a projection device.
  • the estimation device 10 may output information indicating an area A on a map (or a floor map of a facility) in which it is estimated that the person to be tracked is present at the target time, as the estimation result.
  • the estimation device 10 may output information indicating the installation position of the camera identified by the camera identification unit 12, the most recent detection timing, etc., as auxiliary information to the estimation result.
  • the estimation device 10 may output the estimated movement speed and estimated movement distance as auxiliary information to the estimation result.
  • the estimation device 10 of this embodiment identifies a camera that detected the person to be tracked at a timing close to the target time, and estimates the area in which the person to be tracked exists at the target time based on the installation position of the camera and the estimated moving speed of the person to be tracked. With such an estimation device 10, even if the person to be tracked does not appear in the image captured at the target time, it is possible to estimate the area in which the person to be tracked exists at the target time. In this embodiment, even if the shooting areas of multiple cameras do not overlap with each other and there are areas that are not captured by any of the cameras, it is possible to estimate the area in which the person to be tracked exists at the target time.
  • the estimation device 10 of this embodiment includes a means for estimating objects visited by the tracked person in facilities that exist within an area in which the tracked person is estimated to exist, as will be described in detail below.
  • the estimation unit 13 estimates the area in which the tracked person is present at the target time using the method described in the first and second embodiments. The estimation unit 13 then estimates the facilities that the tracked person will visit within the estimated area based on at least one of the tracked person's clothing, belongings, age, sex, accompanying person, means of transportation, travel route, and target time. Note that the number of facilities estimated to be visited may be one or multiple.
  • the clothing, belongings, age, gender, companions, means of transportation, and route traveled by the tracked person are determined through user input or analysis of camera-generated images.
  • “Clothing” refers to the type of clothing. For example, athletic wear, fashionable clothes, casual clothes, suits, etc. There are various means for identifying the type of clothing through image analysis. For example, the above classification can be made based on the brand, design, shape characteristics, etc. of the clothing. For example, the classification can be realized using a classifier generated by machine learning, or other means can be adopted.
  • Belongings refers to the type of belongings. For example, sports equipment, a business bag, a shopping bag, etc. There are various means for identifying the type of belongings using image analysis. For example, the above classification can be performed based on the characteristics of their appearance. For example, the classification can be achieved using a classifier generated by machine learning, or other means can be adopted.
  • “Means of transportation” include walking, bicycle, motorbike, car, etc.
  • the "movement route” is determined based on the detection results from multiple cameras.
  • the estimation unit 13 can execute at least one of the following facility estimation processes 1 to 4.
  • the estimation unit 13 identifies facilities that exist within the estimated area based on map information, a floor map of the facility, and the like that are registered in advance in the estimation device 10.
  • Examples of facilities whose positions are indicated by map information, a floor map of the facility, and the like include parks, supermarkets, department stores, hospitals, and the like.
  • Examples of facilities provided within the facility include kids' corners, nursing rooms, diaper changing stations, exercise facilities, and the like. Note that the examples given here are merely examples and are not limited to these.
  • the characteristic information for each of the multiple facilities is registered in advance in the estimation device 10.
  • the facility characteristic information indicates the purpose of each facility, the characteristics of the people who use each facility, and the usage time of each facility.
  • the purpose of each facility is exercise, shopping, play, etc.
  • the characteristics of the people who use each facility are indicated by clothing, belongings, age, gender, means of transportation, etc.
  • the estimation unit 13 can, for example, estimate the purpose of the tracked person from the clothing and belongings of the tracked person, and estimate facilities that match that purpose as the tracked person's intended visit destination. For example, information that associates the type of clothing and belongings with the purpose may be registered in advance in the estimation device 10. The estimation unit 13 may then estimate the purpose of the tracked person based on that information.
  • the estimation unit 13 can estimate that a facility is visited by a tracked person if the similarity between the characteristics of a person using the facility and the characteristics of the tracked person is equal to or greater than a reference value.
  • the similarity of characteristics can be calculated using any technique. For example, the similarity may be calculated based on the number of items whose values match. In this case, the greater the number of items whose values match, the higher the similarity.
  • the characteristics of the person using the facility and the characteristics of the person being tracked are as explained in Facility Estimation Process 1.
  • the items are items included in the characteristics of a person, such as clothing, belongings, age, gender, and means of transportation.
  • the characteristics of the person using the facility can be linked to each item and set to multiple values.
  • a facility used by both men and women can be linked to gender and set to both male and female.
  • “the characteristics of the person using the facility and the characteristics of the person being tracked match" means that the characteristics of the person being tracked are included in the characteristics of the person using the facility.
  • the estimation unit 13 can estimate the visit destinations of the person to be tracked based on the movement route.
  • FIG. 7 shows the movement route R of the tracked person, an area A where the tracked person is estimated to be present at the target time, and a plurality of facilities F1 to F3 present in area A. If the tracked person is visiting facility F1 or facility F3 , the tracked person will reach these facilities by taking a detour. On the other hand, if the tracked person is visiting facility F2 , the tracked person will reach the facility via the shortest route.
  • the estimation unit 13 estimates facility F2 as a destination of the person to be tracked.
  • the estimation unit 13 identifies a facility that will be reached via the shortest route based on the movement route of the person to be tracked and the positional relationship between each of the multiple facilities. Then, the estimation unit 13 estimates the identified facility as a destination of the person to be tracked.
  • the shortest route can be determined by a route search with an arbitrary position on the movement route R of the person to be tracked as the starting point and each facility as the destination. Then, if the route is the same as the shortest route calculated by the route search or the deviation from the shortest route calculated by the route search is within a reference value, it may be determined to be the shortest route, and if these conditions are not met, it may be determined to be a longer route.
  • the starting point may be changed to another position on the movement route R and the above process may be performed multiple times.
  • a facility that is determined to be the shortest route in either case, or that is determined to be the shortest route a predetermined number of times or more may be presumed to be a destination visited by the person to be tracked.
  • the deviation from the shortest route calculated by route search is indicated by the difference in distance between the first route and the second route, or the difference in the time required for travel. The greater the difference, the greater the deviation from the shortest route.
  • the first route is the "shortest route calculated by route search.”
  • the second route is "a route that has the same starting point and destination as the first route, moves to the end point indicated by the movement route R of the tracked person, and then moves from there to the destination via the shortest route calculated by route search.”
  • the estimation unit 13 can exclude facilities whose target time is not within the usage hours from the visit destinations of the tracked person. For example, the estimation unit 13 may estimate the remaining facilities that have not been excluded as the visit destinations of the tracked person. In addition, the estimation unit 13 may estimate the visit destinations of the tracked person from the remaining facilities that have not been excluded using any of the facility estimation processes 1 to 3 described above.
  • the estimation device 10 executes a process to detect the tracked person from images generated by multiple cameras installed at predetermined positions (S20). Next, the estimation device 10 identifies a camera whose timing at which the tracked person was detected in the image satisfies a predetermined condition based on the target time (S21). Next, the estimation device 10 estimates the area in which the tracked person is present at the target time based on the installation positions of the cameras identified in S21 (S22). Thereafter, the estimation device 10 estimates the visit destinations of the tracked person among facilities present in the area estimated in S22 (S23). Note that if no cameras are identified in S21, the estimation device 10 can end the process without executing S22 and S23.
  • the estimation device 10 can output the estimation result.
  • the estimation device 10 can output the estimation result via an output device such as a display or a projection device.
  • the estimation device 10 may output information indicating an area A on a map (or on a floor map of a facility) in which it is estimated that the person to be tracked is present at the target time as the estimation result.
  • the estimation device 10 may also highlight a facility estimated to be visited by the person to be tracked on the map (or on a floor map of the facility).
  • the estimation device 10 may also output information indicating the installation position of the camera identified by the camera identification unit 12, the most recent detection timing, etc., as auxiliary information of the estimation result.
  • the estimation device 10 may output the estimated movement speed and estimated movement distance as auxiliary information of the estimation result.
  • the rest of the configuration of the estimation device 10 is the same as in the first and second embodiments.
  • the estimation device 10 of this embodiment achieves the same effects as the estimation device 10 of the first and second embodiments.
  • the estimation device 10 of this embodiment can estimate the destinations (facilities) visited by the tracked person based on at least one of the tracked person's clothing, belongings, age, sex, accompanying person, vehicle, travel route, and target time.
  • the estimation device 10 can output information indicating the imaging areas E2 and E3 of the predetermined cameras C2 and C3 that exist in the area A in which it is estimated that the person to be tracked exists at the target time.
  • the predetermined cameras C2 and C3 are cameras that have not been specified by the camera specification unit 12. That is, the predetermined cameras C2 and C3 are cameras that do not satisfy the predetermined conditions detailed in the second embodiment.
  • the imaging areas E2 and E3 of such predetermined cameras C2 and C3 can be removed from candidates for the area in which the person to be tracked exists at the target time. The user can grasp the area in which the person to be tracked exists at the target time based on the information as shown in FIG. 9.
  • a person detection means for detecting a person to be tracked from images generated by a plurality of cameras installed at predetermined positions; a camera identification means for identifying the camera in which the timing at which the person to be tracked is detected in an image satisfies a predetermined condition based on a target time; an estimation means for estimating an area in which the person to be tracked is present at the target time based on the identified installation position of the camera; An estimation device having the following: 2.
  • the predetermined condition is: The person to be tracked was detected at the timing closest to the target time among the plurality of cameras.
  • the person to be tracked was detected among the plurality of cameras at a timing closest to the target time, before the target time.
  • the person to be tracked is detected after the target time among the plurality of cameras at a timing closest to the target time; and
  • the person to be tracked was detected within a reference time from the target time.
  • the estimation device according to claim 1 comprising at least one of the following: 3.
  • the target time is: 3.
  • the estimation device according to claim 1 or 2 wherein the time is the current time, or a current, future or past time specified by the user. 4.
  • the estimation means calculating an estimated movement distance of the tracked person between the most recent detection time and the target time based on a time difference between the most recent detection time at which the tracked person was detected in the image generated by the identified camera and the target time, and an estimated movement speed of the tracked person; 4.
  • the estimation device according to any one of 1 to 3, which estimates an area within the estimated movement distance from the identified installation position of the camera as an area in which the tracked person is present at the target time. 5.
  • the estimation means 5 5.
  • the estimation device which estimates, as the area in which the tracked person is present at the target time, an overlapping area of an area within the estimated moving distance from the installation position of the camera where the tracked person was detected before the target time and closest to the target time, and an area within the estimated moving distance from the installation position of the camera where the tracked person was detected after the target time and closest to the target time. 6.
  • the estimation means 6 The estimation device according to claim 4 or 5, wherein the estimated moving speed is determined based on user input or on characteristics of the tracked person obtained by analysis of images generated by the camera. 7.
  • the estimation device wherein the characteristics of the tracked person include at least one of the tracked person's age, sex, whether or not the person is carrying luggage, the size of the luggage, whether or not the person is injured, the means of transportation, and the moving speed in the image.
  • the estimation means the target time is the current time, The identified camera is installed on a single road, and after the tracking target person is detected in the image generated by the identified camera, the tracking target person is not detected in the image generated by another camera installed ahead of the tracking target person identified based on the image generated by the identified camera in the moving direction of the tracking target person,
  • the estimation device according to any one of 1 to 7, which estimates an area between the identified camera and the other cameras as an area in which the tracked person is present at the target time.
  • the estimation means 9.
  • An estimation device which estimates visit destinations of the tracked person among facilities located in an area where the tracked person is estimated to be present at the target time based on at least one of the tracked person's clothing, belongings, age, gender, accompanying persons, means of transportation, travel route, and the target time.
  • One or more computers Detects a person to be tracked from images generated by multiple cameras installed at specified locations, Identifying the camera in which the timing at which the person to be tracked is detected in the image satisfies a predetermined condition based on a target time; An estimation method for estimating an area in which the tracked person is present at the target time based on the identified installation position of the camera. 11.
  • the computer A person detection means for detecting a person to be tracked from images generated by a plurality of cameras installed at predetermined positions; a camera identification means for identifying the camera in which the timing at which the person to be tracked is detected in an image satisfies a predetermined condition based on a target time; an estimation means for estimating an area in which the person to be tracked is present at the target time based on the identified installation position of the camera; A program that functions as a

Landscapes

  • Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Image Analysis (AREA)

Abstract

本発明は、所定位置に設置された複数のカメラが生成した画像の中から追跡対象の人物を検出する人物検出部と、画像の中で追跡対象の人物が検出されたタイミングが対象時刻に基づく所定条件を満たすカメラを特定するカメラ特定部と、特定されたカメラの設置位置に基づき、対象時刻において追跡対象の人物が存在するエリアを推定する推定部と、を有する推定装置を提供する。

Description

推定装置、推定方法、及び記録媒体
　本発明は、推定装置、推定方法、及びプログラムに関する。
　本発明に関連する技術が、特許文献１に開示されている。特許文献１に開示の技術は、複数のカメラが生成した画像に基づき追跡対象の人物を追跡する技術を開示している。
国際公開第２０２０／１１５８９０号公報
　特許文献１に開示のような追跡技術を用いることで、対象時刻において追跡対象の人物が存在する位置を特定することができる。しかし、当該追跡技術の場合、対象時刻に撮影された画像に追跡対象の人物が写っていない場合、対象時刻において追跡対象の人物が存在する位置を特定することができない。
　本発明の目的の一例は、上述した問題を鑑み、対象時刻において追跡対象の人物が存在するエリアを推定する推定装置、推定方法、及びプログラムを提供することにある。
　本発明の一態様によれば、
　所定位置に設置された複数のカメラが生成した画像の中から追跡対象の人物を検出する人物検出手段と、
　画像の中で前記追跡対象の人物が検出されたタイミングが対象時刻に基づく所定条件を満たす前記カメラを特定するカメラ特定手段と、
　特定された前記カメラの設置位置に基づき、前記対象時刻において前記追跡対象の人物が存在するエリアを推定する推定手段と、
を有する推定装置が提供される。
　本発明の一態様によれば、
　１つ以上のコンピュータが、
　　所定位置に設置された複数のカメラが生成した画像の中から追跡対象の人物を検出し、
　　画像の中で前記追跡対象の人物が検出されたタイミングが対象時刻に基づく所定条件を満たす前記カメラを特定し、
　　特定された前記カメラの設置位置に基づき、前記対象時刻において前記追跡対象の人物が存在するエリアを推定する推定方法が提供される。
　本発明の一態様によれば、
　コンピュータを、
　　所定位置に設置された複数のカメラが生成した画像の中から追跡対象の人物を検出する人物検出手段、
　　画像の中で前記追跡対象の人物が検出されたタイミングが対象時刻に基づく所定条件を満たす前記カメラを特定するカメラ特定手段、
　　特定された前記カメラの設置位置に基づき、前記対象時刻において前記追跡対象の人物が存在するエリアを推定する推定手段、
として機能させるプログラムが提供される。
　本発明の一態様によれば、対象時刻において追跡対象の人物が存在するエリアを推定する推定装置、推定方法、及びプログラムが実現される。
　上述した目的及びその他の目的、特徴及び利点は、以下に述べる公的な実施の形態、及びそれに付随する以下の図面によってさらに明らかになる。
推定装置の機能ブロック図の一例を示す図である。 推定装置のハードウエア構成の一例を示す図である。 推定装置が所定のエリアを推定する処理の一例を説明するための図である。 推定装置が所定のエリアを推定する処理の他の一例を説明するための図である。 推定装置が所定のエリアを推定する処理の他の一例を説明するための図である。 推定装置の処理の流れの一例を示すフローチャートである。 推定装置が追跡対象の人物の訪問対象を推定する処理の一例を説明するための図である。 推定装置の処理の流れの一例を示すフローチャートである。 推定装置が出力する情報の一例を示す図である。
　以下、本発明の実施の形態について、図面を用いて説明する。なお、全ての図面において、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＞
　図１は、第１の実施形態に係る推定装置１０の概要を示す機能ブロック図である。推定装置１０は、人物検出部１１と、カメラ特定部１２と、推定部１３とを有する。
　人物検出部１１は、所定位置に設置された複数のカメラが生成した画像の中から追跡対象の人物を検出する。カメラ特定部１２は、画像の中で追跡対象の人物が検出されたタイミングが対象時刻に基づく所定条件を満たすカメラを特定する。推定部１３は、特定されたカメラの設置位置に基づき、対象時刻において追跡対象の人物が存在するエリアを推定する。
　このように、本実施形態の推定装置１０は、画像の中で追跡対象の人物が検出されたタイミングが対象時刻に基づく所定条件を満たすカメラを特定し、特定されたカメラの設置位置に基づき、対象時刻において追跡対象の人物が存在するエリアを推定する。このような本実施形態の推定装置１０によれば、高精度に、対象時刻において追跡対象の人物が存在するエリアを推定することができる。
＜第２の実施形態＞
「概要」
　第２の実施形態の推定装置１０は、第１の実施形態の推定装置１０を具体化したものである。すなわち、推定装置１０は、画像の中で追跡対象の人物が検出されたタイミングが対象時刻に基づく所定条件を満たすカメラを特定し、特定されたカメラの設置位置に基づき、対象時刻において追跡対象の人物が存在するエリアを推定する。以下、詳細に説明する。
「ハードウエア構成」
　推定装置１０のハードウエア構成の一例を説明する。推定装置１０の各機能部は、ハードウエアとソフトウエアの任意の組み合わせによって実現される。その実現方法、装置にはいろいろな変形例があることは、当業者には理解されるところである。ソフトウエアは、予め装置を出荷する段階から格納されているプログラムや、ＣＤ（Compact Disc）等の記録媒体やインターネット上のサーバ等からダウンロードされたプログラム等を含む。
　図２は、推定装置１０のハードウエア構成を例示するブロック図である。図２に示すように、推定装置１０は、プロセッサ１Ａ、メモリ２Ａ、入出力インターフェイス３Ａ、周辺回路４Ａ、バス５Ａを有する。周辺回路４Ａには、様々なモジュールが含まれる。推定装置１０は周辺回路４Ａを有さなくてもよい。なお、推定装置１０は物理的及び／又は論理的に分かれた複数の装置で構成されてもよい。この場合、複数の装置各々が上記ハードウエア構成を備えることができる。
　バス５Ａは、プロセッサ１Ａ、メモリ２Ａ、周辺回路４Ａ及び入出力インターフェイス３Ａ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。プロセッサ１Ａは、例えばＣＰＵ、ＧＰＵ（Graphics Processing Unit）等の演算処理装置である。メモリ２Ａは、例えばＲＡＭ（Random Access Memory）やＲＯＭ（Read Only Memory）等のメモリである。入出力インターフェイス３Ａは、入力装置、外部装置、外部サーバ、外部センサ、カメラ等から情報を取得するためのインターフェイスや、出力装置、外部装置、外部サーバ等に情報を出力するためのインターフェイス等を含む。また、入出力インターフェイス３Ａはインターネット等の通信ネットワークに接続するためのインターフェイスを含む。入力装置は、例えばキーボード、マウス、マイク、物理ボタン、タッチパネル等である。出力装置は、例えばディスプレイ、スピーカ、プリンター、メーラ等である。プロセッサ１Ａは、各モジュールに指令を出し、それらの演算結果をもとに演算を行うことができる。
「機能構成」
　次に、本実施形態の推定装置１０の機能構成を詳細に説明する。図１に、本実施形態の推定装置１０の機能ブロック図の一例を示す。図示するように、本実施形態の推定装置１０は、人物検出部１１と、カメラ特定部１２と、推定部１３とを有する。
　人物検出部１１は、所定位置に設置された複数のカメラが生成した画像の中から追跡対象の人物を検出する。
　「画像」は、動画像を含む概念である。
　「カメラ」は、画像を撮影する。カメラは、監視カメラであってもよい。カメラは所定位置に設置され、その位置の周辺を撮影する。カメラの設置位置は特段制限されない。カメラは路上に設置されてもよいし、施設内に設置されてもよい。施設は、デパート、博物館、美術館等が例示されるが、これらに限定されない。また、カメラは屋外に設置されてもよいし、屋内に設置されてもよい。予め、複数のカメラ各々の設置位置を示す情報が、推定装置１０に登録されている。カメラの設置位置は、緯度、経度で示されてもよいし、住所で示されてもよい。また、施設内に設置されたカメラの場合、通路番号や部屋番号など、施設に特有の位置情報でカメラの設置位置が示されてもよい。
　このような複数のカメラ各々が生成した画像が、任意の手段で推定装置１０に入力される。例えば、推定装置１０とカメラは通信可能に接続されていてもよい。そして、カメラは、生成した画像を推定装置１０に送信してもよい。その他、カメラが生成した画像が、任意の記憶手段に蓄積されてもよい。そして、ユーザによるマニュアル操作で、当該記憶手段に記憶されている画像が推定装置１０に入力されてもよい。推定装置１０への画像の入力は、リアルタイム処理で行われてもよいし、バッチ処理で行われてもよい。人物検出部１１は、このようにして推定装置１０に入力された画像を取得することができる。なお、人物検出部１１は、その他の手段で画像を取得してもよい。
　「取得」とは、自装置が他の装置や記憶媒体に格納されているデータ又は情報を取りに行くこと（能動的な取得）、及び、自装置に他の装置から出力されるデータ又は情報を入力すること（受動的な取得）の少なくとも一方を含む。能動的な取得の例は、他の装置にリクエスト又は問合わせしてその返信を受信すること、及び、他の装置や記憶媒体にアクセスして読み出すこと等がある。また、受動的な取得の例は、配信（又は、送信、プッシュ通知等）される情報を受信すること等がある。さらに、「取得」とは、受信したデータ又は情報の中から選択して取得すること、又は、配信されたデータ又は情報を選択して受信することであってもよい。
　人物検出部１１は、このようにして取得した画像の中から追跡対象の人物を検出する。人物検出部１１は、追跡対象の人物の外観の特徴量を示す情報に基づき、画像の中から追跡対象の人物を検出する。
　「追跡対象の人物の外観の特徴量を示す情報」は、ユーザにより推定装置１０に入力される。ユーザは、例えば追跡対象の人物の外観の特徴量を推定装置１０に入力してもよい。その他、ユーザは、追跡対象の人物の画像を推定装置１０に入力してもよい。そして、人物検出部１１がその画像を解析し、追跡対象の人物の外観の特徴量を抽出してもよい。
　「追跡対象の人物の外観の特徴量」は、顔の特徴量、身体の特徴量、衣服の特徴量、所持品の特徴量、靴の特徴量等であるが、これらに限定されない。
　人物検出部１１は、追跡対象の人物の外観の特徴量に基づき、複数のカメラの画像の中から追跡対象の人物を検出する。そして、人物検出部１１は、検出の結果を検出履歴に記録することができる。検出履歴は、カメラ毎に、追跡対象の人物を検出したタイミングを示す。追跡対象の人物を検出したタイミングは、追跡対象の人物が検出されたフレーム画像の撮影日時である。人物検出部１１は、画像に付与されたタイムスタンプに基づき、追跡対象の人物が検出されたフレーム画像の撮影日時を特定することができる。
　カメラ特定部１２は、画像の中で追跡対象の人物が検出されたタイミングが所定条件を満たすカメラを特定する。所定条件は、対象時刻に基づき定義される。カメラ特定部１２は、例えば上述した検出履歴に基づき、所定条件を満たすカメラを特定することができる。
　「対象時刻」は、追跡対象の人物が存在するエリアを推定するタイミングである。すなわち、推定装置１０は、対象時刻において追跡対象の人物が存在するエリアを推定する。対象時刻は、現在の時刻、又はユーザが指定した現在、未来又は過去の時刻である。例えば、現在の時刻が、自動的に対象時刻として設定されてもよい。その他、ユーザ入力により対象時刻が設定されてもよい。ユーザは、現在、未来又は過去の任意の時刻を対象時刻として設定することができる。
　「所定条件」は、以下の条件１乃至４の中の少なくとも１つを含むことができる。
（条件１）複数のカメラの中で一番対象時刻に近いタイミングで、追跡対象の人物が検出された。
（条件２）対象時刻よりも前に、複数のカメラの中で一番対象時刻に近いタイミングで追跡対象の人物が検出された。
（条件３）対象時刻よりも後に、複数のカメラの中で一番対象時刻に近いタイミングで追跡対象の人物が検出された。
（条件４）対象時刻から基準時間以内に追跡対象の人物が検出された。
　条件１が所定条件である場合、カメラ特定部１２は、複数のカメラの中から、対象時刻に最も近いタイミングで追跡対象の人物が検出されたカメラを特定する。検出タイミングは、対象時刻よりも前であってもよいし、後であってもよい。
　条件２が所定条件である場合、カメラ特定部１２は、複数のカメラの中から、対象時刻よりも前に、対象時刻に最も近いタイミングで追跡対象の人物が検出されたカメラを特定する。
　条件３が所定条件である場合、カメラ特定部１２は、複数のカメラの中から、対象時刻よりも後に、対象時刻に最も近いタイミングで追跡対象の人物が検出されたカメラを特定する。
　条件４が所定条件である場合、カメラ特定部１２は、複数のカメラの中から、対象時刻から基準時間以内に追跡対象の人物が検出されたカメラを特定する。検出タイミングは、対象時刻よりも前であってもよいし、後であってもよい。条件４が所定条件である場合、カメラ特定部１２が特定するカメラの数は変動する。
　なお、上記条件１乃至４の中の複数をアンド条件やオア条件で接続した条件を、所定条件としてもよい。
　例えば、条件１かつ条件４を所定条件としてもよい。この場合、カメラ特定部１２は、複数のカメラの中から、対象時刻から基準時間以内に追跡対象の人物が検出され、かつ対象時刻に最も近いタイミングで追跡対象の人物が検出されたカメラを特定する。検出タイミングは、対象時刻よりも前であってもよいし、後であってもよい。
　その他、条件２かつ条件４を所定条件としてもよい。この場合、カメラ特定部１２は、複数のカメラの中から、対象時刻から基準時間以内に追跡対象の人物が検出され、かつ対象時刻よりも前に、対象時刻に最も近いタイミングで追跡対象の人物が検出されたカメラを特定する。
　その他、条件３かつ条件４を所定条件としてもよい。この場合、カメラ特定部１２は、複数のカメラの中から、対象時刻から基準時間以内に追跡対象の人物が検出され、かつ対象時刻よりも後に、対象時刻に最も近いタイミングで追跡対象の人物が検出されたカメラを特定する。
　その他、条件２又は条件３を所定条件としてもよい。この場合、カメラ特定部１２は、複数のカメラの中から、対象時刻よりも前に対象時刻に最も近いタイミングで追跡対象の人物が検出されたカメラと、対象時刻よりも後に対象時刻に最も近いタイミングで追跡対象の人物が検出されたカメラの両方を特定する。この条件２又は条件３に条件４をアンド条件で組み合わせてもよい。条件２又は条件３や、条件２又は条件３に条件４をアンド条件で組み合わせた所定条件は、例えば対象時刻が過去の時刻である場合に利用することが考えられる。
　推定部１３は、カメラ特定部１２により特定されたカメラの設置位置に基づき、対象時刻において追跡対象の人物が存在するエリアを推定する。推定部１３は、以下のエリア推定処理１乃至３の中の少なくとも１つを実行することができる。
〇エリア推定処理１
　エリア推定処理１は、カメラ特定部１２により１つのカメラが特定された場合の利用に好適である。
　まず、推定部１３は、カメラ特定部１２により特定されたカメラが生成した画像の中で追跡対象の人物が検出された直近検出タイミングと対象時刻との時間差である移動時間を算出する。
　「直近検出タイミング」は、カメラ特定部１２により特定されたカメラが生成した画像の中で追跡対象の人物が検出されたタイミングの中の対象時刻に最も近いタイミングである。なお、上記条件２を満たすカメラとして特定された場合、直近検出タイミングは、そのカメラが生成した画像の中で追跡対象の人物が検出されたタイミングの中の対象時刻よりも前で対象時刻に最も近いタイミングである。また、上記条件３を満たすカメラとして特定された場合、直近検出タイミングは、そのカメラが生成した画像の中で追跡対象の人物が検出されたタイミングの中の対象時刻よりも後で対象時刻に最も近いタイミングである。
　また、推定部１３は、追跡対象の人物の推定移動速度を決定する。ここで、推定移動速度を算出する処理を説明する。推定部１３は、ユーザ入力又はカメラが生成した画像の解析で取得した追跡対象の人物の特性に基づき、推定移動速度を決定する。追跡対象の人物の特性は、追跡対象の人物の年齢、性別、荷物の有無、荷物の大きさ、ケガの有無、移動手段（徒歩、自転車、バイク、自動車等）、及び画像の中での移動速度の中の少なくとも１つを含む。
　推定部１３は、例えばこれらの人物特性情報に基づき、追跡対象の人物の推定移動速度を算出することができる。予め、これらの人物特性情報を入力とし、入力された人物特性情報に基づき算出された推定移動速度を出力とする速度算出モデルが生成される。速度算出モデルは、関数であってもよいし、機械学習で生成された学習モデルであってもよいし、その他であってもよい。推定部１３は、このような速度算出モデルに追跡対象の人物の人物特性情報を入力し、当該速度算出モデルから出力された推定移動速度を取得する。
　その他、推定部１３は、画像内での追跡対象の人物の移動速度を画像に基づき算出し、その算出結果を、追跡対象の人物の推定移動速度としてもよい。画像内で検出している人物の移動速度の算出は、あらゆる技術を利用して実現できる。
　上記移動時間及び推定移動速度を算出した後、推定部１３は、当該移動時間と推定移動速度に基づき、直近検出タイミングと対象時刻との間における追跡対象の人物の推定移動距離を算出する。推定移動距離は、単純には移動時間と推定移動速度との積として求めることができるが、その他の手法を採用してもよい。
　そして、推定部１３は、図３に示すように、カメラ特定部１２により特定されたカメラＣの設置位置から推定移動距離Ｄ以内のエリアＢを、対象時刻において追跡対象の人物が存在するエリアＡとして推定する。
〇エリア推定処理２
　エリア推定処理２は、カメラ特定部１２により２つ以上のカメラが特定された場合の利用に好適である。例えば、所定条件が条件２又は条件３である場合、２つのカメラが特定され得る。また、所定条件が条件４である場合、２つ以上のカメラが特定され得る。
　推定部１３は、エリア推定処理１で説明した処理と同様の処理で、特定されたカメラ毎に移動時間を算出する。また、推定部１３は、エリア推定処理１で説明した処理と同様の処理で、全てのカメラに適用される共通の値として推定移動速度を算出する。そして、推定部１３は、エリア推定処理１で説明した処理と同様の処理で、特定されたカメラ毎に推定移動距離を算出する。
　そして、推定部１３は、図４に示すように、カメラ特定部１２により特定されたカメラ毎に、カメラの設置位置から推定移動距離以内のエリアを特定する。図４では、カメラ特定部１２により２つのカメラＣ１及びＣ２が特定された例を示している。そして、カメラＣ１の設置位置から推定移動距離Ｄ１以内のエリアＢ１と、カメラＣ２の設置位置から推定移動距離Ｄ２以内のエリアＢ２とが示されている。推定部１３は、エリアＢ１とエリアＢ２の重なり合うエリアを、対象時刻において追跡対象の人物が存在するエリアＡとして推定する。推定部１３は、カメラ特定部１２によりＭ個（Ｍは２以上の整数）のカメラが特定された場合、Ｍ個のエリアＢ１乃至Ｂｍの全てが重なり合うエリアを、対象時刻において追跡対象の人物が存在するエリアＡとして推定することができる。
〇エリア推定処理３
　エリア推定処理３では、推定部１３は、図５を用いて説明する以下の３つの条件を満たすか否かを判断する。
・対象時刻が現在の時刻である。
・図５に示すように、カメラ特定部１２により特定されたカメラＣ１が１本道に設置されている。
・カメラＣ１が生成した画像において追跡対象の人物が検出された上記直近検出タイミングよりも後に、他のカメラＣ２が生成した画像において追跡対象の人物が検出されていない。なお、他のカメラＣ２は、カメラＣ１が生成した画像に基づき特定した追跡対象の人物の１本道での移動方向（図中、矢印で示す方向）の先に設置されたカメラである。
　推定部１３は、上記３つの条件の全てを満たす場合、カメラ特定部１２により特定されたカメラＣ１の撮像エリアＥ１と上記他のカメラＣ２の撮像エリアＥ２との間のエリアを、対象時刻において追跡対象の人物が存在するエリアとして推定する。
　「１本道」は、分岐がない道である。１本道は、道路であってもよいし、施設内の廊下や通路であってもよい。予め、一本道が識別可能に示されている地図情報や施設のフロアマップ等が、推定装置１０に登録されている。推定部１３は、当該情報に基づき、各道が一本道か否かを特定することができる。
　「追跡対象の人物の１本道での移動方向」は、画像内での追跡対象の人物の移動方向等に基づき、あらゆる技術を用いて特定することができる。
　「移動方向の先に設置された他のカメラＣ２」は、予め登録されたカメラの設置位置を示す情報、また上述した地図情報や施設のフロアマップ等に基づき特定することができる。
　次に、図６のフローチャートを用いて、推定装置１０の処理の流れの一例を説明する。
　まず、推定装置１０は、所定位置に設置された複数のカメラが生成した画像の中から追跡対象の人物を検出する処理を実行する（Ｓ１０）。次いで、推定装置１０は、画像の中で追跡対象の人物が検出されたタイミングが対象時刻に基づく所定条件を満たすカメラを特定する（Ｓ１１）。次いで、推定装置１０は、Ｓ１１で特定されたカメラの設置位置に基づき、対象時刻において追跡対象の人物が存在するエリアを推定する（Ｓ１２）。なお、Ｓ１１でいずれのカメラも特定されなかった場合、推定装置１０はＳ１２を実行せずに処理を終了することができる。
　図示しないが、推定装置１０は、推定結果を出力することができる。推定装置１０は、ディスプレイ、投影装置等の出力装置を介して、推定結果を出力することができる。推定装置１０は、例えば図３や図４に示すように、地図上（又は、施設のフロアマップ上）に、対象時刻において追跡対象の人物が存在すると推定したエリアＡを示した情報を、推定結果として出力してもよい。また、推定装置１０は、カメラ特定部１２により特定されたカメラの設置位置を示す情報や、上述した直近検出タイミング等を、推定結果の付属情報として出力してもよい。さらに、推定装置１０は、上述した推定移動速度や推定移動距離を、推定結果の付属情報として出力してもよい。
「作用効果」
　本実施形態の推定装置１０は、追跡対象の人物を対象時刻に近いタイミングで検出したカメラを特定し、そのカメラの設置位置と追跡対象の人物の推定移動速度とに基づき、対象時刻において追跡対象の人物が存在するエリアを推定する。このような推定装置１０によれば、対象時刻に撮影された画像に追跡対象の人物が写っていなくても、対象時刻において追跡対象の人物が存在するエリアを推定することができる。本実施形態の場合、複数のカメラの撮影エリアが互いに重なっておらず、いずれのカメラにも撮影されていない箇所が存在しても、対象時刻において追跡対象の人物が存在するエリアを推定することができる。
＜第３の実施形態＞
　本実施形態の推定装置１０は、追跡対象の人物が存在すると推定したエリア内に存在する施設の中の追跡対象の人物の訪問対象を推定する手段を有する。以下、詳細に説明する。
　推定部１３は、第１及び第２の実施形態で説明した手法で、対象時刻において追跡対象の人物が存在するエリアを推定する。そして、推定部１３は、追跡対象の人物の衣服、持ち物、年齢、性別、同伴者、移動手段、移動ルート、及び対象時刻の中の少なくとも１つに基づき、推定したエリア内に存在する施設の中の追跡対象の人物の訪問対象を推定する。なお、訪問対象と推定される施設は、１つであってもよいし、複数であってもよい。
　追跡対象の人物の衣服、持ち物、年齢、性別、同伴者、移動手段、及び移動ルートは、ユーザ入力又はカメラが生成した画像の解析で特定される。
　「衣服」は、その種類を示す。例えば、運動着、おしゃれ着、普段着、スーツ等である。画像解析で衣服の種類を特定する手段は様々である。例えば、衣服のブランド、デザインや形状の特徴等に基づき、上記分類を行うことができる。例えば、機械学習で生成された分類器を用いて当該分類を実現してもよいし、その他の手段を採用してもよい。
　「持ち物」は、その種類を示す。例えば、運動用品、ビジネスバック、買い物袋等である。画像解析で持ち物の種類を特定する手段は様々である。例えば、それらの外観の特徴等に基づき、上記分類を行うことができる。例えば、機械学習で生成された分類器を用いて当該分類を実現してもよいし、その他の手段を採用してもよい。
　「同伴者」は、同伴者の有無、及び同伴者の年齢や性別を示す。
　「移動手段」は、徒歩、自転車、バイク、自動車等である。
　「移動ルート」は、複数のカメラでの検出結果に基づき特定される。
　次に、推定したエリア内に存在する施設の中の追跡対象の人物の訪問対象を推定する処理の一例を説明する。推定部１３は、以下の施設推定処理１乃至４の中の少なくとも１つを実行することができる。
〇施設推定処理１
　まず、推定部１３は、予め推定装置１０に登録されている地図情報や施設のフロアマップ等に基づき、推定したエリア内に存在する施設を特定する。地図情報や施設のフロアマップ等で位置が示される施設としては、公園、スーパーマーケット、デパート、病院等が例示される。また、施設内に設けられた施設として、キッズコーナー、授乳室、おむつ交換所、運動施設等が例示される。なお、ここでの例示はあくまで一例であり、これらに限定されない。
　そして、予め、複数の施設各々の特性情報が推定装置１０に登録されている。施設の特性情報では、各施設の用途や、各施設を利用する人物の特性や、各施設の利用時間が示される。各施設の用途は、運動、買い物、遊び等である。各施設を利用する人物の特性は、衣服、持ち物、年齢、性別、移動手段等で示される。
　推定部１３は、例えば、追跡対象の人物の衣服や持ち物から追跡対象の人物の目的を推定し、その目的に合致する施設を、追跡対象の人物の訪問対象と推定することができる。例えば、予め衣服や持ち物の種類と、目的とを対応付けた情報が推定装置１０に登録されていてもよい。そして、推定部１３は、その情報に基づき、追跡対象の人物の目的を推定してもよい。
〇施設推定処理２
　推定部１３は、例えば、施設を利用する人物の特性と追跡対象の人物の特性との類似度が基準値以上である施設を、追跡対象の人物の訪問対象と推定することができる。特性の類似度は、あらゆる技術を用いて算出することができる。例えば、値が一致する項目の数に基づき類似度を算出してもよい。この場合、値が一致する項目の数が多いほど類似度は高くなる。
　施設を利用する人物の特性及び追跡対象の人物の特性は、施設推定処理１で説明した通りである。項目は、人物の特性に含まれる項目であり、例えば衣服、持ち物、年齢、性別、移動手段等である。なお、施設を利用する人物の特性は、各項目に紐付けて複数の値を設定し得る。例えば、男性及び女性の両方が利用する施設は、性別に紐付けて男性及び女性の両方を設定し得る。このような場合、「施設を利用する人物の特性及び追跡対象の人物の特性が一致する」とは、追跡対象の人物の特性が施設を利用する人物の特性の中に含まれることを意味する。
〇施設推定処理３
　推定部１３は、移動ルートに基づき、追跡対象の人物の訪問対象を推定することができる。
　図７を用いて、施設推定処理３の具体例を説明する。図７では、追跡対象の人物の移動ルートＲ、対象時刻において追跡対象の人物が存在すると推定されたエリアＡ、及びエリアＡ内に存在する複数の施設Ｆ１乃至Ｆ３が示されている。追跡対象の人物の訪問対象が施設Ｆ１や施設Ｆ３である場合、追跡対象の人物は遠回りをしてそれらの施設に到達することとなる。一方で、追跡対象の人物の訪問対象が施設Ｆ２である場合、追跡対象の人物は最短ルートでその施設に到達することとなる。
　人物がわざわざ遠回りをする可能性は低く、通常は最短ルートで目的の施設に向かうと考えられる。そこで、推定部１３は、図７に示す例の場合、施設Ｆ２を追跡対象の人物の訪問対象と推定する。推定部１３は、追跡対象の人物の移動ルートと、複数の施設各々との位置関係に基づき、最短ルートで到達することとなる施設を特定する。そして、推定部１３は、特定した施設を、追跡対象の人物の訪問対象と推定する。
　各施設への到達が最短ルートか遠回りルートかを特定する手段は様々である。例えば、追跡対象の人物の移動ルートＲ上の任意の位置を出発地点とし、各施設を目的地点としたルート検索で、最短ルートを特定することができる。そして、ルート検索で算出された最短ルートと同じルート又はルート検索で算出された最短ルートからの乖離が基準値以内であれば最短ルートと判断し、これらの条件を満たさない場合遠回りルートと判断してもよい。なお、出発地点を移動ルートＲ上の他の位置に変更して上記処理を複数回行ってもよい。そして、いずれにおいても最短ルートと判断される、又は所定回数以上最短ルートと判断される施設を、追跡対象の人物の訪問対象と推定してもよい。
　ルート検索で算出された最短ルートからの乖離は、第１のルートと第２のルートとの距離の差、又は移動に要する所要時間の差で示される。当該差が大きくなるほど、最短ルートからの乖離が大きくなる。第１のルートは、「ルート検索で算出された最短ルート」である。第２のルートは、「第１のルートと出発地点及び目的地点は同じであり、追跡対象の人物の移動ルートＲで示される終点まで移動した後、そこから目的地点まではルート検索で算出される最短ルートで移動するルート」である。
〇施設推定処理４
　推定部１３は、対象時刻が利用時間内でない施設を、追跡対象の人物の訪問対象から除外することができる。例えば、推定部１３は、除外されずに残った施設を、追跡対象の人物の訪問対象と推定してもよい。その他、推定部１３は、除外されずに残った施設の中から、上述した施設推定処理１乃至３のいずれかを用いて、追跡対象の人物の訪問対象を推定してもよい。
　次に、図８のフローチャートを用いて、推定装置１０の処理の流れの一例を説明する。
　まず、推定装置１０は、所定位置に設置された複数のカメラが生成した画像の中から追跡対象の人物を検出する処理を実行する（Ｓ２０）。次いで、推定装置１０は、画像の中で追跡対象の人物が検出されたタイミングが対象時刻に基づく所定条件を満たすカメラを特定する（Ｓ２１）。次いで、推定装置１０は、Ｓ２１で特定されたカメラの設置位置に基づき、対象時刻において追跡対象の人物が存在するエリアを推定する（Ｓ２２）。その後、推定装置１０は、Ｓ２２で推定したエリア内に存在する施設の中の追跡対象の人物の訪問対象を推定する（Ｓ２３）。なお、Ｓ２１でいずれのカメラも特定されなかった場合、推定装置１０はＳ２２及びＳ２３を実行せずに処理を終了することができる。
　図示しないが、推定装置１０は、推定結果を出力することができる。推定装置１０は、ディスプレイ、投影装置等の出力装置を介して、推定結果を出力することができる。推定装置１０は、例えば図３や図４に示すように、地図上（又は、施設のフロアマップ上）に、対象時刻において追跡対象の人物が存在すると推定したエリアＡを示した情報を、推定結果として出力してもよい。また、推定装置１０は、その地図上（又は、施設のフロアマップ上）で、追跡対象の人物の訪問対象と推定した施設を強調表示してもよい。また、推定装置１０は、カメラ特定部１２により特定されたカメラの設置位置を示す情報や、上述した直近検出タイミング等を、推定結果の付属情報として出力してもよい。さらに、推定装置１０は、上述した推定移動速度や推定移動距離を、推定結果の付属情報として出力してもよい。
　推定装置１０のその他の構成は、第１及び第２の実施形態と同様である。
　本実施形態の推定装置１０によれば、第１及び第２の実施形態の推定装置１０と同様の作用効果が実現される。また、本実施形態の推定装置１０によれば、追跡対象の人物の衣服、持ち物、年齢、性別、同伴者、乗り物、移動ルート、及び対象時刻の中の少なくとも１つに基づき、追跡対象の人物の訪問対象（施設）を推定することができる。
＜変形例＞
　推定装置１０は、図９に示すように、対象時刻において追跡対象の人物が存在すると推定されたエリアＡの中に存在する所定のカメラＣ２及びＣ３の撮像エリアＥ２及びＥ３を示した情報を出力することができる。所定のカメラＣ２及びＣ３は、カメラ特定部１２により特定されていないカメラである。すなわち、所定のカメラＣ２及びＣ３は、第２の実施形態で詳述した所定条件を満たさないカメラである。このような所定のカメラＣ２及びＣ３の撮像エリアＥ２及びＥ３は、対象時刻において追跡対象の人物が存在するエリアの候補から外すことができる。ユーザは、図９に示すような情報に基づき、対象時刻において追跡対象の人物が存在するエリアを把握することができる。
　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。上述した実施形態の構成は、互いに組み合わせたり、一部の構成を他の構成に入れ替えたりしてもよい。また、上述した実施形態の構成は、趣旨を逸脱しない範囲内において種々の変更を加えてもよい。また、上述した各実施形態や変形例に開示される構成や処理を互いに組み合わせてもよい。
　また、上述の説明で用いた複数の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。しかし、各実施の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。各実施の形態では、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、上述の各実施の形態は、内容が相反しない範囲で組み合わせることができる。
　上記の実施の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が、以下に限られない。
１．　所定位置に設置された複数のカメラが生成した画像の中から追跡対象の人物を検出する人物検出手段と、
　画像の中で前記追跡対象の人物が検出されたタイミングが対象時刻に基づく所定条件を満たす前記カメラを特定するカメラ特定手段と、
　特定された前記カメラの設置位置に基づき、前記対象時刻において前記追跡対象の人物が存在するエリアを推定する推定手段と、
を有する推定装置。
２．　前記所定条件は、
　　複数の前記カメラの中で一番前記対象時刻に近いタイミングで、前記追跡対象の人物が検出された、
　　前記対象時刻よりも前に、複数の前記カメラの中で一番前記対象時刻に近いタイミングで前記追跡対象の人物が検出された、
　　前記対象時刻よりも後に、複数の前記カメラの中で一番前記対象時刻に近いタイミングで前記追跡対象の人物が検出された、及び、
　　前記対象時刻から基準時間以内に前記追跡対象の人物が検出された、
の中の少なくとも１つを含む１に記載の推定装置。
３．　前記対象時刻は、
　　現在の時刻、又はユーザが指定した現在、未来又は過去の時刻である１又は２に記載の推定装置。
４．　前記推定手段は、
　　特定された前記カメラが生成した画像の中で前記追跡対象の人物が検出された直近検出タイミングと前記対象時刻との時間差、及び前記追跡対象の人物の推定移動速度に基づき前記直近検出タイミングと前記対象時刻との間における前記追跡対象の人物の推定移動距離を算出し、
　　特定された前記カメラの設置位置から前記推定移動距離以内のエリアを、前記対象時刻において前記追跡対象の人物が存在するエリアとして推定する１から３のいずれかに記載の推定装置。
５．　前記推定手段は、
　　前記対象時刻よりも前に、前記対象時刻に最も近いタイミングで前記追跡対象の人物が検出された前記カメラの設置位置から前記推定移動距離以内のエリア、及び前記対象時刻よりも後に、前記対象時刻に最も近いタイミングで前記追跡対象の人物が検出された前記カメラの設置位置から前記推定移動距離以内のエリアの重なり合うエリアを、前記対象時刻において前記追跡対象の人物が存在するエリアとして推定する４に記載の推定装置。
６．　前記推定手段は、
　　ユーザ入力又は前記カメラが生成した画像の解析で取得した前記追跡対象の人物の特性に基づき、前記推定移動速度を決定する４又は５に記載の推定装置。
７．　前記追跡対象の人物の特性は、追跡対象の人物の年齢、性別、荷物の有無、荷物の大きさ、ケガの有無、移動手段、及び画像の中での移動速度の中の少なくとも１つを含む６に記載の推定装置。
８．　前記推定手段は、
　　前記対象時刻が現在の時刻であり、
　　特定された前記カメラが１本道に設置されており、かつ
　　特定された前記カメラが生成した画像において前記追跡対象の人物が検出された後に、特定された前記カメラが生成した画像に基づき特定した前記追跡対象の人物の移動方向の先に設置された他の前記カメラが生成した画像において前記追跡対象の人物が検出されていない場合、
　　特定された前記カメラと他の前記カメラとの間のエリアを、前記対象時刻において前記追跡対象の人物が存在するエリアとして推定する１から７のいずれかに記載の推定装置。
９．　前記推定手段は、
　　前記追跡対象の人物の衣服、持ち物、年齢、性別、同伴者、移動手段、移動ルート、及び前記対象時刻の中の少なくとも１つに基づき、前記対象時刻において前記追跡対象の人物が存在すると推定したエリア内に存在する施設の中の前記追跡対象の人物の訪問対象を推定する１から８のいずれかに記載の推定装置。
１０．　１つ以上のコンピュータが、
　　所定位置に設置された複数のカメラが生成した画像の中から追跡対象の人物を検出し、
　　画像の中で前記追跡対象の人物が検出されたタイミングが対象時刻に基づく所定条件を満たす前記カメラを特定し、
　　特定された前記カメラの設置位置に基づき、前記対象時刻において前記追跡対象の人物が存在するエリアを推定する推定方法。
１１．　コンピュータを、
　　所定位置に設置された複数のカメラが生成した画像の中から追跡対象の人物を検出する人物検出手段、
　　画像の中で前記追跡対象の人物が検出されたタイミングが対象時刻に基づく所定条件を満たす前記カメラを特定するカメラ特定手段、
　　特定された前記カメラの設置位置に基づき、前記対象時刻において前記追跡対象の人物が存在するエリアを推定する推定手段、
として機能させるプログラム。
　この出願は、２０２３年３月１６日に出願された日本出願特願２０２３－０４１７９１号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　　推定装置
　１１　　人物検出部
　１２　　カメラ特定部
　１３　　推定部
　１Ａ　　プロセッサ
　２Ａ　　メモリ
　３Ａ　　入出力Ｉ／Ｆ
　４Ａ　　周辺回路
　５Ａ　　バス

Claims (20)

  1. 　所定位置に設置された複数のカメラが生成した画像の中から追跡対象の人物を検出する人物検出手段と、
    　画像の中で前記追跡対象の人物が検出されたタイミングが対象時刻に基づく所定条件を満たす前記カメラを特定するカメラ特定手段と、
    　特定された前記カメラの設置位置に基づき、前記対象時刻において前記追跡対象の人物が存在するエリアを推定する推定手段と、
    を有する推定装置。
  2. 　前記所定条件は、
    　　複数の前記カメラの中で一番前記対象時刻に近いタイミングで、前記追跡対象の人物が検出された、
    　　前記対象時刻よりも前に、複数の前記カメラの中で一番前記対象時刻に近いタイミングで前記追跡対象の人物が検出された、
    　　前記対象時刻よりも後に、複数の前記カメラの中で一番前記対象時刻に近いタイミングで前記追跡対象の人物が検出された、及び、
    　　前記対象時刻から基準時間以内に前記追跡対象の人物が検出された、
    の中の少なくとも１つを含む請求項１に記載の推定装置。
  3. 　前記対象時刻は、
    　　現在の時刻、又はユーザが指定した現在、未来又は過去の時刻である請求項１又は２に記載の推定装置。
  4. 　前記推定手段は、
    　　特定された前記カメラが生成した画像の中で前記追跡対象の人物が検出された直近検出タイミングと前記対象時刻との時間差、及び前記追跡対象の人物の推定移動速度に基づき前記直近検出タイミングと前記対象時刻との間における前記追跡対象の人物の推定移動距離を算出し、
    　　特定された前記カメラの設置位置から前記推定移動距離以内のエリアを、前記対象時刻において前記追跡対象の人物が存在するエリアとして推定する請求項１から３のいずれか１項に記載の推定装置。
  5. 　前記推定手段は、
    　　前記対象時刻よりも前に、前記対象時刻に最も近いタイミングで前記追跡対象の人物が検出された前記カメラの設置位置から前記推定移動距離以内のエリア、及び前記対象時刻よりも後に、前記対象時刻に最も近いタイミングで前記追跡対象の人物が検出された前記カメラの設置位置から前記推定移動距離以内のエリアの重なり合うエリアを、前記対象時刻において前記追跡対象の人物が存在するエリアとして推定する請求項４に記載の推定装置。
  6. 　前記推定手段は、
    　　ユーザ入力又は前記カメラが生成した画像の解析で取得した前記追跡対象の人物の特性に基づき、前記推定移動速度を決定する請求項４又は５に記載の推定装置。
  7. 　前記追跡対象の人物の特性は、追跡対象の人物の年齢、性別、荷物の有無、荷物の大きさ、ケガの有無、移動手段、及び画像の中での移動速度の中の少なくとも１つを含む請求項６に記載の推定装置。
  8. 　前記推定手段は、
    　　前記対象時刻が現在の時刻であり、
    　　特定された前記カメラが１本道に設置されており、かつ
    　　特定された前記カメラが生成した画像において前記追跡対象の人物が検出された後に、特定された前記カメラが生成した画像に基づき特定した前記追跡対象の人物の移動方向の先に設置された他の前記カメラが生成した画像において前記追跡対象の人物が検出されていない場合、
    　　特定された前記カメラと他の前記カメラとの間のエリアを、前記対象時刻において前記追跡対象の人物が存在するエリアとして推定する請求項１から７のいずれか１項に記載の推定装置。
  9. 　前記推定手段は、
    　　前記追跡対象の人物の衣服、持ち物、年齢、性別、同伴者、移動手段、移動ルート、及び前記対象時刻の中の少なくとも１つに基づき、前記対象時刻において前記追跡対象の人物が存在すると推定したエリア内に存在する施設の中の前記追跡対象の人物の訪問対象を推定する請求項１から８のいずれか１項に記載の推定装置。
  10. 　１つ以上のコンピュータが、
    　　所定位置に設置された複数のカメラが生成した画像の中から追跡対象の人物を検出し、
    　　画像の中で前記追跡対象の人物が検出されたタイミングが対象時刻に基づく所定条件を満たす前記カメラを特定し、
    　　特定された前記カメラの設置位置に基づき、前記対象時刻において前記追跡対象の人物が存在するエリアを推定する推定方法。
  11. 　前記所定条件は、
    　　複数の前記カメラの中で一番前記対象時刻に近いタイミングで、前記追跡対象の人物が検出された、
    　　前記対象時刻よりも前に、複数の前記カメラの中で一番前記対象時刻に近いタイミングで前記追跡対象の人物が検出された、
    　　前記対象時刻よりも後に、複数の前記カメラの中で一番前記対象時刻に近いタイミングで前記追跡対象の人物が検出された、及び、
    　　前記対象時刻から基準時間以内に前記追跡対象の人物が検出された、
    の中の少なくとも１つを含む請求項１０に記載の推定方法。
  12. 　前記対象時刻は、
    　　現在の時刻、又はユーザが指定した現在、未来又は過去の時刻である請求項１０又は１１に記載の推定方法。
  13. 　前記１つ以上のコンピュータが、
    　　特定された前記カメラが生成した画像の中で前記追跡対象の人物が検出された直近検出タイミングと前記対象時刻との時間差、及び前記追跡対象の人物の推定移動速度に基づき前記直近検出タイミングと前記対象時刻との間における前記追跡対象の人物の推定移動距離を算出し、
    　　特定された前記カメラの設置位置から前記推定移動距離以内のエリアを、前記対象時刻において前記追跡対象の人物が存在するエリアとして推定する請求項１０から１２のいずれか１項に記載の推定方法。
  14. 　前記１つ以上のコンピュータが、
    　　前記対象時刻よりも前に、前記対象時刻に最も近いタイミングで前記追跡対象の人物が検出された前記カメラの設置位置から前記推定移動距離以内のエリア、及び前記対象時刻よりも後に、前記対象時刻に最も近いタイミングで前記追跡対象の人物が検出された前記カメラの設置位置から前記推定移動距離以内のエリアの重なり合うエリアを、前記対象時刻において前記追跡対象の人物が存在するエリアとして推定する請求項１３に記載の推定方法。
  15. 　前記１つ以上のコンピュータが、
    　　ユーザ入力又は前記カメラが生成した画像の解析で取得した前記追跡対象の人物の特性に基づき、前記推定移動速度を決定する請求項１３又は１４に記載の推定方法。
  16. 　コンピュータを、
    　　所定位置に設置された複数のカメラが生成した画像の中から追跡対象の人物を検出する人物検出手段、
    　　画像の中で前記追跡対象の人物が検出されたタイミングが対象時刻に基づく所定条件を満たす前記カメラを特定するカメラ特定手段、
    　　特定された前記カメラの設置位置に基づき、前記対象時刻において前記追跡対象の人物が存在するエリアを推定する推定手段、
    として機能させるプログラムを記録する記録媒体。
  17. 　前記所定条件は、
    　　複数の前記カメラの中で一番前記対象時刻に近いタイミングで、前記追跡対象の人物が検出された、
    　　前記対象時刻よりも前に、複数の前記カメラの中で一番前記対象時刻に近いタイミングで前記追跡対象の人物が検出された、
    　　前記対象時刻よりも後に、複数の前記カメラの中で一番前記対象時刻に近いタイミングで前記追跡対象の人物が検出された、及び、
    　　前記対象時刻から基準時間以内に前記追跡対象の人物が検出された、
    の中の少なくとも１つを含む請求項１６に記載の記録媒体。
  18. 　前記対象時刻は、
    　　現在の時刻、又はユーザが指定した現在、未来又は過去の時刻である請求項１６又は１７に記載の記録媒体。
  19. 　前記推定手段は、
    　　特定された前記カメラが生成した画像の中で前記追跡対象の人物が検出された直近検出タイミングと前記対象時刻との時間差、及び前記追跡対象の人物の推定移動速度に基づき前記直近検出タイミングと前記対象時刻との間における前記追跡対象の人物の推定移動距離を算出し、
    　　特定された前記カメラの設置位置から前記推定移動距離以内のエリアを、前記対象時刻において前記追跡対象の人物が存在するエリアとして推定する請求項１６から１８のいずれか１項に記載の記録媒体。
  20. 　前記推定手段は、
    　　前記対象時刻よりも前に、前記対象時刻に最も近いタイミングで前記追跡対象の人物が検出された前記カメラの設置位置から前記推定移動距離以内のエリア、及び前記対象時刻よりも後に、前記対象時刻に最も近いタイミングで前記追跡対象の人物が検出された前記カメラの設置位置から前記推定移動距離以内のエリアの重なり合うエリアを、前記対象時刻において前記追跡対象の人物が存在するエリアとして推定する請求項１９に記載の記録媒体。
PCT/JP2024/001231 2023-03-16 2024-01-18 推定装置、推定方法、及び記録媒体 Ceased WO2024190068A1 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2025506512A JPWO2024190068A5 (ja) 2024-01-18 推定装置、推定方法、及びプログラム

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2023041791 2023-03-16
JP2023-041791 2023-03-16

Publications (1)

Publication Number Publication Date
WO2024190068A1 true WO2024190068A1 (ja) 2024-09-19

Family

ID=92754794

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2024/001231 Ceased WO2024190068A1 (ja) 2023-03-16 2024-01-18 推定装置、推定方法、及び記録媒体

Country Status (1)

Country Link
WO (1) WO2024190068A1 (ja)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2018179919A (ja) * 2017-04-20 2018-11-15 ラピスセミコンダクタ株式会社 位置推定方法、位置推定装置、および位置推定システム
JP2019009529A (ja) * 2017-06-21 2019-01-17 日本電気株式会社 顔認証装置、人物追跡システム、人物追跡方法、および、人物追跡プログラム

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2018179919A (ja) * 2017-04-20 2018-11-15 ラピスセミコンダクタ株式会社 位置推定方法、位置推定装置、および位置推定システム
JP2019009529A (ja) * 2017-06-21 2019-01-17 日本電気株式会社 顔認証装置、人物追跡システム、人物追跡方法、および、人物追跡プログラム

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
SAKAGUCHI SHOKI, AMAGASAKI MOTOKI, KIYAMA MASATO, OKAMOTO TOSHIAKI: "F-014: A study on person identification using multiple surveillance cameras", THE 21TH FORUM ON INFORMATION TECHNOLOGY, IEICE, vol. 2, 30 August 2022 (2022-08-30), pages 373 - 376, XP093210355 *

Also Published As

Publication number Publication date
JPWO2024190068A1 (ja) 2024-09-19

Similar Documents

Publication Publication Date Title
US9934447B2 (en) Object detection and classification
US9922271B2 (en) Object detection and classification
JP6821762B2 (ja) 畳み込みニューラルネットワークを利用してｐｏｉ変化を検出するためのシステムおよび方法
US20220067689A1 (en) Automated shopping experience using cashier-less systems
US10963893B1 (en) Personalized decision tree based on in-store behavior analysis
JP7771747B2 (ja) 情報処理プログラム、情報処理方法および情報処理装置
Aljuaid et al. Postures anomaly tracking and prediction learning model over crowd data analytics
Islam et al. An intelligent shopping support robot: understanding shopping behavior from 2D skeleton data using GRU network
Lee et al. Automatic physical activity and in‐vehicle status classification based on GPS and accelerometer data: A hierarchical classification approach using machine learning techniques
Bae et al. Fast and scalable structure-from-motion based localization for high-precision mobile augmented reality systems
Quach et al. Depth perspective-aware multiple object tracking
EP3850590A1 (en) Augmented reality mapping systems and related methods
EP4207101B1 (en) Information processing program, information processing method, and information processing apparatus
JP7800134B2 (ja) 情報処理プログラム、情報処理方法および情報処理装置
Mukherjee et al. Ros-based pedestrian detection and distance estimation algorithm using stereo vision, leddar and cnn
Dong et al. Fast segmentation-based object tracking model for autonomous vehicles
WO2024190068A1 (ja) 推定装置、推定方法、及び記録媒体
JP2020160883A (ja) 処理装置、処理方法及びプログラム
JP2019174910A (ja) 情報取得装置及び情報集計システム並びに情報集計装置
US20230206641A1 (en) Storage medium, information processing method, and information processing apparatus
Hu et al. ALPS: Accurate landmark positioning at city scales
JP2020173848A (ja) 処理装置、処理方法及びプログラム
US20240256892A1 (en) Method and system for federated learning training for a neural network associated with autonomous vehicles
JP7715583B2 (ja) 位置特定支援システム、及び位置特定支援方法
Huang et al. Landmark detection based on human activity recognition for automatic floor plan construction

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 24770190

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2025506512

Country of ref document: JP

Kind code of ref document: A

WWE Wipo information: entry into national phase

Ref document number: 2025506512

Country of ref document: JP

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 24770190

Country of ref document: EP

Kind code of ref document: A1