JP2012128700A

JP2012128700A - 関係推定装置、関係推定システム、関係推定プログラムおよび関係推定方法

Info

Publication number: JP2012128700A
Application number: JP2010280018A
Authority: JP
Inventors: Takayuki Kanda; 崇行神田; Masahiro Shiomi; 昌裕塩見
Original assignee: ATR Advanced Telecommunications Research Institute International
Current assignee: ATR Advanced Telecommunications Research Institute International
Priority date: 2010-12-16
Filing date: 2010-12-16
Publication date: 2012-07-05

Abstract

【構成】関係推定システム１００は、複数のＬＲＦ１２を備える中央制御装置１０を有する。ＬＲＦ１２は、たとえば、ショッピングモールの通路を通る人々の位置を検出する。この通路には、特に人通りが多い場所や、人が密集する場所が特定領域ＳＡとして設定される。そして、複数の人間の位置のそれぞれが特定領域ＳＡに含まれているかが判断され、中央制御装置１０は、特定領域ＳＡに含まれていない人間の移動軌跡データに基づいて、人間関係の有無を推定する。
【効果】関係推定システム１００は、無関係な人々が頻繁に行き交ったり、集まったりする場所を除いて、人間関係を推定することができる。そのため、人々の人間関係を精度よく推定することができるようになる。
【選択図】図１

Description

この発明は、関係推定装置、関係推定システム、関係推定プログラムおよび関係推定方法に関し、特にたとえば、複数の人間の人間関係を推定する、関係推定装置、関係推定システム、関係推定プログラムおよび関係推定方法に関する。

特許文献１に開示されている、関係検知システムは、ロボットを中心とする所定領域内において、構成員の行動の履歴を記録する。そして、複数の構成員の行動の履歴に基づいて、構成員の他者との共存の仕方から、各構成員間の関係が把握される。

また、特許文献２に開示されている、関係検知システムでは、無線タグが取り付けられている人間の移動軌跡が記録される。そして、複数の人間の移動軌跡に基づいて、人間同士の友好関係を把握することができる。
特開２００５−１３１７４８号公報［B25J 13/00, B25J 5/00］特開２００５−３２７１５６号公報［G06F 19/00, G01V 15/00, G06K 17/00, H04B 5/02］

ところが、集まりが起きる広場では人間関係と関係なく同時存在が起きるため、特許文献１の関係検知システムでは人間関係の検出精度が低下してしまう。また、多くの人々が行き交う街角や、流れがある通路では多くの移動軌跡が類似したものになるため、特許文献２の関係検知システムでは友好関係を正しく把握できないことがある。

それゆえに、この発明の主たる目的は、新規な、関係推定装置、関係推定システム、関係推定プログラムおよび関係推定方法を提供することである。

この発明の他の目的は、人間関係を精度よく推定することができる、関係推定装置、関係推定システム、関係推定プログラムおよび関係推定方法を提供することである。

この発明は、上記の課題を解決するために、以下の構成を採用した。なお、括弧内の参照符号および補足説明等は、この発明の理解を助けるために記述する実施形態との対応関係を示したものであって、この発明を何ら限定するものではない。

第１の発明は、空間内に存在する複数の人間のそれぞれの位置を検出する検出手段を有する、関係推定装置であって、複数の人間の位置のそれぞれが特定領域に含まれているかを判断する判断手段、および特定領域に含まれていない少なくとも２人以上の人間のそれぞれの位置に基づいて、人間関係を推定する推定手段を備える、関係推定装置である。

第１の発明では、関係推定装置（１０：実施例において対応する部分を例示する参照符号。以下、同じ。）は、検出手段（１２）は、たとえば複数のＬＲＦであり、それらのＬＲＦから照射されたレーザーによって、空間内に存在する複数の人間のそれぞれの位置が検出される。また、空間内において、人通りが多い場所や、人が密集する場所が特定領域（ＳＡ）とされる。さらに、判断手段（１６，Ｓ９）は、複数の人間の位置のそれぞれがその特定領域に含まれているかを判断する。そして、推定手段（１６，Ｓ１５）は、たとえば、特定領域に含まれていない２人の位置に基づいて、人間関係の有無を推定する。

第１の発明によれば、無関係な人々が頻繁に行き交ったり、集まったりする場所を除いて、人間関係を推定することができる。そのため、人々の人間関係を精度よく推定することができるようになる。

第２の発明は、空間内に存在する複数の人間のそれぞれの位置を検出する検出手段（１２）を有する、関係推定システム（１００）であって、複数の人間の位置のそれぞれが特定領域に含まれているかを判断する判断手段（１６，Ｓ９）、および特定領域に含まれていない少なくとも２人以上の人間のそれぞれの位置に基づいて、人間関係を推定する推定手段（１６，Ｓ１５）を備える、関係推定システムである。

第２の発明でも、第１の発明と同様、無関係な人々が頻繁に行き交ったり、集まったりする場所を除いて、人間関係を推定することができる。そのため、人々の人間関係を精度よく推定することができるようになる。

第３の発明は、空間内に存在する複数の人間のそれぞれの位置を検出する検出手段（１２）を有する、関係推定装置（１０）のプロセッサ（１６）を、複数の人間の位置のそれぞれが特定領域に含まれているかを判断する判断手段（Ｓ９）、および特定領域に含まれていない少なくとも２人以上の人間のそれぞれの位置に基づいて、人間関係を推定する推定手段（Ｓ１５）として機能させる、関係推定プログラムである。

第３の発明でも、第１の発明と同様、無関係な人々が頻繁に行き交ったり、集まったりする場所を除いて、人間関係を推定することができる。そのため、人々の人間関係を精度よく推定することができるようになる。

第４の発明は、空間内に存在する複数の人間のそれぞれの位置を検出する検出手段（１２）を有する、関係推定装置（１０）の関係推定方法であって、複数の人間の位置のそれぞれが特定領域に含まれているかを判断し（Ｓ９）、そして特定領域に含まれていない少なくとも２人以上の人間のそれぞれの位置に基づいて、人間関係を推定する（Ｓ１５）、関係推定方法である。

第４の発明でも、第１の発明と同様、無関係な人々が頻繁に行き交ったり、集まったりする場所を除いて、人間関係を推定することができる。そのため、人々の人間関係を精度よく推定することができるようになる。

この発明によれば、無関係な人々が頻繁に行き交ったり、集まったりする場所を除いて、人々の人間関係が推定されるため、人間関係の推定の精度を向上させることができる。

この発明の上述の目的、その他の目的、特徴および利点は、図面を参照して行う以下の実施例の詳細な説明から一層明らかとなろう。

図１はこの発明の一実施例の関係推定システムの概要を示す図解図である。図２は図１に示す中央制御装置の電気的な構成を示すブロック図である。図３は図１および図２に示すＬＲＦの計測領域を示す図解図である。図４は図３に示すＬＲＦを利用して検出された移動軌跡の一例を示す図解図である。図５は図１に示すＬＲＦが設置される或る場所の地図を示す図解図である。図６は図２に示すメモリに記憶される移動軌跡テーブルの一例を示す図解図である。図７は図２に示すメモリに記憶される関係人間テーブルの一例を示す図解図である。図８は図２に示すメモリのメモリマップの一例を示す図解図である。図９は図２に示すＣＰＵの移動軌跡選別処理を示すフロー図である。図１０は図２に示すＣＰＵの人間関係推定処理を示すフロー図である。

図１を参照して、この実施例の関係推定システム１００は、ＬＲＦ１２ａ，１２ｂを含む数台のＬＲＦを有する中央制御装置１０を備える。ＬＲＦ１２ａ，１２ｂは、人間が任意に移動することができる場所（空間または環境）に設置される。人間が任意に行動する場所は、会社のフロア、博物館、ショッピングモールまたはアトラクション会場などであり、ＬＲＦ１２ａ，１２ｂは様々な場所に設置される。なお、この空間には、システムの管理者によって特定領域ＳＡが設定されている。また、この特定領域ＳＡについては後述するため、ここでの詳細な説明は省略する。

中央制御装置１０は、所定時間（たとえば、１秒）毎にＬＲＦ１２ａ，１２ｂによって、任意に移動する人間の位置を検出し、検出された位置のデータを記憶する。また、中央制御装置１０は、記憶された位置データに基づいて、少なくとも２人以上の人間の人間関係を推定する。

また、位置が検出された人間には、検出された順番に人間ＩＤが付与される。たとえば、図１では、人間Ａには人間ＩＤ「００１」が付与され、人間Ｂには人間ＩＤ「００２」が付与され、人間Ｃには人間ＩＤ「００３」が付与され、人間Ｄには人間ＩＤ「００４」が付与され、人間Ｅには人間ＩＤ「００５」が付与される。

なお、図１では簡単のため人間は５人しか示していないが、中央制御装置１０はさらに多くの人間の位置データおよび移動軌跡データを同時に検出することができる。また、中央制御装置１０は関係推定装置と言われることもある。

図２は中央制御装置１０の電気的な構成を示すブロック図である。図２を参照して、中央制御装置１０は、ＬＲＦ１２ａ−１２ｆ、ＣＰＵ１６およびメモリ１８を含む。ＣＰＵ１６は、マイクロコンピュータ或いはプロセッサとも呼ばれ、時刻情報を出力するＲＴＣ１６ａを含む。また、ＣＰＵ１６には、先述したＬＲＦ１２ａおよびＬＲＦ１２ｂに加えて、ＬＲＦ１２ｃ，ＬＲＦ１２ｄ，ＬＲＦ１２ｅおよびＬＲＦ１２ｆも接続される。さらに、ＣＰＵ１６にはメモリ１８も接続される。なお、ＬＲＦ１２ａ−１２ｆを区別する必要がない場合、「ＬＲＦ１２」と言う。

ＬＲＦ１２は、レーザーを照射し、物体（人間も含む）に反射して戻ってくるまでの時間から当該物体までの距離を計測するものである。たとえば、トランスミッタ（図示せず）から照射したレーザーを回転ミラー（図示せず）で反射させて、前方を扇状に一定角度（たとえば、０．５度）ずつスキャンする。ここで、ＬＲＦ１２としては、SICK社製のレーザーレンジファインダ（型式 LMS200）を用いることができる。このレーザーレンジファインダを用いた場合には、距離８mを±１５mm程度の誤差で計測可能である。

メモリ１８は、図示は省略をするが、ROM，HDDおよびRAMを含む。ROMおよびHDDには、中央制御装置１０の動作を制御するための制御プログラムが予め記憶される。また、RAMは、ＣＰＵ１６のワークメモリやバッファメモリとして用いられる。

なお、検出された人間の位置は、位置データとして記憶される際に、ＲＴＣ１６ａが出力する時刻情報が関連付けられる。

次に、ＬＲＦ１２について詳細に説明する。図３を参照して、ＬＲＦ１２の計測範囲は、半径ｒ（ｒ≒８m）の半円形状（扇形）で示される。つまり、ＬＲＦ１２は、その正面方向を中心とした場合に、左右９０度の方向を所定の距離（ｒ）以内で計測可能である。

また、使用しているレーザーは、日本工業規格 JIS C 6802「レーザー製品の安全基準」におけるクラス１レーザーであり、人の眼に対して影響を及ぼさない安全なレベルである。また、この実施例では、ＬＲＦ１２のサンプリングレートを３７Hzとした。これは、歩行するなどにより移動する人間の位置を連続して検出するためである。

さらに、ＬＲＦ１２の各々は、計測範囲が重なるように配置され、図示は省略するが、床面から約９０cmの高さに固定される。この高さは、被験者の胴体と腕（両腕）とを検出可能とするためであり、たとえば、日本人の成人の平均身長から算出される。したがって、中央制御装置１０を設ける場所（地域ないし国）や被験者の年齢ないし年代（たとえば、子供，大人）に応じて、ＬＲＦ１２を固定する高さを適宜変更するようにしてよい。なお、本実施例では、設定されるＬＲＦ１２は６台としたが、２台以上であれば、任意の台数のＬＲＦ１２が設置されてもよい。

このような構成の中央制御装置１０では、ＣＰＵ１６がＬＲＦ１２からの出力（距離データ）に基づいて、パーティクルフィルタを用いて、人間の現在位置の変化を推定する。そして、推定された位置の変化が移動軌跡として記録される。

たとえば、図４を参照して、ＬＲＦ１２ａ，１２ｂは互いに向い合せに設置され、ＬＲＦ１２ａ，１２ｂの計測範囲が重なる範囲は斜線が付されて示される。斜線が付された範囲は検出領域Ｅとされ、この検出領域Ｅ内では人間の位置が連続的に検出される。そして、連続的に検出された位置の変化が移動軌跡Ｔとなる。つまり、移動軌跡データは、複数の位置データから構成される。なお、検出領域ＥにはＸ−Ｙ座標が設定され、人間の位置データは（Ｘ，Ｙ）の座標で示すことができる。

図５（Ａ）はＬＲＦ１２が設置される場所を示す地図を示す図解図である。図５（Ａ）を参照して、地図が対応する場所は或るショッピングモールである。また、地図の左下側には店舗が示され、右上の中央付近にはショッピングモール内を案内するための案内図が示される。また、地図の右下には休憩スペースが設けられている。また、図５（Ａ）の地図では、ショッピングモールの通路が検出領域Ｅである。そして、その検出領域Ｅ（通路）において、人通りが多い領域が特定領域ＳＡとされる。

図５（Ｂ）を参照して、人間Ａおよび人間Ｂには人間関係が有り、２人は共に店舗から休憩スペースに移動している。また、人間Ｃ、人間Ｄおよび人間Ｅのそれぞれには人間関係は無く、３人はそれぞれが異なる目的を持って通路を移動している。人間Ｃの目的は案内図を見つけることであり、人間Ｄの目的は通路を通り抜けることであり、人間Ｅの目的は店舗に向かうことである。ただし、人間Ｃ、人間Ｄおよび人間Ｅは、略同時に検出領域Ｅ内に入っているため、ショッピングモールの通路に入ってからしばらくの間は、この３人の移動軌跡は似た形状になる。

ここで、検出領域Ｅで検出された全ての移動軌跡の類似度に基づいて人間関係を推定した場合、人間Ａおよび人間Ｂに対して人間関係が有ると推定されるだけでなく、人間Ｃ、人間Ｄおよび人間Ｅに対しても人間関係が有ると推定されてしまう。

そこで、本実施例では、人通りが多い特定領域ＳＡに存在する人間については、人間関係が推定されないようにする。具体的には、検出領域Ｅ内の全ての人間の位置が検出されたとき、検出された人間の位置が特定領域ＳＡに含まれていなければ、その人間の位置データは移動軌跡テーブルに記録される。また、人間の位置が特定領域ＳＡに含まれていれば、その人間の位置データは移動軌跡テーブルに記録されることは無い。そして、中央制御装置１０は、移動軌跡テーブルに記録された移動軌跡データに基づいて、少なくとも２人以上の人間の人間関係を推定する。つまり、特定領域ＳＡに存在する人間は位置データが記録されないため、人間関係が推定されない。

たとえば、図５（Ｂ）における人間Ａおよび人間Ｂの位置は特定領域ＳＡに含まれていないため、２人の移動軌跡データは図６に示す移動軌跡テーブルに記録される。図６を参照して、この移動軌跡テーブルは人間ＩＤおよび移動軌跡データの列から構成される。また、人間ＩＤの列には人間ＩＤ「００１」および人間ＩＤ「００２」などが記録される。移動軌跡データの列には、人間ＩＤの欄に対応して、所定時間毎に連続して検出された位置データを表す座標が記録される。たとえば、人間ＩＤ「００１（人間Ａ）」に対応して、移動軌跡データの列には「（Ｘａ１，Ｙａ１），（Ｘａ２，Ｙａ２），…」が記録される。また、人間ＩＤ「００２（人間Ｂ）」に対応して、移動軌跡データの列には、「（Ｘｂ１，Ｙｂ１），（Ｘｂ２，Ｙｂ２），…」が記録される。そして、移動軌跡テーブルにおいて、一行毎に記録されている複数の位置（座標）データが、移動軌跡データを表す。

また、本実施例では、移動軌跡テーブルに記録された移動軌跡データから人間関係を推定するために、ＤＰマッチングが利用される。この場合、まず、移動軌跡データは全て状態列に変換される。次に、変換された状態列毎にＤＰマッチングによって類似度が算出される。そして、算出された類似度が閾値より大きい、状態列の組み合わせがある場合、その組み合わせに対応する２人の人間に対して、人間関係が有ると推定される。なお、ＤＰマッチングを利用して移動軌跡を比較する手法については、同じ出願人の出願に係る同時係属中の特開２０１０−２３１４７０号公報に開示されているため、詳細な説明は省略する。

また、人間関係が有ると推定されると、推定された人間の人間ＩＤが、推定結果として関係人間テーブルに記憶される。図７を参照して、図５（Ｂ）に示す人間Ａと人間Ｂとに人間関係が有ると推定された場合、２人の人間ＩＤ「００１」、「００２」が関係人間テーブルに記憶される。

なお、ここでは記録される人間ＩＤが２人分だけだが、３人以上の人間に１つの人間関係が有ると推定された場合、関係人間テーブルの１つの欄には、３人以上の人間の人間ＩＤが記録される。たとえば、３人の家族に対して人間関係が有ると推定された場合、関係人間テーブルには、その３人の人間ＩＤが１つの欄に記録される。また、関係人間テーブルには、人間ＩＤと共に算出された類似度が記録されてもよい。

このように、本実施例では、日常的に人通りが多かったり、人が集まりやすかったりする領域を特定領域ＳＡとし、その特定領域ＳＡに存在する人間については人間関係が推定さないように出来る。そのため、人間関係の推定精度を向上させることができる。

図８は図２に示す中央制御装置１０におけるメモリ１８のメモリマップ３００の一例を示す図解図である。図８で示すように、メモリ１８はプログラム記憶領域３０２およびデータ記憶領域３０４を含む。プログラム記憶領域３０２には、中央制御装置１０を動作させるためのプログラムとして、移動軌跡選別プログラム３１０および人間関係推定プログラム３１２などが記憶される。

移動軌跡選別プログラム３１０は、連続的に記録される位置データ、つまり移動軌跡を選別するためのプログラムである。人間関係推定プログラム３１２は、検出された位置が特定領域に含まれていない人間の人間関係を、移動軌跡テーブルに記録された移動軌跡に基づいて推定するためのプログラムである。

なお、図示は省略するが、中央制御装置１０を動作させるためのプログラムには、ＬＲＦ１２によって得た位置を位置データに変換するためのプログラムなども含まれる。

データ記憶領域３０４には、位置バッファ３３０および類似度バッファ３３２が設けられる。また、データ記憶領域３０４には、移動軌跡テーブルデータ３３４、関係人間テーブルデータ３３６、地図データ３３８および特定領域座標データ３４０が記憶される。

位置バッファ３３０には、各人間の位置データが一時的に記憶される。類似度バッファ３３２には、ＤＰマッチングなどを利用して算出された移動軌跡データの類似度が一時的に記憶される。

移動軌跡テーブルデータ３３４は、図６に示すように構成されたテーブルデータである。関係人間テーブルデータ３３６は、図７に示すように構成されたテーブルデータである。地図データ３３８は、検出領域Ｅを示す地図のデータである。また、特定領域座標データ３４０は、図５（Ａ），（Ｂ）に示す特定領域ＳＡを示す座標から構成されているデータである。

なお、図示は省略するが、データ記憶領域３０４には、様々な計算の結果を一時的に格納するバッファなどが設けられると共に、中央制御装置１０の動作に必要な他のカウンタやフラグなども設けられる。

以下、中央制御装置１０のＣＰＵ１６によって実行されるプログラムについて説明する。図９のフロー図は移動軌跡選別プログラム３１０による処理を示し、図１０のフロー図は人間関係推定プログラム３１２による処理を示す。

図９は移動軌跡選別処理のフロー図である。中央制御装置１０の電源がオンにされると、中央制御装置１０のＣＰＵ１６は、ステップＳ１で終了操作か否かを判断する。たとえば、中央制御装置１０の電源をオフにする操作がされたか否かを判断する。ステップＳ１で“ＮＯ”であれば、つまり中央制御装置１０の電源をオフにする操作がされなければ、ステップＳ３で検出領域ＥにおけるＮ人の位置データを取得する。たとえば、図５（Ｂ）に示すように、検出領域Ｅに５人の人間が存在していれば、変数Ｅが「５」となり、人間Ａ−人間Ｅの位置データが位置バッファ３３０から取得される。続いて、ステップＳ５では、変数ｉを初期化する。変数ｉは人間ＩＤを指定するための変数である。そのため、ステップＳ５の処理では、最初の人間ＩＤ「００１」を指定するために、変数ｉには「１」が設定される。

続いて、ステップＳ７では変数ｉが変数Ｎよりも大きいか否かを判断する。つまり、全ての人間ＩＤのそれぞれと対応する各移動軌跡に対して、ステップＳ９−Ｓ１３の処理が行われたか否かが判断される。ステップＳ７で“ＮＯ”であれば、つまり全ての人間ＩＤと対応する移動軌跡に対してステップＳ９−Ｓ１３の処理が行われていなければ、ステップＳ９で人間ＩＤ_ｉの人間の位置は特定領域ＳＡに含まれているか否かを判断する。たとえば、変数ｉが「１」であれば、人間ＩＤ「００１（人間Ａ）」の位置が、特定領域ＳＡに含まれているか否かが判断される。また、具体的な処理としては、ＣＰＵ１６は、位置バッファ３３０に格納されている人間Ａの位置データが、特定領域座標データ３４０によって示される座標範囲内に含まれているか否かを判断する。なお、ステップＳ９の処理を実行するＣＰＵ１６は判断手段として機能する。

ステップＳ９で“ＹＥＳ”であれば、たとえば変数ｉが「３」であれば、図５（Ｂ）に示すように、人間Ｃ（人間ＩＤ「００３」）の位置が特定領域ＳＡに含まれているため、ステップＳ１３に進む。また、ステップＳ９で“ＮＯ”であれば、たとえば変数ｉが「１」であれば、図５（Ｂ）に示すように人間Ａの位置が特定領域ＳＡに含まれていないため、ステップＳ１１で人間ＩＤ_ｉの人間の位置を移動軌跡テーブルに追加する。つまり、図６に示すように、人間Ａの位置データが移動軌跡テーブルに記録される。

続いて、ステップＳ１３では、変数ｉがインクリメントされる。たとえば、変数ｉが「１」であれば、ステップＳ１３の処理が実行されると変数ｉは「２」にされる。そして、ＣＰＵ１６は、変数ｉをインクリメントすることで、次の人間ＩＤを指定することができる。なお、ステップＳ１３の処理が終了すると、ステップＳ７に戻る。

そして、ステップＳ７で“ＹＥＳ”であれば、つまり複数の人間の位置のそれぞれに対して、特定領域ＳＡに含まれるかが判断されると、ステップＳ１５で人間関係推定処理が実行される。なお、人間関係推定処理については、図１０に示すフロー図を用いて詳細に説明するため、ここでの詳細な説明は省略する。また、ステップＳ１５の処理を実行するＣＰＵ１６は推定手段として機能する。

また、ステップＳ１５の処理が終了すると、ステップＳ１に戻る。そして、ステップＳ１で“ＹＥＳ”であれば、たとえば中央制御装置１０の電源がオフにされると、移動軌跡選別処理が終了する。

図１０は人間関係推定処理のフロー図である。図９でステップＳ１５の処理が実行されると、ＣＰＵ１６はステップＳ３１で、移動軌跡テーブルの行数を変数Ｌに設定する。たとえば、移動軌跡テーブルが３行であれば、変数Ｌには「３」が設定される。続いて、ステップＳ３３では、変数ｋに「１」を設定する。変数ｋは移動軌跡テーブルの行を指定するための変数である。そして、移動軌跡テーブルの１行目から処理を開始するために、ステップＳ３３では変数ｋに「１」が設定される。続いて、ステップＳ３５では、変数ｍに「ｋ＋１」を設定する。たとえば、変数ｋが「１」であれば、変数ｍには「２」が設定される。つまり、変数ｍは、変数ｋによって指定される行に対して、次の行を指定するための変数である。

続いて、ステップＳ３７では、移動軌跡テーブルにけるｋ行目とｍ行目との移動軌跡データの類似度を算出する。たとえば、変数ｋが「１」であり、変数ｍが「２」であれば、図６に示す移動軌跡テーブルでは、１行目と２行目とに示される人間Ａと人間Ｂとの移動軌跡データの類似度が、ＤＰマッチングを利用して算出される。なお、算出された類似度は類似度バッファ３３２に格納される。続いて、ステップＳ３９では、算出された類似度が閾値よりも大きいか否かが判断される。たとえば、人間Ａと人間Ｂとの移動軌跡データの類似度が閾値よりも大きいかが判断される。ステップＳ３９で“ＮＯ”であれば、つまり類似度が閾値以下であればステップＳ４３に進む。一方、ステップＳ３９で“ＹＥＳ”であれば、類似度が閾値より大きければ、ステップＳ４１でｋ行目とｍ行目との移動軌跡データに対応する人間ＩＤを関係人間テーブルに記録する。たとえば、変数ｋが「１」であり、変数ｍが「２」であれば、図７に示す関係人間テーブルのように、人間ＩＤ「００１」および人間ＩＤ「００２」が記録される。

続いて、ステップＳ４３では、変数ｍをインクリメントする。たとえば、ステップＳ４３の処理が実行される前の変数ｋが「１」であり、変数ｍが「２」であれば、１行目の移動軌跡データと、３行目以降の移動軌跡データとの類似度を算出するために、変数ｍがインクリメントされる。

続いて、ステップＳ４５では、変数ｍが変数Ｌよりも大きいかを判断する。つまり、ｋ行目の移動軌跡データと「ｋ＋１」行目以降の移動軌跡データとの類似度が全て算出されたか否かを判断する。ステップＳ４５で“ＮＯ”であれば、つまりｋ行目の移動軌跡データと「ｋ＋１」行目以降の移動軌跡データとの類似度が算出されていなければ、ステップＳ３７に戻る。

また、ステップＳ４５で“ＹＥＳ”であれば、つまりｋ行目の移動軌跡データと「ｋ＋１」行目以降の移動軌跡データとの類似度が算出されると、ステップＳ４７で変数ｋをインクリメントする。たとえば、変数ｋが「１」であれば、２行目の移動軌跡データと３行目以降の移動軌跡データとの類似度を算出するために変数ｋがインクリメントされる。

続いて、ステップＳ４９では、変数ｋが変数Ｌと一致したか否かを判断する。たとえば、全ての行の組み合わせで類似度の算出が完了すると、変数ｋと変数Ｌとの値が一致する。そのため、ステップＳ４９では、全ての行の組み合わせで類似度の算出が完了したか否かが判断されている。ステップＳ４９で“ＮＯ”であれば、つまり全ての行の組み合わせで類似度の算出が完了していなければ、ステップＳ３５に戻る。一方、ステップＳ４９で“ＹＥＳ”であれば、全ての行の組み合わせで類似度の算出が完了すれば、人間関係推定処理が終了し、移動軌跡選別処理に戻る。

なお、類似度を算出するときに、移動軌跡データを構成する位置データが１つしかないことがある。この場合、人間関係は２人の距離に基づいて推定される。具体的には、人間関係推定処理のステップＳ３７では、類似度として２人の距離値が算出される。また、ステップＳ３９では、算出された距離値が閾値よりも小さければ“ＹＥＳ”と判断される。つまり、２人の距離に基づいて人間関係が推定される場合、２人の距離が閾値よりも短ければ、人間関係が有ると判断される。

以上の説明から分かるように、関係推定システム１００は、複数のＬＲＦ１２を備える中央制御装置１０を有する。ＬＲＦ１２は、たとえば、ショッピングモールの通路を通る人々の位置を検出する。この通路には、特に人通りが多い場所や、人が密集する場所が特定領域ＳＡとして設定される。そして、複数の人間の位置のそれぞれがその特定領域ＳＡに含まれているかが判断され、中央制御装置１０は、特定領域ＳＡに含まれていない人間の移動軌跡データに基づいて、人間関係の有無を推定する。

したがって、関係推定システム１００は、無関係な人々が頻繁に行き交ったり、集まったりする場所を除いて、人間関係を推定することができる。そのため、人々の人間関係を精度よく推定することができるようになる。

なお、本実施例の人間関係推定処理では、所定時刻毎に人間関係が推定されている。そのため、時間が経過すると推定された人間関係が変化することが有る。たとえば、システムが起動した直後は、蓄積された位置データが少ないため、実際には人間関係が無くても、人間関係が有ると推定されることが有る。しかし、システムの稼働時間が長くなると蓄積された位置データが増えるため、人間関係が正しく推定されるようになる。

また、他の実施例では、上記のように人間関係が変化するのを防ぐために、関係推定システム１００が起動してから一定時間は、人間関係が推定されないようにされてもよい。この場合、移動軌跡判別処理のステップＳ１５が実行される前に、システムが起動してから一定時間が経過したかを判断するステップが追加される。

また、その他の実施例では、人間の性別や年齢に基づいて、推定された人間関係の「属性」を判定する。人間関係の「属性」とは、「家族」、「友達」および「カップル」などである。具体的に説明すると、人間の性別や、年齢が事前に登録されたＲＦＩＤタグを人間に所持させ、ＲＦＩＤタグの電波強度を利用して、ＲＦＩＤタグを所持する人間と、検出された人間とを対応付ける。そして、２人の男女に人間関係が推定されていれば、人間関係の属性を「カップル」と判断する。また、３人以上で同じ年代の集団に人間関係が推定されていれば、人間関係の属性を「友達」と判断する。さらに、３人以上で年齢の差が大きければ、人間関係の属性を「家族」と判断する。

また、さらにその他の実施例では、検出領域Ｅ内に情報提供サービスを実施する自律移動型のロボットが配置されてもよい。そして、ロボットは、人間関係の属性が判定された人間に対して、提供する情報の内容を変化させる。たとえば、「カップル」の属性を持つ２人には、カップル向けのお店や、イベント情報が提供される。また、「友達」の属性を持つ３人以上の集団には、集団を構成する人間を収容可能な、飲食店などの情報が提供される。そして、「家族」の属性を持つ３人以上の集団には、その集団に属する最年少の人間（子ども）向けのイベント情報や、家族用のお店の情報などが提供される。

また、他の実施例では、人間関係を推定する手法として、ＤＰマッチングとは異なる手法が利用されてもよい。たとえば、検出領域Ｅにおいて、特定領域ＳＡとは別に推定領域をさらに設ける。そして、特許文献１のように、その推定領域内の行動履歴に基づいて、人間関係が推定されてもよい。

また、本実施例では、特定領域ＳＡは、システムの管理者によって手動で設定されたが、他の実施例では自動的に設定されてもよい。たとえば、検出した人々の位置を蓄積し、上記「特開２０１０−２３１４７０号公報」に開示されている局所行動や大局行動の発生頻度を求め、その局所行動および大局行動の発生頻度が高い領域が、自動的に特定領域ＳＡとして設定されてもよい。さらに、その他の実施例では、季節、イベントおよび時間帯などによって特定領域ＳＡが変化してもよい。

また、移動軌跡選別プログラム３１０および人間関係推定プログラム３１２は、データ配信用のサーバのHDDに記憶され、ネットワークを介して本実施例と同等の構成のシステムにおける中央制御装置などに配信されてもよい。また、CD, DVD, BD (Blu-ray Disc)などの光学ディスク、USBメモリおよびメモリカードなどの記憶媒体にこれらのプログラムを記憶させた状態で、その記憶媒体が販売または配布されてもよい。そして、上記したサーバや記憶媒体などを通じてダウンロードされた、移動軌跡選別プログラム３１０および人間関係推定プログラム３１２が、本実施例と同等の構成のシステムにおける中央制御装置にインストールされた場合、本実施例と同等の効果が得られる。

そして、本明細書中で挙げた、人数、所定時間、距離、誤差、半径、角度および周波数などの具体的な数値は、いずれも単なる一例であり、製品の仕様などの必要に応じて適宜変更可能である。

１０ …中央制御装置
１２ａ−１２ｆ …ＬＲＦ
１６ …ＣＰＵ
１８ …メモリ

Claims

空間内に存在する複数の人間のそれぞれの位置を検出する検出手段を有する、関係推定装置であって、
前記複数の人間の位置のそれぞれが特定領域に含まれているかを判断する判断手段、および
前記特定領域に含まれていない少なくとも２人以上の人間のそれぞれの位置に基づいて、人間関係を推定する推定手段を備える、関係推定装置。
空間内に存在する複数の人間のそれぞれの位置を検出する検出手段を有する、関係推定システムであって、
前記複数の人間の位置のそれぞれが特定領域に含まれているかを判断する判断手段、および
前記特定領域に含まれていない少なくとも２人以上の人間のそれぞれの位置に基づいて、人間関係を推定する推定手段を備える、関係推定システム。
空間内に存在する複数の人間のそれぞれの位置を検出する検出手段を有する、関係推定装置のプロセッサを、
前記複数の人間の位置のそれぞれが特定領域に含まれているかを判断する判断手段、および
前記特定領域に含まれていない少なくとも２人以上の人間のそれぞれの位置に基づいて、人間関係を推定する推定手段として機能させる、関係推定プログラム。
空間内に存在する複数の人間のそれぞれの位置を検出する検出手段を有する、関係推定装置の関係推定方法であって、
前記複数の人間の位置のそれぞれが特定領域に含まれているかを判断し、そして
前記特定領域に含まれていない少なくとも２人以上の人間のそれぞれの位置に基づいて、人間関係を推定する、関係推定方法。