JP2022032103A - 歩行推定システム、歩行推定方法、及びプログラム - Google Patents

歩行推定システム、歩行推定方法、及びプログラム Download PDF

Info

Publication number
JP2022032103A
JP2022032103A JP2020135600A JP2020135600A JP2022032103A JP 2022032103 A JP2022032103 A JP 2022032103A JP 2020135600 A JP2020135600 A JP 2020135600A JP 2020135600 A JP2020135600 A JP 2020135600A JP 2022032103 A JP2022032103 A JP 2022032103A
Authority
JP
Japan
Prior art keywords
target pedestrian
unit
stride
estimation
estimation unit
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.)
Pending
Application number
JP2020135600A
Other languages
English (en)
Inventor
学 長井
Manabu Nagai
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.)
Toyota Motor Corp
Original Assignee
Toyota Motor 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 Toyota Motor Corp filed Critical Toyota Motor Corp
Priority to JP2020135600A priority Critical patent/JP2022032103A/ja
Priority to CN202110895518.6A priority patent/CN114076597A/zh
Priority to US17/396,019 priority patent/US20220051005A1/en
Publication of JP2022032103A publication Critical patent/JP2022032103A/ja
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C22/00—Measuring distance traversed on the ground by vehicles, persons, animals or other moving solid bodies, e.g. using odometers, using pedometers
    • G01C22/006—Pedometers
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
    • G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
    • G01C21/16—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation
    • G01C21/165—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation combined with non-inertial navigation instruments
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/20—Instruments for performing navigational calculations
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C23/00—Combined instruments indicating more than one navigational value, e.g. for aircraft; Combined measuring devices for measuring two or more variables of movement, e.g. distance, speed or acceleration
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/103—Static body considered as a whole, e.g. static pedestrian or occupant recognition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/20—Movements or behaviour, e.g. gesture recognition
    • G06V40/23—Recognition of whole body movements, e.g. for sport training
    • G06V40/25—Recognition of walking or running movements, e.g. gait recognition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30196—Human being; Person
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/07—Target detection

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Human Computer Interaction (AREA)
  • Psychiatry (AREA)
  • General Health & Medical Sciences (AREA)
  • Social Psychology (AREA)
  • Health & Medical Sciences (AREA)
  • Automation & Control Theory (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Traffic Control Systems (AREA)
  • Navigation (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Radar Systems Or Details Thereof (AREA)
  • Optical Radar Systems And Details Thereof (AREA)
  • Measurement Of Distances Traversed On The Ground (AREA)

Abstract

【課題】歩行者の歩幅の推定精度が低下することを抑制すること。【解決手段】本発明に係る歩行推定システムは、画像を取得するインフラセンサと、インフラセンサが取得した画像であって、対象歩行者を含む画像を解析する解析部と、解析部が解析した、対象歩行者を含む画像の解析結果に基づいて、対象歩行者の歩幅を推定する歩幅推定部と、を備える。【選択図】図１３

Description

本発明は、歩行推定システム、歩行推定方法、及びプログラムに関する。
特許文献１には、歩行者に装着された端末が、端末に内蔵された加速度センサで検出された加速度の大きさを用いて、歩行者の歩幅を推定する技術が開示されている。
より詳細には、特許文献１に開示された技術は、加速度と歩幅との相関関係を表すモデル式に従って、加速度の大きさを用いて、歩行者の歩幅を推定する。
特許第５６２１８９９号公報
上述したように、特許文献１に開示された技術は、加速度センサで検出された加速度の大きさのみを用いて、歩行者の歩幅を推定する。
しかし、同じ歩幅の歩行者同士でも、歩行者の状況の違いによって、加速度の大きさは異なると考えられる。例えば、歩行者の歩き方、体格、加速度センサの位置（例えば、手で加速度センサを持っているか、又は、ポケットに加速度センサを入れているか等の違い）等の状況の違いによって、加速度の大きさは異なると考えられる。
そのため、特許文献１に開示された技術のように、加速度の大きさのみを用いて、歩行者の歩幅を推定すると、歩幅の推定精度が低下してしまうという課題がある。
本発明は、上記課題に鑑みなされたものであって、歩行者の歩幅の推定精度が低下することを抑制することができる歩行推定システム、歩行推定方法、及びプログラムを提供するものである。
本発明の一態様に係る歩行推定システムは、
画像を取得するインフラセンサと、
前記インフラセンサが取得した画像であって、対象歩行者を含む画像を解析する解析部と、
前記解析部が解析した、前記対象歩行者を含む画像の解析結果に基づいて、前記対象歩行者の歩幅を推定する歩幅推定部と、
を備える。
本発明の一態様に係る歩行推定方法は、
インフラセンサにより画像を取得するステップと、
前記インフラセンサが取得した画像であって、対象歩行者を含む画像を解析するステップと、
前記対象歩行者を含む画像の解析結果に基づいて、前記対象歩行者の歩幅を推定するステップと、
を含む。
本発明の一態様に係るプログラムは、
コンピュータに、
インフラセンサが取得した画像であって、対象歩行者を含む画像を解析する手順と、
前記対象歩行者を含む画像の解析結果に基づいて、前記対象歩行者の歩幅を推定する手順と、
を実行させる。
上述した本発明の態様によれば、歩行者の歩幅の推定精度が低下することを抑制することが可能な歩行推定システム、歩行推定方法、及びプログラムを提供することができる。
実施の形態１に係る歩行推定システムの構成例を示すブロック図である。 図１に示されるカメラの設置例を示す図である。 図１に示される歩幅推定部の構成例を示すブロック図である。 図３に示される歩幅推定部において、対象歩行者の歩幅を推定する方法の流れの例を示すフロー図である。 図１に示される歩行推定システムの全体的な処理の流れの例を示すフロー図である。 実施の形態２に係る歩行推定システムの構成例を示すブロック図である。 図６に示される歩行推定システムの全体的な処理の流れの例を示すフロー図である。 実施の形態３に係る歩行推定システムの構成例を示すブロック図である。 図８に示される歩行推定システムの全体的な処理の流れの例を示すフロー図である。 実施の形態４に係る歩行推定システムの構成例を示すブロック図である。 図１０に示される配信部が保持する対応テーブルの例を示す図である。 図１０に示される歩行推定システムの全体的な処理の流れの例を示すフロー図である。 実施の形態を概念的に示した歩行推定システムの構成例を示すブロック図である。 図１３に示される歩行推定システムの全体的な処理の流れの例を示すフロー図である。
以下、図面を参照して本発明の実施の形態について説明する。なお、以下で説明する各図面において、同一又は対応する要素には同一の符号が付されており、必要に応じて重複説明は省略される。
＜実施の形態１＞
まず、図１を参照して、本実施の形態１に係る歩行推定システムの構成例について説明する。
図１に示されるように、本実施の形態１に係る歩行推定システムは、カメラ１０、加速度センサ２０、ジャイロセンサ３０、及び、歩行推定装置４０を備えている。また、歩行推定装置４０は、歩数カウント部４１、解析部４２、歩幅推定部４３、移動量推定部４４、進行方向推定部４５、及び、位置推定部４６を備えている。
カメラ１０は、撮影を行い、カメラ画像を取得するもので、インフラセンサの一例である。本実施の形態１においては、対象歩行者の位置を検出するために、カメラ１０を利用する。カメラ１０は、例えば、図２に示されるように、街中に設置される。なお、カメラ１０の設置位置は、街中の電柱、建物等の任意の位置で良い。また、図１では、複数のカメラ１０を図示しているが、カメラ１０は、１つ以上設置されていれば良い。
加速度センサ２０及びジャイロセンサ３０は、対象歩行者が携帯する端末に内蔵されている。対象歩行者が携帯する端末は、スマートフォン、携帯電話、タブレット端末、携帯型ゲーム機器等の対象歩行者が携帯可能な端末でも良いし、対象歩行者が手首、腕、頭等に装着可能なウェアラブル端末でも良い。
加速度センサ２０は、直交３軸の加速度を検出するセンサである。ジャイロセンサ３０は、直交３軸の角速度を検出するセンサである。なお、図１では、加速度センサ２０及びジャイロセンサ３０を互いに独立したセンサとして図示しているが、加速度センサ２０及びジャイロセンサ３０は一体型のセンサとしても良い。
なお、カメラ１０が取得したカメラ画像は、カメラ１０又は別の任意の通信装置が、歩行推定装置４０に無線送信する。同様に、加速度センサ２０が取得した加速度の情報は、加速度センサ２０又は別の任意の通信装置が歩行推定装置４０に無線送信し、ジャイロセンサ３０が取得した角速度の情報は、ジャイロセンサ３０又は別の任意の通信装置が歩行推定装置４０に無線送信する。また、無線送信を行う場合の通信方式は、任意の周知の通信方式で良く、特に限定されない。
歩数カウント部４１は、加速度センサ２０が検出した加速度に基づいて、対象歩行者の歩数をカウントする。なお、歩数カウント部４１において、加速度から歩数を検出する方法としては、例えば、特許文献１にも開示されているような、任意の周知の方法を利用すれば良く、特に、限定されない。
解析部４２は、カメラ１０が取得したカメラ画像であって、対象歩行者を含むカメラ画像を解析する。詳細には、解析部４２は、対象歩行者を含むカメラ画像を解析することによって、対象歩行者の位置を検出する。なお、解析部４２において、カメラ画像から対象歩行者の位置を検出する方法としては、任意の周知の画像認識技術を利用すれば良く、特に、限定されない。
歩幅推定部４３は、解析部４２が解析した、対象歩行者を含むカメラ画像の解析結果に基づいて、対象歩行者の歩幅を推定する。詳細には、歩幅推定部４３は、解析部４２がカメラ画像の解析によって検出した対象歩行者の位置に基づいて、対象歩行者の歩幅を推定する。なお、歩幅推定部４３において、対象歩行者の歩幅を推定する具体的な方法は後述する。
なお、解析部４２及び歩幅推定部４３は、対象歩行者がカメラ１０の画角内に入ってから、上記の動作を開始し、対象歩行者の歩幅の推定及び更新を行うことになる。対象歩行者がカメラ１０の画角内に入る前は、対象歩行者の歩幅は、例えば、予め決められた一定の歩幅とすれば良い。
移動量推定部４４は、歩数カウント部４１がカウントした対象歩行者の歩数と、歩幅推定部４３が推定した対象歩行者の歩幅と、に基づいて、対象歩行者の移動量を推定する。詳細には、移動量推定部４４は、対象歩行者の歩数と対象歩行者の歩幅との積を、対象歩行者の移動量と推定する。
進行方向推定部４５は、ジャイロセンサ３０が検出した角速度に基づいて、対象歩行者の進行方向を推定する。なお、進行方向推定部４５において、角速度から進行方向を推定する方法としては、例えば、特許文献１にも開示されているような、任意の周知の方法を利用すれば良く、特に、限定されない。
なお、対象歩行者がカメラ１０の画角内に入っている場合には、解析部４２は、カメラ画像から対象歩行者の位置を検出することができる。そのため、この場合には、進行方向推定部４５は、対象歩行者の進行方向の推定において、解析部４２が検出した対象歩行者の位置の情報を用いても良い。例えば、進行方向推定部４５は、解析部４２が検出した対象歩行者の位置に基づいて、上記で推定した対象歩行者の進行方向を補正しても良い。
位置推定部４６は、移動量推定部４４が推定した対象歩行者の移動量と、進行方向推定部４５が推定した対象歩行者の進行方向と、に基づいて、対象歩行者の位置を推定する。例えば、位置推定部４６は、地図データを保持し、対象歩行者の移動量及び進行方向を地図データと照合することとすれば、対象歩行者の地図上の位置を推定することができる。
なお、対象歩行者がカメラ１０の画角内に入っている場合には、解析部４２は、カメラ画像から対象歩行者の位置を検出することができる。そのため、この場合には、位置推定部４６は、対象歩行者の位置の推定において、解析部４２が検出した対象歩行者の位置の情報を用いても良い。例えば、位置推定部４６は、解析部４２が検出した対象歩行者の位置に基づいて、上記で推定した対象歩行者の位置を補正しても良い。又は、位置推定部４６は、対象歩行者の位置を、解析部４２が検出した位置と推定しても良い。
続いて、図３及び図４を参照して、歩幅推定部４３の構成及び歩幅推定部４３が対象歩行者の歩幅を推定する具体的な方法について説明する。ここでは、歩幅推定部４３は、周期的に、対象歩行者の歩幅を推定するものとする。また、ここでは、歩幅推定部４３は、解析部４２が検出した対象歩行者の位置と、移動量推定部４４が推定した対象歩行者の移動量と、に基づいて、対象歩行者の歩幅を推定するものとする。
まず、図３を参照して、図１に示される歩幅推定部４３の構成例について説明する。
図３に示されるように、歩幅推定部４３は、第１歩行速度推定部４３１、第２歩行速度推定部４３２、減算器４３３、乗算器４３４、加算器４３５、及び、バッファ４３６を備えている。
第１歩行速度推定部４３１は、解析部４２が検出した対象歩行者の位置に基づいて、対象歩行者の歩行速度を推定する。以降、第１歩行速度推定部４３１が推定した歩行速度を歩行速度Ｘと称す。
第２歩行速度推定部４３２は、移動量推定部４４が推定した対象歩行者の移動量に基づいて、対象歩行者の歩行速度を推定する。以降、第２歩行速度推定部４３２が推定した歩行速度を歩行速度Ｙと称す。なお、このときの対象歩行者の移動量は、歩幅推定部４３が１周期前に推定した対象歩行者の歩幅に基づいて、移動量推定部４４が推定した移動量となる。
減算器４３３は、第１歩行速度推定部４３１が推定した歩行速度Ｘから、第２歩行速度推定部４３２が推定した歩行速度Ｙを減算することで、（Ｘ－Ｙ）を算出する。
乗算器４３４は、減算器４３３が算出した（Ｘ－Ｙ）に対し、所定の係数αを乗算することで、α（Ｘ－Ｙ）を算出する。
このとき、バッファ４３６には、歩幅推定部４３が１周期前に推定した対象歩行者の歩幅の情報が格納されている。加算器４３５は、乗算器４３４が算出したα（Ｘ－Ｙ）と、バッファ４３６に格納されている、１周期前に推定された対象歩行者の歩幅と、を加算する。
バッファ４３６は、加算器４３５が加算した加算結果を、歩幅推定部４３が今回の周期で新たに推定した対象歩行者の歩幅とみなす。そして、バッファ４３６は、新たに推定された対象歩行者の歩幅の情報を格納すると共に、移動量推定部４４に出力する。
続いて、図４を参照して、図３に示される歩幅推定部４３において、対象歩行者の歩幅を推定する方法の流れの例について説明する。なお、図４のフローは、周期的に行われるものとする。
図４に示されるように、まず、第１歩行速度推定部４３１は、解析部４２が検出した対象歩行者の位置に基づいて、対象歩行者の歩行速度Ｘを推定する（ステップＳ１１）。続いて、第２歩行速度推定部４３２は、移動量推定部４４が推定した対象歩行者の移動量に基づいて、対象歩行者の歩行速度Ｙを推定する（ステップＳ１２）。
続いて、減算器４３３は、第１歩行速度推定部４３１が推定した歩行速度Ｘから、第２歩行速度推定部４３２が推定した歩行速度Ｙを減算することで、（Ｘ－Ｙ）を算出する（ステップＳ１３）。続いて、乗算器４３４は、減算器４３３が算出した（Ｘ－Ｙ）に対し、所定の係数αを乗算することで、α（Ｘ－Ｙ）を算出する（ステップＳ１４）。
その後、加算器４３５は、乗算器４３４が算出したα（Ｘ－Ｙ）と、バッファ４３６に格納されている、１周期前に推定された対象歩行者の歩幅と、を加算する（ステップＳ１５）。この加算結果は、歩幅推定部４３で今回の周期で新たに推定された対象歩行者の歩幅の情報として、バッファ４３６に格納されると共に、移動量推定部４４に出力される。
続いて、図５を参照して、図１に示される本実施の形態１に係る歩行推定システムの全体的な処理の流れの例について説明する。ここでは、対象歩行者がカメラ１０の画角内に入っているものと仮定する。
図５に示されるように、加速度センサ２０は、対象歩行者に生じた加速度を検出する（ステップＳ１０１）。続いて、歩数カウント部４１は、加速度センサ２０が検出した加速度に基づいて、対象歩行者の歩数をカウントする（ステップＳ１０２）。
また、カメラ１０は、対象歩行者を含むカメラ画像を取得する（ステップＳ１０３）。続いて、解析部４２は、カメラ１０が取得した、対象歩行者を含むカメラ画像を解析する（ステップＳ１０４）。続いて、歩幅推定部４３は、解析部４２が解析した、対象歩行者を含むカメラ画像の解析結果に基づいて、対象歩行者の歩幅を推定する（ステップＳ１０５）。詳細には、解析部４２は、対象歩行者を含むカメラ画像を解析することによって、対象歩行者の位置を検出し、歩幅推定部４３は、解析部４２がカメラ画像の解析によって検出した対象歩行者の位置に基づいて、対象歩行者の歩幅を推定する。続いて、移動量推定部４４は、歩数カウント部４１がカウントした対象歩行者の歩数と、歩幅推定部４３が推定した対象歩行者の歩幅と、に基づいて、対象歩行者の移動量を推定する（ステップＳ１０６）。
また、ジャイロセンサ３０は、対象歩行者に生じた角速度を検出する（ステップＳ１０７）。続いて、進行方向推定部４５は、ジャイロセンサ３０が検出した角速度に基づいて、対象歩行者の進行方向を推定する（ステップＳ１０８）。このとき、進行方向推定部４５は、対象歩行者の進行方向の推定において、解析部４２が検出した対象歩行者の位置の情報を用いても良い。
続いて、位置推定部４６は、移動量推定部４４が推定した対象歩行者の移動量と、進行方向推定部４５が推定した対象歩行者の進行方向と、に基づいて、対象歩行者の位置を推定する（ステップＳ１０９）。このとき、位置推定部４６は、対象歩行者の位置の推定において、解析部４２が検出した対象歩行者の位置の情報を用いても良い。
上述したように、本実施の形態１に係る歩行推定システムによれば、解析部４２は、カメラ１０が取得したカメラ画像であって、対象歩行者を含むカメラ画像を解析する。そして、歩幅推定部４３は、解析部４２が解析したカメラ画像の解析結果に基づいて、対象歩行者の歩幅を推定する。
これにより、対象歩行者の歩き方等の状況の違いによって、対象歩行者の歩幅の推定精度が低下することを抑制することができる。
＜実施の形態２＞
続いて、図６を参照して、本実施の形態２に係る歩行推定システムの構成例について説明する。
図６に示されるように、本実施の形態２に係る歩行推定システムは、上述した実施の形態１の図１と比較して、インフラセンサとして、カメラ１０の代わりに、ＬｉＤＡＲ（Light Detection and Ranging）１１を設けた点が異なる。
ＬｉＤＡＲ１１は、レーザー光を対象物に照射して、対象物をセンシングするもので、ＬｉＤＡＲ１１のセンシング結果から対象物の位置を検出可能である。本実施の形態２においては、対象歩行者の位置を検出するために、ＬｉＤＡＲ１１を利用する。ＬｉＤＡＲ１１は、カメラ１０と同様に、街中の任意の位置に設置すれば良い。また、ＬｉＤＡＲ１１は、カメラ１０と同様に、１つ以上設けられていれば良い。
ＬｉＤＡＲ１１は、ＬｉＤＡＲ１１の周囲の対象物をセンシングし、そのセンシング結果を画像化することによって、センシング画像を取得する。
なお、ＬｉＤＡＲ１１が取得したセンシング画像は、ＬｉＤＡＲ１１又は別の任意の通信装置が、歩行推定装置４０に無線送信する。また、無線送信を行う場合の通信方式は、任意の周知の通信方式で良く、特に限定されない。
解析部４２は、ＬｉＤＡＲ１１が取得したセンシング画像であって、対象歩行者のセンシング画像を含むセンシング画像を解析する。詳細には、解析部４２は、対象歩行者のセンシング画像を解析することによって、対象歩行者の位置を検出する。なお、解析部４２において、センシング画像から対象歩行者の位置を検出する方法としては、任意の周知の方法を利用すれば良く、特に、限定されない。
歩幅推定部４３は、解析部４２が解析した、対象歩行者のセンシング画像の解析結果に基づいて、対象歩行者の歩幅を推定する。詳細には、歩幅推定部４３は、解析部４２がセンシング画像の解析によって検出した対象歩行者の位置に基づいて、対象歩行者の歩幅を推定する。例えば、歩幅推定部４３は、図３に示される構成とし、図４に示される方法により、対象歩行者の歩幅を推定すれば良い。
なお、解析部４２及び歩幅推定部４３は、対象歩行者がＬｉＤＡＲ１１でセンシング可能な範囲内に入ってから、上記の動作を開始し、対象歩行者の歩幅の推定及び更新を行うことになる。対象歩行者がＬｉＤＡＲ１１でセンシング可能な範囲内に入る前は、対象歩行者の歩幅は、例えば、予め決められた一定の歩幅とすれば良い。
また、ＬｉＤＡＲ１１は、対象歩行者のセンシング結果を画像化しなくても良い。この場合、解析部４２は、ＬｉＤＡＲ１１がセンシングした対象歩行者のセンシング結果を解析することによって、対象歩行者の位置を検出しても良い。また、歩幅推定部４３は、解析部４２がセンシング結果の解析によって検出した対象歩行者の位置に基づいて、対象歩行者の歩幅を推定しても良い。
本実施の形態２に係る歩行推定システムは、上記以外の構成は、上述した実施の形態１と同様である。
続いて、図７を参照して、図６に示される本実施の形態２に係る歩行推定システムの全体的な処理の流れの例について説明する。ここでは、対象歩行者がＬｉＤＡＲ１１でセンシング可能な範囲内に入っているものと仮定する。
図７に示されるように、本実施の形態２に係る歩行推定システムの全体的な処理は、上述した実施の形態１の図５と比較して、図５のステップＳ１０３～Ｓ１０５の代わりに、ステップＳ２０１～Ｓ２０３を行う点が異なる。そこで、以下では、図５とは異なるステップＳ２０１～Ｓ２０３についてのみ、説明を行う。
ＬｉＤＡＲ１１は、対象歩行者をセンシングし、そのセンシング結果を画像化することによって、センシング画像を取得する（ステップＳ２０１）。続いて、解析部４２は、ＬｉＤＡＲ１１が取得した対象歩行者のセンシング画像を解析する（ステップＳ２０２）。続いて、歩幅推定部４３は、解析部４２が解析した、対象歩行者のセンシング画像の解析結果に基づいて、対象歩行者の歩幅を推定する（ステップＳ２０３）。詳細には、解析部４２は、対象歩行者のセンシング画像を解析することによって、対象歩行者の位置を検出し、歩幅推定部４３は、解析部４２がセンシング画像の解析によって検出した対象歩行者の位置に基づいて、対象歩行者の歩幅を推定する。
上述したように、本実施の形態２に係る歩行推定システムによれば、解析部４２は、ＬｉＤＡＲ１１が取得したセンシング画像であって、対象歩行者を含むセンシング画像を解析する。そして、歩幅推定部４３は、解析部４２が解析したセンシング画像の解析結果に基づいて、対象歩行者の歩幅を推定する。
これにより、対象歩行者の歩き方等の状況の違いによって、対象歩行者の歩幅の推定精度が低下することを抑制することができる。
＜実施の形態３＞
続いて、図８を参照して、本実施の形態３に係る歩行推定システムの構成例について説明する。
図８に示されるように、本実施の形態３に係る歩行推定システムは、上述した実施の形態１の図１と比較して、インフラセンサとして、カメラ１０の代わりに、ミリ波レーダー１２を設けた点が異なる。
ミリ波レーダー１２は、ミリ波を対象物に照射して、対象物をセンシングするもので、ミリ波レーダー１２のセンシング結果から対象物の位置及び速度を検出可能である。本実施の形態３においては、対象歩行者の歩行速度を検出するために、ミリ波レーダー１２を利用する。ミリ波レーダー１２は、カメラ１０と同様に、街中の任意の位置に設置すれば良い。また、ミリ波レーダー１２は、カメラ１０と同様に、１つ以上設けられていれば良い。
ミリ波レーダー１２は、ミリ波レーダー１２の周囲の対象物をセンシングし、そのセンシング結果を画像化することによって、センシング画像を取得する。
なお、ミリ波レーダー１２が取得したセンシング画像は、ミリ波レーダー１２又は別の任意の通信装置が、歩行推定装置４０に無線送信する。また、無線送信を行う場合の通信方式は、任意の周知の通信方式で良く、特に限定されない。
解析部４２は、ミリ波レーダー１２が取得したセンシング画像であって、対象歩行者のセンシング画像を含むセンシング画像を解析する。詳細には、解析部４２は、対象歩行者のセンシング画像を解析することによって、対象歩行者の歩行速度を検出する。なお、解析部４２において、センシング画像から対象歩行者の歩行速度を検出する方法としては、任意の周知の方法を利用すれば良く、特に、限定されない。
歩幅推定部４３は、解析部４２が解析した、対象歩行者のセンシング画像の解析結果に基づいて、対象歩行者の歩幅を推定する。詳細には、歩幅推定部４３は、解析部４２がセンシング画像の解析によって検出した対象歩行者の歩行速度に基づいて、対象歩行者の歩幅を推定する。例えば、歩幅推定部４３は、図３から第１歩行速度推定部４３１を除去し、解析部４２が検出した対象歩行者の歩行速度を、歩行速度Ｘとして入力する構成であれば良い。また、歩幅推定部４３は、図４のステップＳ１２以下の方法により、対象歩行者の歩幅を推定すれば良い。
なお、解析部４２及び歩幅推定部４３は、対象歩行者がミリ波レーダー１２でセンシング可能な範囲内に入ってから、上記の動作を開始し、対象歩行者の歩幅の推定及び更新を行うことになる。対象歩行者がミリ波レーダー１２でセンシング可能な範囲内に入る前は、対象歩行者の歩幅は、例えば、予め決められた一定の歩幅とすれば良い。
また、ミリ波レーダー１２は、対象歩行者のセンシング結果を画像化しなくても良い。この場合、解析部４２は、ミリ波レーダー１２がセンシングした対象歩行者のセンシング結果を解析することによって、対象歩行者の歩行速度を検出しても良い。また、歩幅推定部４３は、解析部４２がセンシング結果の解析によって検出した対象歩行者の歩行速度に基づいて、対象歩行者の歩幅を推定しても良い。
本実施の形態３に係る歩行推定システムは、上記以外の構成は、上述した実施の形態１と同様である。
続いて、図９を参照して、図８に示される本実施の形態３に係る歩行推定システムの全体的な処理の流れの例について説明する。ここでは、対象歩行者がミリ波レーダー１２でセンシング可能な範囲内に入っているものと仮定する。
図９に示されるように、本実施の形態３に係る歩行推定システムの全体的な処理は、上述した実施の形態１の図５と比較して、図５のステップＳ１０３～Ｓ１０５の代わりに、ステップＳ３０１～Ｓ３０３を行う点が異なる。そこで、以下では、図５とは異なるステップＳ３０１～Ｓ３０３についてのみ、説明を行う。
ミリ波レーダー１２は、対象歩行者をセンシングし、そのセンシング結果を画像化することによって、センシング画像を取得する（ステップＳ３０１）。続いて、解析部４２は、ミリ波レーダー１２が取得した対象歩行者のセンシング画像を解析する（ステップＳ３０２）。続いて、歩幅推定部４３は、解析部４２が解析した、対象歩行者のセンシング画像の解析結果に基づいて、対象歩行者の歩幅を推定する（ステップＳ３０３）。詳細には、解析部４２は、対象歩行者のセンシング画像を解析することによって、対象歩行者の歩行速度を検出し、歩幅推定部４３は、解析部４２がセンシング画像の解析によって検出した対象歩行者の歩行速度に基づいて、対象歩行者の歩幅を推定する。
上述したように、本実施の形態３に係る歩行推定システムによれば、解析部４２は、ミリ波レーダー１２が取得したセンシング画像であって、対象歩行者を含むセンシング画像を解析する。そして、歩幅推定部４３は、解析部４２が解析したセンシング画像の解析結果に基づいて、対象歩行者の歩幅を推定する。
これにより、対象歩行者の歩き方等の状況の違いによって、対象歩行者の歩幅の推定精度が低下することを抑制することができる。
＜実施の形態４＞
続いて、図１０を参照して、本実施の形態４に係る歩行推定システムの構成例について説明する。
図１０に示されるように、本実施の形態４に係る歩行推定システムは、上述した実施の形態１と比較して、歩行推定装置４０の内部に配信部４７が追加されている点が異なる。
配信部４７は、対象歩行者のＩＤ（Identification）等の識別情報に紐づけられた特定の端末に対し、以下の情報のうちの少なくとも１つを配信する。
・歩幅推定部４３が推定した対象歩行者の歩幅の情報
・移動量推定部４４が推定した対象歩行者の移動量の情報
・進行方向推定部４５が推定した対象歩行者の進行方向の情報
・位置推定部４６が推定した対象歩行者の位置の情報
配信部４７は、例えば、図１１に示されるように、対象歩行者のＩＤと、特定の端末を識別する情報（図１１の例では、特定の端末のメールアドレス）と、を紐づける対応テーブルを保持しておき、対応テーブルを参照して、対象歩行者のＩＤに紐づけられている特定の端末を特定する。
もし、対象歩行者が１人のみである場合には、対応テーブルには１人の対象歩行者のエントリのみが存在する。そのため、配信部４７は、対象歩行者のＩＤに紐づけられている特定の端末を一意に特定することができる。
一方、対象歩行者が複数人である場合には、対応テーブルには複数人の対象歩行者のエントリが存在する。従って、配信部４７は、歩幅等を推定した対象歩行者に対し、上述した情報を配信するためには、その対象歩行者のＩＤを特定する必要がある。
そこで、配信部４７は、以下のようにして、歩幅等を推定した対象歩行者のＩＤを特定することが考えられる。
例えば、カメラ１０による撮影が可能な撮影可能領域内に、その撮影可能領域内を移動する端末の検出が可能で、且つ、検出した端末との通信が可能な検出用通信装置を１つ以上設置しておく。歩幅推定部４３が、カメラ１０によるカメラ画像を用いて、対象歩行者の歩幅を推定した場合は、そのカメラ１０の撮影可能領域内に設置された検出用通信装置が、端末の検出を試みる。検出用通信装置は、端末を検出できた場合は、検出した端末と通信を行って、検出した端末を携帯する者のＩＤを取得する。配信部４７は、検出用通信装置が検出した端末を、対象歩行者が携帯する端末とみなし、また、検出用通信装置が取得したＩＤを、対象歩行者のＩＤとして特定する。ただし、対象歩行者のＩＤを特定する方法は、これには限定されず、その他の任意の方法を利用できる。
なお、対象歩行者のＩＤに紐づけられた特定の端末は、対象歩行者が携帯する端末でも良いし、対象歩行者の自宅等にある端末でも良い。
また、配信部４７において、上述した情報のうち、どの情報を配信するかは、予め設定されていても良いし、対象歩行者が選択可能としても良い。
また、配信部４７において、上述した情報を特定の端末へ配信する場合の通信方式は、任意の周知の無線又は有線の通信方式で良く、特に限定されない。
続いて、図１２を参照して、図１０に示される本実施の形態４に係る歩行推定システムの全体的な処理の流れの例について説明する。ここでは、対象歩行者がカメラ１０の画角内に入っているものと仮定する。
図１２に示されるように、本実施の形態４に係る歩行推定システムの全体的な処理は、上述した実施の形態１の図５と比較して、ステップＳ４０１を追加した点が異なる。
まず、上述した実施の形態１の図５と同様に、ステップＳ１０１～Ｓ１０９の処理が行われる。
続いて、配信部４７は、対象歩行者のＩＤに紐づけられた特定の端末に対し、以下の情報のうちの少なくとも１つを配信する（ステップＳ４０１）。
・歩幅推定部４３が推定した対象歩行者の歩幅の情報
・移動量推定部４４が推定した対象歩行者の移動量の情報
・進行方向推定部４５が推定した対象歩行者の進行方向の情報
・位置推定部４６が推定した対象歩行者の位置の情報
上述したように、本実施の形態４に係る歩行推定システムによれば、配信部４７は、対象歩行者のＩＤに紐づけられた特定の端末に対し、推定した対象歩行者の歩幅の情報等を配信する。
これにより、対象歩行者や対象歩行者の関係者等が、対象歩行者の歩幅等を知ることができる。その他の効果は、上述した実施の形態１と同様である。
なお、本実施の形態４は、上述した実施の形態１の構成に配信部４７を追加した構成であったが、これには限定されない。本実施の形態４は、上述した実施の形態２又は３の構成に配信部４７を追加した構成であっても良い。
＜実施の形態の概念＞
続いて、図１３を参照して、上述した実施の形態１～４に係る歩行推定システムを概念的に示した歩行推定システムの構成例について説明する。
図１３に示される歩行推定システムは、インフラセンサ１００及び歩行推定装置４００を備えている。また、歩行推定装置４００は、解析部４１０及び歩幅推定部４２０を備えている。
インフラセンサ１００は、図１若しくは図１０に示されるカメラ１０、図６に示されるＬｉＤＡＲ１１、又は、図８に示されるミリ波レーダー１２のいずれかに対応する。インフラセンサ１００は、画像を取得する。例えば、インフラセンサ１００は、カメラ１０である場合には、カメラ画像を取得し、ＬｉＤＡＲ１１又はミリ波レーダー１２である場合には、センシング画像を取得する。
解析部４１０は、図１、図６、図８、又は図１０に示される解析部４２に対応する。解析部４１０は、インフラセンサ１００が取得した画像であって、対象歩行者を含む画像を解析する。詳細には、解析部４１０は、対象歩行者を含む画像を解析することによって、対象歩行者の位置又は歩行速度を検出する。
歩幅推定部４２０は、図１、図６、図８、又は図１０に示される歩幅推定部４３に対応する。歩幅推定部４２０は、解析部４１０が解析した、対象歩行者を含む画像の解析結果に基づいて、対象歩行者の歩幅を推定する。詳細には、歩幅推定部４２０は、解析部４１０が画像の解析によって検出した対象歩行者の位置又は歩行速度に基づいて、対象歩行者の歩幅を推定する。なお、歩幅推定部４２０の詳細構成は、例えば、図３の構成とすれば良い。また、歩幅推定部４２０が対象歩行者の歩幅を推定する具体的な方法は、例えば、図４の方法とすれば良い。
続いて、図１４を参照して、図１３に示される歩行推定システムの全体的な処理の流れの例について説明する。ここでは、対象歩行者がインフラセンサ１００でセンシング可能な範囲内（インフラセンサ１００がカメラの場合はカメラの画角内）に入っているものと仮定する。
図１４に示されるように、まず、インフラセンサ１００は、対象歩行者を含む画像を取得する（ステップＳ５０１）。続いて、解析部４１０は、インフラセンサ１００が取得した、対象歩行者を含む画像を解析する（ステップＳ５０２）。その後、歩幅推定部４２０は、解析部４１０が解析した、対象歩行者を含む画像の解析結果に基づいて、対象歩行者の歩幅を推定する（ステップＳ５０３）。詳細には、解析部４１０は、対象歩行者を含む画像を解析することによって、対象歩行者の位置又は歩行速度を検出し、歩幅推定部４２０は、解析部４１０が画像の解析によって検出した対象歩行者の位置又は歩行速度に基づいて、対象歩行者の歩幅を推定する。
上述したように、図１３に示される歩行推定システムによれば、解析部４１０は、インフラセンサ１００が取得した画像であって、対象歩行者を含む画像を解析する。そして、歩幅推定部４２０は、解析部４１０が解析した画像の解析結果に基づいて、対象歩行者の歩幅を推定する。
これにより、対象歩行者の歩き方等の状況の違いによって、対象歩行者の歩幅の推定精度が低下することを抑制することができる。
ここで、図１３に示される歩行推定システムは、歩行推定装置４０の内部に、図１０に示される配信部４７に対応する配信部を追加しても良い。この配信部は、対象歩行者に紐づけられた特定の端末に対し、歩幅推定部４２０が推定した対象歩行者の歩幅の情報を配信すれば良い。
なお、本発明は、上述した実施の形態に限られたものではなく、趣旨を逸脱しない範囲で適宜変更することが可能である。
例えば、本発明は、歩行推定装置が、ＣＰＵ（Central Processing Unit）等のプロセッサや、メモリ等を備えたコンピュータであり、プロセッサがメモリに格納されたコンピュータプログラムを読み出し実行することにより、歩行推定装置の任意の処理を実現することも可能である。
上述の例において、プログラムは、様々なタイプの非一時的なコンピュータ可読媒体（non-transitory computer readable medium）を用いて格納され、コンピュータに供給することができる。非一時的なコンピュータ可読媒体は、様々なタイプの実体のある記録媒体（tangible storage medium）を含む。非一時的なコンピュータ可読媒体の例は、磁気記録媒体（例えばフレキシブルディスク、磁気テープ、ハードディスクドライブ）、光磁気記録媒体（例えば光磁気ディスク）、ＣＤ－ＲＯＭ（Compact Disc-Read Only Memory）、ＣＤ－Ｒ（CD-Recordable）、ＣＤ－Ｒ／Ｗ（CD-ReWritable）、半導体メモリ（例えば、マスクＲＯＭ、ＰＲＯＭ（Programmable ROM）、ＥＰＲＯＭ（Erasable PROM）、フラッシュＲＯＭ、ＲＡＭ（Random Access Memory））を含む。また、プログラムは、様々なタイプの一時的なコンピュータ可読媒体（transitory computer readable medium）によってコンピュータに供給されても良い。一時的なコンピュータ可読媒体の例は、電気信号、光信号、及び電磁波を含む。一時的なコンピュータ可読媒体は、電線及び光ファイバ等の有線通信路、又は無線通信路を介して、プログラムをコンピュータに供給できる。
１０：カメラ、１１：ＬｉＤＡＲ、１２：ミリ波レーダー、２０：加速度センサ、３０：ジャイロセンサ、４０，４００：歩行推定装置、４１：歩数カウント部、４２，４１０：解析部、４３，４２０：歩幅推定部、４３１：第１歩行速度推定部、４３２：第２歩行速度推定部、４３３：減算器、４３４：乗算器、４３５：加算器、４３６：バッファ、４４：移動量推定部、４５：進行方向推定部、４６：位置推定部、４７：配信部、１００：インフラセンサ

Claims (6)

  1. 画像を取得するインフラセンサと、
    前記インフラセンサが取得した画像であって、対象歩行者を含む画像を解析する解析部と、
    前記解析部が解析した、前記対象歩行者を含む画像の解析結果に基づいて、前記対象歩行者の歩幅を推定する歩幅推定部と、
    を備える、歩行推定システム。
  2. 前記解析部は、前記対象歩行者を含む画像を解析することによって、前記対象歩行者の位置又は歩行速度を検出し、
    前記歩幅推定部は、前記解析部が検出した前記対象歩行者の位置又は歩行速度に基づいて、前記対象歩行者の歩幅を推定する、
    請求項１に記載の歩行推定システム。
  3. 前記対象歩行者が携帯する端末に内蔵された加速度センサ及びジャイロセンサと、
    前記加速度センサが検出した加速度に基づいて、前記対象歩行者の歩数をカウントする歩数カウント部と、
    前記歩数カウント部がカウントした前記対象歩行者の歩数と、前記歩幅推定部が推定した前記対象歩行者の歩幅と、に基づいて、前記対象歩行者の移動量を推定する移動量推定部と、
    前記ジャイロセンサが検出した角速度に基づいて、前記対象歩行者の進行方向を推定する進行方向推定部と、
    前記移動量推定部が推定した前記対象歩行者の移動量と、前記進行方向推定部が推定した前記対象歩行者の進行方向と、に基づいて、前記対象歩行者の位置を推定する位置推定部と、
    をさらに備える、請求項１又は２に記載の歩行推定システム。
  4. 前記歩幅推定部が推定した前記対象歩行者の歩幅の情報を、前記対象歩行者の識別情報に紐づけられた特定の端末に配信する配信部、
    をさらに備える、請求項１から３のいずれか１項に記載の歩行推定システム。
  5. 歩行推定システムが行う歩行推定方法であって、
    インフラセンサにより画像を取得するステップと、
    前記インフラセンサが取得した画像であって、対象歩行者を含む画像を解析するステップと、
    前記対象歩行者を含む画像の解析結果に基づいて、前記対象歩行者の歩幅を推定するステップと、
    を含む、歩行推定方法。
  6. コンピュータに、
    インフラセンサが取得した画像であって、対象歩行者を含む画像を解析する手順と、
    前記対象歩行者を含む画像の解析結果に基づいて、前記対象歩行者の歩幅を推定する手順と、
    を実行させるためのプログラム。
JP2020135600A 2020-08-11 2020-08-11 歩行推定システム、歩行推定方法、及びプログラム Pending JP2022032103A (ja)

Priority Applications (3)

Application Number Priority Date Filing Date Title
JP2020135600A JP2022032103A (ja) 2020-08-11 2020-08-11 歩行推定システム、歩行推定方法、及びプログラム
CN202110895518.6A CN114076597A (zh) 2020-08-11 2021-08-05 步行推定***、步行推定方法及计算机可读介质
US17/396,019 US20220051005A1 (en) 2020-08-11 2021-08-06 Walking estimation system, walking estimation method, and computer readable-medium

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2020135600A JP2022032103A (ja) 2020-08-11 2020-08-11 歩行推定システム、歩行推定方法、及びプログラム

Publications (1)

Publication Number Publication Date
JP2022032103A true JP2022032103A (ja) 2022-02-25

Family

ID=80224317

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2020135600A Pending JP2022032103A (ja) 2020-08-11 2020-08-11 歩行推定システム、歩行推定方法、及びプログラム

Country Status (3)

Country Link
US (1) US20220051005A1 (ja)
JP (1) JP2022032103A (ja)
CN (1) CN114076597A (ja)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7477033B1 (ja) 2023-09-04 2024-05-01 克彦 西澤 歩容解析システムおよびその学習手法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2012230503A (ja) * 2011-04-25 2012-11-22 Nippon Telegr & Teleph Corp <Ntt> 健康管理支援システムとその利用者端末装置及び支援サーバ装置
JP2016131827A (ja) * 2015-01-22 2016-07-25 株式会社デジタル・スタンダード 通信装置、プログラムおよびシステム
JP2016161313A (ja) * 2015-02-27 2016-09-05 株式会社日立アドバンストシステムズ 測位システム
JP2018073110A (ja) * 2016-10-28 2018-05-10 株式会社日立ハイテクノロジーズ 情報処理装置、情報処理方法及び情報処理プログラム
JP2018102855A (ja) * 2016-12-28 2018-07-05 株式会社リコー 動作計測システム、動作計測装置及び動作計測方法

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0989584A (ja) * 1995-09-26 1997-04-04 Honda Motor Co Ltd 携帯用ナビゲーション装置
JP4062306B2 (ja) * 2004-12-15 2008-03-19 日産自動車株式会社 画像処理装置、および方法
JP5117123B2 (ja) * 2007-06-23 2013-01-09 株式会社タニタ 歩行評価システム、歩行計、歩行評価プログラムおよび記録媒体
JP5202613B2 (ja) * 2010-12-02 2013-06-05 株式会社エヌ・ティ・ティ・ドコモ 移動端末、システム及び方法
JP2012189467A (ja) * 2011-03-11 2012-10-04 Casio Comput Co Ltd 測位装置、歩幅データ補正方法およびプログラム
DE102011079187A1 (de) * 2011-07-14 2013-01-17 Bayerische Motoren Werke Aktiengesellschaft Verfahren und Vorrichtung zur Schritterkennung eines Fußgängers für ein tragbares Endgerät
WO2014112632A1 (ja) * 2013-01-18 2014-07-24 株式会社東芝 動作情報処理装置及び方法
JP2020053792A (ja) * 2018-09-26 2020-04-02 ソニー株式会社 情報処理装置、および情報処理方法、プログラム、情報処理システム
JP7083800B2 (ja) * 2019-11-25 2022-06-13 Kddi株式会社 マッチング装置、マッチング方法及びコンピュータプログラム
WO2021240889A1 (ja) * 2020-05-28 2021-12-02 ソニーグループ株式会社 情報処理装置、情報処理方法、およびプログラム

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2012230503A (ja) * 2011-04-25 2012-11-22 Nippon Telegr & Teleph Corp <Ntt> 健康管理支援システムとその利用者端末装置及び支援サーバ装置
JP2016131827A (ja) * 2015-01-22 2016-07-25 株式会社デジタル・スタンダード 通信装置、プログラムおよびシステム
JP2016161313A (ja) * 2015-02-27 2016-09-05 株式会社日立アドバンストシステムズ 測位システム
JP2018073110A (ja) * 2016-10-28 2018-05-10 株式会社日立ハイテクノロジーズ 情報処理装置、情報処理方法及び情報処理プログラム
JP2018102855A (ja) * 2016-12-28 2018-07-05 株式会社リコー 動作計測システム、動作計測装置及び動作計測方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7477033B1 (ja) 2023-09-04 2024-05-01 克彦 西澤 歩容解析システムおよびその学習手法

Also Published As

Publication number Publication date
US20220051005A1 (en) 2022-02-17
CN114076597A (zh) 2022-02-22

Similar Documents

Publication Publication Date Title
US20230392944A1 (en) Navigation methods and apparatus for the visually impaired
JP6626954B2 (ja) 撮像装置及びフォーカス制御方法
US10732643B2 (en) Control system, moving object, and control apparatus
JP6141079B2 (ja) 画像処理システム、画像処理装置、それらの制御方法、及びプログラム
CN105283775B (zh) 移动机器人以及音源位置推定***
JP5824936B2 (ja) 携帯型電子機器、危険報知方法及びプログラム
EP3168571B1 (en) Utilizing camera to assist with indoor pedestrian navigation
US10545031B2 (en) Portable terminal device, recording medium, and correction method
WO2013132947A1 (ja) 距離算出装置及び距離算出方法
EP3014476A1 (en) Using movement patterns to anticipate user expectations
WO2015004739A1 (ja) 監視システム、自動巡回ロボット、および監視方法
US9886761B2 (en) Information processing to display existing position of object on map
JPWO2016088368A1 (ja) 方向制御装置、方向制御方法および方向制御プログラム
JP2022032103A (ja) 歩行推定システム、歩行推定方法、及びプログラム
JP2023010769A (ja) 情報処理装置、制御方法、及びプログラム
WO2021199234A1 (ja) 認証制御装置、認証システム、認証制御方法及び記録媒体
JPWO2019021973A1 (ja) 端末装置、危険予測方法、プログラム
JP6720010B2 (ja) 情報処理装置、情報処理方法、およびプログラム
JP5262148B2 (ja) ランドマーク検出装置および方法ならびにプログラム
CN106454066B (zh) 图像处理设备及其控制方法
CN112291701B (zh) 定位验证方法、装置、机器人、外部设备和存储介质
JP2019134389A (ja) 撮影制御装置、撮影制御方法および撮影制御システム
US10735902B1 (en) Method and computer program for taking action based on determined movement path of mobile devices
EP3644093A1 (en) Method and controller for tracking moving objects
JP2019125833A (ja) 撮影システム

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20220809

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20230516

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20230517

A02 Decision of refusal

Free format text: JAPANESE INTERMEDIATE CODE: A02

Effective date: 20231107