特許 7236013 属性判定装置、属性判定プログラム、及び属性判定方法

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】特許公報(B2)

(11)【特許番号】

(24)【登録日】2023-03-01

(45)【発行日】2023-03-09

(54)【発明の名称】属性判定装置、属性判定プログラム、及び属性判定方法

(51)【国際特許分類】

   G06T 7/00 20170101AFI20230302BHJP

【ＦＩ】

G06T7/00 660Z

【請求項の数】 8

(21)【出願番号】P 2021550807

(86)(22)【出願日】2019-10-01

(86)【国際出願番号】 JP2019038734

(87)【国際公開番号】W WO2021064857

(87)【国際公開日】2021-04-08

【審査請求日】2022-04-14

(73)【特許権者】

【識別番号】000005223

【氏名又は名称】富士通株式会社

(74)【代理人】

【識別番号】100094525

【弁理士】

【氏名又は名称】土井 健二

(74)【代理人】

【識別番号】100094514

【弁理士】

【氏名又は名称】林 恒徳

(72)【発明者】

【氏名】内田 秀継

【審査官】堀井 啓明

(56)【参考文献】

【文献】特開２００５－２５０７１２（ＪＰ，Ａ）

【文献】特開２０１５－９９５０９（ＪＰ，Ａ）

【文献】特開２００４－５４３７６（ＪＰ，Ａ）

【文献】特開２００７－３２８７４６（ＪＰ，Ａ）

【文献】特開２０１９－５３３８１（ＪＰ，Ａ）

(58)【調査した分野】(Int.Cl.，ＤＢ名)

Ｇ０６Ｔ ７／００

(57)【特許請求の範囲】

【請求項1】

属性判定装置と、画像を撮影する複数の撮影装置とを有する属性判定システムの属性判定装置であって、
前記複数の撮影装置が撮影した画像を取得する画像取得部と、
属性判定対象である第１対象が映る画像を抽出し、前記抽出した画像に映る前記第１対象を画像解析し、前記第１対象が第１属性である第１確率を、前記第１対象が映る画像を撮影した第１撮影装置ごと算出する画像解析部と、
前記複数の撮影装置それぞれが有する確率であって、撮影した画像に前記第１属性である対象が映る確率を示す第２確率と、前記第１確率とに基づき、前記第１対象が前記第１属性であるか否かを判定する属性判定部と、
を有する属性判定装置。

【請求項2】

前記属性判定部は、前記第１撮影装置ごとに前記第１確率と前記第２確率を乗じた数値を算出し、前記算出した数値の平均値を算出し、前記平均値が閾値以上である場合、前記第１対象が前記第１属性であると判定する
請求項１記載の属性判定装置。

【請求項3】

前記第２確率は、前記撮影装置が過去に撮影した映像に映った前記属性判定対象の第１累積数に対する、前記第１属性であった前記属性判定対象の第２累積数の割合を含む
請求項１記載の属性判定装置。

【請求項4】

さらに、前記判定した結果に応じて、前記第１撮影装置の前記第２確率を更新する属性スコア更新部を有する
請求項３記載の属性判定装置。

【請求項5】

前記属性判定部は、前記第２確率の更新において、前記第１撮影装置ごとに、前記第１累積数を１増加させ、前記第１対象が前記第１属性であると判定した場合、前記第２累積数を１増加させる
請求項４記載の属性判定装置。

【請求項6】

前記第２確率は、前記撮影装置が撮影する場所の特性に基づく算出される確率を含む
請求項１記載の属性判定装置。

【請求項7】

属性判定装置と、画像を撮影する複数の撮影装置とを有する属性判定システムの属性判定装置が有するコンピュータに実行させる属性判定プログラムであって、
前記複数の撮影装置が撮影した画像を取得する画像取得処理と、
属性判定対象である第１対象が映る画像を抽出し、前記抽出した画像に映る前記第１対象を画像解析し、前記第１対象が第１属性である第１確率を、前記第１対象が映る画像を撮影した第１撮影装置ごと算出する画像解析処理と、
前記複数の撮影装置それぞれが有する確率であって、撮影した画像に前記第１属性である対象が映る確率を示す第２確率と、前記第１確率とに基づき、前記第１対象が前記第１属性であるか否かを判定する属性処理とを、
実行させる属性判定プログラム。

【請求項8】

属性判定装置と、画像を撮影する複数の撮影装置とを有する属性判定システムの属性判定装置における属性判定方法であって、
前記複数の撮影装置が撮影した画像を取得し、
属性判定対象である第１対象が映る画像を抽出し、前記抽出した画像に映る前記第１対象を画像解析し、前記第１対象が第１属性である第１確率を、前記第１対象が映る画像を撮影した第１撮影装置ごと算出し、
前記複数の撮影装置それぞれが有する確率であって、撮影した画像に前記第１属性である対象が映る確率を示す第２確率と、前記第１確率とに基づき、前記第１対象が前記第１属性であるか否かを判定する
属性判定方法。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、属性判定装置、属性判定プログラム、及び属性判定方法に関する。

【背景技術】

【0002】

静止画や動画などの画像から、人物が映っていることを特定する画像解析技術がある。画像解析技術は、人物の有無だけではなく、例えば、特定した人物の性別や年齢などの属性を判定（推定）する場合がある。

【0003】

判定した属性に関する情報は、例えば、マーケティングや個人認証に使用される場合がある。例えば、ショッピングモールのような人が集まる施設では、様々な場所にカメラを設置し、来客者それぞれの属性を判定する。そして、判定した属性を、今後の来客者に対するサービスやマーケティングに反映させることで、サービスやマーケティングの質の向上に役立てる。

【0004】

画像解析に関する技術としては、以下の特許文献１～３に記載されている。

【先行技術文献】

【特許文献】

【0005】

【文献】特開2013-242825号公報

【文献】特開2013-58060号公報

【文献】特開2012-190159号公報

【発明の概要】

【発明が解決しようとする課題】

【0006】

しかし、属性の判定は、例えば、画像に映る人物の顔の鮮明度が低いと、誤った判定結果となってしまったり、判定ができなくなってしまったりなど、判定精度が低下してしまう場合がある。また、当該人物の画像が鮮明であっても、判定する属性の内容や当該人物の身体的特徴によっては、属性の判定精度が低下してしまう場合がある。

【0007】

属性の判定精度が低下すると、サービスやマーケティングに反映させても、質の向上が実現しない場合がある。

【0008】

そこで、一開示は、画像に映る属性判定対象の判定精度を向上させる属性判定装置、属性判定プログラム、及び属性判定方法を提供する。

【課題を解決するための手段】

【0009】

属性判定装置と、画像を撮影する複数の撮影装置とを有する属性判定システムの属性判定装置であって、前記複数の撮影装置が撮影した画像を取得する画像取得部と、属性判定対象である第１対象が映る画像を抽出し、前記抽出した画像に映る前記第１対象を画像解析し、前記第１対象が第１属性である第１確率を、前記第１対象が映る画像を撮影した第１撮影装置ごと算出する画像解析部と、前記複数の撮影装置それぞれが有する確率であって、撮影した画像に前記第１属性である対象が映る確率を示す第２確率と、前記第１確率とに基づき、前記第１対象が前記第１属性であるか否かを判定する属性判定部と、を有する。

【発明の効果】

【0010】

一開示は、画像に映る属性判定対象の判定精度を向上させる。

【図面の簡単な説明】

【0011】

【図1】図１は、属性判定システム１０の構成例を示す図である

【図2】図２は、属性判定装置２００の構成例を表す図である。

【図3】図３は、撮影装置１００の構成例を表す図である。

【図4】図４は、属性判定システム１０の機能ブロックの例を示す図である。

【図5】図５は、属性判定結果テーブル２２６の例を示す図である。

【図6】図６は、属性スコアテーブル２２５の例を示す図である。

【図7】図７は、属性判定処理Ｓ１００の処理フローチャートの例を示す図である。

【図8】図８は、人物検出処理Ｓ２００の処理フローチャートの例を示す図である。

【図9】図９は、画像解析処理Ｓ３００の処理フローチャートの例を示す図である。

【図10】図１０は、属性最終判定処理Ｓ４００の処理フローチャートの例を示す図である。

【図11】図１１は、属性スコア更新処理Ｓ５００の処理フローチャートの例を示す図である。

【図12】図１２は、更新後の属性判定結果テーブル２２６の例を示す図である。

【図13】図１３は、更新後の属性スコアテーブル２２５の例を示す図である。

【図14】図１４は、複数の属性を判定する場合の属性判定結果テーブル２２６の例を示す図である。

【図15】図１５は、複数の属性を判定する場合の属性スコアテーブル２２５の例を示す図である。

【発明を実施するための形態】

【0012】

［第１の実施の形態］
第１の実施の形態について説明する。

【0013】

＜属性判定システムの構成例＞
図１は、属性判定システム１０の構成例を示す図である。属性判定システム１０は、撮影装置１００－１～４、属性判定装置２００、及びネットワークＮＷ１を有する通信システムである。属性判定システム１０は、例えば、撮影装置１００－１～４が撮影した画像に映る人物の属性を判定（推定）するシステムである。属性判定システム１０は、例えば、ショッピングセンターやデパートなどの施設（以降、設置施設と呼ぶ場合がある）に設置される。

【0014】

撮影装置１００－１～４（以降、撮影装置１００と呼ぶ場合がある）は、例えば、自装置の撮影範囲を撮影する装置であり、防犯用、監視用又は画像取得用に設置されたカメラである。撮影装置１００は、例えば、動画を所定時間撮影する。また、撮影装置１００は、所定間隔で静止画を撮影してもよい。また、撮影装置１００は、静止画及び動画の両方を撮影してもよい。なお、図１における属性判定システム１０は、撮影装置１００が４台で構成されるが、撮影装置１００は２台以上であればよい。

【0015】

撮影装置１００は、設置施設の様々な場所を映すように設置される。撮影装置１００は、例えば、売り場ごとに設置され、売り場全体を映す。例えば、撮影装置１００－１はアウトドア用品売り場、撮影装置１００－２は婦人服売り場、撮影装置１００－３は紳士服売り場、及び撮影装置１００－４は食品売り場に設置される。

【0016】

撮影装置１００は、撮影を行うと、撮影した画像を属性判定装置２００に送信する（Ｓ１～Ｓ４）。また、撮影装置１００は、撮影した画像をメモリやハードディスクに保存しておき、定期的に又は属性判定装置２００の要求に応答して、保存しておいた画像を属性判定装置２００に送信してもよい（Ｓ１～Ｓ４）。

【0017】

属性判定装置２００は、撮影装置１００が撮影した画像を解析し、来客者の属性を判定する属性判定処理を行う、例えばサーバマシンやコンピュータである。属性判定装置２００は、例えば、所定時刻になったことを検出すると、属性判定処理を行う。また、属性判定装置２００は、撮影装置１００が撮影した画像を取得（受信）する（Ｓ５）。属性判定装置２００は、例えば、属性判定処理において、撮影装置１００に対して画像を送信するよう要求する。もしくは、属性判定装置２００は、撮影装置１００から任意のタイミングで送信される画像を、メモリやハードディスクに保存しておいてもよい。

【0018】

ネットワークＮＷ１は、属性判定装置２００と撮影装置１００との間で実施される通信を中継するネットワークであって、例えば、属性判定システム１０が設置させる施設内のローカルネットワークやイントラネット、又はインターネットである。属性判定装置２００と撮影装置１００は、ネットワークＮＷ１を介して通信を行い、撮影した画像の送受信を行う。ネットワークＮＷ１は、有線又は無線で構成されるネットワークである。

【0019】

＜属性判定装置の構成例＞
図２は、属性判定装置２００の構成例を表す図である。属性判定装置２００は、ネットワークＮＷ１を介して他の装置と通信が可能な装置であり、例えば、コンピュータやサーバマシンである。

【0020】

属性判定装置２００は、ＣＰＵ（Central Processing Unit）２１０、ストレージ２２０、メモリ２３０、ＮＩＣ（Network Internet Card）２４０、及びディスプレイ２５０を有する。

【0021】

ストレージ２２０は、プログラムやデータを記憶する、フラッシュメモリ、ＨＤＤ（Hard Disk Drive）、又はＳＳＤ（Solid State Drive）などの補助記憶装置である。ストレージ２２０は、画像取得プログラム２２１、属性判定プログラム２２２、属性スコア更新プログラム２２３、画像データテーブル２２４、属性スコアテーブル２２５、及び属性判定結果テーブル２２６を記憶する。なお、画像データテーブル２２４、属性スコアテーブル２２５、及び属性判定結果テーブル２２６は、メモリ２３０に記憶されてもよい。

【0022】

メモリ２３０は、ストレージ２２０に記憶されているプログラムをロードする領域である。また、メモリ２３０は、プログラムがデータを記憶する領域としても使用されてもよい。

【0023】

ＮＩＣ２４０は、ネットワークＮＷ１と接続するインターフェースである。ＮＩＣ２４０は、例えば、ネットワークインターフェースカードなどの、インターネットに接続するポートを有するインターフェース機器である。

【0024】

ディスプレイ２５０は、撮影装置１００が撮影した画像や、属性の判定結果などを表示する表示部である。ディスプレイ２５０は、属性判定装置２００に一体化されていてもよいし、ケーブル等で接続される装置であってもよい。

【0025】

ＣＰＵ２１０は、ストレージ２２０に記憶されているプログラムを、メモリ２３０にロードし、ロードしたプログラムを実行し、各部を構築し、各処理を実現するプロセッサである。

【0026】

ＣＰＵ２１０は、画像取得プログラム２２１を実行することで、画像取得部を構築し、画像取得処理を行う。画像取得処理は、撮影装置１００が撮影した画像を、撮影装置１００から取得する処理である。属性判定装置２００は、例えば、ＮＩＣ２４０を介して、撮影装置１００から画像データを受信し、画像を取得する。

【0027】

ＣＰＵ２１０は、属性判定プログラム２２２を実行することで、画像解析部、属性判定部を構築し、属性判定処理を行う。属性判定処理は、撮影装置１００が撮影した画像に映る人物の属性を、その人物ごとに判定する処理である。属性判定装置２００は、属性判定処理において、画像解析による属性判定と、撮影装置１００の特性に基づき、最終的なその人物の属性を判定する。

【0028】

また、ＣＰＵ２１０は、属性判定プログラム２２２が有する人物検出モジュール２２２１を実行することで、人物検出部及び画像解析部を構築し、人物検出処理を行う。人物検出処理は、撮影装置１００が撮影した画像から、新たな人物を検出する処理である。新たな人物とは、例えば、一連の画像解析処理において、まだ属性の判定を実施されていない人物である。

【0029】

また、ＣＰＵ２１０は、属性判定プログラム２２２が有する画像解析モジュール２２２２を実行することで、画像解析部を構築し、画像解析処理を行う。画像解析処理は、ある人物が映る画像を撮影装置１００ごとに検出（抽出）し、検出した撮影装置１００ごとに画像解析を行い、ある人物がある属性である確率を算出する処理である。

【0030】

また、ＣＰＵ２１０は、属性判定プログラム２２２が有する属性最終判定モジュール２２２３を実行することで、属性判定定部を構築し、属性最終判定処理を行う。属性最終判定処理は、画像解析による確率と、画像を撮影した撮影装置１００の特性とに基づき、その人物の属性を最終的に判定する処理である。

【0031】

ＣＰＵ２１０は、属性スコア更新プログラム２２３を実行することで、属性スコア更新部を構築し、属性スコア更新処理を行う。属性スコア更新処理は、属性判定結果に応じて、属性スコアを更新する処理である。

【0032】

＜撮影装置の構成例＞
図３は、撮影装置１００の構成例を表す図である。撮影装置１００は、所定の範囲の画像（静止画、動画、又はその両方）を撮影する装置であり、例えば、カメラ又はカメラを有する装置である。

【0033】

撮影装置１００は、ＣＰＵ１１０、ストレージ１２０、メモリ１３０、ＮＩＣ１４０、及びカメラ１６０を有する。

【0034】

ストレージ１２０は、プログラムやデータを記憶する、フラッシュメモリ、ＨＤＤ、又はＳＳＤなどの補助記憶装置である。ストレージ１２０は、撮影プログラム１２１、及び画像送信プログラム１２２を記憶する。

【0035】

メモリ１３０は、ストレージ１２０に記憶されているプログラムをロードする領域である。また、メモリ１３０は、プログラムがデータを記憶する領域としても使用されてもよい。

【0036】

ＮＩＣ１４０は、ネットワークＮＷ１と接続するインターフェースである。ＮＩＣ１４０は、例えば、ネットワークインターフェースカードなどの、インターネットに接続するポートを有するインターフェース機器である。

【0037】

カメラ１６０は、所定範囲の画像（動画、静止画等）を撮影する装置である。カメラ１６０は、定期的または不定期に画像を撮影する。また、カメラ１６０は、例えば、ＣＰＵ１１０によって、撮影契機を与えられる。また、カメラ１６０が撮影した画像は、例えば、メモリ１３０やストレージ１２０に保存される。

【0038】

ＣＰＵ１１０は、ストレージ１２０に記憶されているプログラムを、メモリ１３０にロードし、ロードしたプログラムを実行し、各部を構築し、各処理を実現するプロセッサである。

【0039】

ＣＰＵ１１０は、撮影プログラム１２１を実行することで、撮影処理を行う。撮影処理は、例えば定期的に、撮影装置１００の撮影範囲の画像を撮影する処理である。撮影した画像は、例えば、外部や内部のメモリやハードディスクに保存されたり、属性判定装置２００に送信されたりする。

【0040】

ＣＰＵ１１０は、画像送信プログラム１２２を実行することで、画像送信処理を行う。画像送信処理は、例えば定期的に、撮影装置１００が撮影した画像を、属性判定装置２００に送信する処理である。

【0041】

＜属性判定システムの機能ブロックの構成例＞
図４は、属性判定システム１０の機能ブロックの例を示す図である。撮影装置１００は、撮影部１００１と画像送信部１００２を有する。撮影部１００１と画像送信部１００２は、例えば、撮影装置１００が有するプロセッサが、プログラムを実行することで構築される。また、撮影部１００１は、カメラであってもよい。さらに、画像送信部１００２は、ネットワークインターフェースカードなどの、通信インターフェース用の装置であってもよい。

【0042】

属性判定装置２００は、画像取得部２００１、画像解析部２００２、属性判定部２００３、及び属性スコア更新部２００４を有する。画像取得部２００１、画像解析部２００２、属性判定部２００３、及び属性スコア更新部２００４は、例えば、属性判定装置２００が有するプロセッサが、プログラムを実行することが構築される。また、画像取得部２００１は、ネットワークインターフェースカードなどの、通信インターフェース用の装置であってもよい。

【0043】

撮影部１００１は、定期的又は不定期に、所定範囲の画像を撮影する。撮影部１００１は、撮影した画像を、内部又は外部のメモリやハードディスクに記憶したり、画像送信部１００２に引き渡したりする。

【0044】

画像送信部１００２は、属性判定装置２００に画像を送信する。画像送信部１００２は、例えば、定期的又は不定期に画像を送信したり、属性判定装置２００の要求に応答して画像を送信したりする。画像送信部１００２は、属性判定装置２００と通信を行うよう、有線や無線で属性判定装置２００と接続する。

【0045】

画像取得部２００１は、撮影装置１００から画像を取得する。画像取得部２００１は、画像送信部１００２が送信した画像を受信し、画像データテーブル２２４に記憶したり、画像解析部２００２に引き渡したりする。画像取得部２００１は、撮影装置１００と通信を行うよう、有線や無線で撮影装置１００と接続する。

【0046】

画像解析部２００２は、取得した画像に映る人物を特定し、特定した人物を画像解析し、特定した人物がある属性（第１属性）である確率を算出する。画像解析部２００２は、また、特定した人物が映る他の撮影装置１００が撮影した画像を探索する。そして、画像解析部２００２は、特定した人物が映る撮影装置１００ごとに、特定した人物がある属性（第１属性）である確率を算出する。

【0047】

属性判定部２００３は、画像解析部２００２で算出した確率と、各撮影装置１００が有する確率であって、当該撮影装置１００が撮影した画像にある属性である人物が映る確率とに基づいて、特定した人物がある属性であるか否かを最終的に判定する。画像解析部２００２及び属性判定部２００３が実行する一連の処理を、属性判定処理と呼ぶ。

【0048】

なお、属性判定処理は、例えば、所定時間になったとき、所定量の画像が蓄積されたとき、及び属性判定システム１０の管理者の要求があった場合、などに実行される。

【0049】

属性スコア更新部２００４は、属性判定部２００３の判定結果に応じて、属性スコアテーブル２２５の各撮影装置１００の属性スコアを更新する。属性スコアは、例えば、撮影した画像に映る人物のうち、どれくらいの人数の人物がある属性を有するかを示す確率である。属性スコアは、統計に基づく数値であってもよいし、撮影場所の持つ特徴（例えば、男性が多い場所であること）に基づく数値であってもよい。さらに、属性スコアは、例えば、撮影した画像に映る人物の総数、及びある属性を有する人物の人数などの、統計値であってもよい。

【0050】

＜各種テーブル＞
属性判定装置２００が記憶するテーブルについて説明する。

【0051】

＜１．画像データテーブル＞
画像データテーブル２２４は、撮影装置１００から取得した画像を記憶するテーブルである。属性判定装置２００は、撮影装置１００ごとに画像を記憶する。また、属性判定装置２００は、例えば、属性判定処理を行った後、画像データテーブル２２４に記憶した画像を削除してもよい。

【0052】

＜２．属性判定結果テーブル＞
図５は、属性判定結果テーブル２２６の例を示す図である。属性判定結果テーブル２２６は、属性判定処理の属性判定結果を記憶するテーブルである。

【0053】

属性判定結果テーブル２２６は、例えば、「人物」及び「第１属性（男性）」が記憶される。

【0054】

「人物」は、属性判定の対象となる人物を示す識別情報であって、例えば、人物の名称、人物を識別する番号、あるいは、撮影された時間及び撮影装置の識別子などである。図５においては、例えば「Ｘ」などアルファベット１文字で識別するものとし、以降識別された人物を人物Ｘなどと呼ぶ場合がある。

【0055】

「第１属性（男性）」は、当該人物がその属性（第１属性）を有するか否かを示す情報である。図５において、第１属性は男性であるか否かを示し、「○」は男性であること、「×」は男性でないことを示す。なお、属性判定結果テーブル２２６に記憶する属性は、例えば、第ｎ属性など（ｎは整数）、複数あってもよい。属性判定結果テーブル２２６に記憶する属性は、複数の属性について記憶する場合、属性ごとにその属性を有するか否かを示す情報を記憶する。

【0056】

＜３．属性スコアテーブル＞
図６は、属性スコアテーブル２２５の例を示す図である。属性スコアテーブル２２５は、撮影装置１００ごとの属性スコアを記憶するテーブルである。

【0057】

属性スコアテーブル２２５は、例えば、「総数」、「第１属性（男性）」、及び「第１属性スコア」が記憶される。

【0058】

「総数」は、当該撮影装置１００が撮影した画像に映る人物の総数を示す情報である。「総数」は、以降で説明する処理において、新たな人物を特定されたのち、更新される。

【0059】

「第１属性（男性）」は、当該撮影装置１００が撮影した画像に映る人物のうち、その属性（第１属性）を有する人物の総数を示す情報である。「第１属性（男性）」は、以降で説明する処理において、ある人物が当該属性を有すると判定されたのち、更新される。なお、図６の属性スコアテーブル２２５は、第１属性に関する属性スコアのみを記憶するが、複数の属性を記憶してもよい。その場合、属性スコアテーブル２２５は、「第１属性（男性）」と同様に、その属性を有する人物の総数を記憶すればよい。

【0060】

「第１属性スコア」は、当該撮影装置１００が撮影した画像に映る人物が、その属性（第１属性）を有する人物である確率を示す情報である。「第１属性スコア」は、例えば、「第１属性（男性）」の数値を、「総数」の数値で除した数値である。なお、「第１属性スコア」は、「第１属性（男性）」の数値を「総数」の数値で除した数値である場合、「総数」及び「第１属性（男性）」の情報要素から算出が可能であるため、属性スコアテーブル２２５に記憶されなくてもよい。

【0061】

＜属性判定処理＞
属性判定装置２００において実行される属性判定処理Ｓ１００について説明する。図７は、属性判定処理Ｓ１００の処理フローチャートの例を示す図である。

【0062】

属性判定装置２００は、属性判定処理の実行契機を検出すると、属性判定処理Ｓ１００を実行する。属性判定装置２００は、属性判定処理Ｓ１００において、人物検出処理を行う（Ｓ２００）。

【0063】

人物検出処理Ｓ２００は、画像から新たな人物（一連の処理において、過去に実施した人物検出処理Ｓ２００において、検出されていない人物）を検出する処理である。人物検出処理Ｓ２００の詳細については、後述する。

【0064】

属性判定装置２００は、人物検出処理Ｓ２００において新たな人物を検出しない場合（Ｓ１００－１のＮｏ）、属性判定処理Ｓ１００を終了する。

【0065】

一方、属性判定装置２００は、人物検出処理Ｓ２００において新たな人物を検出した場合（Ｓ１００－１のＹｅｓ）、画像解析処理を行う（Ｓ３００）。画像解析処理Ｓ３００は、検出した人物の画像に基づき、その人物の属性（暫定属性）を判定する処理である。画像解析処理Ｓ３００の詳細については、後述する。

【0066】

属性判定装置２００は、画像解析処理Ｓ３００の実行後、属性最終判定処理を行う（Ｓ４００）。属性最終判定処理Ｓ４００は、画像解析処理Ｓ３００で算出した暫定確率（第１確率）と、各撮影装置１００の属性スコア（第２確率）とに基づいて、検出した人物の属性（最終属性）を決定する処理である。属性最終判定処理Ｓ４００の詳細については、後述する。

【0067】

属性判定装置２００は、属性判定最終処理Ｓ４００の実行後、属性スコア更新処理を行う（Ｓ５００）。属性スコア更新処理Ｓ５００は、属性最終判定処理Ｓ４００において決定した人物の属性を、各撮影装置１００の属性スコアに反映させ、属性スコアテーブル２２５を更新する処理である。属性スコア更新処理Ｓ５００の詳細については、後述する。

【0068】

属性判定装置２００は、属性スコア更新処理Ｓ５００の実行後、再度人物検出処理Ｓ２００を実行する。そして、属性判定装置２００は、人物検出処理Ｓ２００で新たな人物が検出されなくなるまで（画像に映る全ての人物の属性判定が完了するまで）、属性判定処理Ｓ１００において、一連の処理を繰り返す。

【0069】

＜人物検出処理＞
図８は、人物検出処理Ｓ２００の処理フローチャートの例を示す図である。属性判定装置２００は、人物検出処理Ｓ２００において、画像を選択する（Ｓ２００－１）。選択する画像は、例えば、施設の入り口付近に設置されている撮影装置１００の撮影した画像を選択する。また、選択する画像は、ランダムに選択されてもよい。

【0070】

属性判定装置２００は、選択画像に映る複数の人物（属性判定対象）から新たな人物（第１対象）を検索する（Ｓ２００－２）。新たな人物とは、人物検出処理Ｓ２００において、未検出の人物である。また、新たな人物とは、一連の属性判定処理Ｓ２００において、また属性判定を実施されていない人物を示す。

【0071】

属性判定装置２００は、選択画像に新たな人物を検出すると（Ｓ２００－３のＹｅｓ）、新たな人物を検出した状態で、人物検出処理Ｓ２００を終了する。

【0072】

一方、属性判定装置２００は、選択画像に新たな人物を検出できない場合（Ｓ２００－３のＮｏ）、未選択の画像が存在するか否かを確認する（Ｓ２００－４）。属性判定装置２００は、未選択の画像が存在する場合（Ｓ２００－４のＹｅｓ）、未選択の画像から新たな画像を選択する（Ｓ２００－１）。

【0073】

一方、属性判定装置２００は、未選択の画像が存在しない場合（Ｓ２００－４のＮｏ）、新たな人物の検出なしの状態で、人物検出処理Ｓ２００を終了する。

【0074】

なお、属性判定装置２００は、人物検出処理Ｓ２００における新たな人物の検出（Ｓ２００－２）において、例えば、画像から人物を抽出し、抽出した人物の身体的特徴（例えば顔の特徴）を解析し、解析した身体的特徴を持つ人物が過去に新たな人物として検出されていない場合、新たな人物を検出したと判定する。

【0075】

＜画像解析処理＞
図９は、画像解析処理Ｓ３００の処理フローチャートの例を示す図である。属性判定装置２００は、画像解析処理Ｓ３００において、人物検出処理Ｓ２００の選択画像から、検出した人物が第１属性である暫定確率を算出する（Ｓ３００－１）。暫定確率とは、後の実行する属性最終判定処理Ｓ４００において算出する最終確率を算出するために必要となる確率であって、人物の画像解析に基づき算出される確率である。第１属性が男性であるか否かである場合、処理Ｓ３００－１は、例えば、選択画像中の検出された人物の身体的特徴を画像解析し、顔の特徴や身長などから、その検出された人物が男性である確率を算出する処理である。

【0076】

属性判定装置２００は、選択画像を撮影した撮影装置１００（第１撮影装置）以外の撮影装置１００の画像から、検出した人物が映る画像を探索する（Ｓ３００－２）。属性判定装置２００は、処理Ｓ３００－２において、どの撮影装置１００の画像に検出した人物が映っているかを認識する。

【0077】

属性判定装置２００は、探索の結果、検出した人物が映る画像を発見できた場合（Ｓ３００－３のＹｅｓ）、発見した画像を撮影した撮影装置１００（第１撮影装置）ごとに、検出した人物が第１属性である暫定確率を算出し（Ｓ３００－４）、画像解析処理Ｓ３００を終了する。暫定確率の算出の方法は、処理Ｓ３００１と同様である。

【0078】

一方、属性判定装置２００は、探索の結果、検出した人物が映る画像を発見できなかった場合（Ｓ３００－３のＮｏ）、画像解析処理Ｓ３００を終了する。

【0079】

＜属性最終判定処理＞
図１０は、属性最終判定処理Ｓ４００の処理フローチャートの例を示す図である。属性判定装置２００は、属性最終判定処理Ｓ４００において、画像解析処理Ｓ３００で算出した撮影装置１００ごとの暫定確率それぞれに、属性スコアテーブルの第１属性スコアを乗算し、撮影装置１００ごとに最終確率を算出する（Ｓ４００－１）。撮影装置１００ごとの最終確率は、例えば、以下の式（１）で算出される。

【0080】

ＰＦｘ ＝ ＰＴｘ×Ｓｘ・・・式（１）
ＰＦｘは、撮影装置ｘの最終確率、ＰＴｘは、撮影装置ｘの暫定確率、Ｓｘは、撮影装置ｘの属性スコアテーブルの第１属性スコアを示す。

【0081】

そして、属性判定装置２００は、撮影装置１００ごとに算出した最終確率の平均値を算出する（Ｓ４００－２）。

【0082】

最終確率の平均値は、例えば、以下の式（２）を用いて算出する。

【0083】

ＰＦａｖｅ＝（ＰＦ１＋ＰＦ２＋・・・＋ＰＦｎ）÷ｎ・・・式（２）
ＰＦａｖｅは、最終確率の平均値、ｎは、最終確率を算出した撮影装置１００の数を示す。

【0084】

なお、暫定確率は、例えば、画像判定に基づく、人物が第１属性である確率をしめす。また、第１属性スコアは、例えば、統計に基づく、当該撮影装置１００が映す画像中の人物が第１属性である確率を示す。この場合、最終確率は、確率と確率を乗じた数値となり、数値が大きい程、第１属性である確率が高いことを示す指標となる。

【0085】

属性判定装置２００は、最終確率の平均値を、閾値と比較する（Ｓ４００－３）。属性判定装置２００は、最終確率の平均値が閾値以上である場合（Ｓ４００－３のＹｅｓ）、当該検出した人物が第１属性であると判定する（Ｓ４００－４）。一方、属性判定装置２００は、最終確率の平均値が閾値以上でない場合（Ｓ４００－３のＮｏ）、当該検出した人物が第１属性ではないと判定する（Ｓ４００－５）。

【0086】

そして、属性判定装置２００は、検出した人物の属性判定結果を、属性判定結果テーブルに追加し（Ｓ４００－６）、属性最終判定処理Ｓ４００を終了する。

【0087】

＜属性スコア更新処理＞
図１１は、属性スコア更新処理Ｓ５００の処理フローチャートの例を示す図である。属性判定装置２００は、属性スコア更新処理Ｓ５００において、属性スコアの更新条件を満たすか否かを確認する（Ｓ５００－１）。そして、属性判定装置２００は、属性スコアの更新条件を満たす場合（Ｓ５００－１のＹｅｓ）、属性スコアテーブルを更新し（Ｓ５００－２）、属性スコア更新処理Ｓ５００を終了する。

【0088】

一方、属性判定装置２００は、属性スコアの更新条件を満たす場合（Ｓ５００－１のＮｏ）、属性スコアテーブル２２５を更新せずに、属性スコア更新処理Ｓ５００を終了する。

【0089】

更新条件は、例えば、属性最終判定処理Ｓ４００において、最終確率の平均値と閾値との差異が所定値以上であることである。最終確率の平均値と閾値の差異は、大きい程、属性の判定結果の確度が高く、小さい程、属性の判定結果の確度は低くなる。すなわち、属性を判定するためには、最終確率の平均値と閾値の差異は、大きいほど確度が上がる。よって、更新条件を設けることで、確度が低い属性の判定結果を属性スコアに反映することを防止することができる。

【0090】

属性スコアの更新は、例えば、属性スコアテーブル２２５を更新する。属性判定装置２００は、例えば、属性スコアテーブル２２５の総数（第１累積数）を１増加させる。そして、属性判定装置２００は、ある人物が第１属性であると判定した場合、第１属性の人数（第２累積数）を１増加させる。これにより、属性スコアテーブル２２５は、最新の統計情報となり、属性スコアの精度が向上する。

【0091】

＜属性判定例＞
以下に、具体的な数値を示しながら、属性判定処理Ｓ１００、及び各テーブルの遷移について説明する。

【0092】

属性判定装置２００は、あるタイミングで属性判定処理Ｓ１００を実行する。そして、属性判定装置２００は、人物検出処理Ｓ２００において、撮影装置１００－１が撮影した画像から、人物Ａを新たな人物として検出する（図８のＳ２００－３のＹｅｓ）。

【0093】

属性判定装置２００は、撮影装置１００－１の画像に映った人物Ａが第１属性である暫定確率を算出する（図９のＳ３００－１）。属性判定装置２００は、画像判定の結果、例えば、暫定確率を０．５５と算出する。

【0094】

属性判定装置２００は、人物Ａが映る他の画像を探索する（図９のＳ３００－２）。そして、属性判定装置２００は、撮影装置１００－３の撮影した画像に人物Ａが映っていることを発見する（図９のＳ３００－３）。

【0095】

属性判定装置２００は、撮影装置１００－３の画像に基づき、人物Ａが第１属性である暫定確率を算出する（図９のＳ３００－４）。属性判定装置２００は、画像判定の結果、例えば、暫定確率を０．４０と算出する。

【0096】

属性判定装置２００は、撮影装置１００－１及び撮影装置１００－３の、人物Ａが第１属性である最終確率を、暫定確率に属性スコアを乗じて算出する（図１０のＳ４００－１）。

【0097】

図６の属性スコアテーブル２２５の例の属性スコアを使用すると、撮影装置１００－１の最終確率は０．３８５（＝０．５５×０．７）となり、撮影装置１００－３の最終確率は０．３（＝０．４×０．７５）となる。

【0098】

属性判定装置２００は、最終確率の平均値０．３４２５（＝（０．３８５＋０．３）÷２）を算出する（図１０のＳ４００－２）。属性判定装置２００は、算出した最終確率の平均値と閾値を比較する（図１０のＳ４００－３）。

【0099】

閾値は、例えば、男性であるか否かのような２つの要素しかない属性を判定する場合は、画像判定に基づき男性である確率が半分である０．５と、男女比が同じになる場所の属性スコアを示す０．５を乗じた数値である０．２５とする。

【0100】

属性判定装置２００は、最終確率の平均値０．３４２５が閾値０．２５以上であるため（図１０のＳ４００－３のＹｅｓ）、人物Ａは第１属性であると判定する（図１０のＳ４００－４）。属性判定装置２００は、人物Ａの属性判定結果を属性判定結果テーブルに追加する（図１０のＳ４００－６）。

【0101】

図１２は、更新後の属性判定結果テーブル２２６の例を示す図である。更新箇所を網掛けで示す。属性判定装置２００は、人物Ａが第１属性であることを、属性判定結果テーブル２２６の最後尾に追加する。

【0102】

属性判定装置２００は、属性スコアを更新するか否かを確認する（図１１のＳ５００－１）。属性判定装置２００は、属性スコアを更新すると判定した場合（図１１のＳ５００－１のＹｅｓ）、属性スコアテーブルを更新する（図１１のＳ５００－２）。

【0103】

図１３は、更新後の属性スコアテーブル２２５の例を示す図である。更新箇所を網掛けで示す。属性判定装置２００は、属性スコアテーブル２２５の、撮影装置１００－１の総数を１増加させ、第１属性の人数を１増加させる。そして、属性判定装置２００は、撮影装置１００－１の第１属性の属性スコアを０．７１（１５÷２１）と算出し、属性スコアテーブル２２５を更新する。同様に、属性判定装置２００は、属性スコアテーブル２２５の撮影装置１００－３の総数、第１属性、及び第１属性の属性スコアを更新する。

【0104】

そして、属性判定装置２００は、人物Ａ以外の人物が画像に映っていないかどうかを探索し（図８のＳ２００－１，２）、新たな人物が検出できなくなるまで、同様の処理を行う。

【0105】

第１の実施の形態において、属性判定装置２００は、人物の映像に基づく画像判定から算出される、その人物がある属性である確率（暫定確率）と、その人物が映る撮影装置１００の属性スコアとに基づき、その人物がある属性であるか否かの確度を向上させる。

【0106】

例えば、上述した具体例において、属性スコアを考慮しない場合、撮影装置１００－１の画像からの暫定確率０．５５と、撮影装置１００－３の画像からの暫定確率０．４だけで人物Ａが第１属性であるか否かを判定することとなる。この場合、例えば暫定確率の平均値である０．４７５であり、第１属性である確率が０．５以下であることから、第１属性ではないと判定されることが考えられ、第１の実施の形態とは異なる属性判定結果となる。

【0107】

［その他の実施の形態］
第１の実施の形態では、判定対象が１つの属性（第１属性）のみであったが、複数の属性を判定対象としてもよい。図１４は、複数の属性を判定する場合の属性判定結果テーブル２２６の例を示す図である。属性判定装置２００は、上述した第１の実施の形態における第１属性の判定と同様に、他の属性についても判定し、その判定結果を属性判定結果テーブル２２６に反映する。属性は、例えば、年齢や身長などの身体的な特徴や、帽子や服装の色や形状などの趣味嗜好であってもよい。

【0108】

また、図１５は、複数の属性を判定する場合の属性スコアテーブル２２５の例を示す図である。属性判定装置２００は、総数、第１属性に加え、第２属性以降の属性の人数についても、属性スコアテーブル２２５を更新する。なお、複数の属性を判定対象とする場合、属性スコア更新処理Ｓ５００における更新条件は、各属性の判定結果を総合的に判定する。

【0109】

また、第１の実施の形態において、属性スコアは、撮影装置１００が撮影した画像に映る人物の総数に対するある属性を有する人物の割合（統計によるスコア）であったが、撮影装置１００が有する特徴に応じた数値であってもよい。例えば、撮影装置１００が男性向けのセミナーの会場を撮影する場合、撮影装置１００の第１属性スコアを１．０に限りなく近い数値としてもよい。すなわち、属性スコアは、統計によるスコアではなく、撮影装置１００が撮影する場所の特性に応じた数値であってもよい。また、属性スコアは、統計によるスコアと撮影装置１００の有する特徴との両方を考慮した数値であってもよい。

【0110】

また、最終確率の算出方法は、式（１）に限られない。最終確率は、撮影装置１００の属性スコアと、画像判定による確率（暫定確率）との、両方が考慮された数値であればよい。例えば、最終確率は、乗算ではなく加算で算出してもよい。

【0111】

さらに、第１の実施の形態において、属性スコアは確率であるが、統計値であってもよい。例えば、属性スコアテーブル２２５における総数と第１属性の数を属性スコアと呼んでもよい。

【符号の説明】

【0112】

１０ ：属性判定システム
１００ ：撮影装置
１１０ ：ＣＰＵ
１２０ ：ストレージ
１２１ ：撮影プログラム
１２２ ：画像送信プログラム
１３０ ：メモリ
１６０ ：カメラ
２００ ：属性判定装置
２１０ ：ＣＰＵ
２２０ ：ストレージ
２２１ ：画像取得プログラム
２２２ ：属性判定プログラム
２２２１ ：人物検出モジュール
２２２２ ：画像解析モジュール
２２２３ ：属性最終判定モジュール
２２３ ：属性スコア更新プログラム
２２４ ：画像データテーブル
２２５ ：属性スコアテーブル
２２６ ：属性判定結果テーブル
２３０ ：メモリ
２５０ ：ディスプレイ
１００１ ：撮影部
１００２ ：画像送信部
２００１ ：画像取得部
２００２ ：画像解析部
２００３ ：属性判定部
２００４ ：属性スコア更新部

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】

【図10】

【図11】

【図12】

【図13】

【図14】

【図15】