ホーム > 特許ランキング > ソフトバンク株式会社
(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】2024-07-12
(45)【発行日】2024-07-23
(54)【発明の名称】情報処理装置、情報処理方法及び情報処理プログラム
(51)【国際特許分類】
G06Q 30/06 20230101AFI20240716BHJP
G06Q 10/04 20230101ALI20240716BHJP
【ＦＩ】
G06Q30/06
G06Q10/04
【請求項の数】
14
(21)【出願番号】P 2022104955
(22)【出願日】2022-06-29
(65)【公開番号】P2024005001
(43)【公開日】2024-01-17
【審査請求日】2022-12-14
(73)【特許権者】
【識別番号】501440684
【氏名又は名称】ソフトバンク株式会社
(74)【代理人】
【識別番号】110002147
【氏名又は名称】弁理士法人酒井国際特許事務所
(72)【発明者】
【氏名】川西 庸平
(72)【発明者】
【氏名】金田 麟太郎
(72)【発明者】
【氏名】小林 宏暢
(72)【発明者】
【氏名】山下 滉生
【審査官】板垣 有紀
(56)【参考文献】
【文献】特開２０２１－１１４２１９（ＪＰ，Ａ）
【文献】国際公開第２０１７／１６３２８０（ＷＯ，Ａ１）
【文献】特開２０２１－１０６３３０（ＪＰ，Ａ）
【文献】特開２０１６－１４３３１２（ＪＰ，Ａ）
【文献】日経BPムック，この1冊でまるごとわかる！人工知能ビジネス ，日経ＢＰ社 Nikkei Business Publications,Inc. 杉山 俊幸，2015年10月12日，pp.94-95
(58)【調査した分野】(Int.Cl.，ＤＢ名)
Ｇ０６Ｑ １０／００ － ９９／００
Ｇ０６Ｔ ７／００
(57)【特許請求の範囲】
【請求項1】
サービス提供者から対面でサービスが提供される各サービス提供場所で前記サービスを享受する利用者の検知情報を示す利用者情報として、前記各サービス提供場所で前記サービスを享受している利用者である享受者の検知情報を示す享受者情報と、前記各サービス提供場所で前記サービスを享受するために待機する利用者である待機者の検知情報を示す待機者情報と、前記各サービス提供場所が設けられるサービス提供エリアに来訪する来訪者の検知情報を示す来訪者情報とを取得する取得部と、前記享受者情報と、前記待機者情報と、前記来訪者情報とを、所定時刻の検知情報に基づくカウント結果であってデータクレンジング前の検知情報に基づくカウント結果とデータクレンジング後の検知情報に基づくカウント結果とを含むカウント結果を入力すると所定時刻から所定時間内に前記各サービス提供場所に来訪する利用者の人数を出力するよう学習させた学習モデルに入力することで、現時刻から所定の時間内に前記各サービス提供場所に来訪する将来の利用者の人数を推定する推定部と、
を有することを特徴とする情報処理装置。
【請求項2】
前記推定部は、前記各サービス提供場所で前記サービスを享受した利用者の検知情報を示す利用者情報と、前記各サービス提供場所に来訪した利用者の人数とを学習データとして学習された学習モデルを用いて、前記各サービス提供場所で過去の所定期間に前記サービスを享受した利用者の検知情報を示す利用者情報から、前記各サービス提供場所に来訪する利用者の人数を推定する、
ことを特徴とする請求項１に記載の情報処理装置。
【請求項3】
前記取得部は、前記利用者情報として、前記サービス提供エリアに設けられたセンサにより前記利用者が検知され続けている検知期間を示す情報を含む検知情報を取得する、
ことを特徴とする請求項１に記載の情報処理装置。
【請求項4】
前記取得部によって取得された利用者情報に対してデータクレンジングを行うことでノイズを除去する加工部をさらに有し、前記推定部は、
前記加工部によってノイズが除去された後の利用者情報に基づいて、前記各サービス提供場所に来訪する利用者の人数を推定する、
ことを特徴とする請求項３に記載の情報処理装置。
【請求項5】
前記加工部は、前記取得部により取得された第１の利用者情報に対応する第１の検知期間の終了時刻から、第２の利用者情報に対応する第２の検知期間の開始時刻までの差が第１閾値以下である場合であって第１の利用者及び第２の利用者が同一人物である場合に、前記第１の検知期間の開始時刻から前記第２の検知期間の終了時刻までを検知期間とする新たな利用者情報を生成することで、前記第１の利用者情報と前記第２の利用者情報とを合成する、
ことを特徴とする請求項４に記載の情報処理装置。
【請求項6】
前記加工部は、前記センサで検知された情報に基づいて、前記取得部により取得された利用者情報に対応する検知期間の先頭から所定時間、または、前記検知期間の間の位置から最後までの所定時間の少なくともいずれか一方を削除することにより新たな利用者情報を生成する、
ことを特徴とする請求項４に記載の情報処理装置。
【請求項7】
前記推定部は、前記享受者情報として、前記享受者の人数、前記享受者が前記サービス提供場所に滞在している滞在時間を用い、前記待機者情報として、前記待機者の人数、前記待機者が待機場所に滞在している滞在時間を用い、前記来訪者情報として、サービス提供エリアに来訪した来訪者の人数を用いて、前記各サービス提供場所に来訪する利用者の人数を推定する、
ことを特徴とする請求項１に記載の情報処理装置。
【請求項8】
前記推定部は、前記サービス提供エリアに設けられたセンサにより前記享受者又は前記待機者が検知され続けている検知期間が所定の閾値の範囲内である場合に、前記享受者又は前記待機者の人数として計数する、
ことを特徴とする請求項７に記載の情報処理装置。
【請求項9】
前記推定部によって推定された来訪者数に基づいて、前記各サービス提供場所の中で稼働させるサービス提供場所の数を決定する決定部、をさらに有することを特徴とする請求項１に記載の情報処理装置。
【請求項10】
前記決定部は、前記サービスを享受するために待機することが許容される待機者の人数に基づいて、前記サービス提供場所の数を決定する、
ことを特徴とする請求項９に記載の情報処理装置。
【請求項11】
コンピュータが実行する情報処理方法であって、サービス提供者から対面でサービスが提供される各サービス提供場所で前記サービスを享受する利用者の検知情報を示す利用者情報として、前記各サービス提供場所で前記サービスを享受している利用者である享受者の検知情報を示す享受者情報と、前記各サービス提供場所で前記サービスを享受するために待機する利用者である待機者の検知情報を示す待機者情報と、前記各サービス提供場所が設けられるサービス提供エリアに来訪する来訪者の検知情報を示す来訪者情報とを取得する取得工程と、
前記享受者情報と、前記待機者情報と、前記来訪者情報とを、所定時刻の検知情報に基づくカウント結果であってデータクレンジング前の検知情報に基づくカウント結果とデータクレンジング後の検知情報に基づくカウント結果とを含むカウント結果を入力すると所定時刻から所定時間内に前記各サービス提供場所に来訪する利用者の人数を出力するよう学習させた学習モデルに入力することで、現時刻から所定の時間内に前記各サービス提供場所に来訪する将来の利用者の人数を推定する推定工程と、
を含むことを特徴とする情報処理方法。
【請求項12】
サービス提供者から対面でサービスが提供される各サービス提供場所で前記サービスを享受する利用者の検知情報を示す利用者情報として、前記各サービス提供場所で前記サービスを享受している利用者である享受者の検知情報を示す享受者情報と、前記各サービス提供場所で前記サービスを享受するために待機する利用者である待機者の検知情報を示す待機者情報と、前記各サービス提供場所が設けられるサービス提供エリアに来訪する来訪者の検知情報を示す来訪者情報とを取得する取得手順と、前記享受者情報と、前記待機者情報と、前記来訪者情報とを、所定時刻の検知情報に基づくカウント結果であってデータクレンジング前の検知情報に基づくカウント結果とデータクレンジング後の検知情報に基づくカウント結果とを含むカウント結果を入力すると所定時刻から所定時間内に前記各サービス提供場所に来訪する利用者の人数を出力するよう学習させた学習モデルに入力することで、現時刻から所定の時間内に前記各サービス提供場所に来訪する将来の利用者の人数を推定する推定手順と、
をコンピュータに実行させることを特徴とする情報処理プログラム。
【請求項13】
サービス提供者から対面でサービスが提供される各サービス提供場所で前記サービスを享受する利用者の検知情報を示す利用者情報であって、前記各サービス提供場所が設けられるサービス提供エリアに設けられたセンサにより前記利用者が検知され続けている検知期間を示す情報を含む利用者情報を取得する取得部と、前記取得部により取得された第１の利用者情報に対応する第１の検知期間の終了時刻から、第２の利用者情報に対応する第２の検知期間の開始時刻までの差が第１閾値以下である場合であって第１の利用者及び第２の利用者が同一人物である場合に、前記第１の検知期間の開始時刻から前記第２の検知期間の終了時刻までを検知期間とする新たな利用者情報を生成することで、前記第１の利用者情報と前記第２の利用者情報とを合成する加工部と、
を有し、
前記加工部により生成された新たな利用者情報は、現時刻から所定の時間内に前記各サービス提供場所に来訪する将来の利用者の人数を推定するために、所定時刻の検知情報に基づくカウント結果であってデータクレンジング前の検知情報に基づくカウント結果とデータクレンジング後の検知情報に基づくカウント結果とを含むカウント結果を入力すると所定時刻から所定時間内に前記各サービス提供場所に来訪する利用者の人数を出力するよう学習させた学習モデルに入力される利用者情報である
ことを特徴とする情報処理装置。
【請求項14】
サービス提供者から対面でサービスが提供される各サービス提供場所で前記サービスを享受する利用者の検知情報を示す利用者情報であって、前記各サービス提供場所が設けられるサービス提供エリアに設けられたセンサにより前記利用者が検知され続けている検知期間を示す情報を含む利用者情報を取得する取得部と、前記センサで検知された情報に基づいて、前記取得部により取得された利用者情報に対応する検知期間の先頭から所定時間、または、前記検知期間の間の位置から最後までの所定時間の少なくともいずれか一方を削除することにより新たな利用者情報を生成する加工部と、
を有し、
前記加工部により生成された新たな利用者情報は、現時刻から所定の時間内に前記各サービス提供場所に来訪する将来の利用者の人数を推定するために、所定時刻の検知情報に基づくカウント結果であってデータクレンジング前の検知情報に基づくカウント結果とデータクレンジング後の検知情報に基づくカウント結果とを含むカウント結果を入力すると所定時刻から所定時間内に前記各サービス提供場所に来訪する利用者の人数を出力するよう学習させた学習モデルに入力される利用者情報である
ことを特徴とする情報処理装置。
【発明の詳細な説明】
【技術分野】
【0001】
本発明は、情報処理装置、情報処理方法及び情報処理プログラムに関する。
【背景技術】
【0002】
従来、有人でサービスを行う業務の生産性を改善するための技術が知られている。例えば、レジ業務をサービスに含む小売店やスーパーなどにおいて、有人レジのレジ業務の生産性を改善するための技術が知られている。例えば、待機列に加わる人数を検知することで待機列の人数を測定する技術が知られている。
【先行技術文献】
【特許文献】
【0003】
【文献】特開２０１７－１５０９９８号公報
【発明の概要】
【発明が解決しようとする課題】
【0004】
しかしながら、従来の技術では、有人でサービスを行う業務の稼働調整による回転率の向上を促進させることができなかった。
【0005】
本願は、上記に鑑みてなされたものであって、有人でサービスを行う業務の稼働調整による回転率の向上を促進させることを目的とする。
【0006】
本願に係る情報処理装置は、サービス提供者から対面でサービスが提供される各サービス提供場所で前記サービスを享受する利用者に関する利用者情報として、前記各サービス提供場所で前記サービスを享受している利用者である享受者に関する享受者情報と、前記各サービス提供場所で前記サービスを享受するために待機する利用者である待機者に関する待機者情報と、前記各サービス提供場所が設けられるサービス提供エリアに来訪する来訪者に関する来訪者情報とを取得する取得部と、前記享受者情報と、前記待機者情報と、前記来訪者情報とに基づいて、前記各サービス提供場所に来訪する利用者の人数を推定する推定部と、を有することを特徴とする。
【発明の効果】
【0007】
実施形態の一態様によれば、有人でサービスを行う業務の稼働調整による回転率の向上を促進させることができるという効果を奏する。
【図面の簡単な説明】
【0008】
【発明を実施するための形態】
【0009】
以下に、本願に係る情報処理装置、情報処理方法及び情報処理プログラムを実施するための形態（以下、「実施形態」と呼ぶ）について図面を参照しつつ詳細に説明する。なお、この実施形態により本願に係る情報処理装置、情報処理方法及び情報処理プログラムが限定されるものではない。また、以下の各実施形態において同一の部位には同一の符号を付し、重複する説明は省略される。
【0010】
（実施形態１）
〔１．はじめに〕
近年、小売店やスーパーなど、様々な場所で撮像された映像を集約し解析することでサービスを提供するプラットフォームの開発が進められている。このようなプラットフォームの開発側は、効率的にサービスを展開するためのプラットフォームの構築を目指す一方で、小売店やスーパーなどのサービスの利用側は、ＩＴを活用した次世代店舗の構築を目指すことで、両者が一体となってプラットフォームの開発が進められている。
〔１．はじめに〕
近年、小売店やスーパーなど、様々な場所で撮像された映像を集約し解析することでサービスを提供するプラットフォームの開発が進められている。このようなプラットフォームの開発側は、効率的にサービスを展開するためのプラットフォームの構築を目指す一方で、小売店やスーパーなどのサービスの利用側は、ＩＴを活用した次世代店舗の構築を目指すことで、両者が一体となってプラットフォームの開発が進められている。
【0011】
ここで、小売店やスーパーなどでは、一般的にレジ業務に大きな工数を割く必要があるため、レジ業務の効率化が期待される。例えば、１日の業務の内訳として、レジ業務が約４０％も占める場合がある。また、レジ業務は、事前に決められた時間帯別のシフト表に沿って実施されるため、レジ担当として所定の場所に待機していても客が不在の場合には非生産的である。このように、客が不在の場合でも所定の場所に待機しなければならないといった非生産的な時間が生じてしまう場合がある。このため、レジ業務の効率化が重要となる。例えば、レジ業務を効率化することにより、客が不在の空いた時間に商品の品出しや陳列の前面に出す作業（フェイスアップ）を行うといったことが可能となる。
【0012】
本願は、上記に鑑みてなされたものであって、有人でサービスを行う業務の稼働調整による回転率の向上を促進させることができることを目的とする。
【0013】
下記実施形態では、各サービス提供場所の一例としてレジを例に挙げて説明するが、この例に限られないものとする。例えば、各サービス提供場所は、空港の検査場や外国の入国手続き場所などであってもよい。この場合、各サービス提供場所で提供されるサービスは、例えば、入場検査や入国手続きである。また、各サービス提供場所は、駅のホームや劇場や高速道路など、特定の領域への入場時や退場時などに料金の支払いやチケットを確認することを目的とした場所であってもよい。また、下記実施形態では、レジ業務を行う施設として、スーパーを例に挙げて説明するが、これに限定されず、例えば、コンビニなどの小売店などであってもよい。
【0014】
〔２．情報処理システムの構成〕
図１に示す情報処理システム１について説明する。図１に示すように、情報処理システム１は、撮像装置１０と、撮像装置２０と、撮像装置３０と、物体検知装置５０と、情報処理装置１００と、店舗端末２００とが含まれる。撮像装置１０と、撮像装置２０と、撮像装置３０と、物体検知装置５０と、情報処理装置１００と、店舗端末２００とは所定の通信網（ネットワークＮ）を介して、有線または無線により通信可能に接続される。図１は、実施形態に係る情報処理システム１の構成例を示す図である。
図１に示す情報処理システム１について説明する。図１に示すように、情報処理システム１は、撮像装置１０と、撮像装置２０と、撮像装置３０と、物体検知装置５０と、情報処理装置１００と、店舗端末２００とが含まれる。撮像装置１０と、撮像装置２０と、撮像装置３０と、物体検知装置５０と、情報処理装置１００と、店舗端末２００とは所定の通信網（ネットワークＮ）を介して、有線または無線により通信可能に接続される。図１は、実施形態に係る情報処理システム１の構成例を示す図である。
【0015】
撮像装置１０は、来店客を検知するために、店の入口付近の所定の位置に設置された撮像装置である。撮像装置１０は、例えば、来店客を検知可能な方向に撮像方向が固定されたボックス型の撮像装置である。図１では、撮像装置１０が１台である場合を示したが、情報処理システム１に含まれる撮像装置１０の数は特に限定されず複数でもよい。すなわち、複数の撮像装置１０で来店客を検知してもよい。
【0016】
撮像装置２０は、レジで決済処理を行うために客が待つ列である待機列に並ぶ待機客を検知するために、レジ付近（レジ真上を含む）の所定の位置に設置された撮像装置である。撮像装置２０は、例えば、待機客を検知可能な方向に撮像方向が固定されたボックス型の撮像装置である。図１では、撮像装置２０が１台である場合を示したが、情報処理システム１に含まれる撮像装置２０の数は特に限定されず複数でもよい。すなわち、複数の撮像装置２０で待機客を検知してもよい。また、撮像装置２０は、レジが複数ある場合には、レジごとに設置されてもよい。例えば、撮像装置２０は、レジごとに待機客を検知するためにレジごとに１台以上設置されてもよい。すなわち、レジごとに１台以上の撮像装置２０で待機客を検知してもよい。
【0017】
撮像装置３０は、レジで決済を行っている客である決済客を検知するために、レジ真上の所定の位置に設置された撮像装置である。例えば、決済客は、店員によりレジ業務（購入品を読み込む作業、現金やクレジットカードにより決済処理を行う作業）が行われる間、レジの位置に居続ける。撮像装置３０は、例えば、３６０度撮像可能な天球型の撮像装置である。図１では、撮像装置３０が１台である場合を示したが、情報処理システム１に含まれる撮像装置３０の数は特に限定されず複数でもよい。すなわち、複数の撮像装置３０で決済客を検知してもよい。また、撮像装置３０は、レジが複数ある場合には、レジごとに設置されてもよい。例えば、撮像装置３０は、レジごとに決済客を検知するためにレジごとに１台以上設置されてもよい。すなわち、レジごとに１台以上の撮像装置３０で決済客を検知してもよい。
【0018】
物体検知装置５０は、人物の検知や追跡を正しく行い、必要なデータを絞り込むことを目的とした情報処理装置である。例えば、物体検知装置５０は、レジ業務を行うスーパーのサーバ装置やクラウドシステム等により実現される。
【0019】
情報処理装置１００は、有人でサービスを行う業務の稼働調整による回転率の向上を促進させることを目的とした情報処理装置である。例えば、情報処理装置１００は、様々な場所で撮像された映像を集約し解析することでサービスを提供するプラットフォームの開発側のサーバ装置やクラウドシステム等により実現される。
【0020】
店舗端末２００は、店舗スタッフ（店員）によって利用される情報処理装置である。例えば、店舗端末２００は、各レジやバックヤードに設置されたディスプレイを有する情報処理装置である。店舗端末２００は、スマートフォンや、タブレット型端末や、ノート型ＰＣや、デスクトップＰＣや、携帯電話機や、ＰＤＡ等、実施形態における処理を実現可能であれば、どのような装置であってもよい。
【0021】
図２は、店内に設置された撮像装置の位置と撮像範囲の一例を示す図である。なお、各撮像装置では、撮像範囲に入ったオブジェクトを撮像する。撮像装置１０１は、スーパーＰ１の入口付近の領域Ｗ１の領域内の所定の位置に設置される。撮像装置１０１は、範囲Ｆ１を撮像する。また、撮像装置２０１乃至撮像装置２０６は、スーパーＰ１のレジ付近の領域Ｗ２の領域内の所定の位置に設置される。また、撮像装置２０７乃至撮像装置２０９は、スーパーＰ１のレジ真上の領域Ｗ３の領域内の所定の位置に設置される。撮像装置２０１乃至撮像装置２０９は、範囲Ｆ２乃至範囲Ｆ１０を撮像する。また、撮像装置３０１乃至撮像装置３０４は、スーパーＰ１のレジ真上の領域Ｗ３の領域内の所定の位置に設置される。撮像装置３０１乃至撮像装置３０４は、範囲Ｆ１１乃至範囲Ｆ１４を撮像する。
【0022】
ここで、撮像装置により撮像された瞬間の撮像情報を説明する。図３Ａは、撮像装置１０１により撮像された撮像情報の一例を示す。撮像情報には、例えば、客Ｋ１や客Ｋ２の来店の様子が含まれる。また、図３Ｂは、撮像装置２０１乃至撮像装置２０９のいずれかにより撮像された撮像情報の一例を示す。撮像情報には、例えば、客Ｋ３や客Ｋ４の決済のための待機の様子が含まれる。また、図３Ｃは、撮像装置３０１乃至撮像装置３０４のいずれかにより撮像された撮像情報の一例を示す。撮像情報には、例えば、客Ｋ５の決済の様子が含まれる。また、図３Ｄは、撮像装置３０１乃至撮像装置３０４のいずれかにより撮像された撮像情報の一例を示す。撮像情報には、例えば、店員Ｍ１の様子が含まれる。また、枠Ｄ１乃至枠Ｄ４は、各撮像装置の撮像範囲に入ることで検知された人物を処理対象とするか否かを判断するための枠（分析エリア）である。なお、分析エリアの判定方法については後述する。
【0023】
〔３．物体検知装置の構成〕
次に、図４を用いて、実施形態に係る物体検知装置５０の構成について説明する。図４は、実施形態に係る物体検知装置５０の構成例を示す図である。図４に示すように、物体検知装置５０は、通信部５１と、記憶部５２と、制御部５３とを有する。なお、物体検知装置５０は、物体検知装置５０の管理者から各種操作を受け付ける入力部（例えば、キーボードやマウス等）や、各種情報を表示させるための表示部（例えば、液晶ディスプレイ等）を有してもよい。
次に、図４を用いて、実施形態に係る物体検知装置５０の構成について説明する。図４は、実施形態に係る物体検知装置５０の構成例を示す図である。図４に示すように、物体検知装置５０は、通信部５１と、記憶部５２と、制御部５３とを有する。なお、物体検知装置５０は、物体検知装置５０の管理者から各種操作を受け付ける入力部（例えば、キーボードやマウス等）や、各種情報を表示させるための表示部（例えば、液晶ディスプレイ等）を有してもよい。
【0024】
（通信部５１）
通信部５１は、例えば、ＮＩＣ（Network Interface Card）等によって実現される。そして、通信部５１は、ネットワークＮと有線又は無線で接続され、ネットワークＮを介して、情報処理装置１００等との間で情報の送受信を行う。
通信部５１は、例えば、ＮＩＣ（Network Interface Card）等によって実現される。そして、通信部５１は、ネットワークＮと有線又は無線で接続され、ネットワークＮを介して、情報処理装置１００等との間で情報の送受信を行う。
【0025】
（記憶部５２）
記憶部５２は、例えば、ＲＡＭ、フラッシュメモリ等の半導体メモリ素子、または、ハードディスク、光ディスク等の記憶装置によって実現される。
記憶部５２は、例えば、ＲＡＭ、フラッシュメモリ等の半導体メモリ素子、または、ハードディスク、光ディスク等の記憶装置によって実現される。
【0026】
記憶部５２は、人物の検知情報を記憶する。例えば、記憶部５２は、人物が検知され続けている検知期間に関する情報を含む検知情報を記憶する。ここで、図５に、実施形態に係る記憶部５２の一例を示す。図５に示すように、記憶部５２は、「検知ＩＤ」、「性別」、「年代」、「検知時刻」、「検知時間」、「撮像装置」といった項目を有する。
【0027】
「検知ＩＤ」は、検知情報を識別するための識別情報を示す。「性別」は、検知された人物の性別を示す。「年代」は、検知された人物の年代を示す。このような性別や年代は、撮像情報を基にＡＩで判断されたものである。例えば、人物の撮像情報を学習することで撮像情報から性別や年代などの人物の属性を推定する学習モデルなどのＡＩで判断される。なお、ＡＩで判断できなかった性別や年代には「不明」が格納される。「検知時刻」は、検知を開始した時刻を示す。例えば、人物が撮像範囲に入り映像に映った瞬間の時刻である。「検知時間」は、検知を開始してから終了するまでの時間を示す。例えば、人物が撮像範囲内に滞在した時間である。すなわち、映像に映っていた時間である。「撮像装置」は、人物を検知した撮像装置の情報（例えば、設置場所）を示す。
【0028】
すなわち、図５では、検知ＩＤ「Ｔ１」によって、性別「女性」及び年代「３０代」と判断された人物が撮像装置「〇×〇×店入口（レコード取得用）」により時刻「２０２１年５月２７日１４時５９分９秒」に撮像され始め、８秒後に撮像装置「〇×〇×店入口（レコード取得用）」の撮像範囲から外れたことを示す。
【0029】
（制御部５３）
制御部５３は、コントローラであり、例えば、ＣＰＵ（Central Processing Unit）やＭＰＵ（Micro Processing Unit）等によって、物体検知装置５０内部の記憶装置に記憶されている各種プログラムがＲＡＭ（Random Access Memory）を作業領域として実行されることにより実現される。また、制御部５３は、コントローラであり、例えば、ＡＳＩＣ（Application Specific Integrated Circuit）やＦＰＧＡ（Field Programmable Gate Array）等の集積回路により実現される。
制御部５３は、コントローラであり、例えば、ＣＰＵ（Central Processing Unit）やＭＰＵ（Micro Processing Unit）等によって、物体検知装置５０内部の記憶装置に記憶されている各種プログラムがＲＡＭ（Random Access Memory）を作業領域として実行されることにより実現される。また、制御部５３は、コントローラであり、例えば、ＡＳＩＣ（Application Specific Integrated Circuit）やＦＰＧＡ（Field Programmable Gate Array）等の集積回路により実現される。
【0030】
図４に示すように、制御部５３は、取得部５３１と、判定部５３２と、提供部５３３とを有し、以下に説明する情報処理の作用を実現または実行する。なお、制御部５３の内部構成は、図４に示した構成に限られず、後述する情報処理を行う構成であれば他の構成であってもよい。
【0031】
（取得部５３１）
取得部５３１は、撮像装置１０、撮像装置２０又は撮像装置３０により撮像された撮像情報を取得する。なお、撮像情報は映像であるためリアルタイムに取得される。
取得部５３１は、撮像装置１０、撮像装置２０又は撮像装置３０により撮像された撮像情報を取得する。なお、撮像情報は映像であるためリアルタイムに取得される。
【0032】
（判定部５３２）
判定部５３２は、取得部５３１により取得された撮像情報を基に人物の検知を行う。具体的には、判定部５３２は、撮像範囲に入り映像に映った人物を検知する。また、判定部５３２は、例えば、検知した人物の撮像情報にバウンディングボックス（Bounding Box）の矩形を付与する。しかしながら、撮像範囲に入っている人物が検知されずバウンディングボックスが付与されない場合や、人物ではないオブジェクトが人物と判断されてバウンディングボックスが付与されてしまう場合もある。また、判定部５３２は、検知した人物の追跡を行う。判定部５３２は、例えば、人物の移動に合わせて、人物の撮像情報に付与されたバウンディングボックスを移動させる。しかしながら、バウンディングボックスが付与された人物の移動によって撮像範囲内でもバウンディングボックスが途中で外れてしまう場合もある。
判定部５３２は、取得部５３１により取得された撮像情報を基に人物の検知を行う。具体的には、判定部５３２は、撮像範囲に入り映像に映った人物を検知する。また、判定部５３２は、例えば、検知した人物の撮像情報にバウンディングボックス（Bounding Box）の矩形を付与する。しかしながら、撮像範囲に入っている人物が検知されずバウンディングボックスが付与されない場合や、人物ではないオブジェクトが人物と判断されてバウンディングボックスが付与されてしまう場合もある。また、判定部５３２は、検知した人物の追跡を行う。判定部５３２は、例えば、人物の移動に合わせて、人物の撮像情報に付与されたバウンディングボックスを移動させる。しかしながら、バウンディングボックスが付与された人物の移動によって撮像範囲内でもバウンディングボックスが途中で外れてしまう場合もある。
【0033】
判定部５３２は、検知した人物を処理対象にカウントするか否かを判定する。例えば、判定部５３２は、検知した人物が分析エリアに入ったか否かを判定し、さらに、分析エリアに入った人物を処理対象にカウントするか否かを判定する。
【0034】
ここで、実施形態に係る分析エリアの判定方法について説明する。実施形態に係る分析エリアの判定方法は２種類ある。立ち止まりと方向検知による判定方法である。図６Ａは、実施形態に係る立ち止まりの判定方法を説明するための説明図である。立ち止まりの判定方法は、主に、レジ業務を行う店員の場合に用いられる。立ち止まりの判定方法では、判定部５３２は、分析エリアにバウンディングボックスが触れた瞬間にカウントを開始し、分析エリアから出た瞬間にカウントを終了することで、検知された人物を処理対象にカウントするか否かを判定する。図６Ａ左側は、処理対象にカウントすると判定される場合の一例を示す。図６Ａ左側では、バウンディングボックスが付与された人物が分析エリア内に移動したことにより画像上でバウンディングボックスの少なくとも一部が分析エリアに重畳したため処理対象にカウントすると判定される。図６Ａ右側は、処理対象にカウントしないと判定される場合の一例を示す。図６Ａ右側では、画像上でバウンディングボックスのどの部分も分析エリアに重畳しないため処理対象にカウントしないと判定される。
【0035】
図６Ｂは、実施形態に係る方向検知の判定方法を説明するための説明図である。方向検知の判定方法は、主に、客（来店客、待機客、決済客）の場合に用いられる。方向検知の判定方法では、判定部５３２は、バウンディングボックスが分析エリアを指定の方向に通過したか否かを判定することで、検知された人物を処理対象にカウントするか否かを判定する。図６Ｂ左側は、処理対象にカウントすると判定される場合の一例を示す。図６Ｂ左側では、バウンディングボックスが付与された人物の移動とともに画像上でバウンディングボックスの少なくとも一部が分析エリアに重畳し分析エリア内を所定の方向に移動したため処理対象にカウントすると判定される。図６Ｂ右側は、処理対象にカウントしないと判定される場合の一例を示す。図６Ｂ右側では、画像上でバウンディングボックスのどの部分も分析エリアに重畳しない、又は、画像上でバウンディングボックスの少なくとも一部が分析エリアに重畳したが分析エリア内を所定の方向に移動しなかったため処理対象にカウントしないと判定される。なお、図６Ｂ左側に示したように、分析エリアを跨いで指定の方向に通過した場合に限られず、分析エリア外から分析エリア内の途中まで指定の方向に通過した場合や、分析エリア内の途中から分析エリア外まで指定の方向に通過した場合も、処理対象にカウントすると判定される。また、図示されていないが、分析エリア内の一の位置から分析エリア内の他の位置まで指定の方向に通過した場合も、処理対象にカウントすると判定される。
【0036】
しかしながら、このような判定方法では、適切なカウントができない場合がある。例えば、バウンディングボックスが追跡中に外れ再度付与してしまうダブルカウントや、検知漏れや誤検知などにより、適切なカウントができない場合がある。また、例えば、来店がグループの場合など、決済単位がグループの場合でも、グループ単位ではなく人物単位で人物それぞれを検知してしまうため、適切なカウントができない場合がある。例えば、３人がグループで来店した場合でも、人数をグループ単位ではなく人物単位で３人とカウントしてしまう場合がある。また、例えば、買い物中の待機客でない客と待機客とを判断できないため、適切なカウントができない場合がある。例えば、買い物中の待機客でない客１人が待機客２人に接近した場合には、待機客の人数を２人ではなく３人とカウントしてしまう場合がある。このため、適切なカウントを行うためには更なる処理が必要となる。以下、適切なカウントを行うための更なる処理を、適宜、「データクレンジング」と呼ぶ。なお、データクレンジングは情報処理装置１００で実行される。
【0037】
（提供部５３３）
提供部５３３は、データクレンジングが行われる前の情報を情報処理装置１００へ送信する。例えば、提供部５３３は、判定部５３２によって処理対象にカウントすると判定された人物の検知情報を送信する。例えば、提供部５３３は、人物の性別や年代に関する情報や、人物の検知が開始された時刻に関する情報や、人物の検知が開始されてから終了するまでの時間に関する情報などを送信する。
提供部５３３は、データクレンジングが行われる前の情報を情報処理装置１００へ送信する。例えば、提供部５３３は、判定部５３２によって処理対象にカウントすると判定された人物の検知情報を送信する。例えば、提供部５３３は、人物の性別や年代に関する情報や、人物の検知が開始された時刻に関する情報や、人物の検知が開始されてから終了するまでの時間に関する情報などを送信する。
【0038】
〔４．情報処理装置の構成〕
次に、図７を用いて、実施形態に係る情報処理装置１００の構成について説明する。図７は、実施形態に係る情報処理装置１００の構成例を示す図である。図７に示すように、情報処理装置１００は、通信部１１０と、記憶部１２０と、制御部１３０とを有する。なお、情報処理装置１００は、情報処理装置１００の管理者から各種操作を受け付ける入力部（例えば、キーボードやマウス等）や、各種情報を表示させるための表示部（例えば、液晶ディスプレイ等）を有してもよい。
次に、図７を用いて、実施形態に係る情報処理装置１００の構成について説明する。図７は、実施形態に係る情報処理装置１００の構成例を示す図である。図７に示すように、情報処理装置１００は、通信部１１０と、記憶部１２０と、制御部１３０とを有する。なお、情報処理装置１００は、情報処理装置１００の管理者から各種操作を受け付ける入力部（例えば、キーボードやマウス等）や、各種情報を表示させるための表示部（例えば、液晶ディスプレイ等）を有してもよい。
【0039】
（通信部１１０）
通信部１１０は、例えば、ＮＩＣ等によって実現される。そして、通信部１１０は、ネットワークＮと有線又は無線で接続され、ネットワークＮを介して、物体検知装置５０等との間で情報の送受信を行う。
通信部１１０は、例えば、ＮＩＣ等によって実現される。そして、通信部１１０は、ネットワークＮと有線又は無線で接続され、ネットワークＮを介して、物体検知装置５０等との間で情報の送受信を行う。
【0040】
（記憶部１２０）
記憶部１２０は、例えば、ＲＡＭ、フラッシュメモリ等の半導体メモリ素子、または、ハードディスク、光ディスク等の記憶装置によって実現される。
記憶部１２０は、例えば、ＲＡＭ、フラッシュメモリ等の半導体メモリ素子、または、ハードディスク、光ディスク等の記憶装置によって実現される。
【0041】
記憶部１２０は、データクレンジング前の検知情報に基づくカウント結果と、データクレンジング後の検知情報に基づくカウント結果とを記憶する。ここで、図８に、実施形態に係る記憶部１２０の一例を示す。図８に示すように、記憶部１２０は、「カウント結果ＩＤ」、「対象日時」、「来店客数（加工前）」、「来店客数（加工後）」、「入口滞在時間」、「レジ１前待機客数（加工前）」、「レジ１前待機客数（加工後）」、「レジ１前滞在時間（加工前）」、「レジ１前滞在時間（加工後）」、「レジ２前待機客数（加工前）」、「レジ２前待機客数（加工後）」、「レジ２前滞在時間（加工前）」、「レジ２前滞在時間（加工後）」、「レジ１決済客数（加工前）」、「レジ１決済客数（加工後）」、「レジ１通過時間（通過前）」、「レジ１通過時間（通過後）」、「レジ２決済客数（加工前）」、「レジ２決済客数（加工後）」、「レジ２通過時間（加工前）」、「レジ２通過時間（加工後）」、「レジ１店員有無」、「レジ１店員滞在時間（加工前）」、「レジ１店員滞在時間（加工後）」、「レジ２店員有無」、「レジ２店員滞在時間（加工前）」、「レジ２店員滞在時間（加工後）」といった項目を有する。
【0042】
「カウント結果ＩＤ」は、カウント結果を識別するための識別情報を示す。「対象日時」は、カウント結果の対象日時を示す。「来店客数（加工前）」は、対象日時に、データクレンジング前の検知情報に基づきカウントされた来店客数を示す。「来店客数（加工後）」は、データクレンジング後の検知情報に基づきカウントされた来店客数を示す。「入口滞在時間」は、対象日時にカウントされた来店客が検知された検知時間の総和を示す。なお、検知時間は、来店客が撮像範囲に入り映像に映った時間である。なお、来店客が検知された検知時間に対してデータクレンジングは実行されない。
【0043】
「レジ１前待機客数（加工前）」は、対象日時に、データクレンジング前の検知情報に基づきカウントされたレジ１前の待機客数を示す。「レジ１前待機客数（加工後）」は、対象日時に、データクレンジング後の検知情報に基づきカウントされたレジ１前の待機客数を示す。「レジ１前滞在時間（加工前）」は、対象日時に、データクレンジング前の検知情報に基づきカウントされたレジ１前の待機客の滞在時間の総和を示す。「レジ１前滞在時間（加工後）」は、対象日時に、データクレンジング後の検知情報に基づきカウントされたレジ１前の待機客の滞在時間の総和を示す。待機客の滞在時間のデータクレンジングについては後述する。「レジ２前待機客数」は、対象日時に、データクレンジング前の検知情報に基づきカウントされたレジ２前の待機客数を示す。「レジ２前待機客数（加工後）」は、対象日時に、データクレンジング後の検知情報に基づきカウントされたレジ２前の待機客数を示す。「レジ２前滞在時間（加工前）」は、対象日時に、データクレンジング前の検知情報に基づきカウントされたレジ２前の待機客の滞在時間の総和を示す。「レジ２前滞在時間（加工後）」は、対象日時に、データクレンジング後の検知情報に基づきカウントされたレジ２前の待機客の滞在時間の総和を示す。
【0044】
「レジ１決済客数（加工前）」は、対象日時に、データクレンジング前の検知情報に基づきカウントされたレジ１を通過した決済客数を示す。「レジ１決済客数（加工後）」は、対象日時に、データクレンジング後の検知情報に基づきカウントされたレジ１を通過した決済客数を示す。「レジ１通過時間（加工前）」は、対象日時に、データクレンジング前の検知情報に基づきカウントされたレジ１を通過した決済客の通過時間の総和を示す。「レジ１通過時間（加工後）」は、対象日時に、データクレンジング後の検知情報に基づきカウントされたレジ１を通過した決済客の通過時間の総和を示す。決済客の通過時間のデータクレンジングについては後述する。「レジ２決済客数（加工前）」は、対象日時に、データクレンジング前の検知情報に基づきカウントされたレジ２を通過した決済客数を示す。「レジ２決済客数（加工後）」は、対象日時に、データクレンジング後の検知情報に基づきカウントされたレジ２を通過した決済客数を示す。「レジ２通過時間（加工前）」は、対象日時に、データクレンジング前の検知情報に基づきカウントされたレジ２を通過した決済客の通過時間の総和を示す。「レジ２通過時間（加工後）」は、対象日時に、データクレンジング後の検知情報に基づきカウントされたレジ２を通過した決済客の通過時間の総和を示す。
【0045】
「レジ１店員有無」は、対象日時のレジ１の店員の有無を示す。なお、レジの店員の有無に対してデータクレンジングは実行されない。「レジ１店員滞在時間（加工前）」は、対象日時に、データクレンジング前の検知情報に基づきカウントされたレジ１の店員の滞在時間の総和を示す。「レジ１店員滞在時間（加工後）」は、対象日時に、データクレンジング後の検知情報に基づきカウントされたレジ１の店員の滞在時間の総和を示す。店員の滞在時間のデータクレンジングについては後述する。「レジ２店員有無」は、対象日時のレジ２の店員の有無を示す。「レジ２店員滞在時間（加工前）」は、対象日時に、データクレンジング前の検知情報に基づきカウントされたレジ２の店員の滞在時間の総和を示す。「レジ２店員滞在時間（加工後）」は、対象日時に、データクレンジング後の検知情報に基づきカウントされたレジ２の店員の滞在時間の総和を示す。
【0046】
すなわち、図８では、カウント結果ＩＤ「Ｒ１」によって、例えば、「２０２１年５月２７日１２時０分０秒～２０２１年５月２７日１２時１分０秒」の１分間に来店した人数は、データクレンジング前の検知情報に基づくと「５人」、データクレンジング後の検知情報に基づくと「３人」であり、来店した客が検知された時間の総和は「１５秒」であることを示す。また、カウント結果ＩＤ「Ｒ１」によって、例えば、「２０２１年５月２７日１２時０分０秒～２０２１年５月２７日１２時１分０秒」の１分間にレジ１前で待機していた人数は、データクレンジング前の検知情報に基づくと「４人」、データクレンジング後の検知情報に基づくと「３人」であり、待機していた客が検知された時間の総和は、データクレンジング前の検知情報に基づくと「６０秒」、データクレンジング後の検知情報に基づくと「５５秒」であることを示す。また、カウント結果ＩＤ「Ｒ１」によって、例えば、「２０２１年５月２７日１２時０分０秒～２０２１年５月２７日１２時１分０秒」の１分間にレジ１を通過した人数は、データクレンジング前の検知情報に基づくと「２人」、データクレンジング後の検知情報に基づくと「１人」であり、決済していた客が検知された時間の総和は、データクレンジング前の検知情報に基づくと「６０秒」、データクレンジング後の検知情報に基づくと「５５秒」であることを示す。また、カウント結果ＩＤ「Ｒ１」によって、例えば、「２０２１年５月２７日１２時０分０秒～２０２１年５月２７日１２時１分０秒」の１分間にレジ１に店員は滞在しており、店員が滞在していた時間は、データクレンジング前の検知情報に基づくと「６０秒」、データクレンジング後の検知情報に基づくと「６０秒」であることを示す。
【0047】
（制御部１３０）
制御部１３０は、コントローラであり、例えば、ＣＰＵやＭＰＵ等によって、情報処理装置１００内部の記憶装置に記憶されている各種プログラムがＲＡＭを作業領域として実行されることにより実現される。また、制御部１３０は、コントローラであり、例えば、ＡＳＩＣやＦＰＧＡ等の集積回路により実現される。
制御部１３０は、コントローラであり、例えば、ＣＰＵやＭＰＵ等によって、情報処理装置１００内部の記憶装置に記憶されている各種プログラムがＲＡＭを作業領域として実行されることにより実現される。また、制御部１３０は、コントローラであり、例えば、ＡＳＩＣやＦＰＧＡ等の集積回路により実現される。
【0048】
図７に示すように、制御部１３０は、取得部１３１と、加工部１３２と、決定部１３３と、生成部１３４と、推定部１３５と、算出部１３６と、提供部１３７とを有し、以下に説明する情報処理の作用を実現または実行する。なお、制御部１３０の内部構成は、図７に示した構成に限られず、後述する情報処理を行う構成であれば他の構成であってもよい。
【0049】
（取得部１３１）
取得部１３１は、データクレンジング前の検知情報に基づくカウント結果に関する情報と、データクレンジング後の検知情報に基づくカウント結果に関する情報とを取得する。例えば、取得部１３１は、人物が撮像範囲に入り映像に映った検知時間を示すデータを取得する。また、例えば、取得部１３１は、検知時間を示すデータのうち、分析エリアを通過した通過時間を示すデータを取得する。
取得部１３１は、データクレンジング前の検知情報に基づくカウント結果に関する情報と、データクレンジング後の検知情報に基づくカウント結果に関する情報とを取得する。例えば、取得部１３１は、人物が撮像範囲に入り映像に映った検知時間を示すデータを取得する。また、例えば、取得部１３１は、検知時間を示すデータのうち、分析エリアを通過した通過時間を示すデータを取得する。
【0050】
（加工部１３２）
加工部１３２は、取得部１３１により取得された、データクレンジング前の検知情報に基づくカウント結果に関する情報に対してデータクレンジングを行う。以下、実施形態に係るデータクレンジングについて説明する。
加工部１３２は、取得部１３１により取得された、データクレンジング前の検知情報に基づくカウント結果に関する情報に対してデータクレンジングを行う。以下、実施形態に係るデータクレンジングについて説明する。
【0051】
（来店客のデータクレンジング）
図９は、来店客数のカウント結果に適用されるデータクレンジングを説明するための説明図である。具体的には、来店客数のカウント結果に含まれるノイズを除去する。加工部１３２は、データクレンジング前の検知情報に基づく来店客数のカウント結果に対して、フィルター（例えば、カルマンフィルター）をかけてノイズを除去することにより来店客数を平滑化したデータを生成する。
図９は、来店客数のカウント結果に適用されるデータクレンジングを説明するための説明図である。具体的には、来店客数のカウント結果に含まれるノイズを除去する。加工部１３２は、データクレンジング前の検知情報に基づく来店客数のカウント結果に対して、フィルター（例えば、カルマンフィルター）をかけてノイズを除去することにより来店客数を平滑化したデータを生成する。
【0052】
（待機客及び決済客に共通したデータクレンジング）
ダブルカウントを解消するためのデータクレンジングと時間測定によるズレを解消するためのデータクレンジングがあり、待機客のレジ前滞在時間のカウント結果と決済客のレジ通過時間のカウント結果に共通して適用される。図１０Ａは、ダブルカウントを解消するデータクレンジングを説明するための説明図である。第１時刻に人物が検知された後、第１Ａ時刻に人物が検知されなくなり、第２時刻に人物が再度検知された後、第２Ａ時刻に人物が再度検知されなくなった場合である。ここで、第１時刻に検知された人物と第２時刻に検知された人物とが異なる場合もあるが、同一である場合には、データ１とデータ２を基に人物がダブルカウントされてしまう。このため、加工部１３２は、データ１とデータ２とを結合したデータ（セッション化したデータに対応）を生成する。具体的には、加工部１３２は、第１Ａ時刻から第２時刻までの時間（以下、適宜、「再検知時間」とする）が所定時間（ＸＡ秒）以下である場合に、データ１と、データ２とを、第１時刻から第２Ａ時刻までのデータとする。この際、加工部１３２は、第１時刻に検知された人物の属性（例えば、性別や年代）と第２時刻に検知された人物の属性とが同一の場合にデータ１とデータ２とを第１時刻から第２Ａ時刻までのデータとしてもよい。なお、加工部１３２は、再検知時間がＸＡ秒以下でない場合や、第１時刻と第２時刻とに検知された人物の属性が同一でない場合には、データ１とデータ２をそのままにする。また、加工部１３２は、ダブルカウント解消のための処理の前段として、レジが開いている時間以外のデータを削除してもよい。
ダブルカウントを解消するためのデータクレンジングと時間測定によるズレを解消するためのデータクレンジングがあり、待機客のレジ前滞在時間のカウント結果と決済客のレジ通過時間のカウント結果に共通して適用される。図１０Ａは、ダブルカウントを解消するデータクレンジングを説明するための説明図である。第１時刻に人物が検知された後、第１Ａ時刻に人物が検知されなくなり、第２時刻に人物が再度検知された後、第２Ａ時刻に人物が再度検知されなくなった場合である。ここで、第１時刻に検知された人物と第２時刻に検知された人物とが異なる場合もあるが、同一である場合には、データ１とデータ２を基に人物がダブルカウントされてしまう。このため、加工部１３２は、データ１とデータ２とを結合したデータ（セッション化したデータに対応）を生成する。具体的には、加工部１３２は、第１Ａ時刻から第２時刻までの時間（以下、適宜、「再検知時間」とする）が所定時間（ＸＡ秒）以下である場合に、データ１と、データ２とを、第１時刻から第２Ａ時刻までのデータとする。この際、加工部１３２は、第１時刻に検知された人物の属性（例えば、性別や年代）と第２時刻に検知された人物の属性とが同一の場合にデータ１とデータ２とを第１時刻から第２Ａ時刻までのデータとしてもよい。なお、加工部１３２は、再検知時間がＸＡ秒以下でない場合や、第１時刻と第２時刻とに検知された人物の属性が同一でない場合には、データ１とデータ２をそのままにする。また、加工部１３２は、ダブルカウント解消のための処理の前段として、レジが開いている時間以外のデータを削除してもよい。
【0053】
図１０Ｂは、時間測定によるズレを解消するためのデータクレンジングを説明するための説明図である。加工部１３２は、図１０Ａに示したようなデータ（例えば、データ１、データ２、セッション化したデータ）から、事前に決められた平均ズレ幅を削除することで、平均ズレ幅を引いたデータを生成する。図１０Ｂでは、加工部１３２は、検知の開始と終了の両端で平均ズレ幅を削除することで、平均ズレ幅を引いたデータを生成する。ここで、平均ズレ幅は、撮像装置ごとに決められる。例えば、平均ズレ幅は、撮像装置の画角や位置やアングルやズームなどによって撮像範囲に対する分析エリア外のサイズが決まるため撮像装置ごとに決められる。加工部１３２は、このような撮像装置に関する情報に基づいて、検知時間の少なくとも一部を削除した時間を新たなデータとする。また、加工部１３２は、時間測定によるズレ解消のための処理の前段として、平均ズレ幅以下のデータを削除してもよい。
【0054】
（決済客のデータクレンジング）
決済客のレジ通過時間のデータに重なりがある場合には、加工部１３２は、データの重なりの割合を基に更なるデータクレンジングを行う。図１１Ａ乃至図１１Ｃは、決済客のレジ通過時間のデータに重なりがある場合のデータクレンジングの一例を示す図である。加工部１３２は、短い方のデータを基に、データの重なりの割合が所定割合（ＸＸ％）以上である場合には、重なりがある複数のデータをセッション化したデータを生成（図１１Ａに対応）してもよいし、短い方のデータを削除（図１１Ｂに対応）してもよい。また、加工部１３２は、短い方のデータを基に、データの重なりの割合が所定割合未満である場合には、それぞれ別の決済客のデータ（図１１Ｃに対応）とする。
決済客のレジ通過時間のデータに重なりがある場合には、加工部１３２は、データの重なりの割合を基に更なるデータクレンジングを行う。図１１Ａ乃至図１１Ｃは、決済客のレジ通過時間のデータに重なりがある場合のデータクレンジングの一例を示す図である。加工部１３２は、短い方のデータを基に、データの重なりの割合が所定割合（ＸＸ％）以上である場合には、重なりがある複数のデータをセッション化したデータを生成（図１１Ａに対応）してもよいし、短い方のデータを削除（図１１Ｂに対応）してもよい。また、加工部１３２は、短い方のデータを基に、データの重なりの割合が所定割合未満である場合には、それぞれ別の決済客のデータ（図１１Ｃに対応）とする。
【0055】
（店員のデータクレンジング）
店員の滞在時間のデータに重なりがある場合には、加工部１３２は、重なりがある複数のデータをセッション化したデータを生成する。図１２Ａは、店員の滞在時間のデータに重なりがある場合のデータクレンジングの一例（その１）を示す図である。図１２Ａでは、加工部１３２は、データ１とデータ２、データ４とデータ５を基に、それぞれセッション化したデータを生成する。そして、決定部１３３は、データ１とデータ２をセッション化したデータと、データ３と、データ４とデータ５をセッション化したデータとを店員の滞在時間とする。また、図１２Ｂは、店員の滞在時間のデータに重なりがある場合のデータクレンジングの一例（その２）を示す図である。具体的には、データ２の終了からデータ３の開始が所定時間（ＸＦ秒）以下である場合である。図１２Ｂでは、加工部１３２は、データ１とデータ２とデータ３、データ４とデータ５を基に、それぞれセッション化したデータを生成する。そして、決定部１３３は、データ１とデータ２とデータ３をセッション化したデータと、データ４とデータ５をセッション化したデータとを店員の滞在時間とする。
店員の滞在時間のデータに重なりがある場合には、加工部１３２は、重なりがある複数のデータをセッション化したデータを生成する。図１２Ａは、店員の滞在時間のデータに重なりがある場合のデータクレンジングの一例（その１）を示す図である。図１２Ａでは、加工部１３２は、データ１とデータ２、データ４とデータ５を基に、それぞれセッション化したデータを生成する。そして、決定部１３３は、データ１とデータ２をセッション化したデータと、データ３と、データ４とデータ５をセッション化したデータとを店員の滞在時間とする。また、図１２Ｂは、店員の滞在時間のデータに重なりがある場合のデータクレンジングの一例（その２）を示す図である。具体的には、データ２の終了からデータ３の開始が所定時間（ＸＦ秒）以下である場合である。図１２Ｂでは、加工部１３２は、データ１とデータ２とデータ３、データ４とデータ５を基に、それぞれセッション化したデータを生成する。そして、決定部１３３は、データ１とデータ２とデータ３をセッション化したデータと、データ４とデータ５をセッション化したデータとを店員の滞在時間とする。
【0056】
（決定部１３３）
決定部１３３は、検知された人物が通過した分析エリアに応じて、来店客のデータ、待機客のデータ、決済客のデータ、店員のデータを決定する。例えば、決定部１３３は、検知された人物が通過した分析エリアが来店客をカウントするためのエリアである場合には、データクレンジング後のデータを基に、来店客数を決定する。また、決定部１３３は、データクレンジング前のデータを基に、来店客の検知時間の総和を決定する。
決定部１３３は、検知された人物が通過した分析エリアに応じて、来店客のデータ、待機客のデータ、決済客のデータ、店員のデータを決定する。例えば、決定部１３３は、検知された人物が通過した分析エリアが来店客をカウントするためのエリアである場合には、データクレンジング後のデータを基に、来店客数を決定する。また、決定部１３３は、データクレンジング前のデータを基に、来店客の検知時間の総和を決定する。
【0057】
また、例えば、決定部１３３は、検知された人物が通過した分析エリアが待機客をカウントするためのエリアである場合には、データクレンジング後のデータを基に、待機客数を決定する。例えば、決定部１３３は、待機客の滞在時間のデータ数から、データ数に応じた人数を待機客数とする。図１３Ａは、待機客のデータの決定を説明するための説明図である。決定部１３３は、待機列を横切る通過客のデータ（＜ＸＢ秒）や棚補充店員や買い物客のデータ（＞ＸＣ秒）を除外するために、滞在時間が所定閾値の範囲（ＸＢ秒以上且つＸＣ秒以下）のデータを、待機客のデータとする。また、決定部１３３は、データクレンジング後のデータを基に、待機客の滞在時間の総和を決定する。
【0058】
また、例えば、決定部１３３は、検知された人物が通過した分析エリアが決済客をカウントするためのエリアである場合には、データクレンジング後のデータを基に、決済客数を決定する。例えば、決定部１３３は、決済客の通過時間のデータ数から、データ数に応じた人数を決済客数とする。図１３Ｂは、決済客のデータの決定を説明するための説明図である。決定部１３３は、レジを横切る通過客のデータ（＜ＸＤ秒）や店員や作業員のデータ（＞ＸＥ秒）を除外するために、通過時間が所定閾値の範囲（ＸＤ秒以上且つＸＥ秒以下）のデータを、決済客のデータとする。また、決定部１３３は、データクレンジング後のデータを基に、決済客の通過時間の総和を決定する。
【0059】
以下、レジ開閉の最適化のために、最適なレジ稼働台数を算出するための処理を説明する。
【0060】
（生成部１３４）
生成部１３４は、所定時間後（例えば、数分後）の最適レジ稼働台数を推定するためのモデルを生成する。なお、所定時間は、店員のオペレーションとのラグを考慮した時間である。この時間で、最適レジ稼働台数を店員へ通知し、店員が知得し、最終的なレジ稼働台数を店員が判断することが可能となる。
生成部１３４は、所定時間後（例えば、数分後）の最適レジ稼働台数を推定するためのモデルを生成する。なお、所定時間は、店員のオペレーションとのラグを考慮した時間である。この時間で、最適レジ稼働台数を店員へ通知し、店員が知得し、最終的なレジ稼働台数を店員が判断することが可能となる。
【0061】
生成部１３４は、記憶部１２０に記憶されたデータを入力すると、対象日時から所定時間内にレジに来る客数を出力するモデルを生成する。具体的には、生成部１３４は、対象日時のデータクレンジング前の検知情報に基づくカウント結果（来店客数、入口滞在時間、待機客数、レジ前滞在時間、決済客数、レジ通過時間、店員有無、レジ店員滞在時間）と、データクレンジング後の検知情報に基づくカウント結果（来店客数、待機客数、レジ前滞在時間、決済客数、レジ通過時間、レジ店員滞在時間）とを入力データに追加する。また、対象日時から所定時間内に実際にレジに来た客数を店員の目視によりカウントすることで、対象日時に対応した入力情報の正解情報とする。生成部１３４は、過去の対象日時の検知情報を用いて推定された客数と、その対象日時から所定時間内に実際にレジに来た客数とに基づいて学習させたモデルを生成する。
【0062】
ここで、来店客数のカウントを例に挙げて学習データの生成について説明する。図１４は、学習データの生成の一例を示す図である。対象日時の３月１日１０時０分から、１分ごとに１分間の来店客数を記録したデータである。例えば、３月１日１０時０分～１０時１分の１分間の来店客数が１２人であったため、「入口の人数カウント」に１２が入力される。また、この期間中に実際にレジに来た客数は２人であったため、「目的変数」に２が入力される。また、例えば、３月１日１０時１分～１０時２分の１分間の来店客数が９人であったため、「入口の人数カウント」に９が入力される。また、１分前の３月１日１０時０分～１０時１分の来店客数が１２人であったため、「入口の人数カウント（１分前）」に１２が入力される。また、この期間中に実際にレジに来た客数は０人であったため、「目的変数」に０が入力される。また、例えば、３月１日１０時２分～１０時３分の１分間の来店客数が８人であったため、「入口の人数カウント」に８が入力される。また、１分前の３月１日１０時１分～１０時２分の来店客数が９人であったため、「入口の人数カウント（１分前）」に９が入力され、２分前の３月１日１０時０分～１０時１分の来店客数が１２人であったため、「入口の人数カウント（２分前）」に１２が入力される。また、この期間中に実際にレジに来た客数は１人であったため、「目的変数」に１が入力される。生成部１３４は、このような来店客数のデータを集計することで来店客数のカウント結果を生成し、他の項目についても同様にカウント結果を生成することで、学習データを生成する。
【0063】
（推定部１３５）
推定部１３５は、生成部１３４により生成されたモデルに、現時刻の検知情報に基づくカウント結果を入力することで、現時刻から所定時間内にレジに来る客数を推定する。具体的には、推定部１３５は、現時刻のデータクレンジング前の検知情報に基づくカウント結果（来店客数、入口滞在時間、待機客数、レジ前滞在時間、決済客数、レジ通過時間、店員有無、レジ店員滞在時間）と、データクレンジング後の検知情報に基づくカウント結果（来店客数、待機客数、レジ前滞在時間、決済客数、レジ通過時間、レジ店員滞在時間）とを入力データに追加する。
推定部１３５は、生成部１３４により生成されたモデルに、現時刻の検知情報に基づくカウント結果を入力することで、現時刻から所定時間内にレジに来る客数を推定する。具体的には、推定部１３５は、現時刻のデータクレンジング前の検知情報に基づくカウント結果（来店客数、入口滞在時間、待機客数、レジ前滞在時間、決済客数、レジ通過時間、店員有無、レジ店員滞在時間）と、データクレンジング後の検知情報に基づくカウント結果（来店客数、待機客数、レジ前滞在時間、決済客数、レジ通過時間、レジ店員滞在時間）とを入力データに追加する。
【0064】
（算出部１３６）
算出部１３６は、推定部１３５により推定された客数と、事前に決められたレジ稼働可能台数と平均決済時間と待機許容人数とに基づいて、所定時間後の最適レジ稼働台数を算出する。図１５は、最適レジ稼働台数の算出方法を説明するための説明図である。図１５では、待機許容人数は２人であり、平均決済時間は６０秒に設定される。そして、単位時間にレジ１台が捌ける人数にレジ台数を掛け合わせた人数に２人を加えた人数が、レジで捌く必要がある人数以上となるようにレジ台数を求めた際に可能な最小のレジ台数を最適レジ稼働台数とする。１２時からの５分間でレジに来た人数は６人であるため、この５分間にレジで捌く必要がある人数は６人となる。ここで、待機許容人数は２人であるため、この５分間の最適レジ稼働台数は１台となる。この結果、１台のレジ処理可能人数は５分間で５人であるため、６人のうち１人が次の５分間に繰り越される。そして、１２時５分からの５分間でレジに来た人数は８人であるため、この５分間にレジで捌く必要がある人数は前の１人と合わせて９人となる。このため、この５分間の最適レジ稼働台数は２台となる。この結果、２台のレジ処理可能人数は５分間で１０人であるため、この５分間で９人全てを捌くことが可能となり、次の５分間に繰り越される人数は０人となる。そして、１２時１０分からの５分間でレジに来た人数は３人であるため、この５分間にレジで捌く必要がある人数は３人となる。このため、この５分間の最適レジ稼働台数は１台となる。
算出部１３６は、推定部１３５により推定された客数と、事前に決められたレジ稼働可能台数と平均決済時間と待機許容人数とに基づいて、所定時間後の最適レジ稼働台数を算出する。図１５は、最適レジ稼働台数の算出方法を説明するための説明図である。図１５では、待機許容人数は２人であり、平均決済時間は６０秒に設定される。そして、単位時間にレジ１台が捌ける人数にレジ台数を掛け合わせた人数に２人を加えた人数が、レジで捌く必要がある人数以上となるようにレジ台数を求めた際に可能な最小のレジ台数を最適レジ稼働台数とする。１２時からの５分間でレジに来た人数は６人であるため、この５分間にレジで捌く必要がある人数は６人となる。ここで、待機許容人数は２人であるため、この５分間の最適レジ稼働台数は１台となる。この結果、１台のレジ処理可能人数は５分間で５人であるため、６人のうち１人が次の５分間に繰り越される。そして、１２時５分からの５分間でレジに来た人数は８人であるため、この５分間にレジで捌く必要がある人数は前の１人と合わせて９人となる。このため、この５分間の最適レジ稼働台数は２台となる。この結果、２台のレジ処理可能人数は５分間で１０人であるため、この５分間で９人全てを捌くことが可能となり、次の５分間に繰り越される人数は０人となる。そして、１２時１０分からの５分間でレジに来た人数は３人であるため、この５分間にレジで捌く必要がある人数は３人となる。このため、この５分間の最適レジ稼働台数は１台となる。
【0065】
（提供部１３７）
提供部１３７は、算出部１３６により算出された最適レジ稼働台数を示す情報を表示させるための情報を店舗端末２００へ送信する。店舗端末２００は、提供部１３７から送信された情報を受信すると、最適レジ稼働台数を示す情報を表示させる。図１６は、最適レジ稼働台数を示す情報（ユーザインターフェース）の一例を示す図である。図１６では、現時刻が２０２１年１０月２１日１１時１５分であり、現在のレジ稼働台数が２台であり、５分後の最適レジ稼働台数が３台であり、１０分後の最適レジ稼働台数が２台であり、１５分後の最適レジ稼働台数が１台であることを示す情報が表示される。なお、図１６では、５分後、１０分後、１５分後の最適レジ稼働台数を示す情報が表示されるが、表示態様は特に限定されないものとする。
提供部１３７は、算出部１３６により算出された最適レジ稼働台数を示す情報を表示させるための情報を店舗端末２００へ送信する。店舗端末２００は、提供部１３７から送信された情報を受信すると、最適レジ稼働台数を示す情報を表示させる。図１６は、最適レジ稼働台数を示す情報（ユーザインターフェース）の一例を示す図である。図１６では、現時刻が２０２１年１０月２１日１１時１５分であり、現在のレジ稼働台数が２台であり、５分後の最適レジ稼働台数が３台であり、１０分後の最適レジ稼働台数が２台であり、１５分後の最適レジ稼働台数が１台であることを示す情報が表示される。なお、図１６では、５分後、１０分後、１５分後の最適レジ稼働台数を示す情報が表示されるが、表示態様は特に限定されないものとする。
【0066】
〔５．情報処理のフロー〕
次に、図１７を用いて、実施形態に係る情報処理システム１による情報処理の手順について説明する。
次に、図１７を用いて、実施形態に係る情報処理システム１による情報処理の手順について説明する。
【0067】
図１７に示すように、情報処理装置１００は、現時刻のデータクレンジング前の検知情報に基づくカウント結果を取得する（ステップＳ１０１）。
【0068】
情報処理装置１００は、取得したカウント結果に対するデータクレンジング後のカウント結果を取得する（ステップＳ１０２）。
【0069】
情報処理装置１００は、対象日時のデータクレンジング前の検知情報に基づくカウント結果とデータクレンジング後のカウント結果とを入力すると、対象日時から所定時間内にレジに来る客数を出力するモデルに、取得したデータクレンジング前のカウント結果とデータクレンジング後のカウント結果とを入力することで、現時刻から所定時間内にレジに来る客数を推定する（ステップＳ１０３）。
【0070】
情報処理装置１００は、推定した客数と、レジ稼働可能台数と平均決済時間と待機許容人数とに基づいて、現時刻から所定時間後の最適レジ稼働台数を算出する（ステップＳ１０４）。
【0071】
（実施形態２）
上述した実施形態に係る情報処理システム１は、上記実施形態以外にも種々の異なる形態にて実施されてよい。そこで、以下では、情報処理システム１の他の実施形態について説明する。なお、上記実施形態と同様の説明は適宜省略する。
上述した実施形態に係る情報処理システム１は、上記実施形態以外にも種々の異なる形態にて実施されてよい。そこで、以下では、情報処理システム１の他の実施形態について説明する。なお、上記実施形態と同様の説明は適宜省略する。
【0072】
〔６．情報処理装置の構成〕
図１８を用いて、実施形態２に係る情報処理装置１００Ａの構成について説明する。図１８は、実施形態２に係る情報処理装置１００Ａの構成例を示す図である。図１８に示すように、情報処理装置１００Ａは、通信部１１０と、記憶部１２０と、制御部１３０Ａとを有する。なお、情報処理装置１００Ａは、情報処理装置１００Ａの管理者から各種操作を受け付ける入力部（例えば、キーボードやマウス等）や、各種情報を表示させるための表示部（例えば、液晶ディスプレイ等）を有してもよい。
図１８を用いて、実施形態２に係る情報処理装置１００Ａの構成について説明する。図１８は、実施形態２に係る情報処理装置１００Ａの構成例を示す図である。図１８に示すように、情報処理装置１００Ａは、通信部１１０と、記憶部１２０と、制御部１３０Ａとを有する。なお、情報処理装置１００Ａは、情報処理装置１００Ａの管理者から各種操作を受け付ける入力部（例えば、キーボードやマウス等）や、各種情報を表示させるための表示部（例えば、液晶ディスプレイ等）を有してもよい。
【0073】
（制御部１３０Ａ）
制御部１３０Ａは、コントローラであり、例えば、ＣＰＵやＭＰＵ等によって、情報処理装置１００Ａ内部の記憶装置に記憶されている各種プログラムがＲＡＭを作業領域として実行されることにより実現される。また、制御部１３０Ａは、コントローラであり、例えば、ＡＳＩＣやＦＰＧＡ等の集積回路により実現される。
制御部１３０Ａは、コントローラであり、例えば、ＣＰＵやＭＰＵ等によって、情報処理装置１００Ａ内部の記憶装置に記憶されている各種プログラムがＲＡＭを作業領域として実行されることにより実現される。また、制御部１３０Ａは、コントローラであり、例えば、ＡＳＩＣやＦＰＧＡ等の集積回路により実現される。
【0074】
図１８に示すように、制御部１３０Ａは、取得部１３１と、加工部１３２と、決定部１３３と、算出部２３４と、生成部２３５と、特定部２３６と、提供部１３７Ａとを有し、以下に説明する情報処理の作用を実現または実行する。なお、制御部１３０Ａの内部構成は、図１８に示した構成に限られず、後述する情報処理を行う構成であれば他の構成であってもよい。
【0075】
以下、レジ作業効率を可視化することで、レジ勤務シフト最適化のための提案を行う処理を説明する。下記実施形態では、レジ作業効率を式（１）のように定義する。式（１）は、実施形態２に係るレジ作業効率を算出するための算出式である。また、図１９は、顧客対応をした時間とレジ業務をした時間の一例を示す図である。
【0076】
【数1】
【0077】
（算出部２３４）
算出部２３４は、決定部１３３により決定された決済客のデータ（顧客対応をした時間）と店員のデータ（レジ業務をした時間）とに基づいて、レジ作業効率を算出する。なお、レジ作業効率は、例えば、日付、曜日、時間帯ごとに算出されてもよい。例えば、算出部２３４は、日付ごとの決済客のデータと店員のデータとに基づいて、レジ作業効率を日付ごとに算出してもよい。また、例えば、算出部２３４は、曜日ごとの決済客のデータと店員のデータとに基づいて、レジ作業効率を曜日ごとに算出してもよい。また、例えば、算出部２３４は、時間帯ごとの決済客のデータと店員のデータとに基づいて、レジ作業効率を時間帯ごとに算出してもよい。また、算出部２３４は、決済客のデータと店員のデータとに基づいて、レジ業務をした時間のうち顧客対応をしなかった非顧客対応時間を算出してもよい。例えば、算出部２３４は、店員のデータから決済客のデータを差し引くことで、非顧客対応時間を算出してもよい。
算出部２３４は、決定部１３３により決定された決済客のデータ（顧客対応をした時間）と店員のデータ（レジ業務をした時間）とに基づいて、レジ作業効率を算出する。なお、レジ作業効率は、例えば、日付、曜日、時間帯ごとに算出されてもよい。例えば、算出部２３４は、日付ごとの決済客のデータと店員のデータとに基づいて、レジ作業効率を日付ごとに算出してもよい。また、例えば、算出部２３４は、曜日ごとの決済客のデータと店員のデータとに基づいて、レジ作業効率を曜日ごとに算出してもよい。また、例えば、算出部２３４は、時間帯ごとの決済客のデータと店員のデータとに基づいて、レジ作業効率を時間帯ごとに算出してもよい。また、算出部２３４は、決済客のデータと店員のデータとに基づいて、レジ業務をした時間のうち顧客対応をしなかった非顧客対応時間を算出してもよい。例えば、算出部２３４は、店員のデータから決済客のデータを差し引くことで、非顧客対応時間を算出してもよい。
【0078】
（生成部２３５）
生成部２３５は、算出部２３４により算出されたレジ作業効率を可視化した情報を表示させるための情報を生成する。図２０Ａ乃至図２０Ｃは、それぞれ、日付、曜日、時間帯ごとにレジ作業効率を可視化した情報（ユーザインターフェース）の一例を示す図である。図２０Ａ乃至図２０Ｃでは、顧客対応時間と非顧客対応時間とともに、レジ作業効率が可視化される。
生成部２３５は、算出部２３４により算出されたレジ作業効率を可視化した情報を表示させるための情報を生成する。図２０Ａ乃至図２０Ｃは、それぞれ、日付、曜日、時間帯ごとにレジ作業効率を可視化した情報（ユーザインターフェース）の一例を示す図である。図２０Ａ乃至図２０Ｃでは、顧客対応時間と非顧客対応時間とともに、レジ作業効率が可視化される。
【0079】
（特定部２３６）
特定部２３６は、算出部２３４により算出されたレジ作業効率に基づいて、レジ作業効率が低い情報（例えば、日付、曜日、時間帯）や、レジ作業効率が高い情報を特定する。図２１は、レジ勤務シフト最適化のための提案の一例を示す図である。時間帯ごとにレジ作業効率を可視化した情報の一例（図２０Ｃ参照）を基とした提案である。図２１では、特定部２３６は、レジ作業効率が５０％に満たない９時と１０時の時間帯を特定し、レジ作業効率が低い時間帯とする。また、特定部２３６は、レジ作業効率が６０％を超えた１６時から１８時までの時間帯を特定し、レジ作業効率が高い時間帯とする。なお、特定部２３６は、レジ作業効率が５０％から６０％の範囲内の１１時から１５時までの時間帯を特定し、レジ作業効率が適切な時間帯としてもよい。
特定部２３６は、算出部２３４により算出されたレジ作業効率に基づいて、レジ作業効率が低い情報（例えば、日付、曜日、時間帯）や、レジ作業効率が高い情報を特定する。図２１は、レジ勤務シフト最適化のための提案の一例を示す図である。時間帯ごとにレジ作業効率を可視化した情報の一例（図２０Ｃ参照）を基とした提案である。図２１では、特定部２３６は、レジ作業効率が５０％に満たない９時と１０時の時間帯を特定し、レジ作業効率が低い時間帯とする。また、特定部２３６は、レジ作業効率が６０％を超えた１６時から１８時までの時間帯を特定し、レジ作業効率が高い時間帯とする。なお、特定部２３６は、レジ作業効率が５０％から６０％の範囲内の１１時から１５時までの時間帯を特定し、レジ作業効率が適切な時間帯としてもよい。
【0080】
（提供部１３７Ａ）
提供部１３７Ａは、生成部２３５により生成された情報を店舗端末２００へ送信する。店舗端末２００は、提供部１３７Ａから送信された情報を受信すると、レジ作業効率を可視化した情報を表示させる。また、提供部１３７Ａは、特定部２３６により特定された情報に基づいて、レジ勤務シフトを変更するよう提案する情報を送信する。図２２は、レジ勤務シフト変更の提案の一例を示す図である。図２２では、特定部２３６によりレジ作業効率が低いと特定された９時と１０時の時間帯のシフト人数を現在の２人から１人に減らすよう提案し、レジ作業効率が高いと特定された１６時から１８時までの時間帯のシフト人数を現在の３人から４人に増やすよう提案する。店舗端末２００は、図２２に示したようなレジ勤務シフトを変更するよう提案する情報を表示させてもよい。
提供部１３７Ａは、生成部２３５により生成された情報を店舗端末２００へ送信する。店舗端末２００は、提供部１３７Ａから送信された情報を受信すると、レジ作業効率を可視化した情報を表示させる。また、提供部１３７Ａは、特定部２３６により特定された情報に基づいて、レジ勤務シフトを変更するよう提案する情報を送信する。図２２は、レジ勤務シフト変更の提案の一例を示す図である。図２２では、特定部２３６によりレジ作業効率が低いと特定された９時と１０時の時間帯のシフト人数を現在の２人から１人に減らすよう提案し、レジ作業効率が高いと特定された１６時から１８時までの時間帯のシフト人数を現在の３人から４人に増やすよう提案する。店舗端末２００は、図２２に示したようなレジ勤務シフトを変更するよう提案する情報を表示させてもよい。
【0081】
〔７．効果〕
上述してきたように、実施形態に係る情報処理装置１００は、取得部１３１と、推定部１３５とを有する。取得部１３１は、サービス提供者から対面でサービスが提供される各サービス提供場所でサービスを享受する利用者に関する利用者情報として、各サービス提供場所でサービスを享受している利用者である享受者に関する享受者情報と、各サービス提供場所でサービスを享受するために待機する利用者である待機者に関する待機者情報と、各サービス提供場所が設けられるサービス提供エリアに来訪する来訪者に関する来訪者情報とを取得する。推定部１３５は、享受者情報と、待機者情報と、来訪者情報とに基づいて、各サービス提供場所に来訪する利用者の人数を推定する。
上述してきたように、実施形態に係る情報処理装置１００は、取得部１３１と、推定部１３５とを有する。取得部１３１は、サービス提供者から対面でサービスが提供される各サービス提供場所でサービスを享受する利用者に関する利用者情報として、各サービス提供場所でサービスを享受している利用者である享受者に関する享受者情報と、各サービス提供場所でサービスを享受するために待機する利用者である待機者に関する待機者情報と、各サービス提供場所が設けられるサービス提供エリアに来訪する来訪者に関する来訪者情報とを取得する。推定部１３５は、享受者情報と、待機者情報と、来訪者情報とに基づいて、各サービス提供場所に来訪する利用者の人数を推定する。
【0082】
これにより、実施形態に係る情報処理装置１００は、各サービス提供場所に来訪する利用者の人数を精度よく推定できるため、有人でサービスを行う業務の稼働調整による回転率の向上を促進させることができる。また、情報処理装置１００は、有人でサービスを行う業務の稼働調整による回転率の向上を促進させることができるため、持続可能な開発目標（ＳＤＧｓ）の目標９「産業と技術革新の基盤をつくろう」の達成に貢献できる。
【0083】
また、推定部１３５は、各サービス提供場所でサービスを享受した利用者に関する利用者情報と、各サービス提供場所に来訪した利用者の人数とを学習データとして学習された学習モデルを用いて、各サービス提供場所で過去の所定期間にサービスを享受した利用者に関する利用者情報から、各サービス提供場所に来訪する利用者の人数を推定する。
【0084】
これにより、実施形態に係る情報処理装置１００は、学習モデルを用いることにより、利用者情報を入力することで、各サービス提供場所に来訪する利用者の人数を精度よく推定することができる。
【0085】
また、取得部１３１は、利用者情報として、サービス提供エリアに設けられたセンサにより利用者が検知され続けている検知期間に関する情報を含む検知情報を取得する。
【0086】
これにより、実施形態に係る情報処理装置１００は、利用者の検知情報を基に学習モデルを生成できるため、利用者の検知情報を利用者情報として学習モデルの入力データに用いることができる。
【0087】
また、実施形態に係る情報処理装置１００は、取得部１３１によって取得された利用者情報を加工する加工部１３２をさらに有する。また、推定部１３５は、加工部１３２によって加工された後の利用者情報に基づいて、各サービス提供場所に来訪する利用者の人数を推定する。
【0088】
これにより、実施形態に係る情報処理装置１００は、加工により適切な利用者情報を生成できるため、加工後の利用者情報を用いることで、各サービス提供場所に来訪する利用者の人数を精度よく推定することができる。
【0089】
また、加工部１３２は、取得部１３１により取得された第１の利用者情報に対応する第１の検知期間の終了時刻から、第２の利用者情報に対応する第２の検知期間の開始時刻までの差が第１閾値以下である場合に、第１の検知期間の開始時刻から第２の検知期間の終了時刻までを検知期間とする新たな利用者情報を生成することで、第１の利用者情報と第２の利用者情報とを合成する。
【0090】
これにより、実施形態に係る情報処理装置１００は、第１の利用者情報と第２の利用者情報とで同一の利用者をダブルカウントしてしまうリスクを回避できるため、より適切に人数カウントが行われた利用者情報を生成することができる。
【0091】
また、加工部１３２は、センサに関する情報に基づいて、取得部１３１により取得された利用者情報に対応する検知期間の先頭から所定時間、または、検知期間の間の位置から最後までの所定時間の少なくともいずれか一方を削除することにより新たな利用者情報を生成する。
【0092】
これにより、実施形態に係る情報処理装置１００は、センサの時間測定によるズレを適切に解消することができるため、より適切に検知時間が測定された利用者情報を生成することができる。
【0093】
また、推定部１３５は、享受者情報として、享受者の人数、享受者がサービス提供場所に滞在している滞在時間を用い、待機者情報として、待機者の人数、待機者が待機場所に滞在している滞在時間を用い、来訪者情報として、サービス提供エリアに来訪した来訪者の人数を用いて、各サービス提供場所に来訪する利用者の人数を推定する。
【0094】
これにより、実施形態に係る情報処理装置１００は、享受者、待機者、来訪者と対象が異なる種々の情報を用いて、各サービス提供場所に来訪する利用者の人数を精度よく推定することができる。
【0095】
また、推定部１３５は、サービス提供エリアに設けられたセンサにより享受者又は待機者が検知され続けている検知期間が所定の閾値の範囲内である場合に、享受者又は待機者の人数として計数する。
【0096】
これにより、実施形態に係る情報処理装置１００は、単なる通過客などの人数をカウントすることなく、享受者や待機者の人数カウントを適切に行うことができる。
【0097】
また、実施形態に係る情報処理装置１００は、推定部１３５によって推定された来訪者数に基づいて、各サービス提供場所の中で稼働させるサービス提供場所の数を決定する決定部１３３をさらに有する。
【0098】
これにより、実施形態に係る情報処理装置１００は、稼働させるサービス提供場所の数の最適化を行うことができる。
【0099】
また、決定部１３３は、サービスを享受するために待機することが許容される待機者の人数に基づいて、サービス提供場所の数を決定する。
【0100】
これにより、実施形態に係る情報処理装置１００は、待機許容人数に基づいて、稼働させるサービス提供場所の数の最適化を行うことができる。
【0101】
また、実施形態に係る情報処理装置１００は、取得部１３１と、加工部１３２とを有する。取得部１３１は、サービス提供者から対面でサービスが提供される各サービス提供場所でサービスを享受する利用者に関する利用者情報であって、各サービス提供場所が設けられるサービス提供エリアに設けられたセンサにより利用者が検知され続けている検知期間に関する情報を含む利用者情報を取得する。加工部１３２は、取得部１３１により取得された第１の利用者情報に対応する第１の検知期間の終了時刻から、第２の利用者情報に対応する第２の検知期間の開始時刻までの差が第１閾値以下である場合に、第１の検知期間の開始時刻から前記第２の検知期間の終了時刻までを検知期間とする新たな利用者情報を生成することで、第１の利用者情報と第２の利用者情報とを合成する。
【0102】
これにより、実施形態に係る情報処理装置１００は、加工後の利用者情報に基づいて、各サービス提供場所に来訪する利用者の人数を精度よく推定できるため、有人でサービスを行う業務の稼働調整による回転率の向上を促進させることができる。
【0103】
また、実施形態に係る情報処理装置１００は、取得部１３１と、加工部１３２とを有する。取得部１３１は、サービス提供者から対面でサービスが提供される各サービス提供場所でサービスを享受する利用者に関する利用者情報であって、各サービス提供場所が設けられるサービス提供エリアに設けられたセンサにより利用者が検知され続けている検知期間に関する情報を含む利用者情報を取得する。加工部１３２は、センサに関する情報に基づいて、取得部１３１により取得された利用者情報に対応する検知期間の先頭から所定時間、または、検知期間の間の位置から最後までの所定時間の少なくともいずれか一方を削除することにより新たな利用者情報を生成する。
【0104】
これにより、実施形態に係る情報処理装置１００は、加工後の利用者情報に基づいて、各サービス提供場所に来訪する利用者の人数を精度よく推定できるため、有人でサービスを行う業務の稼働調整による回転率の向上を促進させることができる。
【0105】
〔８．ハードウェア構成〕
また、上述してきた実施形態に係る情報処理装置１００及び情報処理装置１００Ａは、例えば図２３に示すような構成のコンピュータ１０００によって実現される。図２３は、情報処理装置１００及び情報処理装置１００Ａの機能を実現するコンピュータの一例を示すハードウェア構成図である。コンピュータ１０００は、ＣＰＵ１１００、ＲＡＭ１２００、ＲＯＭ１３００、ＨＤＤ１４００、通信インターフェイス（Ｉ／Ｆ）１５００、入出力インターフェイス（Ｉ／Ｆ）１６００、及びメディアインターフェイス（Ｉ／Ｆ）１７００を備える。
また、上述してきた実施形態に係る情報処理装置１００及び情報処理装置１００Ａは、例えば図２３に示すような構成のコンピュータ１０００によって実現される。図２３は、情報処理装置１００及び情報処理装置１００Ａの機能を実現するコンピュータの一例を示すハードウェア構成図である。コンピュータ１０００は、ＣＰＵ１１００、ＲＡＭ１２００、ＲＯＭ１３００、ＨＤＤ１４００、通信インターフェイス（Ｉ／Ｆ）１５００、入出力インターフェイス（Ｉ／Ｆ）１６００、及びメディアインターフェイス（Ｉ／Ｆ）１７００を備える。
【0106】
ＣＰＵ１１００は、ＲＯＭ１３００またはＨＤＤ１４００に格納されたプログラムに基づいて動作し、各部の制御を行う。ＲＯＭ１３００は、コンピュータ１０００の起動時にＣＰＵ１１００によって実行されるブートプログラムや、コンピュータ１０００のハードウェアに依存するプログラム等を格納する。
【0107】
ＨＤＤ１４００は、ＣＰＵ１１００によって実行されるプログラム、及び、かかるプログラムによって使用されるデータ等を格納する。通信インターフェイス１５００は、所定の通信網を介して他の機器からデータを受信してＣＰＵ１１００へ送り、ＣＰＵ１１００が生成したデータを所定の通信網を介して他の機器へ送信する。
【0108】
ＣＰＵ１１００は、入出力インターフェイス１６００を介して、ディスプレイやプリンタ等の出力装置、及び、キーボードやマウス等の入力装置を制御する。ＣＰＵ１１００は、入出力インターフェイス１６００を介して、入力装置からデータを取得する。また、ＣＰＵ１１００は、生成したデータを入出力インターフェイス１６００を介して出力装置へ出力する。
【0109】
メディアインターフェイス１７００は、記録媒体１８００に格納されたプログラムまたはデータを読み取り、ＲＡＭ１２００を介してＣＰＵ１１００に提供する。ＣＰＵ１１００は、かかるプログラムを、メディアインターフェイス１７００を介して記録媒体１８００からＲＡＭ１２００上にロードし、ロードしたプログラムを実行する。記録媒体１８００は、例えばＤＶＤ（Digital Versatile Disc）、ＰＤ（Phase change rewritable Disk）等の光学記録媒体、ＭＯ（Magneto-Optical disk）等の光磁気記録媒体、テープ媒体、磁気記録媒体、または半導体メモリ等である。
【0110】
例えば、コンピュータ１０００が実施形態に係る情報処理装置１００及び情報処理装置１００Ａとして機能する場合、コンピュータ１０００のＣＰＵ１１００は、ＲＡＭ１２００上にロードされたプログラムを実行することにより、制御部１３０及び制御部１３０Ａの機能を実現する。コンピュータ１０００のＣＰＵ１１００は、これらのプログラムを記録媒体１８００から読み取って実行するが、他の例として、他の装置から所定の通信網を介してこれらのプログラムを取得してもよい。
【0111】
以上、本願の実施形態のいくつかを図面に基づいて詳細に説明したが、これらは例示であり、発明の開示の欄に記載の態様を始めとして、当業者の知識に基づいて種々の変形、改良を施した他の形態で本発明を実施することが可能である。
【0112】
〔９．その他〕
また、上記実施形態において説明した各処理のうち、自動的に行われるものとして説明した処理の全部または一部を手動的に行うこともでき、あるいは、手動的に行われるものとして説明した処理の全部または一部を公知の方法で自動的に行うこともできる。この他、上記文書中や図面中で示した処理手順、具体的名称、各種のデータやパラメータを含む情報については、特記する場合を除いて任意に変更することができる。例えば、各図に示した各種情報は、図示した情報に限られない。
また、上記実施形態において説明した各処理のうち、自動的に行われるものとして説明した処理の全部または一部を手動的に行うこともでき、あるいは、手動的に行われるものとして説明した処理の全部または一部を公知の方法で自動的に行うこともできる。この他、上記文書中や図面中で示した処理手順、具体的名称、各種のデータやパラメータを含む情報については、特記する場合を除いて任意に変更することができる。例えば、各図に示した各種情報は、図示した情報に限られない。
【0113】
また、図示した各装置の各構成要素は機能概念的なものであり、必ずしも物理的に図示の如く構成されていることを要しない。すなわち、各装置の分散・統合の具体的形態は図示のものに限られず、その全部または一部を、各種の負荷や使用状況などに応じて、任意の単位で機能的または物理的に分散・統合して構成することができる。
【0114】
また、上述した情報処理装置１００及び情報処理装置１００Ａは、複数のサーバコンピュータで実現してもよく、また、機能によっては外部のプラットフォーム等をＡＰＩ（Application Programming Interface）やネットワークコンピューティング等で呼び出して実現するなど、構成は柔軟に変更できる。
【0115】
また、上述してきた実施形態は、処理内容を矛盾させない範囲で適宜組み合わせることが可能である。
【符号の説明】
【0116】
１００、１００Ａ 情報処理装置
１１０ 通信部
１２０ 記憶部
１３０、１３０Ａ 制御部
１３１ 取得部
１３２ 加工部
１３３ 決定部
１３４ 生成部
１３５ 推定部
１３６ 算出部
１３７、１３７Ａ 提供部
２３４ 算出部
２３５ 生成部
２３６ 特定部
１１０ 通信部
１２０ 記憶部
１３０、１３０Ａ 制御部
１３１ 取得部
１３２ 加工部
１３３ 決定部
１３４ 生成部
１３５ 推定部
１３６ 算出部
１３７、１３７Ａ 提供部
２３４ 算出部
２３５ 生成部
２３６ 特定部
【図1】
【図2】
【図3A】
【図3B】
【図3C】
【図3D】
【図4】
【図5】
【図6A】
【図6B】
【図7】
【図8】
【図9】
【図10A】
【図10B】
【図11A】
【図11B】
【図11C】
【図12A】
【図12B】
【図13A】
【図13B】
【図14】
【図15】
【図16】
【図17】
【図18】
【図19】
【図20A】
【図20B】
【図20C】
【図21】
【図22】
【図23】