歩行者状態分類装置およびプログラム
【構成】 歩行者の歩行者状態分類装置１０は、ＬＲＦ２２１‐２２ｎによって各歩行者の位置を検出する。コンピュータ１２は、各歩行者の単位時間毎の位置に基づいて各歩行者の平均歩行速度（ｖｔｎハット）と歩行方向のばらつき（ｄｔｎ）を計算し、平均歩行速度が閾値より大きくかつ歩行方向のばらつきが閾値より小さい歩行者の歩行者状態を直行状態と分類する。平均歩行速度が閾値より小さいかと歩行方向のばらつきが閾値より大きいとき、コンピュータ１２は歩行者が特定のターゲットに閾値以上の時間注目したかどうか判断し、そうでないとき、その歩行者の歩行者状態を回遊状態と分類する。
【効果】各歩行者の歩行者状態を的確に分類できる。
【効果】各歩行者の歩行者状態を的確に分類できる。
【発明の詳細な説明】
【技術分野】
【０００１】
この発明は、歩行者状態分類装置およびプログラムに関し、特に、ショッピングモールなど不特定多数が利用する施設において、その施設内を移動する歩行者の行動を計測して各歩行者の状態を推定して分類する、新規な歩行者状態分類装置およびプログラムに関する。
【背景技術】
【０００２】
商業施設内を移動している歩行者の振る舞いには、その歩行者の意図や行動目的が表れている。このため歩行者の振る舞いを分析することで、その意図や行動目的を推定し、その歩行者の目的に合わせたサービスを提供することができると考えられる。これは、たとえば、歩行者にとっては自分の好みの店のより詳しい情報を得ることができ、施設側にとっては顧客を呼び込むことができるなど、双方にとって有益となる。
【０００３】
施設内の歩行者に関して従来から様々な分析が行われている。非特許文献1および２では、都市空間と歩行者の関係や美術館や博覧会における人間行動を歩行者の歩行速度によって分析した。非特許文献３では、商業施設における歩行者の行動目的を速度センサを用いた被験者実験で分類した。非特許文献４‐６では、歩行軌跡に着目して人間の行動を分析、判別を行う手法を提案し、マーケティングやセキュリティに用いる研究を行っている。また非特許文献７では、博物館において歩行速度と歩行軌跡・頭部方向により歩行者を分類した。
【０００４】
また、非特許文献８では、本件発明者等は、商業施設内の歩行者に関して被験者実験を行い、飲食店を探している歩行者の興味や意図が行動（視線方向や歩行軌跡）にある程度共通した振る舞いとして表れることを示した。
【非特許文献１】清田真矢、松本直司、渡辺悠司「街路空間特性と歩行速度の関係」日本建築学会 pp949‐950、2007
【非特許文献２】樫村奈美、長澤夏子、木村謙、林田和人、渡辺仁史「観覧空間における歩行速度の比較に関する研究」日本建築学会大会学衛講演梗概集pp1053‐1054、2000
【非特許文献３】五代智哉、林田和人、渡辺仁史「商業施設における歩行速度と行動目的との関係に関する研究」日本建築学会学術講演梗概集pp567‐568、2008
【非特許文献４】羽生大輔、渡辺仁史「曲面壁の誘導性に関する研究：曲面壁の形状パターンと歩行軌跡からの分析」日本建築学会学術講演梗概集pp995‐99６、2003
【非特許文献５】豊嶋伊知郎、板倉豊和、服部可奈子、吉田琢史、小磯貴史「多段階のパターン認識を用いた歩行軌跡データからの顧客行動判別」情報処理学会研究報告pp173‐178、200
【非特許文献６】豊嶋伊知郎、板倉豊和、服部可奈子、吉田琢史、小磯貴史「歩行軌跡を用いた歩行者行動判別手法の開発」電子情報通信学会技術研究報告pp19‐24、2006
【非特許文献７】山田辰美、柳沢豊、平田圭二、佐藤哲司「移動軌跡と頭部の向きに基づく歩行者の行動意味付け方法」情報処理学会論文誌pp2250‐2259、2005
【非特許文献８】岡本康太郎、内海章、山添大丈、宮下敬宏、高橋和彦、萩田紀博「視線計測を用いた商業施設における来店者行動の分析」電子情報通信学会技術研究報告 MVE、マルチメディア・仮想環境基礎 pp1‐6，2009
【発明の開示】
【発明が解決しようとする課題】
【０００５】
上記非特許文献８などによって歩行者の振る舞いを通して歩行者の目的を推定できることを示したが、商業施設に来店中の全ての歩行者が一様に同じ振る舞いをすることはなく、その歩行者の目的や興味の度合いにより行動に変化が生じる。そのため歩行者の内的状態により歩行者の行動分類を行う必要がある。
【０００６】
それゆえに、この発明の主たる目的は、新規な、歩行者状態分類装置およびプログラムを提供することである。
【０００７】
この発明の他の目的は、歩行者の状態を的確に分類できる、歩行者状態分類装置およびプログラムを提供することである。
【課題を解決するための手段】
【０００８】
本発明は、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、本発明の理解を助けるために後述する実施の形態との対応関係を示したものであって、本発明を何ら限定するものではない。
【０００９】
第１発明は、歩行者の位置を検出するための非接触センサ、非接触センサによって検出した歩行者の所定時間毎の位置に基づいて歩行者の歩行速度を計算する歩行速度計算手段、非接触センサによって検出した歩行者の所定時間毎の位置に基づいて歩行者の歩行方向のばらつきを計算する方向ばらつき計算手段、歩行速度が所定の閾値より大きくかつ歩行方向のばらつきが所定の閾値より小さいかという第１条件を満足するかどうか判断する第１条件判断手段、および第１条件判断手段が第１条件を満足すると判断したとき、その歩行者の歩行者状態を直行状態として分類する直行状態分類手段を備える、歩行者の歩行者状態分類装置である。
【００１０】
第１発明では、歩行者状態分類装置（10：実施例で相当する部分を示す参照号。以下同様。）は、たとえばＬＲＦのような歩行者の位置を検出するための非接触センサ（221-22n）を備える。実施例ではともにコンピュータで構成される、歩行速度計算手段（12,445,S3）は、非接触センサによって検出した歩行者の所定時間毎の位置に基づいて歩行者の歩行速度を計算し、方向ばらつき計算手段（12,445,S3）は、非接触センサによって検出した歩行者の所定時間毎の位置に基づいて歩行者の歩行方向のばらつきを計算する。そして、第１条件判断手段（12,445,S11）は、歩行速度が所定の閾値より大きくかつ歩行方向のばらつきが所定の閾値より小さいかという第１条件を満足するかどうか判断する。この第１条件判断手段が第１条件を満足すると判断したとき、直行状態分類手段（12,445,S13）その歩行者の歩行者状態を直行状態として分類する。
【００１１】
第１発明によれば、歩行者の歩行者状態が直行状態（歩行目的、目的地が共に決まっていて目的地の場所も分かっており、そこに向かっている歩行者状態）かそれ以外かを的確に分類することかできる。
【００１２】
第２発明は、第１発明に従属し、第１条件判断手段が第１条件を満足しないと判断したとき、第２条件を満足するかどうか判断する第２条件判断手段、および第２条件判断手段が第２条件を満足しないと判断したとき、その歩行者の歩行者状態を回遊状態として分類する回遊状態分類手段をさらに備える、歩行者状態分類装置である。
【００１３】
第２発明では、第２条件判断手段（12,445,S15）は、第１条件判断手段が第１条件を満足しないと判断したとき、第２条件を満足するかどうか判断し、回遊状態分類手段（12,445,S17）は、第２条件判断手段が第２条件を満足しないと判断したとき、その歩行者の歩行者状態を回遊状態として分類する。したがって、第２発明によれば、歩行者の歩行者状態が回遊状態（たとえば、歩行目的、目的地、道順が決まっていない歩行者状態）かそれ以外かを的確に分類することかできる。
【００１４】
第３発明は、第２発明に従属し、第２判断手段が第２条件を満足すると判断したとき、その歩行者の歩行者状態を探索状態として分類する探索状態分類手段をさらに備える、歩行者状態分類装置である。
【００１５】
第３発明では、探索状態分類手段（12,445,S21,S23）は、第２判断手段が第２条件を満足すると判断したとき、その歩行者の歩行者状態を探索状態として分類する。したがって、第３発明によれば、歩行者の歩行者状態が探索状態（たとえば、歩行目的はあるが、目的に合う場所、道順は決まっていない歩行者状態）かそれ以外かを的確に分類することかできる。
【００１６】
第４発明は、第３の発明に従属し、探索状態分類手段は、第３条件を満足するかどうかを判断する第３条件判断手段と、第３条件判断手段が第３条件を満足すると判断したとき、その歩行者の歩行者状態を道順探索状態として分類する道順探索状態分類手段とを含む、歩行者状態分類装置である。
【００１７】
第４発明では、探索状態分類手段に含まれる第３条件判断手段（12,445,S19）が第３条件を満足すると判断したとき、道順探索状態分類手段（12,445,S21）が、その歩行者の歩行者状態を道順探索状態として分類する。
【００１８】
第５発明は、第４発明に従属し、探索状態分類手段は、第３条件判断手段が第３条件を満足しないと判断したとき、その歩行者の歩行者状態を場所探索状態として分類する場所探索状態分類手段を含む、歩行者状態分類装置である。
【００１９】
第５発明では、探索状態分類手段に含まれる場所探索状態分類手段（12,445,S23）が、第３条件判断手段によって第３条件を満足しないと判断したとき、その歩行者の歩行者状態を場所探索状態として分類する。
【００２０】
第６発明は、歩行者の位置を検出するための非接触センサを備える歩行者の歩行者状態分類装置のコンピュータによって実行される歩行者状態分類プログラムであって、プログラムは、コンピュータを、非接触センサによって検出した歩行者の所定時間毎の位置に基づいて歩行者の歩行速度を計算する歩行速度計算手段、非接触センサによって検出した歩行者の所定時間毎の位置に基づいて歩行者の歩行方向のばらつきを計算する方向ばらつき計算手段、歩行速度が所定の閾値より大きくかつ歩行方向のばらつきが所定の閾値より小さいかという第１条件を満足するかどうか判断する第１条件判断手段、および第１条件判断手段が第１条件を満足すると判断したとき、その歩行者の歩行者状態を直行状態として分類する直行状態分類手段として機能させる、歩行者状態分類プログラムである。
【００２１】
第６発明によれば、第１発明と同様の効果が期待できる。
【発明の効果】
【００２２】
この発明によれば、移動速度などの計測結果に基づいて歩行者の状態を分類するようにしたので、歩行者状態を的確に分類できる。
【００２３】
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。
【図面の簡単な説明】
【００２４】
【図１】図1はこの発明の一実施例の歩行者状態分類装置を示すブロック図である。
【図２】図２は図１実施例に用いられる非接触センサの一例であるレーザレンジファインダ（Laser Range Finder: ＬＲＦ）の計測範囲を示す図解図である。
【図３】図３は実施例の歩行者状態分類装置を実験した実施場所の一例を示す図解図である。
【図４】図４は歩行者の視線方向を示す図解図である。
【図５】図５は実施例の歩行者状態分類装置のＲＡＭのメモリマップの一例を示す図解図である。
【図６】図６は実施例の歩行者状態分類装置における歩行者状態の分類動作の一例を示すフロー図である。
【図７】図７は実験によって手動的に分類したときの歩行者状態と歩行速度の関係を示すグラフである。
【図８】図８は実験によって手動的に分類したときの歩行者状態と移動方向のばらつきの関係を示すグラフである。
【図９】図９は歩行者の歩行軌跡の一例を示す図解図である。
【図１０】図１０は実験によって手動的に分類したときの歩行者状態と停止率の関係を示すグラフである。
【発明を実施するための最良の形態】
【００２５】
図１を参照して、この発明の一実施例の歩行者状態分類装置１０は、コンピュータ１２を含み、このコンピュータ１２にはＲＡＭやＲＯＭなどの内部メモリ１４および必要に応じてネットワーク１８を通じて他のシステムや装置のコンピュータ（図示せず）と通信するための通信装置１６を備える。ただし、通信装置１６はコンピュータ１２に内蔵していなくてもよい。コンピュータ１２に接続されているメモリ２０はたとえばハードディスクや大容量半導体メモリなどでよく、コンピュータ１２で処理するためのプログラムや処理する前後のデータを保存したりするために利用され得る。
【００２６】
コンピュータ１２にはさらに、ＬＲＦ２２１‐２２ｎとビデオカメラ２４１‐２４ｍが接続される。なお、ＬＲＦ２２１‐２２ｎを区別する必要がない場合には、まとめて「ＬＲＦ２２」といい、ビデオカメラ２４１‐２４ｍも区別する必要がない場合には、まとめて「カメラ２４」という。
【００２７】
ＬＲＦ２２は、レーザを照射し、物体や人間に反射して戻ってくるまでの時間から当該物体や人間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）ずつスキャンし、その反射波が帰ってくるまでの時間を検出することによって、物体までの距離がわかる。一例として、SICK社製のＬＲＦ（型式 LMS200）を用いることができる。このＬＲＦ２２を用いた場合には、歩行者の位置をたとえば６ｃｍ程度の誤差で計測可能である。
【００２８】
図２に示すように、ＬＲＦ２２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、ＬＲＦ２２は、その正面方向を中心とした場合に、左右９０°の方向を所定の距離（Ｒ）以内で計測可能である。そして、たとえば図３に示すように、ＬＲＦ２２は、様々な場所に配置される。たとえば、図３においてＬＲＦ２２１‐２２６の各々は、検出領域が重なるように配置される。理由は、同じ歩行者について２台以上のＬＲＦで検出した距離データによって、各歩行者の位置を検出するためである。なお、このようにＬＲＦ２２を用いて人や物体の位置を計測する方法はたとえば、特開２００９‐１６８５７８号公報などでよく知られている。
【００２９】
また、歩行者の詳細な行動に関する解析を可能とするため、図３に示す実施場所２６においては、上述のＬＲＦ２２１‐２２７による位置計測と併せて、場所２６全体を複数（実施例では５台）のビデオカメラ２４１‐２４５で撮影した。これらのカメラ２４で撮影した顔画像に対して、たとえば本件出願人の出願に係る特開２００８‐１０２９０２号公報などで詳細に説明されている、視線推定処理を適用することにより、図４に示すような各歩行者の視線方向、つまり、顔を向けた方向を検出することができる。
【００３０】
なお、図３に示す実施場所２６には、この例では、通路２８の両端に出口３０が設定されていて、通路２８の一方の出口３０の手前には曲がり角３２が、形成されている。さらに、通路２８の両側には第１レストラン３４、第２レストラン３６および第３レストラン３８が配置されている。図３におけるこれらの出口３０、曲がり角３２、レストラン３４‐３８と案内板４０は、注目対象という意味で「ターゲット」と呼び、後述の数式では「pj」の記号で示される。なお、これらのターゲット３０‐４０はそれぞれカテゴリに区分でき、このカテゴリを後述の数式では「Cpj」の記号で示す。
【００３１】
図５は図１実施例のコンピュータ１２の内部メモリ１４に含まれるＲＡＭ４２のメモリマップの一例を示していて、この実施例では、ＲＡＭ４２は、プログラム領域４４とデータ記憶領域４６を含む。プログラム領域４４には、ＯＳを記憶するためのＯＳ領域４４１が形成されている。さらに、プログラム領域４４には、各歩行者に対する各ＬＲＦの距離データを取得するためのプログラム（距離データ取得プログラム）を記憶する距離データ取得プログラム記憶領域４４２が設けられる。さらに、各歩行者に対する各ＬＲＦの距離データから各歩行者の位置データを取得するためのプログラム（位置データ取得プログラム）を記憶する位置データ取得プログラム記憶領域４４３が設けられる。他に、各歩行者の顔画像から各歩行者の視線方向を検出するためのプログラム（視線検出プログラム）を記憶する距離視線検出プログラム記憶領域４４３および検出した視線に基づいて各歩行者の顔画像向いている方向のデータを取得するためのプログラム（顔方向データ取得プログラム）を記憶する顔方向データ取得プログラム記憶領域４４４が設けられる。分類プログラム記憶領域４４５に設定される分類プログラムは、これらのプログラムで検出した各位置データや顔方向データに基づいて各歩行者の歩行者状態を分類するためのプログラムである。この分類プログラム４４５には、歩行者状態分類に必要な、後述の数１‐数９などで示す計算式も併せて設定されている。
【００３２】
データ記憶領域４６には、たとえばＬＲＦ２２の距離データやビデオカメラ２４の映像データなどを一時的に記憶するためのセンサデータ記憶領域４６１、地図データを記憶するための地図データ記憶領域４６２、ヒストグラム記憶領域４６３およびワーキング領域４６４などが設定されている。地図データは、たとえば図３のように実施場所のおける各ターゲットの位置を示す位置データおよび各ターゲットのカテゴリ（各ターゲットの種類、レストラン、喫茶店、トイレ、店舗など）や、実施場所に配置されているセンサ、実施例ではＬＲＦ２２やビデオカメラ２４の設置位置の位置データなどが記憶されている。ヒストグラム記憶領域４６３に記憶されるヒストグラムはこの実施例では、各歩行者が注目したターゲット（注目ターゲット）のヒストグラムや注目しているターゲットのカテゴリ（注目カテゴリ）のヒストグラム（テーブル）を想定している。この注目ターゲットのヒストグラムをみれば、各歩行者のターゲット毎の注目回数（注目時間）が分かるし、注目カテゴリのヒストグラムをみれば、各歩行者のターゲットのカテゴリ毎の注目回数（注目時間）が分かる。
【００３３】
上述の地図データは、基本的には、実施場所に応じて外部メモリ２０（図１）からから読み出されて地図データ記憶領域４６２に設定される。同様に、プログラムについても必要の都度、外部メモリ２０からプログラム領域４４内に設定されるようにしてもよい。
【００３４】
図６を参照して行なう実施例の動作の詳細な説明の前に、本件発明の背景について少し説明する。
【００３５】
商業施設に来店中の歩行者の行動は商品あるいはサービスの消費に直結した情報が得られる可能性があり、施設側あるいは各店舗側の関心は高い。そのため、従来より、さまざまな顧客行動の分析手法が提案され、実際に利用されている。その中でも現在、実際に広く利用されている分析手法のひとつがＰＯＳ（販売時点情報管理）である。ＰＯＳで得られる情報は商品毎の売上数量だけにとどまらず、商品間の消費の連動性や顧客の性別、年齢層と消費の関係などが加えられ、仕入れ計画、商品配置を決める際に重要な役割を果たしている。しかし、ＰＯＳで得られる情報はあくまで「消費された」商品やサービスに関する情報であり、顧客が興味を持ったが消費には至らなかった「消費前」の行動についての情報は与えていない。そのため、ＰＯＳを強化、補完するものとして「消費前行動」の分析が行われている。
【００３６】
そこで、ここで説明する実施例では、「消費前行動」の分析として、一例としてＬＲＦや商業施設内フロアのビデオ撮影を用いて商業施設のフロア内で来店中の人の追跡を行い、その歩行速度や歩行軌跡などの歩行中の振る舞いにより人の興味や意図の範囲の推定を行い、次のような歩行者の行動および歩行者状態を想定した。
【００３７】
歩行者の行動を「歩行目的が定まっているか」、「目的に対応した場所（目的地）が定まっているか」、「目的地までの道順に関する知識があるか」によって分類すし、歩行目的のない歩行者の歩行者状態を「回遊状態」と呼び、目的にあった場所を探している歩行者、定まった目的地を探している歩行者の歩行者状態を「探索状態（場所または道順）」と呼び、歩行目的、目的地、道順全てを知っている歩行者の歩行者状態を「直行状態」と呼ぶことにする。歩行者の歩行者状態が推定、分類できれば、それぞれの状態の歩行者に適した以下のようなサービスを提供することができる。
【００３８】
(1)回遊状態
歩行目的、目的地、道順が決まっていない歩行者状態であり、暇を潰している人や待ち合わせのためにフロア（図３で示す実施場所２６のような）内にずっと滞在している歩行者がこの状態に該当する。フロアのお勧めスポットやイベント等の案内などのサービスが想定される。
【００３９】
(2)探索状態
歩行目的はあるが、目的に合う場所、道順は決まっていない歩行者状態であり、食事をとる店や買い物を行う店（ターゲット）を探してフロアを探索している歩行者がこの状態に該当する。歩行目的に該当する店舗（カテゴリ）の情報を提供するサービスが想定される。また、歩行目的、目的地が共に決まっているが目的地の場所が解らずに目的地を探している状態の歩行者もこの状態に分類される。現在地点から目的地までの道順情報を提供するなどのサービスが想定される。
【００４０】
(3)直行状態
歩行目的、目的地が共に決まっていて目的地の場所も分かっており、そこに向かっている歩行者状態である。「直行状態」の歩行者に関してはさらにその目的地付近で顔向きや視線の計測により来店目的の詳細な分析などを行ったうえで商品紹介などよりきめ細やかな情報提供を行うなどが考えられる。
【００４１】
以上の背景を前提として、以下、図６のフロー図とともに、図１実施例の動作を説明する。図６のフロー図に示す歩行者状態分類動作は一例として０.５秒のような短時間に1回、その実施場所２６（図３）内に存在する全ての歩行者について実行される。つまり、実施場所２６の全歩行者についてその歩行者状態が所定時間毎に分類されるのである。
【００４２】
図６の最初のステップＳ１では、コンピュータ１２は、図５に示す距離データ取得プログラム４４２および位置データ取得プログラム４４３に従って各歩行者の時間（ｔｎ）での位置（ｘｔｎ）を検出するとともに、視線検索プログラム４４４および顔方向データ取得プログラム４４５に従っての時間（ｔｎ）での各歩行者の顔方向（ｗｔｎ）を検出する。つまり、各ＬＲＦ２２の設置位置が地図データから分かるとので、各ＬＲＦが検出した歩行者と間の距離を位置データに変換することよって、歩行者の位置（ｘｔｎ）を特定することができる。同じように、ビデオカメラ２４の設置位置やそれが向いている方向が地図データから分かるので、そのビデオカメラで検出した歩行者の顔方向（ｗｔｎ）を実施場所２６のグローバル（全体）座標系で表現することができ、それによって、後述のように、歩行者の顔がターゲットに向いているか、つまり、歩行者はターゲットを注目しているかどうかを判断することができる。
【００４３】
続くステップＳ３において、コンピュータ１２は、分類プログラム４４５（図５）に従って、時間（ｔｎ）での、各歩行者の、歩行（移動）速度（ｖｔｎ）、過去Ｎ秒間の平均速度（ｖｔｎバー）および速度ベクトルのばらつき（ｄｔｎ）を、それぞれ、数１、数２および数３に基づいて、計算する。なお、「バー」は、文字（この場合は“ｖ”）の上に書かれるべき平均値を示す横棒（−）のことである。
【００４４】
【数１】
【００４５】
【数２】
【００４６】
【数３】
【００４７】
数１では、前回位置と今回位置との差を前回時刻と今回時刻の差で割っているので、移動速度が求まり、数２の前半ではそのようにして求めた移動速度の直近のＮ＋１回分の値の合計をＮ＋１で割っているので、平均速度ベクトルが求まる。数２の後半では、速度ベクトルに関する共分散行列を計算している。
【００４８】
なお、数３の前半（ｖｔｎハット）は速度ベクトルの大きさの直近Ｎ＋１回分の平均値であり平均速度を示す。数３の後半は、速度ベクトルのばらつきの大きさを数２で計算した共分散行列のトレース（共分散行列の斜め成分の合計）として計算している。なお、「ハット」は、文字（この場合は“ｖ”）の上に書かれるべき平均値を示す山型（＾）のことである。
【００４９】
このようにして、ステップＳ３で、そのときの各歩行者の歩行速度（ｖｔｎ）、平均速度（ｖｔｎハット）および速度ベクトルのばらつき（ｄｔｎ）が計算される。
【００５０】
続いて、コンピュータ１２は、ステップＳ５において、各歩行者とターゲット（図３の実施場所であれば、レストランや出口、曲がり角など）との距離が近いかどうか判断する。つまり、数４の不等式を満足するかどうか判断する。つまり、ステップＳ５では、歩行者の位置（ｖｔｎ）とターゲットの位置（ｘｐｊ）との間の距離が閾値（εｐ）より小さいかどうか判断する。なお、ターゲットの位置は先に説明した地図データに設定されているので、それを用いればよい。
【００５１】
【数４】
【００５２】
このステップＳ５で“ＹＥＳ”を判断すると、コンピュータ１２は、次のステップＳ７で、コンピュータ１２は、数５に基づいて、歩行者がターゲットに注目しているかどうか判断する。数５では、そのときの顔方向（ｗｔｎ）と、ステップＳ５で計算したターゲットの方向の内積を計算し、それが閾値cosθより大きいかどうか、つまり歩行者の顔方向がターゲットに正対する状態に近いかどうか判断している。
【００５３】
【数５】
【００５４】
ステップＳ５で“ＹＥＳ”でかつステップＳ７で“ＹＥＳ”のとき、つまり、歩行者がどれかのターゲットに近づいて注目していると判断したとき、コンピュータ１２は次のステップＳ９で、ヒストグラム記憶領域４６３（図５）の注目ターゲット（ｐｊ）および注目カテゴリ（Ｃｐｊ）のヒストグラムをそれぞれ更新する（数６）。
【００５５】
【数６】
【００５６】
その後ステップＳ１１に進む。ただし、ステップＳ５で“ＮＯ”を判断したとき、またはステップＳ７で“ＮＯ”を判断したときにはいずれも、ステップＳ９を飛び越してステップＳ１１に進む。
【００５７】
ステップＳ１１では、コンピュータ１２は、数７に基づいて、歩行者の歩行（移動）速度が所定の閾値、たとえば０.５ｍ／ｓより大きくかつ速度ベクトルのばらつきが所定の閾値より小さいかどうか、つまり第１条件を満足するかどうかを判断する。歩行速度が大きく、速度ベクトルのばらつきが小さいということは、その歩行者の歩行者状態は、先に説明した「直行状態」であると判断できる。つまり、目標に向って早足で歩行している状態である。したがって、このステップＳ１１で“ＹＥＳ”を判断すると、コンピュータ１２はステップＳ１３で当該歩行者の歩行者状態を「直行状態」と分類する。したがって、ステップＳ１３が直行状態分類手段を構成する。
【００５８】
【数７】
【００５９】
ステップＳ１１で“ＮＯ”を判断したとき、歩行速度が大きくないか、または速度ベクトルのばらつきが小さくないということである。つまり、第１条件が満足されなかったということである。この場合、歩行者はゆっくり歩行しているか、歩行方向がまとまっていない（ばらばらである）という状態が想定できる。そこでコンピュータ１２は、次のステップＳ１５において、数８に従って、直行状態ではない歩行者の、特定のカテゴリへの注目時間が閾値より大きいかどうか、つまり、第２条件を満足するかどうか判断する。数８では、注目カテゴリのヒストグラムで示すそのカテゴリへの注目時間（Ｂ｜Ｃｐｊ｜)を回数（ｎ）で割った平均注目時間が所定の閾値より大きいか、つまり、その歩行者はどれかのカテゴリを閾値時間以上注目していたかどうか判断する。このステップＳ１５で“ＮＯ”ということは、第２条件が満足されないということであり、歩行者はどのカテゴリに対しても注目時間が短く、注目ターゲットに一貫性がないということを意味する。このような歩行者状態のとき、実施例では、先に説明した「回遊状態」であるとしている。したがって、ステップＳ１５で“ＮＯ”のとき、コンピュータ１２は、ステップＳ１７で当該歩行者の歩行者状態を「回遊状態」と分類する。したがって、ステップＳ１７は回遊状態分類手段を構成する。
【００６０】
【数８】
【００６１】
直行状態でもなく、回遊状態でもないとき、つまり、ステップＳ１１で“ＮＯ”でかつステップＳ１５で“ＮＯ”を判断したとき、つまり、第１条件が満足されず、第２条件を満足するとき、コンピュータ１２は次のステップＳ１９で、歩行者が特定のカテゴリを注目しているかどうか、つまり、第３条件を満足するかどうか判断する。この実施例では、ステップＳ１９では数９に基づいて判断するようにしているので、ステップＳ１９ではつまり、歩行者は出口３０や曲がり角３２（図３）を長時間注目しているかどうかを判断する。
【００６２】
【数９】
【００６３】
ステップＳ１９で“ＹＥＳ”なら、つまり、第３条件を満足すれば、歩行者は出口３０や曲がり角３２を長時間注目しているのであるから、次のステップＳ２１でコンピュータ１２は、そのときの歩行者の歩行者状態は道順を探索しながら歩行している状態（道順探索状態）であると分類する。したがって、ステップＳ２１は道順探索状態分類手段を構成する。
【００６４】
ステップＳ１９で“ＮＯ”なら、つまり、第３条件を満足しないなら、歩行者は出口３０や曲がり角３２以外のカテゴリのターゲットを長時間注目している状態である。したがって、この場合には、注目カテゴリが道順探索に関係ないたとえば店舗などであるから、次のステップＳ２３でコンピュータ１２は、そのときの歩行者の歩行者状態は特定カテゴリ（Ｃｐｊ）のターゲット（場所）を探索しながら歩行している状態（場所探索状態）であると分類する。したがって、ステップＳ２３は場所探索状態分類手段を構成する。
【００６５】
ただし、直行状態ではなく、回遊状態でもないときは、何らかのターゲットを探索しているターゲット探索状態であるので、その意味からすれば、ステップＳ２１もＳ２３も探索状態分類手段ということもできる。
【００６６】
このように、説明した実施例によれば、ＬＲＦ２２やビデオカメラ２４のように非接触センサによって、しかも歩行者に無線タグのような装着物を一切装着することなく、各歩行者の歩行者状態を分類することができる。ここで、発明者等が行なった実験を示し、このような分類に妥当性があることを説明する。
【００６７】
実験では、まず平日の約５０００人のデータから上記の各状態、直行状態、回遊状態、探索状態の歩行者が存在する昼時のデータを抽出し、以下の基準により手動ラベリングを行い各分類毎のサンプルデータを得た。まず、計測フロア内にある一定時間以上（１８０秒以上）存在している歩行者１０名を「回遊状態」として分類した。次に途中で立ち止まるなどせず計測エリア内のレストランに直接入った歩行者２６名を「直行状態」とした。その他のデータのうち、計測エリアを通過（素通り）した歩行者を除外し、途中で立ち止まったり、案内板などに立ち寄った歩行者２１名を「探索状態」として分類した。
【００６８】
そして、各状態の歩行者についての平均歩行速度（ｖｔｎハット）の分布を図８に示す。ここにみられるように、直行状態の歩行者の速度が他の２状態に比べて大きくなっている。直行状態の歩行者は、探索、回遊状態の歩行者に比べて歩行目的が明確であるため、それが歩行速度の差異に表れていると考えられる。直行状態と探索状態の歩行者間（ｐ＜０:０１）、直行状態と回遊状態の歩行者間（ｐ＜０:０１）でそれぞれ統計的に有意な差が見られた。
【００６９】
続いて、歩行軌跡、特に図８に示す移動方向のばらつきについて比較を行った。移動方向のばらつき（ｄｔｎ）は各時刻毎の速度ベクトル（ｖｔｎ）に基づいて数３のように定義した。なお、歩行軌跡の一例が図９に示される。この図９でも各歩行者状態によって特徴的な歩行軌跡を示している。
【００７０】
図８に各状態毎の移動方向のばらつきを示す。図８より、直行状態の歩行者は移動方向のばらつきが小さく、移動方向が比較的安定しているのに対して、探索状態、回遊状態の歩行者は移動方向のばらつきが大きく頻繁に移動方向を変えていることがわかる。直行状態と探索状態の歩行者間（ｐ＜０:０１）、直行状態と回遊状態の歩行者間（ｐ＜０:０１）でそれぞれ統計的に有意な差が見られた。
【００７１】
抽出した３状態の歩行者に対して、歩行速度が一定以下となる停止状態が計測時間内でどの程度の割合であるかについて分析した。停止率（ｒｔｎ）は数１０で表される。ここで（ｖ０）は停止と見なすかどうかの閾値（たとえば０.５ｍ／ｓ）であり、（ｒｔｎ）は過去Ｎ＋１回分の観測において停止と見なされた回数の割合を示す。
【００７２】
【数１０】
【００７３】
図１０に３状態の各歩行者の停止率を示す。図１０より直行状態の歩行者については停止状態がほとんど見られないことがわかる。一方で、回遊状態の歩行者は前述の通り移動時の歩行速度が小さいことに加えて、長時間立ち止まると言った行動をとっていることがわかる。直行状態と探索状態の歩行者間（ｐ＜０:０１）、直行状態と回遊状態の歩行者間（ｐ＜０:０１）、探索状態と回遊状態の歩行者間（ｐ＜０:０１）でそれぞれ統計的な有意な差が見られた。
【００７４】
さらに、歩行者の注視または注目行動は、歩行者の興味、意図に深くかかわっている。歩行者が首を振るといった行動をとるとき、歩行者の興味が定まっておらず、興味が移っていると考えられる。今回の分析では各状態の歩行者についてビデオによる目視解析により進行方向に対して顔が大きく（約４５度程度）回転した回数を首振りとしてカウントし比較した。表１に各状態の歩行者の１分間あたりの首振り回数の平均を示す。表１の結果から、回遊状態とそれ以外との間に大きな違いが見られたが、探索状態や直行状態では顕著な差は見られなかった。
【表１】
【００７５】
さらに、発明者等は、統計的に有意な差が観測された歩行速度、歩行軌跡のばらつき、フロア内停止率を用いて平日(木曜日)の昼間（12:00〜14:00）、夕方（１８:００〜１９:００）、休日(日曜日)の昼間（１２:００〜１４:００）の３つの時間帯のデータの分類を行った。分類には最近傍法（ＮＮ法）を利用し、直行状態、探索状態、回遊状態の３状態に分類した。
【００７６】
その結果、平日の昼間の時間帯で２１０２人の歩行者中、１６４０人（７８％）が直行状態、３４９人（１７％）が探索状態、１１３人（５％）が回遊状態に分類された。平日の夕方の時間帯でもその割合はほぼ変わらず、７４７人の歩行者中、６１５人（８２％）が直行状態、１０１人（１４％）が探索状態、３１人（４％）が回遊状態に分類された。
【００７７】
これに対し、休日の昼間の時間帯では４６７１人の歩行者中、２７４７人（５９％）が直行状態、１７７８人（３８％）が探索状態、１４６人（３％）が回遊状態に分類される結果となり、探索状態の割合が増加する結果が得られた。この結果については以下のように解釈できる。
【００７８】
今回実験を行ったショッピングモールは鉄道（ニュートラム）の最寄り駅とオフィスビルの中間に位置しており、オフィスビル勤務者の出勤や帰宅の経路として利用されている。また、昼間はこれらのオフィスビル勤務者が昼食をとるためあるいは出先に向かうためにこのエリアを多く歩行する。これらの歩行者は、当該ショッピングモールの通路や店舗の配置を熟知しているため、平日は時間帯に拘らず「直行状態」の歩行者が多くなったと考えられる。一方で、休日は食事や買い物を目的としてショッピングモールを訪れた家族連れやショッピングモール周辺で行われるイベントに参加するイベント参加者など普段この施設に馴染みのない歩行者が多いことがビデオ映像から観察された。これらの歩行者は目的地の位置が正確に把握できていなかったり、目的地が確定していないことが考えられる。このため平日に比べて休日は直行状態の歩行者の割合が減少し、探索状態の歩行者が増加する可能性が高い。上記で得られた分類結果はこれらの観察結果と符合しており、先に説明した実施例の分類の妥当性を示唆する結果が得られたといえる。
【００７９】
なお、図６のようにして分類した歩行者状態を用いれば、各歩行者状態に丁度適合するイベントやサービスなどを提供することができる。たとえば、図１に示す通信装置１６を用いてネットワーク１８を介して、各歩行者への案内情報や各ターゲットへの歩行者誘引のお勧め情報を配信したりすることもできる。
【００８０】
また、上述の実施例では、歩行者の位置などを検知するためにＬＲＦを用いたが、他に、超音波センサや赤外線センサなども利用可能である。
【符号の説明】
【００８１】
１０ …歩行者状態分類装置
１２ …コンピュータ
１４ …内部メモリ
２２、２２１‐２２ｎ …ＬＲＦ
２４、２４１‐２４ｍ …ビデオカメラ
【技術分野】
【０００１】
この発明は、歩行者状態分類装置およびプログラムに関し、特に、ショッピングモールなど不特定多数が利用する施設において、その施設内を移動する歩行者の行動を計測して各歩行者の状態を推定して分類する、新規な歩行者状態分類装置およびプログラムに関する。
【背景技術】
【０００２】
商業施設内を移動している歩行者の振る舞いには、その歩行者の意図や行動目的が表れている。このため歩行者の振る舞いを分析することで、その意図や行動目的を推定し、その歩行者の目的に合わせたサービスを提供することができると考えられる。これは、たとえば、歩行者にとっては自分の好みの店のより詳しい情報を得ることができ、施設側にとっては顧客を呼び込むことができるなど、双方にとって有益となる。
【０００３】
施設内の歩行者に関して従来から様々な分析が行われている。非特許文献1および２では、都市空間と歩行者の関係や美術館や博覧会における人間行動を歩行者の歩行速度によって分析した。非特許文献３では、商業施設における歩行者の行動目的を速度センサを用いた被験者実験で分類した。非特許文献４‐６では、歩行軌跡に着目して人間の行動を分析、判別を行う手法を提案し、マーケティングやセキュリティに用いる研究を行っている。また非特許文献７では、博物館において歩行速度と歩行軌跡・頭部方向により歩行者を分類した。
【０００４】
また、非特許文献８では、本件発明者等は、商業施設内の歩行者に関して被験者実験を行い、飲食店を探している歩行者の興味や意図が行動（視線方向や歩行軌跡）にある程度共通した振る舞いとして表れることを示した。
【非特許文献１】清田真矢、松本直司、渡辺悠司「街路空間特性と歩行速度の関係」日本建築学会 pp949‐950、2007
【非特許文献２】樫村奈美、長澤夏子、木村謙、林田和人、渡辺仁史「観覧空間における歩行速度の比較に関する研究」日本建築学会大会学衛講演梗概集pp1053‐1054、2000
【非特許文献３】五代智哉、林田和人、渡辺仁史「商業施設における歩行速度と行動目的との関係に関する研究」日本建築学会学術講演梗概集pp567‐568、2008
【非特許文献４】羽生大輔、渡辺仁史「曲面壁の誘導性に関する研究：曲面壁の形状パターンと歩行軌跡からの分析」日本建築学会学術講演梗概集pp995‐99６、2003
【非特許文献５】豊嶋伊知郎、板倉豊和、服部可奈子、吉田琢史、小磯貴史「多段階のパターン認識を用いた歩行軌跡データからの顧客行動判別」情報処理学会研究報告pp173‐178、200
【非特許文献６】豊嶋伊知郎、板倉豊和、服部可奈子、吉田琢史、小磯貴史「歩行軌跡を用いた歩行者行動判別手法の開発」電子情報通信学会技術研究報告pp19‐24、2006
【非特許文献７】山田辰美、柳沢豊、平田圭二、佐藤哲司「移動軌跡と頭部の向きに基づく歩行者の行動意味付け方法」情報処理学会論文誌pp2250‐2259、2005
【非特許文献８】岡本康太郎、内海章、山添大丈、宮下敬宏、高橋和彦、萩田紀博「視線計測を用いた商業施設における来店者行動の分析」電子情報通信学会技術研究報告 MVE、マルチメディア・仮想環境基礎 pp1‐6，2009
【発明の開示】
【発明が解決しようとする課題】
【０００５】
上記非特許文献８などによって歩行者の振る舞いを通して歩行者の目的を推定できることを示したが、商業施設に来店中の全ての歩行者が一様に同じ振る舞いをすることはなく、その歩行者の目的や興味の度合いにより行動に変化が生じる。そのため歩行者の内的状態により歩行者の行動分類を行う必要がある。
【０００６】
それゆえに、この発明の主たる目的は、新規な、歩行者状態分類装置およびプログラムを提供することである。
【０００７】
この発明の他の目的は、歩行者の状態を的確に分類できる、歩行者状態分類装置およびプログラムを提供することである。
【課題を解決するための手段】
【０００８】
本発明は、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、本発明の理解を助けるために後述する実施の形態との対応関係を示したものであって、本発明を何ら限定するものではない。
【０００９】
第１発明は、歩行者の位置を検出するための非接触センサ、非接触センサによって検出した歩行者の所定時間毎の位置に基づいて歩行者の歩行速度を計算する歩行速度計算手段、非接触センサによって検出した歩行者の所定時間毎の位置に基づいて歩行者の歩行方向のばらつきを計算する方向ばらつき計算手段、歩行速度が所定の閾値より大きくかつ歩行方向のばらつきが所定の閾値より小さいかという第１条件を満足するかどうか判断する第１条件判断手段、および第１条件判断手段が第１条件を満足すると判断したとき、その歩行者の歩行者状態を直行状態として分類する直行状態分類手段を備える、歩行者の歩行者状態分類装置である。
【００１０】
第１発明では、歩行者状態分類装置（10：実施例で相当する部分を示す参照号。以下同様。）は、たとえばＬＲＦのような歩行者の位置を検出するための非接触センサ（221-22n）を備える。実施例ではともにコンピュータで構成される、歩行速度計算手段（12,445,S3）は、非接触センサによって検出した歩行者の所定時間毎の位置に基づいて歩行者の歩行速度を計算し、方向ばらつき計算手段（12,445,S3）は、非接触センサによって検出した歩行者の所定時間毎の位置に基づいて歩行者の歩行方向のばらつきを計算する。そして、第１条件判断手段（12,445,S11）は、歩行速度が所定の閾値より大きくかつ歩行方向のばらつきが所定の閾値より小さいかという第１条件を満足するかどうか判断する。この第１条件判断手段が第１条件を満足すると判断したとき、直行状態分類手段（12,445,S13）その歩行者の歩行者状態を直行状態として分類する。
【００１１】
第１発明によれば、歩行者の歩行者状態が直行状態（歩行目的、目的地が共に決まっていて目的地の場所も分かっており、そこに向かっている歩行者状態）かそれ以外かを的確に分類することかできる。
【００１２】
第２発明は、第１発明に従属し、第１条件判断手段が第１条件を満足しないと判断したとき、第２条件を満足するかどうか判断する第２条件判断手段、および第２条件判断手段が第２条件を満足しないと判断したとき、その歩行者の歩行者状態を回遊状態として分類する回遊状態分類手段をさらに備える、歩行者状態分類装置である。
【００１３】
第２発明では、第２条件判断手段（12,445,S15）は、第１条件判断手段が第１条件を満足しないと判断したとき、第２条件を満足するかどうか判断し、回遊状態分類手段（12,445,S17）は、第２条件判断手段が第２条件を満足しないと判断したとき、その歩行者の歩行者状態を回遊状態として分類する。したがって、第２発明によれば、歩行者の歩行者状態が回遊状態（たとえば、歩行目的、目的地、道順が決まっていない歩行者状態）かそれ以外かを的確に分類することかできる。
【００１４】
第３発明は、第２発明に従属し、第２判断手段が第２条件を満足すると判断したとき、その歩行者の歩行者状態を探索状態として分類する探索状態分類手段をさらに備える、歩行者状態分類装置である。
【００１５】
第３発明では、探索状態分類手段（12,445,S21,S23）は、第２判断手段が第２条件を満足すると判断したとき、その歩行者の歩行者状態を探索状態として分類する。したがって、第３発明によれば、歩行者の歩行者状態が探索状態（たとえば、歩行目的はあるが、目的に合う場所、道順は決まっていない歩行者状態）かそれ以外かを的確に分類することかできる。
【００１６】
第４発明は、第３の発明に従属し、探索状態分類手段は、第３条件を満足するかどうかを判断する第３条件判断手段と、第３条件判断手段が第３条件を満足すると判断したとき、その歩行者の歩行者状態を道順探索状態として分類する道順探索状態分類手段とを含む、歩行者状態分類装置である。
【００１７】
第４発明では、探索状態分類手段に含まれる第３条件判断手段（12,445,S19）が第３条件を満足すると判断したとき、道順探索状態分類手段（12,445,S21）が、その歩行者の歩行者状態を道順探索状態として分類する。
【００１８】
第５発明は、第４発明に従属し、探索状態分類手段は、第３条件判断手段が第３条件を満足しないと判断したとき、その歩行者の歩行者状態を場所探索状態として分類する場所探索状態分類手段を含む、歩行者状態分類装置である。
【００１９】
第５発明では、探索状態分類手段に含まれる場所探索状態分類手段（12,445,S23）が、第３条件判断手段によって第３条件を満足しないと判断したとき、その歩行者の歩行者状態を場所探索状態として分類する。
【００２０】
第６発明は、歩行者の位置を検出するための非接触センサを備える歩行者の歩行者状態分類装置のコンピュータによって実行される歩行者状態分類プログラムであって、プログラムは、コンピュータを、非接触センサによって検出した歩行者の所定時間毎の位置に基づいて歩行者の歩行速度を計算する歩行速度計算手段、非接触センサによって検出した歩行者の所定時間毎の位置に基づいて歩行者の歩行方向のばらつきを計算する方向ばらつき計算手段、歩行速度が所定の閾値より大きくかつ歩行方向のばらつきが所定の閾値より小さいかという第１条件を満足するかどうか判断する第１条件判断手段、および第１条件判断手段が第１条件を満足すると判断したとき、その歩行者の歩行者状態を直行状態として分類する直行状態分類手段として機能させる、歩行者状態分類プログラムである。
【００２１】
第６発明によれば、第１発明と同様の効果が期待できる。
【発明の効果】
【００２２】
この発明によれば、移動速度などの計測結果に基づいて歩行者の状態を分類するようにしたので、歩行者状態を的確に分類できる。
【００２３】
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。
【図面の簡単な説明】
【００２４】
【図１】図1はこの発明の一実施例の歩行者状態分類装置を示すブロック図である。
【図２】図２は図１実施例に用いられる非接触センサの一例であるレーザレンジファインダ（Laser Range Finder: ＬＲＦ）の計測範囲を示す図解図である。
【図３】図３は実施例の歩行者状態分類装置を実験した実施場所の一例を示す図解図である。
【図４】図４は歩行者の視線方向を示す図解図である。
【図５】図５は実施例の歩行者状態分類装置のＲＡＭのメモリマップの一例を示す図解図である。
【図６】図６は実施例の歩行者状態分類装置における歩行者状態の分類動作の一例を示すフロー図である。
【図７】図７は実験によって手動的に分類したときの歩行者状態と歩行速度の関係を示すグラフである。
【図８】図８は実験によって手動的に分類したときの歩行者状態と移動方向のばらつきの関係を示すグラフである。
【図９】図９は歩行者の歩行軌跡の一例を示す図解図である。
【図１０】図１０は実験によって手動的に分類したときの歩行者状態と停止率の関係を示すグラフである。
【発明を実施するための最良の形態】
【００２５】
図１を参照して、この発明の一実施例の歩行者状態分類装置１０は、コンピュータ１２を含み、このコンピュータ１２にはＲＡＭやＲＯＭなどの内部メモリ１４および必要に応じてネットワーク１８を通じて他のシステムや装置のコンピュータ（図示せず）と通信するための通信装置１６を備える。ただし、通信装置１６はコンピュータ１２に内蔵していなくてもよい。コンピュータ１２に接続されているメモリ２０はたとえばハードディスクや大容量半導体メモリなどでよく、コンピュータ１２で処理するためのプログラムや処理する前後のデータを保存したりするために利用され得る。
【００２６】
コンピュータ１２にはさらに、ＬＲＦ２２１‐２２ｎとビデオカメラ２４１‐２４ｍが接続される。なお、ＬＲＦ２２１‐２２ｎを区別する必要がない場合には、まとめて「ＬＲＦ２２」といい、ビデオカメラ２４１‐２４ｍも区別する必要がない場合には、まとめて「カメラ２４」という。
【００２７】
ＬＲＦ２２は、レーザを照射し、物体や人間に反射して戻ってくるまでの時間から当該物体や人間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）ずつスキャンし、その反射波が帰ってくるまでの時間を検出することによって、物体までの距離がわかる。一例として、SICK社製のＬＲＦ（型式 LMS200）を用いることができる。このＬＲＦ２２を用いた場合には、歩行者の位置をたとえば６ｃｍ程度の誤差で計測可能である。
【００２８】
図２に示すように、ＬＲＦ２２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、ＬＲＦ２２は、その正面方向を中心とした場合に、左右９０°の方向を所定の距離（Ｒ）以内で計測可能である。そして、たとえば図３に示すように、ＬＲＦ２２は、様々な場所に配置される。たとえば、図３においてＬＲＦ２２１‐２２６の各々は、検出領域が重なるように配置される。理由は、同じ歩行者について２台以上のＬＲＦで検出した距離データによって、各歩行者の位置を検出するためである。なお、このようにＬＲＦ２２を用いて人や物体の位置を計測する方法はたとえば、特開２００９‐１６８５７８号公報などでよく知られている。
【００２９】
また、歩行者の詳細な行動に関する解析を可能とするため、図３に示す実施場所２６においては、上述のＬＲＦ２２１‐２２７による位置計測と併せて、場所２６全体を複数（実施例では５台）のビデオカメラ２４１‐２４５で撮影した。これらのカメラ２４で撮影した顔画像に対して、たとえば本件出願人の出願に係る特開２００８‐１０２９０２号公報などで詳細に説明されている、視線推定処理を適用することにより、図４に示すような各歩行者の視線方向、つまり、顔を向けた方向を検出することができる。
【００３０】
なお、図３に示す実施場所２６には、この例では、通路２８の両端に出口３０が設定されていて、通路２８の一方の出口３０の手前には曲がり角３２が、形成されている。さらに、通路２８の両側には第１レストラン３４、第２レストラン３６および第３レストラン３８が配置されている。図３におけるこれらの出口３０、曲がり角３２、レストラン３４‐３８と案内板４０は、注目対象という意味で「ターゲット」と呼び、後述の数式では「pj」の記号で示される。なお、これらのターゲット３０‐４０はそれぞれカテゴリに区分でき、このカテゴリを後述の数式では「Cpj」の記号で示す。
【００３１】
図５は図１実施例のコンピュータ１２の内部メモリ１４に含まれるＲＡＭ４２のメモリマップの一例を示していて、この実施例では、ＲＡＭ４２は、プログラム領域４４とデータ記憶領域４６を含む。プログラム領域４４には、ＯＳを記憶するためのＯＳ領域４４１が形成されている。さらに、プログラム領域４４には、各歩行者に対する各ＬＲＦの距離データを取得するためのプログラム（距離データ取得プログラム）を記憶する距離データ取得プログラム記憶領域４４２が設けられる。さらに、各歩行者に対する各ＬＲＦの距離データから各歩行者の位置データを取得するためのプログラム（位置データ取得プログラム）を記憶する位置データ取得プログラム記憶領域４４３が設けられる。他に、各歩行者の顔画像から各歩行者の視線方向を検出するためのプログラム（視線検出プログラム）を記憶する距離視線検出プログラム記憶領域４４３および検出した視線に基づいて各歩行者の顔画像向いている方向のデータを取得するためのプログラム（顔方向データ取得プログラム）を記憶する顔方向データ取得プログラム記憶領域４４４が設けられる。分類プログラム記憶領域４４５に設定される分類プログラムは、これらのプログラムで検出した各位置データや顔方向データに基づいて各歩行者の歩行者状態を分類するためのプログラムである。この分類プログラム４４５には、歩行者状態分類に必要な、後述の数１‐数９などで示す計算式も併せて設定されている。
【００３２】
データ記憶領域４６には、たとえばＬＲＦ２２の距離データやビデオカメラ２４の映像データなどを一時的に記憶するためのセンサデータ記憶領域４６１、地図データを記憶するための地図データ記憶領域４６２、ヒストグラム記憶領域４６３およびワーキング領域４６４などが設定されている。地図データは、たとえば図３のように実施場所のおける各ターゲットの位置を示す位置データおよび各ターゲットのカテゴリ（各ターゲットの種類、レストラン、喫茶店、トイレ、店舗など）や、実施場所に配置されているセンサ、実施例ではＬＲＦ２２やビデオカメラ２４の設置位置の位置データなどが記憶されている。ヒストグラム記憶領域４６３に記憶されるヒストグラムはこの実施例では、各歩行者が注目したターゲット（注目ターゲット）のヒストグラムや注目しているターゲットのカテゴリ（注目カテゴリ）のヒストグラム（テーブル）を想定している。この注目ターゲットのヒストグラムをみれば、各歩行者のターゲット毎の注目回数（注目時間）が分かるし、注目カテゴリのヒストグラムをみれば、各歩行者のターゲットのカテゴリ毎の注目回数（注目時間）が分かる。
【００３３】
上述の地図データは、基本的には、実施場所に応じて外部メモリ２０（図１）からから読み出されて地図データ記憶領域４６２に設定される。同様に、プログラムについても必要の都度、外部メモリ２０からプログラム領域４４内に設定されるようにしてもよい。
【００３４】
図６を参照して行なう実施例の動作の詳細な説明の前に、本件発明の背景について少し説明する。
【００３５】
商業施設に来店中の歩行者の行動は商品あるいはサービスの消費に直結した情報が得られる可能性があり、施設側あるいは各店舗側の関心は高い。そのため、従来より、さまざまな顧客行動の分析手法が提案され、実際に利用されている。その中でも現在、実際に広く利用されている分析手法のひとつがＰＯＳ（販売時点情報管理）である。ＰＯＳで得られる情報は商品毎の売上数量だけにとどまらず、商品間の消費の連動性や顧客の性別、年齢層と消費の関係などが加えられ、仕入れ計画、商品配置を決める際に重要な役割を果たしている。しかし、ＰＯＳで得られる情報はあくまで「消費された」商品やサービスに関する情報であり、顧客が興味を持ったが消費には至らなかった「消費前」の行動についての情報は与えていない。そのため、ＰＯＳを強化、補完するものとして「消費前行動」の分析が行われている。
【００３６】
そこで、ここで説明する実施例では、「消費前行動」の分析として、一例としてＬＲＦや商業施設内フロアのビデオ撮影を用いて商業施設のフロア内で来店中の人の追跡を行い、その歩行速度や歩行軌跡などの歩行中の振る舞いにより人の興味や意図の範囲の推定を行い、次のような歩行者の行動および歩行者状態を想定した。
【００３７】
歩行者の行動を「歩行目的が定まっているか」、「目的に対応した場所（目的地）が定まっているか」、「目的地までの道順に関する知識があるか」によって分類すし、歩行目的のない歩行者の歩行者状態を「回遊状態」と呼び、目的にあった場所を探している歩行者、定まった目的地を探している歩行者の歩行者状態を「探索状態（場所または道順）」と呼び、歩行目的、目的地、道順全てを知っている歩行者の歩行者状態を「直行状態」と呼ぶことにする。歩行者の歩行者状態が推定、分類できれば、それぞれの状態の歩行者に適した以下のようなサービスを提供することができる。
【００３８】
(1)回遊状態
歩行目的、目的地、道順が決まっていない歩行者状態であり、暇を潰している人や待ち合わせのためにフロア（図３で示す実施場所２６のような）内にずっと滞在している歩行者がこの状態に該当する。フロアのお勧めスポットやイベント等の案内などのサービスが想定される。
【００３９】
(2)探索状態
歩行目的はあるが、目的に合う場所、道順は決まっていない歩行者状態であり、食事をとる店や買い物を行う店（ターゲット）を探してフロアを探索している歩行者がこの状態に該当する。歩行目的に該当する店舗（カテゴリ）の情報を提供するサービスが想定される。また、歩行目的、目的地が共に決まっているが目的地の場所が解らずに目的地を探している状態の歩行者もこの状態に分類される。現在地点から目的地までの道順情報を提供するなどのサービスが想定される。
【００４０】
(3)直行状態
歩行目的、目的地が共に決まっていて目的地の場所も分かっており、そこに向かっている歩行者状態である。「直行状態」の歩行者に関してはさらにその目的地付近で顔向きや視線の計測により来店目的の詳細な分析などを行ったうえで商品紹介などよりきめ細やかな情報提供を行うなどが考えられる。
【００４１】
以上の背景を前提として、以下、図６のフロー図とともに、図１実施例の動作を説明する。図６のフロー図に示す歩行者状態分類動作は一例として０.５秒のような短時間に1回、その実施場所２６（図３）内に存在する全ての歩行者について実行される。つまり、実施場所２６の全歩行者についてその歩行者状態が所定時間毎に分類されるのである。
【００４２】
図６の最初のステップＳ１では、コンピュータ１２は、図５に示す距離データ取得プログラム４４２および位置データ取得プログラム４４３に従って各歩行者の時間（ｔｎ）での位置（ｘｔｎ）を検出するとともに、視線検索プログラム４４４および顔方向データ取得プログラム４４５に従っての時間（ｔｎ）での各歩行者の顔方向（ｗｔｎ）を検出する。つまり、各ＬＲＦ２２の設置位置が地図データから分かるとので、各ＬＲＦが検出した歩行者と間の距離を位置データに変換することよって、歩行者の位置（ｘｔｎ）を特定することができる。同じように、ビデオカメラ２４の設置位置やそれが向いている方向が地図データから分かるので、そのビデオカメラで検出した歩行者の顔方向（ｗｔｎ）を実施場所２６のグローバル（全体）座標系で表現することができ、それによって、後述のように、歩行者の顔がターゲットに向いているか、つまり、歩行者はターゲットを注目しているかどうかを判断することができる。
【００４３】
続くステップＳ３において、コンピュータ１２は、分類プログラム４４５（図５）に従って、時間（ｔｎ）での、各歩行者の、歩行（移動）速度（ｖｔｎ）、過去Ｎ秒間の平均速度（ｖｔｎバー）および速度ベクトルのばらつき（ｄｔｎ）を、それぞれ、数１、数２および数３に基づいて、計算する。なお、「バー」は、文字（この場合は“ｖ”）の上に書かれるべき平均値を示す横棒（−）のことである。
【００４４】
【数１】
【００４５】
【数２】
【００４６】
【数３】
【００４７】
数１では、前回位置と今回位置との差を前回時刻と今回時刻の差で割っているので、移動速度が求まり、数２の前半ではそのようにして求めた移動速度の直近のＮ＋１回分の値の合計をＮ＋１で割っているので、平均速度ベクトルが求まる。数２の後半では、速度ベクトルに関する共分散行列を計算している。
【００４８】
なお、数３の前半（ｖｔｎハット）は速度ベクトルの大きさの直近Ｎ＋１回分の平均値であり平均速度を示す。数３の後半は、速度ベクトルのばらつきの大きさを数２で計算した共分散行列のトレース（共分散行列の斜め成分の合計）として計算している。なお、「ハット」は、文字（この場合は“ｖ”）の上に書かれるべき平均値を示す山型（＾）のことである。
【００４９】
このようにして、ステップＳ３で、そのときの各歩行者の歩行速度（ｖｔｎ）、平均速度（ｖｔｎハット）および速度ベクトルのばらつき（ｄｔｎ）が計算される。
【００５０】
続いて、コンピュータ１２は、ステップＳ５において、各歩行者とターゲット（図３の実施場所であれば、レストランや出口、曲がり角など）との距離が近いかどうか判断する。つまり、数４の不等式を満足するかどうか判断する。つまり、ステップＳ５では、歩行者の位置（ｖｔｎ）とターゲットの位置（ｘｐｊ）との間の距離が閾値（εｐ）より小さいかどうか判断する。なお、ターゲットの位置は先に説明した地図データに設定されているので、それを用いればよい。
【００５１】
【数４】
【００５２】
このステップＳ５で“ＹＥＳ”を判断すると、コンピュータ１２は、次のステップＳ７で、コンピュータ１２は、数５に基づいて、歩行者がターゲットに注目しているかどうか判断する。数５では、そのときの顔方向（ｗｔｎ）と、ステップＳ５で計算したターゲットの方向の内積を計算し、それが閾値cosθより大きいかどうか、つまり歩行者の顔方向がターゲットに正対する状態に近いかどうか判断している。
【００５３】
【数５】
【００５４】
ステップＳ５で“ＹＥＳ”でかつステップＳ７で“ＹＥＳ”のとき、つまり、歩行者がどれかのターゲットに近づいて注目していると判断したとき、コンピュータ１２は次のステップＳ９で、ヒストグラム記憶領域４６３（図５）の注目ターゲット（ｐｊ）および注目カテゴリ（Ｃｐｊ）のヒストグラムをそれぞれ更新する（数６）。
【００５５】
【数６】
【００５６】
その後ステップＳ１１に進む。ただし、ステップＳ５で“ＮＯ”を判断したとき、またはステップＳ７で“ＮＯ”を判断したときにはいずれも、ステップＳ９を飛び越してステップＳ１１に進む。
【００５７】
ステップＳ１１では、コンピュータ１２は、数７に基づいて、歩行者の歩行（移動）速度が所定の閾値、たとえば０.５ｍ／ｓより大きくかつ速度ベクトルのばらつきが所定の閾値より小さいかどうか、つまり第１条件を満足するかどうかを判断する。歩行速度が大きく、速度ベクトルのばらつきが小さいということは、その歩行者の歩行者状態は、先に説明した「直行状態」であると判断できる。つまり、目標に向って早足で歩行している状態である。したがって、このステップＳ１１で“ＹＥＳ”を判断すると、コンピュータ１２はステップＳ１３で当該歩行者の歩行者状態を「直行状態」と分類する。したがって、ステップＳ１３が直行状態分類手段を構成する。
【００５８】
【数７】
【００５９】
ステップＳ１１で“ＮＯ”を判断したとき、歩行速度が大きくないか、または速度ベクトルのばらつきが小さくないということである。つまり、第１条件が満足されなかったということである。この場合、歩行者はゆっくり歩行しているか、歩行方向がまとまっていない（ばらばらである）という状態が想定できる。そこでコンピュータ１２は、次のステップＳ１５において、数８に従って、直行状態ではない歩行者の、特定のカテゴリへの注目時間が閾値より大きいかどうか、つまり、第２条件を満足するかどうか判断する。数８では、注目カテゴリのヒストグラムで示すそのカテゴリへの注目時間（Ｂ｜Ｃｐｊ｜)を回数（ｎ）で割った平均注目時間が所定の閾値より大きいか、つまり、その歩行者はどれかのカテゴリを閾値時間以上注目していたかどうか判断する。このステップＳ１５で“ＮＯ”ということは、第２条件が満足されないということであり、歩行者はどのカテゴリに対しても注目時間が短く、注目ターゲットに一貫性がないということを意味する。このような歩行者状態のとき、実施例では、先に説明した「回遊状態」であるとしている。したがって、ステップＳ１５で“ＮＯ”のとき、コンピュータ１２は、ステップＳ１７で当該歩行者の歩行者状態を「回遊状態」と分類する。したがって、ステップＳ１７は回遊状態分類手段を構成する。
【００６０】
【数８】
【００６１】
直行状態でもなく、回遊状態でもないとき、つまり、ステップＳ１１で“ＮＯ”でかつステップＳ１５で“ＮＯ”を判断したとき、つまり、第１条件が満足されず、第２条件を満足するとき、コンピュータ１２は次のステップＳ１９で、歩行者が特定のカテゴリを注目しているかどうか、つまり、第３条件を満足するかどうか判断する。この実施例では、ステップＳ１９では数９に基づいて判断するようにしているので、ステップＳ１９ではつまり、歩行者は出口３０や曲がり角３２（図３）を長時間注目しているかどうかを判断する。
【００６２】
【数９】
【００６３】
ステップＳ１９で“ＹＥＳ”なら、つまり、第３条件を満足すれば、歩行者は出口３０や曲がり角３２を長時間注目しているのであるから、次のステップＳ２１でコンピュータ１２は、そのときの歩行者の歩行者状態は道順を探索しながら歩行している状態（道順探索状態）であると分類する。したがって、ステップＳ２１は道順探索状態分類手段を構成する。
【００６４】
ステップＳ１９で“ＮＯ”なら、つまり、第３条件を満足しないなら、歩行者は出口３０や曲がり角３２以外のカテゴリのターゲットを長時間注目している状態である。したがって、この場合には、注目カテゴリが道順探索に関係ないたとえば店舗などであるから、次のステップＳ２３でコンピュータ１２は、そのときの歩行者の歩行者状態は特定カテゴリ（Ｃｐｊ）のターゲット（場所）を探索しながら歩行している状態（場所探索状態）であると分類する。したがって、ステップＳ２３は場所探索状態分類手段を構成する。
【００６５】
ただし、直行状態ではなく、回遊状態でもないときは、何らかのターゲットを探索しているターゲット探索状態であるので、その意味からすれば、ステップＳ２１もＳ２３も探索状態分類手段ということもできる。
【００６６】
このように、説明した実施例によれば、ＬＲＦ２２やビデオカメラ２４のように非接触センサによって、しかも歩行者に無線タグのような装着物を一切装着することなく、各歩行者の歩行者状態を分類することができる。ここで、発明者等が行なった実験を示し、このような分類に妥当性があることを説明する。
【００６７】
実験では、まず平日の約５０００人のデータから上記の各状態、直行状態、回遊状態、探索状態の歩行者が存在する昼時のデータを抽出し、以下の基準により手動ラベリングを行い各分類毎のサンプルデータを得た。まず、計測フロア内にある一定時間以上（１８０秒以上）存在している歩行者１０名を「回遊状態」として分類した。次に途中で立ち止まるなどせず計測エリア内のレストランに直接入った歩行者２６名を「直行状態」とした。その他のデータのうち、計測エリアを通過（素通り）した歩行者を除外し、途中で立ち止まったり、案内板などに立ち寄った歩行者２１名を「探索状態」として分類した。
【００６８】
そして、各状態の歩行者についての平均歩行速度（ｖｔｎハット）の分布を図８に示す。ここにみられるように、直行状態の歩行者の速度が他の２状態に比べて大きくなっている。直行状態の歩行者は、探索、回遊状態の歩行者に比べて歩行目的が明確であるため、それが歩行速度の差異に表れていると考えられる。直行状態と探索状態の歩行者間（ｐ＜０:０１）、直行状態と回遊状態の歩行者間（ｐ＜０:０１）でそれぞれ統計的に有意な差が見られた。
【００６９】
続いて、歩行軌跡、特に図８に示す移動方向のばらつきについて比較を行った。移動方向のばらつき（ｄｔｎ）は各時刻毎の速度ベクトル（ｖｔｎ）に基づいて数３のように定義した。なお、歩行軌跡の一例が図９に示される。この図９でも各歩行者状態によって特徴的な歩行軌跡を示している。
【００７０】
図８に各状態毎の移動方向のばらつきを示す。図８より、直行状態の歩行者は移動方向のばらつきが小さく、移動方向が比較的安定しているのに対して、探索状態、回遊状態の歩行者は移動方向のばらつきが大きく頻繁に移動方向を変えていることがわかる。直行状態と探索状態の歩行者間（ｐ＜０:０１）、直行状態と回遊状態の歩行者間（ｐ＜０:０１）でそれぞれ統計的に有意な差が見られた。
【００７１】
抽出した３状態の歩行者に対して、歩行速度が一定以下となる停止状態が計測時間内でどの程度の割合であるかについて分析した。停止率（ｒｔｎ）は数１０で表される。ここで（ｖ０）は停止と見なすかどうかの閾値（たとえば０.５ｍ／ｓ）であり、（ｒｔｎ）は過去Ｎ＋１回分の観測において停止と見なされた回数の割合を示す。
【００７２】
【数１０】
【００７３】
図１０に３状態の各歩行者の停止率を示す。図１０より直行状態の歩行者については停止状態がほとんど見られないことがわかる。一方で、回遊状態の歩行者は前述の通り移動時の歩行速度が小さいことに加えて、長時間立ち止まると言った行動をとっていることがわかる。直行状態と探索状態の歩行者間（ｐ＜０:０１）、直行状態と回遊状態の歩行者間（ｐ＜０:０１）、探索状態と回遊状態の歩行者間（ｐ＜０:０１）でそれぞれ統計的な有意な差が見られた。
【００７４】
さらに、歩行者の注視または注目行動は、歩行者の興味、意図に深くかかわっている。歩行者が首を振るといった行動をとるとき、歩行者の興味が定まっておらず、興味が移っていると考えられる。今回の分析では各状態の歩行者についてビデオによる目視解析により進行方向に対して顔が大きく（約４５度程度）回転した回数を首振りとしてカウントし比較した。表１に各状態の歩行者の１分間あたりの首振り回数の平均を示す。表１の結果から、回遊状態とそれ以外との間に大きな違いが見られたが、探索状態や直行状態では顕著な差は見られなかった。
【表１】
【００７５】
さらに、発明者等は、統計的に有意な差が観測された歩行速度、歩行軌跡のばらつき、フロア内停止率を用いて平日(木曜日)の昼間（12:00〜14:00）、夕方（１８:００〜１９:００）、休日(日曜日)の昼間（１２:００〜１４:００）の３つの時間帯のデータの分類を行った。分類には最近傍法（ＮＮ法）を利用し、直行状態、探索状態、回遊状態の３状態に分類した。
【００７６】
その結果、平日の昼間の時間帯で２１０２人の歩行者中、１６４０人（７８％）が直行状態、３４９人（１７％）が探索状態、１１３人（５％）が回遊状態に分類された。平日の夕方の時間帯でもその割合はほぼ変わらず、７４７人の歩行者中、６１５人（８２％）が直行状態、１０１人（１４％）が探索状態、３１人（４％）が回遊状態に分類された。
【００７７】
これに対し、休日の昼間の時間帯では４６７１人の歩行者中、２７４７人（５９％）が直行状態、１７７８人（３８％）が探索状態、１４６人（３％）が回遊状態に分類される結果となり、探索状態の割合が増加する結果が得られた。この結果については以下のように解釈できる。
【００７８】
今回実験を行ったショッピングモールは鉄道（ニュートラム）の最寄り駅とオフィスビルの中間に位置しており、オフィスビル勤務者の出勤や帰宅の経路として利用されている。また、昼間はこれらのオフィスビル勤務者が昼食をとるためあるいは出先に向かうためにこのエリアを多く歩行する。これらの歩行者は、当該ショッピングモールの通路や店舗の配置を熟知しているため、平日は時間帯に拘らず「直行状態」の歩行者が多くなったと考えられる。一方で、休日は食事や買い物を目的としてショッピングモールを訪れた家族連れやショッピングモール周辺で行われるイベントに参加するイベント参加者など普段この施設に馴染みのない歩行者が多いことがビデオ映像から観察された。これらの歩行者は目的地の位置が正確に把握できていなかったり、目的地が確定していないことが考えられる。このため平日に比べて休日は直行状態の歩行者の割合が減少し、探索状態の歩行者が増加する可能性が高い。上記で得られた分類結果はこれらの観察結果と符合しており、先に説明した実施例の分類の妥当性を示唆する結果が得られたといえる。
【００７９】
なお、図６のようにして分類した歩行者状態を用いれば、各歩行者状態に丁度適合するイベントやサービスなどを提供することができる。たとえば、図１に示す通信装置１６を用いてネットワーク１８を介して、各歩行者への案内情報や各ターゲットへの歩行者誘引のお勧め情報を配信したりすることもできる。
【００８０】
また、上述の実施例では、歩行者の位置などを検知するためにＬＲＦを用いたが、他に、超音波センサや赤外線センサなども利用可能である。
【符号の説明】
【００８１】
１０ …歩行者状態分類装置
１２ …コンピュータ
１４ …内部メモリ
２２、２２１‐２２ｎ …ＬＲＦ
２４、２４１‐２４ｍ …ビデオカメラ
【特許請求の範囲】
【請求項１】
歩行者の位置を検出するための非接触センサ、
前記非接触センサによって検出した歩行者の所定時間毎の位置に基づいて歩行者の歩行速度を計算する歩行速度計算手段、
前記非接触センサによって検出した歩行者の所定時間毎の位置に基づいて歩行者の歩行方向のばらつきを計算する方向ばらつき計算手段、
前記歩行速度が所定の閾値より大きくかつ前記歩行方向のばらつきが所定の閾値より小さいかという第１条件を満足するかどうか判断する第１条件判断手段、および
前記第１条件判断手段が前記第１条件を満足すると判断したとき、その歩行者の歩行者状態を直行状態として分類する直行状態分類手段を備える、歩行者の歩行者状態分類装置。
【請求項２】
前記第１条件判断手段が前記第１条件を満足しないと判断したとき、第２条件を満足するかどうか判断する第２条件判断手段、および
前記第２条件判断手段が前記第２条件を満足しないと判断したとき、その歩行者の歩行者状態を回遊状態として分類する回遊状態分類手段をさらに備える、請求項１記載の歩行者状態分類装置。
【請求項３】
前記第２判断手段が前記第２条件を満足すると判断したとき、その歩行者の歩行者状態を探索状態として分類する探索状態分類手段をさらに備える、請求項２記載の歩行者状態分類装置。
【請求項４】
前記探索状態分類手段は、第３条件を満足するかどうかを判断する第３条件判断手段と、前記第３条件判断手段が前記第３条件を満足すると判断したとき、その歩行者の歩行者状態を道順探索状態として分類する道順探索状態分類手段とを含む、請求項３記載の歩行者状態分類装置。
【請求項５】
前記探索状態分類手段は、前記第３条件判断手段が前記第３条件を満足しないと判断したとき、その歩行者の歩行者状態を場所探索状態として分類する場所探索状態分類手段を含む、請求項４記載の歩行者状態分類装置。
【請求項６】
歩行者の位置を検出するための非接触センサを備える歩行者の歩行者状態分類装置のコンピュータによって実行される歩行者状態分類プログラムであって、前記プログラムは、前記コンピュータを、
前記非接触センサによって検出した歩行者の所定時間毎の位置に基づいて歩行者の歩行速度を計算する歩行速度計算手段、
前記非接触センサによって検出した歩行者の所定時間毎の位置に基づいて歩行者の歩行方向のばらつきを計算する方向ばらつき計算手段、
前記歩行速度が所定の閾値より大きくかつ前記歩行方向のばらつきが所定の閾値より小さいかという第１条件を満足するかどうか判断する第１条件判断手段、および
前記第１条件判断手段が前記第１条件を満足すると判断したとき、その歩行者の歩行者状態を直行状態として分類する直行状態分類手段
として機能させる、歩行者状態分類プログラム。
【請求項１】
歩行者の位置を検出するための非接触センサ、
前記非接触センサによって検出した歩行者の所定時間毎の位置に基づいて歩行者の歩行速度を計算する歩行速度計算手段、
前記非接触センサによって検出した歩行者の所定時間毎の位置に基づいて歩行者の歩行方向のばらつきを計算する方向ばらつき計算手段、
前記歩行速度が所定の閾値より大きくかつ前記歩行方向のばらつきが所定の閾値より小さいかという第１条件を満足するかどうか判断する第１条件判断手段、および
前記第１条件判断手段が前記第１条件を満足すると判断したとき、その歩行者の歩行者状態を直行状態として分類する直行状態分類手段を備える、歩行者の歩行者状態分類装置。
【請求項２】
前記第１条件判断手段が前記第１条件を満足しないと判断したとき、第２条件を満足するかどうか判断する第２条件判断手段、および
前記第２条件判断手段が前記第２条件を満足しないと判断したとき、その歩行者の歩行者状態を回遊状態として分類する回遊状態分類手段をさらに備える、請求項１記載の歩行者状態分類装置。
【請求項３】
前記第２判断手段が前記第２条件を満足すると判断したとき、その歩行者の歩行者状態を探索状態として分類する探索状態分類手段をさらに備える、請求項２記載の歩行者状態分類装置。
【請求項４】
前記探索状態分類手段は、第３条件を満足するかどうかを判断する第３条件判断手段と、前記第３条件判断手段が前記第３条件を満足すると判断したとき、その歩行者の歩行者状態を道順探索状態として分類する道順探索状態分類手段とを含む、請求項３記載の歩行者状態分類装置。
【請求項５】
前記探索状態分類手段は、前記第３条件判断手段が前記第３条件を満足しないと判断したとき、その歩行者の歩行者状態を場所探索状態として分類する場所探索状態分類手段を含む、請求項４記載の歩行者状態分類装置。
【請求項６】
歩行者の位置を検出するための非接触センサを備える歩行者の歩行者状態分類装置のコンピュータによって実行される歩行者状態分類プログラムであって、前記プログラムは、前記コンピュータを、
前記非接触センサによって検出した歩行者の所定時間毎の位置に基づいて歩行者の歩行速度を計算する歩行速度計算手段、
前記非接触センサによって検出した歩行者の所定時間毎の位置に基づいて歩行者の歩行方向のばらつきを計算する方向ばらつき計算手段、
前記歩行速度が所定の閾値より大きくかつ前記歩行方向のばらつきが所定の閾値より小さいかという第１条件を満足するかどうか判断する第１条件判断手段、および
前記第１条件判断手段が前記第１条件を満足すると判断したとき、その歩行者の歩行者状態を直行状態として分類する直行状態分類手段
として機能させる、歩行者状態分類プログラム。
【図１】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【公開番号】特開２０１２−１６８６３２（Ｐ２０１２−１６８６３２Ａ）
【公開日】平成２４年９月６日（２０１２．９．６）
【国際特許分類】
【出願番号】特願２０１１−２７４８０（Ｐ２０１１−２７４８０）
【出願日】平成２３年２月１０日（２０１１．２．１０）
【国等の委託研究の成果に係る記載事項】（出願人による申告）平成２１年６月１９日付け、支出負担行為担当官 総務省大臣官房会計課企画官、研究テーマ「高齢者・障がい者（チャレンジド）のためのユビキタスネットワークロボット技術の研究開発」に関する委託研究、産業技術力強化法第１９条の適用を受ける特許出願
【出願人】（３９３０３１５８６）株式会社国際電気通信基礎技術研究所 (905)
【公開日】平成２４年９月６日（２０１２．９．６）
【国際特許分類】
【出願日】平成２３年２月１０日（２０１１．２．１０）
【国等の委託研究の成果に係る記載事項】（出願人による申告）平成２１年６月１９日付け、支出負担行為担当官 総務省大臣官房会計課企画官、研究テーマ「高齢者・障がい者（チャレンジド）のためのユビキタスネットワークロボット技術の研究開発」に関する委託研究、産業技術力強化法第１９条の適用を受ける特許出願
【出願人】（３９３０３１５８６）株式会社国際電気通信基礎技術研究所 (905)
[ Back to top ]