流行分析装置、商品傾向分析装置、及び商品推薦装置
【課題】 消費者を定点観測して、流行や商品の消費傾向を分析する流行／商品傾向分析装置や、流行や商品の消費傾向に関連深い商品を消費者に推薦する商品推薦装置を提供する。
【解決手段】 撮影画像に含まれる移動体画像と撮影日時情報とを検出する画像検出手段と、前記画像検出手段により検出された前記移動体画像から人物外観の視覚的特徴を前記撮影日時情報と対応付けて抽出する視覚的特徴抽出手段と、前記視覚的特徴抽出手段により抽出された前記人物外観の視覚的特徴の時系列傾向を所定の判定条件に基づいて判定する傾向判定手段とを備える。
【解決手段】 撮影画像に含まれる移動体画像と撮影日時情報とを検出する画像検出手段と、前記画像検出手段により検出された前記移動体画像から人物外観の視覚的特徴を前記撮影日時情報と対応付けて抽出する視覚的特徴抽出手段と、前記視覚的特徴抽出手段により抽出された前記人物外観の視覚的特徴の時系列傾向を所定の判定条件に基づいて判定する傾向判定手段とを備える。
【発明の詳細な説明】
【技術分野】
【０００１】
本発明は、マーケティングリサーチの分野において、消費者を定点観測して、流行や商品の消費傾向を分析する流行／商品傾向分析装置や、流行や商品の消費傾向に関連深い商品を消費者に推薦する商品推薦装置に関する。
【背景技術】
【０００２】
従来から、マーケティングリサーチの分野において、消費者に対する定点観測を行ない、流行や商品の消費傾向を分析して商品を推薦しようという試みがなされている。例えば、特定の場所で観測者が写真や動画などにより消費者を撮影し、それらの画像情報から、消費者の服装、性別、年齢などの属性情報を分析する方法で実施されている。この方法に電子的な仕組みを取り入れて効果を生み出すものとして、以下のような従来技術がある。
【０００３】
特許文献１で開示されている従来技術は、流行に敏感な地域において定点観測カメラを設置して、街頭を歩いている人達を撮影して画像データとして収集し、その画像データを分析することで流行の先駆的商品の情報を遅滞することなく提供し、生産現場へ伝達することができるというものである。
【０００４】
また、特許文献２で開示されている従来技術は、顧客画像データベースを構築し、顧客が商品を購入した際の購入状況や顧客の属性情報などを付与していくことで顧客画像データベースの充実化を図り、マーケティング情報として他店への展開に利用するというものである。
【０００５】
【特許文献１】特開２００２−７６６３号公報
【特許文献２】特開２００３−９９５８２号公報
【発明の開示】
【発明が解決しようとする課題】
【０００６】
従来、売れ筋商品というものは、定番で売れる商品を除き、売れ始めてから結果として売れ筋であった、と判るものであった。そのため、売れ筋と察知した段階では、既に品薄状況となり、結果として販売の機会を逸することとなっていた。このため、リアルタイムに売れ筋を察知することが課題になっていた。
また、特に天候の違いに売れ行き状況が左右される売れ筋商品の場合は、売り手が過去の販売経験から習得した経験則に基づいて売れ筋商品を見極めるため、販売経験の少ない売り手の場合は、売れ筋商品を的確に見極めることができなかった。このため、販売経験が少ない売り手にとって、売れ筋か否かの判断が的確にできることが課題になっていた。
【０００７】
このような課題に対して、特許文献１に開示されている技術は、定点観測中の画像がリアルタイムで入手できるものである。しかし、その画像の内容が果たして流行の傾向を表しているものであるかどうかは、人間が判断する必要がある。そのため、判断する人間には、流行の傾向を的確に判断するための知識や経験が備わっていなければならず、担当者によっては、判断結果のバラツキや、判断ミスが発生する可能性が高い。
【０００８】
また、特許文献２に開示されている技術は、売れ筋商品の判断を的確に行なうために利用する顧客画像データベースの構築を支援して、分析作業者の負担を軽減するものである。しかし、顧客の顔写真を主に人手により分析して、顧客の外見に関する属性情報を抽出し、この属性情報を購買情報に追加することにより、顧客画像データベースを構築するため、新規の顧客については、新規の登録作業という負荷が発生する。
また、特定の個人について、どのような購買履歴であるかを記録し、個人の属性情報に基づいたマーケティング情報を作成して利用することは、個人情報の扱い方について特段の配慮をしなければならない昨今において、企業がこのような個人情報を持ち続けるには相応のリスクが伴う。
【０００９】
本発明は、上記のような問題点を解決するためになされたものであり、個人情報を使用することなく、ファッションの流行という漠然とした状態を、リアルタイムに、かつ、大局的に数値化できる流行分析装置と、商品の過去の売上データに基づいて、ファッションの流行と商品の売れ行きとを的確に関連付けた流行ルールを抽出する商品傾向分析装置と、ある分野の嗜好品の傾向が同じであれば、別の分野における嗜好品の傾向も同じであろうという考えに基づき、予め街なかの雰囲気を察知することで、売れ筋商品を的確に判断して自動的に推薦できる商品推薦装置とを提供することを目的とする。
【課題を解決するための手段】
【００１０】
上記で述べた課題を解決するため、本発明に係る流行分析装置は、撮影画像に含まれる移動体画像と撮影日時情報とを検出する画像検出手段と、前記画像検出手段により検出された前記移動体画像から人物外観の視覚的特徴を前記撮影日時情報と対応付けて抽出する視覚的特徴抽出手段と、前記視覚的特徴抽出手段により抽出された前記人物外観の視覚的特徴の時系列傾向を所定の判定条件に基づいて判定する傾向判定手段とを備えることとしたものである。
【００１１】
また、本発明に係る商品傾向分析装置は、前記流行分析装置と、商品の売上データを売上日時情報とともに管理する商品売上管理手段と、前記流行分析装置により判定された前記人物外観の視覚的特徴の時系列傾向と前記商品売上管理手段により管理された前記商品の売上データとを前記撮影日時情報と前記売上日時情報とに基づいて対応付けた流行ルールを抽出する流行ルール抽出手段と、前記流行ルール抽出手段により抽出された前記流行ルールを格納する流行ルールデータベースとを備えることとしたものである。
【００１２】
また、本発明に係る商品推薦装置は、前記流行分析装置と、商品と、この商品の売上データと、売上日時情報とを管理する商品売上管理手段と、前記流行分析装置により判定された前記人物外観の視覚的特徴の時系列傾向と前記商品売上管理手段により管理された前記商品の売上データとを前記撮影日時情報と前記売上日時情報とに基づいて対応付けた流行ルールを格納する流行ルールデータベースと、前記流行ルールデータベースに格納された前記流行ルールの中から、前記流行分析装置により判定された前記人物外観の視覚的特徴の時系列傾向に合致する流行ルールを検索し、この検索された流行ルールに対応付けられた前記商品を前記商品売上管理手段に通知する商品抽出手段とを備えることとしたものである。
【発明の効果】
【００１３】
本発明によれば、流行分析装置で、人物の画像から、特徴的な色や模様、形状を抽出して、時刻情報とともに保存するようにしたことにより、街なかを往来する通行人のファッションの特徴や流行状況について、個人情報を特定・蓄積することなく、リアルタイムに数値化して保存することができ、さらに、任意の期間や時間帯について、ファッションの特徴や流行状況を取り出すことができ、データベースとして利用できるようになるという効果がある。
【００１４】
また、商品傾向分析装置で、商品の過去の売上データに基づいて、ファッションの流行と商品の売れ行きとを的確に関連付けた流行ルールを抽出することにより、人間の経験や勘などに頼らずに、信頼性が高い売れ筋商品の判断ができるようになるという効果がある。
【００１５】
さらに、商品推薦装置で、過去の観測に基づいて抽出された流行ルールを用いて、現在の街なかを往来する通行人のファッションの特徴や流行状況から、売上が上がると思われる商品を自動的に推薦して、適切な時期に適切な仕入れを行なうことにより、的確な在庫管理をすることができ、売上が最適化されるという効果がある。
【発明を実施するための最良の形態】
【００１６】
実施の形態１．
図１は、本発明の実施の形態１における流行分析装置の一例を示す構成図である。
図１において、カメラ１は、通行人が往来する街なかや、商業施設の出入り口、店舗内などに設置され、往来する通行人を撮影する。画像検出手段２は、移動体検出手段２０１と移動体画像抽出手段２０２とから構成される。移動体検出手段２０１は、カメラ１が撮影した画像を解析し、画像中の移動体の検出を行なう。また、移動体画像抽出手段２０２は、移動体検出手段２０１により検出された移動体部分の画像を切り出して出力する。傾向検出手段３は、視覚的特徴抽出手段３０１と傾向判定手段３０２とから構成される。視覚的特徴抽出手段３０１は、画像検出手段２により検出された移動体について、色彩、模様、形状などの視覚的特徴を判断して抽出する。傾向判定手段３０２は、視覚的特徴抽出手段３０１により抽出された視覚的特徴が、カメラ１で撮影した画像全体の中で主要な傾向を有するか否かの所定の判定条件を満たす場合に、傾向を有するものと判定し、この視覚的特徴を傾向検出結果として出力する。テクスチャデータベース４は、傾向検出手段３の視覚的特徴抽出手段３０１において検出対象となる色彩、模様、形状などのパタンを予めテクスチャとして格納する。傾向検出結果記録手段５は、傾向検出手段３の傾向検出結果を記録する。
【００１７】
次に、実施の形態１における流行分析装置の全体動作について、図２〜図６を適宜参照しながら説明する。
【００１８】
図２は、実施の形態１における流行分析装置の全体動作のフローチャートを示す図である。
まず、ステップＳ１０１において、画像検出手段２は、カメラ１により撮影された画像を解析して、画像中の移動体の検出を行なう。ここで、カメラ１は、通行人が往来する街なかや、商業施設の出入り口、店舗内など、通行人を観測したい場所を撮影できる位置に設置される。カメラ１の映像は、撮影とともにリアルタイムで出力され、画像検出手段２に入力される。この入力された画像から、移動体検出手段２０１により、画像中の移動体を検出する。ここで、検出された移動体は、以降の処理で人物とみなすこととする。移動体検出の方法は、どのような方法を用いても良く、例えば、常に背景画像変化の差分を検出することにより移動体を検出する背景差分法など、よく知られた方法で実現される。
【００１９】
次に、ステップＳ１０２において、画像検出手段２は、移動体画像抽出手段２０２により、ステップＳ１０１で検出された移動体部分の画像を切り出して抽出し、時刻情報とともに傾向検出手段３へ出力する。
【００２０】
次に、ステップＳ１０３において、傾向検出手段３は、視覚的特徴抽出手段３０１により、画像検出手段２で検出された移動体について、色彩、模様、形状などの視覚的特徴を分析し、その画像において使われている色や模様、形状について視覚的特徴がある場合、それらをこの画像の特徴として抽出する。
【００２１】
次に、ステップＳ１０４において、傾向検出手段３は、傾向判定手段３０２により、視覚的特徴抽出手段３０１により抽出された視覚的特徴が、カメラ１で撮影した画像全体の中で主要な傾向を有するか否かの所定の判定条件を満たすか否かを判定する。判定条件を満たした場合には、主要な傾向を有するものと判定し、この視覚的特徴を傾向検出結果として時刻情報とともに傾向検出結果記録手段５に出力する。
【００２２】
なお、カメラが設置された場所では、通行人は移動しており、カメラ１による撮影画像も時々刻々変化しているものであるので、上記のステップＳ１０１〜Ｓ１０４の処理も、リアルタイムに実行される。
【００２３】
ここで、傾向検出手段３のステップＳ１０３における視覚的特徴の抽出処理と、ステップＳ１０４における主要な傾向の判定処理の動作について、以下に詳細に説明する。
【００２４】
図３は、視覚的特徴抽出手段３０１の内部構成の一例を示す図である。
図３に示すように、視覚的特徴抽出手段３０１は、色彩特徴抽出手段３０１１と、模様特徴抽出手段３０１２と、形状特徴抽出手段３０１３とから構成される。
【００２５】
まず、ステップＳ１０３において、色彩特徴抽出手段３０１１は、画像検出手段２で検出された移動体について、色の特徴を抽出する。ここで、色については、例えば、ＲＧＢ各色光に対するヒストグラムを用いて数値化することが可能である。
【００２６】
図４は、ＲＧＢ各色光に対するヒストグラムの例を示す図である。
図５は、ＲＧＢ各色光に対するヒストグラムの時系列を示す図である。
図４において、ＲＧＢそれぞれについて、横軸は輝度、縦軸は頻度であり、その画像の色に関する特徴を表わしている。例えば、図４の例では、輝度が暗い赤系統と、輝度が明るい青系統の色が多いことを示す。色彩特徴抽出手段３０１１は、このようなＲＧＢ各色光に対するヒストグラムを、その画像の色の特徴として抽出し、図５に示すように、時刻情報とともに、時系列に沿ってヒストグラムを保持する。
【００２７】
次に、ステップＳ１０４において、傾向判定手段３０２は、色彩特徴抽出手段３０１１で抽出された色の特徴のヒストグラムから、所定の判定条件に基づいて、色の特徴の主要な傾向を判定する。所定の判定条件は、例えば、面積×時間を単位とした積算量を判定基準として導入する。具体的には、傾向判定手段３０２は、以下のような処理を行なう。
【００２８】
まず、移動体画像抽出手段２０２により移動体画像が抽出された時刻ｔ１から、抽出されなくなった時刻ｔ２までの時間ｔ２−ｔ１（これを滞在時間Ｔｓとする）の間に、抽出された移動体画像がカメラ画像内で占める面積を積算し、この積算面積をＳｉとする。例えば、カメラ画像が横６４０ピクセル縦４８０ピクセルという単位で構成されていて、抽出された移動体画像が常に横２０ピクセル縦２０ピクセルであれば、移動体画像の面積は４００平方ピクセルとする。この場合に、移動体画像の滞在時間Ｔｓが１０秒であれば、積算面積Ｓｉは、４，０００平方ピクセル・秒となる。
【００２９】
次に、抽出された移動体画像の色彩を、その移動体画像に対するヒストグラムから判定し、前述の積算面積Ｓｉと対応付ける。例えば、前述の例で色彩が「青」と判定された場合、この移動体により、青色が４，０００平方ピクセル・秒占めていた、という対応関係を記憶する。
【００３０】
次に、上記のような処理を、所定の時間帯（これを総対象時間Ｔａとする）について、抽出された全ての移動体画像に対して実行し、色彩ごとに積算面積Ｓｉを算出する。この色彩ごとの積算面積Ｓｉの、カメラ画像総面積×総対象時間Ｔａの値に対する占有率を算出し、一定の閾値を超えた色彩を、その総対象時間Ｔａについて「多かった」と判定する。例えば、前述の例で、分析対象とする所定の時間帯（総対象時間Ｔａ）を８時から２０時までとすると、カメラ画像総面積×総対象時間Ｔａの値は、６４０×４８０×１２×６０×６０＝１３，２７１，０４０，０００平方ピクセル・秒となる。これに対し、青色が占有する積算面積が２，０００，０００，０００平方ピクセル・秒だった場合は、青色の占有率は約１５％となる。ここで、一定の閾値が１０％と設定されていれば、分析対象となった８時から２０時の間は、「青が多い」という判定がなされ、あるいは、一定の閾値が２０％と設定されていれば、「青色については特段の特徴は無し」という判定がなされる。
【００３１】
これにより、何月何日何時頃、あるいは、何時から何時の間、何日から何日の間など、自由な間隔の期間で、どういう色の傾向のファッションが多かったかがわかる。例えば、指定された自由な期間において、「青色系統の服が多い」などの傾向を判定することができる。このような傾向検出結果は、傾向検出結果記録手段５に記録される。
【００３２】
また、傾向検出手段３は、上述した色の特徴だけでなく、模様の特徴に関しても同様にして、主要な傾向を検出する。
【００３３】
まず、ステップＳ１０３において、模様特徴抽出手段３０１２は、画像検出手段２で検出された移動体について、模様の特徴を抽出する。このとき、抽出対象とする模様は、予めテクスチャとして、テクスチャデータベース４に登録しておく。図６は、テクスチャデータベース４を用いて、通行人のファッションの模様を抽出する処理を説明する図である。図６に示すように、テクスチャデータベース４には、抽出対象とする種々の模様パタンがテクスチャとして登録されている。模様特徴抽出手段３０１２は、これらのテクスチャが、画像検出手段２により検出された移動体の画像に存在するか否かのパタンマッチングを実行し、マッチングしたテクスチャを抽出する。
【００３４】
次に、ステップＳ１０４において、傾向判定手段３０２は、模様特徴抽出手段３０１２で抽出されたテクスチャから、所定の判定条件に基づいて、模様の特徴の主要な傾向を判定する。所定の判定条件は、色彩の場合と同様に、例えば、面積×時間を単位とした積算量を判定基準として導入する。具体的には、傾向判定手段３０２は、以下のような処理を行なう。
【００３５】
まず、移動体画像抽出手段２０２により移動体画像が抽出された時刻ｔ１から、抽出されなくなった時刻ｔ２までの時間ｔ２−ｔ１（これを滞在時間Ｔｓとする）の間に、抽出された移動体画像がカメラ画像内で占める面積を積算し、この積算面積をＳｉとする。例えば、カメラ画像が横６４０ピクセル縦４８０ピクセルという単位で構成されていて、抽出された移動体画像が常に横２０ピクセル縦２０ピクセルであれば、移動体画像の面積は４００平方ピクセルとする。この場合に、移動体画像の滞在時間Ｔｓが１０秒であれば、積算面積Ｓｉは、４，０００平方ピクセル・秒となる。
【００３６】
次に、抽出された移動体画像と、予めテクスチャデータベースに登録されている模様とのパタンマッチングを行なう。パタンマッチングの方法は、例えば、非特許文献１に記されているViola-Jones法のように、予め取得して記憶してある学習データとのパタンマッチングを行なう等、良く知られた方法で実現される。
【非特許文献１】Viola, P.; Jones, M.: "Rapid Object Detection Using a Boosted Cascade of Simple Features", IEEE Computer Society Conference on Computer Vision and Pattern Recognition (CVPR), ISSN: 1063-6919, Vol. 1, pp. 511-518, December 2001
【００３７】
次に、上記のようなパタンマッチングにより抽出された移動体画像の模様を、前述の積算面積Ｓｉと対応付ける。例えば、前述の例で格子模様と判定された場合、この移動体により、水玉模様が４，０００平方ピクセル・秒占めていた、という対応関係を記憶する。
【００３８】
次に、上記のような処理を、所定の時間帯（これを総対象時間Ｔａとする）について、抽出された全ての移動体画像に対して実行し、模様ごとに積算面積Ｓｉを算出する。この模様ごとの積算面積Ｓｉの、カメラ画像総面積×総対象時間Ｔａの値に対する占有率を算出し、一定の閾値を超えた模様を、その総対象時間Ｔａについて「多かった」と判定する。例えば、前述の例で、分析対象とする所定の時間帯（総対象時間Ｔａ）を８時から２０時までとすると、カメラ画像総面積×総対象時間Ｔａの値は、６４０×４８０×１２×６０×６０＝１３，２７１，０４０，０００平方ピクセル・秒となる。これに対し、水玉模様が占有する積算面積が２，０００，０００，０００平方ピクセル・秒だった場合は、水玉模様の占有率は約１５％となる。ここで、一定の閾値が１０％と設定されていれば、分析対象となった８時から２０時の間は、「水玉模様が多い」という判定がなされ、あるいは、一定の閾値が２０％と設定されていれば、「水玉模様については特段の特徴は無し」という判定がなされる。
【００３９】
これにより、色彩の傾向の判定と同様に、任意の期間に対する模様の特徴の傾向を判定することができる。このような傾向検出結果は、傾向検出結果記録手段５に記録される。
【００４０】
さらに、傾向検出手段３は、上述した色や模様の特徴だけでなく、眼鏡やイヤリング等、表面から見える装飾品、髪型などの、形状の特徴に関しても同様にして、主要な傾向を検出する。
【００４１】
まず、ステップＳ１０３において、形状特徴抽出手段３０１３は、画像検出手段２で検出された移動体について、形状の特徴を抽出する。このとき、抽出対象とする形状は、予め形状パタンとして、テクスチャデータベース４に登録しておく。この場合も、模様の特徴抽出と同様に、登録された形状パタンが、画像検出手段２により検出された移動体の画像に存在するか否かのパタンマッチングを実行し、マッチングした形状パタンを抽出する。パタンマッチングの方法は、前述したViola-Jones法のように、予め取得し記憶されている学習データを用いる方法など、良く知られた方法で実現される。
【００４２】
次に、ステップＳ１０４において、傾向判定手段３０２は、形状特徴抽出手段３０１３で抽出された形状パタンから、所定の判定条件に基づいて、形状の特徴の主要な傾向を判定する。所定の判定条件は、例えば、前述の色彩や模様の傾向判定と同様に、面積×時間を判定基準として導入する。ただし、色彩や模様の場合と違うのは、形状の特徴となる装飾品や髪型などは人物の陰に隠れてしまう場合があるため、必ずしも、その形状が、移動体画像抽出手段２０２により抽出された移動体画像内を占めているとは限らない点である。そこで、形状の特徴の場合は、滞在時間Ｔｓ中は必ず形状特徴抽出されている、あるいは一定時間は形状特徴抽出されている場合に、抽出された移動体画像が、常に、横２０ピクセル縦２０ピクセルで滞在時間１０秒であれば、４，０００平方ピクセル・秒占めているものとする。これを、色彩や模様の場合と同様に、総対象時間Ｔａについて積算し、カメラ画像総面積×総対象時間Ｔａと比較した占有率により判定する。
【００４３】
これにより、色彩や模様の傾向の判定と同様に、任意の期間に対する形状の特徴の傾向を判定することができる。このような傾向検出結果は、傾向検出結果記録手段５に記録される。
【００４４】
さらにまた、色彩、模様、形状の特徴の傾向は、画像全体に占める割合ではなく、通行人の人数により、検出することも可能である。
【００４５】
図７は、主要な特徴の傾向を人数によって検出する場合の構成図の一例を示す図である。
図７において、画像検出手段２は、人数計数手段２０３を備えている。その他の構成については、図１と同様であるので、説明を省略する。
【００４６】
人数計数手段２０３は、移動体検出手段２０１により検出された移動体の数を計数し、移動体を人物とみなして、計数した移動体の数を人数として出力する。この人数を、その時点の通過総人数とする。
【００４７】
次に、傾向検出手段３において、視覚的特徴抽出手段３０１は、移動体画像抽出手段２０２により抽出された移動体画像について、色彩、模様、形状の特徴を抽出する。特徴抽出の方法は前述の通りである。このとき、傾向判定手段３０２は、移動体画像抽出手段２０２により抽出された移動体画像がいかなる大きさであっても、視覚的特徴を有する画像１件とし、これを視覚的特徴に該当する人数として計数する。この処理を総対象時間Ｔａ（例えば８時から２０時まで）について行ない、通過総人数と視覚的特徴を有する人数を各々積算し、通過総人数に対する当該人数の割合で一定の閾値を超えたものを多いと判断する。
【００４８】
このようにして、色彩、模様、形状の特徴の傾向を、画像全体に占める割合ではなく、通行人の人数に基づいて検出することにより、画像全体に占める割合を採用した場合に割合が低めになってしまうような比較的通行量が少ない場所でも、人数ベースで判定することで、その場所の通行量全体に対する傾向が把握できる。
【００４９】
以上のように、実施の形態１によれば、流行分析装置で、人物の画像から、特徴的な色や模様、形状を抽出して、時刻情報とともに保存するようにしたことにより、街なかを往来する通行人のファッションの特徴や流行状況について、個人情報を特定・蓄積することなく、リアルタイムに数値化して保存することができ、さらに、任意の期間や時間帯について、ファッションの特徴や流行状況を取り出すことができ、データベースとして利用できるようになるという効果がある。
【００５０】
実施の形態２．
以上の実施の形態１では、個人情報を使用することなく、ファッションの流行という漠然とした状態を、リアルタイムに、かつ、大局的に数値化できる流行分析装置を説明したが、次に、この流行分析装置を利用して、商品の過去の売上データに基づいて、ファッションの流行と商品の売れ行きとを的確に関連付けた流行ルールを抽出する商品傾向分析装置に関する実施の形態２を示す。
【００５１】
図８は、本発明の実施の形態２における商品傾向分析装置の一例を示す構成図である。
図８において、商品傾向分析装置は、実施の形態１で説明した構成に加え、カメラ１の設置場所の周辺にある小売店において、商品の売上を時刻と共に記録したり、在庫管理を行なったりする商品売上管理手段６と、商品売上管理手段６の売上データと傾向検出手段３の傾向検出結果とを突合せて、流行ルールを抽出する流行ルール抽出手段７と、抽出された流行ルールを格納する流行ルールデータベース８とを備える。その他の構成は、実施の形態１と同様であるため、説明を省略する。
【００５２】
次に、実施の形態２における商品傾向分析装置の動作について、図８〜図１０を適宜参照しながら説明する。
【００５３】
商品売上管理手段６は、いわゆる販売時点管理を行なうＰＯＳ（Ｐｏｉｎｔ Ｏｆ Ｓａｌｅｓ）システムと同じ動作をするものであり、個別の商品が売れた時点で、その商品の販売情報をリアルタイムに記録し、在庫管理やマーケティングに活用するための手段である。
【００５４】
流行ルール抽出手段７は、商品売上管理手段６の販売情報の記録を参照し、売上が増加している特定の商品の販売情報を取得する。
図９は、商品売上管理手段６の販売情報の記録から、売上が増加している特定の商品を判定する処理を説明する図である。
図９において、商品「缶コーヒー」を例にして、横軸は商品が売れた日時を示し、縦軸は、商品の売上個数を示している。
【００５５】
まず、流行ルール抽出手段７は、商品の売上が大きいと判断する売上個数の閾値Ｔを商品の種別ごとに保持しており、商品の売上個数が、この閾値Ｔを越えている時間帯をピーク時間帯として判定する。
【００５６】
次に、流行ルール抽出手段７は、傾向検出結果記録手段５を参照し、上記のようにして判定したピーク時間帯において、街行く通行人のファッションについて、何か視覚的特徴はないかを判断する。例えば、通行人のファッションの色について、図４に示すような傾向が現れていた場合、輝度が暗い赤系統の色と、輝度が明るい青系統の色の服が多かったと判断する。この結果、流行ルール抽出手段７は、「服飾・色彩」という分類について、（１）視覚的特徴が「暗い赤系統」である場合、売上結果は「缶コーヒーが売れる」、または、（２）視覚的特徴が「明るい青系統」である場合、売上結果は「缶コーヒーが売れる」、という２つのルールを導き出し、流行ルールとして抽出する。
【００５７】
このようにして抽出された流行ルールは、流行ルールデータベース８に格納される。他の商品についても同様の処理を行ない、各商品について抽出された流行ルールも、流行ルールデータベース８に格納される。このようにして構築された流行ルールデータベース８の格納例を、図１０に示す。図１０では、１行が一つの流行ルールに相当し、テクスチャデータベース４で格納してあるテクスチャの分類に対応して、傾向検出手段３により検出された視覚的特徴と、その場合の、商品売上管理手段６の売上結果とが対応付けられて格納される。
【００５８】
以上のように、実施の形態２によれば、商品傾向分析装置で、商品の過去の売上データに基づいて、ファッションの流行と商品の売れ行きとを的確に関連付けた流行ルールを抽出することにより、人間の経験や勘などに頼らずに、信頼性が高い売れ筋商品の判断ができるようになるという効果がある。
【００５９】
実施の形態３．
以上の実施の形態２では、流行分析装置を利用して、商品の過去の売上データに基づいて、ファッションの流行と商品の売れ行きとを的確に関連付けた流行ルールを抽出する商品傾向分析装置を説明したが、次に、過去の観測に基づいて抽出された流行ルールを用いて、現在の街なかを往来する通行人のファッションの特徴や流行状況から、売上が上がると思われる商品を自動的に推薦する商品推薦装置に関する実施の形態３を示す。
【００６０】
図１１は、本発明の実施の形態３における商品推薦装置の一例を示す構成図である。
図１１において、商品推薦装置は、実施の形態２で説明した構成の中の流行ルール抽出手段７に替えて、傾向検出手段３により検出された現在の視覚的特徴の傾向に基づいて、流行ルールを参照し、売上が上がると見込まれる商品を抽出する商品抽出手段９を備える。その他の構成は、実施の形態２と同様であるため、説明を省略する。
【００６１】
次に、実施の形態３における商品推薦装置の動作について、図１１を適宜参照しながら説明する。
【００６２】
まず、傾向検出手段３は、街なかを往来する通行人の画像から検出された現在の視覚的特徴の傾向を、傾向検出結果記録手段５に記録するとともに、商品抽出手段９へも同時に出力する。
【００６３】
次に、商品抽出手段９は、流行ルールデータベース８を参照して、傾向検出手段３により検出された現在の視覚的特徴の傾向に合致した流行ルールを検索し、この流行ルールに関連付けられた商品を、売上が上がると見込まれる商品として抽出する。
【００６４】
例えば、過去の観測結果に基づいて、図１０に示すような内容の流行ルールデータベース８が既に構築されている場合、傾向検出手段３が、通行人の色の傾向について、「青系統が４０％以上」であることを検出したとする。この場合、商品抽出手段９は、流行ルールデータベース８において、「青系統が４０％以上」という検索条件で、視覚的特徴の欄を検索する。この結果、図１０に示す流行ルールデータベース８の１行目と２行目の視覚的特徴がヒットし、それぞれの売上結果欄を参照することにより、「缶コーヒー」と「ミネラルウォーター」が売れるという商品推薦情報を得る。このようにして得られた商品推薦情報に基づいて、商品抽出手段９は、商品売上管理手段６に対して、売上が上がると見込まれる「缶コーヒー」と「ミネラルウォーター」とを仕入れるように指示を出す。
【００６５】
以上のように、実施の形態３によれば、商品推薦装置で、過去の観測に基づいて抽出された流行ルールを用いて、現在の街なかを往来する通行人のファッションの特徴や流行状況から、売上が上がると思われる商品を自動的に推薦して、適切な時期に適切な仕入れを行なうことにより、的確な在庫管理をすることができ、売上が最適化されるという効果がある。
【００６６】
実施の形態４．
以上の実施の形態３では、過去の観測に基づいて抽出された流行ルールを用いて、現在の街なかを往来する通行人のファッションの特徴や流行状況から、売上が上がると思われる商品を自動的に推薦する商品推薦装置を説明したが、次に、通常、それほど通行人が往来しないが、イベントや集会などが不定期に開催されるような場所、例えば、公園や広場などに設置して、不定期に急増する通行人に適切に対応した商品を推薦する商品推薦装置に関する実施の形態４を示す。
【００６７】
商品推薦装置が公園や広場などに設置された場合、通常は、通行人の往来が少なく、画像検出手段２により検知される移動体はほとんどないため、傾向検出結果記録手段５に記録される視覚的特徴の傾向検出結果は少ない。また、流行ルール抽出手段７によって抽出される流行ルールも、十分に蓄積されない状態であるため、適切な売れ筋商品を推薦することが難しくなる。そこで、その公園や広場などで、イベントや集会などが開催されて、往来する通行人が急増する場合には、通行人の人数の変化を検出することにより、適切な売れ筋商品を推薦することができる。
【００６８】
まず、画像検出手段１は、移動体部分の画像を抽出するとともに、人数計数手段２０３により、移動体を人物と見なして、人数を計数する。傾向検出手段３は、この人数が、所定の閾値を越えた場合に、イベント等で通行人の人数が急増したと判定し、傾向検出結果記録手段５に、「通常より人数が多い」状態を、時刻情報とともに記録する。
【００６９】
次に、流行ルール抽出手段７は、商品売上管理手段６からの商品販売情報と、傾向検出結果記録手段５に記録された「通常より人数が多い」状態との関連を分析して、実施の形態２で説明した方法により、流行ルールを抽出する。例えば、通行人が急増したピーク時間帯において、近くの売店などで弁当や飲物が多く売れれば、図１０に示すように、人数の特徴が「通常より人数が多い」である場合、売上結果は「弁当と飲物が売れる」という流行ルールが得られる。このような流行ルールを得た後は、画像検出手段２が、「通常より人数が多い」状態を検知すれば、「弁当と飲物」を多く仕入れるように、商品売上管理手段６へ指示を出すことができる。
【００７０】
以上のように、実施の形態４によれば、商品推薦装置で、人数の変化の特徴に関する流行ルールを利用することにより、カメラ１の設置場所が、常に人々が往来するような場所でなくとも、近くの売店において、売上が最適化されるという効果がある。
【図面の簡単な説明】
【００７１】
【図１】実施の形態１における流行分析装置の一例を示す構成図である。
【図２】実施の形態１における流行分析装置の全体動作のフローチャートを示す図である。
【図３】視覚的特徴抽出手段３０１の内部構成の一例を示す図である。
【図４】ＲＧＢ各色光に対するヒストグラムの例を示す図である。
【図５】ＲＧＢ各色光に対するヒストグラムの時系列を示す図である。
【図６】テクスチャデータベース４を用いて、通行人のファッションの模様を抽出する処理を説明する図である。
【図７】主要な特徴の傾向を人数によって検出する場合の構成図の一例を示す図である。
【図８】実施の形態２における商品傾向分析装置の一例を示す構成図である。
【図９】商品売上管理手段６の販売情報の記録から、売上が増加している特定の商品を判定する処理を説明する図である。
【図１０】流行ルールデータベース８の格納例を示す図である。
【図１１】実施の形態３における商品推薦装置の一例を示す構成図である。
【符号の説明】
【００７２】
１ カメラ、２ 画像検出手段、２０１ 移動体検出手段、２０２ 移動体画像抽出手段、２０３ 人数計数手段、３ 傾向検出手段、３０１ 視覚的特徴抽出手段、３０１１ 色彩特徴抽出手段、３０１２ 模様特徴抽出手段、３０１３ 形状特徴抽出手段、３０２ 傾向判定手段、４ テクスチャデータベース、５ 傾向検出結果記録手段、６ 商品売上管理手段、７ 流行ルール抽出手段、８ 流行ルールデータベース、９ 商品抽出手段。
【技術分野】
【０００１】
本発明は、マーケティングリサーチの分野において、消費者を定点観測して、流行や商品の消費傾向を分析する流行／商品傾向分析装置や、流行や商品の消費傾向に関連深い商品を消費者に推薦する商品推薦装置に関する。
【背景技術】
【０００２】
従来から、マーケティングリサーチの分野において、消費者に対する定点観測を行ない、流行や商品の消費傾向を分析して商品を推薦しようという試みがなされている。例えば、特定の場所で観測者が写真や動画などにより消費者を撮影し、それらの画像情報から、消費者の服装、性別、年齢などの属性情報を分析する方法で実施されている。この方法に電子的な仕組みを取り入れて効果を生み出すものとして、以下のような従来技術がある。
【０００３】
特許文献１で開示されている従来技術は、流行に敏感な地域において定点観測カメラを設置して、街頭を歩いている人達を撮影して画像データとして収集し、その画像データを分析することで流行の先駆的商品の情報を遅滞することなく提供し、生産現場へ伝達することができるというものである。
【０００４】
また、特許文献２で開示されている従来技術は、顧客画像データベースを構築し、顧客が商品を購入した際の購入状況や顧客の属性情報などを付与していくことで顧客画像データベースの充実化を図り、マーケティング情報として他店への展開に利用するというものである。
【０００５】
【特許文献１】特開２００２−７６６３号公報
【特許文献２】特開２００３−９９５８２号公報
【発明の開示】
【発明が解決しようとする課題】
【０００６】
従来、売れ筋商品というものは、定番で売れる商品を除き、売れ始めてから結果として売れ筋であった、と判るものであった。そのため、売れ筋と察知した段階では、既に品薄状況となり、結果として販売の機会を逸することとなっていた。このため、リアルタイムに売れ筋を察知することが課題になっていた。
また、特に天候の違いに売れ行き状況が左右される売れ筋商品の場合は、売り手が過去の販売経験から習得した経験則に基づいて売れ筋商品を見極めるため、販売経験の少ない売り手の場合は、売れ筋商品を的確に見極めることができなかった。このため、販売経験が少ない売り手にとって、売れ筋か否かの判断が的確にできることが課題になっていた。
【０００７】
このような課題に対して、特許文献１に開示されている技術は、定点観測中の画像がリアルタイムで入手できるものである。しかし、その画像の内容が果たして流行の傾向を表しているものであるかどうかは、人間が判断する必要がある。そのため、判断する人間には、流行の傾向を的確に判断するための知識や経験が備わっていなければならず、担当者によっては、判断結果のバラツキや、判断ミスが発生する可能性が高い。
【０００８】
また、特許文献２に開示されている技術は、売れ筋商品の判断を的確に行なうために利用する顧客画像データベースの構築を支援して、分析作業者の負担を軽減するものである。しかし、顧客の顔写真を主に人手により分析して、顧客の外見に関する属性情報を抽出し、この属性情報を購買情報に追加することにより、顧客画像データベースを構築するため、新規の顧客については、新規の登録作業という負荷が発生する。
また、特定の個人について、どのような購買履歴であるかを記録し、個人の属性情報に基づいたマーケティング情報を作成して利用することは、個人情報の扱い方について特段の配慮をしなければならない昨今において、企業がこのような個人情報を持ち続けるには相応のリスクが伴う。
【０００９】
本発明は、上記のような問題点を解決するためになされたものであり、個人情報を使用することなく、ファッションの流行という漠然とした状態を、リアルタイムに、かつ、大局的に数値化できる流行分析装置と、商品の過去の売上データに基づいて、ファッションの流行と商品の売れ行きとを的確に関連付けた流行ルールを抽出する商品傾向分析装置と、ある分野の嗜好品の傾向が同じであれば、別の分野における嗜好品の傾向も同じであろうという考えに基づき、予め街なかの雰囲気を察知することで、売れ筋商品を的確に判断して自動的に推薦できる商品推薦装置とを提供することを目的とする。
【課題を解決するための手段】
【００１０】
上記で述べた課題を解決するため、本発明に係る流行分析装置は、撮影画像に含まれる移動体画像と撮影日時情報とを検出する画像検出手段と、前記画像検出手段により検出された前記移動体画像から人物外観の視覚的特徴を前記撮影日時情報と対応付けて抽出する視覚的特徴抽出手段と、前記視覚的特徴抽出手段により抽出された前記人物外観の視覚的特徴の時系列傾向を所定の判定条件に基づいて判定する傾向判定手段とを備えることとしたものである。
【００１１】
また、本発明に係る商品傾向分析装置は、前記流行分析装置と、商品の売上データを売上日時情報とともに管理する商品売上管理手段と、前記流行分析装置により判定された前記人物外観の視覚的特徴の時系列傾向と前記商品売上管理手段により管理された前記商品の売上データとを前記撮影日時情報と前記売上日時情報とに基づいて対応付けた流行ルールを抽出する流行ルール抽出手段と、前記流行ルール抽出手段により抽出された前記流行ルールを格納する流行ルールデータベースとを備えることとしたものである。
【００１２】
また、本発明に係る商品推薦装置は、前記流行分析装置と、商品と、この商品の売上データと、売上日時情報とを管理する商品売上管理手段と、前記流行分析装置により判定された前記人物外観の視覚的特徴の時系列傾向と前記商品売上管理手段により管理された前記商品の売上データとを前記撮影日時情報と前記売上日時情報とに基づいて対応付けた流行ルールを格納する流行ルールデータベースと、前記流行ルールデータベースに格納された前記流行ルールの中から、前記流行分析装置により判定された前記人物外観の視覚的特徴の時系列傾向に合致する流行ルールを検索し、この検索された流行ルールに対応付けられた前記商品を前記商品売上管理手段に通知する商品抽出手段とを備えることとしたものである。
【発明の効果】
【００１３】
本発明によれば、流行分析装置で、人物の画像から、特徴的な色や模様、形状を抽出して、時刻情報とともに保存するようにしたことにより、街なかを往来する通行人のファッションの特徴や流行状況について、個人情報を特定・蓄積することなく、リアルタイムに数値化して保存することができ、さらに、任意の期間や時間帯について、ファッションの特徴や流行状況を取り出すことができ、データベースとして利用できるようになるという効果がある。
【００１４】
また、商品傾向分析装置で、商品の過去の売上データに基づいて、ファッションの流行と商品の売れ行きとを的確に関連付けた流行ルールを抽出することにより、人間の経験や勘などに頼らずに、信頼性が高い売れ筋商品の判断ができるようになるという効果がある。
【００１５】
さらに、商品推薦装置で、過去の観測に基づいて抽出された流行ルールを用いて、現在の街なかを往来する通行人のファッションの特徴や流行状況から、売上が上がると思われる商品を自動的に推薦して、適切な時期に適切な仕入れを行なうことにより、的確な在庫管理をすることができ、売上が最適化されるという効果がある。
【発明を実施するための最良の形態】
【００１６】
実施の形態１．
図１は、本発明の実施の形態１における流行分析装置の一例を示す構成図である。
図１において、カメラ１は、通行人が往来する街なかや、商業施設の出入り口、店舗内などに設置され、往来する通行人を撮影する。画像検出手段２は、移動体検出手段２０１と移動体画像抽出手段２０２とから構成される。移動体検出手段２０１は、カメラ１が撮影した画像を解析し、画像中の移動体の検出を行なう。また、移動体画像抽出手段２０２は、移動体検出手段２０１により検出された移動体部分の画像を切り出して出力する。傾向検出手段３は、視覚的特徴抽出手段３０１と傾向判定手段３０２とから構成される。視覚的特徴抽出手段３０１は、画像検出手段２により検出された移動体について、色彩、模様、形状などの視覚的特徴を判断して抽出する。傾向判定手段３０２は、視覚的特徴抽出手段３０１により抽出された視覚的特徴が、カメラ１で撮影した画像全体の中で主要な傾向を有するか否かの所定の判定条件を満たす場合に、傾向を有するものと判定し、この視覚的特徴を傾向検出結果として出力する。テクスチャデータベース４は、傾向検出手段３の視覚的特徴抽出手段３０１において検出対象となる色彩、模様、形状などのパタンを予めテクスチャとして格納する。傾向検出結果記録手段５は、傾向検出手段３の傾向検出結果を記録する。
【００１７】
次に、実施の形態１における流行分析装置の全体動作について、図２〜図６を適宜参照しながら説明する。
【００１８】
図２は、実施の形態１における流行分析装置の全体動作のフローチャートを示す図である。
まず、ステップＳ１０１において、画像検出手段２は、カメラ１により撮影された画像を解析して、画像中の移動体の検出を行なう。ここで、カメラ１は、通行人が往来する街なかや、商業施設の出入り口、店舗内など、通行人を観測したい場所を撮影できる位置に設置される。カメラ１の映像は、撮影とともにリアルタイムで出力され、画像検出手段２に入力される。この入力された画像から、移動体検出手段２０１により、画像中の移動体を検出する。ここで、検出された移動体は、以降の処理で人物とみなすこととする。移動体検出の方法は、どのような方法を用いても良く、例えば、常に背景画像変化の差分を検出することにより移動体を検出する背景差分法など、よく知られた方法で実現される。
【００１９】
次に、ステップＳ１０２において、画像検出手段２は、移動体画像抽出手段２０２により、ステップＳ１０１で検出された移動体部分の画像を切り出して抽出し、時刻情報とともに傾向検出手段３へ出力する。
【００２０】
次に、ステップＳ１０３において、傾向検出手段３は、視覚的特徴抽出手段３０１により、画像検出手段２で検出された移動体について、色彩、模様、形状などの視覚的特徴を分析し、その画像において使われている色や模様、形状について視覚的特徴がある場合、それらをこの画像の特徴として抽出する。
【００２１】
次に、ステップＳ１０４において、傾向検出手段３は、傾向判定手段３０２により、視覚的特徴抽出手段３０１により抽出された視覚的特徴が、カメラ１で撮影した画像全体の中で主要な傾向を有するか否かの所定の判定条件を満たすか否かを判定する。判定条件を満たした場合には、主要な傾向を有するものと判定し、この視覚的特徴を傾向検出結果として時刻情報とともに傾向検出結果記録手段５に出力する。
【００２２】
なお、カメラが設置された場所では、通行人は移動しており、カメラ１による撮影画像も時々刻々変化しているものであるので、上記のステップＳ１０１〜Ｓ１０４の処理も、リアルタイムに実行される。
【００２３】
ここで、傾向検出手段３のステップＳ１０３における視覚的特徴の抽出処理と、ステップＳ１０４における主要な傾向の判定処理の動作について、以下に詳細に説明する。
【００２４】
図３は、視覚的特徴抽出手段３０１の内部構成の一例を示す図である。
図３に示すように、視覚的特徴抽出手段３０１は、色彩特徴抽出手段３０１１と、模様特徴抽出手段３０１２と、形状特徴抽出手段３０１３とから構成される。
【００２５】
まず、ステップＳ１０３において、色彩特徴抽出手段３０１１は、画像検出手段２で検出された移動体について、色の特徴を抽出する。ここで、色については、例えば、ＲＧＢ各色光に対するヒストグラムを用いて数値化することが可能である。
【００２６】
図４は、ＲＧＢ各色光に対するヒストグラムの例を示す図である。
図５は、ＲＧＢ各色光に対するヒストグラムの時系列を示す図である。
図４において、ＲＧＢそれぞれについて、横軸は輝度、縦軸は頻度であり、その画像の色に関する特徴を表わしている。例えば、図４の例では、輝度が暗い赤系統と、輝度が明るい青系統の色が多いことを示す。色彩特徴抽出手段３０１１は、このようなＲＧＢ各色光に対するヒストグラムを、その画像の色の特徴として抽出し、図５に示すように、時刻情報とともに、時系列に沿ってヒストグラムを保持する。
【００２７】
次に、ステップＳ１０４において、傾向判定手段３０２は、色彩特徴抽出手段３０１１で抽出された色の特徴のヒストグラムから、所定の判定条件に基づいて、色の特徴の主要な傾向を判定する。所定の判定条件は、例えば、面積×時間を単位とした積算量を判定基準として導入する。具体的には、傾向判定手段３０２は、以下のような処理を行なう。
【００２８】
まず、移動体画像抽出手段２０２により移動体画像が抽出された時刻ｔ１から、抽出されなくなった時刻ｔ２までの時間ｔ２−ｔ１（これを滞在時間Ｔｓとする）の間に、抽出された移動体画像がカメラ画像内で占める面積を積算し、この積算面積をＳｉとする。例えば、カメラ画像が横６４０ピクセル縦４８０ピクセルという単位で構成されていて、抽出された移動体画像が常に横２０ピクセル縦２０ピクセルであれば、移動体画像の面積は４００平方ピクセルとする。この場合に、移動体画像の滞在時間Ｔｓが１０秒であれば、積算面積Ｓｉは、４，０００平方ピクセル・秒となる。
【００２９】
次に、抽出された移動体画像の色彩を、その移動体画像に対するヒストグラムから判定し、前述の積算面積Ｓｉと対応付ける。例えば、前述の例で色彩が「青」と判定された場合、この移動体により、青色が４，０００平方ピクセル・秒占めていた、という対応関係を記憶する。
【００３０】
次に、上記のような処理を、所定の時間帯（これを総対象時間Ｔａとする）について、抽出された全ての移動体画像に対して実行し、色彩ごとに積算面積Ｓｉを算出する。この色彩ごとの積算面積Ｓｉの、カメラ画像総面積×総対象時間Ｔａの値に対する占有率を算出し、一定の閾値を超えた色彩を、その総対象時間Ｔａについて「多かった」と判定する。例えば、前述の例で、分析対象とする所定の時間帯（総対象時間Ｔａ）を８時から２０時までとすると、カメラ画像総面積×総対象時間Ｔａの値は、６４０×４８０×１２×６０×６０＝１３，２７１，０４０，０００平方ピクセル・秒となる。これに対し、青色が占有する積算面積が２，０００，０００，０００平方ピクセル・秒だった場合は、青色の占有率は約１５％となる。ここで、一定の閾値が１０％と設定されていれば、分析対象となった８時から２０時の間は、「青が多い」という判定がなされ、あるいは、一定の閾値が２０％と設定されていれば、「青色については特段の特徴は無し」という判定がなされる。
【００３１】
これにより、何月何日何時頃、あるいは、何時から何時の間、何日から何日の間など、自由な間隔の期間で、どういう色の傾向のファッションが多かったかがわかる。例えば、指定された自由な期間において、「青色系統の服が多い」などの傾向を判定することができる。このような傾向検出結果は、傾向検出結果記録手段５に記録される。
【００３２】
また、傾向検出手段３は、上述した色の特徴だけでなく、模様の特徴に関しても同様にして、主要な傾向を検出する。
【００３３】
まず、ステップＳ１０３において、模様特徴抽出手段３０１２は、画像検出手段２で検出された移動体について、模様の特徴を抽出する。このとき、抽出対象とする模様は、予めテクスチャとして、テクスチャデータベース４に登録しておく。図６は、テクスチャデータベース４を用いて、通行人のファッションの模様を抽出する処理を説明する図である。図６に示すように、テクスチャデータベース４には、抽出対象とする種々の模様パタンがテクスチャとして登録されている。模様特徴抽出手段３０１２は、これらのテクスチャが、画像検出手段２により検出された移動体の画像に存在するか否かのパタンマッチングを実行し、マッチングしたテクスチャを抽出する。
【００３４】
次に、ステップＳ１０４において、傾向判定手段３０２は、模様特徴抽出手段３０１２で抽出されたテクスチャから、所定の判定条件に基づいて、模様の特徴の主要な傾向を判定する。所定の判定条件は、色彩の場合と同様に、例えば、面積×時間を単位とした積算量を判定基準として導入する。具体的には、傾向判定手段３０２は、以下のような処理を行なう。
【００３５】
まず、移動体画像抽出手段２０２により移動体画像が抽出された時刻ｔ１から、抽出されなくなった時刻ｔ２までの時間ｔ２−ｔ１（これを滞在時間Ｔｓとする）の間に、抽出された移動体画像がカメラ画像内で占める面積を積算し、この積算面積をＳｉとする。例えば、カメラ画像が横６４０ピクセル縦４８０ピクセルという単位で構成されていて、抽出された移動体画像が常に横２０ピクセル縦２０ピクセルであれば、移動体画像の面積は４００平方ピクセルとする。この場合に、移動体画像の滞在時間Ｔｓが１０秒であれば、積算面積Ｓｉは、４，０００平方ピクセル・秒となる。
【００３６】
次に、抽出された移動体画像と、予めテクスチャデータベースに登録されている模様とのパタンマッチングを行なう。パタンマッチングの方法は、例えば、非特許文献１に記されているViola-Jones法のように、予め取得して記憶してある学習データとのパタンマッチングを行なう等、良く知られた方法で実現される。
【非特許文献１】Viola, P.; Jones, M.: "Rapid Object Detection Using a Boosted Cascade of Simple Features", IEEE Computer Society Conference on Computer Vision and Pattern Recognition (CVPR), ISSN: 1063-6919, Vol. 1, pp. 511-518, December 2001
【００３７】
次に、上記のようなパタンマッチングにより抽出された移動体画像の模様を、前述の積算面積Ｓｉと対応付ける。例えば、前述の例で格子模様と判定された場合、この移動体により、水玉模様が４，０００平方ピクセル・秒占めていた、という対応関係を記憶する。
【００３８】
次に、上記のような処理を、所定の時間帯（これを総対象時間Ｔａとする）について、抽出された全ての移動体画像に対して実行し、模様ごとに積算面積Ｓｉを算出する。この模様ごとの積算面積Ｓｉの、カメラ画像総面積×総対象時間Ｔａの値に対する占有率を算出し、一定の閾値を超えた模様を、その総対象時間Ｔａについて「多かった」と判定する。例えば、前述の例で、分析対象とする所定の時間帯（総対象時間Ｔａ）を８時から２０時までとすると、カメラ画像総面積×総対象時間Ｔａの値は、６４０×４８０×１２×６０×６０＝１３，２７１，０４０，０００平方ピクセル・秒となる。これに対し、水玉模様が占有する積算面積が２，０００，０００，０００平方ピクセル・秒だった場合は、水玉模様の占有率は約１５％となる。ここで、一定の閾値が１０％と設定されていれば、分析対象となった８時から２０時の間は、「水玉模様が多い」という判定がなされ、あるいは、一定の閾値が２０％と設定されていれば、「水玉模様については特段の特徴は無し」という判定がなされる。
【００３９】
これにより、色彩の傾向の判定と同様に、任意の期間に対する模様の特徴の傾向を判定することができる。このような傾向検出結果は、傾向検出結果記録手段５に記録される。
【００４０】
さらに、傾向検出手段３は、上述した色や模様の特徴だけでなく、眼鏡やイヤリング等、表面から見える装飾品、髪型などの、形状の特徴に関しても同様にして、主要な傾向を検出する。
【００４１】
まず、ステップＳ１０３において、形状特徴抽出手段３０１３は、画像検出手段２で検出された移動体について、形状の特徴を抽出する。このとき、抽出対象とする形状は、予め形状パタンとして、テクスチャデータベース４に登録しておく。この場合も、模様の特徴抽出と同様に、登録された形状パタンが、画像検出手段２により検出された移動体の画像に存在するか否かのパタンマッチングを実行し、マッチングした形状パタンを抽出する。パタンマッチングの方法は、前述したViola-Jones法のように、予め取得し記憶されている学習データを用いる方法など、良く知られた方法で実現される。
【００４２】
次に、ステップＳ１０４において、傾向判定手段３０２は、形状特徴抽出手段３０１３で抽出された形状パタンから、所定の判定条件に基づいて、形状の特徴の主要な傾向を判定する。所定の判定条件は、例えば、前述の色彩や模様の傾向判定と同様に、面積×時間を判定基準として導入する。ただし、色彩や模様の場合と違うのは、形状の特徴となる装飾品や髪型などは人物の陰に隠れてしまう場合があるため、必ずしも、その形状が、移動体画像抽出手段２０２により抽出された移動体画像内を占めているとは限らない点である。そこで、形状の特徴の場合は、滞在時間Ｔｓ中は必ず形状特徴抽出されている、あるいは一定時間は形状特徴抽出されている場合に、抽出された移動体画像が、常に、横２０ピクセル縦２０ピクセルで滞在時間１０秒であれば、４，０００平方ピクセル・秒占めているものとする。これを、色彩や模様の場合と同様に、総対象時間Ｔａについて積算し、カメラ画像総面積×総対象時間Ｔａと比較した占有率により判定する。
【００４３】
これにより、色彩や模様の傾向の判定と同様に、任意の期間に対する形状の特徴の傾向を判定することができる。このような傾向検出結果は、傾向検出結果記録手段５に記録される。
【００４４】
さらにまた、色彩、模様、形状の特徴の傾向は、画像全体に占める割合ではなく、通行人の人数により、検出することも可能である。
【００４５】
図７は、主要な特徴の傾向を人数によって検出する場合の構成図の一例を示す図である。
図７において、画像検出手段２は、人数計数手段２０３を備えている。その他の構成については、図１と同様であるので、説明を省略する。
【００４６】
人数計数手段２０３は、移動体検出手段２０１により検出された移動体の数を計数し、移動体を人物とみなして、計数した移動体の数を人数として出力する。この人数を、その時点の通過総人数とする。
【００４７】
次に、傾向検出手段３において、視覚的特徴抽出手段３０１は、移動体画像抽出手段２０２により抽出された移動体画像について、色彩、模様、形状の特徴を抽出する。特徴抽出の方法は前述の通りである。このとき、傾向判定手段３０２は、移動体画像抽出手段２０２により抽出された移動体画像がいかなる大きさであっても、視覚的特徴を有する画像１件とし、これを視覚的特徴に該当する人数として計数する。この処理を総対象時間Ｔａ（例えば８時から２０時まで）について行ない、通過総人数と視覚的特徴を有する人数を各々積算し、通過総人数に対する当該人数の割合で一定の閾値を超えたものを多いと判断する。
【００４８】
このようにして、色彩、模様、形状の特徴の傾向を、画像全体に占める割合ではなく、通行人の人数に基づいて検出することにより、画像全体に占める割合を採用した場合に割合が低めになってしまうような比較的通行量が少ない場所でも、人数ベースで判定することで、その場所の通行量全体に対する傾向が把握できる。
【００４９】
以上のように、実施の形態１によれば、流行分析装置で、人物の画像から、特徴的な色や模様、形状を抽出して、時刻情報とともに保存するようにしたことにより、街なかを往来する通行人のファッションの特徴や流行状況について、個人情報を特定・蓄積することなく、リアルタイムに数値化して保存することができ、さらに、任意の期間や時間帯について、ファッションの特徴や流行状況を取り出すことができ、データベースとして利用できるようになるという効果がある。
【００５０】
実施の形態２．
以上の実施の形態１では、個人情報を使用することなく、ファッションの流行という漠然とした状態を、リアルタイムに、かつ、大局的に数値化できる流行分析装置を説明したが、次に、この流行分析装置を利用して、商品の過去の売上データに基づいて、ファッションの流行と商品の売れ行きとを的確に関連付けた流行ルールを抽出する商品傾向分析装置に関する実施の形態２を示す。
【００５１】
図８は、本発明の実施の形態２における商品傾向分析装置の一例を示す構成図である。
図８において、商品傾向分析装置は、実施の形態１で説明した構成に加え、カメラ１の設置場所の周辺にある小売店において、商品の売上を時刻と共に記録したり、在庫管理を行なったりする商品売上管理手段６と、商品売上管理手段６の売上データと傾向検出手段３の傾向検出結果とを突合せて、流行ルールを抽出する流行ルール抽出手段７と、抽出された流行ルールを格納する流行ルールデータベース８とを備える。その他の構成は、実施の形態１と同様であるため、説明を省略する。
【００５２】
次に、実施の形態２における商品傾向分析装置の動作について、図８〜図１０を適宜参照しながら説明する。
【００５３】
商品売上管理手段６は、いわゆる販売時点管理を行なうＰＯＳ（Ｐｏｉｎｔ Ｏｆ Ｓａｌｅｓ）システムと同じ動作をするものであり、個別の商品が売れた時点で、その商品の販売情報をリアルタイムに記録し、在庫管理やマーケティングに活用するための手段である。
【００５４】
流行ルール抽出手段７は、商品売上管理手段６の販売情報の記録を参照し、売上が増加している特定の商品の販売情報を取得する。
図９は、商品売上管理手段６の販売情報の記録から、売上が増加している特定の商品を判定する処理を説明する図である。
図９において、商品「缶コーヒー」を例にして、横軸は商品が売れた日時を示し、縦軸は、商品の売上個数を示している。
【００５５】
まず、流行ルール抽出手段７は、商品の売上が大きいと判断する売上個数の閾値Ｔを商品の種別ごとに保持しており、商品の売上個数が、この閾値Ｔを越えている時間帯をピーク時間帯として判定する。
【００５６】
次に、流行ルール抽出手段７は、傾向検出結果記録手段５を参照し、上記のようにして判定したピーク時間帯において、街行く通行人のファッションについて、何か視覚的特徴はないかを判断する。例えば、通行人のファッションの色について、図４に示すような傾向が現れていた場合、輝度が暗い赤系統の色と、輝度が明るい青系統の色の服が多かったと判断する。この結果、流行ルール抽出手段７は、「服飾・色彩」という分類について、（１）視覚的特徴が「暗い赤系統」である場合、売上結果は「缶コーヒーが売れる」、または、（２）視覚的特徴が「明るい青系統」である場合、売上結果は「缶コーヒーが売れる」、という２つのルールを導き出し、流行ルールとして抽出する。
【００５７】
このようにして抽出された流行ルールは、流行ルールデータベース８に格納される。他の商品についても同様の処理を行ない、各商品について抽出された流行ルールも、流行ルールデータベース８に格納される。このようにして構築された流行ルールデータベース８の格納例を、図１０に示す。図１０では、１行が一つの流行ルールに相当し、テクスチャデータベース４で格納してあるテクスチャの分類に対応して、傾向検出手段３により検出された視覚的特徴と、その場合の、商品売上管理手段６の売上結果とが対応付けられて格納される。
【００５８】
以上のように、実施の形態２によれば、商品傾向分析装置で、商品の過去の売上データに基づいて、ファッションの流行と商品の売れ行きとを的確に関連付けた流行ルールを抽出することにより、人間の経験や勘などに頼らずに、信頼性が高い売れ筋商品の判断ができるようになるという効果がある。
【００５９】
実施の形態３．
以上の実施の形態２では、流行分析装置を利用して、商品の過去の売上データに基づいて、ファッションの流行と商品の売れ行きとを的確に関連付けた流行ルールを抽出する商品傾向分析装置を説明したが、次に、過去の観測に基づいて抽出された流行ルールを用いて、現在の街なかを往来する通行人のファッションの特徴や流行状況から、売上が上がると思われる商品を自動的に推薦する商品推薦装置に関する実施の形態３を示す。
【００６０】
図１１は、本発明の実施の形態３における商品推薦装置の一例を示す構成図である。
図１１において、商品推薦装置は、実施の形態２で説明した構成の中の流行ルール抽出手段７に替えて、傾向検出手段３により検出された現在の視覚的特徴の傾向に基づいて、流行ルールを参照し、売上が上がると見込まれる商品を抽出する商品抽出手段９を備える。その他の構成は、実施の形態２と同様であるため、説明を省略する。
【００６１】
次に、実施の形態３における商品推薦装置の動作について、図１１を適宜参照しながら説明する。
【００６２】
まず、傾向検出手段３は、街なかを往来する通行人の画像から検出された現在の視覚的特徴の傾向を、傾向検出結果記録手段５に記録するとともに、商品抽出手段９へも同時に出力する。
【００６３】
次に、商品抽出手段９は、流行ルールデータベース８を参照して、傾向検出手段３により検出された現在の視覚的特徴の傾向に合致した流行ルールを検索し、この流行ルールに関連付けられた商品を、売上が上がると見込まれる商品として抽出する。
【００６４】
例えば、過去の観測結果に基づいて、図１０に示すような内容の流行ルールデータベース８が既に構築されている場合、傾向検出手段３が、通行人の色の傾向について、「青系統が４０％以上」であることを検出したとする。この場合、商品抽出手段９は、流行ルールデータベース８において、「青系統が４０％以上」という検索条件で、視覚的特徴の欄を検索する。この結果、図１０に示す流行ルールデータベース８の１行目と２行目の視覚的特徴がヒットし、それぞれの売上結果欄を参照することにより、「缶コーヒー」と「ミネラルウォーター」が売れるという商品推薦情報を得る。このようにして得られた商品推薦情報に基づいて、商品抽出手段９は、商品売上管理手段６に対して、売上が上がると見込まれる「缶コーヒー」と「ミネラルウォーター」とを仕入れるように指示を出す。
【００６５】
以上のように、実施の形態３によれば、商品推薦装置で、過去の観測に基づいて抽出された流行ルールを用いて、現在の街なかを往来する通行人のファッションの特徴や流行状況から、売上が上がると思われる商品を自動的に推薦して、適切な時期に適切な仕入れを行なうことにより、的確な在庫管理をすることができ、売上が最適化されるという効果がある。
【００６６】
実施の形態４．
以上の実施の形態３では、過去の観測に基づいて抽出された流行ルールを用いて、現在の街なかを往来する通行人のファッションの特徴や流行状況から、売上が上がると思われる商品を自動的に推薦する商品推薦装置を説明したが、次に、通常、それほど通行人が往来しないが、イベントや集会などが不定期に開催されるような場所、例えば、公園や広場などに設置して、不定期に急増する通行人に適切に対応した商品を推薦する商品推薦装置に関する実施の形態４を示す。
【００６７】
商品推薦装置が公園や広場などに設置された場合、通常は、通行人の往来が少なく、画像検出手段２により検知される移動体はほとんどないため、傾向検出結果記録手段５に記録される視覚的特徴の傾向検出結果は少ない。また、流行ルール抽出手段７によって抽出される流行ルールも、十分に蓄積されない状態であるため、適切な売れ筋商品を推薦することが難しくなる。そこで、その公園や広場などで、イベントや集会などが開催されて、往来する通行人が急増する場合には、通行人の人数の変化を検出することにより、適切な売れ筋商品を推薦することができる。
【００６８】
まず、画像検出手段１は、移動体部分の画像を抽出するとともに、人数計数手段２０３により、移動体を人物と見なして、人数を計数する。傾向検出手段３は、この人数が、所定の閾値を越えた場合に、イベント等で通行人の人数が急増したと判定し、傾向検出結果記録手段５に、「通常より人数が多い」状態を、時刻情報とともに記録する。
【００６９】
次に、流行ルール抽出手段７は、商品売上管理手段６からの商品販売情報と、傾向検出結果記録手段５に記録された「通常より人数が多い」状態との関連を分析して、実施の形態２で説明した方法により、流行ルールを抽出する。例えば、通行人が急増したピーク時間帯において、近くの売店などで弁当や飲物が多く売れれば、図１０に示すように、人数の特徴が「通常より人数が多い」である場合、売上結果は「弁当と飲物が売れる」という流行ルールが得られる。このような流行ルールを得た後は、画像検出手段２が、「通常より人数が多い」状態を検知すれば、「弁当と飲物」を多く仕入れるように、商品売上管理手段６へ指示を出すことができる。
【００７０】
以上のように、実施の形態４によれば、商品推薦装置で、人数の変化の特徴に関する流行ルールを利用することにより、カメラ１の設置場所が、常に人々が往来するような場所でなくとも、近くの売店において、売上が最適化されるという効果がある。
【図面の簡単な説明】
【００７１】
【図１】実施の形態１における流行分析装置の一例を示す構成図である。
【図２】実施の形態１における流行分析装置の全体動作のフローチャートを示す図である。
【図３】視覚的特徴抽出手段３０１の内部構成の一例を示す図である。
【図４】ＲＧＢ各色光に対するヒストグラムの例を示す図である。
【図５】ＲＧＢ各色光に対するヒストグラムの時系列を示す図である。
【図６】テクスチャデータベース４を用いて、通行人のファッションの模様を抽出する処理を説明する図である。
【図７】主要な特徴の傾向を人数によって検出する場合の構成図の一例を示す図である。
【図８】実施の形態２における商品傾向分析装置の一例を示す構成図である。
【図９】商品売上管理手段６の販売情報の記録から、売上が増加している特定の商品を判定する処理を説明する図である。
【図１０】流行ルールデータベース８の格納例を示す図である。
【図１１】実施の形態３における商品推薦装置の一例を示す構成図である。
【符号の説明】
【００７２】
１ カメラ、２ 画像検出手段、２０１ 移動体検出手段、２０２ 移動体画像抽出手段、２０３ 人数計数手段、３ 傾向検出手段、３０１ 視覚的特徴抽出手段、３０１１ 色彩特徴抽出手段、３０１２ 模様特徴抽出手段、３０１３ 形状特徴抽出手段、３０２ 傾向判定手段、４ テクスチャデータベース、５ 傾向検出結果記録手段、６ 商品売上管理手段、７ 流行ルール抽出手段、８ 流行ルールデータベース、９ 商品抽出手段。
【特許請求の範囲】
【請求項１】
撮影画像に含まれる移動体画像と撮影日時情報とを検出する画像検出手段と、
前記画像検出手段により検出された前記移動体画像から人物外観の視覚的特徴を前記撮影日時情報と対応付けて抽出する視覚的特徴抽出手段と、
前記視覚的特徴抽出手段により抽出された前記人物外観の視覚的特徴の時系列傾向を所定の判定条件に基づいて判定する傾向判定手段と
を備えた流行分析装置。
【請求項２】
前記視覚的特徴抽出手段は、前記画像検出手段により検出された前記移動体画像から人物外観の色彩的特徴を抽出する色彩特徴抽出手段を備え、
前記傾向判定手段は、前記色彩特徴抽出手段により抽出された前記人物外観の色彩的特徴の時系列傾向を所定の判定条件に基づいて判定する請求項１記載の流行分析装置。
【請求項３】
人物外観の視覚的特徴を示す画像データであるテクスチャを格納するテクスチャデータベースを備え、
前記視覚的特徴抽出手段は、前記画像検出手段により検出された前記移動体画像と前記テクスチャデータベースに格納された前記テクスチャとを照合して合致したテクスチャの前記人物外観の視覚的特徴を抽出する請求項１または請求項２記載の流行分析装置。
【請求項４】
前記視覚的特徴抽出手段は、前記画像検出手段により検出された前記移動体画像から人物外観の模様的特徴を抽出する模様特徴抽出手段を備え、
前記テクスチャデータベースは、人物外観の模様的特徴を視覚的特徴とする前記テクスチャを格納し、
前記模様的特徴抽出手段は、前記画像検出手段により検出された前記移動体画像と前記テクスチャデータベースに格納された前記テクスチャとを照合して合致したテクスチャの前記人物外観の模様的特徴を抽出し、
前記傾向判定手段は、前記模様特徴抽出手段により抽出された前記人物外観の模様的特徴の時系列傾向を判定する請求項３記載の流行分析装置。
【請求項５】
前記視覚的特徴抽出手段は、前記画像検出手段により検出された前記移動体画像から人物外観の形状的特徴を抽出する形状特徴抽出手段を備え、
前記テクスチャデータベースは、人物外観の形状的特徴を視覚的特徴とする前記テクスチャを格納し、
前記形状的特徴抽出手段は、前記画像検出手段により検出された前記移動体画像と前記テクスチャデータベースに格納された前記テクスチャとを照合して合致したテクスチャの前記人物外観の形状的特徴を抽出し、
前記傾向判定手段は、前記形状特徴抽出手段により抽出された前記人物外観の形状的特徴の時系列傾向を判定する請求項３または請求項４記載の流行分析装置。
【請求項６】
前記画像検出手段は、撮影画像から移動体を検出する移動体検出手段と、この移動体検出手段により検出された前記移動体の数を人数として計数する人数計数手段とを備え、
前記傾向判定手段は、前記人数計数手段により計数された前記人数に基づく判定条件により前記視覚的特徴の時系列傾向を判定する請求項１から請求項５のいずれかに記載の流行分析装置。
【請求項７】
前記傾向判定手段により判定された前記人物外観の視覚的特徴の時系列傾向を撮影日時情報とともに記録する傾向検出結果記録手段を備え、
前記傾向判定手段は、前記傾向検出結果記録手段に記録された前記人物外観の視覚的特徴の時系列傾向を参照し、指定された期間内で前記人物外観の視覚的特徴の時系列傾向を判定する請求項１から請求項６のいずれかに記載の流行分析装置。
【請求項８】
請求項１から請求項７のいずれかに記載の流行分析装置と、
商品の売上データを売上日時情報とともに管理する商品売上管理手段と、
前記流行分析装置により判定された前記人物外観の視覚的特徴の時系列傾向と前記商品売上管理手段により管理された前記商品の売上データとを前記撮影日時情報と前記売上日時情報とに基づいて対応付けた流行ルールを抽出する流行ルール抽出手段と、
前記流行ルール抽出手段により抽出された前記流行ルールを格納する流行ルールデータベースと、
を備えた商品傾向分析装置。
【請求項９】
請求項１から請求項７のいずれかに記載の流行分析装置と、
商品と、この商品の売上データと、売上日時情報とを管理する商品売上管理手段と、
前記流行分析装置により判定された前記人物外観の視覚的特徴の時系列傾向と前記商品売上管理手段により管理された前記商品の売上データとを前記撮影日時情報と前記売上日時情報とに基づいて対応付けた流行ルールを格納する流行ルールデータベースと、
前記流行ルールデータベースに格納された前記流行ルールの中から、前記流行分析装置により判定された前記人物外観の視覚的特徴の時系列傾向に合致する流行ルールを検索し、この検索された流行ルールに対応付けられた前記商品を前記商品売上管理手段に通知する商品抽出手段と、
を備えた商品推薦装置。
【請求項１】
撮影画像に含まれる移動体画像と撮影日時情報とを検出する画像検出手段と、
前記画像検出手段により検出された前記移動体画像から人物外観の視覚的特徴を前記撮影日時情報と対応付けて抽出する視覚的特徴抽出手段と、
前記視覚的特徴抽出手段により抽出された前記人物外観の視覚的特徴の時系列傾向を所定の判定条件に基づいて判定する傾向判定手段と
を備えた流行分析装置。
【請求項２】
前記視覚的特徴抽出手段は、前記画像検出手段により検出された前記移動体画像から人物外観の色彩的特徴を抽出する色彩特徴抽出手段を備え、
前記傾向判定手段は、前記色彩特徴抽出手段により抽出された前記人物外観の色彩的特徴の時系列傾向を所定の判定条件に基づいて判定する請求項１記載の流行分析装置。
【請求項３】
人物外観の視覚的特徴を示す画像データであるテクスチャを格納するテクスチャデータベースを備え、
前記視覚的特徴抽出手段は、前記画像検出手段により検出された前記移動体画像と前記テクスチャデータベースに格納された前記テクスチャとを照合して合致したテクスチャの前記人物外観の視覚的特徴を抽出する請求項１または請求項２記載の流行分析装置。
【請求項４】
前記視覚的特徴抽出手段は、前記画像検出手段により検出された前記移動体画像から人物外観の模様的特徴を抽出する模様特徴抽出手段を備え、
前記テクスチャデータベースは、人物外観の模様的特徴を視覚的特徴とする前記テクスチャを格納し、
前記模様的特徴抽出手段は、前記画像検出手段により検出された前記移動体画像と前記テクスチャデータベースに格納された前記テクスチャとを照合して合致したテクスチャの前記人物外観の模様的特徴を抽出し、
前記傾向判定手段は、前記模様特徴抽出手段により抽出された前記人物外観の模様的特徴の時系列傾向を判定する請求項３記載の流行分析装置。
【請求項５】
前記視覚的特徴抽出手段は、前記画像検出手段により検出された前記移動体画像から人物外観の形状的特徴を抽出する形状特徴抽出手段を備え、
前記テクスチャデータベースは、人物外観の形状的特徴を視覚的特徴とする前記テクスチャを格納し、
前記形状的特徴抽出手段は、前記画像検出手段により検出された前記移動体画像と前記テクスチャデータベースに格納された前記テクスチャとを照合して合致したテクスチャの前記人物外観の形状的特徴を抽出し、
前記傾向判定手段は、前記形状特徴抽出手段により抽出された前記人物外観の形状的特徴の時系列傾向を判定する請求項３または請求項４記載の流行分析装置。
【請求項６】
前記画像検出手段は、撮影画像から移動体を検出する移動体検出手段と、この移動体検出手段により検出された前記移動体の数を人数として計数する人数計数手段とを備え、
前記傾向判定手段は、前記人数計数手段により計数された前記人数に基づく判定条件により前記視覚的特徴の時系列傾向を判定する請求項１から請求項５のいずれかに記載の流行分析装置。
【請求項７】
前記傾向判定手段により判定された前記人物外観の視覚的特徴の時系列傾向を撮影日時情報とともに記録する傾向検出結果記録手段を備え、
前記傾向判定手段は、前記傾向検出結果記録手段に記録された前記人物外観の視覚的特徴の時系列傾向を参照し、指定された期間内で前記人物外観の視覚的特徴の時系列傾向を判定する請求項１から請求項６のいずれかに記載の流行分析装置。
【請求項８】
請求項１から請求項７のいずれかに記載の流行分析装置と、
商品の売上データを売上日時情報とともに管理する商品売上管理手段と、
前記流行分析装置により判定された前記人物外観の視覚的特徴の時系列傾向と前記商品売上管理手段により管理された前記商品の売上データとを前記撮影日時情報と前記売上日時情報とに基づいて対応付けた流行ルールを抽出する流行ルール抽出手段と、
前記流行ルール抽出手段により抽出された前記流行ルールを格納する流行ルールデータベースと、
を備えた商品傾向分析装置。
【請求項９】
請求項１から請求項７のいずれかに記載の流行分析装置と、
商品と、この商品の売上データと、売上日時情報とを管理する商品売上管理手段と、
前記流行分析装置により判定された前記人物外観の視覚的特徴の時系列傾向と前記商品売上管理手段により管理された前記商品の売上データとを前記撮影日時情報と前記売上日時情報とに基づいて対応付けた流行ルールを格納する流行ルールデータベースと、
前記流行ルールデータベースに格納された前記流行ルールの中から、前記流行分析装置により判定された前記人物外観の視覚的特徴の時系列傾向に合致する流行ルールを検索し、この検索された流行ルールに対応付けられた前記商品を前記商品売上管理手段に通知する商品抽出手段と、
を備えた商品推薦装置。
【図１】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図１１】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図１１】
【公開番号】特開２０１０−３１４５（Ｐ２０１０−３１４５Ａ）
【公開日】平成２２年１月７日（２０１０．１．７）
【国際特許分類】
【出願番号】特願２００８−１６１９１３（Ｐ２００８−１６１９１３）
【出願日】平成２０年６月２０日（２００８．６．２０）
【出願人】（０００００６０１３）三菱電機株式会社 (33,312)
【Ｆターム（参考）】
【公開日】平成２２年１月７日（２０１０．１．７）
【国際特許分類】
【出願日】平成２０年６月２０日（２００８．６．２０）
【出願人】（０００００６０１３）三菱電機株式会社 (33,312)
【Ｆターム（参考）】
[ Back to top ]