監視対象者の行動を監視する装置及び方法
【課題】位置情報に基づいて監視対象者の行動を分析するための粒度を調整する。
【解決手段】監視対象区域内の複数の監視対象者の行動を監視する監視装置であって、前記監視装置は、プロセッサと、前記プロセッサに接続される記憶装置と、を備え、前記記憶装置は、前記複数の監視対象者が携行する移動体端末の位置を示す測位データを保持し、前記プロセッサは、前記測位データに基づいて前記監視対象者の行動を分類し、複数の前記分類された行動から変更対象の候補を選択し、前記候補として選択された行動に対応する複数の測位データを抽出し、前記抽出された複数の測位データに関する情報を出力し、前記候補として選択された行動の分類を変更する指示が入力された場合、前記候補として選択された行動の分類を変更する。
【解決手段】監視対象区域内の複数の監視対象者の行動を監視する監視装置であって、前記監視装置は、プロセッサと、前記プロセッサに接続される記憶装置と、を備え、前記記憶装置は、前記複数の監視対象者が携行する移動体端末の位置を示す測位データを保持し、前記プロセッサは、前記測位データに基づいて前記監視対象者の行動を分類し、複数の前記分類された行動から変更対象の候補を選択し、前記候補として選択された行動に対応する複数の測位データを抽出し、前記抽出された複数の測位データに関する情報を出力し、前記候補として選択された行動の分類を変更する指示が入力された場合、前記候補として選択された行動の分類を変更する。
【発明の詳細な説明】
【技術分野】
【０００１】
本発明は、位置情報を用いたモニタリングシステムに関し、特に、監視対象者の動線に基づいて監視対象者の行動を分析する技術に関する。
【背景技術】
【０００２】
従来、監視対象者の移動軌跡である動線と、監視カメラによって撮影された画像と、を参照することによって、監視対象者の行動を監視する技術が提案されている。
【０００３】
例えば、特許文献１には、監視対象者の動線を用いて、監視カメラが撮影した画像を検索する技術が開示されている。
【０００４】
特許文献２には、ＲＦＩＤを用いて取得された監視対象者の位置情報と監視カメラの映像とを比較することによって両者を対応付け、これによって異常を検出する技術が開示されている。
【先行技術文献】
【特許文献】
【０００５】
【特許文献１】特開２０１０−１２３０６９号公報
【特許文献２】特開２００６−３１１１１１号公報
【発明の概要】
【発明が解決しようとする課題】
【０００６】
監視対象者の動線を取得した場合、その動線を分析することによって、監視対象者の行動を分析することができる。しかし、その分析に必要な粒度は、監視対象者の行動を分析する目的によって異なる。言い換えると、分析によってある行動を区別する必要があるか否かは、分析の目的によって異なる。
【０００７】
例えば、監視対象者が階段を通過するという行動を分析する場合において、単に監視対象者が移動をしたか否かを判定すれば十分である場合は、通過に要した時間にかかわらず、監視対象者が階段を通過したか否かを判定すればよい。監視対象者が階段以外の通路（例えば廊下）を通過した場合も同様である。
【０００８】
しかし、例えば階段の構造に関する調査を目的として監視対象者の行動を分析するのであれば、監視対象者が「比較的短時間で階段を通過した」という行動と、「比較的長時間をかけて階段を通過した」という行動を、異なる行動として判定する必要が生じる場合がある。この例においても、監視対象者が廊下を通過する行動については、それに要した時間を問題にする必要はない。このような場合にも、従来は一律の基準によって分析が行われるため、分析の範囲（例えば廊下又は階段等）ごとに分析の粒度を目的に応じて任意に設定することができなかった。
【０００９】
本発明は上記の点に鑑みてなされたものであり、監視対象者の動線を分析する際に、範囲ごとに任意の粒度を指定することによって、必要な情報の抽出を可能にすることを目的とする。
【課題を解決するための手段】
【００１０】
本発明は、監視対象区域内の複数の監視対象者の行動を監視する監視装置であって、前記監視装置は、プロセッサと、前記プロセッサに接続される記憶装置と、を備え、前記記憶装置は、前記複数の監視対象者が携行する移動体端末の位置を示す測位データを保持し、前記プロセッサは、前記測位データに基づいて前記監視対象者の行動を分類し、複数の前記分類された行動から変更対象の候補を選択し、前記候補として選択された行動に対応する複数の測位データを抽出し、前記抽出された複数の測位データに関する情報を出力し、前記候補として選択された行動の分類を変更する指示が入力された場合、前記候補として選択された行動の分類を変更することを特徴とする。
【発明の効果】
【００１１】
本発明の一実施形態によれば、範囲ごとに分析の粒度を調整することによって、位置情報から監視対象者の行動を分析するために必要な情報を抽出することができる。
【図面の簡単な説明】
【００１２】
【図１】本発明の第１の実施形態の施設モニタリングシステムの構成を示すブロック図である。
【図２】本発明の第１の実施形態のモニタリングサーバのハードウェア構成を示すブロック図である。
【図３】本発明の第１の実施形態の施設モニタリングシステムの動作の全体を示すフローチャートである。
【図４】本発明の第１の実施形態において実行される測位結果の送付処理を示すシーケンス図である。
【図５】本発明の第１の実施形態において実行されるセンシング情報の送付処理を示すシーケンス図である。
【図６】本発明の第１の実施形態の移動体端末又は環境側測位装置から送信される測位結果の説明図である。
【図７】本発明の第１の実施形態のセンサから送信されるセンサ情報の説明図である。
【図８】本発明の第１の実施形態のセンサ情報ＤＢに格納されるセンサ情報の説明図である。
【図９】本発明の第１の実施形態の屋内地図ＤＢに格納される地図情報の説明図である。
【図１０】本発明の第１の実施形態の屋内地図ＤＢに格納されるセンサパラメータの説明図である。
【図１１】本発明の第１の実施形態のモニタリングサーバが実行する動線解析処理を示すフローチャートである。
【図１２Ａ】本発明の第１の実施形態のモニタリングサーバが実行する特徴量の算出及び状態ラベルの生成処理を示すフローチャートである。
【図１２Ｂ】本発明の第１の実施形態における測位データの分割の説明図である。
【図１２Ｃ】本発明の第１の実施形態における特徴量の算出の説明図である。
【図１２Ｄ】本発明の第１の実施形態におけるクラスタリングの説明図である。
【図１３】本発明の第１の実施形態のモニタリングサーバが実行するクラスタリング処理を示すフローチャートである。
【図１４】本発明の第１の実施形態のモニタリングサーバによって取得された状態ラベルの説明図である。
【図１５】本発明の第１の実施形態のモニタリングサーバによって使用される統計モデルの説明図である。
【図１６】本発明の第１の実施形態のモニタリングサーバによって実行される状態遷移抽出処理の説明図である。
【図１７】本発明の第１の実施形態の分析情報ＤＢに格納される状態遷移モデルの説明図である。
【図１８】本発明の第１の実施形態の分析情報ＤＢに格納されるクラスタ情報の説明図である。
【図１９】本発明の第１の実施形態の画面表示装置によって表示される分析状況提示処理の出力画面の説明図である。
【図２０】本発明の第１の実施形態のモニタリングサーバが実行する分析条件設定画面提示処理を示すフローチャートである。
【図２１】本発明の第１の実施形態のモニタリングサーバが実行する分析条件受付画面提示処理の説明図である。
【図２２】本発明の第１の実施形態のモニタリングサーバが実行する分析条件調整用画面提示処理を示すフローチャートである。
【図２３】本発明の第１の実施形態のモニタリングサーバが実行する対象歩行者選択処理の説明図である。
【図２４】本発明の第１の実施形態のモニタリングサーバが実行するセンサ・測位対応処理を示すフローチャートである。
【図２５】本発明の第１の実施形態の画面表示装置によって表示されるセンサ情報提示画面の説明図である。
【図２６】本発明の第１の実施形態のモニタリングサーバが実行する分析条件調整処理を示すフローチャートである。
【図２７】本発明の第２の実施形態のモニタリングサーバが実行する動線解析処理を示すフローチャートである。
【図２８】本発明の第２の実施形態の分析情報ＤＢに格納される状態判定辞書の説明図である。
【図２９】本発明の第２の実施形態の分析情報ＤＢに格納される状態判定設定情報の説明図である。
【図３０Ａ】本発明の第２の実施形態のモニタリングサーバが実行する状態判定辞書に基づく状態ラベルの推定処理を示すフローチャートである。
【図３０Ｂ】本発明の第２の実施形態における状態判定辞書の項目の検索処理の説明図である。
【図３０Ｃ】本発明の第２の実施形態における状態ラベルの割り当ての説明図である。
【図３１Ａ】本発明の第２の実施形態のモニタリングサーバが実行する分析パラメータ調整候補選択処理を示すフローチャートである。
【図３１Ｂ】本発明の第２の実施形態における同一状態ラベルが割り当てられた区間の検索処理の説明図である。
【図３１Ｃ】本発明の第２の実施形態におけるより細かい粒度の状態の特定処理の説明図である。
【図３１Ｄ】本発明の第２の実施形態における一致度が高い状態の選択処理の説明図である。
【図３２】本発明の第２の実施形態の画面表示装置によって表示されるセンサ情報提示画面の説明図である。
【図３３Ａ】本発明の第３の実施形態のモニタリングサーバが実行する分析パラメータ調整候補選択処理を示すフローチャートである。
【図３３Ｂ】本発明の第３の実施形態におけるより細かい粒度の状態の特定処理の説明図である。
【図３４】本発明の第４の実施形態の分析情報ＤＢに格納される状態判定設定情報の説明図である。
【発明を実施するための形態】
【００１３】
以下、図面を用いて本発明の実施の形態を説明する。
【００１４】
＜第１の実施形態＞
図１は、本発明の第１の実施形態の施設モニタリングシステムの構成を示すブロック図である。
【００１５】
本実施形態の施設モニタリングシステムは、モニタリングサーバ１００、画面表示装置１２０、一つ以上のセンサ１３０、一つ以上の移動体端末１４０、一つ以上の環境側測位装置１５０及びそれらを相互に接続するネットワーク１６０Ａ及び１６０Ｂを備える。
【００１６】
モニタリングサーバ１００は、監視区域内の移動体端末１４０の位置情報に基づいて、その移動体端末１４０を保持する監視対象者の行動を監視する。
【００１７】
ここで、監視区域とは、本実施形態の施設モニタリングシステムによる監視の対象の区域であり、例えば工場又は店舗等の施設である。監視区域が工場である場合、監視対象者は例えば工場の従業員であり、監視区域が店舗である場合、監視対象者は例えば店舗の従業員又は店舗の利用客である。なお、本実施形態では監視区域の典型例として工場内などの屋内を例示するが、屋外を監視する場合にも本発明を適用することができる。
【００１８】
監視区域の監視を行うために、モニタリングサーバ１００は、センサ情報管理部１０１、測位記録管理部１０２、センサ・測位統合部１０３、動線解析部１０４、分析条件調整部１０５、分析条件設定画面生成部１０６、分析結果画面生成部１０７、センサ情報データベース（ＤＢ）１１１、測位ＤＢ１１２、屋内地図ＤＢ１１３、分析情報ＤＢ１１４及びユーザＤＢ１１５を備える。これらの各部が実行する処理、各ＤＢに格納されるデータ、及び、これらを実現するためのハードウェア構成については後述する。
【００１９】
画面表示装置１２０は、例えばＣＲＴ（Cathode Ray Tube）又は液晶表示装置等である。画面表示装置１２０に表示される画面の例については後述する。
【００２０】
図１の例では、センサ１３０がネットワーク１６０Ａを介してモニタリングサーバ１００に接続され、移動体端末１４０及び環境側測位装置１５０がネットワーク１６０Ｂを介してモニタリングサーバ１００に接続される。このように、独立したネットワークが設けられてもよく、それらの種類が互いに異なっていてもよいが、単一のネットワークが共用されてもよい。これらのネットワークは、ＬＡＮ（Local Area Network）、ＷＡＮ（Wide Area Network）、公衆無線網、又はインターネット等であってもよい。また、ネットワークの形態は有線又は無線のいずれであってもよい。
【００２１】
移動体端末１４０は、各監視対象者が携行する装置である。本実施形態では、移動体端末１４０の位置情報が利用されるため、移動体端末１４０又は環境側測位装置１５０の少なくとも一方が移動体端末１４０の位置を計測する機能を備える必要がある。例えば、移動体端末１４０は、携帯電話機、ＰＨＳ（Personal Handyphone System）、無線通信機能付きのコンピュータ、ＰＤＡ（Personal Digital Assistants）又は少なくとも固有の識別情報を送信する無線タグ等である。
【００２２】
移動体端末１４０が例えばＧＰＳ（Global Positioning System）測位装置を備える携帯電話機又はＰＨＳである場合、移動体端末１４０は、ＧＰＳ測位装置によって取得された位置情報に、移動体端末１４０を識別する情報（ＩＤ情報、例えば電話番号）を付加し、ネットワーク１６０Ｂを介してそれらの情報をモニタリングサーバ１００に送信する。移動体端末１４０は、ＧＰＳ測位装置による測位の代わりに、例えば基地局から送信された信号を用いた測位を行ってもよい。この場合、測位のための信号を送信する基地局が環境側測位装置１５０であってもよい。
【００２３】
移動体端末１４０が例えばコンピュータ又はＰＤＡ等である場合、移動体端末１４０が監視区域内に設置された複数の無線ＬＡＮアクセスポイント又は電波ビーコンから送信される電波、光ビーコンから放射される光信号の強度（又は受信タイミング）に基づいて移動体端末１４０の位置を計算し、計算された位置を示す情報に移動体端末１４０のＩＤ情報を付加し、それらの情報をモニタリングサーバ１００に送信してもよい。この場合、無線ＬＡＮアクセスポイント、電波ビーコン又は光ビーコンが環境側測位装置１５０であってもよい。
【００２４】
環境側測位装置１５０が無線ＬＡＮアクセスポイントである場合、移動体端末１４０がＩＤ情報とともに測位信号を送信し、複数の環境側測位装置１５０が測位信号を受信した時刻を計測してもよい。各環境側測位装置１５０の位置が予め知られていれば、その位置と、測位信号の受信時刻の差とに基づいて、例えば三角測量と同様の方法を用いることによって、移動体端末１４０の位置を計算することができる。このような測位技術の一例として、ＡｉｒＬｏｃａｔｉｏｎ（登録商標）が知られている。
【００２５】
移動体端末１４０が無線タグである場合、環境側測位装置１５０は、移動体端末１４０にアクセスする送受信装置である。例えば、移動体端末１４０がいわゆるＲＦＩＤ（Radio Frequency Identification）タグである場合、複数の環境側測位装置１５０が監視区域の所定の位置に設置され、移動体端末１４０を身につけた監視対象者がいずれかの環境側測位装置１５０に接近すると、環境側測位装置１５０が無線信号を用いて移動体端末１４０のＩＤ情報を取得する。
【００２６】
そして、環境側測位装置１５０は、取得したＩＤ情報に自身の位置を特定できる情報を付加してそれらをモニタリングサーバ１００に送信する。環境側測位装置１５０自身の位置を特定できる情報とは、例えばその環境側測位装置１５０のＩＤ情報であってもよいし、その環境側測位装置１５０の座標を示す情報であってもよい。各環境側測位装置１５０のＩＤ情報と座標との対応関係が予め知られていれば、ＩＤ情報から環境側測位装置１５０の位置を特定することができる。環境側測位装置１５０の位置に基づいて、そこに接近した移動体端末１４０の近似的な位置を特定することができる。
【００２７】
あるいは、移動体端末１４０は、所定の測位信号を送信する無線タグであってもよい。複数の環境側測位装置１５０が測位信号を受信した時刻を計測し、その時刻の差に基づいて移動体端末１４０の位置を特定することができる。測位信号に移動体端末１４０のＩＤ情報が含まれていれば、環境側測位装置１５０は、そのＩＤ情報と、計測された位置情報とをモニタリングサーバ１００に送信することができる。
【００２８】
モニタリングサーバ１００は、各移動体端末１４のＩＤ情報と、それを携行する監視対象者の識別情報とを対応付ける情報を予め保持していれば、その情報に基づいて、受信した位置情報がどの監視対象者の位置を示しているかを特定することができる。
【００２９】
具体的には、ユーザＤＢ１１５には、各監視対象者を識別する情報（例えば監視対象者の氏名又は従業員コード等）と、各監視対象者が保持する移動体端末１４０を識別する情報と、を対応付ける情報が登録される。
【００３０】
センサ１３０は、監視区域における監視対象者の行動を示す情報を取得して、取得した情報を、ネットワーク１６０Ａを介してモニタリングサーバ１００に送信する。以下、主に、センサ１３０が監視カメラである例について説明するが、センサ１３０は、その他のセンサ、例えばマイクロフォン、超音波センサ又は赤外線センサ等であってもよいし、販売履歴をモニタリングサーバ１００に送信する機能を備える自動販売機等であってもよい。
【００３１】
センサ１３０が監視カメラである場合、各センサ１３０が、監視区域内の各センサ１３０に割り当てられた所定の範囲を所定のタイミングで（例えば定期的に）撮影し、それによって得られた画像データをモニタリングサーバ１００に送信する。送信された画像データは、センサ情報管理部１０１によってセンサ情報ＤＢ１１１に格納される。この画像データは、静止画像データ又は動画像データのいずれであってもよい。動画像データの場合、所定のフレームレートでの撮影が連続的に行われてもよいし、一定時間の撮影が所定の時間間隔で断続的に繰り返されてもよい。このように撮影された画像を参照することによって、ある時間帯のある範囲における監視対象者の行動を把握することができる。
【００３２】
センサ１３０がマイクロフォンである場合、監視区域内の各マイクロフォンに割り当てられた所定の範囲の音が連続的に又は断続的に収録される。収録された音声データは、モニタリングサーバ１００に送信され、センサ情報管理部１０１によってセンサ情報ＤＢ１１１に格納される。格納された音声データに基づいて、監視対象者の行動（例えば歩行、停止、物体を移動させる動作、ドアを開閉する動作、施錠・開錠動作、梱包・開梱動作等）を検出することができる。
【００３３】
図２は、本発明の第１の実施形態のモニタリングサーバ１００のハードウェア構成を示すブロック図である。
【００３４】
本実施形態のモニタリングサーバ１００は、相互に接続されたプロセッサ２０１、メインメモリ２０２、入力装置２０３、インターフェース（Ｉ／Ｆ）２０５及び記憶装置２０６を備える計算機である。
【００３５】
プロセッサ２０１は、メインメモリ２０２に格納されたプログラムを実行する。
【００３６】
メインメモリ２０２は、例えば半導体メモリであり、プロセッサ２０１によって実行されるプログラム及びプロセッサ２０１によって参照されるデータを格納する。具体的には、記憶装置２０６に格納されたプログラム及びデータの少なくとも一部が、必要に応じてメインメモリ２０２にコピーされる。
【００３７】
入力装置２０３は、施設モニタリングシステムの管理者（すなわち、モニタリングサーバ１００を使用して監視対象者を監視する者）からの入力を受ける。入力装置２０３は、例えばキーボード及びマウス等を含んでもよい。
【００３８】
Ｉ／Ｆ２０５は、ネットワーク１６０Ａ及び１６０Ｂに接続され、センサ１３０、移動体端末１４０及び環境側測位装置１５０と通信するインターフェースである。ネットワーク１６０Ａ及び１６０Ｂが互いに独立したものである場合、モニタリングサーバ１００は複数のＩ／Ｆ２０５を備え、それらのうち一つがネットワーク１６０Ａに、別の一つがネットワーク１６０Ｂに接続される。
【００３９】
記憶装置２０６は、例えばハードディスク装置（ＨＤＤ）又はフラッシュメモリのような不揮発性の記憶装置である。本実施形態の記憶装置２０６には、少なくとも、センサ情報管理部１０１、測位記録管理部１０２、センサ・測位統合部１０３、動線解析部１０４、分析条件調整部１０５、分析条件設定画面生成部１０６、分析結果画面生成部１０７、センサ情報データベース（ＤＢ）１１１、測位ＤＢ１１２、屋内地図ＤＢ１１３、分析情報ＤＢ１１４及びユーザＤＢ１１５が格納される。
【００４０】
センサ情報管理部１０１、測位記録管理部１０２、センサ・測位統合部１０３、動線解析部１０４、分析条件調整部１０５、分析条件設定画面生成部１０６及び分析結果画面生成部１０７は、プロセッサ２０１によって実行されるプログラムである。以下の説明においてこれらの各部が実行する処理は、実際にはプロセッサ２０１によって実行される。
【００４１】
なお、図１に示すモニタリングサーバ１００は、図２に示すように一つの計算機によって構成されてもよいが、相互に通信可能な複数の計算機によって構成されてもよい。例えば、一方の計算機がセンサ情報管理部１０１、測位記録管理部１０２、センサ情報ＤＢ１１１及び測位ＤＢ１１２を備え、もう一方の計算機が残りの部分を備えてもよい。あるいは、一方の計算機がセンサ情報管理部１０１等の処理部を備え、もう一方の計算機がセンサ情報ＤＢ１１１等のデータベースを備えてもよい。
【００４２】
図３は、本発明の第１の実施形態の施設モニタリングシステムの動作の全体を示すフローチャートである。
【００４３】
屋内地図ＤＢ１１３が整備された後に、図３に示す処理が開始される。屋内地図ＤＢ１１３の内容については後述する（図９及び図１０参照）。
【００４４】
本実施形態の施設モニタリングシステムは、データ収集ステップ３１０及びデータ分析ステップ３２０を実行する。
【００４５】
データ収集ステップ３１０は、センシング結果及び測位結果を収集するために実行される。
【００４６】
具体的には、センサ１３０がセンシングを行い（ステップ３３１）、その結果をセンサ情報管理部１０１に送信する。移動体端末１４０又は環境側測位装置１５０は、測位を行い（ステップ３３２）、その結果を測位記録管理部１０２に送信する。送信される測位結果は、少なくとも移動体端末１４０の位置を示す情報を含む。送信される情報の詳細な内容については後述する（図６及び図７参照）。
【００４７】
センサ情報管理部１０１及び測位記録管理部１０２は、それぞれ、受信した情報をセンサ情報ＤＢ１１１及び測位ＤＢ１１２に格納する（ステップ３１１）。
【００４８】
データ分析ステップ３２０は、収集され、データベースに格納されたセンシング結果及び測位結果を分析するために実行される。例えば、モニタリングサーバ１００は、所定の期間にわたってセンシング結果及び測位結果を収集し（データ収集ステップ３１０）、その後、収集されたセンシング結果及び測位結果を分析するためにデータ分析ステップ３２０を実行してもよい。
【００４９】
具体的には、最初に、動線解析部１０４が、測位ＤＢ１１２に格納された位置情報に基づいて動線解析処理を実行する（ステップ３２１）。この処理の詳細については後述する（図１１等参照）。
【００５０】
次に、分析条件設定画面生成部１０６が動線解析処理の結果に基づいて分析状況提示処理を実行する（ステップ３２２）。管理者は、この処理によって提示された分析状況を参照して、指示を入力する（ステップ３３３）。分析条件設定画面生成部１０６は、入力された指示に基づいて、分析結果が妥当か否かを判定する（ステップ３２３）。分析結果が妥当であると判定された場合、分析結果提示処理が実行され（ステップ３２６）、処理が終了する。
【００５１】
分析結果が妥当でない（すなわち分析結果を補正する必要がある）と判定された場合、分析条件設定画面生成部１０６は、分析条件設定画面提示処理を実行する（ステップ３２４）。この処理の詳細については後述する。
【００５２】
次に、分析条件調整部１０５が分析条件調整処理を実行する（ステップ３２５）。そして、処理はステップ３２１に戻る。
【００５３】
図４は、本発明の第１の実施形態において実行される測位結果の送付処理を示すシーケンス図である。
【００５４】
具体的には、図４は、図３のデータ収集ステップ３１０のうち、測位結果の収集のために実行される処理を示す。
【００５５】
移動体端末１４０は、測位を行い、それによって得られた情報を含む測位結果を測位記録管理部１０２に送信する（ステップ４０１）。測位記録管理部１０２は、受信した情報を含む測位データを測位ＤＢ１１２に格納する（ステップ４０２）。これらの処理が繰り返し実行され（ステップ４０５、４０６）、測位ＤＢ１１２に測位データが蓄積される。
【００５６】
一方、環境側測位装置１５０も測位を行い、それによって得られた情報を測位記録管理部１０２に送信する（ステップ４０３）。測位記録管理部１０２は、受信した情報を測位ＤＢ１１２に格納する（ステップ４０４）。図４では省略されているが、これらの処理も繰り返し実行され、測位ＤＢ１１２に測位データが蓄積される。
【００５７】
なお、図４は、施設モニタリングシステムにおいて複数の測位方法が併用される例を示している。通常、監視区域を含む施設は複数の監視対象者によって使用されるため、監視区域内に複数の移動体端末１４０が存在しうる。それらの複数の移動体端末１４０が全て同種の装置であるとは限らない。例えば、ある移動体端末１４０がＧＰＳ測位装置を備える携帯電話機であり、別の移動体端末１４０が無線タグである場合もある。この場合、携帯電話機の位置情報を含む測位結果はステップ４０１に示すように携帯電話機自身から送信され、無線タグの位置情報を含む測位結果はステップ４０３に示すように環境側測位装置１５０から送信される。
【００５８】
なお、一つの測位方法のみが使用される場合には、測位結果は移動体端末１４０又は環境側測位装置１５０の一方のみから送信される。
【００５９】
図５は、本発明の第１の実施形態において実行されるセンサ情報の送付処理を示すシーケンス図である。
【００６０】
具体的には、図５は、図３のデータ収集ステップ３１０のうち、センシング情報の収集のために実行される処理を示す。
【００６１】
センサ１３０は、センシングを行い、それによって得られた情報をセンサ情報管理部１０１に送信する（ステップ５０１）。センサ情報管理部１０１は、受信したセンシング結果を含むセンサ情報をセンサ情報ＤＢ１１１に格納する（ステップ５０２）。センサ情報ＤＢ１１１に格納されるセンサ情報については後述する（図８参照）。これらの処理が繰り返し実行され（ステップ５０３〜５０６）、センサ情報ＤＢ１１１にセンシング結果が蓄積される。
【００６２】
次に、図６〜図１０を参照して、本実施形態の施設モニタリングシステムにおいて使用されるデータの例を説明する。
【００６３】
図６は、本発明の第１の実施形態の移動体端末１４０又は環境側測位装置１５０から送信される測位結果の説明図である。
【００６４】
既に説明したように、移動体端末１４０又は環境側測位装置１５０は、移動体端末１４０の位置を計測し、その結果として得られた位置情報を、モニタリングサーバ１００に送信する。このようにして送信される測位結果の例を図６に示す。
【００６５】
測位結果６００は、歩行者ＩＤ６０１、測位系ＩＤ６０２、Ｘ座標６０３、Ｙ座標６０４及び時刻６０５を含む。
【００６６】
歩行者ＩＤ６０１は、監視対象者を一意に識別する情報であり、例えば、電話番号、ＭＡＣ（Media Access Control）アドレス又はＲＦＩＤタグの識別情報のような、監視対象者が携行する移動体端末１４０の識別情報であってもよい。
【００６７】
測位系ＩＤ６０２は、測位手段を示すコードである。例えば、ＧＰＳ測位によって取得された座標値を含む測位結果６００の測位系ＩＤ６０２として「０」が、環境側測位装置１５０によって取得された座標値を含む測位結果６００の測位系ＩＤ６０２として「１」が付与されてもよい。
【００６８】
Ｘ座標６０３及びＹ座標６０４は、監視区域内における移動体端末１４０の（すなわちそれを携行する監視対象者の）位置を、二次元直交座標系中の座標値として特定する情報である。Ｘ座標６０３及びＹ座標６０４にさらにＺ座標を加えて三次元の位置情報を扱ってもよい。これらの座標値は一例であり、必ずしも直交座標系を用いなくてもよい。例えば、移動体端末１４０がＧＰＳ測位装置を備える場合、Ｘ座標６０３及びＹ座標６０４として経度及び緯度を示す情報が含まれてもよい。さらに、必要があれば高度を示す情報が含まれてもよい。
【００６９】
時刻６０５は、測位が行われた時刻（言い換えると、測位結果６００が取得された時刻）を示す。時刻６０５は、必要に応じて、測位が行われた年月日を示す情報を含んでもよい。
【００７０】
測位記録管理部１０２は、測位結果６００を受信すると、測位データを生成して測位ＤＢ１１２に格納する。測位データは、少なくとも、測位結果６００に含まれる位置情報を含む。ただし、測位系ごとに異なる座標系が使用される場合には、測位記録管理部１０２が測位結果６００に含まれる座標値（すなわちＸ座標６０３及びＹ座標６０４）を変換することによって、測位データに含まれる座標値をいずれかの座標系に統一してもよい。このような変換は公知の方法によって実行できるため、詳細な説明は省略する。また、測位系ごとに異なる種類の歩行者ＩＤ（例えば電話番号、ＭＡＣアドレス又はＲＦＩＤ等）が使用される場合には、測位記録管理部１０２がそれらのＩＤをモニタリングサーバ１００内で使用される統一的な歩行者ＩＤに変換してもよい。
【００７１】
このようにして生成された測位データのフォーマットは、基本的には測位結果６００のフォーマットと同等であってよいが、上記のように測位系に応じた変換が終了しているため、測位データは測位系ＩＤ６０２を含まなくてよい。図６に示す一組の測位結果６００は、一人の監視対象者の一つの時刻における位置情報を含み、これが一組の測位データに対応する。測位ＤＢ１１２には、複数の組の測位データ、すなわち、複数の監視対象者に関する複数の時刻における位置情報が格納される。
【００７２】
図７は、本発明の第１の実施形態のセンサ１３０から送信されるセンサ情報の説明図である。
【００７３】
既に説明したように、センサ１３０は、センシングを実行し、その結果（センシング結果）をモニタリングサーバ１００に送信する。このようにして送信されるセンサ情報の例を図７に示す。
【００７４】
センサ情報７００は、センサＩＤ７０１及びデータ７０２を含む。
【００７５】
センサＩＤ７０１は、センサ情報７００を送信したセンサ１３０を一意に識別する情報である。
【００７６】
データ７０２は、センサ情報７００を送信したセンサ１３０がセンシングの結果として取得したデータであり、例えば画像データ又は音声データである。このデータ７０２は、ＤＳＰ（デジタル信号プロセッサ）によって処理されたデータであっても、処理されていない生のデータであってもよく、また、圧縮データであっても、非圧縮データであってもよい。
【００７７】
センサ１３０は、単にセンシングの結果である画像データ等を送信してもよいが、そのセンシング結果が前回のセンシング結果から変化したか否かを判定して、その判定の結果をデータ７０２に含めて送信してもよく、また、その判定の結果のみをデータ７０２として送信してもよい。
【００７８】
図８は、本発明の第１の実施形態のセンサ情報ＤＢ１１１に格納されるセンサ情報の説明図である。
【００７９】
センサ情報管理部１０１は、センサ情報７００を受信すると、そのセンサ情報７００に所定の処理を加えてセンサ情報ＤＢ１１１に格納する。少なくとも、センサ情報管理部１０１は、センサ情報７００を時刻と関連付けて格納する必要がある。
【００８０】
センサ情報８００は、センサＩＤ８０１、センサ種別８０２、時刻８０３及びデータ８０４を含む。これらのうち、センサＩＤ８０１及びデータ８０４は、図７のセンサＩＤ７０１及びデータ７０２に相当する。すなわち、センサ情報管理部１０１は、センサ情報７００を受信すると、それに含まれるセンサＩＤ７０１及びデータ７０２をそれぞれセンサＩＤ８０１及びデータ８０４としてセンサ情報ＤＢ１１１に格納する。
【００８１】
センサ種別８０２は、センサ情報７００を送信したセンサ１３０の種類、例えば、それが監視カメラであるか、マイクロフォンであるか、又はその他のセンサであるか、を示す。
【００８２】
時刻８０３は、センシングが行われた時刻を特定する情報である。例えばデータ８０４が静止画像データである場合、時刻８０３は、それが撮影された時刻であってもよい。データ８０４が動画像データ又は音声データのような、ある時間にわたって取得されたものである場合、時刻８０３は、例えばセンシングの開始時刻とセンシングの時間との組、センシングの開始時刻と終了時刻との組、そのセンシング時間を代表する時刻、又はそれらの組み合わせであってもよい。
【００８３】
なお、一つのセンサ１３０が取得した、一つの時刻に対応するセンシング結果が、一組のセンサ情報８００として格納される。センサ情報ＤＢ１１１には、複数の組のセンサ情報８００、すなわち、複数のセンサ１３０が複数の時刻にセンシングした結果を示す情報が格納される。
【００８４】
次に、屋内地図ＤＢ１１３に格納されるデータの例について説明する。屋内地図ＤＢ１１３には、地図情報９００及びセンサパラメータ１０００が格納される。
【００８５】
図９は、本発明の第１の実施形態の屋内地図ＤＢ１１３に格納される地図情報９００の説明図である。
【００８６】
地図情報９００は、地物ＩＤ９０１、種別コード９０２及び形状９０３を含む。
【００８７】
地物ＩＤ９０１は、監視区域又はその周辺に存在する地物を一意に識別する情報である。ここで地物とは、床、壁、柱、物体収納棚、パーティション、及び天井から吊り下げられた物体（例えば空調ダクト、スピーカーボックス又は照明器具）等を含む。
【００８８】
種別コード９０２は、地物の種類を示す情報である。種別コード９０２は、例えば地物が壁、柱、梁、棚、扉等のいずれであるかを識別する情報であってもよい。各地物の種別コード９０２に基づいて、その地物によってセンシングが阻害されるか否かを判定することができる。
【００８９】
形状９０３は、地物の形状及び寸法を特定する情報であり、例えば、その地物の形状を現す座標点列を含む。
【００９０】
一つの地物に関する情報が一組の地図情報９００として格納される。屋内地図ＤＢ１１３には、複数の組の地図情報９００、すなわち、複数の地物に関する地図情報９００が格納される。
【００９１】
図１０は、本発明の第１の実施形態の屋内地図ＤＢ１１３に格納されるセンサパラメータ１０００の説明図である。
【００９２】
センサパラメータ１０００は、センサＩＤ１００１、種別コード１００２、設置箇所１００３及びセンサパラメータ１００４を含む。
【００９３】
センサＩＤ１００１は、監視区域内に設置された各センサ１３０を一意に識別する情報である。種別コード１００２は、センサの種類を示す情報である。これらは、それぞれ、センサ情報８００のセンサＩＤ８０１及びセンサ種別８０２と同様の情報であってよい。
【００９４】
設置箇所１００３は、監視区域内におけるセンサ１３０の設置箇所を特定する情報であり、例えば二次元又は三次元の座標値である。
【００９５】
センサパラメータ１００４は、センサ１３０によってセンシング可能な領域を特定する情報である。例えば、センサ１３０が監視カメラである場合、センサパラメータ１００４は、監視カメラの向き、視野角及び解像度等を特定する情報を含んでもよい。センサ１３０がマイクロフォンである場合、センサパラメータ１００４は、マイクロフォンの向き、指向性及び感度等を特定する情報を含んでもよい。
【００９６】
一つのセンサ１３０に関する情報が一組のセンサパラメータ１０００として格納される。屋内地図ＤＢ１１３には、複数の組のセンサパラメータ１０００、すなわち、複数のセンサ１３０に関するセンサパラメータ１０００が格納される。
【００９７】
次に、図３に示したステップの詳細について説明する。
【００９８】
図１１は、本発明の第１の実施形態のモニタリングサーバ１００が実行する動線解析処理を示すフローチャートである。
【００９９】
図１１に示す処理は、図３のステップ３２１において実行される。
【０１００】
最初に、動線解析部１０４は、測位データの特徴量を算出し、状態ラベルを生成する（ステップ１１０１）。具体的には、動線解析部１０４は、算出された特徴量についてクラスタリングを実行することによって、動線が示す監視対象者の行動を複数の状態に分類し、それらの状態にラベルを付与する。この詳細な手順については後述する（図１２Ａ〜図１２Ｄ等参照）。
【０１０１】
次に、動線解析部１０４は、状態ラベルの遷移列を統計モデルに当てはめる（ステップ１１０２）。この詳細な手順については後述する。
【０１０２】
次に、動線解析部１０４は、統計モデルから情報を抽出する（ステップ１１０３）。この詳細な手順については後述する。
【０１０３】
以上で動線解析処理が終了する。
【０１０４】
ステップ１１０１において実行される特徴量の算出及び状態ラベルの生成について、図１２Ａ〜図１２Ｄを参照して説明する。
【０１０５】
図１２Ａは、本発明の第１の実施形態のモニタリングサーバ１００が実行する特徴量の算出及び状態ラベルの生成処理を示すフローチャートである。
【０１０６】
図１２Ｂは、本発明の第１の実施形態における測位データの分割の説明図である。
【０１０７】
図１２Ｃは、本発明の第１の実施形態における特徴量の算出の説明図である。
【０１０８】
図１２Ｄは、本発明の第１の実施形態におけるクラスタリングの説明図である。
【０１０９】
最初に、動線解析部１０４は、測位データを時間的に分離する（ステップ１２０１）。具体的には、例えばある時刻における測位データの特徴量を算出する場合、算出の対象であるその時刻の測位データと、その時刻を含む所定の時間範囲内の測位データと、を測位ＤＢ１１２から取得する。このようにして取得された測位データの例を図１２Ｂに示す。図１２Ｂの黒丸の位置が、算出の対象である測位データが示す位置に相当し、白丸の位置が、所定の時間範囲内の測位データが示す位置に相当する。
【０１１０】
次に、動線解析部１０４は、ステップ１２０１において取得された測位データから特徴量を算出する（ステップ１２０２）。特徴量は、例えば、測位データに含まれる位置情報、その位置情報から算出された監視対象者の速度及び加速度、等である。
【０１１１】
具体的には、ステップ１２０１において取得された測位データが複数の時刻における位置情報を含むため、それらに基づいて監視対象者の移動速度を計算することができ、さらに、その移動速度の変化から加速度を計算することができる。図１２Ｃに例示する特徴量は、
（１）１０秒前の速度
（２）１０秒前の加速度
（３）現在の速度
（４）現在の加速度
（５）１０秒後の速度
（６）１０秒後の加速度
（７）平均速度
（８）１０秒前の点と現在の点との間の距離
である。ここで、「現在」とは特徴量の取得対象である測位データが取得された時刻（すなわちその測位データに対応する時刻６０５）であり、「１０秒前」及び「１０秒後」の基準点は上記の「現在」である。
【０１１２】
動線解析部１０４は、一つの測位データの特徴を示す値として、上記のように算出された特徴量のいずれか一つを使用してもよいが、通常は、複数の特徴量の組（例えば上記の８種類の特徴量の組）を使用する。このような複数の特徴量の組は、一般に、それらの特徴量を要素として含むベクトル（すなわち特徴量ベクトル）として扱われる。ｎ次元（上記の例では８次元）の特徴量ベクトルは、ｎ次元空間における点として表現することができる。以下、このような特徴量ベクトル（すなわち特徴量の組）を用いる例を説明する。
【０１１３】
なお、上記のような特徴量は一例であり、他の特徴量が計算されてもよい。また、上記の８次元も一例であり、任意の次元の特徴量ベクトルを使用することができる。例えば、特徴量ベクトルの要素として、現在の位置を示す特徴量がさらに含まれてもよい。
【０１１４】
次に、動線解析部１０４は、ステップ１２０２において算出された特徴量ベクトルを含む複数の特徴量ベクトルをクラスタリングし、状態ラベルを生成する（ステップ１２０３）。このクラスタリングは、後述するように（図１３参照）、ｋ−ｍｅａｎｓ法などの公知のアルゴリズムによって実行される。
【０１１５】
例えば、動線解析部１０４は、上記のステップ１２０１及び１２０２を複数の監視対象者及び複数の時刻の各々について繰り返し実行することによって、各監視対象者に関する時刻ごとの特徴量ベクトルを算出することができる。このようにして算出された複数の特徴量ベクトルを対象として、クラスタリングが実行される。
【０１１６】
例えば、ｎ次元（図１２Ｄの例では２次元）空間における複数の特徴量ベクトル（図１２Ｄにプロットされた複数の黒点）が、複数のクラスタ（図１２Ｄの例ではクラスタＡ、Ｂ及びＣ）に分類される。図１２Ｄに示す「Ａ」〜「Ｃ」は、生成された状態ラベルである。
【０１１７】
二つの特徴量ベクトル間の距離が近いことは、それらの特徴量ベクトルが類似していることを意味する。二つの特徴量ベクトルが類似していることは、それらの特徴量ベクトルに対応する監視対象者の行動が同一である可能性が高いことを意味する。
【０１１８】
このため、上記のクラスタリングによって一つのクラスタに属すると判定された複数の特徴量ベクトルは、例えばそれらが複数の監視対象者に関するものである場合、それらの監視対象者の同一の行動に対応する可能性が高い。言い換えると、本実施形態のクラスタリングは、監視対象者の行動を測位データに基づいて分類することに相当し、状態ラベルは、分類された行動を識別する標識である。
【０１１９】
ここで、ある特徴量ベクトルに対応する監視対象者の行動とは、その特徴量ベクトルの算出の基礎となったある監視対象者に関する測位データが取得されたときに、その監視対象者が行っていた、と管理者によって判断される行動である。また、本実施形態において、同一の行動とは、同一の行動として分類される行動であり、必ずしも完全に同一な行動を意味しない。そして、既に説明したように、二つの行動が同一であるか否かを判定する基準は、監視対象者の行動を監視する目的によって左右される。言い換えると、一つのクラスタに属する複数の特徴量ベクトルは、互いに類似しているため、同一の行動に対応する可能性が高いが、実際には、異なる行動として分類されるべき行動に対応している可能性もある。
【０１２０】
本実施形態では、ｋ−ｍｅａｎｓ法などによるクラスタリングの結果をさらに調整することによって、クラスタと、管理者が分類したい行動とを適切に対応させることができる。この調整については後述する。
【０１２１】
ところで、上記の（１）〜（８）に示すように、特徴量ベクトルが現在の位置を示す情報を含まない場合において、二つの特徴量ベクトルが互いに類似する場合、それらの特徴量ベクトルに対応する行動が監視区域内のどこで行われたかにかかわらず、それらの特徴量ベクトルが一つのクラスタに分類される可能性がある。これは、例えば、「階段を通過する」という行動が監視区域内のどの階段で行われてもそれらを同一の行動と分類することを意味する。このため、行動がどこで行われたかを行動の分類の判断基準に含めたい場合（例えばある位置にある階段を通過する行動と、そことは別の位置にある階段を通過する行動とを別の行動として分類したい場合）、行動が行われた位置そのものを考慮したクラスタリングを行う必要がある。
【０１２２】
例えば、特徴量ベクトルに現在の位置を示す情報を含めてもよい。あるいは、動線解析部１０４は、まず測位データをそれが示す位置に基づいてクラスタリングし、これによって得られた空間的なクラスタごとに、それに含まれる測位データの特徴量ベクトルを算出し、それらのクラスタリングを行ってもよい。本実施形態は、上記のような位置を考慮したクラスタリングが実行されることを前提とする。
【０１２３】
図１３は、本発明の第１の実施形態のモニタリングサーバ１００が実行するクラスタリング処理を示すフローチャートである。
【０１２４】
図１３に示す処理は、図１２Ａのステップ１２０３において実行される。
【０１２５】
最初に、動線解析部１０４は、分析情報ＤＢ１１４を参照して、クラスタリングの対象である特徴量ベクトルに関するクラスタ情報があるか否か（すなわちそれらの特徴量ベクトルが既にクラスタリングされているか否か）を判定する（ステップ１３０１）。取得された特徴量ベクトルについて最初にクラスタリングを実行する場合、ステップ１３０１ではクラスタ情報がないと判定される。一方、後述するようにクラスタリング結果に対してパラメータ調整が行われた後、再度動線解析処理が行われる場合（図２６参照）には、ステップ１３０１においてクラスタ情報があると判定される。
【０１２６】
ステップ１３０１においてクラスタ情報がないと判定された場合、動線解析部１０４は、ランダムにクラスタ中心の初期値を決定する（ステップ１３０２）。例えば、動線解析部１０４は、管理者によって指定された数のクラスタ中心の初期値を決定してもよい。あるいは、動線解析部１０４は、ＡＩＣ（赤池情報量基準）などの、クラスタ数の妥当性を評価する公知の基準を用い、当該基準が最適になるようにクラスタ数を決定してもよい。
【０１２７】
次に、動線解析部１０４は、各特徴量ベクトルに対応する点とクラスタ中心との距離を算出し、各特徴量ベクトルがそれに最も近いクラスタ中心を含むクラスタ（すなわち最近傍クラスタ）に属するとの仮定に基づいて特徴量ベクトルをクラスタリングし、さらに、各クラスタに属する特徴量ベクトルの平均値を新たなクラスタ中心として決定する（ステップ１３０３）。
【０１２８】
次に、動線解析部１０４は、ステップ１３０３においてクラスタ中心が変更されたか否か、すなわち、ステップ１３０３において決定された新たなクラスタ中心と、その直前のクラスタ中心とが異なるか否かを判定する（ステップ１３０４）。クラスタ中心が変更された場合、処理はステップ１３０３に戻り、新たなクラスタ中心を用いたクラスタリング及びその結果に基づくクラスタ中心の計算が実行される。
【０１２９】
一方、クラスタ中心が変更されなかった場合、動線解析部１０４は、測位データから特徴量ベクトルを算出し、各特徴量ベクトルに、最近傍クラスタのＩＤを割り当てる。なお、以前に算出された特徴量ベクトルが残っていれば、それを使用してもよい。このようにして割り当てられたクラスタのＩＤが状態ラベルとして使用される。
【０１３０】
ステップ１３０１においてクラスタ情報があると判定された場合、動線解析部１０４は、ステップ１３０２〜１３０４を実行せずにステップ１３０５を実行する。
【０１３１】
以上でクラスタリング処理が終了する。
【０１３２】
なお、ステップ１３０２〜１３０４は、従来からｋ−ｍｅａｎｓ法として知られたアルゴリズムである。本実施形態のクラスタリング処理は、公知の方法によって実行することができる。ｋ−ｍｅａｎｓ法はその一例であるが、その他のアルゴリズム、例えばＥＭ（Expectation-Maximization）法による混合正規分布の推定等が適用されてもよい。
【０１３３】
図１４は、本発明の第１の実施形態のモニタリングサーバ１００によって取得された状態ラベルの説明図である。
【０１３４】
図１４は、監視区域のレイアウト図１４０１と、そのレイアウト図１４０１上に表示された複数の動線１４０２とを含む。
【０１３５】
図１４には、レイアウト図１４０１の例として、監視区域内の地物の平面図を示すが、地物の配置を把握できる図である限り、斜視図又は鳥瞰図等が使用されてもよい。図１４に例示するレイアウト図１４０１には、地物として、部屋１４１１、廊下１４１２、部屋１４１１と廊下１４１２とを隔てる壁１４１３、壁１４１３に設けられた出入り口１４１４、及び、監視区域内に配置された物品１４１５（例えば店舗で販売される商品又は工場で使用される資材等）が表示される。さらに上記以外の地物（例えば監視区域が屋外であれば信号機又は横断歩道等）が表示されてもよい。
【０１３６】
各動線１４０２は、一つの移動体端末１４０に関する測位データに含まれる座標値をレイアウト図１４０１上にプロットすることによって表示される。すなわち、一つの動線１４０２は、一人の監視対象者の移動軌跡に相当する。ただし、一人の監視対象者が監視区域を繰り返し通過した場合には、その監視対象者の移動軌跡を複数の動線１４０２として表示してもよい。図１４には、複数の監視対象者の移動軌跡に相当する複数の動線１４０２が表示される。
【０１３７】
楕円によって表示される状態１４０３Ａ〜１４０３Ｌは、クラスタリングによって得られたクラスタに相当する。言い換えると、状態１４０３Ａ〜１４０３Ｌの各々は、クラスタリングによって分類された監視対象者の行動に対応する。
【０１３８】
図１２Ｂ〜図１２Ｄを参照して説明したように、各クラスタに含まれる特徴量ベクトルは、算出対象の測位データを含む複数の測位データから算出される。このため、各クラスタに含まれる特徴量ベクトルの算出対象の測位データが示す座標値をレイアウト図１４０１上にプロットすることができる。図１４に表示される楕円は、各クラスタに含まれる特徴量ベクトルの算出対象の測位データが示す座標値がプロットされる範囲の概略を示す。
【０１３９】
状態１４０３ａ〜１４０３ｌには、それぞれ、識別子「ａ」〜「ｌ」が付与される。これらの識別子が状態ラベルであり、前述の図１３のステップ１３０５において割り当てられたものである。
【０１４０】
図１５は、本発明の第１の実施形態のモニタリングサーバ１００によって使用される統計モデルの説明図である。
【０１４１】
具体的には、図１５は、図１１のステップ１１０２における状態ラベル遷移列に当てはめる統計モデルの例を示す。本実施形態では、統計モデルとして混合マルコフモデルが適用される例を示すが、他のモデル（例えば隠れマルコフモデル又はベイジアンネットワーク等）が適用されてもよい。
【０１４２】
動線解析部１０４は、クラスタリングの結果に基づいて、各動線１４０２上の測位データがどの状態からどの状態に遷移するか、言い換えると、各動線１４０２に対応する監視対象者の行動がどの状態からどの状態に遷移するか、を特定することができる。さらに、動線解析部１０４は、このような状態遷移の特定を複数の動線について実行することによって、状態間の遷移確率を算出することができる。
【０１４３】
ところで、監視対象者の行動の傾向は、一般に、その監視対象者の特徴によって左右される。そしてそのような行動の傾向を状態遷移の傾向として観測できる場合がある。ここで監視対象者の特徴とは、例えば、監視対象者が工場又は店舗の従業員である場合、監視対象者の作業目的等であり、監視対象者が店舗の利用客である場合、商品に対する監視対象者の好み等である。また、監視対象者が何らかの意図（例えば職務放棄又は窃盗の意図等）を持っている場合には、それも監視対象者の特徴になり得る。すなわち、監視対象者を状態遷移の傾向に従って分類することによって、類似した特徴を持った監視対象者のグループを特定できる場合がある。
【０１４４】
また、このような監視対象者の特徴は、監視対象者の属性と関連する場合がある。ここで監視対象者の属性とは、例えば、監視対象者が工場又は店舗の従業員である場合、監視対象者の所属部署、担当業務又は役職等であり、監視対象者が店舗の利用客である場合、監視対象者の年齢層又は性別等である。より具体的に言えば、例えば女性客は店舗内の特定の売り場に頻繁に立ち寄るが、男性客はその売り場にほとんど立ち寄らない、といった行動の傾向の相違がありうる。このような場合には、上記のような状態遷移の傾向に基づく分類によって、監視対象者の属性とその行動の傾向との関連を分析することもできる。
【０１４５】
本実施形態の動線解析部１０４は、複数の監視対象者に関する状態遷移を複数のパターンに分類することができる。
【０１４６】
図１５には、パターンごとの状態遷移図を示す。一つのパターンの状態遷移図は、図１４に示す状態間の遷移を時刻ごとに表示する。例えば、状態１４０３ａ−１はある時刻における状態１４０３ａ（図１４参照）に相当し、状態１４０３ａ−２は、その次の時刻における状態１４０３ａに相当する。同様に、状態１４０３ｂ−１はある時刻における状態１４０３ｂに相当し、状態１４０３ｂ−２は、その次の時刻における状態１４０３ｂに相当する。状態１４０３ｋ−１はある時刻における状態１４０３ｋに相当し、状態１４０３ｋ−２は、その次の時刻における状態１４０３ｋに相当する。状態１４０３ｌ−１はある時刻における状態１４０３ｌに相当し、状態１４０３ｌ−２は、その次の時刻における状態１４０３ｌに相当する。このように、図１４に示す状態１４０３ａ〜１４０３ｌが時刻ごとに表示され、それらの間の状態遷移が矢印によって表示される。そして、それぞれの状態遷移確率が計算される。
【０１４７】
なお、状態１５０２Ｓは各監視対象者が監視区域内に入った瞬間の状態を、状態１５０２Ｇは各監視対象者が監視区域内から出た瞬間の状態を示す。以下、状態１５０２Ｓ及び状態１５０２Ｇを、単に状態Ｓ及び状態Ｇとも記載する。同様に、状態１４０３ａ〜１４０３ｌを、それぞれ、単に状態ａ〜状態ｌとも記載する
図１５にはパターン１５０１ａの状態遷移図のみを示すが、他のパターン（例えばパターン１５０１ｂ及び１５０１ｃ）も同様の状態遷移図によって表現することができる。ただし、状態遷移確率の値はパターンごとに異なる。なお、パターンの数としては、３個（パターン１５０１ａ〜１５０１ｃ）に限らず、任意の数（例えばｋ個）を設定することができる。パターンの数は、例えば管理者によって指定されてもよい。
【０１４８】
各パターンの遷移確率はマルコフモデルに従う。状態μから状態νへの遷移確率をＰ（μ，ν）＝ωμνとすると、例えば、状態Ｓ−状態ａ−状態ｂ−状態ｃ−状態ｅ−状態ｉ−状態Ｇと遷移する動線が得られる確率は、Ｐ（Ｓ，ａ）Ｐ（ａ，ｂ）Ｐ（ｂ，ｃ）Ｐ（ｃ，ｅ）Ｐ（ｅ，ｉ）Ｐ（ｉ，Ｇ）の掛け算によって算出される。これによって算出された値Ｌは、動線が確率モデルのパターンに当てはまる度合いを示す。一般には、確率の対数を用いて、ΣｌｏｇＰが計算される。
【０１４９】
本実施形態のモデルは、ｋ個のマルコフモデルの足し算によって表現される。πは、それらの各々に付けられる重みである。つまり、ｌｏｇΣ（πΠＰ）によって対数尤度が求められる。
【０１５０】
状態遷移確率を示すパラメータは、例えばＥＭ法によって算出される。例えば、動線解析部１０４は、各パターンにおける状態遷移確率の初期値としてランダムな値を設定する。そして、その値に基づいて、各動線の状態遷移がどのパターンに当てはまるかを推定する（Ｅステップ）。次に、動線解析部１０４は、Ｅステップの結果を用いてパラメータを再計算する（Ｍステップ）。さらに、動線解析部１０４は、再計算したパラメータを用いて再度Ｅステップを実行する。このように、パラメータが収束するまでＥステップ及びＭステップを繰り返す。
【０１５１】
図１６は、本発明の第１の実施形態のモニタリングサーバ１００によって実行される状態遷移抽出処理の説明図である。
【０１５２】
具体的には、図１６は、図１１のステップ１１０３において抽出される状態遷移の例を示す。
【０１５３】
図１６の例では、状態１４０３ａから状態１４０３ｃへ向かう矢印１６０１が表示されている。これは、状態１４０３ａから状態１４０３ｃへの遷移が発生していることを示す。すなわち、これらの状態間の遷移確率は０％より大きい。他の矢印（例えば状態１４０３ｃから状態１４０３ｄ、１４０３ｅ及び１４０３ｆのそれぞれへ向かう矢印）についても同様のことが言える。一方、状態１４０３ａから状態１４０３ｄへ向かう矢印は表示されていない。これは、少なくとも図１４に表示された動線において、状態１４０３ａから状態１４０３ｄへの遷移が発生していないことを示す。すなわち、これらの状態間の遷移確率は０％である。
【０１５４】
このようにして抽出された状態遷移を示す情報が分析情報ＤＢ１１４に格納される。その詳細を、図１７及び図１８を参照して説明する。
【０１５５】
図１７は、本発明の第１の実施形態の分析情報ＤＢ１１４に格納される状態遷移モデルの説明図である。
【０１５６】
図１５に示した方法によって計算された各パターンの状態遷移確率は図１７に示すように格納される。具体的には、状態遷移モデル１７００は、パターンＩＤ１７０１、始状態ラベル１７０２、終状態ラベル１７０３及び確率１７０４を含む。
【０１５７】
パターンＩＤ１７０１は、統計モデルのパターンを識別する。例えば、パターンＩＤ１７０１の値は図１５に示す「ｋ」に対応する。
【０１５８】
始状態ラベル１７０２及び終状態ラベル１７０３は、それぞれ、状態遷移の始点及び終点のラベル（すなわちＩＤ）である。これらは、例えば、図１４〜図１６に示す「Ｓ」、「Ｇ」及び「ａ」〜「ｌ」に対応する。
【０１５９】
確率１７０４は、パターンＩＤ１７０１、始状態ラベル１７０２及び終状態ラベル１７０３によって特定される状態遷移が発生する確率である。
【０１６０】
図１７に示す情報の一組は、一つの状態遷移、例えば、図１５に示す１本の矢印に対応する。分析情報ＤＢ１１４には、各パターンの各状態遷移に対応する情報の組が格納される。
【０１６１】
図１８は、本発明の第１の実施形態の分析情報ＤＢ１１４に格納されるクラスタ情報の説明図である。
【０１６２】
図１８に示すクラスタ情報１８００は、クラスタリングによって取得されたクラスタに関する情報である。具体的には、クラスタ情報１８００は、クラスタ形状１８０１及びクラスタＩＤ１８０２を含む。
【０１６３】
クラスタ形状１８０１は、各クラスタの中心位置を示す。
【０１６４】
クラスタＩＤ１８０２は、各クラスタを識別する情報である。なお、既に説明したように原則的には一つのクラスタが一つの状態に対応するため、クラスタＩＤ１８０２の値は状態ラベル（例えば図１４〜図１６に示す「ａ」〜「ｌ」）に対応する。
【０１６５】
図１８に示すクラスタ情報１８００の一組は、一つの状態、例えば、図１４に示す一つの楕円に対応する。分析情報ＤＢ１１４には、各状態に対応する情報の組が格納される。なお、図１５に示すように統計モデルが複数のパターンに分類される場合であっても、各状態に対応するクラスタの中心位置は、パターンごとに相違しない。このため、クラスタ情報１８００はパターンＩＤを含まない。
【０１６６】
本実施形態及びその他の実施形態において説明するように、本発明では分析の粒度の調整が行われ、その結果、一つのクラスタが複数に分割されたり、複数のクラスタが統合されて一つの状態に対応付けられたりする場合がある。そのような調整の結果も全て図１７及び図１８に示す分析情報ＤＢ１１４に反映される。分析情報ＤＢ１１４に格納された情報は、必要に応じて読み出され、動線解析部１０４によって動線解析処理に使用される。さらに、必要に応じて画面表示装置１２０によって表示されてもよい。
【０１６７】
図１９は、本発明の第１の実施形態の画面表示装置１２０によって表示される分析状況提示処理の出力画面の説明図である。
【０１６８】
分析条件設定画面生成部１０６は、図３のステップ３２２において、図１９に示す画面１９００を画面表示装置１２０に表示させる。画面１９００は、レイアウト図１９０１、調整ボタン１９０３、終了ボタン１９０４及びパターン選択ボックス１９０５を含む。
【０１６９】
レイアウト図１９０１は、図１４に示したレイアウト図１４０１と同様である。レイアウト図１９０１上には、図１４と同様の状態１４０３ａ〜１４０３ｌ及び状態遷移を示す矢印１６０１が表示される。
【０１７０】
管理者は、パターン選択ボックス１９０５を操作して、表示されるパターンを選択することができる。図１９の例では「パターンＡ」が表示される。このパターンは、例えば、図１５に示した複数のパターン１５０１ａ〜１５０１ｃのいずれかである。図１６の例では状態１４０３ｅから状態１４０３ｉへの遷移が表示されているが、例えばパターンＡにおいてその遷移が発生する確率が０％である場合、状態１４０３ｉ及びそこに向かう矢印が表示されなくてもよい。他の状態及びそこに向かう矢印についても同様である。
【０１７１】
管理者は、画面１９００に表示された状態遷移を参照して、分析条件が妥当であると判定した場合（ステップ３２３）、終了ボタン１９０４を操作する。この場合、処理はステップ３２６に進む。一方、管理者は、分析条件が妥当でないと判定した場合、調整ボタン１９０３を操作する。この場合、処理はステップ３２４に進む。
【０１７２】
例えば、画面１９００に表示された状態１４０３ａ〜１４０３ｌのいずれかが大きすぎる（すなわちそれに対応するクラスタが大きすぎる）と管理者が考えた場合に、分析条件が妥当でないと判定してもよい。より詳細には、例えば、管理者が詳細に分析したいと考えている行動が行われる場所に、状態が一つしか表示されておらず、その状態を複数に分割したいと管理者が考えた場合に、分析条件が妥当でないと判定してもよい。
【０１７３】
なお、調整ボタン１９０３、終了ボタン１９０４及びパターン選択ボックス１９０５の操作は、管理者による入力装置２０３の操作（例えばマウスクリック）である。
【０１７４】
図２０は、本発明の第１の実施形態のモニタリングサーバ１００が実行する分析条件設定画面提示処理を示すフローチャートである。
【０１７５】
図２０に示す処理は、図３のステップ３２４において、分析条件設定画面生成部１０６によって実行される。
【０１７６】
最初に、分析条件設定画面生成部１０６は、分析条件受付画面提示処理を実行する（ステップ２００１）。この処理については、図２１を参照して後述する。
【０１７７】
次に、分析条件設定画面生成部１０６は、分析条件調整用画面提示処理を実行する（ステップ２００２）。この処理については、図２２等を参照して後述する。
【０１７８】
以上で分析条件設定画面提示処理が終了する。
【０１７９】
図２１は、本発明の第１の実施形態のモニタリングサーバ１００が実行する分析条件受付画面提示処理の説明図である。
【０１８０】
分析条件設定画面生成部１０６は、図２０のステップ２００１において、図２１に示す画面２１００を画面表示装置１２０に表示させる。
【０１８１】
画面２１００は、レイアウト図２１０１、分析粒度設定部２１０２及び終了ボタン２１０４を含む。
【０１８２】
レイアウト図２１０１は、図１４に示したレイアウト図１４０１と同様である。レイアウト図２１０１上には、図１４と同様に、状態１４０３ａ〜１４０３ｌ及び複数の動線１４０２が表示される。さらに、レイアウト図２１０１上には、調整範囲２１１１及び範囲指定カーソル２１１２が表示される。
【０１８３】
管理者は、入力装置２０３を用いて範囲指定カーソル２１１２を操作することによって、これから分析粒度を調整しようとするクラスタ（すなわち状態１４０３ａ〜１４０３ｌの少なくとも一つ）を含む調整範囲２１１１を指定することができる。すなわち、調整範囲２１１１に含まれる状態１４０３に対応するクラスタが、分析粒度を調整する対象として指定される。
【０１８４】
例えば、管理者は、監視区域のうち、特に監視対象者の行動を詳細に分析したい領域（例えば店舗内の特定の商品の売り場等）を調整範囲２１１１として指定してもよい。
【０１８５】
分析粒度設定部２１０２は、粒度設定ノブ２１０３を含む。管理者は、入力装置２０３を用いて粒度設定ノブ２１０３を操作することによって、分析粒度を指定することができる。例えば、分析粒度をより細かくしたい場合、管理者は、粒度設定ノブ２１０３を左に移動させてもよい。なお、このようなノブを用いた粒度の指定は一例であり、他の方法、例えば、粒度をより細かくする又はより粗くする指示に対応するアイコンを操作することによって粒度が指定されてもよい。
【０１８６】
管理者は、調整範囲２１１１及び分析粒度の指定が終了すると、終了ボタン２１０４を操作する。これによって、図２０のステップ２００１、すなわち、調整対象のクラスタの指定及びそのクラスタの分析粒度の指定が終了する。
【０１８７】
このようにして指定された調整範囲２１１１に含まれる全てのクラスタについて、指定された分析粒度の調整（すなわち粒度を細かくする又は粗くする）が実行されてもよいが、それらのうち少なくとも一つのクラスタについて、粒度を調整するか否かを管理者がセンサ情報に基づいて判定してもよい。このような判定及び粒度の調整の手順について以下に説明する。
【０１８８】
図２２は、本発明の第１の実施形態のモニタリングサーバ１００が実行する分析条件調整用画面提示処理を示すフローチャートである。
【０１８９】
図２２に示す処理は、図２０のステップ２００２において実行される。
【０１９０】
最初に、分析条件設定画面生成部１０６が対象歩行者選択処理を実行する（ステップ２２０１）。この処理については、図２３を参照して後述する。なお、ここで歩行者とは、監視対象者を意味する。
【０１９１】
次に、センサ・測位統合部１０３がセンサ・測位対応処理を実行する（ステップ２２０２）。この処理については、図２４を参照して後述する。
【０１９２】
次に、分析条件設定画面生成部１０６がセンサ情報提示画面生成処理を実行する（ステップ２２０３）。この処理については、図２５を参照して後述する。
【０１９３】
以上で分析条件調整用画面提示処理が終了する。
【０１９４】
図２３は、本発明の第１の実施形態のモニタリングサーバ１００が実行する対象歩行者選択処理（ステップ２２０１）の説明図である。
【０１９５】
最初に、分析条件設定画面生成部１０６は、調整範囲２１１１に含まれるクラスタのうち、複数の行動を含む可能性が最も高いクラスタ（言い換えると、含まれている行動を複数に分類できる可能性が最も高いクラスタ）を、変更対象の候補として選択する。
【０１９６】
具体的には、例えば、調整範囲２１１１に含まれるクラスタのうち、大きさが所定の閾値を超える一つ以上のクラスタが選択されてもよいし、あるいは、最も大きいクラスタのみが選択されてもよい。クラスタの大きさは、例えば、クラスタの半径又はクラスタに含まれる特徴量ベクトルの数によって定められる。ここで、クラスタの半径とは、例えばクラスタの中心と、そのクラスタ内の中心から最も離れた特徴量ベクトルと、の間の距離であるが、特徴量ベクトルが示す座標値の偏差に基づく値（例えば標準偏差の値）がクラスタの半径として計算されてもよい。半径が大きいクラスタほど、相違の大きい特徴量ベクトルを含んでいる。二つの特徴量ベクトルの相違が大きいほど、それらに対応する行動が異なる可能性が高いとの推測に基づいて、半径が最も大きいクラスタが変更対象の候補として選択されてもよい。あるいは、含んでいる特徴量ベクトルの数が多いクラスタほど複数の行動を含む可能性が高いとの推測に基づいて、含んでいる特徴量ベクトルの数が最も多いクラスタが選択されてもよい。
【０１９７】
次に、分析条件設定画面生成部１０６は、選択されたクラスタに含まれる複数の特徴量ベクトルから二つを選択する。例えば、選択されたクラスタに含まれる特徴量ベクトルのうち最も離れた二つが選択されてもよい。あるいは、選択されたクラスタに含まれる複数の特徴量ベクトルを対象として分析条件設定画面生成部１０６がさらにクラスタリングを実行して二つのクラスタを生成し、それぞれの中心に最も近い二つの特徴量ベクトルを選択してもよい。
【０１９８】
なお、ここでは二つの特徴量ベクトルを選択する例を示したが、三つ以上の特徴量ベクトルが選択されてもよい。例えば、選択されたクラスタを対象として分析条件設定画面生成部１０６がクラスタリングを実行することによって三つ以上のクラスタを生成してもよい。
【０１９９】
このようにして選択された特徴量ベクトルは、図１４に示す方法によって算出されたものであるから、それらの特徴量ベクトルに対応する測位データを特定することができる。特定された測位データからは、その測位データが、どの時刻に、どの位置に、どの監視対象者がいたことを示すものであるかを特定することができる（図６参照）。
【０２００】
図２４は、本発明の第１の実施形態のモニタリングサーバ１００が実行するセンサ・測位対応処理を示すフローチャートである。
【０２０１】
図２４に示す処理は、図２２のステップ２２０２において実行される。
【０２０２】
最初に、センサ・測位統合部１０３は、監視区域に設置された各センサ１３０のセンシング領域を取得する（ステップ２４０１）。センシング領域とは、各センサ１３０によってセンシング可能な領域であり、具体的には、センサパラメータ１０００に含まれる設置箇所１００３及びセンサパラメータ１００４に基づいて特定される。より具体的には、例えばセンサ１３０が監視カメラである場合、その監視カメラによって撮影される範囲が特定され、特定された範囲を示す情報がセンシング領域として取得される。
【０２０３】
次に、センサ・測位統合部１０３は、図２２のステップ２２０１において特定された測位データに対応するセンサ１３０を検索する（ステップ２４０２）。具体的には、センサ・測位統合部１０３は、ステップ２４０１において取得されたセンシング領域と、ステップ２２０１において特定された測位データが示す時刻及び位置と、に基づいて、当該測位データが示す時刻に、当該測位データが示す位置をセンシング可能であったセンサ１３０のセンサＩＤを特定する。
【０２０４】
次に、センサ・測位統合部１０３は、特定されたセンサＩＤによって識別されるセンサ１３０が、当該測位データが示す時刻に取得したセンサ情報をセンサ情報ＤＢ１１１から取得する（ステップ２４０３）。例えば、特定されたセンサ１３０が監視カメラである場合、ステップ２４０３で取得されるセンサ情報は、当該測位データが示す時刻に当該監視カメラが撮影した画像データである。
【０２０５】
以上でセンサ・測位対応処理が終了する。
【０２０６】
図２５は、本発明の第１の実施形態の画面表示装置１２０によって表示されるセンサ情報提示画面の説明図である。
【０２０７】
分析条件設定画面生成部１０６は、図２２のステップ２２０３において、センサ情報提示画面２５００を画面表示装置１２０に表示させる。センサ情報提示画面２５００は、第１センサ情報表示部２５０１、第１歩行者情報表示部２５０２、第２センサ情報表示部２５０３、第２歩行者情報表示部２５０４、「区別あり」ボタン２５０５、「不明」ボタン２５０６及び「区別なし」ボタン２５０７を含む。
【０２０８】
既に説明したように、図２２のステップ２２０１では二つの測位データが特定され、ステップ２２０２ではそれぞれの測位データに対応するセンサ情報が取得される。第１センサ情報表示部２５０１及び第２センサ情報表示部２５０３には、このようにして取得されたそれぞれの測位データに対応するセンサ情報（図２５の例では監視カメラが撮影した画像）が表示される。
【０２０９】
第１歩行者情報表示部２５０２及び第２歩行者情報表示部２５０４には、それぞれ、第１センサ情報表示部２５０１及び第２センサ情報表示部２５０３に表示されたセンサ情報に対応する監視対象者に関する情報が表示される。上記のように、それぞれのセンサ情報には測位データが対応付けられ、それぞれの測位データがどの監視対象者に関するものであるかを特定することができるため、第１歩行者情報表示部２５０２及び第２歩行者情報表示部２５０４には、それぞれの監視対象者に関する情報、例えば、各監視対象者の性別、各監視対象者が監視区域に入った時刻及び監視区域に滞在した時間等が表示される。
【０２１０】
なお、監視対象者の性別を表示するためには、モニタリングサーバ１００が各監視対象者の識別子（図６に示す歩行者ＩＤ）と、その監視対象者の性別とを対応付ける情報を保持する必要がある。同様に、各監視対象者とその年齢、性別、担当業務又は役職等の属性を対応付ける情報が保持されている場合、それらの属性が第１歩行者情報表示部２５０２及び第２歩行者情報表示部２５０４に表示されてもよい。
【０２１１】
また、各監視対象者が監視区域に入った時刻及び監視区域に滞在した時間は、各監視対象者に対応する動線に含まれる測位データの取得時刻に基づいて特定することができる。
【０２１２】
上記のように、第１センサ情報表示部２５０１及び第２センサ情報表示部２５０３には、図２２のステップ２２０１で特定された二つの測位データに対応するセンサ情報、すなわち、それぞれの測位データが取得された時刻にそれぞれの測位データが示す位置を含む領域を監視カメラが撮影した画像が表示される。すなわち、それぞれの測位データに対応する監視対象者がそれらの画像に写っている可能性が高い。すなわち、管理者がそれらの画像を参照して、それぞれの監視対象者がどのような行動を行っているかを特定できる可能性が高い。
【０２１３】
このため、管理者は、第１センサ情報表示部２５０１及び第２センサ情報表示部２５０３に表示された画像を参照して、ステップ２２０１において特定された二つの特徴量ベクトルに対応する二つの行動を異なる行動として区別すべきか、区別すべきでないか（すなわち同一の行動に分類すべきか）を判定する。管理者は、これらを区別すべきであると判定した場合、「区別あり」ボタン２５０５を操作し、区別すべきでないと判定した場合、「区別なし」ボタン２５０７を操作する。
【０２１４】
一方、表示された画像に基づいて区別すべきか否かを判定することが困難であった場合、管理者は、「不明」ボタン２５０６を操作する。この場合、分析条件設定画面生成部１０６は、再びステップ２２０１を実行して、前回とは異なる二つの特徴量ベクトルを選択する。例えば、分析条件設定画面生成部１０６は、選択されたクラスタに含まれる特徴量ベクトルのうち、前回選択された特徴量ベクトルの次に距離が離れている特徴量ベクトルの組を選択してもよい。そして、再びステップ２２０２及び２２０３が実行され、新たに選択された特徴量ベクトルに対応するセンサ情報が表示される。
【０２１５】
一般に、測位データのみから算出された特徴量ベクトルに基づいて監視対象者の行動を分析する場合、管理者が望んだとおりに行動を分類できるとは限らない。しかし、上記のように、測位データに対応付けられたセンサデータを管理者が参照して二つの行動を分類するか否かを判定することによって、管理者の目的に応じた適切な行動の分析を行うことが可能になる。
【０２１６】
なお、図２５にはセンサ情報として監視カメラが撮影した画像が表示される例を示したが、それ以外のセンサ情報が提示されてもよい。例えばセンサ１３０がマイクロフォンである場合、ステップ２２０３において音声が再生されてもよい（第２実施形態参照）。その場合、管理者は、再生された音声に基づいて各監視対象者が行った行動を特定し、それに基づいて二つの行動を区別するか否かを判定することができる。
【０２１７】
あるいはセンサ１３０が販売履歴を記録する自動販売機である場合、センサ情報提示画面２５００にはその販売履歴が表示されてもよい。その場合、管理者は、例えば、表示された販売履歴に基づいて監視対象者が商品を購入したか否かを判定し、それに基づいて二つの行動を区別するか否かを判定することができる。
【０２１８】
また、管理者は、上記のようなセンサ情報を用いずに、二つの行動を区別すべきか否かを判定することもできる。例えば、モニタリングサーバ１００は、ステップ２２０１において特定された二つの測位データの各々が、いつ、どこに、どの監視対象者がいたことを示す情報であるかを示す情報を管理者に提示してもよい。管理者は、このようにして特定された各監視対象者から、特定された時刻及び位置においてどのような行動を行っていたかを聞き出し、それに基づいて二つの行動を区別するか否かを判定してもよい。
【０２１９】
図２６は、本発明の第１の実施形態のモニタリングサーバ１００が実行する分析条件調整処理を示すフローチャートである。
【０２２０】
センサ情報提示画面２５００において「区別あり」ボタン２５０５が操作されると、分析条件調整処理が実行される。
【０２２１】
最初に、分析条件調整部１０５は、動線解析パラメータを算出する（ステップ２６０１）。具体的には、分析条件調整部１０５は、図２２のステップ２２０１において選択されたクラスタを分割し、分割されたそれぞれのクラスタの中心位置を特定し、それらのクラスタに新たな識別子（すなわち状態ラベル）を付与する。
【０２２２】
クラスタの分割は、種々の方法によって行うことができる。例えば、ステップ２２０１において、当該クラスタ内で最も離れた二つの特徴量ベクトルが選択された場合、分析条件調整部１０５は、当該クラスタを、選択された二つの特徴量ベクトルに対応する新たな二つのクラスタに分割し、当該クラスタ内の残りの特徴量ベクトルを、選択された二つの特徴量ベクトルのうち距離が近い方に対応するクラスタに分類してもよい。その場合、分析条件調整部１０５は、新たな二つのクラスタの中心位置を算出し、状態ラベルを付与する。
【０２２３】
あるいは、動線解析部１０４が当該クラスタのみを対象として、当該クラスタをさらに二つのクラスタに分割するためのクラスタリングを実行し、分析条件調整部１０５が分割されたクラスタの中心位置を算出し、状態ラベルを付与してもよい。このとき、動線解析部１０４は、ステップ２２０１において選択された二つの特徴量ベクトルを初期クラスタ中心としてクラスタリングを実行してもよい。
【０２２４】
次に、分析条件調整部１０５は、算出された動線解析パラメータを分析情報ＤＢ１１４に反映させる（ステップ２６０２）。具体的には、分析条件調整部１０５は、ステップ２６０１において算出した新たなクラスタの中心位置と、それらに付与された識別子とを、分析情報ＤＢ１１４にクラスタ情報１８００として格納する。このとき、分割の対象となったクラスタ（すなわち分割される前のクラスタ）に関する情報は、分析情報ＤＢ１１４から削除される。
【０２２５】
次に、分析条件調整部１０５は、動線解析部１０４に動線解析処理の再実行を要求する（ステップ２６０３）。この要求を受けた動線解析部１０４は、ステップ２６０２において更新された分析情報ＤＢ１１４に基づいて、動線解析処理（図１１等）を実行する。ただし、この場合、上記のように更新されたクラスタ情報１８００が既に分析情報ＤＢ１１４に格納されているため、クラスタリング処理（図１３）のステップ１３０１において、「クラスタ情報がある」と判定される。このため、クラスタリングの実行（ステップ１３０２〜１３０４）は省略され、ステップ２６０２において更新された分析情報ＤＢ１１４がステップ１１０２以降の処理において参照される。
【０２２６】
以上で分析条件調整処理が終了する。
【０２２７】
管理者は、動線解析処理の再実行の結果を参照して（図１９）、その結果が十分であるか、具体的には、管理者が区別したい行動がそれぞれ異なる状態（すなわちクラスタ）に対応しているか否かを判定することができる。この判定のために、既に説明した手順に従って、図２５に示す画面を参照することもできる。再実行の結果が十分なものである（すなわちこれ以上行動を細かく分類する必要がない）と判定された場合、終了ボタン１９０４又は「区別なし」ボタン２５０７が操作され、図３に示した全ての処理が終了する。
【０２２８】
以上の本発明の第１の実施形態によれば、監視対象者の行動を動線に基づいて分析するときに、クラスタリングによって自動的に行動を分類するだけでなく、管理者の指定に従って、分析の粒度（すなわち行動の分類の細かさ）を調整することができる。これによって、監視対象者の位置情報から、管理者の分析目的に応じて、必要な情報を抽出することができる。
【０２２９】
＜第２の実施形態＞
続いて、本発明の第２の実施形態について説明する。第２の実施形態において第１の実施形態と共通する部分に関する説明は省略し、相違点についてのみ以下に説明する。
【０２３０】
最初に、第２の実施形態の概要を説明する。
【０２３１】
第１の実施形態では、既に説明したように、測位データから特徴量ベクトルが算出され、複数の特徴量ベクトルをクラスタリングすることによってクラスタ（すなわち、分類された行動に対応する「状態」）が特定され、状態間の遷移確率が計算される。さらに、管理者の指定に従って、クラスタをさらに分割することができる。
【０２３２】
しかし、実際には、特定の状態遷移を一つの状態として扱うことが望ましい場合がある。一例として、屋外の監視区域において、監視対象者が信号機のある横断歩道を渡るという行動について述べる。この行動に対応する測位データから、上記のクラスタリングによって、信号機のある横断歩道の一方の端まで移動するという行動に対応する状態ａと、その地点で（信号機が進行を表示するまで）停止したまま待つという行動に対応する状態ｂと、横断歩道をもう一方の端まで移動するという行動に対応する状態ｃと、が抽出され得る。しかし、このような一連の行動の各々に対応する状態を抽出する必要はなく、「横断歩道を渡る」という行動全体に対応する一つの状態Ａを抽出したい場合もあり得る。
【０２３３】
第２の実施形態では、上記のような一連の行動に対応する複数の状態ラベルの列（例えば「ａｂｃ」）と、それに対応する一つの状態ラベル（例えば「Ａ」）とを対応付ける情報（すなわち状態判定辞書）に基づいて、クラスタリングによって抽出された複数の状態から、一つの状態が推定される。
【０２３４】
なお、以下の説明では、特徴量ベクトルのクラスタリングの結果として取得された上記の「ａ」「ｂ」「ｃ」のような状態及びその状態ラベルと、それらの列に割り当てられた「Ａ」のような状態及びその状態ラベルとを区別するために、便宜上、前者を「移動状態」及び「移動状態ラベル」と記載し、後者を「状態」及び「状態ラベル」と記載する。「移動状態」及び「移動状態ラベル」は、第１の実施形態の「状態」及び「状態ラベル」に相当する。「状態ラベル」が割り当てられなかった「移動状態ラベル」は、後述する状態ラベルの遷移列の統計モデルへの当てはめ（図２７のステップ１１０２）及び統計モデルからの情報抽出（図２７のステップ１１０３）において、「状態ラベル」として扱われる。
【０２３５】
続いて、第２の実施形態の詳細について図面を参照して説明する。
【０２３６】
図２７は、本発明の第２の実施形態のモニタリングサーバ１００が実行する動線解析処理を示すフローチャートである。
【０２３７】
図２７に示す処理は、第１の実施形態の動線解析処理（図１１）と同様、図３のステップ３２１において実行される。
【０２３８】
最初に、動線解析部１０４は、測位データの特徴量を算出し、移動状態ラベルを生成する（ステップ１１０１）。この手順は第１の実施形態と同じである（図１２Ａ等参照）。
【０２３９】
次に、動線解析部１０４は、ステップ１１０１において生成された移動状態ラベルと、状態判定辞書とを比較し、その結果に基づいて状態ラベルを推定する（ステップ２７０１）。
【０２４０】
本実施形態の分析情報ＤＢ１１４には、図１７及び図１８に示した情報に加えて、状態判定辞書２８００及び状態判定設定情報２９００が格納される。これらの情報の詳細については図２８及び図２９を参照して、これらの情報に基づく状態ラベルの推定処理については図３０Ａ〜図３２を参照して後述する。
【０２４１】
次に、動線解析部１０４は、ステップ２７０１において推定された状態ラベルに基づいて、状態ラベル遷移列を統計モデルに当てはめる（ステップ１１０２）。次に、動線解析部１０４は、統計モデルから情報を抽出する（ステップ１１０３）。これらの手順は第１の実施形態と同じである（図１５等参照）。
【０２４２】
以上で第２の実施形態の動線解析処理が終了する。
【０２４３】
図２８は、本発明の第２の実施形態の分析情報ＤＢ１１４に格納される状態判定辞書の説明図である。
【０２４４】
状態判定辞書２８００は、状態ラベル２８０１、移動状態記号列２８０２、空間条件２８０３及び条件粒度２８０４を含む。
【０２４５】
状態ラベル２８０１は、状態を一意に識別する情報である。これは、移動状態ラベルの列に割り当てられるべき状態ラベルであり、ステップ２７０１において推定された状態ラベルに相当する。上記の横断歩道の例で言えば、「Ａ」が状態ラベル２８０１に相当する。
【０２４６】
移動状態記号列２８０２は、状態ラベル２８０１によって識別される状態（すなわち当該状態）に対応する移動状態の記号列情報である。上記の横断歩道の例で言えば、「ａｂｃ」が移動状態記号列２８０２に相当する。より詳細な例については後述する。
【０２４７】
空間条件２８０３は、周囲の地物の条件を指定する文字列である。周囲の地物の条件として、例えば、状態判定辞書２８００と比較される移動状態ラベルの列に対応する動線の周囲の地物の種類、その地物から当該動線までの距離及びその地物から当該動線上の点までの方向等を示す情報が含まれる。この文字列は、どのような文法によって記述されてもよい。その一例はＸＭＬ（Extensible Markup Language）である。上記の横断歩道の例で言えば、地物の属性が信号機であること、その信号機からの距離、及びその信号機からの方向等を示す文字列が空間条件２８０３に相当する。
【０２４８】
条件粒度２８０４は、条件の粒度（すなわち細かさ）を表現するレベルである。例えば、上記のように「横断歩道を渡る」という行動に対応する状態Ａを抽出することが望まれる場合もあるが、さらに大きい（すなわち粗い）粒度で状態を抽出したい場合、より具体的には、例えば、ある地点から別のある地点に移動する（そしてその途中で上記の横断歩道を通過する）という行動に相当する状態Ｂを抽出することが望まれる場合もあり得る。このような場合には、当該「ある地点から別のある地点に移動する」という行動に対応する移動状態ラベルの列（すなわち上記の「ａｂｃ」を含む、それより長い列）が移動状態記号列２８０２として登録され、それに対応する条件粒度２８０４として、上記の「横断歩道を渡る」に対応する条件粒度２８０４より大きい粒度を示す値が登録される。
【０２４９】
ただし、粒度の大きさは、それに対応する移動状態ラベルの列の長さに必ずしも依存しない。例えば、「横断歩道を渡る」行動は、さらに、監視対象者が横断歩道の一方の端で停止した後、もう一方の端に移動するという行動と、停止せずに移動するという行動とに分類することができる場合がある。この場合、「横断歩道を渡る」行動に対応する粒度は、「一旦停止した後で横断歩道を渡る」行動の粒度及び「停止せずに横断歩道を渡る」行動の粒度より大きくなる。
【０２５０】
条件粒度２８０４の値は、管理者が手動で設定してもよいが、モニタリングサーバ１００が自動で設定してもよい。自動で設定する場合、例えば、空間条件２８０３によって指定された地物の大きさが小さいほど、細かい粒度を示す値を設定してもよいし、移動状態記号列２８０２の長さが短いほど、細かい粒度を示す値を設定してもよい。
【０２５１】
上記のように、例えば空間条件２８０３として地物「信号機」からの距離及び方向の範囲が定められ、それに対応する状態ラベル２８０１及び移動状態記号列２８０２としてそれぞれ「Ａ」及び「ａｂｃ」が登録されている場合において、信号機からの距離及び方向が当該定められた範囲内にある動線から移動状態ラベルの列「ａｂｃ」が抽出された場合、その動線が監視対象者の「横断歩道を渡る」という行動に対応すると判定される。
【０２５２】
状態判定辞書２８００として、上記のような状態ラベル２８０１〜条件粒度２８０４の複数の組が登録され得る。例えば、別の空間条件２８０３として地物「本棚」が登録され、それに対応する所定の移動状態記号列２８０２の値と、それに対応する行動「本棚から本を取る」に対応する状態ラベル２８０１の値と、それらに対応する条件粒度２８０４の値と、の組が登録されてもよい。以下の説明においてこれらの組の各々を辞書項目と記載する。
【０２５３】
図２９は、本発明の第２の実施形態の分析情報ＤＢ１１４に格納される状態判定設定情報の説明図である。
【０２５４】
状態判定設定情報２９００は、空間条件２９０１及び条件粒度２９０２を含む。これらは、それぞれ、状態判定辞書２８００の空間条件２８０３及び条件粒度２８０４と同様のものである。ただし、初期状態において状態判定設定情報２９００は空であり、条件粒度が設定されたときに、その結果が状態判定設定情報２９００に格納される。
【０２５５】
続いて、図２７のステップ２７０１において実行される処理について説明する。ステップ２７０１では、まず、図３０Ａ〜図３０Ｃに示すように、状態判定辞書に基づく状態ラベルの推定処理が実行される。
【０２５６】
図３０Ａは、本発明の第２の実施形態のモニタリングサーバ１００が実行する状態判定辞書に基づく状態ラベルの推定処理を示すフローチャートである。
【０２５７】
図３０Ｂは、本発明の第２の実施形態における状態判定辞書の項目の検索処理の説明図である。
【０２５８】
図３０Ｃは、本発明の第２の実施形態における状態ラベルの割り当ての説明図である。
【０２５９】
最初に、動線解析部１０４は、ステップ１１０１において生成された移動状態ラベルの列に対応する動線の周囲の地物の配置が空間条件２８０３を満たす辞書項目を状態判定辞書２８００から検索する（ステップ３００１）。例えば、当該動線が本棚の近くを通り、部屋の中を通り、さらに別のいくつかの地物の近くを通る場合に、それらの地物と当該動線との位置関係が、状態判定辞書２８００に登録された各辞書項目の空間条件２８０３を満たすか否かが判定され、満たすと判定された辞書項目が検索の結果として取得される（図３０Ｂ参照）。
【０２６０】
次に、動線解析部１０４は、ステップ３００１において検索された辞書項目の移動状態記号列２８０２と、ステップ１１０１において生成された移動状態ラベルの列とを比較し、それらが類似する場合、その辞書項目の状態ラベル２８０１を当該移動状態ラベルの列に対応する状態ラベルとして割り当てる（ステップ３００２）。
【０２６１】
この比較、及び、類似するか否かの判定は、公知の方法によって行うことができる。例えば、当該移動状態ラベルの列から切り出された区間と、移動状態記号列２８０２との一致度が計算され、その一致度が所定の閾値より高ければ、その区間に、移動状態記号列２８０２に対応する状態ラベル２８０１が割り当てられてもよい（図３０Ｃ参照）。このような比較を、移動状態ラベルの列から切り出された全区間について行い、最も一致度が高い区間が選択されてもよい。二つの区間の一致度は、例えば、それらの区間において一致する移動状態ラベルの個数等に基づいて算出される。
【０２６２】
なお、状態判定設定情報２９００の条件粒度２９０２として粒度が指定されている場合には、その指定された粒度に対応する辞書項目がステップ３００１において検索される。しかし、初期状態においては、条件粒度２９０２として粒度が指定されていない。この場合には、最も粗い粒度の辞書項目が検索される。このため、図３０Ａ〜図３０Ｃに示した状態ラベルの推定処理によって推定された状態ラベルの粒度が、管理者にとって望ましい粒度より大きい可能性がある。このため、動線解析部１０４は、より細かい粒度の状態ラベルを推定するか否かを管理者に判定させる処理を実行する。これについて図３１Ａ〜図３２を参照して説明する。
【０２６３】
図３１Ａは、本発明の第２の実施形態のモニタリングサーバ１００が実行する分析パラメータ調整候補選択処理を示すフローチャートである。
【０２６４】
図３１Ｂは、本発明の第２の実施形態における同一状態ラベルが割り当てられた区間の検索処理の説明図である。
【０２６５】
図３１Ｃは、本発明の第２の実施形態におけるより細かい粒度の状態の特定処理の説明図である。
【０２６６】
図３１Ｄは、本発明の第２の実施形態における一致度が高い状態の選択処理の説明図である。
【０２６７】
複数の動線について図３０Ａ〜図３０Ｃに示した状態ラベルの推定処理が実行された後に分析パラメータ調整候補選択処理が実行される。
【０２６８】
最初に、動線解析部１０４は、分析パラメータ調整候補選択処理によって同一の状態ラベルが割り当てられた移動状態ラベルの列の複数の区間を選択する（ステップ３１０１）。例えば、ある移動状態ラベルの列（すなわち移動状態遷移列）の区間「ａｂｂｂａｂｂｂａａ」に状態ラベル「Ａ」が割り当てられ、別の区間「ａｂｂａｂｂｂｂａａ」にも状態ラベル「Ａ」が割り当てられている場合、これらの区間が選択されてもよい（図３１Ｂ参照）。
【０２６９】
次に、動線解析部１０４は、ステップ３１０１において選択された各区間について、前回の状態ラベルの推定処理において適用されたものより細かい条件粒度２８０４に対応する移動状態記号列２８０２と一致するか否か（より正確には、一致度が所定の閾値より高いか否か）を判定する（ステップ３１０２）。図３１Ｃの例では、上記の区間「ａｂｂｂａｂｂｂａａ」に、状態ラベル「Ａ」より細かい条件粒度２８０４に対応する状態ラベル「Ｃ」に対応する移動状態記号列２８０２が一致すると判定され、区間「ａｂｂａｂｂｂｂａａ」には、状態ラベル「Ｄ」に対応する移動状態記号列２８０２が一致すると判定される。
【０２７０】
動線解析部１０４は、同様の処理を、例えば状態ラベルの推定処理によって状態ラベル「Ａ」が割り当てられた複数の区間について行う。その結果、例えば、それらの複数の区間のうちいくつかは状態ラベル「Ｃ」に対応する移動状態記号列２８０２と一致し、別のいくつかは状態ラベル「Ｄ」に対応する移動状態記号列２８０２と一致し、さらに別のいくつかは状態ラベル「Ｅ」に対応する移動状態記号列２８０２と一致すると判定されたと仮定する。この場合、動線解析部１０４は、一致すると判定された区間の数が多い順に二つの状態ラベル（例えば「Ｃ」及び「Ｄ」）を選択し、さらに、それぞれに対応する移動状態記号列２８０２との一致度が高い区間を選択する（ステップ３１０３及び図３１Ｄ）。
【０２７１】
そして、モニタリングサーバ１００は、選択された区間に対応するセンサ情報を管理者に提示する。この提示処理は第１の実施形態と同様に実行される（図２４参照）。これによって提示されるセンサ情報の例について、図３２を参照して説明する。
【０２７２】
図３２は、本発明の第２の実施形態の画面表示装置１２０によって表示されるセンサ情報提示画面の説明図である。
【０２７３】
図３２に示すセンサ情報提示画面３２００は、第１センサ情報表示部３２０１、第１歩行者情報表示部２５０２、第２センサ情報表示部３２０３、第２歩行者情報表示部２５０４、「区別あり」ボタン２５０５、「不明」ボタン２５０６及び「区別なし」ボタン２５０７を含む。これらのうち第１歩行者情報表示部２５０２、第２歩行者情報表示部２５０４、「区別あり」ボタン２５０５、「不明」ボタン２５０６及び「区別なし」ボタン２５０７は、第１の実施形態において説明したものと同じであるため、説明を省略する。
【０２７４】
第１センサ情報表示部３２０１及び第２センサ情報表示部３２０３は、それぞれ、第１音声再生ボタン３２０２及び第２音声再生ボタン３２０４を含むことを除いて、第１の実施形態の第１センサ情報表示部２５０１及び第２センサ情報表示部２５０３と同じである。第１音声再生ボタン３２０２及び第２音声再生ボタン３２０４は、センサ１３０としてマイクロフォンが設置されている場合に使用される。管理者が第１音声再生ボタン３２０２及び第２音声再生ボタン３２０４を操作すると、それぞれに対応する音声（例えば、上記の選択された状態ラベル「Ｃ」及び「Ｄ」に対応する時刻及び位置において録音された音声）が再生される。
【０２７５】
管理者は、提示された画像又は音声を参照して、例えば状態Ａを状態Ｃ、Ｄ等に区別する必要があるか否かを判定する。区別する必要があると判定された場合、「区別あり」ボタン２５０５が操作され、動線解析部１０４は、ステップ３１０２の結果に従って、より粒度が細かい状態ラベルを割り当てる。例えば、状態ラベル「Ａ」に代えて、状態ラベル「Ｃ」、「Ｄ」及び「Ｅ」等が割り当てられる。さらに、この場合、状態ラベル「Ｃ」等に対応する条件粒度２８０４の値が状態判定設定情報２９００の条件粒度２９０２として登録される。
【０２７６】
なお、第１の実施形態においても同様の方法によって音声が再生されてもよい。
【０２７７】
上記の処理の結果、例えば、移動状態ラベルの列「ａｂｂｂａｂｂｂａａ」に状態ラベル「Ｃ」が割り当てられると判定された場合、移動状態ａ及び移動状態ｂが新たな状態Ｃに統合される。すなわち、移動状態ａに対応するクラスタに含まれる全ての特徴量ベクトル、及び、移動状態ｂに対応するクラスタに含まれる全ての特徴量ベクトルを含む新たなクラスタが生成され、そのクラスタに対応する状態ラベルとして「Ｃ」が割り当てられる。そのクラスタの中心位置及び周囲のクラスタとの間の遷移確率等が計算され、分析情報ＤＢ１１４に格納される（図１７及び図１８参照）。
【０２７８】
以上の本発明の第２の実施形態によれば、特定の移動状態の列に対応する、より粒度の大きい状態を自動的に抽出することができ、さらに、その粒度が大きすぎない適切な値となるように管理者が調整することができる。
【０２７９】
＜第３の実施形態＞
続いて、本発明の第３の実施形態について説明する。第３の実施形態において第１又は第２の実施形態と共通する部分に関する説明は省略し、相違点についてのみ以下に説明する。
【０２８０】
第１及び第２の実施形態では、複数の監視対象者の動線を分析するための粒度が調整された。これに対して、第３の実施形態では、一人の監視対象者の動線を分析するための粒度が調整される。
【０２８１】
図３３Ａは、本発明の第３の実施形態のモニタリングサーバ１００が実行する分析パラメータ調整候補選択処理を示すフローチャートである。
【０２８２】
図３３Ｂは、本発明の第３の実施形態におけるより細かい粒度の状態の特定処理の説明図である。
【０２８３】
第２の実施形態と同様の方法によって、移動状態ラベルの列の区間（例えば「ａｂｂｂａｂｂｂａａ」）に対応する状態ラベル（例えば「Ａ」）が特定されると、第３の実施形態の動線解析部１０４は、当該区間に一致するより粒度の細かい状態を特定する（ステップ３３０１）。例えば、状態判定辞書２８００に、状態ラベル「Ｆ」、「Ｇ」及び「Ｈ」のそれぞれに対応する移動状態記号列「ａｂ」、「ｂｂａ」及び「ｂｂｂａａ」が登録されている場合、上記の移動状態ラベルの列「ａｂｂｂａｂｂｂａａ」の先頭の二つが状態ラベル「Ｆ」に、次の三つが状態ラベル「Ｇ」に、残りの五つが状態ラベル「Ｈ」に対応する（図３３Ｂ参照）。
【０２８４】
例えば、状態Ａが「横断歩道を渡る」という行動に対応する場合、状態Ｆが「横断歩道の一方の端まで移動する」という行動に対応し、状態Ｇが「信号機が進行を表示するまで停止したまま待つ」という行動に対応し、状態Ｈが「横断歩道をもう一方の端まで移動する」という行動に対応してもよい。
【０２８５】
この場合、動線解析部１０４は、特定された状態ラベルのうち二つを選択する（ステップ３３０２）。図３３Ｂに示した例では、いずれの状態の一致率も１００％（すなわち完全一致であるが、一致率に差がある場合には一致率が高い方から二つが選択されてもよい。このようにして選択された二つの状態について、第２の実施形態と同様の手順によってセンサ情報が管理者に提示される。管理者は、提示されたセンサ情報を参照して、粒度を細かくするか否かを判定することができる。
【０２８６】
以上の本発明の第３の実施形態によれば、一人の監視対象者の動線から状態を抽出する粒度を管理者が調整することができる。これによって、一人の人物が続けて行う行動をどのように切り分けて分析するかを決定することができる。
【０２８７】
＜第４の実施形態＞
続いて、本発明の第４の実施形態について説明する。第４の実施形態において第１から第３の実施形態と共通する部分に関する説明は省略し、相違点についてのみ以下に説明する。
【０２８８】
第１の実施形態では、クラスタリングによって取得されたクラスタ（すなわち状態）から、分割対象の候補が選択され、管理者が分割を指示した場合にはそのクラスタが二つに分割された。一方、第４の実施形態では、パターンの分類に寄与する可能性が低い二つのクラスタが統合される。
【０２８９】
例えば、ある場所においてある行動を行った全ての監視対象者が、それに続いて別のある行動を必ず行うのであれば、それらの行動を区別したとしても、パターンの分類に寄与しない。第４の実施形態ではそのような行動を抽出して統合する。
【０２９０】
図３４は、本発明の第４の実施形態の分析情報ＤＢ１１４に格納される状態判定設定情報の説明図である。
【０２９１】
図３４に示す状態判定設定情報は、統合対象状態ラベル３４０１を含む。これは、統合対象として選択された状態ラベルの配列である。
【０２９２】
次に、本実施形態の対象歩行者選択処理について説明する。本実施形態の対象歩行者選択処理は、第１の実施形態の対象歩行者選択処理の代わりに（またはそれと併せて）図２２のステップ２２０１において実行されてもよい。
【０２９３】
分析条件設定画面生成部１０６は、生成された状態ラベル遷移列を統計モデルに当てはめた結果を参照する。例えば、図１５に示す統計モデルにおいて、各パターンにおける特定の状態遷移の確率を示すωの値の間の差が小さく、それらのωの値がほぼ１であり、かつ、その特定の状態遷移の前後の状態の平均位置が近い場合、それらの状態を区別することがパターンの分類に寄与しない可能性が高い。
【０２９４】
より具体的には、分析条件設定画面生成部１０６は、特定のμ及びνに関するωμν(k)の値を、全てのｋについて取得し、それらのωμν(k)の値の差（ばらつき）が所定の閾値以下であり、それらのωμν(k)の値が所定の閾値以上であり、かつ、それらのωμν(k)に対応する状態遷移の前後の状態に対応する測位データが示す位置の平均値の間の距離が所定の閾値以下である場合、それらの状態に対応するクラスタの中心に最も近い監視対象者を対象歩行者として選択する。
【０２９５】
以後、選択された対象歩行者について、第１の実施形態と同様にセンサ情報が提示され（図２５参照）、管理者が「区別なし」ボタン２５０７を選択した場合、それらの状態が一つの状態に統合される。
【０２９６】
以上の本発明の第４の実施形態によれば、区別してもパターンの分類に寄与する可能性が低い二つのクラスタを統合することによって、状態遷移を整理することができる。
【符号の説明】
【０２９７】
１００ モニタリングサーバ
１０１ センサ情報管理部
１０２ 測位記録管理部
１０３ センサ・測位統合部
１０４ 動線解析部
１０５ 分析条件調整部
１０６ 分析条件設定画面生成部
１０７ 分析結果画面生成部
１１１ センサ情報データベース（ＤＢ）
１１２ 測位ＤＢ
１１３ 屋内地図ＤＢ
１１４ 分析情報ＤＢ
１１５ ユーザＤＢ
１２０ 画面表示部
１３０ センサ
１４０ 移動体端末
１５０ 環境側測位装置
１６０Ａ、１６０Ｂ ネットワーク
【技術分野】
【０００１】
本発明は、位置情報を用いたモニタリングシステムに関し、特に、監視対象者の動線に基づいて監視対象者の行動を分析する技術に関する。
【背景技術】
【０００２】
従来、監視対象者の移動軌跡である動線と、監視カメラによって撮影された画像と、を参照することによって、監視対象者の行動を監視する技術が提案されている。
【０００３】
例えば、特許文献１には、監視対象者の動線を用いて、監視カメラが撮影した画像を検索する技術が開示されている。
【０００４】
特許文献２には、ＲＦＩＤを用いて取得された監視対象者の位置情報と監視カメラの映像とを比較することによって両者を対応付け、これによって異常を検出する技術が開示されている。
【先行技術文献】
【特許文献】
【０００５】
【特許文献１】特開２０１０−１２３０６９号公報
【特許文献２】特開２００６−３１１１１１号公報
【発明の概要】
【発明が解決しようとする課題】
【０００６】
監視対象者の動線を取得した場合、その動線を分析することによって、監視対象者の行動を分析することができる。しかし、その分析に必要な粒度は、監視対象者の行動を分析する目的によって異なる。言い換えると、分析によってある行動を区別する必要があるか否かは、分析の目的によって異なる。
【０００７】
例えば、監視対象者が階段を通過するという行動を分析する場合において、単に監視対象者が移動をしたか否かを判定すれば十分である場合は、通過に要した時間にかかわらず、監視対象者が階段を通過したか否かを判定すればよい。監視対象者が階段以外の通路（例えば廊下）を通過した場合も同様である。
【０００８】
しかし、例えば階段の構造に関する調査を目的として監視対象者の行動を分析するのであれば、監視対象者が「比較的短時間で階段を通過した」という行動と、「比較的長時間をかけて階段を通過した」という行動を、異なる行動として判定する必要が生じる場合がある。この例においても、監視対象者が廊下を通過する行動については、それに要した時間を問題にする必要はない。このような場合にも、従来は一律の基準によって分析が行われるため、分析の範囲（例えば廊下又は階段等）ごとに分析の粒度を目的に応じて任意に設定することができなかった。
【０００９】
本発明は上記の点に鑑みてなされたものであり、監視対象者の動線を分析する際に、範囲ごとに任意の粒度を指定することによって、必要な情報の抽出を可能にすることを目的とする。
【課題を解決するための手段】
【００１０】
本発明は、監視対象区域内の複数の監視対象者の行動を監視する監視装置であって、前記監視装置は、プロセッサと、前記プロセッサに接続される記憶装置と、を備え、前記記憶装置は、前記複数の監視対象者が携行する移動体端末の位置を示す測位データを保持し、前記プロセッサは、前記測位データに基づいて前記監視対象者の行動を分類し、複数の前記分類された行動から変更対象の候補を選択し、前記候補として選択された行動に対応する複数の測位データを抽出し、前記抽出された複数の測位データに関する情報を出力し、前記候補として選択された行動の分類を変更する指示が入力された場合、前記候補として選択された行動の分類を変更することを特徴とする。
【発明の効果】
【００１１】
本発明の一実施形態によれば、範囲ごとに分析の粒度を調整することによって、位置情報から監視対象者の行動を分析するために必要な情報を抽出することができる。
【図面の簡単な説明】
【００１２】
【図１】本発明の第１の実施形態の施設モニタリングシステムの構成を示すブロック図である。
【図２】本発明の第１の実施形態のモニタリングサーバのハードウェア構成を示すブロック図である。
【図３】本発明の第１の実施形態の施設モニタリングシステムの動作の全体を示すフローチャートである。
【図４】本発明の第１の実施形態において実行される測位結果の送付処理を示すシーケンス図である。
【図５】本発明の第１の実施形態において実行されるセンシング情報の送付処理を示すシーケンス図である。
【図６】本発明の第１の実施形態の移動体端末又は環境側測位装置から送信される測位結果の説明図である。
【図７】本発明の第１の実施形態のセンサから送信されるセンサ情報の説明図である。
【図８】本発明の第１の実施形態のセンサ情報ＤＢに格納されるセンサ情報の説明図である。
【図９】本発明の第１の実施形態の屋内地図ＤＢに格納される地図情報の説明図である。
【図１０】本発明の第１の実施形態の屋内地図ＤＢに格納されるセンサパラメータの説明図である。
【図１１】本発明の第１の実施形態のモニタリングサーバが実行する動線解析処理を示すフローチャートである。
【図１２Ａ】本発明の第１の実施形態のモニタリングサーバが実行する特徴量の算出及び状態ラベルの生成処理を示すフローチャートである。
【図１２Ｂ】本発明の第１の実施形態における測位データの分割の説明図である。
【図１２Ｃ】本発明の第１の実施形態における特徴量の算出の説明図である。
【図１２Ｄ】本発明の第１の実施形態におけるクラスタリングの説明図である。
【図１３】本発明の第１の実施形態のモニタリングサーバが実行するクラスタリング処理を示すフローチャートである。
【図１４】本発明の第１の実施形態のモニタリングサーバによって取得された状態ラベルの説明図である。
【図１５】本発明の第１の実施形態のモニタリングサーバによって使用される統計モデルの説明図である。
【図１６】本発明の第１の実施形態のモニタリングサーバによって実行される状態遷移抽出処理の説明図である。
【図１７】本発明の第１の実施形態の分析情報ＤＢに格納される状態遷移モデルの説明図である。
【図１８】本発明の第１の実施形態の分析情報ＤＢに格納されるクラスタ情報の説明図である。
【図１９】本発明の第１の実施形態の画面表示装置によって表示される分析状況提示処理の出力画面の説明図である。
【図２０】本発明の第１の実施形態のモニタリングサーバが実行する分析条件設定画面提示処理を示すフローチャートである。
【図２１】本発明の第１の実施形態のモニタリングサーバが実行する分析条件受付画面提示処理の説明図である。
【図２２】本発明の第１の実施形態のモニタリングサーバが実行する分析条件調整用画面提示処理を示すフローチャートである。
【図２３】本発明の第１の実施形態のモニタリングサーバが実行する対象歩行者選択処理の説明図である。
【図２４】本発明の第１の実施形態のモニタリングサーバが実行するセンサ・測位対応処理を示すフローチャートである。
【図２５】本発明の第１の実施形態の画面表示装置によって表示されるセンサ情報提示画面の説明図である。
【図２６】本発明の第１の実施形態のモニタリングサーバが実行する分析条件調整処理を示すフローチャートである。
【図２７】本発明の第２の実施形態のモニタリングサーバが実行する動線解析処理を示すフローチャートである。
【図２８】本発明の第２の実施形態の分析情報ＤＢに格納される状態判定辞書の説明図である。
【図２９】本発明の第２の実施形態の分析情報ＤＢに格納される状態判定設定情報の説明図である。
【図３０Ａ】本発明の第２の実施形態のモニタリングサーバが実行する状態判定辞書に基づく状態ラベルの推定処理を示すフローチャートである。
【図３０Ｂ】本発明の第２の実施形態における状態判定辞書の項目の検索処理の説明図である。
【図３０Ｃ】本発明の第２の実施形態における状態ラベルの割り当ての説明図である。
【図３１Ａ】本発明の第２の実施形態のモニタリングサーバが実行する分析パラメータ調整候補選択処理を示すフローチャートである。
【図３１Ｂ】本発明の第２の実施形態における同一状態ラベルが割り当てられた区間の検索処理の説明図である。
【図３１Ｃ】本発明の第２の実施形態におけるより細かい粒度の状態の特定処理の説明図である。
【図３１Ｄ】本発明の第２の実施形態における一致度が高い状態の選択処理の説明図である。
【図３２】本発明の第２の実施形態の画面表示装置によって表示されるセンサ情報提示画面の説明図である。
【図３３Ａ】本発明の第３の実施形態のモニタリングサーバが実行する分析パラメータ調整候補選択処理を示すフローチャートである。
【図３３Ｂ】本発明の第３の実施形態におけるより細かい粒度の状態の特定処理の説明図である。
【図３４】本発明の第４の実施形態の分析情報ＤＢに格納される状態判定設定情報の説明図である。
【発明を実施するための形態】
【００１３】
以下、図面を用いて本発明の実施の形態を説明する。
【００１４】
＜第１の実施形態＞
図１は、本発明の第１の実施形態の施設モニタリングシステムの構成を示すブロック図である。
【００１５】
本実施形態の施設モニタリングシステムは、モニタリングサーバ１００、画面表示装置１２０、一つ以上のセンサ１３０、一つ以上の移動体端末１４０、一つ以上の環境側測位装置１５０及びそれらを相互に接続するネットワーク１６０Ａ及び１６０Ｂを備える。
【００１６】
モニタリングサーバ１００は、監視区域内の移動体端末１４０の位置情報に基づいて、その移動体端末１４０を保持する監視対象者の行動を監視する。
【００１７】
ここで、監視区域とは、本実施形態の施設モニタリングシステムによる監視の対象の区域であり、例えば工場又は店舗等の施設である。監視区域が工場である場合、監視対象者は例えば工場の従業員であり、監視区域が店舗である場合、監視対象者は例えば店舗の従業員又は店舗の利用客である。なお、本実施形態では監視区域の典型例として工場内などの屋内を例示するが、屋外を監視する場合にも本発明を適用することができる。
【００１８】
監視区域の監視を行うために、モニタリングサーバ１００は、センサ情報管理部１０１、測位記録管理部１０２、センサ・測位統合部１０３、動線解析部１０４、分析条件調整部１０５、分析条件設定画面生成部１０６、分析結果画面生成部１０７、センサ情報データベース（ＤＢ）１１１、測位ＤＢ１１２、屋内地図ＤＢ１１３、分析情報ＤＢ１１４及びユーザＤＢ１１５を備える。これらの各部が実行する処理、各ＤＢに格納されるデータ、及び、これらを実現するためのハードウェア構成については後述する。
【００１９】
画面表示装置１２０は、例えばＣＲＴ（Cathode Ray Tube）又は液晶表示装置等である。画面表示装置１２０に表示される画面の例については後述する。
【００２０】
図１の例では、センサ１３０がネットワーク１６０Ａを介してモニタリングサーバ１００に接続され、移動体端末１４０及び環境側測位装置１５０がネットワーク１６０Ｂを介してモニタリングサーバ１００に接続される。このように、独立したネットワークが設けられてもよく、それらの種類が互いに異なっていてもよいが、単一のネットワークが共用されてもよい。これらのネットワークは、ＬＡＮ（Local Area Network）、ＷＡＮ（Wide Area Network）、公衆無線網、又はインターネット等であってもよい。また、ネットワークの形態は有線又は無線のいずれであってもよい。
【００２１】
移動体端末１４０は、各監視対象者が携行する装置である。本実施形態では、移動体端末１４０の位置情報が利用されるため、移動体端末１４０又は環境側測位装置１５０の少なくとも一方が移動体端末１４０の位置を計測する機能を備える必要がある。例えば、移動体端末１４０は、携帯電話機、ＰＨＳ（Personal Handyphone System）、無線通信機能付きのコンピュータ、ＰＤＡ（Personal Digital Assistants）又は少なくとも固有の識別情報を送信する無線タグ等である。
【００２２】
移動体端末１４０が例えばＧＰＳ（Global Positioning System）測位装置を備える携帯電話機又はＰＨＳである場合、移動体端末１４０は、ＧＰＳ測位装置によって取得された位置情報に、移動体端末１４０を識別する情報（ＩＤ情報、例えば電話番号）を付加し、ネットワーク１６０Ｂを介してそれらの情報をモニタリングサーバ１００に送信する。移動体端末１４０は、ＧＰＳ測位装置による測位の代わりに、例えば基地局から送信された信号を用いた測位を行ってもよい。この場合、測位のための信号を送信する基地局が環境側測位装置１５０であってもよい。
【００２３】
移動体端末１４０が例えばコンピュータ又はＰＤＡ等である場合、移動体端末１４０が監視区域内に設置された複数の無線ＬＡＮアクセスポイント又は電波ビーコンから送信される電波、光ビーコンから放射される光信号の強度（又は受信タイミング）に基づいて移動体端末１４０の位置を計算し、計算された位置を示す情報に移動体端末１４０のＩＤ情報を付加し、それらの情報をモニタリングサーバ１００に送信してもよい。この場合、無線ＬＡＮアクセスポイント、電波ビーコン又は光ビーコンが環境側測位装置１５０であってもよい。
【００２４】
環境側測位装置１５０が無線ＬＡＮアクセスポイントである場合、移動体端末１４０がＩＤ情報とともに測位信号を送信し、複数の環境側測位装置１５０が測位信号を受信した時刻を計測してもよい。各環境側測位装置１５０の位置が予め知られていれば、その位置と、測位信号の受信時刻の差とに基づいて、例えば三角測量と同様の方法を用いることによって、移動体端末１４０の位置を計算することができる。このような測位技術の一例として、ＡｉｒＬｏｃａｔｉｏｎ（登録商標）が知られている。
【００２５】
移動体端末１４０が無線タグである場合、環境側測位装置１５０は、移動体端末１４０にアクセスする送受信装置である。例えば、移動体端末１４０がいわゆるＲＦＩＤ（Radio Frequency Identification）タグである場合、複数の環境側測位装置１５０が監視区域の所定の位置に設置され、移動体端末１４０を身につけた監視対象者がいずれかの環境側測位装置１５０に接近すると、環境側測位装置１５０が無線信号を用いて移動体端末１４０のＩＤ情報を取得する。
【００２６】
そして、環境側測位装置１５０は、取得したＩＤ情報に自身の位置を特定できる情報を付加してそれらをモニタリングサーバ１００に送信する。環境側測位装置１５０自身の位置を特定できる情報とは、例えばその環境側測位装置１５０のＩＤ情報であってもよいし、その環境側測位装置１５０の座標を示す情報であってもよい。各環境側測位装置１５０のＩＤ情報と座標との対応関係が予め知られていれば、ＩＤ情報から環境側測位装置１５０の位置を特定することができる。環境側測位装置１５０の位置に基づいて、そこに接近した移動体端末１４０の近似的な位置を特定することができる。
【００２７】
あるいは、移動体端末１４０は、所定の測位信号を送信する無線タグであってもよい。複数の環境側測位装置１５０が測位信号を受信した時刻を計測し、その時刻の差に基づいて移動体端末１４０の位置を特定することができる。測位信号に移動体端末１４０のＩＤ情報が含まれていれば、環境側測位装置１５０は、そのＩＤ情報と、計測された位置情報とをモニタリングサーバ１００に送信することができる。
【００２８】
モニタリングサーバ１００は、各移動体端末１４のＩＤ情報と、それを携行する監視対象者の識別情報とを対応付ける情報を予め保持していれば、その情報に基づいて、受信した位置情報がどの監視対象者の位置を示しているかを特定することができる。
【００２９】
具体的には、ユーザＤＢ１１５には、各監視対象者を識別する情報（例えば監視対象者の氏名又は従業員コード等）と、各監視対象者が保持する移動体端末１４０を識別する情報と、を対応付ける情報が登録される。
【００３０】
センサ１３０は、監視区域における監視対象者の行動を示す情報を取得して、取得した情報を、ネットワーク１６０Ａを介してモニタリングサーバ１００に送信する。以下、主に、センサ１３０が監視カメラである例について説明するが、センサ１３０は、その他のセンサ、例えばマイクロフォン、超音波センサ又は赤外線センサ等であってもよいし、販売履歴をモニタリングサーバ１００に送信する機能を備える自動販売機等であってもよい。
【００３１】
センサ１３０が監視カメラである場合、各センサ１３０が、監視区域内の各センサ１３０に割り当てられた所定の範囲を所定のタイミングで（例えば定期的に）撮影し、それによって得られた画像データをモニタリングサーバ１００に送信する。送信された画像データは、センサ情報管理部１０１によってセンサ情報ＤＢ１１１に格納される。この画像データは、静止画像データ又は動画像データのいずれであってもよい。動画像データの場合、所定のフレームレートでの撮影が連続的に行われてもよいし、一定時間の撮影が所定の時間間隔で断続的に繰り返されてもよい。このように撮影された画像を参照することによって、ある時間帯のある範囲における監視対象者の行動を把握することができる。
【００３２】
センサ１３０がマイクロフォンである場合、監視区域内の各マイクロフォンに割り当てられた所定の範囲の音が連続的に又は断続的に収録される。収録された音声データは、モニタリングサーバ１００に送信され、センサ情報管理部１０１によってセンサ情報ＤＢ１１１に格納される。格納された音声データに基づいて、監視対象者の行動（例えば歩行、停止、物体を移動させる動作、ドアを開閉する動作、施錠・開錠動作、梱包・開梱動作等）を検出することができる。
【００３３】
図２は、本発明の第１の実施形態のモニタリングサーバ１００のハードウェア構成を示すブロック図である。
【００３４】
本実施形態のモニタリングサーバ１００は、相互に接続されたプロセッサ２０１、メインメモリ２０２、入力装置２０３、インターフェース（Ｉ／Ｆ）２０５及び記憶装置２０６を備える計算機である。
【００３５】
プロセッサ２０１は、メインメモリ２０２に格納されたプログラムを実行する。
【００３６】
メインメモリ２０２は、例えば半導体メモリであり、プロセッサ２０１によって実行されるプログラム及びプロセッサ２０１によって参照されるデータを格納する。具体的には、記憶装置２０６に格納されたプログラム及びデータの少なくとも一部が、必要に応じてメインメモリ２０２にコピーされる。
【００３７】
入力装置２０３は、施設モニタリングシステムの管理者（すなわち、モニタリングサーバ１００を使用して監視対象者を監視する者）からの入力を受ける。入力装置２０３は、例えばキーボード及びマウス等を含んでもよい。
【００３８】
Ｉ／Ｆ２０５は、ネットワーク１６０Ａ及び１６０Ｂに接続され、センサ１３０、移動体端末１４０及び環境側測位装置１５０と通信するインターフェースである。ネットワーク１６０Ａ及び１６０Ｂが互いに独立したものである場合、モニタリングサーバ１００は複数のＩ／Ｆ２０５を備え、それらのうち一つがネットワーク１６０Ａに、別の一つがネットワーク１６０Ｂに接続される。
【００３９】
記憶装置２０６は、例えばハードディスク装置（ＨＤＤ）又はフラッシュメモリのような不揮発性の記憶装置である。本実施形態の記憶装置２０６には、少なくとも、センサ情報管理部１０１、測位記録管理部１０２、センサ・測位統合部１０３、動線解析部１０４、分析条件調整部１０５、分析条件設定画面生成部１０６、分析結果画面生成部１０７、センサ情報データベース（ＤＢ）１１１、測位ＤＢ１１２、屋内地図ＤＢ１１３、分析情報ＤＢ１１４及びユーザＤＢ１１５が格納される。
【００４０】
センサ情報管理部１０１、測位記録管理部１０２、センサ・測位統合部１０３、動線解析部１０４、分析条件調整部１０５、分析条件設定画面生成部１０６及び分析結果画面生成部１０７は、プロセッサ２０１によって実行されるプログラムである。以下の説明においてこれらの各部が実行する処理は、実際にはプロセッサ２０１によって実行される。
【００４１】
なお、図１に示すモニタリングサーバ１００は、図２に示すように一つの計算機によって構成されてもよいが、相互に通信可能な複数の計算機によって構成されてもよい。例えば、一方の計算機がセンサ情報管理部１０１、測位記録管理部１０２、センサ情報ＤＢ１１１及び測位ＤＢ１１２を備え、もう一方の計算機が残りの部分を備えてもよい。あるいは、一方の計算機がセンサ情報管理部１０１等の処理部を備え、もう一方の計算機がセンサ情報ＤＢ１１１等のデータベースを備えてもよい。
【００４２】
図３は、本発明の第１の実施形態の施設モニタリングシステムの動作の全体を示すフローチャートである。
【００４３】
屋内地図ＤＢ１１３が整備された後に、図３に示す処理が開始される。屋内地図ＤＢ１１３の内容については後述する（図９及び図１０参照）。
【００４４】
本実施形態の施設モニタリングシステムは、データ収集ステップ３１０及びデータ分析ステップ３２０を実行する。
【００４５】
データ収集ステップ３１０は、センシング結果及び測位結果を収集するために実行される。
【００４６】
具体的には、センサ１３０がセンシングを行い（ステップ３３１）、その結果をセンサ情報管理部１０１に送信する。移動体端末１４０又は環境側測位装置１５０は、測位を行い（ステップ３３２）、その結果を測位記録管理部１０２に送信する。送信される測位結果は、少なくとも移動体端末１４０の位置を示す情報を含む。送信される情報の詳細な内容については後述する（図６及び図７参照）。
【００４７】
センサ情報管理部１０１及び測位記録管理部１０２は、それぞれ、受信した情報をセンサ情報ＤＢ１１１及び測位ＤＢ１１２に格納する（ステップ３１１）。
【００４８】
データ分析ステップ３２０は、収集され、データベースに格納されたセンシング結果及び測位結果を分析するために実行される。例えば、モニタリングサーバ１００は、所定の期間にわたってセンシング結果及び測位結果を収集し（データ収集ステップ３１０）、その後、収集されたセンシング結果及び測位結果を分析するためにデータ分析ステップ３２０を実行してもよい。
【００４９】
具体的には、最初に、動線解析部１０４が、測位ＤＢ１１２に格納された位置情報に基づいて動線解析処理を実行する（ステップ３２１）。この処理の詳細については後述する（図１１等参照）。
【００５０】
次に、分析条件設定画面生成部１０６が動線解析処理の結果に基づいて分析状況提示処理を実行する（ステップ３２２）。管理者は、この処理によって提示された分析状況を参照して、指示を入力する（ステップ３３３）。分析条件設定画面生成部１０６は、入力された指示に基づいて、分析結果が妥当か否かを判定する（ステップ３２３）。分析結果が妥当であると判定された場合、分析結果提示処理が実行され（ステップ３２６）、処理が終了する。
【００５１】
分析結果が妥当でない（すなわち分析結果を補正する必要がある）と判定された場合、分析条件設定画面生成部１０６は、分析条件設定画面提示処理を実行する（ステップ３２４）。この処理の詳細については後述する。
【００５２】
次に、分析条件調整部１０５が分析条件調整処理を実行する（ステップ３２５）。そして、処理はステップ３２１に戻る。
【００５３】
図４は、本発明の第１の実施形態において実行される測位結果の送付処理を示すシーケンス図である。
【００５４】
具体的には、図４は、図３のデータ収集ステップ３１０のうち、測位結果の収集のために実行される処理を示す。
【００５５】
移動体端末１４０は、測位を行い、それによって得られた情報を含む測位結果を測位記録管理部１０２に送信する（ステップ４０１）。測位記録管理部１０２は、受信した情報を含む測位データを測位ＤＢ１１２に格納する（ステップ４０２）。これらの処理が繰り返し実行され（ステップ４０５、４０６）、測位ＤＢ１１２に測位データが蓄積される。
【００５６】
一方、環境側測位装置１５０も測位を行い、それによって得られた情報を測位記録管理部１０２に送信する（ステップ４０３）。測位記録管理部１０２は、受信した情報を測位ＤＢ１１２に格納する（ステップ４０４）。図４では省略されているが、これらの処理も繰り返し実行され、測位ＤＢ１１２に測位データが蓄積される。
【００５７】
なお、図４は、施設モニタリングシステムにおいて複数の測位方法が併用される例を示している。通常、監視区域を含む施設は複数の監視対象者によって使用されるため、監視区域内に複数の移動体端末１４０が存在しうる。それらの複数の移動体端末１４０が全て同種の装置であるとは限らない。例えば、ある移動体端末１４０がＧＰＳ測位装置を備える携帯電話機であり、別の移動体端末１４０が無線タグである場合もある。この場合、携帯電話機の位置情報を含む測位結果はステップ４０１に示すように携帯電話機自身から送信され、無線タグの位置情報を含む測位結果はステップ４０３に示すように環境側測位装置１５０から送信される。
【００５８】
なお、一つの測位方法のみが使用される場合には、測位結果は移動体端末１４０又は環境側測位装置１５０の一方のみから送信される。
【００５９】
図５は、本発明の第１の実施形態において実行されるセンサ情報の送付処理を示すシーケンス図である。
【００６０】
具体的には、図５は、図３のデータ収集ステップ３１０のうち、センシング情報の収集のために実行される処理を示す。
【００６１】
センサ１３０は、センシングを行い、それによって得られた情報をセンサ情報管理部１０１に送信する（ステップ５０１）。センサ情報管理部１０１は、受信したセンシング結果を含むセンサ情報をセンサ情報ＤＢ１１１に格納する（ステップ５０２）。センサ情報ＤＢ１１１に格納されるセンサ情報については後述する（図８参照）。これらの処理が繰り返し実行され（ステップ５０３〜５０６）、センサ情報ＤＢ１１１にセンシング結果が蓄積される。
【００６２】
次に、図６〜図１０を参照して、本実施形態の施設モニタリングシステムにおいて使用されるデータの例を説明する。
【００６３】
図６は、本発明の第１の実施形態の移動体端末１４０又は環境側測位装置１５０から送信される測位結果の説明図である。
【００６４】
既に説明したように、移動体端末１４０又は環境側測位装置１５０は、移動体端末１４０の位置を計測し、その結果として得られた位置情報を、モニタリングサーバ１００に送信する。このようにして送信される測位結果の例を図６に示す。
【００６５】
測位結果６００は、歩行者ＩＤ６０１、測位系ＩＤ６０２、Ｘ座標６０３、Ｙ座標６０４及び時刻６０５を含む。
【００６６】
歩行者ＩＤ６０１は、監視対象者を一意に識別する情報であり、例えば、電話番号、ＭＡＣ（Media Access Control）アドレス又はＲＦＩＤタグの識別情報のような、監視対象者が携行する移動体端末１４０の識別情報であってもよい。
【００６７】
測位系ＩＤ６０２は、測位手段を示すコードである。例えば、ＧＰＳ測位によって取得された座標値を含む測位結果６００の測位系ＩＤ６０２として「０」が、環境側測位装置１５０によって取得された座標値を含む測位結果６００の測位系ＩＤ６０２として「１」が付与されてもよい。
【００６８】
Ｘ座標６０３及びＹ座標６０４は、監視区域内における移動体端末１４０の（すなわちそれを携行する監視対象者の）位置を、二次元直交座標系中の座標値として特定する情報である。Ｘ座標６０３及びＹ座標６０４にさらにＺ座標を加えて三次元の位置情報を扱ってもよい。これらの座標値は一例であり、必ずしも直交座標系を用いなくてもよい。例えば、移動体端末１４０がＧＰＳ測位装置を備える場合、Ｘ座標６０３及びＹ座標６０４として経度及び緯度を示す情報が含まれてもよい。さらに、必要があれば高度を示す情報が含まれてもよい。
【００６９】
時刻６０５は、測位が行われた時刻（言い換えると、測位結果６００が取得された時刻）を示す。時刻６０５は、必要に応じて、測位が行われた年月日を示す情報を含んでもよい。
【００７０】
測位記録管理部１０２は、測位結果６００を受信すると、測位データを生成して測位ＤＢ１１２に格納する。測位データは、少なくとも、測位結果６００に含まれる位置情報を含む。ただし、測位系ごとに異なる座標系が使用される場合には、測位記録管理部１０２が測位結果６００に含まれる座標値（すなわちＸ座標６０３及びＹ座標６０４）を変換することによって、測位データに含まれる座標値をいずれかの座標系に統一してもよい。このような変換は公知の方法によって実行できるため、詳細な説明は省略する。また、測位系ごとに異なる種類の歩行者ＩＤ（例えば電話番号、ＭＡＣアドレス又はＲＦＩＤ等）が使用される場合には、測位記録管理部１０２がそれらのＩＤをモニタリングサーバ１００内で使用される統一的な歩行者ＩＤに変換してもよい。
【００７１】
このようにして生成された測位データのフォーマットは、基本的には測位結果６００のフォーマットと同等であってよいが、上記のように測位系に応じた変換が終了しているため、測位データは測位系ＩＤ６０２を含まなくてよい。図６に示す一組の測位結果６００は、一人の監視対象者の一つの時刻における位置情報を含み、これが一組の測位データに対応する。測位ＤＢ１１２には、複数の組の測位データ、すなわち、複数の監視対象者に関する複数の時刻における位置情報が格納される。
【００７２】
図７は、本発明の第１の実施形態のセンサ１３０から送信されるセンサ情報の説明図である。
【００７３】
既に説明したように、センサ１３０は、センシングを実行し、その結果（センシング結果）をモニタリングサーバ１００に送信する。このようにして送信されるセンサ情報の例を図７に示す。
【００７４】
センサ情報７００は、センサＩＤ７０１及びデータ７０２を含む。
【００７５】
センサＩＤ７０１は、センサ情報７００を送信したセンサ１３０を一意に識別する情報である。
【００７６】
データ７０２は、センサ情報７００を送信したセンサ１３０がセンシングの結果として取得したデータであり、例えば画像データ又は音声データである。このデータ７０２は、ＤＳＰ（デジタル信号プロセッサ）によって処理されたデータであっても、処理されていない生のデータであってもよく、また、圧縮データであっても、非圧縮データであってもよい。
【００７７】
センサ１３０は、単にセンシングの結果である画像データ等を送信してもよいが、そのセンシング結果が前回のセンシング結果から変化したか否かを判定して、その判定の結果をデータ７０２に含めて送信してもよく、また、その判定の結果のみをデータ７０２として送信してもよい。
【００７８】
図８は、本発明の第１の実施形態のセンサ情報ＤＢ１１１に格納されるセンサ情報の説明図である。
【００７９】
センサ情報管理部１０１は、センサ情報７００を受信すると、そのセンサ情報７００に所定の処理を加えてセンサ情報ＤＢ１１１に格納する。少なくとも、センサ情報管理部１０１は、センサ情報７００を時刻と関連付けて格納する必要がある。
【００８０】
センサ情報８００は、センサＩＤ８０１、センサ種別８０２、時刻８０３及びデータ８０４を含む。これらのうち、センサＩＤ８０１及びデータ８０４は、図７のセンサＩＤ７０１及びデータ７０２に相当する。すなわち、センサ情報管理部１０１は、センサ情報７００を受信すると、それに含まれるセンサＩＤ７０１及びデータ７０２をそれぞれセンサＩＤ８０１及びデータ８０４としてセンサ情報ＤＢ１１１に格納する。
【００８１】
センサ種別８０２は、センサ情報７００を送信したセンサ１３０の種類、例えば、それが監視カメラであるか、マイクロフォンであるか、又はその他のセンサであるか、を示す。
【００８２】
時刻８０３は、センシングが行われた時刻を特定する情報である。例えばデータ８０４が静止画像データである場合、時刻８０３は、それが撮影された時刻であってもよい。データ８０４が動画像データ又は音声データのような、ある時間にわたって取得されたものである場合、時刻８０３は、例えばセンシングの開始時刻とセンシングの時間との組、センシングの開始時刻と終了時刻との組、そのセンシング時間を代表する時刻、又はそれらの組み合わせであってもよい。
【００８３】
なお、一つのセンサ１３０が取得した、一つの時刻に対応するセンシング結果が、一組のセンサ情報８００として格納される。センサ情報ＤＢ１１１には、複数の組のセンサ情報８００、すなわち、複数のセンサ１３０が複数の時刻にセンシングした結果を示す情報が格納される。
【００８４】
次に、屋内地図ＤＢ１１３に格納されるデータの例について説明する。屋内地図ＤＢ１１３には、地図情報９００及びセンサパラメータ１０００が格納される。
【００８５】
図９は、本発明の第１の実施形態の屋内地図ＤＢ１１３に格納される地図情報９００の説明図である。
【００８６】
地図情報９００は、地物ＩＤ９０１、種別コード９０２及び形状９０３を含む。
【００８７】
地物ＩＤ９０１は、監視区域又はその周辺に存在する地物を一意に識別する情報である。ここで地物とは、床、壁、柱、物体収納棚、パーティション、及び天井から吊り下げられた物体（例えば空調ダクト、スピーカーボックス又は照明器具）等を含む。
【００８８】
種別コード９０２は、地物の種類を示す情報である。種別コード９０２は、例えば地物が壁、柱、梁、棚、扉等のいずれであるかを識別する情報であってもよい。各地物の種別コード９０２に基づいて、その地物によってセンシングが阻害されるか否かを判定することができる。
【００８９】
形状９０３は、地物の形状及び寸法を特定する情報であり、例えば、その地物の形状を現す座標点列を含む。
【００９０】
一つの地物に関する情報が一組の地図情報９００として格納される。屋内地図ＤＢ１１３には、複数の組の地図情報９００、すなわち、複数の地物に関する地図情報９００が格納される。
【００９１】
図１０は、本発明の第１の実施形態の屋内地図ＤＢ１１３に格納されるセンサパラメータ１０００の説明図である。
【００９２】
センサパラメータ１０００は、センサＩＤ１００１、種別コード１００２、設置箇所１００３及びセンサパラメータ１００４を含む。
【００９３】
センサＩＤ１００１は、監視区域内に設置された各センサ１３０を一意に識別する情報である。種別コード１００２は、センサの種類を示す情報である。これらは、それぞれ、センサ情報８００のセンサＩＤ８０１及びセンサ種別８０２と同様の情報であってよい。
【００９４】
設置箇所１００３は、監視区域内におけるセンサ１３０の設置箇所を特定する情報であり、例えば二次元又は三次元の座標値である。
【００９５】
センサパラメータ１００４は、センサ１３０によってセンシング可能な領域を特定する情報である。例えば、センサ１３０が監視カメラである場合、センサパラメータ１００４は、監視カメラの向き、視野角及び解像度等を特定する情報を含んでもよい。センサ１３０がマイクロフォンである場合、センサパラメータ１００４は、マイクロフォンの向き、指向性及び感度等を特定する情報を含んでもよい。
【００９６】
一つのセンサ１３０に関する情報が一組のセンサパラメータ１０００として格納される。屋内地図ＤＢ１１３には、複数の組のセンサパラメータ１０００、すなわち、複数のセンサ１３０に関するセンサパラメータ１０００が格納される。
【００９７】
次に、図３に示したステップの詳細について説明する。
【００９８】
図１１は、本発明の第１の実施形態のモニタリングサーバ１００が実行する動線解析処理を示すフローチャートである。
【００９９】
図１１に示す処理は、図３のステップ３２１において実行される。
【０１００】
最初に、動線解析部１０４は、測位データの特徴量を算出し、状態ラベルを生成する（ステップ１１０１）。具体的には、動線解析部１０４は、算出された特徴量についてクラスタリングを実行することによって、動線が示す監視対象者の行動を複数の状態に分類し、それらの状態にラベルを付与する。この詳細な手順については後述する（図１２Ａ〜図１２Ｄ等参照）。
【０１０１】
次に、動線解析部１０４は、状態ラベルの遷移列を統計モデルに当てはめる（ステップ１１０２）。この詳細な手順については後述する。
【０１０２】
次に、動線解析部１０４は、統計モデルから情報を抽出する（ステップ１１０３）。この詳細な手順については後述する。
【０１０３】
以上で動線解析処理が終了する。
【０１０４】
ステップ１１０１において実行される特徴量の算出及び状態ラベルの生成について、図１２Ａ〜図１２Ｄを参照して説明する。
【０１０５】
図１２Ａは、本発明の第１の実施形態のモニタリングサーバ１００が実行する特徴量の算出及び状態ラベルの生成処理を示すフローチャートである。
【０１０６】
図１２Ｂは、本発明の第１の実施形態における測位データの分割の説明図である。
【０１０７】
図１２Ｃは、本発明の第１の実施形態における特徴量の算出の説明図である。
【０１０８】
図１２Ｄは、本発明の第１の実施形態におけるクラスタリングの説明図である。
【０１０９】
最初に、動線解析部１０４は、測位データを時間的に分離する（ステップ１２０１）。具体的には、例えばある時刻における測位データの特徴量を算出する場合、算出の対象であるその時刻の測位データと、その時刻を含む所定の時間範囲内の測位データと、を測位ＤＢ１１２から取得する。このようにして取得された測位データの例を図１２Ｂに示す。図１２Ｂの黒丸の位置が、算出の対象である測位データが示す位置に相当し、白丸の位置が、所定の時間範囲内の測位データが示す位置に相当する。
【０１１０】
次に、動線解析部１０４は、ステップ１２０１において取得された測位データから特徴量を算出する（ステップ１２０２）。特徴量は、例えば、測位データに含まれる位置情報、その位置情報から算出された監視対象者の速度及び加速度、等である。
【０１１１】
具体的には、ステップ１２０１において取得された測位データが複数の時刻における位置情報を含むため、それらに基づいて監視対象者の移動速度を計算することができ、さらに、その移動速度の変化から加速度を計算することができる。図１２Ｃに例示する特徴量は、
（１）１０秒前の速度
（２）１０秒前の加速度
（３）現在の速度
（４）現在の加速度
（５）１０秒後の速度
（６）１０秒後の加速度
（７）平均速度
（８）１０秒前の点と現在の点との間の距離
である。ここで、「現在」とは特徴量の取得対象である測位データが取得された時刻（すなわちその測位データに対応する時刻６０５）であり、「１０秒前」及び「１０秒後」の基準点は上記の「現在」である。
【０１１２】
動線解析部１０４は、一つの測位データの特徴を示す値として、上記のように算出された特徴量のいずれか一つを使用してもよいが、通常は、複数の特徴量の組（例えば上記の８種類の特徴量の組）を使用する。このような複数の特徴量の組は、一般に、それらの特徴量を要素として含むベクトル（すなわち特徴量ベクトル）として扱われる。ｎ次元（上記の例では８次元）の特徴量ベクトルは、ｎ次元空間における点として表現することができる。以下、このような特徴量ベクトル（すなわち特徴量の組）を用いる例を説明する。
【０１１３】
なお、上記のような特徴量は一例であり、他の特徴量が計算されてもよい。また、上記の８次元も一例であり、任意の次元の特徴量ベクトルを使用することができる。例えば、特徴量ベクトルの要素として、現在の位置を示す特徴量がさらに含まれてもよい。
【０１１４】
次に、動線解析部１０４は、ステップ１２０２において算出された特徴量ベクトルを含む複数の特徴量ベクトルをクラスタリングし、状態ラベルを生成する（ステップ１２０３）。このクラスタリングは、後述するように（図１３参照）、ｋ−ｍｅａｎｓ法などの公知のアルゴリズムによって実行される。
【０１１５】
例えば、動線解析部１０４は、上記のステップ１２０１及び１２０２を複数の監視対象者及び複数の時刻の各々について繰り返し実行することによって、各監視対象者に関する時刻ごとの特徴量ベクトルを算出することができる。このようにして算出された複数の特徴量ベクトルを対象として、クラスタリングが実行される。
【０１１６】
例えば、ｎ次元（図１２Ｄの例では２次元）空間における複数の特徴量ベクトル（図１２Ｄにプロットされた複数の黒点）が、複数のクラスタ（図１２Ｄの例ではクラスタＡ、Ｂ及びＣ）に分類される。図１２Ｄに示す「Ａ」〜「Ｃ」は、生成された状態ラベルである。
【０１１７】
二つの特徴量ベクトル間の距離が近いことは、それらの特徴量ベクトルが類似していることを意味する。二つの特徴量ベクトルが類似していることは、それらの特徴量ベクトルに対応する監視対象者の行動が同一である可能性が高いことを意味する。
【０１１８】
このため、上記のクラスタリングによって一つのクラスタに属すると判定された複数の特徴量ベクトルは、例えばそれらが複数の監視対象者に関するものである場合、それらの監視対象者の同一の行動に対応する可能性が高い。言い換えると、本実施形態のクラスタリングは、監視対象者の行動を測位データに基づいて分類することに相当し、状態ラベルは、分類された行動を識別する標識である。
【０１１９】
ここで、ある特徴量ベクトルに対応する監視対象者の行動とは、その特徴量ベクトルの算出の基礎となったある監視対象者に関する測位データが取得されたときに、その監視対象者が行っていた、と管理者によって判断される行動である。また、本実施形態において、同一の行動とは、同一の行動として分類される行動であり、必ずしも完全に同一な行動を意味しない。そして、既に説明したように、二つの行動が同一であるか否かを判定する基準は、監視対象者の行動を監視する目的によって左右される。言い換えると、一つのクラスタに属する複数の特徴量ベクトルは、互いに類似しているため、同一の行動に対応する可能性が高いが、実際には、異なる行動として分類されるべき行動に対応している可能性もある。
【０１２０】
本実施形態では、ｋ−ｍｅａｎｓ法などによるクラスタリングの結果をさらに調整することによって、クラスタと、管理者が分類したい行動とを適切に対応させることができる。この調整については後述する。
【０１２１】
ところで、上記の（１）〜（８）に示すように、特徴量ベクトルが現在の位置を示す情報を含まない場合において、二つの特徴量ベクトルが互いに類似する場合、それらの特徴量ベクトルに対応する行動が監視区域内のどこで行われたかにかかわらず、それらの特徴量ベクトルが一つのクラスタに分類される可能性がある。これは、例えば、「階段を通過する」という行動が監視区域内のどの階段で行われてもそれらを同一の行動と分類することを意味する。このため、行動がどこで行われたかを行動の分類の判断基準に含めたい場合（例えばある位置にある階段を通過する行動と、そことは別の位置にある階段を通過する行動とを別の行動として分類したい場合）、行動が行われた位置そのものを考慮したクラスタリングを行う必要がある。
【０１２２】
例えば、特徴量ベクトルに現在の位置を示す情報を含めてもよい。あるいは、動線解析部１０４は、まず測位データをそれが示す位置に基づいてクラスタリングし、これによって得られた空間的なクラスタごとに、それに含まれる測位データの特徴量ベクトルを算出し、それらのクラスタリングを行ってもよい。本実施形態は、上記のような位置を考慮したクラスタリングが実行されることを前提とする。
【０１２３】
図１３は、本発明の第１の実施形態のモニタリングサーバ１００が実行するクラスタリング処理を示すフローチャートである。
【０１２４】
図１３に示す処理は、図１２Ａのステップ１２０３において実行される。
【０１２５】
最初に、動線解析部１０４は、分析情報ＤＢ１１４を参照して、クラスタリングの対象である特徴量ベクトルに関するクラスタ情報があるか否か（すなわちそれらの特徴量ベクトルが既にクラスタリングされているか否か）を判定する（ステップ１３０１）。取得された特徴量ベクトルについて最初にクラスタリングを実行する場合、ステップ１３０１ではクラスタ情報がないと判定される。一方、後述するようにクラスタリング結果に対してパラメータ調整が行われた後、再度動線解析処理が行われる場合（図２６参照）には、ステップ１３０１においてクラスタ情報があると判定される。
【０１２６】
ステップ１３０１においてクラスタ情報がないと判定された場合、動線解析部１０４は、ランダムにクラスタ中心の初期値を決定する（ステップ１３０２）。例えば、動線解析部１０４は、管理者によって指定された数のクラスタ中心の初期値を決定してもよい。あるいは、動線解析部１０４は、ＡＩＣ（赤池情報量基準）などの、クラスタ数の妥当性を評価する公知の基準を用い、当該基準が最適になるようにクラスタ数を決定してもよい。
【０１２７】
次に、動線解析部１０４は、各特徴量ベクトルに対応する点とクラスタ中心との距離を算出し、各特徴量ベクトルがそれに最も近いクラスタ中心を含むクラスタ（すなわち最近傍クラスタ）に属するとの仮定に基づいて特徴量ベクトルをクラスタリングし、さらに、各クラスタに属する特徴量ベクトルの平均値を新たなクラスタ中心として決定する（ステップ１３０３）。
【０１２８】
次に、動線解析部１０４は、ステップ１３０３においてクラスタ中心が変更されたか否か、すなわち、ステップ１３０３において決定された新たなクラスタ中心と、その直前のクラスタ中心とが異なるか否かを判定する（ステップ１３０４）。クラスタ中心が変更された場合、処理はステップ１３０３に戻り、新たなクラスタ中心を用いたクラスタリング及びその結果に基づくクラスタ中心の計算が実行される。
【０１２９】
一方、クラスタ中心が変更されなかった場合、動線解析部１０４は、測位データから特徴量ベクトルを算出し、各特徴量ベクトルに、最近傍クラスタのＩＤを割り当てる。なお、以前に算出された特徴量ベクトルが残っていれば、それを使用してもよい。このようにして割り当てられたクラスタのＩＤが状態ラベルとして使用される。
【０１３０】
ステップ１３０１においてクラスタ情報があると判定された場合、動線解析部１０４は、ステップ１３０２〜１３０４を実行せずにステップ１３０５を実行する。
【０１３１】
以上でクラスタリング処理が終了する。
【０１３２】
なお、ステップ１３０２〜１３０４は、従来からｋ−ｍｅａｎｓ法として知られたアルゴリズムである。本実施形態のクラスタリング処理は、公知の方法によって実行することができる。ｋ−ｍｅａｎｓ法はその一例であるが、その他のアルゴリズム、例えばＥＭ（Expectation-Maximization）法による混合正規分布の推定等が適用されてもよい。
【０１３３】
図１４は、本発明の第１の実施形態のモニタリングサーバ１００によって取得された状態ラベルの説明図である。
【０１３４】
図１４は、監視区域のレイアウト図１４０１と、そのレイアウト図１４０１上に表示された複数の動線１４０２とを含む。
【０１３５】
図１４には、レイアウト図１４０１の例として、監視区域内の地物の平面図を示すが、地物の配置を把握できる図である限り、斜視図又は鳥瞰図等が使用されてもよい。図１４に例示するレイアウト図１４０１には、地物として、部屋１４１１、廊下１４１２、部屋１４１１と廊下１４１２とを隔てる壁１４１３、壁１４１３に設けられた出入り口１４１４、及び、監視区域内に配置された物品１４１５（例えば店舗で販売される商品又は工場で使用される資材等）が表示される。さらに上記以外の地物（例えば監視区域が屋外であれば信号機又は横断歩道等）が表示されてもよい。
【０１３６】
各動線１４０２は、一つの移動体端末１４０に関する測位データに含まれる座標値をレイアウト図１４０１上にプロットすることによって表示される。すなわち、一つの動線１４０２は、一人の監視対象者の移動軌跡に相当する。ただし、一人の監視対象者が監視区域を繰り返し通過した場合には、その監視対象者の移動軌跡を複数の動線１４０２として表示してもよい。図１４には、複数の監視対象者の移動軌跡に相当する複数の動線１４０２が表示される。
【０１３７】
楕円によって表示される状態１４０３Ａ〜１４０３Ｌは、クラスタリングによって得られたクラスタに相当する。言い換えると、状態１４０３Ａ〜１４０３Ｌの各々は、クラスタリングによって分類された監視対象者の行動に対応する。
【０１３８】
図１２Ｂ〜図１２Ｄを参照して説明したように、各クラスタに含まれる特徴量ベクトルは、算出対象の測位データを含む複数の測位データから算出される。このため、各クラスタに含まれる特徴量ベクトルの算出対象の測位データが示す座標値をレイアウト図１４０１上にプロットすることができる。図１４に表示される楕円は、各クラスタに含まれる特徴量ベクトルの算出対象の測位データが示す座標値がプロットされる範囲の概略を示す。
【０１３９】
状態１４０３ａ〜１４０３ｌには、それぞれ、識別子「ａ」〜「ｌ」が付与される。これらの識別子が状態ラベルであり、前述の図１３のステップ１３０５において割り当てられたものである。
【０１４０】
図１５は、本発明の第１の実施形態のモニタリングサーバ１００によって使用される統計モデルの説明図である。
【０１４１】
具体的には、図１５は、図１１のステップ１１０２における状態ラベル遷移列に当てはめる統計モデルの例を示す。本実施形態では、統計モデルとして混合マルコフモデルが適用される例を示すが、他のモデル（例えば隠れマルコフモデル又はベイジアンネットワーク等）が適用されてもよい。
【０１４２】
動線解析部１０４は、クラスタリングの結果に基づいて、各動線１４０２上の測位データがどの状態からどの状態に遷移するか、言い換えると、各動線１４０２に対応する監視対象者の行動がどの状態からどの状態に遷移するか、を特定することができる。さらに、動線解析部１０４は、このような状態遷移の特定を複数の動線について実行することによって、状態間の遷移確率を算出することができる。
【０１４３】
ところで、監視対象者の行動の傾向は、一般に、その監視対象者の特徴によって左右される。そしてそのような行動の傾向を状態遷移の傾向として観測できる場合がある。ここで監視対象者の特徴とは、例えば、監視対象者が工場又は店舗の従業員である場合、監視対象者の作業目的等であり、監視対象者が店舗の利用客である場合、商品に対する監視対象者の好み等である。また、監視対象者が何らかの意図（例えば職務放棄又は窃盗の意図等）を持っている場合には、それも監視対象者の特徴になり得る。すなわち、監視対象者を状態遷移の傾向に従って分類することによって、類似した特徴を持った監視対象者のグループを特定できる場合がある。
【０１４４】
また、このような監視対象者の特徴は、監視対象者の属性と関連する場合がある。ここで監視対象者の属性とは、例えば、監視対象者が工場又は店舗の従業員である場合、監視対象者の所属部署、担当業務又は役職等であり、監視対象者が店舗の利用客である場合、監視対象者の年齢層又は性別等である。より具体的に言えば、例えば女性客は店舗内の特定の売り場に頻繁に立ち寄るが、男性客はその売り場にほとんど立ち寄らない、といった行動の傾向の相違がありうる。このような場合には、上記のような状態遷移の傾向に基づく分類によって、監視対象者の属性とその行動の傾向との関連を分析することもできる。
【０１４５】
本実施形態の動線解析部１０４は、複数の監視対象者に関する状態遷移を複数のパターンに分類することができる。
【０１４６】
図１５には、パターンごとの状態遷移図を示す。一つのパターンの状態遷移図は、図１４に示す状態間の遷移を時刻ごとに表示する。例えば、状態１４０３ａ−１はある時刻における状態１４０３ａ（図１４参照）に相当し、状態１４０３ａ−２は、その次の時刻における状態１４０３ａに相当する。同様に、状態１４０３ｂ−１はある時刻における状態１４０３ｂに相当し、状態１４０３ｂ−２は、その次の時刻における状態１４０３ｂに相当する。状態１４０３ｋ−１はある時刻における状態１４０３ｋに相当し、状態１４０３ｋ−２は、その次の時刻における状態１４０３ｋに相当する。状態１４０３ｌ−１はある時刻における状態１４０３ｌに相当し、状態１４０３ｌ−２は、その次の時刻における状態１４０３ｌに相当する。このように、図１４に示す状態１４０３ａ〜１４０３ｌが時刻ごとに表示され、それらの間の状態遷移が矢印によって表示される。そして、それぞれの状態遷移確率が計算される。
【０１４７】
なお、状態１５０２Ｓは各監視対象者が監視区域内に入った瞬間の状態を、状態１５０２Ｇは各監視対象者が監視区域内から出た瞬間の状態を示す。以下、状態１５０２Ｓ及び状態１５０２Ｇを、単に状態Ｓ及び状態Ｇとも記載する。同様に、状態１４０３ａ〜１４０３ｌを、それぞれ、単に状態ａ〜状態ｌとも記載する
図１５にはパターン１５０１ａの状態遷移図のみを示すが、他のパターン（例えばパターン１５０１ｂ及び１５０１ｃ）も同様の状態遷移図によって表現することができる。ただし、状態遷移確率の値はパターンごとに異なる。なお、パターンの数としては、３個（パターン１５０１ａ〜１５０１ｃ）に限らず、任意の数（例えばｋ個）を設定することができる。パターンの数は、例えば管理者によって指定されてもよい。
【０１４８】
各パターンの遷移確率はマルコフモデルに従う。状態μから状態νへの遷移確率をＰ（μ，ν）＝ωμνとすると、例えば、状態Ｓ−状態ａ−状態ｂ−状態ｃ−状態ｅ−状態ｉ−状態Ｇと遷移する動線が得られる確率は、Ｐ（Ｓ，ａ）Ｐ（ａ，ｂ）Ｐ（ｂ，ｃ）Ｐ（ｃ，ｅ）Ｐ（ｅ，ｉ）Ｐ（ｉ，Ｇ）の掛け算によって算出される。これによって算出された値Ｌは、動線が確率モデルのパターンに当てはまる度合いを示す。一般には、確率の対数を用いて、ΣｌｏｇＰが計算される。
【０１４９】
本実施形態のモデルは、ｋ個のマルコフモデルの足し算によって表現される。πは、それらの各々に付けられる重みである。つまり、ｌｏｇΣ（πΠＰ）によって対数尤度が求められる。
【０１５０】
状態遷移確率を示すパラメータは、例えばＥＭ法によって算出される。例えば、動線解析部１０４は、各パターンにおける状態遷移確率の初期値としてランダムな値を設定する。そして、その値に基づいて、各動線の状態遷移がどのパターンに当てはまるかを推定する（Ｅステップ）。次に、動線解析部１０４は、Ｅステップの結果を用いてパラメータを再計算する（Ｍステップ）。さらに、動線解析部１０４は、再計算したパラメータを用いて再度Ｅステップを実行する。このように、パラメータが収束するまでＥステップ及びＭステップを繰り返す。
【０１５１】
図１６は、本発明の第１の実施形態のモニタリングサーバ１００によって実行される状態遷移抽出処理の説明図である。
【０１５２】
具体的には、図１６は、図１１のステップ１１０３において抽出される状態遷移の例を示す。
【０１５３】
図１６の例では、状態１４０３ａから状態１４０３ｃへ向かう矢印１６０１が表示されている。これは、状態１４０３ａから状態１４０３ｃへの遷移が発生していることを示す。すなわち、これらの状態間の遷移確率は０％より大きい。他の矢印（例えば状態１４０３ｃから状態１４０３ｄ、１４０３ｅ及び１４０３ｆのそれぞれへ向かう矢印）についても同様のことが言える。一方、状態１４０３ａから状態１４０３ｄへ向かう矢印は表示されていない。これは、少なくとも図１４に表示された動線において、状態１４０３ａから状態１４０３ｄへの遷移が発生していないことを示す。すなわち、これらの状態間の遷移確率は０％である。
【０１５４】
このようにして抽出された状態遷移を示す情報が分析情報ＤＢ１１４に格納される。その詳細を、図１７及び図１８を参照して説明する。
【０１５５】
図１７は、本発明の第１の実施形態の分析情報ＤＢ１１４に格納される状態遷移モデルの説明図である。
【０１５６】
図１５に示した方法によって計算された各パターンの状態遷移確率は図１７に示すように格納される。具体的には、状態遷移モデル１７００は、パターンＩＤ１７０１、始状態ラベル１７０２、終状態ラベル１７０３及び確率１７０４を含む。
【０１５７】
パターンＩＤ１７０１は、統計モデルのパターンを識別する。例えば、パターンＩＤ１７０１の値は図１５に示す「ｋ」に対応する。
【０１５８】
始状態ラベル１７０２及び終状態ラベル１７０３は、それぞれ、状態遷移の始点及び終点のラベル（すなわちＩＤ）である。これらは、例えば、図１４〜図１６に示す「Ｓ」、「Ｇ」及び「ａ」〜「ｌ」に対応する。
【０１５９】
確率１７０４は、パターンＩＤ１７０１、始状態ラベル１７０２及び終状態ラベル１７０３によって特定される状態遷移が発生する確率である。
【０１６０】
図１７に示す情報の一組は、一つの状態遷移、例えば、図１５に示す１本の矢印に対応する。分析情報ＤＢ１１４には、各パターンの各状態遷移に対応する情報の組が格納される。
【０１６１】
図１８は、本発明の第１の実施形態の分析情報ＤＢ１１４に格納されるクラスタ情報の説明図である。
【０１６２】
図１８に示すクラスタ情報１８００は、クラスタリングによって取得されたクラスタに関する情報である。具体的には、クラスタ情報１８００は、クラスタ形状１８０１及びクラスタＩＤ１８０２を含む。
【０１６３】
クラスタ形状１８０１は、各クラスタの中心位置を示す。
【０１６４】
クラスタＩＤ１８０２は、各クラスタを識別する情報である。なお、既に説明したように原則的には一つのクラスタが一つの状態に対応するため、クラスタＩＤ１８０２の値は状態ラベル（例えば図１４〜図１６に示す「ａ」〜「ｌ」）に対応する。
【０１６５】
図１８に示すクラスタ情報１８００の一組は、一つの状態、例えば、図１４に示す一つの楕円に対応する。分析情報ＤＢ１１４には、各状態に対応する情報の組が格納される。なお、図１５に示すように統計モデルが複数のパターンに分類される場合であっても、各状態に対応するクラスタの中心位置は、パターンごとに相違しない。このため、クラスタ情報１８００はパターンＩＤを含まない。
【０１６６】
本実施形態及びその他の実施形態において説明するように、本発明では分析の粒度の調整が行われ、その結果、一つのクラスタが複数に分割されたり、複数のクラスタが統合されて一つの状態に対応付けられたりする場合がある。そのような調整の結果も全て図１７及び図１８に示す分析情報ＤＢ１１４に反映される。分析情報ＤＢ１１４に格納された情報は、必要に応じて読み出され、動線解析部１０４によって動線解析処理に使用される。さらに、必要に応じて画面表示装置１２０によって表示されてもよい。
【０１６７】
図１９は、本発明の第１の実施形態の画面表示装置１２０によって表示される分析状況提示処理の出力画面の説明図である。
【０１６８】
分析条件設定画面生成部１０６は、図３のステップ３２２において、図１９に示す画面１９００を画面表示装置１２０に表示させる。画面１９００は、レイアウト図１９０１、調整ボタン１９０３、終了ボタン１９０４及びパターン選択ボックス１９０５を含む。
【０１６９】
レイアウト図１９０１は、図１４に示したレイアウト図１４０１と同様である。レイアウト図１９０１上には、図１４と同様の状態１４０３ａ〜１４０３ｌ及び状態遷移を示す矢印１６０１が表示される。
【０１７０】
管理者は、パターン選択ボックス１９０５を操作して、表示されるパターンを選択することができる。図１９の例では「パターンＡ」が表示される。このパターンは、例えば、図１５に示した複数のパターン１５０１ａ〜１５０１ｃのいずれかである。図１６の例では状態１４０３ｅから状態１４０３ｉへの遷移が表示されているが、例えばパターンＡにおいてその遷移が発生する確率が０％である場合、状態１４０３ｉ及びそこに向かう矢印が表示されなくてもよい。他の状態及びそこに向かう矢印についても同様である。
【０１７１】
管理者は、画面１９００に表示された状態遷移を参照して、分析条件が妥当であると判定した場合（ステップ３２３）、終了ボタン１９０４を操作する。この場合、処理はステップ３２６に進む。一方、管理者は、分析条件が妥当でないと判定した場合、調整ボタン１９０３を操作する。この場合、処理はステップ３２４に進む。
【０１７２】
例えば、画面１９００に表示された状態１４０３ａ〜１４０３ｌのいずれかが大きすぎる（すなわちそれに対応するクラスタが大きすぎる）と管理者が考えた場合に、分析条件が妥当でないと判定してもよい。より詳細には、例えば、管理者が詳細に分析したいと考えている行動が行われる場所に、状態が一つしか表示されておらず、その状態を複数に分割したいと管理者が考えた場合に、分析条件が妥当でないと判定してもよい。
【０１７３】
なお、調整ボタン１９０３、終了ボタン１９０４及びパターン選択ボックス１９０５の操作は、管理者による入力装置２０３の操作（例えばマウスクリック）である。
【０１７４】
図２０は、本発明の第１の実施形態のモニタリングサーバ１００が実行する分析条件設定画面提示処理を示すフローチャートである。
【０１７５】
図２０に示す処理は、図３のステップ３２４において、分析条件設定画面生成部１０６によって実行される。
【０１７６】
最初に、分析条件設定画面生成部１０６は、分析条件受付画面提示処理を実行する（ステップ２００１）。この処理については、図２１を参照して後述する。
【０１７７】
次に、分析条件設定画面生成部１０６は、分析条件調整用画面提示処理を実行する（ステップ２００２）。この処理については、図２２等を参照して後述する。
【０１７８】
以上で分析条件設定画面提示処理が終了する。
【０１７９】
図２１は、本発明の第１の実施形態のモニタリングサーバ１００が実行する分析条件受付画面提示処理の説明図である。
【０１８０】
分析条件設定画面生成部１０６は、図２０のステップ２００１において、図２１に示す画面２１００を画面表示装置１２０に表示させる。
【０１８１】
画面２１００は、レイアウト図２１０１、分析粒度設定部２１０２及び終了ボタン２１０４を含む。
【０１８２】
レイアウト図２１０１は、図１４に示したレイアウト図１４０１と同様である。レイアウト図２１０１上には、図１４と同様に、状態１４０３ａ〜１４０３ｌ及び複数の動線１４０２が表示される。さらに、レイアウト図２１０１上には、調整範囲２１１１及び範囲指定カーソル２１１２が表示される。
【０１８３】
管理者は、入力装置２０３を用いて範囲指定カーソル２１１２を操作することによって、これから分析粒度を調整しようとするクラスタ（すなわち状態１４０３ａ〜１４０３ｌの少なくとも一つ）を含む調整範囲２１１１を指定することができる。すなわち、調整範囲２１１１に含まれる状態１４０３に対応するクラスタが、分析粒度を調整する対象として指定される。
【０１８４】
例えば、管理者は、監視区域のうち、特に監視対象者の行動を詳細に分析したい領域（例えば店舗内の特定の商品の売り場等）を調整範囲２１１１として指定してもよい。
【０１８５】
分析粒度設定部２１０２は、粒度設定ノブ２１０３を含む。管理者は、入力装置２０３を用いて粒度設定ノブ２１０３を操作することによって、分析粒度を指定することができる。例えば、分析粒度をより細かくしたい場合、管理者は、粒度設定ノブ２１０３を左に移動させてもよい。なお、このようなノブを用いた粒度の指定は一例であり、他の方法、例えば、粒度をより細かくする又はより粗くする指示に対応するアイコンを操作することによって粒度が指定されてもよい。
【０１８６】
管理者は、調整範囲２１１１及び分析粒度の指定が終了すると、終了ボタン２１０４を操作する。これによって、図２０のステップ２００１、すなわち、調整対象のクラスタの指定及びそのクラスタの分析粒度の指定が終了する。
【０１８７】
このようにして指定された調整範囲２１１１に含まれる全てのクラスタについて、指定された分析粒度の調整（すなわち粒度を細かくする又は粗くする）が実行されてもよいが、それらのうち少なくとも一つのクラスタについて、粒度を調整するか否かを管理者がセンサ情報に基づいて判定してもよい。このような判定及び粒度の調整の手順について以下に説明する。
【０１８８】
図２２は、本発明の第１の実施形態のモニタリングサーバ１００が実行する分析条件調整用画面提示処理を示すフローチャートである。
【０１８９】
図２２に示す処理は、図２０のステップ２００２において実行される。
【０１９０】
最初に、分析条件設定画面生成部１０６が対象歩行者選択処理を実行する（ステップ２２０１）。この処理については、図２３を参照して後述する。なお、ここで歩行者とは、監視対象者を意味する。
【０１９１】
次に、センサ・測位統合部１０３がセンサ・測位対応処理を実行する（ステップ２２０２）。この処理については、図２４を参照して後述する。
【０１９２】
次に、分析条件設定画面生成部１０６がセンサ情報提示画面生成処理を実行する（ステップ２２０３）。この処理については、図２５を参照して後述する。
【０１９３】
以上で分析条件調整用画面提示処理が終了する。
【０１９４】
図２３は、本発明の第１の実施形態のモニタリングサーバ１００が実行する対象歩行者選択処理（ステップ２２０１）の説明図である。
【０１９５】
最初に、分析条件設定画面生成部１０６は、調整範囲２１１１に含まれるクラスタのうち、複数の行動を含む可能性が最も高いクラスタ（言い換えると、含まれている行動を複数に分類できる可能性が最も高いクラスタ）を、変更対象の候補として選択する。
【０１９６】
具体的には、例えば、調整範囲２１１１に含まれるクラスタのうち、大きさが所定の閾値を超える一つ以上のクラスタが選択されてもよいし、あるいは、最も大きいクラスタのみが選択されてもよい。クラスタの大きさは、例えば、クラスタの半径又はクラスタに含まれる特徴量ベクトルの数によって定められる。ここで、クラスタの半径とは、例えばクラスタの中心と、そのクラスタ内の中心から最も離れた特徴量ベクトルと、の間の距離であるが、特徴量ベクトルが示す座標値の偏差に基づく値（例えば標準偏差の値）がクラスタの半径として計算されてもよい。半径が大きいクラスタほど、相違の大きい特徴量ベクトルを含んでいる。二つの特徴量ベクトルの相違が大きいほど、それらに対応する行動が異なる可能性が高いとの推測に基づいて、半径が最も大きいクラスタが変更対象の候補として選択されてもよい。あるいは、含んでいる特徴量ベクトルの数が多いクラスタほど複数の行動を含む可能性が高いとの推測に基づいて、含んでいる特徴量ベクトルの数が最も多いクラスタが選択されてもよい。
【０１９７】
次に、分析条件設定画面生成部１０６は、選択されたクラスタに含まれる複数の特徴量ベクトルから二つを選択する。例えば、選択されたクラスタに含まれる特徴量ベクトルのうち最も離れた二つが選択されてもよい。あるいは、選択されたクラスタに含まれる複数の特徴量ベクトルを対象として分析条件設定画面生成部１０６がさらにクラスタリングを実行して二つのクラスタを生成し、それぞれの中心に最も近い二つの特徴量ベクトルを選択してもよい。
【０１９８】
なお、ここでは二つの特徴量ベクトルを選択する例を示したが、三つ以上の特徴量ベクトルが選択されてもよい。例えば、選択されたクラスタを対象として分析条件設定画面生成部１０６がクラスタリングを実行することによって三つ以上のクラスタを生成してもよい。
【０１９９】
このようにして選択された特徴量ベクトルは、図１４に示す方法によって算出されたものであるから、それらの特徴量ベクトルに対応する測位データを特定することができる。特定された測位データからは、その測位データが、どの時刻に、どの位置に、どの監視対象者がいたことを示すものであるかを特定することができる（図６参照）。
【０２００】
図２４は、本発明の第１の実施形態のモニタリングサーバ１００が実行するセンサ・測位対応処理を示すフローチャートである。
【０２０１】
図２４に示す処理は、図２２のステップ２２０２において実行される。
【０２０２】
最初に、センサ・測位統合部１０３は、監視区域に設置された各センサ１３０のセンシング領域を取得する（ステップ２４０１）。センシング領域とは、各センサ１３０によってセンシング可能な領域であり、具体的には、センサパラメータ１０００に含まれる設置箇所１００３及びセンサパラメータ１００４に基づいて特定される。より具体的には、例えばセンサ１３０が監視カメラである場合、その監視カメラによって撮影される範囲が特定され、特定された範囲を示す情報がセンシング領域として取得される。
【０２０３】
次に、センサ・測位統合部１０３は、図２２のステップ２２０１において特定された測位データに対応するセンサ１３０を検索する（ステップ２４０２）。具体的には、センサ・測位統合部１０３は、ステップ２４０１において取得されたセンシング領域と、ステップ２２０１において特定された測位データが示す時刻及び位置と、に基づいて、当該測位データが示す時刻に、当該測位データが示す位置をセンシング可能であったセンサ１３０のセンサＩＤを特定する。
【０２０４】
次に、センサ・測位統合部１０３は、特定されたセンサＩＤによって識別されるセンサ１３０が、当該測位データが示す時刻に取得したセンサ情報をセンサ情報ＤＢ１１１から取得する（ステップ２４０３）。例えば、特定されたセンサ１３０が監視カメラである場合、ステップ２４０３で取得されるセンサ情報は、当該測位データが示す時刻に当該監視カメラが撮影した画像データである。
【０２０５】
以上でセンサ・測位対応処理が終了する。
【０２０６】
図２５は、本発明の第１の実施形態の画面表示装置１２０によって表示されるセンサ情報提示画面の説明図である。
【０２０７】
分析条件設定画面生成部１０６は、図２２のステップ２２０３において、センサ情報提示画面２５００を画面表示装置１２０に表示させる。センサ情報提示画面２５００は、第１センサ情報表示部２５０１、第１歩行者情報表示部２５０２、第２センサ情報表示部２５０３、第２歩行者情報表示部２５０４、「区別あり」ボタン２５０５、「不明」ボタン２５０６及び「区別なし」ボタン２５０７を含む。
【０２０８】
既に説明したように、図２２のステップ２２０１では二つの測位データが特定され、ステップ２２０２ではそれぞれの測位データに対応するセンサ情報が取得される。第１センサ情報表示部２５０１及び第２センサ情報表示部２５０３には、このようにして取得されたそれぞれの測位データに対応するセンサ情報（図２５の例では監視カメラが撮影した画像）が表示される。
【０２０９】
第１歩行者情報表示部２５０２及び第２歩行者情報表示部２５０４には、それぞれ、第１センサ情報表示部２５０１及び第２センサ情報表示部２５０３に表示されたセンサ情報に対応する監視対象者に関する情報が表示される。上記のように、それぞれのセンサ情報には測位データが対応付けられ、それぞれの測位データがどの監視対象者に関するものであるかを特定することができるため、第１歩行者情報表示部２５０２及び第２歩行者情報表示部２５０４には、それぞれの監視対象者に関する情報、例えば、各監視対象者の性別、各監視対象者が監視区域に入った時刻及び監視区域に滞在した時間等が表示される。
【０２１０】
なお、監視対象者の性別を表示するためには、モニタリングサーバ１００が各監視対象者の識別子（図６に示す歩行者ＩＤ）と、その監視対象者の性別とを対応付ける情報を保持する必要がある。同様に、各監視対象者とその年齢、性別、担当業務又は役職等の属性を対応付ける情報が保持されている場合、それらの属性が第１歩行者情報表示部２５０２及び第２歩行者情報表示部２５０４に表示されてもよい。
【０２１１】
また、各監視対象者が監視区域に入った時刻及び監視区域に滞在した時間は、各監視対象者に対応する動線に含まれる測位データの取得時刻に基づいて特定することができる。
【０２１２】
上記のように、第１センサ情報表示部２５０１及び第２センサ情報表示部２５０３には、図２２のステップ２２０１で特定された二つの測位データに対応するセンサ情報、すなわち、それぞれの測位データが取得された時刻にそれぞれの測位データが示す位置を含む領域を監視カメラが撮影した画像が表示される。すなわち、それぞれの測位データに対応する監視対象者がそれらの画像に写っている可能性が高い。すなわち、管理者がそれらの画像を参照して、それぞれの監視対象者がどのような行動を行っているかを特定できる可能性が高い。
【０２１３】
このため、管理者は、第１センサ情報表示部２５０１及び第２センサ情報表示部２５０３に表示された画像を参照して、ステップ２２０１において特定された二つの特徴量ベクトルに対応する二つの行動を異なる行動として区別すべきか、区別すべきでないか（すなわち同一の行動に分類すべきか）を判定する。管理者は、これらを区別すべきであると判定した場合、「区別あり」ボタン２５０５を操作し、区別すべきでないと判定した場合、「区別なし」ボタン２５０７を操作する。
【０２１４】
一方、表示された画像に基づいて区別すべきか否かを判定することが困難であった場合、管理者は、「不明」ボタン２５０６を操作する。この場合、分析条件設定画面生成部１０６は、再びステップ２２０１を実行して、前回とは異なる二つの特徴量ベクトルを選択する。例えば、分析条件設定画面生成部１０６は、選択されたクラスタに含まれる特徴量ベクトルのうち、前回選択された特徴量ベクトルの次に距離が離れている特徴量ベクトルの組を選択してもよい。そして、再びステップ２２０２及び２２０３が実行され、新たに選択された特徴量ベクトルに対応するセンサ情報が表示される。
【０２１５】
一般に、測位データのみから算出された特徴量ベクトルに基づいて監視対象者の行動を分析する場合、管理者が望んだとおりに行動を分類できるとは限らない。しかし、上記のように、測位データに対応付けられたセンサデータを管理者が参照して二つの行動を分類するか否かを判定することによって、管理者の目的に応じた適切な行動の分析を行うことが可能になる。
【０２１６】
なお、図２５にはセンサ情報として監視カメラが撮影した画像が表示される例を示したが、それ以外のセンサ情報が提示されてもよい。例えばセンサ１３０がマイクロフォンである場合、ステップ２２０３において音声が再生されてもよい（第２実施形態参照）。その場合、管理者は、再生された音声に基づいて各監視対象者が行った行動を特定し、それに基づいて二つの行動を区別するか否かを判定することができる。
【０２１７】
あるいはセンサ１３０が販売履歴を記録する自動販売機である場合、センサ情報提示画面２５００にはその販売履歴が表示されてもよい。その場合、管理者は、例えば、表示された販売履歴に基づいて監視対象者が商品を購入したか否かを判定し、それに基づいて二つの行動を区別するか否かを判定することができる。
【０２１８】
また、管理者は、上記のようなセンサ情報を用いずに、二つの行動を区別すべきか否かを判定することもできる。例えば、モニタリングサーバ１００は、ステップ２２０１において特定された二つの測位データの各々が、いつ、どこに、どの監視対象者がいたことを示す情報であるかを示す情報を管理者に提示してもよい。管理者は、このようにして特定された各監視対象者から、特定された時刻及び位置においてどのような行動を行っていたかを聞き出し、それに基づいて二つの行動を区別するか否かを判定してもよい。
【０２１９】
図２６は、本発明の第１の実施形態のモニタリングサーバ１００が実行する分析条件調整処理を示すフローチャートである。
【０２２０】
センサ情報提示画面２５００において「区別あり」ボタン２５０５が操作されると、分析条件調整処理が実行される。
【０２２１】
最初に、分析条件調整部１０５は、動線解析パラメータを算出する（ステップ２６０１）。具体的には、分析条件調整部１０５は、図２２のステップ２２０１において選択されたクラスタを分割し、分割されたそれぞれのクラスタの中心位置を特定し、それらのクラスタに新たな識別子（すなわち状態ラベル）を付与する。
【０２２２】
クラスタの分割は、種々の方法によって行うことができる。例えば、ステップ２２０１において、当該クラスタ内で最も離れた二つの特徴量ベクトルが選択された場合、分析条件調整部１０５は、当該クラスタを、選択された二つの特徴量ベクトルに対応する新たな二つのクラスタに分割し、当該クラスタ内の残りの特徴量ベクトルを、選択された二つの特徴量ベクトルのうち距離が近い方に対応するクラスタに分類してもよい。その場合、分析条件調整部１０５は、新たな二つのクラスタの中心位置を算出し、状態ラベルを付与する。
【０２２３】
あるいは、動線解析部１０４が当該クラスタのみを対象として、当該クラスタをさらに二つのクラスタに分割するためのクラスタリングを実行し、分析条件調整部１０５が分割されたクラスタの中心位置を算出し、状態ラベルを付与してもよい。このとき、動線解析部１０４は、ステップ２２０１において選択された二つの特徴量ベクトルを初期クラスタ中心としてクラスタリングを実行してもよい。
【０２２４】
次に、分析条件調整部１０５は、算出された動線解析パラメータを分析情報ＤＢ１１４に反映させる（ステップ２６０２）。具体的には、分析条件調整部１０５は、ステップ２６０１において算出した新たなクラスタの中心位置と、それらに付与された識別子とを、分析情報ＤＢ１１４にクラスタ情報１８００として格納する。このとき、分割の対象となったクラスタ（すなわち分割される前のクラスタ）に関する情報は、分析情報ＤＢ１１４から削除される。
【０２２５】
次に、分析条件調整部１０５は、動線解析部１０４に動線解析処理の再実行を要求する（ステップ２６０３）。この要求を受けた動線解析部１０４は、ステップ２６０２において更新された分析情報ＤＢ１１４に基づいて、動線解析処理（図１１等）を実行する。ただし、この場合、上記のように更新されたクラスタ情報１８００が既に分析情報ＤＢ１１４に格納されているため、クラスタリング処理（図１３）のステップ１３０１において、「クラスタ情報がある」と判定される。このため、クラスタリングの実行（ステップ１３０２〜１３０４）は省略され、ステップ２６０２において更新された分析情報ＤＢ１１４がステップ１１０２以降の処理において参照される。
【０２２６】
以上で分析条件調整処理が終了する。
【０２２７】
管理者は、動線解析処理の再実行の結果を参照して（図１９）、その結果が十分であるか、具体的には、管理者が区別したい行動がそれぞれ異なる状態（すなわちクラスタ）に対応しているか否かを判定することができる。この判定のために、既に説明した手順に従って、図２５に示す画面を参照することもできる。再実行の結果が十分なものである（すなわちこれ以上行動を細かく分類する必要がない）と判定された場合、終了ボタン１９０４又は「区別なし」ボタン２５０７が操作され、図３に示した全ての処理が終了する。
【０２２８】
以上の本発明の第１の実施形態によれば、監視対象者の行動を動線に基づいて分析するときに、クラスタリングによって自動的に行動を分類するだけでなく、管理者の指定に従って、分析の粒度（すなわち行動の分類の細かさ）を調整することができる。これによって、監視対象者の位置情報から、管理者の分析目的に応じて、必要な情報を抽出することができる。
【０２２９】
＜第２の実施形態＞
続いて、本発明の第２の実施形態について説明する。第２の実施形態において第１の実施形態と共通する部分に関する説明は省略し、相違点についてのみ以下に説明する。
【０２３０】
最初に、第２の実施形態の概要を説明する。
【０２３１】
第１の実施形態では、既に説明したように、測位データから特徴量ベクトルが算出され、複数の特徴量ベクトルをクラスタリングすることによってクラスタ（すなわち、分類された行動に対応する「状態」）が特定され、状態間の遷移確率が計算される。さらに、管理者の指定に従って、クラスタをさらに分割することができる。
【０２３２】
しかし、実際には、特定の状態遷移を一つの状態として扱うことが望ましい場合がある。一例として、屋外の監視区域において、監視対象者が信号機のある横断歩道を渡るという行動について述べる。この行動に対応する測位データから、上記のクラスタリングによって、信号機のある横断歩道の一方の端まで移動するという行動に対応する状態ａと、その地点で（信号機が進行を表示するまで）停止したまま待つという行動に対応する状態ｂと、横断歩道をもう一方の端まで移動するという行動に対応する状態ｃと、が抽出され得る。しかし、このような一連の行動の各々に対応する状態を抽出する必要はなく、「横断歩道を渡る」という行動全体に対応する一つの状態Ａを抽出したい場合もあり得る。
【０２３３】
第２の実施形態では、上記のような一連の行動に対応する複数の状態ラベルの列（例えば「ａｂｃ」）と、それに対応する一つの状態ラベル（例えば「Ａ」）とを対応付ける情報（すなわち状態判定辞書）に基づいて、クラスタリングによって抽出された複数の状態から、一つの状態が推定される。
【０２３４】
なお、以下の説明では、特徴量ベクトルのクラスタリングの結果として取得された上記の「ａ」「ｂ」「ｃ」のような状態及びその状態ラベルと、それらの列に割り当てられた「Ａ」のような状態及びその状態ラベルとを区別するために、便宜上、前者を「移動状態」及び「移動状態ラベル」と記載し、後者を「状態」及び「状態ラベル」と記載する。「移動状態」及び「移動状態ラベル」は、第１の実施形態の「状態」及び「状態ラベル」に相当する。「状態ラベル」が割り当てられなかった「移動状態ラベル」は、後述する状態ラベルの遷移列の統計モデルへの当てはめ（図２７のステップ１１０２）及び統計モデルからの情報抽出（図２７のステップ１１０３）において、「状態ラベル」として扱われる。
【０２３５】
続いて、第２の実施形態の詳細について図面を参照して説明する。
【０２３６】
図２７は、本発明の第２の実施形態のモニタリングサーバ１００が実行する動線解析処理を示すフローチャートである。
【０２３７】
図２７に示す処理は、第１の実施形態の動線解析処理（図１１）と同様、図３のステップ３２１において実行される。
【０２３８】
最初に、動線解析部１０４は、測位データの特徴量を算出し、移動状態ラベルを生成する（ステップ１１０１）。この手順は第１の実施形態と同じである（図１２Ａ等参照）。
【０２３９】
次に、動線解析部１０４は、ステップ１１０１において生成された移動状態ラベルと、状態判定辞書とを比較し、その結果に基づいて状態ラベルを推定する（ステップ２７０１）。
【０２４０】
本実施形態の分析情報ＤＢ１１４には、図１７及び図１８に示した情報に加えて、状態判定辞書２８００及び状態判定設定情報２９００が格納される。これらの情報の詳細については図２８及び図２９を参照して、これらの情報に基づく状態ラベルの推定処理については図３０Ａ〜図３２を参照して後述する。
【０２４１】
次に、動線解析部１０４は、ステップ２７０１において推定された状態ラベルに基づいて、状態ラベル遷移列を統計モデルに当てはめる（ステップ１１０２）。次に、動線解析部１０４は、統計モデルから情報を抽出する（ステップ１１０３）。これらの手順は第１の実施形態と同じである（図１５等参照）。
【０２４２】
以上で第２の実施形態の動線解析処理が終了する。
【０２４３】
図２８は、本発明の第２の実施形態の分析情報ＤＢ１１４に格納される状態判定辞書の説明図である。
【０２４４】
状態判定辞書２８００は、状態ラベル２８０１、移動状態記号列２８０２、空間条件２８０３及び条件粒度２８０４を含む。
【０２４５】
状態ラベル２８０１は、状態を一意に識別する情報である。これは、移動状態ラベルの列に割り当てられるべき状態ラベルであり、ステップ２７０１において推定された状態ラベルに相当する。上記の横断歩道の例で言えば、「Ａ」が状態ラベル２８０１に相当する。
【０２４６】
移動状態記号列２８０２は、状態ラベル２８０１によって識別される状態（すなわち当該状態）に対応する移動状態の記号列情報である。上記の横断歩道の例で言えば、「ａｂｃ」が移動状態記号列２８０２に相当する。より詳細な例については後述する。
【０２４７】
空間条件２８０３は、周囲の地物の条件を指定する文字列である。周囲の地物の条件として、例えば、状態判定辞書２８００と比較される移動状態ラベルの列に対応する動線の周囲の地物の種類、その地物から当該動線までの距離及びその地物から当該動線上の点までの方向等を示す情報が含まれる。この文字列は、どのような文法によって記述されてもよい。その一例はＸＭＬ（Extensible Markup Language）である。上記の横断歩道の例で言えば、地物の属性が信号機であること、その信号機からの距離、及びその信号機からの方向等を示す文字列が空間条件２８０３に相当する。
【０２４８】
条件粒度２８０４は、条件の粒度（すなわち細かさ）を表現するレベルである。例えば、上記のように「横断歩道を渡る」という行動に対応する状態Ａを抽出することが望まれる場合もあるが、さらに大きい（すなわち粗い）粒度で状態を抽出したい場合、より具体的には、例えば、ある地点から別のある地点に移動する（そしてその途中で上記の横断歩道を通過する）という行動に相当する状態Ｂを抽出することが望まれる場合もあり得る。このような場合には、当該「ある地点から別のある地点に移動する」という行動に対応する移動状態ラベルの列（すなわち上記の「ａｂｃ」を含む、それより長い列）が移動状態記号列２８０２として登録され、それに対応する条件粒度２８０４として、上記の「横断歩道を渡る」に対応する条件粒度２８０４より大きい粒度を示す値が登録される。
【０２４９】
ただし、粒度の大きさは、それに対応する移動状態ラベルの列の長さに必ずしも依存しない。例えば、「横断歩道を渡る」行動は、さらに、監視対象者が横断歩道の一方の端で停止した後、もう一方の端に移動するという行動と、停止せずに移動するという行動とに分類することができる場合がある。この場合、「横断歩道を渡る」行動に対応する粒度は、「一旦停止した後で横断歩道を渡る」行動の粒度及び「停止せずに横断歩道を渡る」行動の粒度より大きくなる。
【０２５０】
条件粒度２８０４の値は、管理者が手動で設定してもよいが、モニタリングサーバ１００が自動で設定してもよい。自動で設定する場合、例えば、空間条件２８０３によって指定された地物の大きさが小さいほど、細かい粒度を示す値を設定してもよいし、移動状態記号列２８０２の長さが短いほど、細かい粒度を示す値を設定してもよい。
【０２５１】
上記のように、例えば空間条件２８０３として地物「信号機」からの距離及び方向の範囲が定められ、それに対応する状態ラベル２８０１及び移動状態記号列２８０２としてそれぞれ「Ａ」及び「ａｂｃ」が登録されている場合において、信号機からの距離及び方向が当該定められた範囲内にある動線から移動状態ラベルの列「ａｂｃ」が抽出された場合、その動線が監視対象者の「横断歩道を渡る」という行動に対応すると判定される。
【０２５２】
状態判定辞書２８００として、上記のような状態ラベル２８０１〜条件粒度２８０４の複数の組が登録され得る。例えば、別の空間条件２８０３として地物「本棚」が登録され、それに対応する所定の移動状態記号列２８０２の値と、それに対応する行動「本棚から本を取る」に対応する状態ラベル２８０１の値と、それらに対応する条件粒度２８０４の値と、の組が登録されてもよい。以下の説明においてこれらの組の各々を辞書項目と記載する。
【０２５３】
図２９は、本発明の第２の実施形態の分析情報ＤＢ１１４に格納される状態判定設定情報の説明図である。
【０２５４】
状態判定設定情報２９００は、空間条件２９０１及び条件粒度２９０２を含む。これらは、それぞれ、状態判定辞書２８００の空間条件２８０３及び条件粒度２８０４と同様のものである。ただし、初期状態において状態判定設定情報２９００は空であり、条件粒度が設定されたときに、その結果が状態判定設定情報２９００に格納される。
【０２５５】
続いて、図２７のステップ２７０１において実行される処理について説明する。ステップ２７０１では、まず、図３０Ａ〜図３０Ｃに示すように、状態判定辞書に基づく状態ラベルの推定処理が実行される。
【０２５６】
図３０Ａは、本発明の第２の実施形態のモニタリングサーバ１００が実行する状態判定辞書に基づく状態ラベルの推定処理を示すフローチャートである。
【０２５７】
図３０Ｂは、本発明の第２の実施形態における状態判定辞書の項目の検索処理の説明図である。
【０２５８】
図３０Ｃは、本発明の第２の実施形態における状態ラベルの割り当ての説明図である。
【０２５９】
最初に、動線解析部１０４は、ステップ１１０１において生成された移動状態ラベルの列に対応する動線の周囲の地物の配置が空間条件２８０３を満たす辞書項目を状態判定辞書２８００から検索する（ステップ３００１）。例えば、当該動線が本棚の近くを通り、部屋の中を通り、さらに別のいくつかの地物の近くを通る場合に、それらの地物と当該動線との位置関係が、状態判定辞書２８００に登録された各辞書項目の空間条件２８０３を満たすか否かが判定され、満たすと判定された辞書項目が検索の結果として取得される（図３０Ｂ参照）。
【０２６０】
次に、動線解析部１０４は、ステップ３００１において検索された辞書項目の移動状態記号列２８０２と、ステップ１１０１において生成された移動状態ラベルの列とを比較し、それらが類似する場合、その辞書項目の状態ラベル２８０１を当該移動状態ラベルの列に対応する状態ラベルとして割り当てる（ステップ３００２）。
【０２６１】
この比較、及び、類似するか否かの判定は、公知の方法によって行うことができる。例えば、当該移動状態ラベルの列から切り出された区間と、移動状態記号列２８０２との一致度が計算され、その一致度が所定の閾値より高ければ、その区間に、移動状態記号列２８０２に対応する状態ラベル２８０１が割り当てられてもよい（図３０Ｃ参照）。このような比較を、移動状態ラベルの列から切り出された全区間について行い、最も一致度が高い区間が選択されてもよい。二つの区間の一致度は、例えば、それらの区間において一致する移動状態ラベルの個数等に基づいて算出される。
【０２６２】
なお、状態判定設定情報２９００の条件粒度２９０２として粒度が指定されている場合には、その指定された粒度に対応する辞書項目がステップ３００１において検索される。しかし、初期状態においては、条件粒度２９０２として粒度が指定されていない。この場合には、最も粗い粒度の辞書項目が検索される。このため、図３０Ａ〜図３０Ｃに示した状態ラベルの推定処理によって推定された状態ラベルの粒度が、管理者にとって望ましい粒度より大きい可能性がある。このため、動線解析部１０４は、より細かい粒度の状態ラベルを推定するか否かを管理者に判定させる処理を実行する。これについて図３１Ａ〜図３２を参照して説明する。
【０２６３】
図３１Ａは、本発明の第２の実施形態のモニタリングサーバ１００が実行する分析パラメータ調整候補選択処理を示すフローチャートである。
【０２６４】
図３１Ｂは、本発明の第２の実施形態における同一状態ラベルが割り当てられた区間の検索処理の説明図である。
【０２６５】
図３１Ｃは、本発明の第２の実施形態におけるより細かい粒度の状態の特定処理の説明図である。
【０２６６】
図３１Ｄは、本発明の第２の実施形態における一致度が高い状態の選択処理の説明図である。
【０２６７】
複数の動線について図３０Ａ〜図３０Ｃに示した状態ラベルの推定処理が実行された後に分析パラメータ調整候補選択処理が実行される。
【０２６８】
最初に、動線解析部１０４は、分析パラメータ調整候補選択処理によって同一の状態ラベルが割り当てられた移動状態ラベルの列の複数の区間を選択する（ステップ３１０１）。例えば、ある移動状態ラベルの列（すなわち移動状態遷移列）の区間「ａｂｂｂａｂｂｂａａ」に状態ラベル「Ａ」が割り当てられ、別の区間「ａｂｂａｂｂｂｂａａ」にも状態ラベル「Ａ」が割り当てられている場合、これらの区間が選択されてもよい（図３１Ｂ参照）。
【０２６９】
次に、動線解析部１０４は、ステップ３１０１において選択された各区間について、前回の状態ラベルの推定処理において適用されたものより細かい条件粒度２８０４に対応する移動状態記号列２８０２と一致するか否か（より正確には、一致度が所定の閾値より高いか否か）を判定する（ステップ３１０２）。図３１Ｃの例では、上記の区間「ａｂｂｂａｂｂｂａａ」に、状態ラベル「Ａ」より細かい条件粒度２８０４に対応する状態ラベル「Ｃ」に対応する移動状態記号列２８０２が一致すると判定され、区間「ａｂｂａｂｂｂｂａａ」には、状態ラベル「Ｄ」に対応する移動状態記号列２８０２が一致すると判定される。
【０２７０】
動線解析部１０４は、同様の処理を、例えば状態ラベルの推定処理によって状態ラベル「Ａ」が割り当てられた複数の区間について行う。その結果、例えば、それらの複数の区間のうちいくつかは状態ラベル「Ｃ」に対応する移動状態記号列２８０２と一致し、別のいくつかは状態ラベル「Ｄ」に対応する移動状態記号列２８０２と一致し、さらに別のいくつかは状態ラベル「Ｅ」に対応する移動状態記号列２８０２と一致すると判定されたと仮定する。この場合、動線解析部１０４は、一致すると判定された区間の数が多い順に二つの状態ラベル（例えば「Ｃ」及び「Ｄ」）を選択し、さらに、それぞれに対応する移動状態記号列２８０２との一致度が高い区間を選択する（ステップ３１０３及び図３１Ｄ）。
【０２７１】
そして、モニタリングサーバ１００は、選択された区間に対応するセンサ情報を管理者に提示する。この提示処理は第１の実施形態と同様に実行される（図２４参照）。これによって提示されるセンサ情報の例について、図３２を参照して説明する。
【０２７２】
図３２は、本発明の第２の実施形態の画面表示装置１２０によって表示されるセンサ情報提示画面の説明図である。
【０２７３】
図３２に示すセンサ情報提示画面３２００は、第１センサ情報表示部３２０１、第１歩行者情報表示部２５０２、第２センサ情報表示部３２０３、第２歩行者情報表示部２５０４、「区別あり」ボタン２５０５、「不明」ボタン２５０６及び「区別なし」ボタン２５０７を含む。これらのうち第１歩行者情報表示部２５０２、第２歩行者情報表示部２５０４、「区別あり」ボタン２５０５、「不明」ボタン２５０６及び「区別なし」ボタン２５０７は、第１の実施形態において説明したものと同じであるため、説明を省略する。
【０２７４】
第１センサ情報表示部３２０１及び第２センサ情報表示部３２０３は、それぞれ、第１音声再生ボタン３２０２及び第２音声再生ボタン３２０４を含むことを除いて、第１の実施形態の第１センサ情報表示部２５０１及び第２センサ情報表示部２５０３と同じである。第１音声再生ボタン３２０２及び第２音声再生ボタン３２０４は、センサ１３０としてマイクロフォンが設置されている場合に使用される。管理者が第１音声再生ボタン３２０２及び第２音声再生ボタン３２０４を操作すると、それぞれに対応する音声（例えば、上記の選択された状態ラベル「Ｃ」及び「Ｄ」に対応する時刻及び位置において録音された音声）が再生される。
【０２７５】
管理者は、提示された画像又は音声を参照して、例えば状態Ａを状態Ｃ、Ｄ等に区別する必要があるか否かを判定する。区別する必要があると判定された場合、「区別あり」ボタン２５０５が操作され、動線解析部１０４は、ステップ３１０２の結果に従って、より粒度が細かい状態ラベルを割り当てる。例えば、状態ラベル「Ａ」に代えて、状態ラベル「Ｃ」、「Ｄ」及び「Ｅ」等が割り当てられる。さらに、この場合、状態ラベル「Ｃ」等に対応する条件粒度２８０４の値が状態判定設定情報２９００の条件粒度２９０２として登録される。
【０２７６】
なお、第１の実施形態においても同様の方法によって音声が再生されてもよい。
【０２７７】
上記の処理の結果、例えば、移動状態ラベルの列「ａｂｂｂａｂｂｂａａ」に状態ラベル「Ｃ」が割り当てられると判定された場合、移動状態ａ及び移動状態ｂが新たな状態Ｃに統合される。すなわち、移動状態ａに対応するクラスタに含まれる全ての特徴量ベクトル、及び、移動状態ｂに対応するクラスタに含まれる全ての特徴量ベクトルを含む新たなクラスタが生成され、そのクラスタに対応する状態ラベルとして「Ｃ」が割り当てられる。そのクラスタの中心位置及び周囲のクラスタとの間の遷移確率等が計算され、分析情報ＤＢ１１４に格納される（図１７及び図１８参照）。
【０２７８】
以上の本発明の第２の実施形態によれば、特定の移動状態の列に対応する、より粒度の大きい状態を自動的に抽出することができ、さらに、その粒度が大きすぎない適切な値となるように管理者が調整することができる。
【０２７９】
＜第３の実施形態＞
続いて、本発明の第３の実施形態について説明する。第３の実施形態において第１又は第２の実施形態と共通する部分に関する説明は省略し、相違点についてのみ以下に説明する。
【０２８０】
第１及び第２の実施形態では、複数の監視対象者の動線を分析するための粒度が調整された。これに対して、第３の実施形態では、一人の監視対象者の動線を分析するための粒度が調整される。
【０２８１】
図３３Ａは、本発明の第３の実施形態のモニタリングサーバ１００が実行する分析パラメータ調整候補選択処理を示すフローチャートである。
【０２８２】
図３３Ｂは、本発明の第３の実施形態におけるより細かい粒度の状態の特定処理の説明図である。
【０２８３】
第２の実施形態と同様の方法によって、移動状態ラベルの列の区間（例えば「ａｂｂｂａｂｂｂａａ」）に対応する状態ラベル（例えば「Ａ」）が特定されると、第３の実施形態の動線解析部１０４は、当該区間に一致するより粒度の細かい状態を特定する（ステップ３３０１）。例えば、状態判定辞書２８００に、状態ラベル「Ｆ」、「Ｇ」及び「Ｈ」のそれぞれに対応する移動状態記号列「ａｂ」、「ｂｂａ」及び「ｂｂｂａａ」が登録されている場合、上記の移動状態ラベルの列「ａｂｂｂａｂｂｂａａ」の先頭の二つが状態ラベル「Ｆ」に、次の三つが状態ラベル「Ｇ」に、残りの五つが状態ラベル「Ｈ」に対応する（図３３Ｂ参照）。
【０２８４】
例えば、状態Ａが「横断歩道を渡る」という行動に対応する場合、状態Ｆが「横断歩道の一方の端まで移動する」という行動に対応し、状態Ｇが「信号機が進行を表示するまで停止したまま待つ」という行動に対応し、状態Ｈが「横断歩道をもう一方の端まで移動する」という行動に対応してもよい。
【０２８５】
この場合、動線解析部１０４は、特定された状態ラベルのうち二つを選択する（ステップ３３０２）。図３３Ｂに示した例では、いずれの状態の一致率も１００％（すなわち完全一致であるが、一致率に差がある場合には一致率が高い方から二つが選択されてもよい。このようにして選択された二つの状態について、第２の実施形態と同様の手順によってセンサ情報が管理者に提示される。管理者は、提示されたセンサ情報を参照して、粒度を細かくするか否かを判定することができる。
【０２８６】
以上の本発明の第３の実施形態によれば、一人の監視対象者の動線から状態を抽出する粒度を管理者が調整することができる。これによって、一人の人物が続けて行う行動をどのように切り分けて分析するかを決定することができる。
【０２８７】
＜第４の実施形態＞
続いて、本発明の第４の実施形態について説明する。第４の実施形態において第１から第３の実施形態と共通する部分に関する説明は省略し、相違点についてのみ以下に説明する。
【０２８８】
第１の実施形態では、クラスタリングによって取得されたクラスタ（すなわち状態）から、分割対象の候補が選択され、管理者が分割を指示した場合にはそのクラスタが二つに分割された。一方、第４の実施形態では、パターンの分類に寄与する可能性が低い二つのクラスタが統合される。
【０２８９】
例えば、ある場所においてある行動を行った全ての監視対象者が、それに続いて別のある行動を必ず行うのであれば、それらの行動を区別したとしても、パターンの分類に寄与しない。第４の実施形態ではそのような行動を抽出して統合する。
【０２９０】
図３４は、本発明の第４の実施形態の分析情報ＤＢ１１４に格納される状態判定設定情報の説明図である。
【０２９１】
図３４に示す状態判定設定情報は、統合対象状態ラベル３４０１を含む。これは、統合対象として選択された状態ラベルの配列である。
【０２９２】
次に、本実施形態の対象歩行者選択処理について説明する。本実施形態の対象歩行者選択処理は、第１の実施形態の対象歩行者選択処理の代わりに（またはそれと併せて）図２２のステップ２２０１において実行されてもよい。
【０２９３】
分析条件設定画面生成部１０６は、生成された状態ラベル遷移列を統計モデルに当てはめた結果を参照する。例えば、図１５に示す統計モデルにおいて、各パターンにおける特定の状態遷移の確率を示すωの値の間の差が小さく、それらのωの値がほぼ１であり、かつ、その特定の状態遷移の前後の状態の平均位置が近い場合、それらの状態を区別することがパターンの分類に寄与しない可能性が高い。
【０２９４】
より具体的には、分析条件設定画面生成部１０６は、特定のμ及びνに関するωμν(k)の値を、全てのｋについて取得し、それらのωμν(k)の値の差（ばらつき）が所定の閾値以下であり、それらのωμν(k)の値が所定の閾値以上であり、かつ、それらのωμν(k)に対応する状態遷移の前後の状態に対応する測位データが示す位置の平均値の間の距離が所定の閾値以下である場合、それらの状態に対応するクラスタの中心に最も近い監視対象者を対象歩行者として選択する。
【０２９５】
以後、選択された対象歩行者について、第１の実施形態と同様にセンサ情報が提示され（図２５参照）、管理者が「区別なし」ボタン２５０７を選択した場合、それらの状態が一つの状態に統合される。
【０２９６】
以上の本発明の第４の実施形態によれば、区別してもパターンの分類に寄与する可能性が低い二つのクラスタを統合することによって、状態遷移を整理することができる。
【符号の説明】
【０２９７】
１００ モニタリングサーバ
１０１ センサ情報管理部
１０２ 測位記録管理部
１０３ センサ・測位統合部
１０４ 動線解析部
１０５ 分析条件調整部
１０６ 分析条件設定画面生成部
１０７ 分析結果画面生成部
１１１ センサ情報データベース（ＤＢ）
１１２ 測位ＤＢ
１１３ 屋内地図ＤＢ
１１４ 分析情報ＤＢ
１１５ ユーザＤＢ
１２０ 画面表示部
１３０ センサ
１４０ 移動体端末
１５０ 環境側測位装置
１６０Ａ、１６０Ｂ ネットワーク
【特許請求の範囲】
【請求項１】
監視対象区域内の複数の監視対象者の行動を監視する監視装置であって、
前記監視装置は、
プロセッサと、前記プロセッサに接続される記憶装置と、を備え、
前記記憶装置は、前記複数の監視対象者が携行する移動体端末の位置を示す測位データを保持し、
前記プロセッサは、
前記測位データに基づいて前記監視対象者の行動を分類し、
複数の前記分類された行動から変更対象の候補を選択し、
前記候補として選択された行動に対応する複数の測位データを抽出し、
前記抽出された複数の測位データに関する情報を出力し、
前記候補として選択された行動の分類を変更する指示が入力された場合、前記候補として選択された行動の分類を変更することを特徴とする監視装置。
【請求項２】
前記記憶装置は、
前記監視対象区域内に設置された複数のセンサによって取得された情報及び前記情報が取得された時刻を示す情報を含む第１情報を保持し、
前記各センサが前記第１情報を取得できる領域を特定する第２情報を保持し、
前記プロセッサは、前記第１情報及び前記第２情報に基づいて、前記抽出された複数の測位データの各々が取得された時刻に、各々が示す位置を含む領域において前記センサによって取得された情報を出力することを特徴とする請求項１に記載の監視装置。
【請求項３】
前記プロセッサは、
前記各監視対象者に関する測位データの特徴量を算出し、
前記特徴量をクラスタリングすることによって、各々が前記分類された行動に対応する複数のクラスタを生成し、
前記クラスタの大きさに基づいて、前記変更対象の候補を選択することを特徴とする請求項２に記載の監視装置。
【請求項４】
前記プロセッサは、前記変更対象の候補として選択された行動に対応するクラスタに含まれる複数の特徴量を、各々が前記抽出された測位データに対応する特徴量を含む複数のクラスタに分割することによって、前記候補として選択された行動の分類を変更することを特徴とする請求項３に記載の監視装置。
【請求項５】
前記プロセッサは、
前記候補として選択された行動に対応するクラスタに含まれる前記複数の特徴量のみを対象としてクラスタリングを実行することによって、複数の分割されたクラスタを生成し、
前記複数の分割されたクラスタの中心に最も近い特徴量に対応する測位データを前記複数の測位データとして抽出し、
前記候補として選択された行動の分類を変更する指示が入力された場合、前記候補として選択された行動に対応するクラスタを、当該クラスタのみと対象として実行されたクラスタリングによって生成された前記複数のクラスタに分割することによって、前記候補として選択された行動の分類を変更することを特徴とする請求項４に記載の監視装置。
【請求項６】
前記プロセッサは、
前記候補として選択された行動に対応するクラスタに含まれる前記複数の特徴量のうち、最も距離の離れた二つを抽出し、前記抽出された二つの特徴量に対応する測位データを、前記複数の測位データとして抽出し、
前記候補として選択された行動の分類を変更する指示が入力された場合、前記候補として選択された行動に対応するクラスタに含まれる特徴量を、各々が前記抽出された二つの特徴量のうち距離が近い方に対応する新たなクラスタに含まれるように分割することを特徴とする請求項４に記載の監視装置。
【請求項７】
前記プロセッサは、前記各クラスタに含まれる前記特徴量の数が多いほど当該クラスタが大きいと判定し、
前記生成された複数のクラスタのうち最も大きいものを前記変更対象の候補として選択することを特徴とする請求項３に記載の監視装置。
【請求項８】
前記プロセッサは、前記各クラスタの半径が大きいほど当該クラスタが大きいと判定し、
前記生成された複数のクラスタのうち最も大きいものを前記変更対象の候補として選択することを特徴とする請求項３に記載の監視装置。
【請求項９】
前記複数のセンサは、前記領域の画像を撮影する監視カメラ又は前記領域の音声を収録するマイクロフォンであり、
前記第１情報は、前記画像又は音声を含むことを特徴とする請求項２に記載の監視装置。
【請求項１０】
前記記憶装置は、複数の前記行動と、前記複数の行動を包含する一つの行動と、を対応付ける行動辞書を保持し、
前記プロセッサは、前記測位データに基づいて分類された複数の行動と、前記行動辞書に保持された複数の行動との一致度が所定の閾値より高い場合、前記分類された複数の行動を、前記行動辞書に保持された複数の行動に対応する一つの行動に置き換えることによって、前記行動の分類を変更することを特徴とする請求項１に記載の監視装置。
【請求項１１】
前記行動辞書は、前記複数の行動を包含する各行動の粒度を示す情報をさらに保持し、
前記プロセッサは、前記測位データに基づいて分類された複数の行動と、前記行動辞書に保持された、第１の粒度に対応する複数の行動との一致度が所定の閾値より高い場合、当該分類された複数の行動の一部と、前記第１の粒度より細かい第２の粒度に対応する複数の行動との一致度を計算し、前記計算された一致度が所定の閾値より高い場合、前記分類された複数の行動の一部を前記第２の粒度に対応する複数の行動に対応する一つの行動に置き換えることによって、前記行動の分類を変更することを特徴とする請求項１０に記載の監視装置。
【請求項１２】
前記プロセッサは、
前記分類された複数の行動の間の遷移確率を前記測位データに基づいて計算し、
所定の統計モデルに基づいて、前記遷移確率を複数のパターンに分類し、
前記各パターンにおける特定の二つの行動の間の遷移確率が所定の閾値より大きく、かつ、前記各パターンにおける当該二つの行動の間の遷移確率のばらつきが所定の閾値より小さい場合、当該二つの行動を一つの行動に変更することによって前記行動の分類を変更することを特徴とする請求項３に記載の監視装置。
【請求項１３】
監視装置が監視対象区域内の複数の監視対象者の行動を監視する方法であって、
前記監視装置は、
プロセッサと、前記プロセッサに接続される記憶装置と、を備え、
前記複数の監視対象者が携行する移動体端末の位置を示す測位データを保持し、
前記方法は、
前記監視装置が、前記測位データに基づいて前記監視対象者の行動を分類する第１手順と、
前記監視装置が、複数の前記分類された行動から変更対象の候補を選択し、前記候補として選択された行動に対応する複数の測位データを抽出し、前記抽出された複数の測位データに関する情報を出力する第２手順と、
前記候補として選択された行動の分類を変更する指示が入力された場合、前記監視装置が、前記候補として選択された行動の分類を変更する第３手順と、を含むことを特徴とする方法。
【請求項１４】
前記監視装置は、前記監視対象区域内に設置された複数のセンサによって取得された情報及び前記情報が取得された時刻を示す情報を含む第１情報を保持し、前記各センサが前記第１情報を取得できる領域を特定する第２情報を保持し、
前記第２手順において、前記監視装置は、前記第１情報及び前記第２情報に基づいて、前記抽出された複数の測位データの各々が取得された時刻に、各々が示す位置を含む領域において前記センサによって取得された情報を出力することを特徴とする請求項１３に記載の方法。
【請求項１５】
前記第１手順において、前記監視装置は、前記各監視対象者に関する測位データの特徴量を算出し、前記特徴量をクラスタリングすることによって、各々が前記分類された行動に対応する複数のクラスタを生成し、
前記第２手順において、前記監視装置は、前記クラスタの大きさに基づいて、前記変更対象の候補を選択することを特徴とする請求項１４に記載の方法。
【請求項１６】
前記第３手順において、前記監視装置は、前記変更対象の候補として選択された行動に対応するクラスタに含まれる複数の特徴量を、各々が前記抽出された測位データに対応する特徴量を含む複数のクラスタに分割することによって、前記候補として選択された行動の分類を変更することを特徴とする請求項１５に記載の方法。
【請求項１】
監視対象区域内の複数の監視対象者の行動を監視する監視装置であって、
前記監視装置は、
プロセッサと、前記プロセッサに接続される記憶装置と、を備え、
前記記憶装置は、前記複数の監視対象者が携行する移動体端末の位置を示す測位データを保持し、
前記プロセッサは、
前記測位データに基づいて前記監視対象者の行動を分類し、
複数の前記分類された行動から変更対象の候補を選択し、
前記候補として選択された行動に対応する複数の測位データを抽出し、
前記抽出された複数の測位データに関する情報を出力し、
前記候補として選択された行動の分類を変更する指示が入力された場合、前記候補として選択された行動の分類を変更することを特徴とする監視装置。
【請求項２】
前記記憶装置は、
前記監視対象区域内に設置された複数のセンサによって取得された情報及び前記情報が取得された時刻を示す情報を含む第１情報を保持し、
前記各センサが前記第１情報を取得できる領域を特定する第２情報を保持し、
前記プロセッサは、前記第１情報及び前記第２情報に基づいて、前記抽出された複数の測位データの各々が取得された時刻に、各々が示す位置を含む領域において前記センサによって取得された情報を出力することを特徴とする請求項１に記載の監視装置。
【請求項３】
前記プロセッサは、
前記各監視対象者に関する測位データの特徴量を算出し、
前記特徴量をクラスタリングすることによって、各々が前記分類された行動に対応する複数のクラスタを生成し、
前記クラスタの大きさに基づいて、前記変更対象の候補を選択することを特徴とする請求項２に記載の監視装置。
【請求項４】
前記プロセッサは、前記変更対象の候補として選択された行動に対応するクラスタに含まれる複数の特徴量を、各々が前記抽出された測位データに対応する特徴量を含む複数のクラスタに分割することによって、前記候補として選択された行動の分類を変更することを特徴とする請求項３に記載の監視装置。
【請求項５】
前記プロセッサは、
前記候補として選択された行動に対応するクラスタに含まれる前記複数の特徴量のみを対象としてクラスタリングを実行することによって、複数の分割されたクラスタを生成し、
前記複数の分割されたクラスタの中心に最も近い特徴量に対応する測位データを前記複数の測位データとして抽出し、
前記候補として選択された行動の分類を変更する指示が入力された場合、前記候補として選択された行動に対応するクラスタを、当該クラスタのみと対象として実行されたクラスタリングによって生成された前記複数のクラスタに分割することによって、前記候補として選択された行動の分類を変更することを特徴とする請求項４に記載の監視装置。
【請求項６】
前記プロセッサは、
前記候補として選択された行動に対応するクラスタに含まれる前記複数の特徴量のうち、最も距離の離れた二つを抽出し、前記抽出された二つの特徴量に対応する測位データを、前記複数の測位データとして抽出し、
前記候補として選択された行動の分類を変更する指示が入力された場合、前記候補として選択された行動に対応するクラスタに含まれる特徴量を、各々が前記抽出された二つの特徴量のうち距離が近い方に対応する新たなクラスタに含まれるように分割することを特徴とする請求項４に記載の監視装置。
【請求項７】
前記プロセッサは、前記各クラスタに含まれる前記特徴量の数が多いほど当該クラスタが大きいと判定し、
前記生成された複数のクラスタのうち最も大きいものを前記変更対象の候補として選択することを特徴とする請求項３に記載の監視装置。
【請求項８】
前記プロセッサは、前記各クラスタの半径が大きいほど当該クラスタが大きいと判定し、
前記生成された複数のクラスタのうち最も大きいものを前記変更対象の候補として選択することを特徴とする請求項３に記載の監視装置。
【請求項９】
前記複数のセンサは、前記領域の画像を撮影する監視カメラ又は前記領域の音声を収録するマイクロフォンであり、
前記第１情報は、前記画像又は音声を含むことを特徴とする請求項２に記載の監視装置。
【請求項１０】
前記記憶装置は、複数の前記行動と、前記複数の行動を包含する一つの行動と、を対応付ける行動辞書を保持し、
前記プロセッサは、前記測位データに基づいて分類された複数の行動と、前記行動辞書に保持された複数の行動との一致度が所定の閾値より高い場合、前記分類された複数の行動を、前記行動辞書に保持された複数の行動に対応する一つの行動に置き換えることによって、前記行動の分類を変更することを特徴とする請求項１に記載の監視装置。
【請求項１１】
前記行動辞書は、前記複数の行動を包含する各行動の粒度を示す情報をさらに保持し、
前記プロセッサは、前記測位データに基づいて分類された複数の行動と、前記行動辞書に保持された、第１の粒度に対応する複数の行動との一致度が所定の閾値より高い場合、当該分類された複数の行動の一部と、前記第１の粒度より細かい第２の粒度に対応する複数の行動との一致度を計算し、前記計算された一致度が所定の閾値より高い場合、前記分類された複数の行動の一部を前記第２の粒度に対応する複数の行動に対応する一つの行動に置き換えることによって、前記行動の分類を変更することを特徴とする請求項１０に記載の監視装置。
【請求項１２】
前記プロセッサは、
前記分類された複数の行動の間の遷移確率を前記測位データに基づいて計算し、
所定の統計モデルに基づいて、前記遷移確率を複数のパターンに分類し、
前記各パターンにおける特定の二つの行動の間の遷移確率が所定の閾値より大きく、かつ、前記各パターンにおける当該二つの行動の間の遷移確率のばらつきが所定の閾値より小さい場合、当該二つの行動を一つの行動に変更することによって前記行動の分類を変更することを特徴とする請求項３に記載の監視装置。
【請求項１３】
監視装置が監視対象区域内の複数の監視対象者の行動を監視する方法であって、
前記監視装置は、
プロセッサと、前記プロセッサに接続される記憶装置と、を備え、
前記複数の監視対象者が携行する移動体端末の位置を示す測位データを保持し、
前記方法は、
前記監視装置が、前記測位データに基づいて前記監視対象者の行動を分類する第１手順と、
前記監視装置が、複数の前記分類された行動から変更対象の候補を選択し、前記候補として選択された行動に対応する複数の測位データを抽出し、前記抽出された複数の測位データに関する情報を出力する第２手順と、
前記候補として選択された行動の分類を変更する指示が入力された場合、前記監視装置が、前記候補として選択された行動の分類を変更する第３手順と、を含むことを特徴とする方法。
【請求項１４】
前記監視装置は、前記監視対象区域内に設置された複数のセンサによって取得された情報及び前記情報が取得された時刻を示す情報を含む第１情報を保持し、前記各センサが前記第１情報を取得できる領域を特定する第２情報を保持し、
前記第２手順において、前記監視装置は、前記第１情報及び前記第２情報に基づいて、前記抽出された複数の測位データの各々が取得された時刻に、各々が示す位置を含む領域において前記センサによって取得された情報を出力することを特徴とする請求項１３に記載の方法。
【請求項１５】
前記第１手順において、前記監視装置は、前記各監視対象者に関する測位データの特徴量を算出し、前記特徴量をクラスタリングすることによって、各々が前記分類された行動に対応する複数のクラスタを生成し、
前記第２手順において、前記監視装置は、前記クラスタの大きさに基づいて、前記変更対象の候補を選択することを特徴とする請求項１４に記載の方法。
【請求項１６】
前記第３手順において、前記監視装置は、前記変更対象の候補として選択された行動に対応するクラスタに含まれる複数の特徴量を、各々が前記抽出された測位データに対応する特徴量を含む複数のクラスタに分割することによって、前記候補として選択された行動の分類を変更することを特徴とする請求項１５に記載の方法。
【図１】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図１１】
【図１２Ａ】
【図１２Ｂ】
【図１２Ｃ】
【図１２Ｄ】
【図１３】
【図１４】
【図１５】
【図１６】
【図１７】
【図１８】
【図１９】
【図２０】
【図２１】
【図２２】
【図２３】
【図２４】
【図２５】
【図２６】
【図２７】
【図２８】
【図２９】
【図３０Ａ】
【図３０Ｂ】
【図３０Ｃ】
【図３１Ａ】
【図３１Ｂ】
【図３１Ｃ】
【図３１Ｄ】
【図３２】
【図３３Ａ】
【図３３Ｂ】
【図３４】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図１１】
【図１２Ａ】
【図１２Ｂ】
【図１２Ｃ】
【図１２Ｄ】
【図１３】
【図１４】
【図１５】
【図１６】
【図１７】
【図１８】
【図１９】
【図２０】
【図２１】
【図２２】
【図２３】
【図２４】
【図２５】
【図２６】
【図２７】
【図２８】
【図２９】
【図３０Ａ】
【図３０Ｂ】
【図３０Ｃ】
【図３１Ａ】
【図３１Ｂ】
【図３１Ｃ】
【図３１Ｄ】
【図３２】
【図３３Ａ】
【図３３Ｂ】
【図３４】
【公開番号】特開２０１２−１１８８３８（Ｐ２０１２−１１８８３８Ａ）
【公開日】平成２４年６月２１日（２０１２．６．２１）
【国際特許分類】
【出願番号】特願２０１０−２６９０３２（Ｐ２０１０−２６９０３２）
【出願日】平成２２年１２月２日（２０１０．１２．２）
【出願人】（０００００５１０８）株式会社日立製作所 (27,607)
【Ｆターム（参考）】
【公開日】平成２４年６月２１日（２０１２．６．２１）
【国際特許分類】
【出願日】平成２２年１２月２日（２０１０．１２．２）
【出願人】（０００００５１０８）株式会社日立製作所 (27,607)
【Ｆターム（参考）】
[ Back to top ]