JP2013238991A - 情報処理装置、情報処理方法及びプログラム - Google Patents

Abstract

【課題】イベントに参加した人物のプロフィールを推定可能な、新規かつ改良された情報処理装置、情報処理方法及びプログラムを提供すること。
【解決手段】人物が参加するイベントに関するイベント情報を解析するイベント情報解析部と、前記イベントに参加した人物について、当該人物を含む一又は複数の人物画像からなる人物画像群を解析する人物画像群解析部と、前記人物画像群の解析結果及び前記イベント情報の解析結果に基づき、前記イベントに参加した人物のプロフィールを推定するプロフィール推定部と、を備える情報処理装置。
【選択図】図３

Description

本開示は、情報処理装置、情報処理方法及びプログラムに関する。

近年、画像解析により、画像に含まれる人物の年齢、性別などを判別する技術が開示されている。

例えば、下記の特許文献１には、撮像する人物の人種、性別、体格などの属性を画像解析により判別し、当該人物までの距離を算出する技術が開示されている。また、当該技術では、更に、当該人物までの距離の算出結果を用いて、フォーカス制御を行っている。

特開２００７−３２８２１２号公報

しかし、上記の特許文献１に開示された技術では、人物のプロフィールが生成されることはない。そのため、ユーザは、判別した人物の属性情報を特定の目的に一時的に利用することしかできない。

そこで、本技術は、上記のような事情を受けて考案されたものであり、イベントに参加した人物のプロフィールを推定可能な、新規かつ改良された情報処理装置、情報処理方法及びプログラムを提供することを意図している。

本開示によれば、人物が参加するイベントに関するイベント情報を解析するイベント情報解析部と、前記イベントに参加した人物について、当該人物を含む一又は複数の人物画像からなる人物画像群を解析する人物画像群解析部と、前記人物画像群の解析結果及び前記イベント情報の解析結果に基づき、前記イベントに参加した人物のプロフィールを推定するプロフィール推定部と、を備える情報処理装置が提供される。

また、本開示によれば、人物が参加するイベントに関するイベント情報を解析するステップと、前記イベントに参加した人物について、当該人物を含む一又は複数の人物画像からなる人物画像群を解析するステップと、前記人物画像群の解析結果及び前記イベント情報の解析結果に基づき、前記イベントに参加した人物のプロフィールを推定するステップと、を含む情報処理方法が提供される。

また、本開示によれば、コンピュータに、人物が参加するイベントに関するイベント情報を解析するイベント情報解析機能と、前記イベントに参加した人物について、当該人物を含む一又は複数の人物画像からなる人物画像群を解析する人物画像群解析機能と、前記人物画像群の解析結果及び前記イベント情報の解析結果に基づき、前記イベントに参加した人物のプロフィールを推定するプロフィール推定機能と、を実現させるためのプログラムが提供される。

以上説明したように本開示によれば、イベントに参加した人物のプロフィールを推定可能な、新規かつ改良された情報処理装置、情報処理方法及びプログラムが提供される。

人物画像群解析に基づく人物のプロフィール推定を行う情報処理装置について説明するための説明図である。 人物画像群解析に基づく人物のプロフィール推定を行う情報処理装置が行う処理の流れの一例を示す流れ図である。 本開示の第１実施形態の基本構成に係る情報処理装置について説明するための説明図である。 同実施形態に係るイベント情報について説明するための説明図である。 同実施形態に係る人物画像群取得部が行う処理の一例について説明するための説明図である。 同実施形態に係る人物画像特徴量算出部が行う処理の一例について説明するための説明図である。 同実施形態に係る人物属性判別部１１６が行う処理の一例について説明するための説明図である。 同実施形態に係るイベント付帯情報について説明するための説明図である。 同実施形態に係るプロフィール項目について説明するための説明図である。 同実施形態に係るプロフィール項目の確信度について説明するための説明図である。 同実施形態の変形例に係る情報処理装置について説明するための説明図である。 同実施形態に係る変形例について説明するための説明図である。 同実施形態に係る変形例について説明するための説明図である。 同実施形態に係る第１応用例について説明するための説明図である。 同実施形態に係る第２応用例について説明するための説明図である。 同応用例について説明するための説明図である。 同実施形態に係る情報処理装置が行う処理の流れの一例を示す流れ図である。 同実施形態の変形例に係る情報処理装置が行う処理の流れの一例を示す流れ図である。

以下に添付図面を参照しながら、本開示の好適な実施の形態について詳細に説明する。なお、本明細書及び図面において、実質的に同一の機能構成を有する構成要素については、同一の符号を付することにより重複説明を省略する。

なお、説明は以下の順序で行うものとする。
１：はじめに
１−１：人物画像群解析に基づくプロフィール推定について（図１）
１−２：人物画像群解析に基づくプロフィール推定の流れ（図２）
２：情報処理装置１０の基本構成（画像解析＋イベント情報；図３〜図１０）
３：変形例（画像解析＋イベント情報＋ウェブサイト情報）
３−１：変形例に係る情報処理装置の構成（図１１）
３−２：プロフィール更新部１５８が行う処理
３−２−１：画像を利用したプロフィール更新方法（図１２）
３−２−２：確信度を利用したプロフィール更新方法（図１３）
３−２−３：画像及び確信度を利用したプロフィール更新方法
４：応用例
４−１：第１応用例（確信度を利用したプロフィール表示；図１４）
４−２：第２応用例（確信度を利用したイベント検索；図１５及び図１６）
５：情報処理装置１０が行う処理の流れ
５−１：基本構成の場合の処理の流れ（図１７）
５−２：変形例の場合の処理の流れ（図１８）
６：まとめ

＜１：はじめに＞
本実施形態に係る技術の説明に先立ち、本実施形態に係る技術で利用可能なプロフィール推定技術について紹介する。当該プロフィール推定技術は、人物が被写体として含まれる一又は複数の人物画像からなる人物画像群を解析することにより、当該人物のプロフィールを推定する方法に関する。

以下では、まず、図１を参照しながら、当該技術を適用した情報処理装置５０の構成の一例について説明する。次に、図２を参照しながら、当該情報処理装置５０が行う処理の流れについて説明する。

［１−１：人物画像群解析に基づくプロフィール推定について（図１）］
図１は、人物画像群解析に基づく人物のプロフィール推定を行う情報処理装置５０について説明するための説明図である。図１に示すように、情報処理装置５０は、人物画像群解析部５０１と、プロフィール推定部５０２とを主に備える。

人物画像群解析部５０１は、入力された画像を解析し、撮像された人物の属性を判別する。プロフィール推定部５０２は、人物画像群解析部５０１により判別された人物属性に基づいて、当該人物のプロフィールを推定する。以下では、人物画像群解析部５０１及びプロフィール推定部５０２が行う処理について詳細に説明する。

人物画像群解析部５０１の人物画像群取得部５１２には、画像データベースなどから一又は複数の画像からなる画像群が入力される。以下では、人物画像群取得部５１２に入力される画像群Ｐ’に含まれる１枚の画像に着目して、説明を進める。

人物画像群取得部５１２に入力される画像が人物以外の被写体も含む撮像画像である場合に、人物画像群取得部５１２は、入力された撮像画像から人物が含まれる部分である人物画像Ｐ_Ｈ’を抽出する人物画像抽出部として機能する。

また、１枚の撮像画像に複数の人物が含まれる場合には、人物画像群取得部５１２は、各人物が含まれる部分を取得し、各人物の人物画像とする。

人物画像群取得部５１２により取得された人物画像Ｐ_Ｈ’は、人物画像特徴量算出部５１４に入力される。人物画像Ｐ_Ｈ’が入力されると、人物画像特徴量算出部５１４は、人物画像Ｐ_Ｈ’の特徴量を算出する。

算出される特徴量は、後述する人物属性判別部５１６が人物の属性を判別するために用いるものである。例えば、人物画像特徴量算出部５１４は、人物の瞼のライン上の複数の点の位置を特徴量として算出したり、算出した瞼のライン上の複数の点の位置に基づいて瞼の形状を特徴量として算出したりする。

また、人物画像群取得部５１２により取得された人物画像Ｐ_Ｈ’は、人物画像データベースに格納される。

人物画像特徴量算出部５１４により算出された人物画像の特徴量は、人物属性判別部５１６に入力される。人物属性判別部５１６は、入力された特徴量に基づいて、人物画像Ｐ_Ｈ’に対応する人物の属性を判別する。

人物の属性は、例えば、当該人物の「性別」、「年齢」などである。人物の「年齢」は、「１０代」や「２０代」などのように、所定の幅をもった年齢層を候補として算出されてもよい。人物属性判別部５１６からは、例えば「性別」は「男性」であり、「年齢」は「３０代」であるという人物属性情報が出力される。

人物属性判別部５１６により判別された人物属性情報は、人物属性データベースに格納される。人物属性データベースは、情報処理装置５０の内部に含まれていてもよく、情報処理装置５０がアクセス可能なサーバなどの内部に含まれていてもよい。

プロフィール推定部５０２は、人物属性データベースから、人物属性情報を取得する。また、プロフィール推定部５０２は、人物画像データベースから、人物画像を取得する。

プロフィール推定部５０２は、取得した人物属性情報及び人物画像から、各人物のプロフィールを推定する。ここで、本稿におけるプロフィールとは、一又は複数のプロフィール項目及びその値並びにプロフィール画像の組をよぶこととする。

プロフィール推定部５０２は、取得した人物属性情報をそのまま当該人物のプロフィール項目とその値して推定してもよく、取得した人物属性情報に基づき、当該人物のプロフィール項目を新たに推定してもよい。

取得した人物属性情報に基づき、当該人物のプロフィール項目を新たに推定する例としては、取得した属性情報に当該人物の「年齢」が「２０代」であった場合に、プロフィール推定部５０２が、プロフィール項目「世代」を、「若者」と推定することがあげられる。

また、人物画像群撮像時の当該人物の「年齢」が「２０歳」である場合に、当該人物の「生年」を「人物画像群撮像時の２０年前」と推定することがあげられる。

また、例えば、人物画像群取得部５１２は、取得した年齢情報が「１０歳未満」であり、性別情報が「男性」である場合に、年齢と性別を統合したプロフィール項目の値を、「男の子」と推定してもよい。

また、プロフィール推定部５０２は、取得した人物画像のうち、一又は複数をプロフィール画像として選択する。例えば、プロフィール推定部５０２は、取得した人物画像からプロフィール画像をランダムに選択する。

また、プロフィール推定部５０２は、取得した人物画像のうち、当該人物が最も大きく撮像された人物画像を選択したり、輪郭が最もはっきりと撮像された人物画像を選択したりすることも考えられる。

プロフィール推定部５０２により推定されたプロフィールＰＲＯ’は、プロフィールデータベースに格納される。

プロフィールデータベースに格納されたプロフィールＰＲＯ’は、各人物に関するプロフィールが統合されているため、例えば、ある人物のあるプロフィール項目の値を検索キーとして、当該人物の他のプロフィール項目の値を検索したりすることが可能である。

なお、撮像画像に複数の人物が含まれる場合には、人物画像群取得部５１２は、撮像画像に含まれる複数の人物を区別して人物画像を取得し、情報処理装置５０の他の各部が各人物画像について上記の処理を行えばよい。

以上、図１を参照しながら、本実施形態に関連する情報処理装置５０の構成の一例について説明した。

［１−２：人物画像群解析に基づくプロフィール推定の流れ（図２）］
以下では、図２を参照しながら、本実施形態に関連する情報処理装置５０が行う処理の流れについて説明する。図２は、人物画像群解析に基づく人物のプロフィール推定を行う情報処理装置が行う処理の流れの一例を示す流れ図である。

図２に示すように、まず、人物画像群取得部５１２に一又は複数の画像（画像群）が入力される（Ｓ１０２）。

次に、人物画像群取得部５１２は、入力された画像群に基づいて、人物画像群を取得し、取得した人物画像群を、人物画像データベースへ格納する（Ｓ１０４）。例えば、人物画像群取得部５１２は、入力された画像群を画像解析することにより、当該画像群の被写体に含まれる人物を抽出する。

次に、人物画像特徴量算出部５１４は、人物画像群取得部５１２により取得された人物画像群に含まれる各人物画像の特徴量を算出する（Ｓ１０６）。

次に、人物属性判別部５１６は、各人物について、人物画像特徴量算出部５１４により算出された当該人物の人物画像群に含まれる人物画像の特徴量に基づき、人物の属性を判別し、判別した属性を、人物属性データベースへ格納する（Ｓ１０８）。

次に、プロフィール推定部５０２は、人物画像データベース及び人物属性データベースから人物画像及び人物属性を取得し、更に、取得した情報に基づいて判別された人物のプロフィールを推定する（Ｓ１１０）。

情報処理装置５０は、入力された画像群に含まれる全人物について、上記ステップＳ１０６〜ステップＳ１１０の処理を行うと、一連の処理を終了する（Ｓ１１２）。

以上、図２を参照しながら、本実施形態に関連する情報処理装置５０が行う処理の流れの一例について説明した。

＜２：情報処理装置１０の基本構成（画像解析＋イベント情報；図３〜図１０）＞
以下では、図３を参照しながら、情報処理装置１０の基本構成について説明する。図３は、本実施形態に係る情報処理装置の基本構成を説明するための説明図である。なお、図３に示す基本構成は一例であり、一部の構成要素を省略したり、追加したり、或いは変更したりしてもよい。

（概要）
本実施形態に係る技術は、イベント時に撮像されたイベント画像と、イベント場所やイベントタイトルなどのイベント付帯情報とを含むイベント情報から、イベントに参加した人物のプロフィールを推定する方法に関する。

図３に示すように、情報処理装置１０は、人物画像群解析部１０１と、プロフィール推定部１０２と、イベント情報解析部１０３と、確信度算出部１０４とを主に備える。

人物画像群解析部１０１は、入力されたイベント画像から人物画像を取得し、取得した人物画像を解析し、撮像された人物の属性を判別する。イベント情報解析部１０３は、入力されたイベント画像及びイベント付帯情報を解析し、撮像されたイベントの属性を判別する。

プロフィール推定部１０２は、人物画像群解析部１０１により判別された人物属性と、イベント情報解析部１０３により判別されたイベント属性とに基づいて、当該人物のプロフィールを推定する。確信度算出部１０４は、プロフィール推定部１０２により推定された各プロフィール項目について、確信度を算出する。確信度の定義については後述する。

（詳細）
情報処理装置１０には、イベント情報が入力される。図４に示すように、イベント情報は、イベント画像群Ｐ_Ｅと、イベント付帯情報Ｍ_Ｅとからなる。

イベント画像群Ｐ_Ｅは、同一のイベント時に撮像されたイベント画像Ｐ_Ｅ１、Ｐ_Ｅ２、Ｐ_Ｅ３、…を一組としてまとめたものである。また、イベント付帯情報は、イベント日時、イベント場所、イベントタイトル、イベント種別、イベント主役名などのイベント付帯項目とその値からなる。

イベント画像群Ｐ_Ｅは、人物画像群解析部１０１の人物画像群取得部１１２と、イベント情報解析部１０３のイベント画像特徴量算出部１３２とへ入力される。また、イベント付帯情報は、イベント情報解析部１０３のイベント付帯情報解析部１３６へ入力される。

以下では、まず、人物画像群解析部１０１が行う処理について詳細に説明する。人物画像群解析部１０１は、人物画像群取得部１１２と、人物画像特徴量算出部１１４と、人物属性判別部１１６とを含む。

人物画像群解析部１０１は、前述した情報処理装置５０の人物画像群解析部５０１と同様の処理を行う。前述した人物画像群解析部５０１の人物画像群取得部５１２には、多種の画像からなる画像データベースから、画像群が入力された。人物画像群解析部１０１の人物画像群取得部１１２には、イベント画像からなるイベント画像データベースから、イベント画像群Ｐ_Ｅが入力される。

人物画像群取得部１１２に入力されるイベント画像群Ｐ_Ｅが人物以外の被写体も含む撮像画像からなる場合に、人物画像群取得部１１２は、入力されたイベント画像群Ｐ_Ｅから人物が含まれる部分である人物画像群を抽出する人物画像抽出部として機能する。

１枚のイベント画像に複数の人物が含まれる場合、人物画像群取得部１１２は、それぞれの人物についての人物画像を取得する。例えば、図５に示すように、イベント画像Ｐ_Ｅ１に３人の人物が含まれている場合、人物画像群取得部１１２は、１枚のイベント画像Ｐ_Ｅ１から、３枚の人物画像Ｐ_Ｈ１Ａ〜Ｐ_Ｈ１Ｃを取得する。

なお、人物画像の取得に際して、その処理の一部又は全部を手動で行ってもよい。また、人物画像取得部１１２により取得された人物画像を、手動で修正してもよい。

また、人物画像群取得部１１２により取得された人物画像群Ｐ_Ｈ１は、人物画像データベースに格納される。人物画像データベースは、情報処理装置５０の内部に含まれていてもよく、情報処理装置５０がアクセス可能なサーバなどの内部に含まれていてもよい。

なお、人物画像群取得部１１２は、予めイベント画像群の人物部分を抽出した人物画像群が記憶されたデータベースなどから人物画像群を取得してもよい。

人物画像群取得部１１２により取得された人物画像群Ｐ_Ｈ１は、人物画像特徴量算出部１１４に入力される。人物画像群Ｐ_Ｈ１が入力されると、人物画像特徴量算出部１１４は、人物画像群Ｐ_Ｈ１に含まれる各人物画像の特徴量を算出する。

算出される特徴量は、後述する人物属性判別部１１６が人物の属性を判別するために用いるものである。例えば、人物属性判別部１１６は、人物の瞼のライン上の複数の点の位置を特徴量として算出したり、算出した瞼のライン上の複数の点の位置に基づいて瞼の形状を特徴量として算出したりする。

例えば図６に示すように、人物画像特徴量算出部１１４は、まず、瞳のライン上や唇のライン上の特徴点Ｆ_１〜Ｆ_１３を検出する。次に、人物画像特徴量算出部１１４は、検出した特徴点Ｆ_１〜Ｆ_１３の位置や特徴点同士の距離などから特徴量を算出する。

また、特徴量は、上記のように特徴点の位置検出に基づくものに限定されない。例えば、人物画像特徴量算出部１１４は、顔領域を検出した後、検出した顔領域の色を示す特徴量などを算出してもよい。

人物画像特徴量算出部１１４により算出された各人物画像の特徴量は、人物属性判別部１１６に入力される。人物属性判別部１１６は、入力された各人物画像群に含まれる人物画像の特徴量に基づいて、当該人物画像群に対応する人物の属性を判別する。

以下では、１枚の人物画像から人物の属性を判別する方法についてまず説明する。

人物の属性は、例えば、当該人物の性別、年齢などである。人物の年齢は、「１０代」や「２０代」などのように、所定の幅をもった年齢層を候補として算出されてもよい。人物属性判別部１１６からは、例えば「性別」は「男性」であり、「年齢」は「３０代」であるという人物属性情報が出力される。

また、人物の各属性は、数値で表現されてもよい。例えば、「年齢」について、「男性である可能性」を数値で表現することが考えられる。つまり、「男性である可能性が１００％」である場合に、属性「年齢」の値を「１」とし、「女性である可能性が１００％」である場合に、属性「年齢」の値を「０」とするような表現を行うことも可能である。

人物画像に基づく人物属性判別方法には、例えば、年齢が判明している人物の複数の人物画像から、各年齢の人物画像に対応する特徴量のモデルを予め作成しておき、入力された人物画像と各年齢の場合の特徴量のモデルとを比較することが考えられる。

例えば図７に示すように、人物属性判別部１１６に入力された人物画像Ｐ_Ｈ１Ａの特徴量と、「２０代」の人物の人物画像群Ｐ_Ｈ＿２０の特徴量のモデルとを比較する。一方で、人物属性判別部１１６に入力された人物画像Ｐ_Ｈ１Ａの特徴量と、「３０代」の人物の人物画像群Ｐ_Ｈ＿３０の特徴量のモデルとを比較する。

人物属性判別部１１６は、入力された人物画像Ｐ_Ｈ１Ａと最も近い特徴量を有する年齢を、人物画像の人物の年齢であると判別する。

人物画像Ｐ_Ｈ１Ａと、各年齢の人物画像群のモデルとの近さは、例えば、各特徴量の値を成分とする特徴ベクトル同士の距離の短さで表現する。図７の例のように、入力された人物画像Ｐ_Ｈ１Ａが、「３０代」の特徴量のモデルの特徴量と最も近い値の特徴量を有する場合に、人物属性判別部１１６は、人物画像Ｐ_Ｈ１Ａの人物の年齢を「３０代」と判別する。

以上、１枚の人物画像から人物属性を判別する方法について説明した。

人物画像群が複数の人物画像から構成される場合には、例えば、以下の２つの方法により人物画像群全体から人物属性を判別することができる。

第１の方法は、人物属性判別部１１６が、複数の人物画像の特徴量の代表値（例えば平均値等）を算出し、算出した代表値について上記の処理を行い、人物の属性を判別する方法である。

また、第２の方法は、人物属性判別部１１６が、複数の人物画像それぞれから人物属性を判別し、その結果を用いて人物画像群全体として最終的に用いる人物の属性を判別する方法である。

上記第２の方法の具体例として、例えば、人物画像群に含まれる人物画像のうち、所定の枚数以上の人物画像から判別した人物属性が同一のものであるときに、当該人物属性を、人物画像群全体から判別された結果として用いることが考えられる。

上記のように、所定の枚数以上の人物属性判別結果が得られた場合のみ当該人物属性判別結果を用いることにより、より信頼性の高い結果を取得することが可能になる。

また、上記第２の方法の具体例として、例えば、各人物属性について、人物画像群に含まれる各人物画像から判別した人物属性の値のうち最多の値を、人物画像群全体から判別された結果として用いることも考えられる。

上記のような方法で各人物画像群について判別された人物属性情報は、人物属性データベースに格納される。なお、人物属性データベースは、情報処理装置１０の内部に含まれていてもよく、情報処理装置１０がアクセス可能なサーバなどの内部に含まれていてもよい。

なお、人物属性判別部１１６により取得された人物属性を、手動で修正するようにしてもよい。

以上、人物画像群解析部１０１が行う処理について説明した。

次に、イベント情報解析部１０３が行う処理について説明する。図３に示すように、イベント情報解析部１０３は、イベント画像特徴量算出部１３２と、イベント属性判別部１３４と、イベント付帯情報解析部１３６とを含む。

イベント画像特徴量算出部１３２には、イベント画像データベースからイベント画像群Ｐ_Ｅが入力される。イベント画像特徴量算出部１３２は、イベント画像群Ｐ_Ｅが入力されると、各イベント画像の特徴量を算出する。

なお、イベント画像の特徴量は、後述するイベント属性判別部１３４がイベントの属性を判別する際に利用されるものであり、例えば、イベント画像に含まれる物体の形状、模様、色彩等を表す特徴量である。

このように、イベント画像特徴量算出部１３２により算出された各イベント画像の特徴量は、イベント属性判別部１３４へ入力される。

一方、イベント付帯情報解析部１３６には、イベント付帯情報データベースからイベント付帯情報が入力される。ここで、図８は、イベント付帯情報の例を説明するための説明図である。図８に示すように、イベント付帯情報は、例えば、「イベント日時」、「イベント場所」、「イベントタイトル」、「イベント種別」、「イベント主役名」などである。

なお、イベント付帯情報は、情報処理装置１０のユーザが各イベントについて直接付与してもよく、情報処理装置１０が入力された他のイベント付帯情報などから推定してもよい。

「イベント日時」の値は、例えば、「２０１１年１１月１０日」といった特定の年月日を表す値だけでなく、「２０１２年１月」というように、特定の期間を表す値であってもよい。「イベント日時」の値は、ユーザが入力したものであってもよく、イベント画像が撮像装置により撮像された際に、イベント画像に付与されたものであってもよい。

「イベント場所」の値は、例えば、「Ａホテル」や「太郎くんの家」等である。「イベント場所」の値は、「イベント日時」と同様に、ユーザが入力したものであってもよく、イベント画像が撮像装置により撮像された際に、イベント画像に付与されたものをであってもよい。

「イベントタイトル」の値は、イベントの内容に応じてユーザが付与したものである。例えば、「Ｂ大学ＯＢ会」や「太郎くんの誕生日会」などのようにイベント内容に応じて付与される場合もあれば、「２０１２年京都旅行」などのように、イベント内容の他にイベントの時期や場所に応じて付与される場合もある。

「イベント種別」の値は、「誕生日会」などのようにイベントの内容などに応じたイベントの分類である。また、誕生日会などのイベントの主役がいる場合には、「太郎くん」などのように特定の人物名が「イベント主役名」の値である。また、ＯＢ会などのイベントの主役がいない場合には、「イベント主役名」の値はない。

また、イベント付帯情報解析部１３６は、入力された「イベントタイトル」を、形態素解析などにより、「イベント日時」、「イベント場所」、「イベント主役名」、「イベント種別」などの他のイベント付帯項目の値に変換することも可能である。

例えば、図８に示すように、「イベントタイトル」として「太郎くんの誕生日会」が入力された場合に、イベント付帯情報解析部１３６は、「イベント主役名」の値を「太郎くん」とし、「イベント種別」の値を「誕生日会」とする。

上述したように、イベント付帯情報解析部１３６は、入力されたイベント付帯情報をそのまま出力する場合もあれば、他のイベント付帯情報に変換して出力する場合もある。

イベント付帯情報解析部１３６により解析されたイベント付帯情報は、イベント属性判別部１３４に入力される。

また、イベント付帯情報解析部１３６により解析されたイベント付帯情報を、ユーザが確認や修正を行うことができるようにしてもよい。

イベント属性判別部１３４には、イベント画像特徴量算出部１３２により算出された各イベント画像の特徴量が入力される。また、イベント属性判別部１３４には、イベント付帯情報解析部１３６により解析されたイベント付帯情報も入力される。

ここで、イベント画像群Ｐ_Ｅが複数のイベント画像から構成される場合には、例えば、イベント属性判別部１３４が、複数のイベント画像の特徴量の代表値（例えば平均値等）を算出し、算出した代表値をイベント画像群Ｐ_Ｅの特徴量として用いる。

イベント属性判別部１３４は、入力されたイベント画像群Ｐ_Ｅの特徴量及びイベント付帯情報Ｍ_Ｅに基づき、イベント属性を判別する。

イベント属性判別部１３４は、例えば、イベント画像群Ｐ_Ｅの特徴量から、イベント画像群Ｐ_Ｅに含まれる所定の物体を認識することにより、イベント属性情報「イベント種別」を判別する。

例えば、イベント画像群Ｐ_Ｅに含まれる多数の画像で中心となる人物が共通しており、「ケーキ」が認識された場合には、イベント属性判別部１３４は、イベント属性情報「イベント種別」の値を「誕生日会」としたりすることが考えられる。

また、例えば、イベント画像群Ｐ_Ｅに立ち姿勢の多数の人物が含まれ、その人物の多くがグラスや皿を保持している場合に、イベント属性判別部１３４は、イベント属性情報「イベント種別」の値を「立食パーティ」としたりすることが考えられる。

また、イベント属性判別部１３４は、既に「イベント名」、「イベント種別」、「イベント主役」、「イベント日時」、「イベント場所」等のイベント属性情報の値が判明しているイベント画像を利用してもよい。既にイベント属性情報の値が判明しているイベント画像の特徴量と、入力されたイベント画像群Ｐ_Ｅを構成するイベント画像の特徴量とを比較することにより、入力されたイベントの「イベント名」、「イベント種別」、「イベント主役」、「イベント日時」、「イベント場所」等のイベント属性情報の値を推定することなどが可能である。

イベント属性判別部１３４は、例えば、既に属性が判別されているイベント画像の特徴量からなる特徴ベクトルと、入力されたイベント画像群Ｐ_Ｅの特徴量からなる特徴ベクトルとの距離とを算出する。次に、イベント属性判別部１３４は、入力されたイベント画像との距離が最短のイベント画像の属性を、入力されたイベント画像のイベント属性と判別する。

また、イベント属性判別部１３４は、イベント付帯情報解析部１３６から入力されたイベント付帯情報にも基づいて、イベント属性を判別する。

イベント属性判別部１３４は、イベント付帯情報をそのままイベント属性としてもよい。また、例えば、イベント属性判別部１３４は、イベント付帯情報「イベント場所」の値が「東京都港区×丁目○番地△号」の場合に、イベント属性情報「イベント場所」の値を「東京都」と変換したりしてもよい。

このようにイベント付帯情報をより上位概念化したり、分類し直したりしたイベント属性を、人物のプロフィール推定に用いることにより、ユーザが取得したい項目でのプロフィールの推定を行うことが可能になる。

イベント属性には、「イベントタイトル」、「イベント種別」、「イベント主役名」、「イベント日時」、「イベント場所」など、イベント情報と一対一対応するもののほか、それらを合わせて意味解析などをして得られる属性も含まれる。

例えば、イベント属性判別部１３４は、年末年始の自宅以外の場所での長期間に渡るイベントであれば、イベント属性情報「イベント種別」の値を「帰省」と判別したりしてもよい。

また、イベント属性判別部１３４は、入力されたイベント画像特徴量及びイベント付帯情報の整合性がとれる場合のみ、イベント付帯情報をイベント属性として判別してもよい。

例えば、入力されたイベント画像特徴量から判別すると「イベント場所」は「自宅」であるにも関わらず、入力されたイベント付帯情報の「イベント場所」は「学校」であるというような場合には、どちらか一方が誤った情報である可能性が高いため、イベント属性判別部１３４は、イベント属性のうち、「イベント場所」の値を「無」としたりしてもよい。

イベント属性判別部１３４により判別されたイベント属性Ａ_Ｅは、イベント属性データベースに格納される。

なお、イベント属性判別部１３４により取得された人物属性Ａ_Ｅを、手動で修正するようにしてもよい。

以上、イベント情報解析部１０３の処理について説明した。

以下では、プロフィール推定部１０２が行う処理について説明する。プロフィール推定部１０２は、まず、人物画像データベースから人物画像群を取得する。また、プロフィール推定部１０２は、人物属性データベースから人物属性情報を取得する。更に、プロフィール推定部１０２は、イベント属性データベースからイベント属性情報を取得する。

プロフィール推定部１０２は、取得した人物画像群、人物属性情報及びイベント属性情報を用いて、人物のプロフィールを推定する。ここで、上述したように、本稿におけるプロフィールとは、一又は複数のプロフィール項目及びその値並びにプロフィール画像の組をよぶ。

なお、プロフィール項目の値は、数値に限られず、テキストを含むものであってもよい。

プロフィール推定部１０２は、入力された人物画像群に含まれる人物画像のうち、一又は複数をプロフィール画像として選択する。例えば、プロフィール推定部１０２は、取得した人物画像群に含まれる人物画像から、プロフィール画像をランダムに選択する。

また、プロフィール推定部１０２は、取得した人物画像群に含まれる人物画像のうち、当該人物が最も大きく撮像された人物画像を選択したり、輪郭が最もはっきりと撮像された人物画像を選択したりしてもよい。

また、プロフィール推定部１０２は、入力された人物画像、人物属性情報及びイベント属性情報に基づき、各プロフィール項目の値を推定する。

図９は、プロフィール推定部１０２により推定されるプロフィール項目とその値の例を示した説明図である。図９に示すように、プロフィール項目は、「氏名」、「性別」、「年齢」、「居住地」、「出身地」、「生年月日」、「出身大学」、「勤務先」などである。

プロフィール推定部１０２は、プロフィール推定部５０２と同様に人物属性情報から当該人物のプロフィールを推定するほか、イベントでしか知りえなかったような「氏名」、「誕生日」、「出身地」、「居住地」などを推定する。

例えば、入力されたイベント属性情報として、「イベントタイトル」が「太郎くんの誕生日会」であり、「イベント主役名」が「太郎くん」であり、「イベント種別」が「誕生日会」、「イベント日時」が「２０１１年７月」である場合について説明する。

プロフィール推定部１０２は、まず、人物画像を解析することにより、人物画像群に含まれるいずれの人物が「イベント主役名」であるかを判別する。

例えば、プロフィール推定部１０２は、人物画像群に最も多く含まれる人物を、「イベント主役名」と判別する。

また、例えば、プロフィール推定部１０２は、人物画像群に占める面積が最も大きい人物のプロフィール項目「氏名」を、イベント属性「イベント主役名」の値と推定してもよい。

また、例えば、プロフィール推定部１０２は、人物画像における所定の範囲（例えば人物画像の中心付近）に含まれる回数が最も多い人物のプロフィール項目「氏名」を、イベント属性「イベント主役名」の値と推定してもよい。

プロフィール推定部１０２は、人物画像群に含まれる何れの人物が「イベント主役名」であるかを判別すると、「イベント主役名」である人物のプロフィール項目「氏名」を、イベント属性「イベント主役名」の値と推定してもよい。

例えば、「イベント主役名」が「太郎くん」である場合、プロフィール推定部１０２は、イベント属性「イベント主役名」の値「太郎くん」から、「イベント主役名」であると判別した人物画像群に含まれる人物の「氏名」を、「太郎」と推定してもよい。

更に、「イベント種別」が「誕生日会」であること、及び「イベント日時」が「２０１１年７月」であることを考慮して、プロフィール推定部１０２は、「氏名」が「太郎」であると推定した人物の「誕生日」を、「７月」と推定する。

また、プロフィール推定部１０２は、他のイベントについて各人物のプロフィールを推定した結果であるプロフィールデータベースから、「イベント主役名」に該当する人物のプロフィールを参照し、参照したプロフィール上のプロフィール項目（例えば、「誕生日」）の値が、現在処理を行っているイベントから推定されるプロフィール項目（例えば、「誕生日」）の値と一致する場合に、当該プロフィール項目（例えば、「誕生日」）の推定範囲を狭く推定することも可能である。

例えば、イベント名が「太郎くんの誕生日会」であるイベントが毎年７月頃行われているとする。この場合、今までに行われた「太郎くんの誕生日会」から、「氏名」が「太郎」である人物の「誕生日」が「６月下旬から７月上旬」であることが分かる。

一方で、プロフィール推定部１０２が、現在入力されている「太郎くんの誕生日会」のイベント解析から、「氏名」が「太郎」である人物の「誕生日」から「７月上旬から７月中旬」であることを判別したとする。

この場合、プロフィール推定部１０２は、今までに行われた「太郎くんの誕生日会」の情報及び現在入力されている「太郎くんの誕生日会」の情報を統合し、「氏名」が「太郎」である人物の「誕生日」を「７月上旬」であるというように、さらに狭い期間で推定し直したりすることが可能である。

プロフィール推定部１０２は、あるイベント属性（以下、イベント属性Ａ）が所定の値の場合にのみ、他のイベント属性（以下、イベント属性Ｂ）の値が所定の値になる場合、イベント属性Ａとイベント属性Ｂとを関連づけて、所定のプロフィール項目の値を推定するようにしてもよい。

以下では、上記のイベント属性Ａが「イベント種別」であり、上記のイベント属性Ｂが「イベント場所」である場合に、プロフィール項目「出身地」や「居住地」を推定する場合について説明する。

例えば、他のイベントについては「イベント場所」が「東京」であるが、「イベント種別」が「帰省」の場合にのみ、「イベント場所」が「大阪」である場合について考える。この場合、プロフィール推定部１０２は、撮影を行った人物の「出身地」を「大阪」と推定し、「居住地」を「東京」と推定する。

また、プロフィール推定部１０２は、所定のイベント属性が所定の値である場合に、当該イベントに参加した人物の所定のプロフィール項目の値を所定の値と推定してもよい。

例えば、「イベントタイトル」が「△△大学ＯＢ会」である場合には、プロフィール推定部１０２は、イベントに参加した人物のプロフィール項目「出身大学」の値を、「△△大学」であると推定することが考えられる。また、例えば、「イベント種別」が「女子会」である場合には、プロフィール推定部１０２は、イベントに参加した人物のプロフィール項目「性別」の値を、「女性」であると推定することが考えられる。

上記のように、プロフィール推定部１０２により推定されたプロフィールＰＲＯ＿１は、プロフィールデータベースへ格納される。また、当該プロフィールＰＲＯ＿１は、確信度算出部１０４へ入力される。なお、各プロフィール項目推定方法に関する情報も、確信度算出部１０４へ入力される。

上記のように、各プロフィール項目推定方法には、例えば、イベント画像を解析することによりプロフィール項目の値を推定する方法、ユーザが手動で入力したイベント付帯情報に基づいてプロフィール項目の値を推定する方法、撮像装置により自動で付与されたイベント付帯情報に基づいてプロフィール項目の値を推定する方法及びこれらの方法の組み合わせなどがある。

確信度算出部１０４は、プロフィール推定部１０２により推定された各プロフィール項目について、確信度を算出する。ここで、本稿における確信度とは、プロフィール推定部１０２により推定された各人物のプロフィールＰＲＯ＿１の各プロフィール項目の値が、当該人物の実際のプロフィール項目の値と一致している確からしさについての指標をさす。

確信度算出部１０４は、各プロフィール項目の推定方法に関する情報に応じて、推定された各プロフィール項目の確信度を算出する。

確信度の値は連続値でも離散値でもよいが、プロフィール項目推定方法の信頼性を反映する指標であることが必要である。例えば、ユーザが手動で入力したイベント付帯情報に基づいて推定されたプロフィール項目については、情報の信頼性が高いと考えられるため、確信度算出部１０４は、信頼度を高く算出する。

また、例えば、撮像装置により自動で付与された時刻情報や位置情報に基づいて推定されたプロフィール項目についても、情報が誤っている可能性が低いと考えられるため、確信度算出部１０４は、信頼度を高めに算出する。

一方、例えば、イベント画像解析により推定されたプロフィール項目は、ユーザが手動で入力した情報と比較して信頼性が低いと考えられるため、確信度算出部１０４は、イベント画像解析により推定されたプロフィール項目の確信度を、ユーザが手動で入力した情報に基づくプロフィール項目の確信度より低く算出する。

なお、各プロフィール項目、当該プロフィール項目の値及び当該プロフィール項目の確信度は、各イベント間で共有される。つまり、情報処理装置１０にイベント情報が入力される度に、情報処理装置１０は、入力されたイベントに参加した人物のプロフィール項目の値を変更したり、プロフィール項目の値は変更しないものの、当該プロフィール項目の確信度を変更したりする。

例えば、あるイベントＡの情報からは、当該イベントＡに参加したある人物のあるプロフィール項目の確信度は低かったとする。この場合において、その後更に別のイベントＢの情報が情報処理装置１０に入力され、イベントＢによるプロフィール項目の値の推定結果と、データベースに保持されたイベントＡによる当該プロフィール項目の値とが一致しているとき、当該プロフィール項目の確信度を、イベントＡのみから算出した際の値より高くする。

また、確信度算出部１０４は、プロフィール項目のうちあるプロフィール項目の値に応じて、他のプロフィール項目の確信度を算出してもよい。

例えば、赤ん坊や子供などの年齢が低い人物の画像からは、その人物の性別の判別精度が悪いと考えられる。そのため、確信度算出部１０４は、例えば、人物画像群を解析することにより、プロフィール項目「年齢」の値が所定の値より低いと推定された人物については、プロフィール項目「性別」の確信度を低く算出する。

図１０は、プロフィール項目の確信度について説明するための説明図である。図１０には、ある人物のプロフィール項目、当該プロフィール項目の値及び当該プロフィール項目の確信度を列挙した例である。

例えば、プロフィール項目「出身大学」が「△△大学」であることは、ユーザが手動で入力したイベント付帯情報をそのまま用いたイベント属性に基づいて推定されているため、確信度を「９５」としている。

また、例えば、プロフィール項目「氏名」が「山田 太郎」であることは、ユーザが手動で入力したイベント付帯情報から変換されたイベント属性に基づいて推定されているため、確信度を「７０」としている。

また、例えば、プロフィール項目「性別」が「男性」であることは、人物画像を解析することにより推定されているため、確信度を「３０」としている。

確信度算出部１０４により算出された確信度Ｋ１は、プロフィールデータベースに格納される。

プロフィール推定部１０２により推定された各人物のプロフィール及びプロフィール項目ごとの確信度は、複数のイベント間で共有される。

以上、図３〜図１０を参照しながら、本実施形態に係る情報処理装置１０の基本構成の一例について説明した。

上記のように、本実施形態によれば、入力されるイベント画像群に基づいて、イベントに参加した人物のプロフィールを推定する。

特に、イベント画像群を解析することにより、人物画像群からだけでは推定できないプロフィール項目についても値を推定したり、より精度の高いプロフィール推定を行ったりすることが可能になる。

また、本実施形態によれば、イベント画像群の所有者自身が各人物のプロフィールを入力する手間を省いたり、入力する際に推定したプロフィールを予測値として提示してプロフィール入力の補助を行ったりすることが可能になる。

また、本実施形態によれば、複数のイベント間で推定されたプロフィールや確信度が共有されるため、１つのイベントからプロフィールを推定するよりも、精度よくプロフィールの推定を行うことが可能になる。

また、本実施形態によれば、イベント画像群の所有者自身が気づいていなかった人物のプロフィールを推定することも可能である。例えば、イベント画像群に含まれる所有者以外の人物の趣味や好きなもの等についての新たな発見につながることが考えられる。

＜３：変形例（画像解析＋イベント情報＋ウェブサイト情報）＞
［３−１：変形例に係る情報処理装置の構成（図１１）］
上記の基本構成は、イベント情報解析及び人物画像群解析に基づき、イベントに参加した人物のプロフィールを推定する構成であった。

本変形例は、当該基本構成に、ウェブサイト情報統合部１０５を追加した構成である。本変形例では、上記の基本構成により推定されたプロフィールを、ウェブサイトからの情報に基づき更新する。

以下では、図１１を参照しながら、本実施形態に係る変形例について説明する。図１１は、本変形例の全体構成について説明するための説明図である。但し、以下の説明では、上記の基本構成により、イベントに参加した各人物の画像が人物画像データベースに、人物属性情報が人物属性データベースに、プロフィールがプロフィールデータベースに記憶されていることを前提とする。

ウェブサイト情報統合部１０５は、ユーザアカウント抽出部１５２と、ユーザ情報取得部１５３と、プロフィール更新部１５８と、確信度更新部１６０とを含む。また、ユーザ情報取得部１５３は、ユーザ画像取得部１５４と、ユーザプロフィール取得部１５６とを含む。

ユーザアカウント抽出部１５２には、ＳＮＳ（Ｓｏｃｉａｌ Ｎｅｔｗｏｒｋｉｎｇ Ｓｅｒｖｉｃｅ）等、ネットワークを介してユーザ同士の情報共有を行うコミュニティ型のウェブサイトに関する一又は複数のウェブサイト情報Ｓが入力される。ウェブサイト情報は、例えば、あるユーザのアカウント情報と、当該ユーザとウェブサイト上で情報共有を行っているユーザのアカウント情報などが含まれる。

ユーザアカウント抽出部１５２は、入力されたウェブサイト情報Ｓに基づき、一又は複数のユーザアカウントを抽出する。例えば、ユーザアカウント抽出部１５２は、情報を入力したユーザ自身のアカウントと、当該ユーザとウェブサイト上で情報共有を行っているユーザのアカウントとを抽出する。

抽出されたユーザアカウントは、ユーザ画像取得部１５４及びユーザプロフィール取得部１５６に入力される。

ユーザ情報取得部１５３のユーザ画像取得部１５４は、ユーザアカウントが入力されると、入力された各ユーザアカウントに対応するユーザ画像を、ユーザ画像データベースから取得する。ユーザ画像は、例えば、ユーザによってアップロードされ、ウェブサイト上の当該ユーザアカウントに対応するページに表示されるプロフィール画像などである。

またユーザ画像取得部１５４は、ユーザによってアップロードされたイベント画像から、当該ユーザ部分を抽出した人物画像を、ユーザ画像として取得してもよい。

ユーザ画像取得部１５４により取得されたユーザ画像Ｐ_Ｕは、プロフィール更新部１５８へ入力される。

一方、ユーザ情報取得部１５３のユーザプロフィール取得部１５６は、ユーザアカウント抽出部１５２からユーザアカウントが入力されると、当該ユーザアカウントに対応するユーザのプロフィールを、ユーザプロフィールデータベースから抽出する。ユーザプロフィール項目は、例えば、「ユーザ名」、「誕生日」、「出身地」、「居住地」、「趣味」、「出身大学」、「勤務先」などである。

ユーザプロフィール取得部１５６により抽出されたユーザプロフィールＰＲＯ＿Ｗは、プロフィール更新部１５８へ入力される。

プロフィール更新部１５８は、入力されたユーザ画像Ｐ_Ｕ及びユーザプロフィールＰＲＯ＿Ｗに基づいて、プロフィールデータベースを更新する。また、プロフィール更新部１５８は、入力されたユーザ画像Ｐ_Ｕ及びユーザプロフィールＰＲＯ＿Ｗに基づいて、人物画像データベース及び人物属性データベースも更新する。プロフィール更新部１５８が行う処理の詳細については後述する。

プロフィール更新部１５８により更新されたプロフィールＰＲＯ＿２は、確信度更新部１６０へ入力される。

確信度更新部１６０は、プロフィールＰＲＯ＿２が入力されると、入力されたプロフィール項目の確信度を更新する。ＳＮＳなどのウェブサイトのユーザプロフィールは、ユーザ自身により入力されているため、信頼性が高いと考えられる。

そこで、例えば、確信度更新部１６０は、ウェブサイトのユーザプロフィール項目の値と、プロフィール推定部１０２により推定されたプロフィール項目の値とが一致している場合に、確信度算出部１０４により算出された確信度より高い値になるように、確信度を更新する。

一方、例えば、確信度更新部１６０は、ウェブサイトのユーザプロフィール項目の値と、プロフィール推定部１０２により推定されたプロフィール項目の値とが一致しない場合に、確信度算出部１０４により算出された確信度より低い値になるように、確信度を更新する。

プロフィールデータベースの確信度は、Ｋ１からＫ２へ更新される。

以上、図１１を参照しながら、本実施形態に係る変形例の全体構成について説明した。

［３−２：プロフィール更新部１５８が行う処理］
以下では、図１２及び図１３を参照しながら、プロフィール更新部１５８が行う処理について、より詳細に説明する。特に、ウェブサイトのユーザと、イベントに参加した人物との照合方法について説明する。

（３−２−１：画像を利用したプロフィール更新方法（図１２））
以下では、人物画像データベースに記憶された各人物と、ウェブサイトの各ユーザとを照合する第１の方法について図１２を参照しながら説明する。

例えば、プロフィール更新部１５８は、各人物画像Ｐ_Ｈと、各ユーザ画像Ｐ_Ｕとの特徴量を特徴ベクトル化することなどにより比較し、各人物画像Ｐ_Ｈと最も近い特徴量を有するユーザ画像Ｐ_Ｕとを対応付ける。このように、人物とユーザの対応付けが行われる。

図１２に示すように、プロフィール更新部１５８は、人物画像Ｐ_Ｈ１Ａの人物と、最も似た特徴を有するユーザ画像Ｐ_ＵＡのユーザとを同一人物として対応づける。

その後、プロフィール更新部１５８は、人物画像Ｐ_Ｈ１Ａの人物のプロフィールを、ユーザ画像Ｐ_ＵＡのユーザのユーザプロフィールで更新する。

（プロフィール項目の値同士が一致している場合）
プロフィール更新部１５８は、当該プロフィール項目の値をそのままプロフィールデータベースに格納したり、確信度更新部１６０に出力したりする。

（プロフィール項目の値同士が一致していない場合）
例えば、プロフィール更新部１５８は、ウェブサイトのユーザプロフィール項目の値で、プロフィール推定部１０２により推定されたプロフィール項目の値を置換する。一般に、ウェブサイトが保有しているユーザプロフィールは、ユーザ自身により入力されたものであり、信頼性が高いと考えられるためである。

但し、ウェブサイトの情報の信頼性などにより、プロフィール更新部１５８は、プロフィール推定部１０２により推定されたプロフィール項目の値を、ウェブサイトのユーザプロフィール項目の値に優先させてプロフィールの更新を行ったりしてもよい。

（ウェブサイトのみから得られるプロフィール項目がある場合）
例えば、プロフィール更新部１５８は、ウェブサイトのみから値を取得することが可能なユーザプロフィール項目がある場合、プロフィール推定部１０２により推定されたプロフィール項目に、ウェブサイトから取得したプロフィール項目とその値を追加する。

以上、人物画像データベースに記憶された各人物と、ウェブサイトの各ユーザとを照合する第１の方法について、図１２を参照しながら説明した。

（３−２−２：確信度を利用したプロフィール更新方法（図１３））
以下では、人物画像データベースに記憶された各人物と、ウェブサイトの各ユーザとを照合する第２の方法について、図１３を参照しながら説明する。

プロフィール推定部１０２により推定されたある人物のプロフィールと、確信度算出部１０４により算出された確信度とが図１３の表Ｔ１のように表されるとする。また、ユーザプロフィール取得部１５６が抽出したあるユーザのプロフィール項目とその値とが表Ｔ２のように表されるとする。

ここで、表Ｔ１と表Ｔ２とを比較すると、表Ｔ１における「出身地」や、表Ｔ２における「年齢」のように、一方に値が存在しないプロフィール項目もあるものの、確信度の高いプロフィール項目である「氏名」、「出身大学」及び「勤務先」の値同士が一致している。確信度の高いプロフィール項目が一致しているウェブサイトのユーザと、イベントに参加した人物とは、同一人物である可能性が高いと考えられる。

従って、プロフィール推定部１０２が、確信度の高いプロフィール項目の値を、ウェブサイトのユーザと、イベントに参加した人物とについて照合し、値が一致した場合に、当該ユーザと当該人物とを同一人物と推定する構成も可能である。

上記のように、確信度が高いプロフィール項目を優先してプロフィールを照合することにより、精度良く、ウェブサイトのユーザとイベントに参加した人物とを対応付けることが可能になる。

プロフィール更新部１５８は、ウェブサイトのユーザと、イベントに参加した人物を対応付けると、当該ユーザのプロフィールに基づき、当該人物のプロフィールを更新する。

例えば、プロフィール更新部１５８は、ウェブサイトのみから値を取得することが可能なユーザプロフィール項目がある場合、プロフィール推定部１０２により推定されたプロフィール項目に、ウェブサイトから取得したプロフィール項目とその値を追加する。

また、例えば、図１３の例の「居住地」のように、プロフィール推定部１０２により推定されたプロフィール項目の値（図１３の例では「東京都」）よりも、ウェブサイトのユーザプロフィール項目の値（図１３の例では「東京都港区」）の方がより詳細な情報である場合、プロフィール更新部１５８は、プロフィール推定部１０２により推定されたプロフィール項目の値を、ウェブサイトのユーザプロフィール項目の値で置換してもよい。

以上、人物画像データベースに記憶された各人物と、ウェブサイトの各ユーザとを照合する第２の方法について、図１３を参照しながら説明した。

（３−２−３：画像及び確信度を利用したプロフィール更新方法）
以上では、画像又は確信度を利用した人物画像データベースに記憶された各人物と、ウェブサイトの各ユーザとを照合する方法について説明したが、画像及び確信度の両方を利用した照合を行ってもよい。

例えば、各人物画像Ｐ_Ｈと、各ユーザ画像Ｐ_Ｕとをまず照合する。次に、画像同士が最も類似している人物とウェブサイトのユーザのプロフィールについて、確信度の高いプロフィール項目の値を優先して照合する。

上記の照合方法によれば、最終的に、画像の類似度が高く、確信度の高いプロフィール項目が一致している人物とユーザとを対応付けることが可能になる。

また、上記のようにまず画像を比較した後でプロフィール項目の値を照合することにより、プロフィール推定部１０２により推定されたプロフィール項目に対応するユーザプロフィール取得部１５６により抽出されたプロフィール項目がない場合等にも、精度よく人物とユーザの対応付けを行うことが可能になる。

以上、図１１〜図１３を参照しながら、本実施形態に係る変形例について説明した。

上記のように、本変形例では、ウェブサイト情報を解析することにより、プロフィールを更新する。ユーザ自身により入力された情報を利用するため、より精度の高いプロフィールに更新したり、イベント情報解析や人物画像解析だけでは推定できないプロフィール項目の値を取得したりすることが可能になる。

また、イベント画像群やウェブサイトに散在していた同一人物についての情報を、統合することにより、情報管理がしやすくなる。

なお、上記の本変形例では、人物画像解析及びイベント情報解析により推定されたプロフィールを、ウェブサイトからの情報に基づき更新することとしたが、本実施形態に係る技術の適用範囲はこれに限定されない。

例えば、イベント情報を考慮せず、人物画像解析により判別される人物属性及びウェブサイトからの情報に基づき、人物のプロフィール推定や確信度の算出などを行ってもよい。

＜４：応用例＞
以下では、上記の基本構成又は変形例によって推定されたプロフィールの表示方法及び利用方法に関する応用例について説明する。

［４−１：第１応用例（確信度を利用したプロフィール表示；図１４）］
以下では、図１４を参照しながら、確信度を利用したプロフィール表示方法に関する第１応用例について説明する。図１４は、本実施形態に係る第１応用例について説明するための説明図である。

なお、以下では、上記の変形例に係る確信度更新部１６０により更新された確信度を利用するものとして説明を進めるが、上記の基本構成に係る確信度算出部１０４により算出された確信度をそのまま利用して、プロフィール表示を行うことも可能である。

各人物のプロフィールの表示方法として、例えば、当該人物の人物画像Ｐ_ＰＲＯと、各プロフィール項目の値とを表示する方法がある。本応用例では、各プロフィール項目の値を表示する際に、当該プロフィール項目の確信度に応じて表示方法を変える。

例えば、図１４に示すように、本実施形態に係る情報処理装置１０又は他の装置が備えるプロフィール表示制御部２０２は、各プロフィール項目の確信度が高いほど、各プロフィール項目の値を表示する文字を大きく表示させる。

プロフィール表示制御部２０２は、例えば、ユーザが人物画像に付与したプロフィール項目の値Ｔ１（山田 太郎）については、確信度が高いため、大きな文字で表示する。

また、プロフィール表示制御部２０２は、例えば、人物画像の解析により推定されたプロフィール項目の値Ｔ２（３０代）及び値Ｔ３（男性）については、確信度が低いため、小さな文字で表示する。

また、プロフィール表示制御部２０２は、例えば、イベント付帯情報を解析することにより推定されたプロフィール項目の値Ｔ４（７月生まれ）、Ｔ５（大阪府出身）及びＴ６（東京都在住）については、確信度が中程度のため、中程度の大きさの文字で表示する。

また、例えば、ウェブサイト情報を解析することにより推定されたプロフィール項目の値Ｔ７（△△大学卒）及びＴ８（××株式会社勤務）については、確信度が高いため、大きな文字で表示する。

また、プロフィール表示制御部２０２は、例えば人物画像群解析及びウェブサイト情報解析等の複数の情報に基づいて推定されたプロフィール項目の値については、確信度が高いため、大きな文字で表示する。

また、プロフィール表示制御部２０２は、プロフィールとして、各プロフィール項目の値の代わりに、又は各プロフィール項目の値とともに、各プロフィール項目を表示してもよい。このとき、各プロフィール項目についても、その確信度に応じて表示形式を変えてもよい。

また、各プロフィール項目の値を表示する際の文字の大きさを確信度に応じて変える他に、プロフィール表示制御部２０２は、確信度の高さに応じて文字の色を変えたり、確信度の高さに応じて文字の透明度を変えたり、確信度の高いプロフィール項目の値のみを所定の色にしたり、下線を引いたりしてもよい。

また、プロフィール表示制御部２０２は、各プロフィール項目の値とともに、各プロフィール項目の確信度や各プロフィール項目を推定するために使用した情報の出所を表示してもよい。

上記のように各プロフィール項目の確信度の高さに応じて、各プロフィール項目の値の表示形式を変えることにより、ユーザが各プロフィール項目の確信度を直観的に把握し、プロフィールを利用する際の参考にすることが可能になる。

以上、図１４を参照しながら、確信度を利用したプロフィール表示方法に関する第１応用例について説明した。

［４−２：第２応用例（確信度を利用したイベント検索；図１５）］
以下では、図１５及び図１６を参照しながら、確信度を利用したイベント検索に関する第２応用例について説明する。図１５及び図１６は、本実施形態に係る第２応用例について説明するための説明図である。

上記の基本構成又は変形例により、各イベントに参加した各人物について、プロフィールが推定される。推定されたプロフィール項目の値は、イベントの検索に利用することが可能である。

ここで、プロフィールを利用しないイベント画像検索では、例えば、「△△大学卒」の人物が参加したイベントを検索したい場合に、イベント画像のファイル名やイベント画像を格納したフォルダ名に「△△大学」を含んでいないと検索できなかったり、所望のイベント画像が検索結果に含まれていなかったりした。

一方、上記の基本構成又は変形例によれば、イベント画像に含まれる各人物のプロフィールを推定し、推定したプロフィール項目の値を当該イベントにラベル付けしておくことができる。その結果、ユーザは、所望のイベントを容易かつ確実に検索することが可能になる。

本実施形態に係る情報処理装置１０又は他の装置が備えるイベント検索部２０４は、例えば、図１５に示すように、プロフィール項目「出身大学」の値が「△△大学」である人物を含むイベント検索結果として、「△△大学ＯＢ会」や「太郎くんの誕生日会」を表示する。

プロフィールを利用しないイベント画像検索では、検索ワードを「△△大学」とした場合に、イベント画像のフォルダ名等が「△△大学ＯＢ会」である場合のように、検索ワードを含むものしか検索結果として抽出できない。

しかし、本応用例によれば、イベント画像のフォルダ名が「太郎くんの誕生日会」のように、一見「△△大学」と関係なさそうなイベントでも、「△△大学」の人物が参加しているものも抽出することが可能である。

更に、プロフィール項目の値を検索ワードとしてイベント検索を行う場合に、検索ワードであるプロフィール項目の確信度を利用することも考えられる。

例えば、イベント検索部２０４は、検索対象となる各イベントについて、検索ワードである当該プロフィール項目の値を有する人物を抽出する。次に、各イベントについて抽出した全人物の確信度を加算し、当該イベント全体の確信度として算出する。

また、例えば、検索対象となる各イベントについて、検索ワードである当該プロフィール項目の値を有するだけでなく、その確信度が所定の閾値以上である人物を抽出し、イベント全体の確信度を算出してもよい。

上記の２つの方法等によってイベント全体の確信度を算出することにより、検索ワードであるプロフィール項目の値を有する人物が参加したイベントが複数ある場合、イベント検索部２０４は、当該プロフィール項目の確信度が高い人物が参加したイベントを優先して検索結果として表示することができる。

図１５に示す例では、検索ワードを「△△大学」とした場合の検索結果を示している。「出身大学」が「△△大学」である確信度が高い人物が多数含まれると考えられる「△△大学ＯＢ会」が、ユーザの意図を反映している可能性が高い検索結果として、最初に表示される。

図１５に示す例では、イベントタイトル自体に「△△大学」が含まれないものの、「△△大学」である人物がゲストとして参加した「太郎くんの誕生日会」も検索結果として表示される。但し、イベント全体の確信度が最も高い「△△大学ＯＢ会」よりは後に表示される。

また、検索結果のイベントとともに、検索ワードであるプロフィール項目の値を有する当該イベントの人物について加算した確信度を、イベントが当該検索ワードの検索結果である確信度として表示してもよい。

また、ユーザが所望のプロフィール項目の値を検索ワードとしてイベント検索を行った場合に、イベント検索結果として表示するイベントの確信度に応じて、イベントの表示形式を変えてもよい。

例えば、図１６に示す例のように、検索結果１より低い確信度の検索結果２を、検索結果１より小さく表示すること等、検索結果同士を確信度に応じて差別化することが考えられる。

以上、図１５及び図１６を参照しながら、確信度を利用したイベント検索に関する第２応用例について説明した。

上記のように、本応用例によれば、イベントを検索した際の複数の検索結果を表示する際に、各結果表示の順番や表示形式を、算出された確信度を利用して変える。その結果、イベント検索を行った人の意図をより反映した検索結果をより分かりやすく表示することが可能になる。

＜５：情報処理装置１０が行う処理の流れ＞
以下では、情報処理装置１０が行う処理の流れについて説明する。まず、図１７を参照しながら、第２章に記載した基本構成の場合の処理の流れについて説明する。次に、図１８を参照しながら、第３章に記載した変形例の場合の処理の流れについて説明する。

また、以下で説明する各処理の流れは一例であり、一部の処理ステップを省略したり、変形したり、順序を入れ替えたりしてもよい。

［５−１：基本構成の場合の処理の流れ（図１７）］
以下では、図１７を参照しながら、基本構成の場合の処理の流れについて説明する。図１７は、同実施形態に係る情報処理装置が行う処理の流れの一例を示す流れ図である。

図１７に示すように、情報処理装置１０に、１つ以上のイベントが入力されると（Ｓ２０２）、情報処理装置１０は、イベントに付帯情報があるかを判定する（Ｓ２０４）。

イベントに付帯情報がある場合、イベント付帯情報解析部１３６は、イベント付帯情報を解析する（Ｓ２０６）。一方、イベントに付帯情報がない場合、処理を次のステップＳ２０８に進める。

次に、イベント画像特徴量算出部１３２は、イベントに含まれる画像群（イベント画像群）の特徴量を算出する（Ｓ２０８）。

次に、イベント属性判別部１３４は、イベント付帯情報及びイベント画像群の特徴量に基づいて、イベントの属性を判別する（Ｓ２１０）。

情報処理装置１０に入力された全イベントについて、上記のステップＳ２０４〜Ｓ２１０により属性を判別すると、情報処理装置１０は、処理をステップＳ２２４へ進める（Ｓ２１２）。

以上で説明したステップＳ２０２〜Ｓ２１２が、イベント情報解析部１０３の各部が行う処理である。次に、人物画像群解析部１０１の各部が行うステップＳ２１４〜Ｓ２２２について説明する。

人物画像群取得部１１２には、全イベントの全画像が入力される（Ｓ２１４）。画像が入力されると、人物画像群取得部１１２は、画像解析により、入力された全画像から人物画像群を取得する（Ｓ２１６）。

人物画像特徴量算出部１１４は、人物画像群取得部１１２から入力された人物画像の特徴量を算出する（Ｓ２１８）。人物属性判別部１１６は、算出された特徴量に基づいて、イベントに参加した人物の属性を判別する（Ｓ２２０）。

情報処理装置１０に入力されたイベント画像群に含まれる全人物について、上記のステップＳ２１８及びＳ２２０により属性を判別すると、情報処理装置１０は、処理をステップＳ２２４へ進める（Ｓ２２２）。

以上で説明したステップＳ２１４〜Ｓ２２２が、人物画像群解析部１０１の各部が行う処理である。

次に、プロフィール推定部１０２は、入力されたイベント及び人物の属性に基づいて、人物のプロフィールを推定する（Ｓ２２４）。なお、プロフィール推定部１０２により推定されたプロフィールは、プロフィールデータベースへ格納される。

次に、確信度算出部１０４は、推定された各プロフィール項目の確信度を算出する（Ｓ２２６）。なお、確信度算出部１０４により算出された各プロフィール項目の確信度は、プロフィールデータベースへ格納される。

情報処理装置１０に入力されたイベント画像群に含まれる全人物について、上記のステップＳ２２４及びＳ２２６によりプロフィール推定及びその確信度を算出すると、情報処理装置１０は、プロフィール推定の一連の処理を終了する（Ｓ２２８）。

以上、図１７を参照しながら、情報処理装置１０の基本構成の場合の処理の流れの一例について説明した。

なお、ステップＳ２０２〜Ｓ２１２の処理とステップＳ２１４〜Ｓ２２２の処理とは、どちらを先に行ってもよく、並列で行ってもよい。ステップＳ２１２で判別されたイベント属性と、ステップＳ２２２で判別された人物属性とがそろった時点で、ステップＳ２２４の処理を開始すればよい。

［５−２：変形例の場合の処理の流れ（図１８）］
以下では、図１８を参照しながら、上記の変形例の場合の処理の流れについて説明する。図１８は、同実施形態の変形例に係る情報処理装置が行う処理の流れの一例を示す流れ図である。

但し、上記の変形例は、上記の基本構成の一連の処理を行った後、更に処理を追加するものである。よって、以下では、基本構成の処理を行ったものとして、変形例についての処理の流れの説明を行う。つまり、全イベントのイベント画像群に含まれる全人物について、プロフィールが推定され、推定された全プロフィール項目の確信度が算出されていることを前提とする。

図１８に示すように、まず、ウェブサイト情報統合部１０５に１つ以上のウェブサイト情報が入力される（Ｓ３０２）。ウェブサイト情報が入力されると、ユーザアカウント抽出部１５２は、各ユーザのユーザアカウントを抽出する（Ｓ３０４）。

次に、ユーザプロフィール取得部１５６は、各ユーザのユーザアカウントに対応するユーザプロフィールを、ユーザプロフィールデータベースから抽出する（Ｓ３０６）。

次に、ウェブサイト情報統合部１０５は、ユーザアカウントから取得できる画像又は画像群があるか否かを判定する（Ｓ３０８）。ユーザアカウントから取得できる画像又は画像群がある場合に、ユーザ画像取得部１５４は、ユーザアカウントから取得できる画像又は画像群を取得する（Ｓ３１０）。

次に、プロフィール更新部１５８には、取得されたユーザ画像及びユーザプロフィールが入力される。また、プロフィール更新部１５８には、イベントに参加した人物について、人物画像データベースに記憶された人物画像群、人物属性データベースに記憶された人物属性及びプロフィールデータベースに記憶されたプロフィールも入力される。

プロフィール更新部１５８は、上記の入力情報に基づいて、イベントに参加した各人物と、ウェブサイトの各ユーザとを対応付ける（Ｓ３１２）。

プロフィール更新部１５８は、更に、各ユーザアカウントに紐づけられたユーザプロフィールに基づいて、イベントに参加した各人物のプロフィールを更新する（Ｓ３１４）。

次に、確信度更新部１６０は、更新された各プロフィール項目について、確信度を更新する（Ｓ３１６）。

情報処理装置１０は、ウェブサイトの全ユーザアカウントのプロフィールに基づいて、イベントに参加した各人物のプロフィールを、上記のステップＳ３０６〜Ｓ３１６の処理により更新する（Ｓ３１８）。

更に、情報処理装置１０は、複数のウェブサイトの情報が入力された場合に、上記ステップＳ３０４〜Ｓ３１８の処理を、全ウェブサイトについて行うと、プロフィール更新に関する一連の処理を終了する（Ｓ３２０）。

以上、図１８を参照しながら、本実施形態の変形例の場合の処理の流れについて説明した。

＜６：まとめ＞
最後に、本実施形態の技術的思想について簡単に纏める。以下に記載する技術的思想は、例えば、ＰＣ、携帯電話、携帯ゲーム機、携帯情報端末、情報家電、カーナビゲーションシステム等、種々の情報処理装置に対して適用することができる。

（１）
人物が参加するイベントに関するイベント情報を解析するイベント情報解析部と、
前記イベントに参加した人物について、当該人物を含む一又は複数の人物画像からなる人物画像群を解析する人物画像群解析部と、
前記人物画像群の解析結果及び前記イベント情報の解析結果に基づき、前記イベントに参加した人物のプロフィールを推定するプロフィール推定部と、
を備える情報処理装置。

（２）
ネットワークを介してユーザ同士の情報共有を行うサービスに登録されたユーザについて、当該ユーザに関するユーザ情報を取得するユーザ情報取得部と、
前記人物と前記ユーザとを対応づけて、前記プロフィール推定部により推定された人物のプロフィールを、当該人物と対応付けられた前記ユーザの前記ユーザ情報に基づいて更新するプロフィール更新部と、
を更に備える、
前記（１）に記載の情報処理装置。

（３）
前記人物についての前記プロフィールは、一又は複数のプロフィール項目からなり、
推定された前記プロフィール項目の確からしさを示す確信度を、前記各プロフィール項目について算出する確信度算出部を更に備える、
前記（１）又は（２）に記載の情報処理装置。

（４）
ネットワークを介してユーザ同士の情報共有を行うサービスに登録されたユーザについて、当該ユーザに関するユーザ情報を取得するユーザ情報取得部と、
前記人物と前記ユーザとを対応づけて、前記人物の各前記プロフィール項目の前記確信度を、当該人物と対応付けられた前記ユーザの前記ユーザ情報に応じて更新する確信度更新部を更に備える、
前記（３）に記載の情報処理装置。

（５）
前記プロフィール項目に対応付けられた前記確信度の高さに応じて、前記プロフィール項目の表示形式を制御するプロフィール表示制御部を更に備える、
前記（３）又は（４）に記載の情報処理装置。

（６）
前記確信度算出部は、
前記人物画像群解析部により解析される前記人物画像群に含まれる前記人物画像の枚数が多いほど、当該人物画像群に基づいて推定された前記プロフィール項目の前記確信度を高く算出する、
前記（３）〜（５）のいずれかに記載の情報処理装置。

（７）
前記イベントに関する前記イベント情報は、
当該イベントを撮像した画像である一又は複数のイベント画像からなるイベント画像群と、
当該イベント画像群に付帯するイベント付帯情報と、
を含む、
前記（１）〜（６）のいずれかに記載の情報処理装置。

（８）
前記確信度算出部は、
手動で入力された前記イベント情報に基づいて推定された前記プロフィール項目の確信度を、他の前記イベント情報に基づいて推定された前記プロフィール項目の確信度及び前記人物画像に基づいて推定された前記プロフィール項目の確信度より高く算出する、
前記（３）〜（７）のいずれかに記載の情報処理装置。
（９）
所定の前記プロフィール項目を検索条件として、イベントを検索するイベント検索部を更に備え、
前記イベント検索部は、
当該検索条件に合致する前記イベントが複数ある場合に、
当該複数のイベントそれぞれについて、当該イベントに含まれる一又は複数の前記人物に関する前記プロフィール項目の前記確信度の高さに応じて、当該イベントの確信度を算出し、
算出した各前記イベントの前記確信度に応じて、複数の前記イベントそれぞれの表示形式を選択するイベント検索部を更に備える、
前記（３）、４及び６〜（８）のいずれかに記載の情報処理装置。

（１０）
前記人物画像群解析部は、
前記イベント画像のうち、前記人物が含まれる領域を前記人物画像として取得する人物画像群取得部を備える、
前記（７）〜（９）のいずれかに記載の情報処理装置。

（１１）
複数の前記イベントに参加した人物について、各前記イベントに基づいて推定したプロフィールを各イベント間で共有する、
前記（１）〜（１０）のいずれかに記載の情報処理装置。

（１２）
前記イベント付帯情報は、
前記イベントを開催したイベント日時と、
前記イベントを開催したイベント場所と、
前記イベントについてユーザが付与したイベントタイトルと、
イベント種別と、
イベント主役名と、
のうち、一又は複数に関する情報を含む、
前記（７）〜（１１）のいずれかに記載の情報処理装置。

（１３）
前記プロフィール項目は、
前記人物の氏名と、
前記人物の性別と、
前記人物の年齢と、
前記人物の居住地と、
前記人物の出身地と、
前記人物の生年月日と、
のうち、一又は複数に関する項目を含む、
前記（３）〜（１２）のいずれかに記載の情報処理装置。

（１４）
前記プロフィール推定部は、
前記イベントを撮像した画像である一又は複数のイベント画像からなるイベント画像群に含まれる人物のうち、前記人物画像群を構成する前記人物画像の枚数が最多の人物の前記氏名を、当該イベントのイベント主役名と推定する、
前記（１３）に記載の情報処理装置。

（１５）
前記確信度算出部は、
前記プロフィール項目のうち第１プロフィール項目の値に応じて、前記プロフィール項目のうち前記第１プロフィール項目と異なる第２プロフィール項目の前記確信度を算出する、
前記（３）〜（１５）のいずれかに記載の情報処理装置。

（１６）
前記ユーザ情報は、
前記サービスにおいて前記ユーザを示すユーザ画像を含む、
前記（２）〜（１５）のいずれかに記載の情報処理装置。

（１７）
前記プロフィール更新部は、
前記人物の前記人物画像群と類似する前記ユーザ画像を有する前記ユーザを、当該人物と同一人物であるとして対応付ける、
前記（１６）に記載の情報処理装置。

（１８）
前記人物についての前記プロフィールは、一又は複数のプロフィール項目からなり、
前記プロフィール更新部は、
前記人物の前記プロフィール項目のうち、その確からしさを示す確信度が高い前記プロフィール項目と一致する前記ユーザ情報を有する前記ユーザを、当該人物と同一人物であるとして対応付ける、
前記（２）〜（１７）のいずれかに記載の情報処理装置。

（１９）
人物が参加するイベントに関するイベント情報を解析するステップと、
前記イベントに参加した人物について、当該人物を含む一又は複数の人物画像からなる人物画像群を解析するステップと、
前記人物画像群の解析結果及び前記イベント情報の解析結果に基づき、前記イベントに参加した人物のプロフィールを推定するステップと、
を含む情報処理方法。

（２０）
コンピュータに、
人物が参加するイベントに関するイベント情報を解析するイベント情報解析機能と、
前記イベントに参加した人物について、当該人物を含む一又は複数の人物画像からなる人物画像群を解析する人物画像群解析機能と、
前記人物画像群の解析結果及び前記イベント情報の解析結果に基づき、前記イベントに参加した人物のプロフィールを推定するプロフィール推定機能と、
を実現させるためのプログラム。

（備考）
ウェブサイトは、イベントネットワークを介してユーザ同士の情報共有を行うサービスの一例である。

以上、添付図面を参照しながら本開示の好適な実施形態について詳細に説明したが、本開示の技術的範囲はかかる例に限定されない。本開示の技術分野における通常の知識を有する者であれば、特許請求の範囲に記載された技術的思想の範疇内において、各種の変更例または修正例に想到し得ることは明らかであり、これらについても、当然に本開示の技術的範囲に属するものと了解される。

１０１ 人物画像解析部
１０２ プロフィール推定部
１０３ イベント情報解析部
１０４ 確信度算出部
１０５ ウェブサイト情報統合部
１１２ 人物画像取得部
１１４ 人物画像特徴量算出部
１１６ 人物属性判別部
１３２ イベント画像特徴量算出部
１３４ イベント属性判別部
１３６ イベント付帯情報解析部
１５２ ユーザアカウント抽出部
１５３ ユーザ情報取得部
１５４ ユーザ画像取得部
１５６ ユーザプロフィール抽出部
１５８ プロフィール更新部
１６０ 確信度更新部

Claims (20)

1. 人物が参加するイベントに関するイベント情報を解析するイベント情報解析部と、
   前記イベントに参加した人物について、当該人物を含む一又は複数の人物画像からなる人物画像群を解析する人物画像群解析部と、
   前記人物画像群の解析結果及び前記イベント情報の解析結果に基づき、前記イベントに参加した人物のプロフィールを推定するプロフィール推定部と、
   を備える情報処理装置。
2. ネットワークを介してユーザ同士の情報共有を行うサービスに登録されたユーザについて、当該ユーザに関するユーザ情報を取得するユーザ情報取得部と、
   前記人物と前記ユーザとを対応づけて、前記プロフィール推定部により推定された人物のプロフィールを、当該人物と対応付けられた前記ユーザの前記ユーザ情報に基づいて更新するプロフィール更新部と、
   を更に備える、
   請求項１に記載の情報処理装置。
3. 前記人物についての前記プロフィールは、一又は複数のプロフィール項目からなり、
   推定された前記プロフィール項目の確からしさを示す確信度を、前記各プロフィール項目について算出する確信度算出部を更に備える、
   請求項１に記載の情報処理装置。
4. ネットワークを介してユーザ同士の情報共有を行うサービスに登録されたユーザについて、当該ユーザに関するユーザ情報を取得するユーザ情報取得部と、
   前記人物と前記ユーザとを対応づけて、前記人物の各前記プロフィール項目の前記確信度を、当該人物と対応付けられた前記ユーザの前記ユーザ情報に応じて更新する確信度更新部を更に備える、
   請求項３に記載の情報処理装置。
5. 前記プロフィール項目に対応付けられた前記確信度の高さに応じて、前記プロフィール項目の表示形式を制御するプロフィール表示制御部を更に備える、
   請求項３に記載の情報処理装置。
6. 前記確信度算出部は、
   前記人物画像群解析部により解析される前記人物画像群に含まれる前記人物画像の枚数が多いほど、当該人物画像群に基づいて推定された前記プロフィール項目の前記確信度を高く算出する、
   請求項３に記載の情報処理装置。
7. 前記イベントに関する前記イベント情報は、
   当該イベントを撮像した画像である一又は複数のイベント画像からなるイベント画像群と、
   当該イベント画像群に付帯するイベント付帯情報と、
   を含む、
   請求項１に記載の情報処理装置。
8. 前記確信度算出部は、
   手動で入力された前記イベント情報に基づいて推定された前記プロフィール項目の確信度を、他の前記イベント情報に基づいて推定された前記プロフィール項目の確信度及び前記人物画像に基づいて推定された前記プロフィール項目の確信度より高く算出する、
   請求項３に記載の情報処理装置。
9. 所定の前記プロフィール項目を検索条件として、イベントを検索するイベント検索部を更に備え、
   前記イベント検索部は、
   当該検索条件に合致する前記イベントが複数ある場合に、
   当該複数のイベントそれぞれについて、当該イベントに含まれる一又は複数の前記人物に関する前記プロフィール項目の前記確信度の高さに応じて、当該イベントの確信度を算出し、
   算出した各前記イベントの前記確信度に応じて、複数の前記イベントそれぞれの表示形式を選択するイベント検索部を更に備える、
   請求項３に記載の情報処理装置。
10. 前記人物画像群解析部は、
    前記イベント画像のうち、前記人物が含まれる領域を前記人物画像として取得する人物画像群取得部を備える、
    請求項７に記載の情報処理装置。
11. 複数の前記イベントに参加した人物について、各前記イベントに基づいて推定したプロフィールを各イベント間で共有する、
    請求項１に記載の情報処理装置。
12. 前記イベント付帯情報は、
    前記イベントを開催したイベント日時と、
    前記イベントを開催したイベント場所と、
    前記イベントについてユーザが付与したイベントタイトルと、
    イベント種別と、
    イベント主役名と、
    のうち、一又は複数に関する情報を含む、
    請求項７に記載の情報処理装置。
13. 前記プロフィール項目は、
    前記人物の氏名と、
    前記人物の性別と、
    前記人物の年齢と、
    前記人物の居住地と、
    前記人物の出身地と、
    前記人物の生年月日と、
    のうち、一又は複数に関する項目を含む、
    請求項３に記載の情報処理装置。
14. 前記プロフィール推定部は、
    前記イベントを撮像した画像である一又は複数のイベント画像からなるイベント画像群に含まれる人物のうち、前記人物画像群を構成する前記人物画像の枚数が最多の人物の前記氏名を、当該イベントのイベント主役名と推定する、
    請求項１３に記載の情報処理装置。
15. 前記確信度算出部は、
    前記プロフィール項目のうち第１プロフィール項目の値に応じて、前記プロフィール項目のうち前記第１プロフィール項目と異なる第２プロフィール項目の前記確信度を算出する、
    請求項３に記載の情報処理装置。
16. 前記ユーザ情報は、
    前記サービスにおいて前記ユーザを示すユーザ画像を含む、
    請求項２に記載の情報処理装置。
17. 前記プロフィール更新部は、
    前記人物の前記人物画像群と類似する前記ユーザ画像を有する前記ユーザを、当該人物と同一人物であるとして対応付ける、
    請求項１６に記載の情報処理装置。
18. 前記人物についての前記プロフィールは、一又は複数のプロフィール項目からなり、
    前記プロフィール更新部は、
    前記人物の前記プロフィール項目のうち、その確からしさを示す確信度が高い前記プロフィール項目と一致する前記ユーザ情報を有する前記ユーザを、当該人物と同一人物であるとして対応付ける、
    請求項２に記載の情報処理装置。
19. 人物が参加するイベントに関するイベント情報を解析するステップと、
    前記イベントに参加した人物について、当該人物を含む一又は複数の人物画像からなる人物画像群を解析するステップと、
    前記人物画像群の解析結果及び前記イベント情報の解析結果に基づき、前記イベントに参加した人物のプロフィールを推定するステップと、
    を含む情報処理方法。
20. コンピュータに、
    人物が参加するイベントに関するイベント情報を解析するイベント情報解析機能と、
    前記イベントに参加した人物について、当該人物を含む一又は複数の人物画像からなる人物画像群を解析する人物画像群解析機能と、
    前記人物画像群の解析結果及び前記イベント情報の解析結果に基づき、前記イベントに参加した人物のプロフィールを推定するプロフィール推定機能と、
    を実現させるためのプログラム。
    

Images