[go: up one dir, main page]

WO2020090111A1 - 動線補正装置、動線補正方法、および記録媒体 - Google Patents

動線補正装置、動線補正方法、および記録媒体 Download PDF

Info

Publication number
WO2020090111A1
WO2020090111A1 PCT/JP2018/040858 JP2018040858W WO2020090111A1 WO 2020090111 A1 WO2020090111 A1 WO 2020090111A1 JP 2018040858 W JP2018040858 W JP 2018040858W WO 2020090111 A1 WO2020090111 A1 WO 2020090111A1
Authority
WO
WIPO (PCT)
Prior art keywords
reliability
flow line
flow
similarity
flow lines
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Ceased
Application number
PCT/JP2018/040858
Other languages
English (en)
French (fr)
Inventor
有紀江 海老山
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
NEC Corp
Original Assignee
NEC Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by NEC Corp filed Critical NEC Corp
Priority to JP2020554734A priority Critical patent/JP7006809B2/ja
Priority to US17/288,078 priority patent/US20220005207A1/en
Priority to PCT/JP2018/040858 priority patent/WO2020090111A1/ja
Publication of WO2020090111A1 publication Critical patent/WO2020090111A1/ja
Anticipated expiration legal-status Critical
Ceased legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10024—Color image
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30196—Human being; Person
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30232—Surveillance
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30241—Trajectory

Definitions

  • a flow line correction device for example, a flow line correction device that corrects a divided flow line.
  • Patent Documents 1 to 4 With the related technologies shown in Patent Documents 1 to 4, the person shown in the image taken by the camera is tracked and one flow line (also called a locus) is generated for each person.
  • the flow line of the person thus obtained is used for analyzing the behavior of the customer in the store and for monitoring the business activity by the employee.
  • FIG. 12 shows an example of the flow line of a person tracked by a related technology. If there is an obstacle between the person to be tracked and the camera, the related technique cannot accurately detect the position of the person's area in the image. As a result, as shown in FIG. 12, the flow line of the person may be divided.
  • the divided flow line is corrected based on the detection result of the appearance characteristics (clothes etc.) of the person.
  • the detection result of the appearance characteristics (clothes etc.) of the person since it does not consider how reliable the detection result of the feature relating to the person is, there is a possibility of connecting the incorrect flow lines.
  • the present invention has been made in view of the above problems, and an object thereof is to provide a flow line correcting device that can correct the flow line of an object more accurately.
  • a flow line correction apparatus includes a reliability calculation unit that calculates a parameter representing the reliability of a plurality of flow lines obtained by tracking one or more objects in an image, and the plurality of motion lines. Similarity calculation means for calculating a parameter indicating the similarity between two arbitrary flow lines of lines, and a score for calculating a value obtained by weighting the parameter indicating the similarity with the parameter indicating the reliability as a score.
  • the calculation means and the connection means which connects the movement lines of the same object among the plurality of movement lines based on the score.
  • a flow line correcting method calculates a parameter representing the reliability of a plurality of flow lines obtained by tracking one or more objects in an image, and selects any one of the plurality of flow lines.
  • a parameter representing the degree of similarity between the two flow lines is calculated, a value obtained by weighting the parameter representing the similarity with the parameter representing the reliability is calculated as a score, and based on the score, the plurality of motions are calculated. It includes connecting the movement lines of the same object among the lines.
  • a recording medium calculates a parameter indicating reliability of a plurality of flow lines obtained by tracking one or more objects in an image, and selects any one of the plurality of flow lines.
  • a parameter representing the similarity a value weighted with a parameter representing the reliability, calculating as a score, based on the score.
  • a flow line tracking program for causing the computer to connect the flow lines of the same object among the plurality of flow lines is recorded.
  • the flow line of an object can be corrected more accurately.
  • FIG. 1 is a block diagram showing a configuration of a tracking device according to a first embodiment. It is a figure explaining the smoothing of a flow line. On one flow line, information indicating the attribute of the person detected in each frame of the video is represented by dots.
  • 3 is a flowchart showing a flow of a flow line correcting method executed by the flow line correcting apparatus according to the first embodiment. The four flow lines divided are shown. It is a table showing the degree of movement similarity and the degree of attribute similarity. It is a table showing the reliability of a motion and the reliability of an attribute. It is a table showing the score for each pair of flow lines. An example of two flow lines in which four flow lines are connected is shown.
  • FIG. 6 is a block diagram showing a configuration of a flow line correcting device according to a second embodiment. It is a figure which shows the hardware constitutions of the flow line correction apparatus concerning Embodiment 3. It is a figure explaining the subject of a related technology.
  • Embodiment 1 of the present invention will be described below with reference to FIGS. 1 to 9.
  • FIG. 1 is a block diagram showing the configuration of a tracking device 1 according to this embodiment. As shown in FIG. 1, the tracking device 1 includes an input unit 10, a flow line correction device 20, and an output unit 30. The tracking device 1 further includes a flow line generation unit (not shown).
  • the tracking device 1 tracks the person shown in the video.
  • the tracking device 1 may acquire an image including a person in any way.
  • the video including a person may be, for example, a video taken by a security camera in a retail store, or a video taken by a surveillance camera installed in a public place.
  • the target tracked by the tracking device 1 is not limited to a person.
  • the tracking device 1 may track any movable object other than a person.
  • a flow line generation unit (not shown) analyzes the video acquired by the tracking device 1 to generate flow line information of the person shown in the video.
  • the flow line information includes time-series information indicating the time, the ID, the position of the person, and the attribute.
  • the attributes of a person are, for example, clothes, luggage, sex, age, etc., classified into arbitrary categories (for example, the color of clothes).
  • the flow line generation unit can generate such flow line information by a general image analysis method.
  • a detailed description of a method in which the flow line generation unit analyzes a video to generate flow line information is omitted.
  • the flow line generation unit cannot accurately track the position of the area of the person in the video.
  • the flow line of the person may be divided.
  • the input unit 10 acquires the flow line information generated by a flow line generation unit (not shown), and transmits the acquired flow line information to the flow line correction device 20.
  • the flow line correction device 20 includes a pairing unit 21, a similarity calculation unit 22, a reliability calculation unit 23, a score calculation unit 24, and a connection unit 25.
  • the flow line correction device 20 receives the flow line information from the input unit 10 and connects the divided flow lines of the same person.
  • the flow line correction device 20 transmits the flow line information corrected in this way to the output unit 30.
  • the processes executed by the components of the flow line correcting apparatus 20 will be described in the flow regarding the “flow line correcting method” presented later, and thus the description of those processes will be omitted here.
  • the output unit 30 receives the corrected flow line information from the connection unit 25 of the flow line correction device 20, and outputs the received flow line information to an external device.
  • the output unit 30 may output the corrected flow line information to a display device (not shown) or may transmit the corrected flow line information to a server on the network.
  • the reliability calculation unit 23 of the flow line correction device 20 calculates two parameters described below in the flow of the flow line correction method described below.
  • the reliability calculation unit 23 calculates the reliability of a number corresponding to two or more similarities calculated by the similarity calculation unit 22 described later. In the present embodiment and the subsequent embodiments, the reliability is a value (parameter) indicating the possibility that one object is correctly tracked and one flow line is obtained.
  • the reliability calculation unit 23 may calculate three or more parameters representing the reliability. In the following, an example in which the reliability calculation unit 23 calculates both the reliability of a motion and the reliability of an attribute will be described. However, only two or more parameters representing the reliability of a motion, or the reliability of an attribute You may calculate two or more only the parameter showing.
  • the first parameter represents the variation in the position of the person between the frames of the video.
  • the reliability calculation unit 23 smoothes the flow line so as to reduce the variation in position. For example, the reliability calculation unit 23 may obtain the moving average line of the flow line.
  • FIG. 2 is a diagram for explaining the smoothing of the flow line.
  • FIG. 2 shows an example of a flow line with a large variation in position and an example of a flow line with a small variation in position.
  • a flow line with large positional variation has a larger change in length before and after smoothing than a flow line with small positional variation.
  • the reliability calculation unit 23 calculates the first parameter representing the variation in the position of the person according to the following Expression 1. [Formula 1]
  • the maximum value of the first parameter is 1 when there is no change in the length of the flow line before and after smoothing by the reliability calculation unit 23.
  • the probability that the flow line generation unit could not correctly track one person increases. This is because a small first parameter indicates that there is a large variation in the position of the person in the flow line before smoothing.
  • the first parameter is called “motion reliability”.
  • the second parameter represents the variation in the attributes of a person between video frames.
  • the reliability calculation unit 23 extracts information representing the attribute of the person in each frame of the video from one piece of flow line information generated by the flow line generation unit. Then, the reliability calculation unit 23 classifies the extracted attributes for each similar attribute to form a cluster.
  • FIG. 3 shows a cluster A and a cluster B in which the attributes on the flow line are classified according to similar attributes.
  • Cluster A includes three elements indicated by white circles, and cluster B includes five elements indicated by black circles.
  • the reliability calculation unit 23 calculates the second parameter representing the variation of the attributes of the person included in the flow line information according to the following Expression 2. [Formula 2]
  • the maximum value of the second parameter is 1. As the second parameter approaches 0, the probability that the flow line generation unit could not correctly track one person increases. This is because a small second parameter indicates a large variation in person attributes.
  • the second parameter is called “attribute reliability”.
  • FIG. 4 is a flowchart showing the flow of the flow line correcting method executed by the flow line correcting apparatus 20.
  • the pairing unit 21 acquires flow line information from the input unit 10.
  • the flow line information includes a divided flow line.
  • FIG. 5 shows an example of a divided flow line.
  • FIG. 5 includes four separated flow lines ad.
  • the pairing unit 21 should connect the flow line a to either the flow line c or the flow line d, and the flow line b to the flow line c. And it should be connected to the other of the flow line d. Therefore, the pairing unit 21 generates (pairs) four combinations of flow lines, that is, ac, ad, bc, and bd (S1).
  • the similarity calculation unit 22 extracts the characteristics regarding the movement of the person and the characteristics regarding the attribute of the person from the movement line information regarding the two paired movement lines (S2).
  • the characteristic relating to the movement of the person is, for example, the moving direction or speed of the person. Further, the characteristic relating to the attribute of the person is, for example, a histogram representing the color of the clothing of the person.
  • the similarity calculation unit 22 calculates the similarity for the pair of flow lines generated by the pairing unit 21 (S3). Specifically, the similarity calculation unit 22 calculates the similarity of the movement of the person and the similarity of the attribute of the person.
  • FIG. 6 is a table showing the motion / attribute similarity (meaning the motion similarity and the attribute similarity) calculated by the similarity calculation unit 22.
  • the degree of movement similarity shown in Fig. 6 represents how naturally two paired flow lines are connected.
  • the similarity calculation unit 22 may calculate the similarity of the movement of the person based on, for example, the walking speed in addition to the closeness of the spatiotemporal distance and the direction of the movement of the person. Specifically, the similarity calculation unit 22 determines the distance between the feature amount vectors of the person or the feature amount vector in the feature amount space having parameters such as the closeness of the spatiotemporal distance of the person and the direction of movement of the person. Compute the motion similarity based on the corners. The smaller the distance between the feature amount vectors and the smaller the angle formed by the feature amount vectors, the higher the degree of similarity. Here, detailed description regarding the method of calculating the similarity is omitted.
  • the attribute similarity shown in FIG. 6 indicates how similar the attributes of the two persons corresponding to the paired flow lines are.
  • the similarity of the movements of two persons is 0.8 (1 is the maximum value) for one pair ac.
  • the similarity between the attributes of the two persons is 0.3 (1 is the maximum value).
  • the degree of similarity of the movement or attribute of the person is normalized as represented by a value from 0 to 1.
  • the reliability calculation unit 23 calculates the reliability indicating the certainty that the flow line was obtained by tracking only one person (S4). Specifically, the reliability calculation unit 23 calculates the reliability of the motion, which is the first parameter described above, and the reliability of the attribute, which is the second parameter described above. The reliability calculation unit 23 also calculates the reliability of each pair of flow lines. As can be seen from the equations 1 and 2, the first parameter and the second parameter are values of 0 or more and 1 or less.
  • FIG. 7 is a table showing motion / attribute reliability (0 to 1) for each flow line and motion / attribute reliability (0 to 1) for each flow line pair.
  • the reliability of the motion / attribute for each flow line shown in FIG. 7 indicates that the flow line generation unit was able to correctly track one person, in other words, the flow line was obtained from only one person. , How likely it is.
  • the reliability of movement is obtained by focusing on the variation in the position of the person (FIG. 2), while the reliability of the attribute is obtained by focusing on the variation in the attribute of the person.
  • the reliability of the motion / attribute for each pair of flow lines shown in FIG. 7 is calculated by the reliability calculation unit 23 based on the reliability of the motion / attribute of the two paired flow lines.
  • the reliability of the motion / attribute for each pair of flow lines is the smaller of the reliability of the motion / attribute of two paired flow lines.
  • the reliability of movement of the flow line a is 0.2
  • the reliability of movement of the flow line c is 0.8.
  • the reliability of the movement of the flow line pair ac is the same as the reliability of the movement of the flow line a, that is, 0.2.
  • the reliability calculation unit 23 normalizes the reliability of the motion / attribute calculated for each pair of flow lines. That is, the reliability calculation unit 23 corrects the reliability of motion / attribute so that the sum of the reliability of motion and the reliability of attribute becomes 1 for each pair of flow lines.
  • the normalized reliability of the motion / attribute is a value obtained by dividing the reliability of the original motion / attribute by the sum of the reliability of the motion / attribute. For example, in FIG. 7, the reliability of the original motion is 0.2 and the reliability of the original attribute is 0.5 for the flow line pair ac. In this case, the reliability of the motion after normalization is 0.2 / (0.2 + 0.5) (equal 0.29), and the reliability of the attribute after normalization is 0.5 / (0. 2 + 0.5) (equal 0.71).
  • the score calculation unit 24 uses the similarity calculated by the similarity calculation unit 22 and the reliability of the movement / attribute calculated by the reliability calculation unit 23 to obtain a score for each pair of flow lines. Calculate (S5).
  • the score calculation unit 24 calculates a score for each pair of flow lines according to the following Expression 3. [Formula 3]
  • FIG. 8 is a table showing scores calculated for each pair of flow lines by the score calculation unit 24.
  • the motion similarity is 0.8 and the motion reliability (normalized) is 0.29 for the flow line pair ac.
  • the attribute similarity is 0.3, and the attribute reliability (normalized) is 0.71. Therefore, the score for the flow line pair ac is 0.8 ⁇ 0.29 + 0.3 ⁇ 0.71 (equal 0.445).
  • connection unit 25 compares the scores (FIG. 8) calculated by the score calculation unit 24 for each pair of flow lines (S7).
  • the connecting unit 25 selects the pair of flow lines having the highest score from all the pairs of flow lines generated by the pairing unit 21. For example, in the example shown in FIG. 8, the flow line pair ad having the highest score is selected. Subsequently, the connecting unit 25 selects the pair of flow lines having the highest score from the remaining pairs of flow lines. In FIG. 8, since only bc remains in the pair of flow lines excluding the flow lines a and d, this flow line pair bc is selected. The connecting unit 25 repeats a series of processes until the opponents of all the flow lines are determined.
  • connection unit 25 connects each flow line with the flow line of the opponent (S7).
  • the connecting portion 25 may complement the flow line and the flow line of the opponent with a straight flow line.
  • the connecting portion 25 uses an arbitrary curvilinear flow line determined by the moving direction and speed of the person at one end of the flow line and the moving direction and speed of the person at one end of the flow line of the opponent. You may complement between the flow line and the flow line of the other party.
  • FIG. 9 shows an example of two flow lines in which four flow lines are connected.
  • the four divided flow lines a to d shown in FIG. 5 are respectively connected to the opponent selected by the connecting portion 25. More specifically, the flow line a shown in FIG. 5 is connected to the flow line d, and the flow line b shown in FIG. 5 is connected to the flow line c.
  • the flow lines of the same object are connected to each other based on the score obtained by weighting the similarity with the reliability. In this way, not only the similarity between the moving lines but also the reliability indicating the certainty that each moving line was obtained by correctly tracking only one object is taken into consideration. Can be corrected to.
  • Embodiment 2 of the present invention will be described below with reference to FIG.
  • FIG. 10 is a block diagram showing the configuration of the flow line correction device 200 according to the present embodiment.
  • the flow line correcting apparatus 200 acquires a plurality of flow lines obtained by tracking one or more objects in an image and corrects those flow lines.
  • the flow line correction device 200 includes a similarity calculation unit 222, a reliability calculation unit 223, a score calculation unit 224, and a connection unit 225.
  • the similarity calculation unit 222 calculates a parameter representing the similarity between any two flow lines of the plurality of flow lines.
  • the reliability calculation unit 223 calculates a parameter indicating the reliability of a plurality of flow lines obtained by tracking one or more objects in the video.
  • the score calculation unit 224 calculates, as a score, a value obtained by weighting the parameter indicating the similarity with the parameter indicating the reliability.
  • the connecting unit 225 connects the flow lines of the same object among the plurality of flow lines based on the score.
  • a parameter representing the degree of similarity between any two flow lines of a plurality of flow lines is calculated. Furthermore, a score is calculated by weighting the similarities with a parameter representing the reliability. Based on the score thus calculated, it is possible to determine two flow lines that are likely to be the flow line of the same object. Therefore, the flow line of the divided object can be more accurately corrected.
  • Embodiment 3 of the present invention will be described below with reference to FIG.
  • the flow line correcting apparatus has the same configuration as the flow line correcting apparatus 20 or the flow line correcting apparatus 200 described in the first or second embodiment.
  • FIG. 11 is a block diagram showing an example of the hardware configuration of the information processing device 900.
  • the information processing device 900 includes, for example, the following configuration.
  • the program 904 that realizes the function of each component of each device is stored in the storage device 905 or the ROM 902 in advance, for example, and the CPU 901 loads the program into the RAM 903 and executes it as necessary.
  • the program 904 may be supplied to the CPU 901 via the communication network 909, or may be stored in the recording medium 906 in advance and the drive device 907 may read the program and supply it to the CPU 901.

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Image Analysis (AREA)

Abstract

物体の動線をより正確に補正することが可能な動線補正装置を提供する。信頼度算出部（２２３）は、映像中の一つ以上の物体を追跡して得られる複数の動線の信頼度を表すパラメータを算出し、類似度算出部（２２２）は、複数の動線のうちの任意の二つの動線の類似度を表すパラメータを算出し、スコア算出部（２２４）は、類似度を表すパラメータを、信頼度を表すパラメータで重み付けした値を、スコアとして算出し、連結部（２２５）は、スコアに基づいて、複数の動線のうちの同一物体の動線同士を連結する。

Description

動線補正装置、動線補正方法、および記録媒体
　動線補正装置、動線補正方法、および記録媒体に関し、例えば、分断した動線を補正する動線補正装置に関する。
　特許文献１～４に示された関連する技術では、カメラが撮影した映像に映る人物を追跡して、一人の人物につき一つの動線（軌跡とも呼ぶ）を生成する。このようにして得られた人物の動線は、店舗内における顧客の行動を分析したり、従業員による業務活動を監視したりするために利用されている。
特開２０１４－１８６５４７号公報 特開２０１７－　４０５３０号公報 特開２００８－２５０９９９号公報 国際公開第２０１４／１２５８８２号
　図１２は、関連する技術が追跡する人物の動線の一例を示している。追跡対象の人物とカメラとの間に遮蔽物が存在する場合、関連する技術は、映像中における人物の領域の位置を正確に検出することができなくなる。その結果、図１２に示すように、人物の動線に分断が生じ得る。
　関連する技術では、人物の見た目の特徴（服装など）の検出結果に基づいて、分断した動線を補正する。しかしながら、人物に関する特徴の検出結果がどれぐらい信頼できるのかを考慮していないため、誤った動線同士を連結する可能性がある。
　本発明は、上記の課題に鑑みてなされたものであり、その目的は、物体の動線をより正確に補正することが可能な動線補正装置を提供することにある。
　本発明の一態様に係わる動線補正装置は、映像中の一つ以上の物体を追跡して得られる複数の動線の信頼度を表すパラメータを算出する信頼度算出手段と、前記複数の動線のうちの任意の二つの動線の類似度を表すパラメータを算出する類似度算出手段と、前記類似度を表すパラメータを、前記信頼度を表すパラメータで重み付けした値を、スコアとして算出するスコア算出手段と、前記スコアに基づいて、前記複数の動線のうちの同一物体の動線同士を連結する連結手段と、を備えている。
　本発明の一態様に係わる動線補正方法は、映像中の一つ以上の物体を追跡して得られる複数の動線の信頼度を表すパラメータを算出し、前記複数の動線のうちの任意の二つの動線の類似度を表すパラメータを算出し、前記類似度を表すパラメータを、前記信頼度を表すパラメータで重み付けした値を、スコアとして算出し、前記スコアに基づいて、前記複数の動線のうちの同一物体の動線同士を連結することを含む。
　本発明の一態様に係わる記録媒体は、映像中の一つ以上の物体を追跡して得られる複数の動線の信頼度を表すパラメータを算出することと、前記複数の動線のうちの任意の二つの動線の類似度を表すパラメータを算出することと、前記類似度を表すパラメータを、前記信頼度を表すパラメータで重み付けした値を、スコアとして算出することと、前記スコアに基づいて、前記複数の動線のうちの同一物体の動線同士を連結することとを、前記コンピュータに実行させるための動線追跡プログラムを記録している。
　本発明の一態様によれば、物体の動線をより正確に補正することができる。
実施形態１に係わる追跡装置の構成を示すブロック図である。 動線の平滑化を説明する図である。 一つの動線上に、映像の各フレームにおいて検出された人物の属性を示す情報を点で表している。 実施形態１に係わる動線補正装置が実行する動線補正方法の流れを示すフローチャートである。 分断した４つの動線を示す。 動きの類似度および属性の類似度を表すテーブルである。 動きの信頼度および属性の信頼度を表すテーブルである。 動線のペアごとのスコアを表すテーブルである。 ４つの動線が連結された二つの動線の一例を示す。 実施形態２に係わる動線補正装置の構成を示すブロック図である。 実施形態３に係わる動線補正装置のハードウェア構成を示す図である。 関連する技術の課題を説明する図である。
　〔実施形態１〕
　図１～図９を参照して、本発明の実施形態１について、以下で説明する。
　（追跡装置１）
　図１は、本実施形態に係わる追跡装置１の構成を示すブロック図である。図１に示すように、追跡装置１は、入力部１０と、動線補正装置２０と、出力部３０とを備えている。また、追跡装置１は、図示しない動線生成部をさらに備えている。
　追跡装置１は、映像に映る人物を追跡する。追跡装置１は、人物を含む映像をどのように取得してもよい。人物を含む映像は、例えば、小売店の防犯カメラが撮影した映像であってもよいし、あるいは公共の場所に設置された監視カメラが撮影した映像であってもよい。なお、追跡装置１が追跡する対象は人物に限られない。追跡装置１は人物以外の移動可能な任意の物体を追跡してもよい。
　図示しない動線生成部は、追跡装置１が取得した映像を解析することによって、映像に映る人物の動線情報を生成する。動線情報には、時刻、ＩＤ、人物の位置および属性を示す時系列の情報が含まれる。人物の属性とは、例えば、服装、荷物、性別、年齢などを、任意のカテゴリーごと（例えば、衣服の色）に分類したものである。動線生成部は、一般的な画像解析法により、このような動線情報を生成することができる。ここでは、動線生成部が映像を解析して動線情報を生成する手法の詳細な説明を省略する。ここで、追跡対象の人物とカメラとの間に遮蔽物が存在する場合、動線生成部は、映像中における人物の領域の位置を、正確に追跡することができなくなる。その結果、動線情報において、人物の動線に分断が生じ得る。
　入力部１０は、図示しない動線生成部が生成した動線情報を取得し、取得した動線情報を動線補正装置２０へ送信する。
　動線補正装置２０は、ペアリング部２１、類似度算出部２２、信頼度算出部２３、スコア算出部２４、および連結部２５を備えている。
　動線補正装置２０は、入力部１０から動線情報を受信して、分断した同一人物の動線同士を連結する。動線補正装置２０は、このようにして補正した動線情報を、出力部３０へ送信する。動線補正装置２０の構成要素が実行する処理については、後に提示する「動線補正方法」に関するフローの中で説明するため、それらの処理の説明をここでは省略する。
　出力部３０は、動線補正装置２０の連結部２５から、補正された動線情報を受信して、受信した動線情報を外部機器へ出力する。例えば、出力部３０は、補正された動線情報を、図示しない表示装置へ出力してもよいし、ネットワーク上のサーバへ送信してもよい。
　（信頼度の計算）
　動線補正装置２０の信頼度算出部２３は、後述する動線補正方法のフローにおいて、以下で説明する二つのパラメータを計算する。信頼度算出部２３は、後述する類似度算出部２２が計算する二つ以上の類似度と対応する数の信頼度を計算する。本実施形態および後の実施形態において、信頼度は、一つの物体を正しく追跡して一つの動線が得られた可能性を示す値（パラメータ）である。信頼度算出部２３は、信頼度を表す三つ以上のパラメータを計算してもよい。また、以下では、信頼度算出部２３が、動きの信頼度および属性の信頼度をどちらも計算する例を説明するが、動きの信頼度を表すパラメータのみを二つ以上、または属性の信頼度を表すパラメータのみを二つ以上計算してもよい。
　（第１のパラメータ：動きの信頼度）
　第１のパラメータは、映像のフレーム間での人物の位置のばらつきを表す。信頼度算出部２３は、位置のばらつきを小さくするように、動線を平滑化する。例えば、信頼度算出部２３は、動線の移動平均線を求めてもよい。
　図２は、動線の平滑化を説明する図である。図２は、位置のばらつきが大きい動線の例、および、位置のばらつきが小さい動線の例を示す。図２に示す例から分かるように、位置のばらつきが大きい動線のほうが、位置のばらつきが小さい動線よりも、平滑化の前後における長さの変化が大きい。
　信頼度算出部２３は、以下の式１にしたがって、人物の位置のばらつきを表す第１のパラメータを算出する。
［式１］
Figure JPOXMLDOC01-appb-I000001
　式１によれば、信頼度算出部２３による平滑化の前後で、動線の長さの変化がない場合、第１のパラメータは最大値１になる。第１のパラメータが０に近づくにつれて、動線生成部が一人の人物を正しく追跡できなかった蓋然性が高くなる。なぜならば、第１のパラメータが小さいことは、平滑化前の動線における人物の位置のばらつきが大きいことを示すからである。第１のパラメータのことを、「動きの信頼度」と呼ぶ。
　（第２のパラメータ：属性の信頼度）
　第２のパラメータは、映像のフレーム間での人物の属性のばらつきを表す。信頼度算出部２３は、動線生成部が生成した一つの動線情報から、映像の各フレームにおける人物の属性を表す情報を抽出する。そして、信頼度算出部２３は、抽出した属性を、類似した属性ごとに分類して、クラスタを形成する。
　図３は、一つの動線上に、映像の各フレームにおいて検出された人物の属性を示す情報を点で表している。また図３には、動線上の属性を、類似する属性毎に分類したクラスタＡおよびクラスタＢを示している。クラスタＡは、白丸で示す３つの要素を含み、クラスタＢは、黒丸で示す５つの要素を含む。
　信頼度算出部２３は、以下の式２にしたがって、動線情報に含まれる人物の属性のばらつきを表す第２のパラメータを算出する。
［式２］
Figure JPOXMLDOC01-appb-I000002
　式２によれば、動線情報から抽出された人物の属性の全要素が、１つのクラスタに含まれる場合、第２のパラメータは最大値１になる。第２のパラメータが０に近づくにつれて、動線生成部が一人の人物を正しく追跡できなかった蓋然性が高くなる。なぜならば、第２のパラメータが小さいことは、人物の属性のばらつきが大きいことを示すからである。第２のパラメータのことを、「属性の信頼度」と呼ぶ。
　（動線補正方法）
　図４～図１０を参照して、動線補正装置２０の各構成要素が実行する処理を説明する。図４は、動線補正装置２０が実行する動線補正方法の流れを示すフローチャートである。
　図４に示すように、ペアリング部２１は、入力部１０から動線情報を取得する。これらの動線情報の中には、分断した動線が含まれている。
　図５は、分断した動線の一例を示す。図５は、４つの分断した動線ａ～ｄを含む。ペアリング部２１は、動線情報に含まれる時刻の情報に基づいて、動線ａは、動線ｃおよび動線ｄのどちらか一方と連結すべきであり、動線ｂは、動線ｃおよび動線ｄの他方と連結すべきであると判定する。したがって、ペアリング部２１は、動線の４通りの組み合わせ、すなわちａ－ｃ、ａ－ｄ、ｂ－ｃ、およびｂ－ｄを生成（ペアリング）する（Ｓ１）。
　類似度算出部２２は、ペアリングした二つの動線についての動線情報から、人物の動きに関する特徴、および人物の属性に関する特徴を抽出する（Ｓ２）。ここでいう人物の動きに関する特徴は、例えば、人物の移動方向または速さである。また、人物の属性に関する特徴は、例えば、人物の服装の色を表すヒストグラムである。
　次に、類似度算出部２２は、ペアリング部２１が生成した動線のペアに関して、類似度を算出する（Ｓ３）。具体的には、類似度算出部２２は、人物の動きの類似度と、人物の属性の類似度とをそれぞれ算出する。
　図６は、類似度算出部２２が算出する動き／属性の類似度（動きの類似度および属性の類似度を意味する）を表すテーブルである。
　図６に示す動きの類似度は、ペアリングされた二つの動線が、どれぐらい自然につながるのかを表す。類似度算出部２２は、人物の時空間距離の近さおよび動きの向きに加えて、例えば歩行の速度に基づいて、人物の動きの類似度を算出してもよい。具体的には、類似度算出部２２は、人物の時空間距離の近さや人物の動きの向き等をパラメータとする特徴量空間において、人物の特徴量ベクトル間の距離、又は特徴量ベクトルのなす角に基づいて、動きの類似度を計算する。特徴量ベクトル間の距離が小さいほど、また特徴量ベクトルのなす角が小さいほど、類似度は高くなる。ここでは、類似度の計算方法に関する詳細な説明を省略する。
　図６に示す属性の類似度は、ペアリングされた二つの動線と対応する二人の人物の属性が、どれぐらい類似しているのかを表す。例えば、一つのペアａ－ｃについて、二人の人物の動きの類似度は０．８（１が最大値）である。また同じペアａ－ｃについて、二人の人物の属性の類似度は０．３（１が最大値）である。なお、図６に示す例では、人物の動きまたは属性の類似度は、０から１までの値で表されるように、正規化されている。
　ステップＳ３の後、信頼度算出部２３は、動線がただ一人の人物を追跡して得られたことの確からしさを示す信頼度を算出する（Ｓ４）。具体的には、信頼度算出部２３は、上述した第１のパラメータである動きの信頼度、および、上述した第２のパラメータである属性の信頼度を算出する。また、信頼度算出部２３は、動線のペアごとの信頼度も算出する。式１、式２から分かるように、第１のパラメータ、第２のパラメータは、０以上かつ１以下の値である。
　図７は、動線ごとの動き／属性の信頼度（０～１）と、動線のペアごとの動き／属性の信頼度（０～１）とを表すテーブルである。図７に示す動線ごとの動き／属性の信頼度は、動線生成部が一人の人物を正しく追跡することができた、換言すれば、動線はただ一人の人物から得られたことが、どれくらい確からしいかを表す。動きの信頼度は、人物の位置のばらつき（図２）に着目して得られる一方、属性の信頼度は、人物の属性のばらつきに着目して得られる。
　図７に示す動線のペアごとの動き／属性の信頼度は、信頼度算出部２３によって、ペアリングされた二つの動線の動き／属性の信頼度に基づいて算出される。具体的には、動線のペアごとの動き／属性の信頼度は、ペアリングされた二つの動線の動き／属性の信頼度のうちの小さい方である。例えば、動線ａの動きの信頼度は０．２であり、動線ｃの動きの信頼度は０．８である。この場合、動線のペアａ－ｃの動きの信頼度は、動線ａの動きの信頼度と同じ、すなわち０．２である。
　信頼度算出部２３は、このようにして算出した動線のペアごとの動き／属性の信頼度を正規化する。すなわち、信頼度算出部２３は、動線のペアごとに、動きの信頼度と属性の信頼度との総和が１になるように、動き／属性の信頼度をそれぞれ補正する。具体的には、正規化された動き／属性の信頼度は、元の動き／属性の信頼度を、動き／属性の信頼度の総和で割った値である。例えば、図７において、動線のペアａ－ｃについて、元の動きの信頼度が０．２であり、元の属性の信頼度が０．５である。この場合、正規化後の動きの信頼度は、０．２／（０．２＋０．５）（イコール０．２９）であり、正規化後の属性の信頼度は、０．５／（０．２＋０．５）（イコール０．７１）である。
　ステップＳ４の後、スコア算出部２４は、類似度算出部２２が算出した類似度と、信頼度算出部２３が算出した動き／属性の信頼度とを用いて、動線のペアごとのスコアを算出する（Ｓ５）。
　具体的には、スコア算出部２４は、以下の式３にしたがって、動線のペアごとのスコアを算出する。
［式３］
Figure JPOXMLDOC01-appb-I000003
　図８は、スコア算出部２４によって算出される、動線のペアごとのスコアを表すテーブルである。例えば、動線のペアａ－ｃについて、動きの類似度は０．８であり、動きの信頼度（正規化）は０．２９である。また、属性の類似度は０．３であり、属性の信頼度（正規化）は０．７１である。したがって、動線のペアａ－ｃについてのスコアは、０．８×０．２９＋０．３×０．７１（イコール０．４４５）である。
　ステップＳ５の後、連結部２５は、スコア算出部２４がそれぞれの動線のペアについて算出したスコア（図８）を比較する（Ｓ７）。
　そして、連結部２５は、ペアリング部２１が生成した全ての動線のペアの中から、最もスコアが高い動線のペアを選択する。例えば、図８に示す例では、スコアが最も高い動線のペアａ－ｄを選択する。続いて、連結部２５は、残った動線のペアの中から、最もスコアが高い動線のペアを選択する。図８では、動線ａおよび動線ｄを除いた動線のペアはｂ－ｃのみが残るので、この動線のペアｂ－ｃを選択する。連結部２５は、全ての動線の相手が決まるまで、一連の処理を繰り返す。
　連結部２５は、このようにして全ての動線の相手を決めた後、各動線をその相手の動線と連結する（Ｓ７）。例えば、連結部２５は、動線とその相手の動線との間を、直線の動線によって補完してもよい。あるいは、連結部２５は、動線の一方の端における人物の移動方向および速さと、その相手の動線の一方の端における人物の移動方向および速さとによって決まる任意の曲線形状の動線によって、動線とその相手の動線との間を補完してもよい。
　図９は、４つの動線が連結された二つの動線の一例を示す。図９では、図５に示す４つの分断した動線ａ～ｄは、それぞれ、連結部２５によって選択された相手と連結されている。より詳細には、図５に示す動線ａは、動線ｄと連結されており、また図５に示す動線ｂは、動線ｃと連結されている。
　以上で、動線補正方法のフローは終了する。
　（本実施形態の作用効果）
　本実施形態の構成によれば、類似度を信頼度で重み付したスコアに基づいて、同一物体の動線同士を連結する。このように、動線同士の類似度だけでなく、各動線がただ一つの物体を正しく追跡して得られたことの確からしさを示す信頼度も考慮するので、物体の動線をより正確に補正することができる。
　〔実施形態２〕
　図１０を参照して、本発明の実施形態２について、以下で説明する。
　（動線補正装置２００）
　図１０は、本実施形態に係わる動線補正装置２００の構成を示すブロック図である。動線補正装置２００は、映像中の一つ以上の物体を追跡して得られる複数の動線を取得し、それらの動線を補正する。図１０に示すように、動線補正装置２００は、類似度算出部２２２と、信頼度算出部２２３と、スコア算出部２２４と、連結部２２５とを備えている。
　類似度算出部２２２は、複数の動線のうちの任意の二つの動線の類似度を表すパラメータを算出する。
　信頼度算出部２２３は、映像中の一つ以上の物体を追跡して得られる複数の動線の信頼度を表すパラメータを算出する。
　スコア算出部２２４は、類似度を表すパラメータを、信頼度を表すパラメータで重み付けした値を、スコアとして算出する。
　連結部２２５は、スコアに基づいて、複数の動線のうちの同一物体の動線同士を連結する。
　（本実施形態の作用効果）
　本実施形態の構成によれば、複数の動線のうちの任意の二つの動線の類似度を表すパラメータを算出する。さらに、それらの類似度を、信頼度を表すパラメータによって重み付することによって、スコアを算出する。こうして算出したスコアに基づいて、同一物体の動線である可能性が高い二つの動線を判定することができる。したがって、分断された物体の動線をより正確に補正することができる。
　〔実施形態３〕
　図１１を参照して、本発明の実施形態３について、以下で説明する。
　本実施形態に係わる動線補正装置は、前記実施形態１または２で説明した動線補正装置２０または動線補正装置２００と同じ構成を備える。
　本実施形態に係わる動線補正装置の各構成要素の一部又は全部は、例えば図１１に示すような情報処理装置９００とプログラムとの任意の組み合わせにより実現される。図１１は、情報処理装置９００のハードウェア構成の一例を示すブロック図である。
　図１１に示すように、情報処理装置９００は、一例として、以下のような構成を含む。
　　・ＣＰＵ（Ｃｅｎｔｒａｌ　Ｐｒｏｃｅｓｓｉｎｇ　Ｕｎｉｔ）９０１
　　・ＲＯＭ（Ｒｅａｄ　Ｏｎｌｙ　Ｍｅｍｏｒｙ）９０２
　　・ＲＡＭ（Ｒａｎｄｏｍ　Ａｃｃｅｓｓ　Ｍｅｍｏｒｙ）９０３
　　・ＲＡＭ９０３にロードされるプログラム９０４
　　・プログラム９０４を格納する記憶装置９０５
　　・記録媒体９０６の読み書きを行うドライブ装置９０７
　　・通信ネットワーク９０９と接続する通信インターフェース９０８
　　・データの入出力を行う入出力インターフェース９１０
　　・各構成要素を接続するバス９１１
　上述した各実施形態における各装置の各構成要素は、各構成要素の動作を実現するプログラム９０４をＣＰＵ９０１が取得して実行することで実現される。各装置の各構成要素の機能を実現するプログラム９０４は、例えば、予め記憶装置９０５やＲＯＭ９０２に格納されており、必要に応じてＣＰＵ９０１がＲＡＭ９０３にロードして実行される。なお、プログラム９０４は、通信ネットワーク９０９を介してＣＰＵ９０１に供給されてもよいし、予め記録媒体９０６に格納されており、ドライブ装置９０７が当該プログラムを読み出してＣＰＵ９０１に供給してもよい。
　（本実施形態の効果）
　本実施形態の構成によれば、前記のいずれかの実施形態において説明した装置が、ハードウェアとして実現される。したがって、前記のいずれかの実施形態において説明した効果と同様の効果を奏することができる。
　以上、実施形態（及び実施例）を参照して本発明を説明したが、本発明は上記実施形態（及び実施例）に限定されるものではない。上記実施形態の構成や詳細には、本発明のスコープ内で当業者が理解し得る様々な変更をすることができる。
　　　１　追跡装置
　　　２　動線補正装置
　　２０　動線補正装置
　　２１　ペアリング部
　　２２　類似度算出部
　　２３　信頼度算出部
　　２４　スコア算出部
　　２５　連結部
　２２２　類似度算出部
　２２３　信頼度算出部
　２２４　スコア算出部
　２２５　連結部

Claims (7)

  1. 　映像中の一つ以上の物体を追跡して得られる複数の動線の信頼度を表すパラメータを算出する信頼度算出手段と、
    　前記複数の動線のうちの任意の二つの動線の類似度を表すパラメータを算出する類似度算出手段と、
    　前記類似度を表すパラメータを、前記信頼度を表すパラメータで重み付けした値を、スコアとして算出するスコア算出手段と、
    　前記スコアに基づいて、前記複数の動線のうちの同一物体の動線同士を連結する連結手段と、
    　を備えた動線補正装置。
  2. 　前記信頼度は、一つの物体を正しく追跡して一つの動線が得られた可能性を示す値である
    　ことを特徴とする請求項１に記載の動線補正装置。
  3. 　前記信頼度は、前記動線のばらつきが小さいほど高い
    　ことを特徴とする請求項２に記載の動線補正装置。
  4. 　前記信頼度は、前記動線と紐付けられた特徴のばらつきが小さいほど高い
    　ことを特徴とする請求項２に記載の動線補正装置。
  5. 　前記類似度は、前記二つの動線とそれぞれ紐付けられている物体に関する特徴同士が、どれぐらい類似しているかを表す
    　ことを特徴とする請求項１から４のいずれか１項に記載の動線補正装置。
  6. 　映像中の一つ以上の物体を追跡して得られる複数の動線の信頼度を表すパラメータを算出し、
    　前記複数の動線のうちの任意の二つの動線の類似度を表すパラメータを算出し、
    　前記類似度を表すパラメータを、前記信頼度を表すパラメータで重み付けした値を、スコアとして算出し、
    　前記スコアに基づいて、前記複数の動線のうちの同一物体の動線同士を連結すること
    　を含む動線補正方法。
  7. 　映像中の一つ以上の物体を追跡して得られる複数の動線の信頼度を表すパラメータを算出することと、
    　前記複数の動線のうちの任意の二つの動線の類似度を表すパラメータを算出することと、
    　前記類似度を表すパラメータを、前記信頼度を表すパラメータで重み付けした値を、スコアとして算出することと、
    　前記スコアに基づいて、前記複数の動線のうちの同一物体の動線同士を連結することとを、
    　前記コンピュータに実行させるための動線追跡プログラムを記録した、
    　一時的でない記録媒体。
PCT/JP2018/040858 2018-11-02 2018-11-02 動線補正装置、動線補正方法、および記録媒体 Ceased WO2020090111A1 (ja)

Priority Applications (3)

Application Number Priority Date Filing Date Title
JP2020554734A JP7006809B2 (ja) 2018-11-02 2018-11-02 動線補正装置、動線補正方法、および動線追跡プログラム
US17/288,078 US20220005207A1 (en) 2018-11-02 2018-11-02 Trajectory correction device, trajectory correction method, and recording medium
PCT/JP2018/040858 WO2020090111A1 (ja) 2018-11-02 2018-11-02 動線補正装置、動線補正方法、および記録媒体

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2018/040858 WO2020090111A1 (ja) 2018-11-02 2018-11-02 動線補正装置、動線補正方法、および記録媒体

Publications (1)

Publication Number Publication Date
WO2020090111A1 true WO2020090111A1 (ja) 2020-05-07

Family

ID=70463069

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2018/040858 Ceased WO2020090111A1 (ja) 2018-11-02 2018-11-02 動線補正装置、動線補正方法、および記録媒体

Country Status (3)

Country Link
US (1) US20220005207A1 (ja)
JP (1) JP7006809B2 (ja)
WO (1) WO2020090111A1 (ja)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH09270014A (ja) * 1996-04-03 1997-10-14 Matsushita Electric Ind Co Ltd 移動物体の抽出装置
JP2016071534A (ja) * 2014-09-29 2016-05-09 Kddi株式会社 オブジェクト追跡方法、装置およびプログラム
JP2016162075A (ja) * 2015-02-27 2016-09-05 Kddi株式会社 オブジェクト追跡方法、装置およびプログラム

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9582895B2 (en) * 2015-05-22 2017-02-28 International Business Machines Corporation Real-time object analysis with occlusion handling

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH09270014A (ja) * 1996-04-03 1997-10-14 Matsushita Electric Ind Co Ltd 移動物体の抽出装置
JP2016071534A (ja) * 2014-09-29 2016-05-09 Kddi株式会社 オブジェクト追跡方法、装置およびプログラム
JP2016162075A (ja) * 2015-02-27 2016-09-05 Kddi株式会社 オブジェクト追跡方法、装置およびプログラム

Also Published As

Publication number Publication date
JP7006809B2 (ja) 2022-01-24
US20220005207A1 (en) 2022-01-06
JPWO2020090111A1 (ja) 2021-09-16

Similar Documents

Publication Publication Date Title
JP4830650B2 (ja) 追跡装置
KR102338486B1 (ko) 3d 골격 정보를 이용한 사용자 동작 인식 방법 및 시스템
US9098760B2 (en) Face recognizing apparatus and face recognizing method
US11915518B2 (en) Facial authentication device, facial authentication method, and program recording medium
JP5766564B2 (ja) 顔認証装置及び顔認証方法
JP2011134114A (ja) パターン認識方法およびパターン認識装置
JP2007265367A (ja) 視線検出方法および装置ならびにプログラム
US11887331B2 (en) Information processing apparatus, control method, and non-transitory storage medium
US10496874B2 (en) Facial detection device, facial detection system provided with same, and facial detection method
CN111898571A (zh) 动作识别系统及方法
JPWO2018078857A1 (ja) 視線推定装置、視線推定方法及びプログラム記録媒体
US10417487B2 (en) Pattern recognition apparatus, pattern recognition method, and storage medium
US20150086121A1 (en) Information processing device, information processing method, and program
CN118692128A (zh) 一种基于机器视觉的疲劳反馈方法、装置、系统及介质
JP2021043914A (ja) 画像処理装置、画像処理方法、及び画像処理プログラム
US20220309704A1 (en) Image processing apparatus, image processing method and recording medium
JP7006809B2 (ja) 動線補正装置、動線補正方法、および動線追跡プログラム
JP7521704B2 (ja) 姿勢推定装置、学習モデル生成装置、姿勢推定方法、学習モデル生成方法及び、プログラム
JP7501621B2 (ja) 画像選択装置、画像選択方法、およびプログラム
WO2022249331A1 (ja) 画像処理装置、画像処理方法、およびプログラム
JP7708225B2 (ja) 画像処理装置、画像処理方法、およびプログラム
JP7103443B2 (ja) 情報処理装置、情報処理方法、およびプログラム
US20230410322A1 (en) Inference apparatus and learning apparatus
JP2019205002A (ja) 監視方法
JP2025058472A (ja) 人物同定装置

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 18938580

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2020554734

Country of ref document: JP

Kind code of ref document: A

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 18938580

Country of ref document: EP

Kind code of ref document: A1