JP6681682B2 - 移動体計測システム及び移動体計測方法 - Google Patents

Description

本技術は、屋内外における物体の移動を計測する技術の分野に属する。

赤外レーザ光等を用いた装置で、その装置の周囲をスキャンして、周囲にある物体の位置を計測する装置を用いた、人の検知技術が一般に用いられている。また、カメラの画像から顔の領域を抽出するなどして人を検知する技術も同様に用いられている。これらの装置を同時に用いることにより、レーザによって人の存在を検知し、その位置を撮影するカメラの画像により得られた情報（たとえば、顔による個人識別結果）を付加することができる方法が開示されている（特許文献１）。

一方、複数種類の手段で計測された航空機等の移動体の水平位置の精度を向上するため、センサからの距離に逆比例した重みを乗じて最小自乗法で位置推定する方式が開示されている（特許文献２）。

特開２０１３−１５６７１８号公報 特開２０１２−２１５９８３号公報

特許文献１にて開示された技術では、レーザを用いた高精度な位置にカメラの映像の情報を付加することができるが、遮蔽物などによりレーザによる計測ができなかった場合には、人の計測ができないという問題がある。特許文献２に開示された技術によれば、航空機のように短時間では等速度、等加速度で運動するとみなせる物体を対象に、レーザによる計測とカメラによる計測の結果を同時に用いて移動体の位置を推定することができる。しかし、人のように速度が急激に変化する物体を対象にすると、最小自乗法を用いたとしても位置の推定結果はセンサの計測値に大きく依存する。そのため、レーザとカメラのように極端に精度が異なる（例えば誤差が１０倍以上異なる）計測結果を組み合わせて用いる場合、位置の推定結果が精度の低いほうのセンサの計測結果の影響をうけ、結果として精度の高いほうのセンサのみを用いたほうが却って精度が高いという結果になってしまう。このように、人の動きを計測するにあたって精度が大きく異なる複数種類のセンサを組み合わせて使うことで精度を向上するのは困難であるが、その反面、高精度なセンサのみを使う方法では、遮蔽物などにより高精度なセンサによる計測ができない場合が発生するという問題がある。

本発明はこの点に鑑みてなされたものであり、本発明によれば、原則的には高精度なセンサを使いつつ、高精度なセンサが計測困難な領域においてのみ低精度なセンサを用いた計測結果で補完することができる。

上記の課題を解決するために、本発明の一形態は、複数の移動体の位置を計測する第１センサと、前記第１センサが計測できない領域の少なくとも一部における前記複数の移動体の位置を計測する第２センサと、前記第１センサ及び前記第２センサの計測結果を受信するデータ統合システムと、を有する移動体計測システムであって、前記第２センサによる前記第２センサから前記各移動体までの距離の計測精度は、前記第１センサによる前記第１センサから前記各移動体までの距離の計測精度より低く、前記データ統合システムは、前記第１センサ及び前記第２センサの計測結果をそれぞれ前記第１センサ及び前記第２センサの識別情報と対応付けて格納する記憶装置と、前記第１センサの計測結果から推定される前記各移動体の軌跡と、前記第２センサの計測結果から推定される前記各移動体の軌跡とを同一の移動体の軌跡として対応付ける複数の仮説を生成する仮説生成部と、前記各仮説について、前記第１センサの計測結果から推定される前記各移動体の軌跡に対応付けられた前記第２センサの計測結果から推定される前記各移動体の軌跡の前記第２センサからの距離を変更することによって複数の軌跡を生成する仮説評価部と、を有し、前記仮説評価部は、前記各仮説について、前記第１センサの計測結果から推定される前記各移動体の軌跡に基づいて推定した前記第１センサが計測できない領域の軌跡と、前記第２センサの計測結果から推定される前記各移動体の軌跡の位置を変更した軌跡との距離を不整合の程度として計算することによって、生成した前記複数の軌跡の各々と、前記第１センサの計測結果から推定される前記各移動体の軌跡との不整合の程度を計算し、生成した前記複数の軌跡のうち、前記不整合の程度が最も小さくなる軌跡の前記第２センサからの距離の変更量を特定し、前記第２センサの計測結果から推定される前記各移動体の軌跡の位置を前記特定された変更量だけ変更した軌跡について計算された前記不整合の程度を、前記各仮説の妥当性の評価値として前記記憶装置に格納することを特徴とする。

本発明によれば、レーザ装置とカメラ等、二種類以上の精度の異なる装置を用いて人等の物体の移動を計測する場合において、同一物体の判定を精度よく行うことができる。上記した以外の課題、構成、および効果は、以下の実施形態の説明によって明らかにされる。

本発明の実施例１の人流分析センサ統合システムの構成の一例を示すブロック図である。 本発明の実施例１の人流分析センサ統合システムを構成する各装置のハードウェア構成の一例を示すブロック図である。 本発明の実施例１の人流分析センサ統合システムの初期設定時の動作手順の一例を示す説明図である。 本発明の実施例１の人流分析センサ統合システムの稼働中の動作手順の一例を示す説明図である。 本発明の実施例１のレーザ人流推定システムによる初期設定の手順の一例を示すフローチャートである。 本発明の実施例１のカメラ人流推定システムによる初期設定の手順の一例を示すフローチャートである。 本発明の実施例１のレーザ人流推定システムによる位置情報抽出処理の一例を示すフローチャートである。 本発明の実施例１のカメラ人流推定システムによる位置情報抽出処理の一例を示すフローチャートである。 本発明の実施例１の位置情報抽出処理によって抽出されデータ統合システムに送付される位置データのデータ構造の一例を示す説明図である。 本発明の実施例１のデータ統合システムが実行する対応関係生成処理の一例を示すフローチャートである。 本発明の実施例１の計測結果ＤＢに含まれるセンサシステム管理テーブルの構造の一例を示す説明図である。 本発明の実施例１の計測結果ＤＢに含まれる位置データテーブルの構造の一例を示す説明図である。 本発明の実施例１における仮説生成処理および仮説評価処理の具体例を模式的に説明する図である。 本発明の実施例１における仮説生成処理および仮説評価処理の具体例を模式的に説明する図である。 本発明の実施例１における仮説生成処理および仮説評価処理の具体例を模式的に説明する図である。 本発明の実施例１における仮説生成処理および仮説評価処理の具体例を模式的に説明する図である。 本発明の実施例１の仮説生成部が実行する仮説生成処理の一例を示すフローチャートである。 本発明の実施例１の仮説評価部が実行する仮説評価処理の一例を示すフローチャートである。 本発明の実施例１の対応関係ＤＢに含まれる対応関係テーブルの構造の一例を示す説明図である。 本発明の実施例１の対応関係ＤＢに含まれる仮説マスタデータの構造の一例を示す説明図である。 本発明の実施例２の人流分析センサ統合システムの構成の一例を示すブロック図である。 本発明の実施例２の計測不可能領域ＤＢに含まれる計測不可能領域テーブルの一例を示す説明図である。 本発明の実施例２の仮説評価部が計測不可能領域ＤＢを用いて実行する仮説評価処理の一例を示すフローチャートである。 本発明の実施例３における仮説生成処理および仮説評価処理の具体例を模式的に説明する図である。 本発明の実施例３における仮説生成処理および仮説評価処理の具体例を模式的に説明する図である。 本発明の実施例３における仮説生成処理および仮説評価処理の具体例を模式的に説明する図である。 本発明の実施例３における仮説生成処理および仮説評価処理の具体例を模式的に説明する図である。 本発明の実施例３の仮説評価部が実行する仮説評価処理の一例を示すフローチャートである。

図１は、本発明の実施例１の人流分析センサ統合システムの構成の一例を示すブロック図である。

本システムは、一つ以上のレーザセンサ１０１、それらを統括するレーザ人流推定システム１０）、一つ以上のカメラセンサ１０２、それらを統括するカメラ人流推定システム１０４、データ統合システム１００、およびアプリケーションシステム１１０からなる。

本実施例におけるレーザセンサ１０１は照射方向を変えながら赤外線レーザを照射する機能と、その反射光を受光する機能を持っており、各方向において照射したレーザの反射光の位相などから各角度での物体までの距離を計測することができ、計測した結果を点群のデータとしてレーザ人流推定システム１０３に送信する機能を持つ。レーザ人流推定システム１０３は公知の方法でこの点群のデータから移動体を見つけ、その位置の情報をデータ統合システムに送付する機能を持つ。

カメラセンサ１０２は可視光を画像化しカメラ人流推定システム１０４に送信する機能を持っており、カメラ人流推定システム１０４は公知の方法でその画像に写っている人とその位置を大まかに推定する機能を持つ。この結果もカメラ人流推定システム１０４からデータ統合システム１００に送付される。

データ統合システム１００のデータ受付部１０５はこのデータを受け取り、計測に用いたセンサの奥行き方向の精度の高低を加味して仕分け、計測結果ＤＢ（データベース）１０９に格納する。その後、検出された人の識別子のリストが仮説生成部１０６に送付される。仮説生成部１０６は、各センサにて計測された人の間で、対応しうる（すなわち同一人物の可能性がある）組み合わせのパターンを対応関係の仮説として列挙する。この仮説の情報は仮説評価部１０７に送付される。仮説評価部１０７は、どの仮説が最も妥当であるか、計測結果ＤＢ１０９に格納された人の位置の情報、および計測に用いたセンサの精度に関する情報を加味して評価し、妥当性指標を算出する。アプリケーションシステム１１０は、この対応関係ＤＢ１０８と対応関係ＤＢ１０８からデータを入手し、例えば、どの地域の混雑度が高いかといった統計情報を可視化するなどの処理を実行する。

図２は、本発明の実施例１の人流分析センサ統合システムを構成する各装置のハードウェア構成の一例を示すブロック図である。

レーザセンサ１０１は、レーザ光を発信するレーザ発振機２０１、レーザの反射光を読み取るレーザ受光器２０２、および、レーザの発振、受光にかかった時間等からレーザセンサ１０１の周囲の物体までの距離を求め点群データに変換する演算機２０３からなる。

カメラセンサ１０２は一般的なカメラであり、イメージセンサ２０４によって可視光を画像として得ることができる装置である。なお、このカメラセンサ１０２は、複数のイメージセンサ２０４を備えるなどによって、カメラから物体までの距離（すなわち奥行き方向の位置情報）をより精度よく取得できるように構成されてもよい。

レーザ人流推定システム１０３は、相互に接続される、演算性能を持ったプロセッサ２０５、高速に読み書きが可能な揮発性一時記憶領域であるＤＲＡＭ（Ｄｙｎａｍｉｃ Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）２０８、ＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）またはフラッシュメモリなどを利用した永続的な記憶領域である記憶装置２０７、通信を行うためのネットワークインタフェースカードであるＮＩＣ２０６、データの出力に利用される画像表示装置等のモニタ２０９、および、データの入力に利用されるキーボードおよびポインティングデバイス等の入力装置２１０を備えており、記憶装置２０７に記録されたプログラムをプロセッサ２０５が実行することによって、レーザセンサから得た点群データから人の位置を抽出する処理を実現する。

カメラ人流推定システム１０４も同様に、相互に接続されるプロセッサ２１５、ＤＲＡＭ２１８、記憶装置２１７、ＮＩＣ２１６、モニタ２１９及び入力装置２２０を備え、記憶装置２１７に記録されたプログラムをプロセッサ２１５が実行することによって、画像データから人を検出し、その位置を推定する。

さらにデータ統合システム１００もレーザ人流推定システム１０３と同様に、相互に接続されるプロセッサ２２５、ＤＲＡＭ２２８、記憶装置２２７、ＮＩＣ２２６、モニタ２２９及び入力装置２３０を備え、記憶装置２２７に記録されたプログラムをプロセッサ２２５が実行することによって、図１のデータ受付部１０５、仮説生成部１０６および仮説評価部１０７が実現される。また、対応関係ＤＢ１０８と計測結果ＤＢ１０９は記憶装置２０７に記憶される。

データ統合システム１００、レーザ人流推定システム１０３およびカメラ人流推定システム１０４は、それぞれ独立した計算機によって実現されてもよいが、一つの計算機によって実現されてもよい。

図２では省略されているが、アプリケーションシステム１１０もデータ統合システムと同様の構成の計算機であり、種々のアプリケーションプログラムに従って、対応関係ＤＢ１０８及び計測結果ＤＢ１０９に格納されたデータを活用する種々の処理を実行する。

図３Ａおよび図３Ｂは、それぞれ、本発明の実施例１の人流分析センサ統合システムの初期設定時及び稼働中の動作手順の一例を示す説明図である。

図３Ａに示す初期設定の手順は、予め計測環境に設置してあるレーザセンサ１０１およびカメラセンサ１０２を、環境にあわせて初期化する手順である。利用者が初期設定の開始をレーザ人流推定システム１０３およびカメラ人流推定システム１０４に与えると、両システムはそれぞれレーザセンサ１０１およびカメラセンサ１０２に対し、初期化に必要なデータの取得を指示する。

レーザセンサ１０１およびカメラセンサ１０２は、その指示を受けてデータを取得して、それぞれレーザ人流推定システム１０３およびカメラ人流推定システム１０４に送付する。以降では、この処理を初期設定処理３０１とよぶ。なお、この処理の過程において、レーザ人流推定システム１０３およびカメラ人流推定システム１０４が相互に情報を交換し、例えば計測された建物形状などから誤差が小さくなるように座標系をあわせるなど公知のキャリブレーションを行うようにしてもよい。

稼動開始後は、図３Ｂに示すように、レーザセンサ１０１およびカメラセンサ１０２が定期的にデータを収集し、レーザ人流推定システム１０３およびカメラ人流推定システム１０４にそれぞれ送付する。レーザ人流推定システム１０３およびカメラ人流推定システム１０４は位置情報抽出処理３０２を実行することで、受け取ったデータから計測対象の領域にいる人の位置を推定する。この位置の情報は位置データ３０４としてデータ統合システム１００のデータ受付部１０５に送付され、それをきっかけとして対応関係生成処理３０３が実行される。

対応関係生成処理３０３では、まず、データ受付部１０５が受け取った位置データが仕分けられ、計測結果ＤＢ１０９及び仮説生成部１０６に渡される。次に、仮説生成部１０６が、受け取った人の位置の情報にもとづき、同一人物の計測結果を対応付ける仮説を生成する。この仮説の情報は仮説評価部１０７に送られる。仮説評価部１０７は、送られた仮説の情報と計測結果ＤＢ１０９とを照合して妥当性を評価し、その結果を対応関係ＤＢ１０８に格納する。以上が対応関係生成処理３０３であり、これによって、対応関係ＤＢ１０８と計測結果ＤＢ１０９ができあがる。

アプリケーションシステム１１０は、この稼動手順とは独立に対応関係ＤＢ１０８と計測結果ＤＢ１０９へアクセスして様々な利活用を行う。

図４Ａは、本発明の実施例１のレーザ人流推定システム１０３による初期設定の手順の一例を示すフローチャートである。

レーザ人流推定システム１０３はまず、レーザセンサ１０１から、点群データ（周囲の物体までの距離と角度の集合）を取得する（ステップ４０１）。初期設定手順は、人流分析センサ統合システムの運用開始前に実施されるため、原則としてこの点群データは人の位置を含んでおらず、レーザセンサ１０１の設置箇所の周囲の建物のデータが取得される。レーザ人流推定システム１０３は、公知の方法で、このデータから建物の構造を推定し、この建物の構造と運用開始後に得られる点群データとの差から人の位置を特定できるように設定する（ステップ４０２）。

図４Ｂは、本発明の実施例１のカメラ人流推定システム１０４による初期設定の手順の一例を示すフローチャートである。

レーザ人流推定システム１０３の初期設定と同様に、人のいない環境の画像を取得し（ステップ４０３）、運用開始後に得られる人の写った画像と人のいない環境の画像との比較にもとづく人の検出をできるように設定する（ステップ４０４）。これによって、人が検出可能な状況が整ったことになる。

つぎに、図５および図６を用いて、図３Ｂの稼動手順における最初のステップである、位置情報抽出処理３０２について説明する。

図５は、本発明の実施例１のレーザ人流推定システム１０３による位置情報抽出処理３０２の一例を示すフローチャートである。

この処理は、レーザ人流推定システム１０３がレーザセンサ１０１から点群データを受け取る（ステップ５０１）ことから始まる。レーザ人流推定システム１０３は公知の方法を用いて、受け取った点群データと初期設定の４０２の処理で抽出した建物の構造とを比較して人のいる領域を特定してその人に識別子を与え、その位置を推定して位置データ３０４として抽出する（ステップ５０２）。この手順は繰り返し（例えば定期的に）実行されるが、前回の実行時に抽出された人の位置との距離が近い位置にいる人には同一の識別子を与えることによって、同一人物の追跡ができる。その後、レーザ人流推定システム１０３は、この位置データ３０４をデータ統合システム１００のデータ受付部１０５に送付する（ステップ５０３）。

図６は、本発明の実施例１のカメラ人流推定システム１０４による位置情報抽出処理３０２の一例を示すフローチャートである。

カメラ人流推定システム１０４は、最初にカメラセンサ１０２から画像を取得し（ステップ６０１）、次に画像から人の写っている領域を公知の方法で抽出する（ステップ６０２）。その後、抽出された人の領域をもとに、その人がカメラからどのくらいの距離にいるかを推定し、座標値を定める（ステップ６０３）。たとえば、人の写っている範囲の大きさおよびその範囲が画像中に占める高さと、カメラの設置位置および角度とをもとに、どのくらい離れているかを計算する方法でおおまかに距離が推定できる。カメラ人流推定システム１０４は、結果として得られた人の位置の情報を、データ統合システム１００のデータ受付部１０５に送付する（ステップ６０４）。

図７は、本発明の実施例１の位置情報抽出処理３０２によって抽出されデータ統合システム１００に送付される位置データ３０４のデータ構造の一例を示す説明図である。

位置データ３０４は、計測に用いられたセンサシステム（例えばレーザセンサとレーザ人流推定システムの一式、またはカメラセンサとカメラ人流推定システムの一式など）を一意に示すセンサシステムＩＤ７０１と、位置が計測された人を識別する人物ＩＤ７０２と、計測が行われた時刻を示す計測時刻７０３と、計測された人の位置を示す座標値７０４と、の組からなる。これらのうち、センサシステムＩＤは事前にセンサシステムごとに定められた値が用いられる。また、人物ＩＤ７０２は、各センサシステムの計測結果内で一意に人を識別するものであり、たとえばレーザセンサ１０１で計測されたＩＤ＝１の人とカメラセンサ１０２で計測されたＩＤ＝１の人が同一人物とは限らない。

図８は、本発明の実施例１のデータ統合システム１００が実行する対応関係生成処理３０３の一例を示すフローチャートである。

この処理では、最初にレーザ人流推定システム１０３またはカメラ人流推定システム１０４から送付された位置データ３０４を、データ統合システム１００のデータ受付部１０５が受け取る（ステップ８０１）。このデータは仕分けされて計測結果ＤＢ１０９に格納される。

図９Ａおよび図９Ｂは、それぞれ、本発明の実施例１の計測結果ＤＢ１０９に含まれるセンサシステム管理テーブル９０１および位置データテーブル９０２の構造の一例を示す説明図である。

データ受付部１０５は、事前にセンサの特質についての所定のデータを格納したセンサシステム管理テーブル９０１を参照しながら、各センサシステムから収集される位置データ３０４のセンサシステムＩＤ７０１にもとづき、受け取った位置データ３０４を統一的なデータ構造になるように仕分け、位置データテーブル９０２に格納する。センサシステム管理テーブル９０１は、使用されるセンサの仕様を事前に格納してあるテーブルであり、このセンサシステムＩＤはレーザ人流推定システム１０３とカメラ人流推定システム１０４について定められた値と整合するように設定されている。

具体的には、センサシステム管理テーブル９０１は、センサシステムＩＤ９１１、奥行き精度９１２、計測頻度９１３及び座標系情報９１４を含む。センサシステムＩＤ９１１は、位置データ３０４のセンサシステムＩＤ７０１と同様に、例えばレーザセンサ１０１とカメラセンサ１０２とを識別する識別子である。システムが複数のレーザセンサ１０１及び複数のカメラセンサ１０２を含む場合には、センサシステムＩＤ９１１は、それぞれのセンサの識別子であってもよい。

奥行き精度９１２は、各センサシステムから得られる位置情報の奥行き方向の精度（すなわちセンサから対象物までの距離の計測精度）である。この精度は使用しているセンサによって大きく異なるため、平均的な精度（誤差の大きさ）が格納されている。具体的にはレーザ人流推定システム１０３から得られる位置情報は非常に精度が高いので奥行き精度９１２として数ｃｍ程度という値が格納されており、カメラ人流推定システム１０４から得られる位置情報については人の身長等から得られる概算であるので１〜２ｍ程度という値が格納される。

なお、本実施例では高精度センサの一例としてレーザセンサ１０１を、それよりは（特に奥行き方向の）計測精度が低い低精度センサの一例としてカメラセンサ１０２を示しているが、他の種類のセンサを使用してもよい。

計測頻度９１３は、各センサシステムが行う計測の頻度である。座標系情報９１４には、座標系の変換のために使用できる公知のアフィン変換などのパラメータが格納されており、データ受付部１０５はこのパラメータを用いて各センサシステムから得られた座標値を共通の座標系へ変換することができる。

一方、位置データテーブル９０２は、センサシステムＩＤ９２１、奥行き精度９２２、人物ＩＤ９２３、計測時刻９２４、計測頻度９２５及び共通系座標値９２６を含む。

データ受付部１０５は、受信した位置データ３０４の人物ＩＤ７０２および計測時刻７０３の値をそれぞれ位置データテーブル９０２の人物ＩＤ９２３および計測時刻９２４に格納する。さらに、データ受付部１０５は、受信した位置データ３０４のセンサシステムＩＤ７０１と一致するセンサシステムＩＤを有するレコードをセンサシステム管理テーブル９０１から探し出し、格納されている奥行き精度９１２および計測頻度９１３の情報をそれぞれ位置データテーブル９０２の奥行き精度９２２および計測頻度９２５に格納する。さらに、データ受付部１０５は、座標値７０４を座標系情報９１４に基づいて共通の座標系に変換した上で、共通系座標値９２６に格納する。しかる後、この位置データテーブル９０２の情報が仮説生成部１０６に送付されると、仮説生成処理８０２が実行される。

図１０Ａ〜図１０Ｄは、本発明の実施例１における仮説生成処理８０２および仮説評価処理８０３の具体例を模式的に説明する図である。

図１０Ａは、レーザセンサ１０１に代表される高精度センサ１００１とカメラセンサ１０２に代表される低精度センサ１００２とを用いて計測された位置データ３０４の例である。計測対象の空間内には、遮蔽物１００３によってさえぎられてしまい、高精度センサ１００１で計測不可能な領域１００４が存在する。しかし、計測不可能な領域１００４の少なくとも一部は低精度センサ１００２の計測範囲であり、奥行き方向の精度は低いものの、計測データが取得できているので、それをもって高精度センサ１００１の計測データを補完することが考えられる。仮説生成処理８０２は、この補完の方法について複数の仮説をたてる処理である。

図１０Ａの例では、高精度センサ１００１の計測結果から軌跡１０１１〜１０１４が推定される。これらのうち、軌跡１０１１および１０１２は、同一時刻に同一のセンサシステムで計測された互いに異なる位置情報を含んでいるため、別の人物の軌跡であると推定される。軌跡１０１３および１０１４の組についても同様である。一方、軌跡１０１１および１０１３は、互いに異なる人物ＩＤ９２３が与えられているが、同一時刻に計測された位置情報を含んでいないことから、実際には同一人物の軌跡である可能性がある。軌跡１０１１および１０１４の組、軌跡１０１２および１０１３の組、軌跡１０１２および１０１４の組についても同様である。

一方、低精度センサ１００２の計測結果から軌跡１０２１および１０２２が推定される。これらは、同一時刻に同一のセンサシステムで計測された互いに異なる位置情報を含んでいるため、別の人物の軌跡であると推定される。これらの軌跡が得られた時点で、軌跡１０２１及び１０２２と軌跡１０１１〜１０１４との対応関係は不明であり、例えば軌跡１０２１が軌跡１０１１と同一人物の軌跡である（すなわち、軌跡１０１１および１０２１は、一人の人物が領域１００４の左側から領域１００４に入り、領域１００４を通過してその右側に出た時の一連の軌跡の一部である）可能性がある。あるいは、軌跡１０２１が軌跡１０１２と同一人物の軌跡である可能性もあり、高精度センサ１００１が計測できなかった別の人物の軌跡である可能性もある。仮説生成処理８０２では、精度の異なるセンサシステムの計測データから推定された軌跡のうち同一人物である可能性のある軌跡の人物ＩＤの組が仮説として生成される。

まず、高精度センサ１００１の情報は信頼性が高いとすると、図１０Ｂのように、高精度センサ１００１の計測ができている範囲は問題なく、高精度センサ１００１の計測ができない領域１００４を補完することが問題となる。そこで、低精度センサ１００２の情報を用いる。図１０Ａで示されていた通り、低精度センサ１００２の計測データは奥行き方向の精度が低いことがわかっている。そこで、低精度センサ１００２については、奥行き方向に誤差があると仮定して、その仮定した誤差を打ち消すように、軌跡１０２１および１０２２を同様に奥行き方向に移動させる（すなわちこれらの軌跡の低精度センサ１００２からの距離を同様に変更する）ことが考えられる。

図１０Ｃには、軌跡１０１１、１０２１および１０１４が一人の人物の軌跡であり、軌跡１０１２、１０２２および１０１３が別の一人の人物の軌跡であるという仮説の妥当性の評価の例を示す。低精度センサ１００２の計測データから推定された軌跡１０２１および１０２２を奥行き方向１００５に（この例では低精度センサ１００２に近づく方向に）同一の移動量だけ移動させることで、高精度センサ１００１の計測データと低精度センサ１００２の計測データとの間の不整合が小さくなる条件が見つかる。

図１０Ｃの軌跡１０２３および１０２４が、それぞれ同一の移動量だけ移動した軌跡１０２１および１０２２である。この例では、同一の人物の軌跡であると仮定された軌跡１０１１、１０２１および１０１４の不整合、ならびに、軌跡１０１２、１０２２および１０１３の不整合が小さくなる条件が探索される。この際、高精度センサ１００１と低精度センサ１００２の両方が計測できている領域１００６では軌跡同士の類似性が高い（例えば距離が近い）ほど不整合が小さく、高精度センサ１００１と低精度センサ１００２のいずれも計測できていない領域１００７では、推定補完の結果が自然であるほど不整合が小さいと判定することができる。高精度センサ１００１が計測できない領域１００４のうち、低精度センサ１００２が計測できた領域では、高精度センサ１００１が計測できた領域の軌跡に基づいて推定された領域１００４における軌跡と、低精度センサ１００２の計測データに基づく軌跡との類似性が高いほど不整合が小さいと判定することができる。

不整合が小さくなる条件はかならずしも一つではなく、図１０Ｄのように、別の組み合わせも存在する。これは、軌跡１０１２および１０２１が一人の人物の軌跡であり、軌跡１０２２及び１０１４が別の一人の人物の軌跡であり、軌跡１０１１および１０１３がさらに別の一人の人物の軌跡であるという仮説の妥当性の評価の例である。図１０Ｄの軌跡１０２５および１０２６が、それぞれ、不整合が最小となるように同一の移動量だけ移動した軌跡１０２１および１０２２である。このときの移動量（すなわち仮定した誤差パラメータ）は、図１０Ｃに例示したものと異なる。

この例では高精度センサ１００１と低精度センサ１００２のいずれも計測できなかった三つの領域１００８、１００９および１０１０が存在することになるため、図１０Ｃに示した仮説よりも不整合の程度は大きい。このように、高精度センサ１００１によって計測された人と低精度センサ１００２によって計測された人との対応づけのパターンを仮説として定め、低精度センサ１００２によって計測された人の軌跡を奥行き方向に移動させてそのパターンにおいてもっとも不整合が小さくなる状態を探し、その状態でなお残る不整合をもって仮説を評価することによって、最も不整合の小さな仮説が最も真の計測結果に近いものであると推定することができる。

図１１は、本発明の実施例１の仮説生成部１０６が実行する仮説生成処理８０２の一例を示すフローチャートである。

図１１を用いて仮説生成処理８０２を具体的に説明する。仮説生成処理８０２では、仮説生成部１０６は、データ受付部１０５から受け取った位置データテーブル９０２に相当する情報を用いて、仮説を生成する。まず、仮説生成部１０６は、仮説の生成対象となる時間幅のデータを取得する（ステップ１１０１）。具体的には、仮説生成部１０６は、本処理の開始時刻ないし位置データテーブル９０２の計測時刻のうち最新の時刻から、所定の時間幅（例えば１秒間など）の範囲で、位置データテーブル９０２のデータを取得する。

次に、仮説生成部１０６は、取得したデータのセンサシステムＩＤと人物ＩＤの組を重複がないようにリスト化し、センサシステムＩＤごとのグループを作る（ステップ１１０２）。

次に、仮説生成部１０６は、作成したグループについて、センサシステム間で人物ＩＤ同士の組み合わせのパターンを仮説として構築する（ステップ１１０３）。例として図１０Ａを参照して説明する。各センサシステムの計測データから推定される軌跡は、計測したセンサシステムのＩＤと、計測結果として出力される位置データに付与された人物ＩＤとの組合せによって識別することができる。

例えば、高精度センサ１００１のセンサシステムＩＤが１であり、付与された人物ＩＤがそれぞれ１、２、３、４である場合、軌跡１０１１、１０１２、１０１３、１０１４は、それぞれ、センサシステムＩＤ＝１と人物ＩＤ＝１、２、３、４との組合せによって識別される。同様に、低精度センサ１００２のセンサシステムＩＤが２であり、付与された人物ＩＤがそれぞれ３、６である場合、軌跡１０２１、１０２２は、それぞれ、センサシステムＩＤ＝２と人物Ｉ＝３、６との組合せによって識別される。

この場合、センサシステムＩＤ＝１・人物ＩＤ＝１とセンサシステムＩＤ＝２・人物ＩＤ＝３が同一人物、かつ、センサシステムＩＤ＝１・人物ＩＤ＝２とセンサシステムＩＤ＝２・人物ＩＤ＝６が同一人物、という組み合わせが一つの仮説である。この仮説は、軌跡１０１１と軌跡１０２１とが同一人物の軌跡であり、軌跡１０１２と軌跡１０２２とが同一人物の軌跡である、という仮説に相当する。他にも、センサシステムＩＤ＝１・人物ＩＤ＝１とセンサシステムＩＤ＝２・人物ＩＤ＝３が同一人物、かつ、センサシステムＩＤ＝１・人物ＩＤ＝３とセンサシステムＩＤ＝２・人物ＩＤ＝６が同一人物、という仮説、および、センサシステムＩＤ＝１・人物ＩＤ＝１とセンサシステムＩＤ＝２・人物ＩＤ＝３が同一人物、かつ、センサシステムＩＤ＝１・人物ＩＤ＝４とセンサシステムＩＤ＝２・人物ＩＤ＝６が同一人物、という仮説などが生成され得る。

これらの仮説の中には、遠方の人物ＩＤ同士の組み合わせなど、実際には対応するはずがないものも含まれているので、仮説生成部１０６はこれを削除する（ステップ１１０４）。例えば、仮説生成部１０６は、位置データテーブル９０２の奥行き精度９２２の情報を用いて、対応づいている人物間の距離がこの奥行き精度９２２の値（すなわちそれぞれのセンサシステムの計測誤差の最大値の合計値）よりも大きい場合にその組合せを削除してもよい。あるいは、仮説生成部１０６は、この削除の基準に基づく評価を、仮説を作成する処理（ステップ１１０３）と同時に行い、削除対象になる組み合わせパターンはそもそも生成しないことによって、処理を高速化することもできる。

図１２は、本発明の実施例１の仮説評価部１０７が実行する仮説評価処理８０３の一例を示すフローチャートである。

仮説評価処理８０３は、仮説生成処理８０２にて生成された仮説それぞれに対する整合性を評価する処理である。この処理では、仮説評価部１０７は、まず計測が十分できていない時間的な領域を抽出するため、位置データテーブル９０２の計測頻度９２５に所定の値（たとえば「２倍」など）を乗じて拡大した時間の範囲のうち、計測データがえられてない範囲を、計測が十分できていない領域としてセンサシステムごとに特定する（ステップ１２０１）。これによって、例えば一時的に設置された遮蔽物等によって発生した計測が十分にできない領域も抽出することができる。

次に、仮説評価部１０７は、特定した領域のうち、高精度なセンサシステムの計測が十分にできていない領域にある、低精度なセンサシステムによる計測結果を選定し、図１０Ｃおよび図１０Ｄに示すように誤差パラメータの異なる複数の軌跡を生成し、最も不整合の指標が小さくなる条件を探索する（ステップ１２０２）。この誤差パラメータとは、低精度センサのデータの奥行き方向の値に含まれると仮定される誤差値であり、一定の値Ｆないし低精度センサから見た角度θの関数ｆ（θ）によって表される。すなわち、低精度センサからみた奥行き方向の距離ｒの地点にいる人に対し、当該低精度センサによる奥行きの計測結果ＲがＲ＝ｒ＋ｆ（θ）のように一定の誤差を加算する形で得られると仮定する。

また、不整合の指標とは、軌跡同士の類似性または推定補完の結果の自然さから求められる指標である。例えば、高精度センサの位置データについて公知の最小自乗法で推定された等加速度の軌跡（ｘ（ｔ），ｙ（ｔ））と、低精度センサの位置データとの距離の和を不整合の指標として用いることができる。この例では、距離の和が大きいほど不整合の指標が大きい（すなわち不整合の程度が大きい）と判定される。最も不整合の指標が小さくなる条件を探索する処理は、例えば、ｆ（θ）のパラメータを一定間隔で変更しながら不整合の指標を計算し、その指標が最も小さくなるｆ（θ）のパラメータを求める方法など、公知の最適化計算手法によって実装できる。

例えば、図１０Ｃの例の軌跡１０２３は、ステップ１２０２で特定された誤差パラメータを打ち消すように図１０Ａの軌跡１０２１を移動させたものである。すなわち、ここで特定された誤差パラメータが軌跡の移動量（軌跡の位置の変更量）に相当する。

なお、図１０Ｃを参照して説明したように、仮説によって同一人物の軌跡であると推定された軌跡が、高精度センサと低精度センサの両方で計測できた領域を通過している場合、仮説評価部１０７は、ステップ１２０２において、その領域の軌跡について、それぞれのセンサの計測結果から推定された軌跡同士の距離を不整合の指標として計算することができる。具体的には、例えば図１０Ｃの軌跡１０１１と軌跡１０２３が同一の時間帯の位置データを含んでいる場合、その時間帯に相当する軌跡の区間同士の距離を計算してもよい。

また、図１０Ｃの軌跡１０２４と軌跡１０１３との間の領域１００７のように、仮説によって対応付けられた軌跡がいずれのセンサでも計測できなかった区間を含んでいる場合、仮説評価部１０７は、ステップ１２０２において、その区間の推定補完が自然である程不整合が小さいと判定することもできる。この判定は、後述する実施例３と同様の方法で行うことができる。

誤差パラメータは、上記のように、実際の距離ｒに加算される値として特定されてもよいが、実際の距離ｒに乗算される値として特定されてもよいし、加算される値と乗算される値との組合せによって特定されてもよい。

最後に、仮説評価部１０７は、不整合の指標を最小化した後でもなお残る不整合の指標残差を仮説の評価指標として取得する（ステップ１２０３）。この結果は、対応関係ＤＢ１０８に格納される。

図１３Ａおよび図１３Ｂは、それぞれ、本発明の実施例１の対応関係ＤＢ１０８に含まれる対応関係テーブル１３０１および仮説マスタデータ１３０３の構造の一例を示す説明図である。

対応関係テーブル１３０１には、それぞれの仮説における人物ＩＤの対応関係が記録される。なお、仮説ＩＤは、仮説生成処理で生成された仮説に付与された通し番号であり、統一人物ＩＤ１３０２は、仮説生成処理８０２で仮定された同一人物の組み合わせに付与された通し番号であり、同一仮説内で同一人物と仮定された人物ＩＤ同士は共通の統一人物ＩＤ１３０２を持つように設定される。この対応関係テーブル１３０１から共通の仮説ＩＤをもつレコードのみを集めることで、仮説が再現できることになる。この各仮説のマスタ情報を管理するのが、仮説マスタデータ１３０３である。仮説マスタデータ１３０３には、各仮説が生成された時間帯（すなわち図１１のステップ１１０１のデータが取得された時間帯）と、各仮説の整合性指標１３０４とが、仮説ＩＤに対応付けられて格納されている。整合性指標１３０４は、ステップ１２０３で計算された不整合の指標残差であり、これが最も小さいレコードが、不整合が少ないこと、すなわちそのレコードに対応する仮説の妥当性が最も高いことを意味している。そのようなレコードの仮説ＩＤをキーに対応関係テーブル１３０１を検索することによって、高精度センサで計測された人と、低精度センサで計測された人との、最も妥当な対応関係を得ることができる。

以上の実施例１によれば、高精度センサで計測ができなかった領域については、対応関係テーブル１３０１を参照することによって、高精度センサで計測した人物ＩＤと対応する低精度センサの人物ＩＤを特定してその位置データを位置データテーブル９０２から取得し、奥行き誤差１３０５を加算することで、位置データを補完することができる。また、人物以外の移動体についても上記と同様の計測を行い、計測の結果について上記と同様の処理をすることで、各移動体の軌跡を推定することができる。また、奥行き方向以外の方向の誤差についても、上記と同様の処理を適用することができる。

次に、本発明の実施例２について、図面を参照して説明する。以下に説明する相違点を除き、実施例２のシステムの各部は、図１〜図１３に示された実施例１の同一の符号を付された各部と同一の機能を有するため、それらの説明は省略する。

実施例２として、実施例１の実装に加え、低精度センサを使うエリアを明示的に限定する例を示す。

図１４は、本発明の実施例２の人流分析センサ統合システムの構成の一例を示すブロック図である。

実施例２は、図１の構成に加え、データ統合システム１００の記憶装置２２７が計測不可能領域ＤＢ１４０１を格納することが特徴である。計測不可能領域ＤＢ１４０１は、例えば公知の見通し解析手法によって、屋内の地図データとセンサの配置から、高精度センサで計測できない空間的な領域（以下、計測不可能領域とも記載する）を特定することで構築できる。あるいは、複数の人物の位置データ３０４に基づいて、実施例１におけるデータ取得困難な領域の抽出（ステップ１２０１）と同じ方法で、人物の位置を計測できない領域を特定し、それらを重ね合わせ、特に計測ができないことが多い空間的な領域を特定することによって、地図データからは特定できない計測不可能領域を抽出してもよい。

図１５は、本発明の実施例２の計測不可能領域ＤＢ１４０１に含まれる計測不可能領域テーブル１５０１の一例を示す説明図である。

計測不可能領域テーブル１５０１のレコードは、計測不可能領域を識別する領域ＩＤ１５１１、その計測不可能領域において位置を計測することが困難なセンサシステムＩＤ１５１２、および、その計測不可能領域の形状である多角形を点列で表現する領域形状１５１３を含む。また、特に計測ができないことが多い時間帯の情報（たとえば、過去に計測不可能領域と判定された頻度が所定の値以上であった時間帯）があるときには、その時間帯を示す時間帯１５１４をさらに含んでもよい。これによって、例えば通勤ラッシュ時のみ計測ができない、などの特殊な領域にも対応することができる。

図１６は、本発明の実施例２の仮説評価部１０７が計測不可能領域ＤＢ１４０１を用いて実行する仮説評価処理８０３の一例を示すフローチャートである。

実施例２の仮説評価処理８０３の最初に、仮説評価部１０７は、各センサシステムが計測できない領域を特定する（ステップ１６０１）。このとき、仮説評価部１０７は、計測不可能領域ＤＢ１４０１を参照し、そのままその情報を用いることで計測できない領域を取得する。この点が、実施例１と異なる。ステップ１６０１の後、仮説評価部１０７は、実施例１と同様のステップ１２０２および１２０３を実行する。

なお、ステップ１６０１において、仮説評価部１０７は、計測不可能領域ＤＢ１４０１に基づいて特定した計測不可能領域以外の領域については、図１２のステップ１２０１と同様の処理を実行してもよい。

以上の実施例２によれば、予め位置を計測できないことが分かっている領域では、計測頻度に基づく計測不可能な領域の特定が不要になるため、計測できない領域の判定精度を向上すると同時に、仮説評価処理８０３の処理速度を向上することができる。

次に、本発明の実施例３について、図面を参照して説明する。以下に説明する相違点を除き、実施例３のシステムの各部は、図１〜図１３に示された実施例１の同一の符号を付された各部と同一の機能を有するため、それらの説明は省略する。

実施例３では、仮説生成処理８０２で生成された各仮説について、仮説評価処理８０３において用いる不整合の指標として、低精度センサ内での人の移動軌跡の交差または滞留の回数のみを用いる。これは、低精度センサによって計測された位置そのものは大きい誤差を含む可能性があるものの、その誤差の大きさは近傍では大きくない（近くにあるものの誤差は近い）と考えられるためである。すなわち、低精度センサによって同時期に複数の人物の位置が計測された場合、それらの位置そのものは大きな誤差を含んでいる可能性があるが、計測結果から特定されるそれらの人物の位置関係（具体的には誰が当該低精度センサに近く、誰が遠いか）は概ね信用できると考えられる。このことから、低精度センサによって計測された複数の人物の軌跡の交差回数の精度は十分に高いと考えられる。また、同様の理由で、低精度センサが検出した各人物の同一性の判定の精度は十分に高いと考えられることから、低精度センサによって計測可能な領域内への人物の滞留回数の精度も十分に高いと考えられる。以下、移動軌跡の交差または滞留の回数を用いることで、低精度センサの精度が特に低い場合であってもその影響を少なくしつつ、高精度なセンサのデータを補完できる例を示す。

図１７Ａ〜図１７Ｄは、本発明の実施例３における仮説生成処理８０２および仮説評価処理８０３の具体例を模式的に説明する図である。

図１７Ａは図１０Ａと同様に、レーザセンサ１０１に代表される高精度センサ１７０１とカメラセンサ１０２に代表される低精度センサ１７０２とを用いた計測の結果の一例である。計測対象の空間には、遮蔽物１７０３によってさえぎられるために高精度センサ１７０１で計測不可能な領域１７０４が存在している。この例では、計測不可能な領域１７０４について低精度センサ１７０２の計測をもって補完することが考えられるが、低精度センサの精度が特に低く、誤差の補正が困難であるとする。そのときの実施例３における仮説の生成について説明する。

まず、実施例３の仮説生成処理８０２において、仮説生成部１０６は、図１７Ｂのように高精度センサ１７０１の計測結果である軌跡１７１１〜１７１４を採択し、それらのうち同一人物である可能性のある軌跡の組合せを仮説として生成する。例えば、図１７Ａに示す軌跡１７１１〜１７１４がそれぞれ図１０Ａの軌跡１０１１〜１０１４と同様のものであるとすると、軌跡１７１１および１７１２は、別の人物の軌跡であると推定される。軌跡１７１３および１７１４の組についても同様である。軌跡１７１１および１７１３は、同一人物の軌跡である可能性がある。軌跡１７１１および１７１４の組、軌跡１７１２および１７１３の組、軌跡１７１２および１７１４の組についても同様である。実施例３では、高精度センサの計測結果から推定される複数の軌跡のうち、同一人物である可能性のある軌跡の人物ＩＤの対応関係が仮説として生成される。

さらに、仮説生成部１０６は、低精度センサ１７０２の計測領域内での人の交錯（軌跡の交差）の回数など、低精度なセンサであっても精度よく判定可能な特徴を抽出する。図１７Ａの例では、領域１７０４において低精度センサ１７０２によって計測された軌跡の交差回数が１回であるという特徴に着目して、それが低精度なセンサであっても精度よく判定可能な特徴として抽出される。なお、この抽出は仮説評価部１０７が仮説評価処理８０３において行ってもよい。

続いて、実施例３の仮説評価処理８０３において、仮説評価部１０７は、上記の特徴と整合する複数の推定補完結果を生成する。例えば、仮説生成部１０６は、高精度センサ１７０１によって計測された軌跡の領域１７０４における欠損部分を公知の最小自乗法などによって推定補完する軌跡を、上記の特徴に整合するように（すなわち領域１７０４内で１回だけ交差するように）生成する。このようにして生成された軌跡の二つの例を図１７Ｃ及び図１７Ｄに示す。

図１７Ｃには、高精度センサ１７０１で計測された軌跡１７１１と軌跡１７１４とが一人の人物の軌跡であり、軌跡１７１２と軌跡１７１３とが別の一人の人物の軌跡であるとの仮説について推定補完された軌跡の例を示す。領域１７０４において軌跡が１回交差するという特徴を満たすために、軌跡１７１１と軌跡１７１４との間の欠損部分を補完する軌跡１７２３と、軌跡１７１２と軌跡１７１３との間の欠損部分を補完する軌跡１７２４とは、領域１７０４以外の領域で交差する必要がない。仮説評価部１０７は、このような条件を満たす軌跡１７２３および１７２４を生成する。

図１７Ｄには、高精度センサ１７０１で計測された軌跡１７１１と軌跡１７１３とが一人の人物の軌跡であり、軌跡１７１２と軌跡１７１４とが別の一人の人物の軌跡であるとの仮説について推定補完された軌跡の例を示す。領域１７０４において軌跡が１回交差するという特徴を満たすために、軌跡１７１１と軌跡１７１３との間の欠損部分を補完する軌跡１７２５と、軌跡１７１２と軌跡１７１４との間の欠損部分を補完する軌跡１７２６とは、領域１７０４以外の領域でもう１回交差する必要がある。仮説評価部１０７は、このような条件を満たす軌跡１７２５および１７２６を生成する。

続いて、仮説評価部１０７は、各仮説において対応付けられた軌跡の不整合の指標を計算するが、実施例３の仮説評価処理８０３で用いる不整合の指標は、実施例１で用いられるものと異なる。

図１８は、本発明の実施例３の仮説評価部１０７が実行する仮説評価処理８０３の一例を示すフローチャートである。

ステップ１２０１は実施例１と同様であるため説明を省略する。実施例３のデータ統合システムが実施例２と同様の計測不可能領域ＤＢ１４０１を保持し、ステップ１２０１をステップ１６０１に置き換えてもよい。

実施例１では不整合の指標として公知の最小自乗法による推定時の残差を用いていたが、実施例３ではその代わりに補完軌跡の複雑さを用いる（ステップ１８０１）。具体的には、加速度の変化率または加速度の変化率の変化率など、より高次の多項式を前提にした最小自乗法で、誤差が所定の値以下となるように軌跡を推定する。このとき、仮説評価部１０７は、仮説生成処理８０２で生成された対応関係、および、前述の低精度センサ１７０２の計測範囲内での交差回数と矛盾が生じないようにパラメータを探索する。図１７Ｄの例のように、人物が複雑な動きをしなければ整合性が保てないような場合、一般的に、推定補完された軌跡を表す多項式の項の数は多くなる（すなわちより高次の項を含む）ので、より少ないパラメータで補完曲線が作れる（すなわち補完曲線がより単純である）場合には不整合が少ないと判定される。つまり、例えば多項式の項の数などが不整合の度合いとなり、対応関係ＤＢに格納される。

上記の実施例３によれば、低精度なセンサの精度が特に低い場合であっても、高精度なセンサで計測され、遮蔽物等によって分断された軌跡の間の妥当な対応関係を生成することができる。

なお、本発明は上記した実施形態に限定されるものではなく、様々な変形例が含まれる。例えば、上記した実施形態は本発明を分かりやすく説明するために詳細に説明したものであり、必ずしも説明した全ての構成を備えるものに限定されるものではない。また、ある実施形態の構成の一部を他の実施形態の構成に置き換えることが可能であり、また、ある実施形態の構成に他の実施形態の構成を加えることも可能である。また、各実施形態の構成の一部について、他の構成の追加・削除・置換をすることが可能である。

また、上記の各構成、機能、処理部、処理手段等は、それらの一部又は全部を、例えば集積回路で設計する等によってハードウェアで実現してもよい。また、上記の各構成、機能等は、プロセッサがそれぞれの機能を実現するプログラムを解釈し、実行することによってソフトウェアで実現してもよい。各機能を実現するプログラム、テーブル、ファイル等の情報は、不揮発性半導体メモリ、ハードディスクドライブ、ＳＳＤ（Ｓｏｌｉｄ Ｓｔａｔｅ Ｄｒｉｖｅ）等の記憶デバイス、または、ＩＣカード、ＳＤカード、ＤＶＤ等の計算機読み取り可能な非一時的データ記憶媒体に格納することができる。

また、制御線及び情報線は説明上必要と考えられるものを示しており、製品上必ずしも全ての制御線及び情報線を示しているとは限らない。実際にはほとんど全ての構成が相互に接続されていると考えてもよい。

１００ データ統合システム
１０１ レーザセンサ
１０２ カメラセンサ
１０３ レーザ人流推定システム
１０４ カメラ人流推定システム
１０５ データ受付部
１０６ 仮説生成部
１０７ 仮説評価部
１０８ 対応関係ＤＢ
１０９ 計測結果ＤＢ
８０２ 仮説生成処理
８０３ 仮説評価処理
１４０１ 計測不可能領域ＤＢ

Claims (11)

1. 複数の移動体の位置を計測する第１センサと、前記第１センサが計測できない領域の少なくとも一部における前記複数の移動体の位置を計測する第２センサと、前記第１センサ及び前記第２センサの計測結果を受信するデータ統合システムと、を有する移動体計測システムであって、
   前記第２センサによる前記第２センサから前記各移動体までの距離の計測精度は、前記第１センサによる前記第１センサから前記各移動体までの距離の計測精度より低く、
   前記データ統合システムは、
   前記第１センサ及び前記第２センサの計測結果をそれぞれ前記第１センサ及び前記第２センサの識別情報と対応付けて格納する記憶装置と、
   前記第１センサの計測結果から推定される前記各移動体の軌跡と、前記第２センサの計測結果から推定される前記各移動体の軌跡とを同一の移動体の軌跡として対応付ける複数の仮説を生成する仮説生成部と、
   前記各仮説について、前記第１センサの計測結果から推定される前記各移動体の軌跡に対応付けられた前記第２センサの計測結果から推定される前記各移動体の軌跡の前記第２センサからの距離を変更することによって複数の軌跡を生成する仮説評価部と、を有し、
   前記仮説評価部は、
   前記各仮説について、前記第１センサの計測結果から推定される前記各移動体の軌跡に基づいて推定した前記第１センサが計測できない領域の軌跡と、前記第２センサの計測結果から推定される前記各移動体の軌跡の位置を変更した軌跡との距離を不整合の程度として計算することによって、生成した前記複数の軌跡の各々と、前記第１センサの計測結果から推定される前記各移動体の軌跡との不整合の程度を計算し、
   生成した前記複数の軌跡のうち、前記不整合の程度が最も小さくなる軌跡の前記第２センサからの距離の変更量を特定し、
   前記第２センサの計測結果から推定される前記各移動体の軌跡の位置を前記特定された変更量だけ変更した軌跡について計算された前記不整合の程度を、前記各仮説の妥当性の評価値として前記記憶装置に格納することを特徴とする移動体計測システム。
2. 請求項１に記載の移動体計測システムであって、
   前記仮説評価部は、前記第１センサの計測結果から推定される前記各移動体の軌跡に基づいて、最小自乗法によって、前記第１センサが計測できない領域における等加速度の軌跡を推定することを特徴とする移動体計測システム。
3. 請求項１に記載の移動体計測システムであって、
   前記仮説評価部は、前記第１センサが前記各移動体の位置を計測できる頻度が所定の値より低い領域を、前記第１センサが計測できない領域として特定することを特徴とする移動体計測システム。
4. 請求項１に記載の移動体計測システムであって、
   前記記憶装置は、前記第１センサが計測できない領域を示す計測不可能領域情報をさらに格納し、
   前記仮説評価部は、前記計測不可能領域情報に基づいて前記第１センサが計測できない領域を特定することを特徴とする移動体計測システム。
5. 複数の移動体の位置を計測する第１センサと、前記第１センサが計測できない領域の少なくとも一部における前記複数の移動体の位置を計測する第２センサと、前記第１センサ及び前記第２センサの計測結果を受信するデータ統合システムと、を有する移動体計測システムであって、
   前記第２センサによる前記第２センサから前記各移動体までの距離の計測精度は、前記第１センサによる前記第１センサから前記各移動体までの距離の計測精度より低く、
   前記データ統合システムは、
   前記第１センサ及び前記第２センサの計測結果をそれぞれ前記第１センサ及び前記第２センサの識別情報と対応付けて格納する記憶装置と、
   前記第１センサの計測結果から推定される前記複数の移動体の軌跡のうち、異なる時間帯の軌跡の複数の組をそれぞれ同一の移動体の軌跡として対応付ける複数の仮説を生成する仮説生成部と、
   前記各仮説によって対応付けられた異なる時間帯の軌跡を補完する前記第１センサが計測できない領域の軌跡を、前記第２センサの計測結果から推定される軌跡の交差回数を満たすように推定する仮説評価部と、を有することを特徴とする移動体計測システム。
6. 請求項５に記載の移動体計測システムであって、
   前記仮説評価部は、推定した前記第１センサが計測できない領域の軌跡の複雑さを、前記各仮説によって対応付けられた異なる時間帯の軌跡とそれらを補完する前記推定された軌跡との不整合の程度として計算することによって、前記各仮説の妥当性を評価することを特徴とする移動体計測システム。
7. 請求項６に記載の移動体計測システムであって、
   前記仮説評価部は、推定した前記第１センサが計測できない領域の軌跡を表す多項式の項の数が多いほど当該軌跡が複雑であると評価することを特徴とする移動体計測システム。
8. 請求項５に記載の移動体計測システムであって、
   前記仮説評価部は、前記第１センサが前記各移動体の位置を計測できる頻度が所定の値より低い領域を、前記第１センサが計測できない領域として特定することを特徴とする移動体計測システム。
9. 請求項５に記載の移動体計測システムであって、
   前記記憶装置は、前記第１センサが計測できない領域を示す計測不可能領域情報をさらに格納し、
   前記仮説評価部は、前記計測不可能領域情報に基づいて前記第１センサが計測できない領域を特定することを特徴とする移動体計測システム。
10. 複数の移動体の位置を計測する第１センサと、前記第１センサが計測できない領域の少なくとも一部における前記複数の移動体の位置を計測する第２センサと、前記第１センサ及び前記第２センサの計測結果を受信するデータ統合システムと、を有する移動体計測システムが実行する移動体計測方法であって、
    前記第２センサによる前記第２センサから前記各移動体までの距離の計測精度は、前記第１センサによる前記第１センサから前記各移動体までの距離の計測精度より低く、
    前記データ統合システムは、プロセッサ及び記憶装置を有し、
    前記記憶装置は、前記第１センサ及び前記第２センサの計測結果をそれぞれ前記第１センサ及び前記第２センサの識別情報と対応付けて格納し、
    前記移動体計測方法は、
    前記プロセッサが、前記第１センサの計測結果から推定される前記各移動体の軌跡と、前記第２センサの計測結果から推定される前記各移動体の軌跡とを同一の移動体の軌跡として対応付ける複数の仮説を生成する仮説生成手順と、
    前記プロセッサが、前記各仮説について、前記第１センサの計測結果から推定される前記各移動体の軌跡に対応付けられた前記第２センサの計測結果から推定される前記各移動体の軌跡の前記第２センサからの距離を変更することによって複数の軌跡を生成する仮説評価手順と、を含み、
    前記仮説評価手順において、前記プロセッサは、
    前記各仮説について、前記第１センサの計測結果から推定される前記各移動体の軌跡に基づいて推定した前記第１センサが計測できない領域の軌跡と、前記第２センサの計測結果から推定される前記各移動体の軌跡の位置を変更した軌跡との距離を不整合の程度として計算することによって、生成した前記複数の軌跡の各々と、前記第１センサの計測結果から推定される前記各移動体の軌跡との不整合の程度を計算し、
    生成した前記複数の軌跡のうち、前記不整合の程度が最も小さくなる軌跡の前記第２センサからの距離の変更量を特定し、
    前記第２センサの計測結果から推定される前記各移動体の軌跡の位置を前記特定された変更量だけ変更した軌跡について計算された前記不整合の程度を、前記各仮説の妥当性の評価値として前記記憶装置に格納することを特徴とする移動体計測方法。
11. 複数の移動体の位置を計測する第１センサと、前記第１センサが計測できない領域の少なくとも一部における前記複数の移動体の位置を計測する第２センサと、前記第１センサ及び前記第２センサの計測結果を受信するデータ統合システムと、を有する移動体計測システムが実行する移動体計測方法であって、
    前記第２センサによる前記第２センサから前記各移動体までの距離の計測精度は、前記第１センサによる前記第１センサから前記各移動体までの距離の計測精度より低く、
    前記データ統合システムは、プロセッサ及び記憶装置を有し、
    前記記憶装置は、前記第１センサ及び前記第２センサの計測結果をそれぞれ前記第１センサ及び前記第２センサの識別情報と対応付けて格納し、
    前記移動体計測方法は、
    前記プロセッサが、前記第１センサの計測結果から推定される前記複数の移動体の軌跡のうち、異なる時間帯の軌跡の複数の組をそれぞれ同一の移動体の軌跡として対応付ける複数の仮説を生成する仮説生成手順と、
    前記プロセッサが、前記各仮説によって対応付けられた異なる時間帯の軌跡を補完する前記第１センサが計測できない領域の軌跡を、前記第２センサの計測結果から推定される軌跡の交差回数を満たすように推定する仮説評価手順と、を含むことを特徴とする移動体計測方法。

Images