特許ウォッチ

公開番号2025088915
公報種別公開特許公報(A)
公開日2025-06-12
出願番号2023203745
出願日2023-12-01
発明の名称分析システムおよび分析プログラム
出願人株式会社日立製作所
代理人藤央弁理士法人
主分類G06T 7/20 20170101AFI20250605BHJP(計算;計数)
要約【課題】空間の状態を推論する推論モデルの学習精度および推論精度の向上を図ること。
【解決手段】分析システムは、プログラムを実行するプロセッサと、プログラムを記憶する記憶デバイスと、を有する分析システムであって、プロセッサは、推論対象の動きに関する情報および推論対象の方向に関する情報を包含する包含特徴量を繰り返し取得する取得処理と、取得処理によって繰り返し取得された複数の包含特徴量のうち、第1時刻の包含特徴量から第2時刻の包含特徴量までの各々について、所定時間前の第3時刻の包含特徴量を結合することにより、第1時刻のシフト特徴量から第2時刻のシフト特徴量までのシフト特徴量群を生成する生成処理と、生成処理によって生成されたシフト特徴量群を、第1時刻から第2時刻までの期間における推論対象の状態を推論する推論モデルに出力する出力処理と、を実行する。
【選択図】図3
特許請求の範囲【請求項１】
プログラムを実行するプロセッサと、前記プログラムを記憶する記憶デバイスと、を有する分析システムであって、
前記プロセッサは、
推論対象の動きに関する情報および前記推論対象の方向に関する情報を包含する包含特徴量を繰り返し取得する取得処理と、
前記取得処理によって繰り返し取得された複数の包含特徴量のうち、第１時刻の包含特徴量から第２時刻の包含特徴量までの各々について、所定時間前の第３時刻の包含特徴量を結合することにより、前記第１時刻のシフト特徴量から前記第２時刻のシフト特徴量までのシフト特徴量群を生成する生成処理と、
前記生成処理によって生成されたシフト特徴量群を、前記第１時刻から前記第２時刻までの期間における前記推論対象の状態を推論する推論モデルに出力する出力処理と、
を実行することを特徴とする分析システム。
続きを表示（約 1,900 文字）【請求項２】
請求項１に記載の分析システムであって、
前記推論対象の動きに関する情報は、前記推論対象の移動速度を含み、
前記推論対象の方向に関する情報は、前記推論対象が移動する移動方向を含む、
ことを特徴とする分析システム。
【請求項３】
請求項２に記載の分析システムであって、
前記移動速度は、複数の推論対象の複数の移動速度のうち、特定の推論対象の特定の移動速度であり、
前記移動方向は、前記特定の推論対象が前記特定の移動速度で移動する特定の移動方向である、
ことを特徴とする分析システム。
【請求項４】
請求項３に記載の分析システムであって、
前記特定の移動速度は、前記複数の移動速度の中の最高移動速度であり、
前記特定の移動方向は、前記特定の推論対象が移動する前記最高移動速度での移動方向である、
ことを特徴とする分析システム。
【請求項５】
請求項２に記載の分析システムであって、
前記推論対象の動きに関する情報は、移動速度別の人数を示す第１一次元ヒストグラムであり、
前記推論対象の方向に関する情報は、移動方向別の人数を示す第２一次元ヒストグラムであり、
前記取得処理では、前記プロセッサは、前記特定の移動速度と、前記特定の移動方向と、前記第１一次元ヒストグラムおよび前記第２一次元ヒストグラムと、を、前記包含特徴量として取得する、
ことを特徴とする分析システム。
【請求項６】
請求項２に記載の分析システムであって、
前記推論対象の動きに関する情報は、移動速度別の人数を示す第１一次元ヒストグラムであり、
前記推論対象の方向に関する情報は、移動方向別の人数を示す第２一次元ヒストグラムであり、
前記取得処理では、前記プロセッサは、前記特定の移動速度と、前記特定の移動方向と、前記第１一次元ヒストグラムおよび前記第２一次元ヒストグラムを統合した二次元ヒストグラムと、を、前記包含特徴量として取得する、
ことを特徴とする分析システム。
【請求項７】
請求項２に記載の分析システムであって、
前記推論対象の動きに関する情報は、移動速度別の人数を示す第１一次元ヒストグラムであり、
前記推論対象の方向に関する情報は、移動方向別の人数を示す第２一次元ヒストグラムであり、
前記プロセッサは、
前記推論対象が前記移動方向に向かって前記移動速度で移動することを示す移動ベクトルの個数に基づいて、前記第１一次元ヒストグラムおよび前記第２一次元ヒストグラムを統合した二次元ヒストグラムを生成するか否かを判定する判定処理を実行し、
前記取得処理では、前記プロセッサは、前記判定処理によって前記二次元ヒストグラムを生成しないと判定された場合、前記特定の移動速度と、前記特定の移動方向と、前記第１一次元ヒストグラムおよび前記第２一次元ヒストグラムと、を、前記包含特徴量として取得し、前記判定処理によって前記二次元ヒストグラムを生成すると判定された場合、前記特定の移動速度と、前記特定の移動方向と、前記二次元ヒストグラムと、を、前記包含特徴量として取得する、
ことを特徴とする分析システム。
【請求項８】
請求項１に記載の分析システムであって、
前記生成処理では、前記プロセッサは、前記複数の包含特徴量のうち、第１時刻の包含特徴量から第２時刻の包含特徴量までの各々について、複数の所定時間前の複数の第３時刻の包含特徴量を結合することにより、前記第１時刻のシフト特徴量から前記第２時刻のシフト特徴量までのシフト特徴量群を生成する、
ことを特徴とする分析システム。
【請求項９】
請求項１に記載の分析システムであって、
前記推論対象の動きに関する情報は、前記推論対象の顔の動きに関する情報を含み、
前記推論対象の方向に関する情報は、前記推論対象が目視する視線方向を含む、
ことを特徴とする分析システム。
【請求項１０】
請求項１に記載の分析システムであって、
前記プロセッサは、
前記シフト特徴量群を説明変数とし、前記第１時刻の状態から前記第２時刻の状態までの状態群を目的変数として、前記推論モデルを学習する学習処理と、
を実行することを特徴とする分析システム。
（【請求項１１】以降は省略されています）
発明の詳細な説明【技術分野】
【０００１】
本発明は、データを分析する分析システムおよび分析プログラムに関する。
続きを表示（約 2,700 文字）【背景技術】
【０００２】
本技術分野の背景技術として、特許文献１は、人および物体を検知する人検出部および物体検出部と、前記人検出部により検知した人の動きおよび形状情報と前記物体検出部により検知した物体の動き情報に基づいて特徴量を推論する特徴量推論部と、予め定常状態モデルを保持する定常状態モデル保存部と、前記特徴量推論部および定常状態モデル保存部により定常状態の特徴量を学習する定常状態モデル推論部と、前記特徴量推論部により算出した特徴量および前記定常状態モデル保存部のデータを用いて定常状態モデルからの逸脱を判断する非定常状態推論部と、前記非定常状態推論部により非定常状態を推論する。
【先行技術文献】
【特許文献】
【０００３】
特開２０２０－１４９３８９号公報
【発明の概要】
【発明が解決しようとする課題】
【０００４】
しかしながら、上記特許文献１に開示された技術では、密集した群衆や遮蔽物の多い環境においては、人の動き及び形状情報を正確に解析できず非定常状態を学習したり推論したりすることが困難である。
【０００５】
本発明は、上記問題を鑑みてなされたものであり、空間の状態を推論する推論モデルの学習精度および推論精度の向上を図ることを目的とする。
【課題を解決するための手段】
【０００６】
本願の第１開示技術である分析システムは、プログラムを実行するプロセッサと、前記プログラムを記憶する記憶デバイスと、を有する分析システムであって、前記プロセッサは、推論対象の動きに関する情報および前記推論対象の方向に関する情報を包含する包含特徴量を繰り返し取得する取得処理と、前記取得処理によって繰り返し取得された複数の包含特徴量のうち、第１時刻の包含特徴量から第２時刻の包含特徴量までの各々について、所定時間前の第３時刻の包含特徴量を結合することにより、第１時刻のシフト特徴量から第２時刻のシフト特徴量までのシフト特徴量群を生成する生成処理と、前記生成処理によって生成されたシフト特徴量群を、前記第１時刻から前記第２時刻までの期間における前記推論対象の状態を推論する推論モデルに出力する出力処理と、を実行することを特徴とする。
【発明の効果】
【０００７】
本発明の代表的な実施の形態によれば、空間の状態を推論する推論モデルの学習精度および推論精度の向上を図る前述した以外の課題、構成及び効果は、以下の実施例の説明により明らかにされる。
【図面の簡単な説明】
【０００８】
図１は、実施例１にかかる分析システムのシステム構成例を示す説明図である。
図２は、コンピュータのハードウェア構成例を示すブロック図である。
図３は、実施例１にかかる分析システムの機能的構成例を示すブロック図である。
図４は、軌跡ＩＤおよび移動ベクトルの生成例を示す説明図である。
図５は、速度分布および方向分布を示す説明図である。
図６は、時刻ｔのヒストグラム特徴量の算出例を示す説明図である。
図７は、シフト特徴量の生成例を示す説明図である。
図８は、学習データの保存方法の一例を示す説明図である。
図９は、分析システムによる空間の解析例を示す説明図である。
図１０は、実施例１にかかるサーバ（学習装置）による学習処理の詳細な処理手順例を示すフローチャートである。
図１１は、実施例１にかかるクライアント（推論装置）による状態推論処理手順例を示すフローチャートである。
図１２は、実施例１にかかる端末（状態通知装置）による状態通知処理手順例を示すフローチャートである。
図１３は、実施例２にかかる分析システムの機能的構成例を示すブロック図である。
図１４は、実施例３にかかる分析システムの機能的構成例を示すブロック図である。
図１５は、実施例３にかかるサーバ（学習装置）による学習処理の詳細な処理手順例を示すフローチャートである。
図１６は、実施例３にかかるクライアント（推論装置）による状態推論処理手順例を示すフローチャートである。
図１７は、実施例４にかかる分析システムの機能的構成例を示すブロック図である。
図１８は、教師信号ＤＢから出力される時系列の学習データの一例を示す説明図である。
図１９は、実施例５にかかる分析システムの機能的構成例を示すブロック図である。
図２０は、実施例７にかかるシフト特徴量群の一例を示す説明図である。
図２１は、実施例８にかかる分析システムの機能的構成例を示すブロック図である。
図２２は、実施例８にかかるクライアント（学習装置）による学習処理の詳細な処理手順例を示すフローチャートである。
図２３は、実施例８にかかるクライアント（推論装置）による状態推論処理手順例を示すフローチャートである。
【発明を実施するための形態】
【０００９】
以下、本発明に係る実施の形態を図面に基づいて説明する。なお、実施の形態を説明するための全図において、同一の部材には原則として同一の符号を付し、その繰り返しの説明は省略する。また、以下の実施の形態において、その構成要素（要素ステップ等も含む）は、特に明示した場合および原理的に明らかに必須であると考えられる場合等を除き、必ずしも必須のものではないことは言うまでもない。また、「Ａからなる」、「Ａよりなる」、「Ａを有する」、「Ａを含む」と言うときは、特にその要素のみである旨明示した場合等を除き、それ以外の要素を排除するものでないことは言うまでもない。同様に、以下の実施の形態において、構成要素等の形状、位置関係等に言及するときは、特に明示した場合および原理的に明らかにそうでないと考えられる場合等を除き、実質的にその形状等に近似または類似するもの等を含むものとする。
【００１０】
本明細書等における「第１」、「第２」、「第３」などの表記は、構成要素を識別するために付するものであり、必ずしも、数、順序、もしくはその内容を限定するものではない。また、構成要素の識別のための番号は文脈毎に用いられ、一つの文脈で用いた番号が、他の文脈で必ずしも同一の構成を示すとは限らない。また、ある番号で識別された構成要素が、他の番号で識別された構成要素の機能を兼ねることを妨げるものではない。
（【００１１】以降は省略されています）

関連特許