特許ウォッチ

公開番号2025119296
公報種別公開特許公報(A)
公開日2025-08-14
出願番号2024014108
出願日2024-02-01
発明の名称情報処理装置、情報処理システム及びプログラム
出願人東芝テック株式会社
代理人弁理士法人酒井国際特許事務所
主分類G06T 7/20 20170101AFI20250806BHJP(計算;計数)
要約【課題】有害行為を犯しそうな人物を高精度に検出し、わかりやすい形で報知することを可能とする。
【解決手段】実施形態に係る情報処理装置は、取得部と、認識部と、検出部と、生成部と、報知部とを備える。取得部は、施設内に設置されたカメラから人物を含む画像を取得する。認識部は、人物を含む画像と、当該画像に含まれる人物の表情、外見、及び行動のうち少なくとも1つの人物の特徴を記述した第1テキスト情報とを含む教師データセットに基づき、画像から当該画像に含まれる人物の特徴を記述した第2テキスト情報を導出するように学習された学習済モデルに、カメラで撮像された画像を入力することにより第2テキスト情報を導出する。検出部は、第2テキスト情報に基づいて有害行為に関わる要注意人物を検出する。生成部は、検出結果に基づいて、検出した要注意人物の特徴を含む第3テキスト情報を生成する。報知部は、第3テキスト情報を、施設の従業者に報知する。
【選択図】図3
特許請求の範囲【請求項１】
施設内に設置されたカメラから人物を含む画像を取得する取得部と、
人物を含む画像と、当該画像に含まれる人物の表情、外見、及び行動のうち少なくとも１つの人物の特徴を記述した第１テキスト情報とを含む教師データセットに基づき、前記画像から当該画像に含まれる人物の特徴を記述した第２テキスト情報を導出するように学習された学習済モデルに、前記カメラで撮像された画像を入力することにより前記第２テキスト情報を導出する認識部と、
前記第２テキスト情報に基づいて有害行為に関わる要注意人物を検出する検出部と、
検出結果に基づいて、検出した前記要注意人物の特徴を含む第３テキスト情報を生成する生成部と、
前記第３テキスト情報を、前記施設の従業者に報知する報知部と、
を備える、
情報処理装置。
続きを表示（約 1,400 文字）【請求項２】
前記検出部は、前記学習済モデルが前記有害行為を示唆する前記特徴を含む前記第２テキスト情報を導出した場合、又は、前記学習済モデルが前記有害行為そのものを示す前記特徴を含む前記第２テキスト情報を導出した場合、当該特徴に対応する人物を前記要注意人物として検出する、
請求項１に記載の情報処理装置。
【請求項３】
前記検出部は、前記画像に含まれる人物の特徴を記述した前記第２テキスト情報を導出する前記認識部と、前記要注意人物の特徴を含む前記第３テキスト情報を生成する前記生成部との間に設けられる、
請求項１に記載の情報処理装置。
【請求項４】
前記生成部は、前記要注意人物が検出された場合、前記第２テキスト情報を大規模言語モデルに入力することにより得られた文字列に基づいて、前記第３テキスト情報を生成する、
請求項１乃至３の何れか１項に記載の情報処理装置。
【請求項５】
前記カメラから取得された前記画像には、撮像位置を表す情報が含まれ、
前記要注意人物が撮像された位置を特定する特定部を更に備え、
前記生成部は、前記第２テキスト情報と、特定された前記要注意人物が撮像された位置を記述した第４テキスト情報とを前記大規模言語モデルに入力することにより得られた文字列に基づいて、前記要注意人物が撮像された位置を含む前記第３テキスト情報を生成する、
請求項４に記載の情報処理装置。
【請求項６】
カメラと、情報処理装置と、を備える情報処理システムであって、
前記カメラは、
施設内に設けられ、人物を含む画像を撮像し、
前記情報処理装置は、
前記画像を取得する取得部と、
人物を含む画像と、当該画像に含まれる人物の表情、外見、及び行動のうち少なくとも１つの人物の特徴を記述した第１テキスト情報とを含む教師データセットに基づき、前記画像から当該画像に含まれる人物の特徴を記述した第２テキスト情報を導出するように学習された学習済モデルに、前記カメラで撮像された画像を入力することにより前記第２テキスト情報を導出する認識部と、
前記第２テキスト情報に基づいて有害行為に関わる要注意人物を検出する検出部と、
検出結果に基づいて、検出した前記要注意人物の特徴を含む第３テキスト情報を生成する生成部と、
前記第３テキスト情報を、前記施設の従業者に報知する報知部と、
を備える、
情報処理システム。
【請求項７】
コンピュータを、
施設内に設置されたカメラから人物を含む画像を取得する取得部と、
人物を含む画像と、当該画像に含まれる人物の表情、外見、及び行動のうち少なくとも１つの人物の特徴を記述した第１テキスト情報とを含む教師データセットに基づき、前記画像から当該画像に含まれる人物の特徴を記述した第２テキスト情報を導出するように学習された学習済モデルに、前記カメラで撮像された画像を入力することにより前記第２テキスト情報を導出する認識部と、
前記第２テキスト情報に基づいて有害行為に関わる要注意人物を検出する検出部と、
検出結果に基づいて、検出した前記要注意人物の特徴を含む第３テキスト情報を生成する生成部と、
前記第３テキスト情報を、前記施設の従業者に報知する報知部と、
として機能させるプログラム。

発明の詳細な説明【技術分野】
【０００１】
本発明の実施形態は、情報処理装置、情報処理システム及びプログラムに関する。
続きを表示（約 1,800 文字）【背景技術】
【０００２】
従来、専用セルフＰＯＳ（Point of Sale）端末や、スマートフォン、カートＰＯＳ等を利用して従業員を介さずに消費者自身で商品を購入することができるセルフ方式の販売データ処理装置及びシステムが増えてきている。このようなセルフ方式の増加に伴って、いわゆる万引き行為が増加している可能性が高いことが知られている。万引きは商品の損失に繋がり、特に小規模店舗にとって影響が大きい。
【０００３】
ところで、近年、人工知能（ＡＩ：Artificial Intelligence）等の技術の発展により、人の表情やしぐさ、行動等を識別することが可能になってきている。このような技術を応用することで、施設内を撮影した人物を含む画像から万引きや危険行為等の有害行為を犯しそうな人物を高精度に検出し、わかりやすい形で従業員等に報知する技術が望まれている。
【発明の概要】
【発明が解決しようとする課題】
【０００４】
本発明が解決しようとする課題は、有害行為を犯しそうな人物を高精度に検出し、わかりやすい形で報知することを可能とする情報処理装置、情報処理システム及びプログラムを提供することである。
【課題を解決するための手段】
【０００５】
実施形態に係る情報処理装置は、取得部と、認識部と、検出部と、生成部と、報知部とを備える。取得部は、施設内に設置されたカメラから人物を含む画像を取得する。認識部は、人物を含む画像と、当該画像に含まれる人物の表情、外見、及び行動のうち少なくとも１つの人物の特徴を記述した第１テキスト情報とを含む教師データセットに基づき、画像から当該画像に含まれる人物の特徴を記述した第２テキスト情報を導出するように学習された学習済モデルに、カメラで撮像された画像を入力することにより第２テキスト情報を導出する。検出部は、第２テキスト情報に基づいて有害行為に関わる要注意人物を検出する。生成部は、検出結果に基づいて、検出した要注意人物の特徴を含む第３テキスト情報を生成する。報知部は、第３テキスト情報を、施設の従業者に報知する。
【図面の簡単な説明】
【０００６】
図１は、実施形態に係るシステムの各装置の接続関係の一例を示すシステム図である。
図２は、実施形態に係るＳＣのハードウェア構成の一例を示すブロック図である。
図３は、実施形態に係るＳＣの機能構成の一例を示すブロック図である。
図４は、実施形態に係るＳＣの学習処理の一例を説明する図である。
図５は、実施形態に係るＳＣが実行する処理の一例を示すフローチャートである。
図６は、実施形態に係るＳＣが実行する処理の一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】
【０００７】
以下、図１乃至図６を参照して、実施形態の情報処理装置、情報処理システム及びプログラムを詳細に説明する。なお、以下に説明する実施形態では、百貨店やスーパーマーケット等の店舗（施設の一例）に設置されたストアコンピュータ（ＳＣ）を学習装置及び情報処理装置の一例として説明するが、実施形態によりこの発明が限定されるものではない。
【０００８】
図１は、実施形態に係る情報処理システムＳの各装置の接続関係の一例を示すシステム図である。図１において、システムは、ＳＣ（Store Computer）１、ＰＯＳ（Point of Sales）端末２、複数台のカメラ３、携帯端末５を備えている。
【０００９】
ＳＣ１、ＰＯＳ端末２、及び複数台のカメラ３は、例えばＬＡＮ（Local Area Network）のような通信回線６を介して互いに接続されている。また、携帯端末５は、無線通信の中継器であるアクセスポイント４と通信回線６とを介してＳＣ１と接続されている。
【００１０】
なお、図１で示した各装置の数は一例であり、システムが備える各装置の数は、図１で示した数に限定されない。例えば、システムは、アクセスポイント４及び携帯端末５を複数備えていてもよい。
（【００１１】以降は省略されています）

関連特許