私人化特性分析系统及方法与流程

本发明的实施例涉及一种通过定位数据和图像数据的复合分析而对分析对象的私人化特性进行分析的技术。
背景技术：
：近来，在多样的领域中旨在收集用户数据并由此掌握用户的私人化特性的众多尝试正在发展。例如，以访问特定商场的顾客为对象而引导会员加入，并基于加入会员时输入的信息而对随着年龄、性别等而变的购买特性进行分析，或者利用按客户的定位数据而掌握分析对象经常访问的商场，诸如此类的通过利用起用户的私人化信息而实现匹配型信息提供乃至市场营销的多样的方案正被研究。然而，如上所述的现有技术仅仅依赖于定位数据、图像数据等简单类型的数据而导出私人化特性，其在掌握分析对象的多样的特性方面存在局限性。[现有技术文献][专利文献]专利文献1：美国授权专利公报第8,380,558号(2013-02-19)技术实现要素：本发明公开的实施例旨在提供一种通过对分析对象的定位数据和图像数据进行复合分析而对分析对象的私人化的多样的特性进行分析的技术方案。根据一个示例性实施例，提供一种私人化特性分析系统，包括：分析范围计算模块，由分析对象的随时间流动而变的定位数据计算出分别具有互不相同的分析时间段的多个分析范围；图像分析模块，由对应于各个分析范围的图像数据识别出一个以上的客体，并由识别出的各个客体分析出一个以上的视觉特性；特性分析模块，利用按所述各个分析范围的特性分析结果而生成所述分析对象的私人化的特性信息。所述分析范围计算模块可通过对生成所述定位数据的定位单元的误差特性予以考虑而计算所述分析范围。所述分析范围计算模块可通过额外地考虑与所述定位数据对应的空间的特性而计算所述分析范围。所述图像分析模块可计算出按所述各个分析范围的特性分析结果的置信度。所述置信度可通过利用如下的个数而计算：存在于所述各个分析范围内的所有个人标识符的个数；由按所述各个分析范围而有别的图像数据识别出的个体的个数。所述特性分析模块可利用所述置信度而选定所述分析范围中的一个以上的特性区域，并由与各个特性区域对应的所述特性分析结果生成所述分析对象的私人化特性信息。所述特性分析模块可将所述分析范围当中所述置信度为已设定值以上的分析范围选定为所述特性区域。所述特性分析模块可把从按所述各个特性区域而有别的特性分析结果中的至少一部分特性分析结果中导出的所述分析对象的共同特性设定为所述分析对象的私人化特性。所述特性分析模块可在导出的所述共同特性所对应的概率值不满足标准值的情况下以如下方式重新计算所述共同特性：使利用于所述共同特性的导出的按所述各个特性区域而有别的特性分析结果的个数增加并重新计算所述共同特性。根据另一示例性实施例，提供一种私人化特性分析方法，包括如下步骤：由分析对象的随时间流动而变的定位数据计算出分别具有互不相同的分析时间段的多个分析范围；由对应于各个分析范围的图像数据识别出一个以上的客体，并由识别出的各个客体分析出一个以上的视觉特性；利用按所述各个分析范围的特性分析结果而生成所述分析对象的私人化的特性信息。计算所述分析范围的步骤以如下方式构成：通过对生成所述定位数据的定位单元的误差特性予以考虑而计算所述分析范围。计算所述分析范围的步骤以如下方式构成：通过额外地考虑与所述定位数据对应的空间的特性而计算所述分析范围。分析所述视觉特性的步骤还可以包括如下步骤：计算出按所述各个分析 范围的特性分析结果的置信度。所述置信度可通过利用如下的个数而计算：存在于所述各个分析范围内的所有个人标识符的个数；由按所述各个分析范围而有别的图像数据识别出的个体的个数。生成所述私人化的特性信息的步骤以如下方式构成：利用所述置信度而选定所述分析范围中的一个以上的特性区域，并由与各个特性区域对应的所述特性分析结果生成所述分析对象的私人化特性信息。在生成所述私人化的特性信息的步骤中，可将所述分析范围当中所述置信度为已设定值以上的分析范围选定为所述特性区域。生成所述私人化的特性信息的步骤以如下方式构成：把从按所述各个特性区域而有别的特性分析结果中的至少一部分特性分析结果中导出的所述分析对象的共同特性设定为所述分析对象的私人化特性。生成所述私人化的特性信息的步骤以如下方式构成：当导出的所述共同特性所对应的概率值不满足标准值时，使利用于所述共同特性的导出的按所述各个特性区域而有别的特性分析结果的个数增加并重新计算所述共同特性。根据又一示例性实施例，提供一种存储于计算机可读记录介质中的计算机程序，其特征在于，与硬件结合而执行包含如下步骤的方法：由分析对象的随时间流动而变的定位数据计算出分别具有互不相同的分析时间段的多个分析范围；由对应于各个分析范围的图像数据识别出一个以上的客体，并由识别出的各个客体分析出一个以上的视觉特性；利用按所述各个分析范围的特性分析结果而生成所述分析对象的私人化的特性信息。根据本发明公开的实施例，可通过对分析对象的定位数据和图像数据进行复合分析而准确掌握分析对象的私人化的多样的特性。附图说明图1为用于说明根据本发明的一个实施例的私人化特性分析系统的构造的模块图。图2为用于说明根据本发明的一个实施例的分析范围计算模块中执行的分析范围计算过程的流程图。图3为用于说明由根据本发明的一个实施例的分析范围计算模块提取分析对象的位置信息的例子的示例图。图4为用于说明根据本发明的一个实施例的分析范围计算模块由分析对象的位置信息计算分析范围的例子的示例图。图5为用于说明根据本发明的一个实施例的图像分析模块中执行的图像分析过程的流程图。图6为用于说明根据本发明的一个实施例的图像分析模块104中的图像分析过程当中图像拍摄范围与分析范围不一致的情形的示例图。图7为用于说明根据本发明的一个实施例的特性分析模块中的特性分析过程的流程图。图8为用于说明根据本发明的一个实施例的私人化特性分析方法的流程图。符号说明100：私人化特性分析系统102：分析范围计算模块104：图像分析模块106：特性分析模块具体实施方式以下，参考附图而说明本发明的具体实施方式。以下的详细说明是为了对全面理解本说明书中记载的方法、装置和/或系统有所帮助而提供。然而这只不过是示例，本发明并不局限于此。在说明本发明的实施例的过程中，如果认为对有关本发明的公知技术的具体说明有可能对本发明的主旨造成不必要的混乱，则省略其详细说明。另外，后述的术语作为考虑到本发明中的功能而定义的术语，可能因使用者、运用者的意图或惯例等而改变。因此，要以贯穿整个说明书的内容为基础而对其进行定义。在详细的说明中使用的术语用于记载本发明的实施例，而绝非用于限定。只要没有明确不同地使用，则单数的表述包括复数的含义。在本说明书中，“包括”或“具有”之类的表述用于指代某些特性、数字、步骤、操作、要素及其一部分或组合的，不应解释为排除了所记载者之外的一个或一个以上的其他特性、数字、步骤、操作、要素及其一部分或组合的存在性或可存在性。图1为用于说明根据本发明的一个实施例的私人化特性分析系统100的 构造的模块图。如图所示，根据本发明的一个实施例的私人化特性分析系统100包括分析范围计算模块102、图像分析模块104以及特性分析模块106。在一个实施例中，包含有分析范围计算模块102、图像分析模块104以及特性分析模块106的私人化特性分析系统100可在包括一个以上的处理器及与该处理器连接的计算机可读记录(存储)介质的计算装置中得到实现。计算机可读记录(存储)介质既可以位于处理器的内部或外部，也可以通过众所周知的多样的单元而与处理器连接。计算装置内的处理器可以使各个技术装置按照本说明书中记载的示例性实施例而执行操作。例如，处理器可执行存储于计算机可读记录(存储)介质中的指令，而当存储于计算机可读记录(存储)介质中的指令在被处理器执行时，可以使计算装置按照本说明书中记载的示例性实施例而执行操作。分析范围计算模块102由分析对象的随着时间流动而变的定位数据计算出具有各不相同的分析时间段的多个分析范围。在一个实施例中，分析对象可以是持有预定的个人识别单元的人。例如，所述分析对象可以是在特定区域(例如，购物点、百货店、公司的园内等)内持有个人便携设备(例如，智能手机、平板电脑、可穿戴设备等)并移动的人。所述个人便携设备可利用GPS(全球定位系统；GlobalPositioningSystem)、PDR(行人航位推算系统；PedestrianDeadReckoning)、无线通信(WiFi或移动通信网)或近距离通信单元(蓝牙、ZigBee等)等多样的单元而周期性地测量自身的位置。分析范围计算模块102可从由多个利用者收集到的按时间段定位数据中识别出分析对象，并由此计算所述分析范围。在一个实施例中，私人化特性分析系统100可包括专门的定位数据库(未图示)，所述定位数据库可存储并管理由多个利用者收集到的按时间段定位数据。所述定位数据库可从多个利用者所持有的个人便携设备中收集各个利用者的位置数据。在另一实施例中，私人化特性分析系统100还可以通过有线或无线网络而连接于外部的定位数据库，由此获取所述定位数据。图2为用于说明根据本发明的一个实施例的分析范围计算模块102中的分析范围计算过程200的流程图。本说明书中图示的流程图中所述过程被分为多个步骤而记载，然而至少一部分步骤可改变顺序而执行，或者与其他步骤结合而一起执行，或者被省略，或者被分为细化的步骤而执行，又或者附加未图示的一个以上的步骤而执行。在步骤202中，分析范围计算模块102选定用于特性分析的分析对象。在本发明的实施例中，分析对象可以是利用者所持有的个人便携设备的识别信息(标识符)，例如可以是便携电话号码或设置于所述个人便携设备的应用程序的通用固有标识符(universallyuniqueidentifier；UUID)，或者可以是所述利用者注册的ID等。然而，本发明的实施例并不局限于特定类型的识别信息，可使用于识别多个利用者中的每个人的所有类型的信息均可不受限制地得到利用。在步骤204中，分析范围计算模块102从分析对象的定位数据中提取出按时间段位置信息。在一个实施例中，所述定位数据可包括从多个利用者收集到的位置信息和各个位置信息的收集时刻。分析范围计算模块102从如上所述的定位数据中提取分析对象的定位数据，并可由此提取按多个时间段的位置信息。图3为用于说明在根据本发明的一个实施例的分析范围计算模块102中提取分析对象的位置信息的例子的示例图。在图示的实施例中，将包含上午09:15、09:30、09:45的三个时间段所分别对应的分析对象A的位置信息与其他利用者的位置信息一并示出。在步骤206中，分析范围计算模块102由提取的按各时间段的位置信息计算出多个分析范围。在一个实施例中，分析范围计算模块102可通过考虑生成所述定位数据的定位单元的误差特性而计算所述分析范围。例如，在将GPS(全球定位系统；GlobalPositioningSystem)作为定位单元而生成所述定位数据的情况下，分析范围计算模块102考虑可伴随GPS信号特性而发生的误差，从而可以计算出所述分析范围。而且，在将PDR(行人航位推算系统；PedestrianDeadReckoning)作为定位单元而生成所述定位数据的情况下，分析范围计算模块102可通过考虑加速度传感器等的误差特性而计算所述分析范围。并且，分析范围计算模块102可额外考虑对应于所述定位数据的空间特性，从而计算所述分析范围。例如，当提取的位置信息所对应的空间的一部分被墙壁等封堵或者因其他原因而使移动受限时，分析范围计算模块102可从分析范围中排除相关的一部分区域。图4为用于说明在根据本发明的一个实施例的分析范围计算模块102中由分析对象的位置信息计算分析范围的例子的示例图。在图示的实施例中示 出了如下的示例：利用图3中提取的按各时间段的分析对象A的位置信息而分别计算出分析范围#1、分析范围#2以及分析范围#3。在步骤208中，分析范围计算模块102掌握步骤206中计算出的各个分析范围内存在的所有个人标识符的个数。此时，作为一例，即使在分析对象停止于特定位置且所述步骤204中提取的位置信息不变的情况下，如果除了分析范围内的分析对象之外的其余标识符不同，则也确定为单独的特性分析范围。按各分析范围的标识符的个数利用于后述的图像分析模块104中的置信度计算。对于前述的图4的实施例而言，位于分析范围#1的标识符的个数为5个，位于分析范围#2的标识符的个数为7个，位于分析范围#3的标识符的个数总共为5个。然后，图像分析模块104从由分析范围计算模块102导出的各个分析范围所对应的图像数据中识别出一个以上的客体，并由识别出的各个客体分析一个以上的特性。在一个实施例中，私人化特性分析系统100可将定位数据库与专门的图像数据库(未图示)一并包含。所述图像数据库可从布置于分析对象空间的一个以上的图像拍摄装置(摄像机或CCTV等)收集图像数据，并将其存储和管理。而且，如同定位数据库，私人化特性分析系统100可通过有线或无线网络而连接于外部的图像数据库，并由此获取所述图像数据。图5为用于说明根据本发明的一个实施例的图像分析模块104中的图像分析过程500的流程图。在步骤502中，图像分析模块104由对应于各个分析范围的图像数据识别出可分析的客体。图像分析模块104可从图像数据库获取各个分析范围及分析时间段所对应的图像，并由此提取可分析的客体。此时，所述客体可以是包含于相关图像中的人。另外，根据各个图像拍摄装置的视场角、布置形态或分析对象空间的特性(结构物、夹具、墙壁等的有无等)，分析范围计算模块102中计算出的分析范围中可能包含有不存在图像数据的区间。图6为用于说明根据本发明的一个实施例的图像分析模块104中的图像分析过程中图像拍摄范围与分析范围不一致的情形的示例图。如图所示，当图像拍摄范围不能包含整个分析范围时，分析范围将会分为存在图像数据的区域和不存在图像数据的区域。在此情况下，存在图像数据的区域的客体602 可通过图像数据进行分析，然而不存在图像数据的区域的客体604却无法通过图像数据进行分析。即，在这样的情况下，由分析范围计算模块102掌握的分析范围内的标识符的个数与由图像数据识别出的客体的个数将会变得不同。在步骤504中，图像分析模块104对识别的各个客体的视觉特性进行分析。在一个实施例中，由图像分析模块104进行分析的客体的特性可包括性别、年龄、人种、身高、残疾与否、基于持有品等的收入水平等可从客体的外观推测的所有类型的信息。图像分析模块104可利用多样的类型的图像分析算法等而分析各个客体的特性，与此相关的具体事项已被本领域技术人员周知，故在此省略其详细说明。在步骤506中，图像分析模块104计算出按各分析范围的特性分析结果的置信度。在一个实施例中，可利用存在于所述各个分析范围内的所有个人标识符的个数、由按各分析范围的所述图像数据识别出的个体的个数而计算所述置信度。具体而言，可将由按各分析范围的图像数据识别出的客体数除以相关分析范围中识别的个人标识符的个数而获得一个值，并由该值获得所述置信度。例如，假设对于特定分析范围而言，由分析范围计算模块102计算出的个人标识符的个数为2个，且由图像数据识别出的客体的个数也是2个。此时，如果各个客体的图像分析结果如下面的表1所示，则相关分析范围中的特性分析结果的置信度如表2所示。[表1]年龄性别20代男性20代女性[表2]分类特性置信度年龄20代100％性别男性50％性别女性50％即，对于个人标识符的个数与客体的个数相同的分析范围而言，按各个分类(年龄、性别等)的置信度之和成为100％。如果在前述的示例中个人标识符的个数并非2而是4，则相关分析范围中的特性分析结果的置信度如表3所示。[表3]分类特性置信度年龄20代50％性别男性25％性别女性25％分析范围内的置信度表示由特性分析模块106进行特性信息分析时产生误差的概率。对于前述的示例而言，在分析范围中识别出的4个标识符中2个无法通过视觉进行识别，从而无法进行分析，因此相关区间中的按各分类的置信度之和降低为50％(＝2/4)。再次回到图1，特性分析模块106利用由图像分析模块104导出的按各分析范围的特性分析结果而生成所述分析对象的私人化的特性信息。具体而言，特性分析模块106从用户处接收特性掌握需要条件，并生成与相关需要条件对应的分析对象的特性索引。在本发明的实施例中，所谓特性索引表示利用由图像分析模块104执行的分析结果而使针对分析对象的一个以上的特性信息的概率实现索引化。图7为用于说明根据本发明的一个实施例的特性分析模块106中的特性分析过程700的流程图。在步骤702中，特性分析模块106从请求分析的用户处接收特性掌握需要条件。所述特性掌握需要条件可包括与分析对象相关联而想要掌握的一个以上的特性分类(性别、年龄等)。根据利用特性分析结果的目的，所述特性掌握需要条件可多样的构成。例如，当要利用于酒类广告或烟类广告时，用户可能只希望简单掌握分析对象的年龄。而且，为了女性用品广告，则可能只需要分析对象的性别信息。当然，根据情况也可能需要将性别、年龄、人种、身高、残疾与否等复合特 性全部掌握。例如，对于面向50代女性的服装广告而言，分析对象的性别和年龄信息均为必要。在步骤704中，特性分析模块106将多个分析范围中的一个以上的分析范围选定为特性区域。所述特性区域可根据由图像分析模块104计算出的按各分析范围的分析结果的置信度而确定。在一个实施例中，特性分析模块106可以只将所述置信度为100％的分析范围选定为特性区域。在这样构成的情况下，可以消除分析范围计算时被识别为存在标识符却在图像分析结果中无法分析的客体引起的不确切性。并且，也可以如下构成：即使置信度因实施例而不足100％，也将已设定的标准值(例如80％)以上的分析范围选定为特性区域。在步骤706中，特性分析模块106由与选定的各个特性区域对应的所述特性分析结果生成分析对象的私人化的特性信息(特性索引)。具体而言，特性分析模块106可利用由按各特性区域的特性分析结果中的至少一部分的特性分析结果导出的分析对象的共同特性而生成所述特性索引。在步骤708中，特性分析模块106判断包含于导出的特性索引中的各个特性的概率值是否满足标准值(需要条件)。例如，特性分析模块106可在特性索引的概率值为80％以上的情况下判断为满足标准值，否则判断为不满足标准值。如果在所述步骤708中判断的结果所述概率值不满足标准值，则在步骤710中特性分析模块106可添加新特性区域的特性分析结果而更新所述特性索引。即，特性分析模块106在直到获得所期望的结果为止使利用于所述共同特性的导出的按各特性区域的特性分析结果的个数增加，从而重新计算所述共同特性。与此不同，如果所述步骤708中进行判断的结果所述概率值满足标准值，则在步骤712中特性分析模块106将生成的特性分析结果(特性索引)提供给用户。以下举例说明在上述特性分析模块106中的特性分析过程700。例如，假设针对分析对象A的特性掌握需要条件为年龄和性别，且图4所示的分析范围#1、分析范围#2以及分析范围#3的图像数据分析结果分别如下面的表4至表6所示。[表4]NO.年龄性别110代男性220代男性320代女性440代女性520代女性[表5]NO.年龄性别120代男性220代男性330代男性420代女性520代女性650代女性760代女性[表6]NO.年龄性别110代男性230代男性320代女性420代女性550代女性所述分析范围#1至#3均假设为标识符的个数与图像数据内的客体的个数相同的特性区域。首先，利用图4所示的特性区域#1的信息而生成分析对象A的特性索引，如下面的表7所示。[表7]根据表4的信息，检测出2名既是20代又是女性的客体，其余客体则分别检测出1名，单论特性索引#1时，分析对象A既是20代又是女性的概率最高，其达到40％。然而，如果只通过所述结果判断分析对象A的特性，则计算出的概率过低。于是，特性分析模块106提取特性索引#1和特性区域#2的信息的共同特性而生成特性索引#2。首先，提取特性索引#1和特性区域#2的信息的共同特性，如下面的表8所示。[表8]NO.年龄性别120代男性220代女性320代女性420代男性520代男性620代女性720代女性可由所述表8如表9所示地导出特性索引#2。[表9]对特性索引#1应用特性区域#2的共同特性(交集)而计算特性索引#2的结果，分析对象A为20代男性的概率是43％(＝3/7)，分析对象A为20代女性的概率是57％(4/7)。然而，无论是哪种情况，分析对象A为20代的概率是100％，因此在只需要分析对象A的年龄信息的情况下，不需要更进一步的分析作业。然而，如果额外地需要分析对象A的性别信息，则只利用所述表8的结果而确定分析对象A的性别却有难处。于是，特性分析模块106提取特性索引#2和特性区域#3的信息间的共同特性而如下面的表10所示地生成特性索引#3。[表10]参考所述特性索引#3可知分析对象A为20代女性。如上所述，特性分析模块在直到获取与分析对象相关联的所期望的特性为止添加特性区域的信息并生成特性索引。图8为用于说明根据本发明的一个实施例的私人化特性分析方法800的流程图。图8所示的方法例如可由签署的私人化特性分析系统100执行。在图示的流程图中虽将所述方法分为多个步骤而记载，然而至少一部分步骤可改变顺序而执行，或者与其他步骤结合而一起执行，或者被省略，或者被分为细化的步骤而执行，又或者附加未图示的一个以上的步骤而执行。在步骤802中，分析范围计算模块102由伴随分析对象的时间流动而变的定位数据计算出分别具有互不相同的分析时间段的多个分析范围。在步骤804中，图像分析模块104由与所述各个分析范围对应的图像数 据识别出一个以上的客体，并由识别出的各个客体分析一个以上的视觉特性。在步骤806中，特性分析模块106利用按各分析范围的特性分析结果而生成所述分析对象的私人化的特性信息。另外，本发明的实施例可包括用于在计算机上执行本说明书所述的方法的程序以及包含有所述程序的计算机可读记录介质。所述计算机可读记录介质可将程序命令、本地数据文件、本地数据结构等以单独或组合的方式包含在内。所述介质可以是为了本发明而特别设计并构成的介质，或者可以是计算机软件领域中通常可以使用的介质。计算机可读记录介质的例中包括硬盘、软盘以及磁带之类的磁介质；CD-ROM、DVD之类的光记录介质；ROM、RAM、闪存等为了存储并执行程序命令而特别构成的硬件装置。所述程序的例中不仅包括借助于编译器而制作的机器语言代码，而且还可以包括利用解释器等而通过计算机执行的高级语言代码。以上，已详细说明本发明的代表性实施例，然而本发明所属的
技术领域：
中具有基本知识的人员想必理解可在不脱离本发明的范围的限度内对上述实施例加以多样的变形。因此，本发明的权利范围不应局限于所述的实施例而确定，而是应当根据权利要求书及其等价内容而确定。当前第1页1 2 3