本發明的實施例涉及一種通過定位數據和圖像數據的復合分析而對分析對象的私人化特性進行分析的技術。
背景技術：
：近來，在多樣的領域中旨在收集用戶數據并由此掌握用戶的私人化特性的眾多嘗試正在發展。例如，以訪問特定商場的顧客為對象而引導會員加入，并基于加入會員時輸入的信息而對隨著年齡、性別等而變的購買特性進行分析，或者利用按客戶的定位數據而掌握分析對象經常訪問的商場，諸如此類的通過利用起用戶的私人化信息而實現匹配型信息提供乃至市場營銷的多樣的方案正被研究。然而，如上所述的現有技術僅僅依賴于定位數據、圖像數據等簡單類型的數據而導出私人化特性，其在掌握分析對象的多樣的特性方面存在局限性。[現有技術文獻][專利文獻]專利文獻1：美國授權專利公報第8,380,558號(2013-02-19)技術實現要素：本發明公開的實施例旨在提供一種通過對分析對象的定位數據和圖像數據進行復合分析而對分析對象的私人化的多樣的特性進行分析的技術方案。根據一個示例性實施例，提供一種私人化特性分析系統，包括：分析范圍計算模塊，由分析對象的隨時間流動而變的定位數據計算出分別具有互不相同的分析時間段的多個分析范圍；圖像分析模塊，由對應于各個分析范圍的圖像數據識別出一個以上的客體，并由識別出的各個客體分析出一個以上的視覺特性；特性分析模塊，利用按所述各個分析范圍的特性分析結果而生成所述分析對象的私人化的特性信息。所述分析范圍計算模塊可通過對生成所述定位數據的定位單元的誤差特性予以考慮而計算所述分析范圍。所述分析范圍計算模塊可通過額外地考慮與所述定位數據對應的空間的特性而計算所述分析范圍。所述圖像分析模塊可計算出按所述各個分析范圍的特性分析結果的置信度。所述置信度可通過利用如下的個數而計算：存在于所述各個分析范圍內的所有個人標識符的個數；由按所述各個分析范圍而有別的圖像數據識別出的個體的個數。所述特性分析模塊可利用所述置信度而選定所述分析范圍中的一個以上的特性區域，并由與各個特性區域對應的所述特性分析結果生成所述分析對象的私人化特性信息。所述特性分析模塊可將所述分析范圍當中所述置信度為已設定值以上的分析范圍選定為所述特性區域。所述特性分析模塊可把從按所述各個特性區域而有別的特性分析結果中的至少一部分特性分析結果中導出的所述分析對象的共同特性設定為所述分析對象的私人化特性。所述特性分析模塊可在導出的所述共同特性所對應的概率值不滿足標準值的情況下以如下方式重新計算所述共同特性：使利用于所述共同特性的導出的按所述各個特性區域而有別的特性分析結果的個數增加并重新計算所述共同特性。根據另一示例性實施例，提供一種私人化特性分析方法，包括如下步驟：由分析對象的隨時間流動而變的定位數據計算出分別具有互不相同的分析時間段的多個分析范圍；由對應于各個分析范圍的圖像數據識別出一個以上的客體，并由識別出的各個客體分析出一個以上的視覺特性；利用按所述各個分析范圍的特性分析結果而生成所述分析對象的私人化的特性信息。計算所述分析范圍的步驟以如下方式構成：通過對生成所述定位數據的定位單元的誤差特性予以考慮而計算所述分析范圍。計算所述分析范圍的步驟以如下方式構成：通過額外地考慮與所述定位數據對應的空間的特性而計算所述分析范圍。分析所述視覺特性的步驟還可以包括如下步驟：計算出按所述各個分析 范圍的特性分析結果的置信度。所述置信度可通過利用如下的個數而計算：存在于所述各個分析范圍內的所有個人標識符的個數；由按所述各個分析范圍而有別的圖像數據識別出的個體的個數。生成所述私人化的特性信息的步驟以如下方式構成：利用所述置信度而選定所述分析范圍中的一個以上的特性區域，并由與各個特性區域對應的所述特性分析結果生成所述分析對象的私人化特性信息。在生成所述私人化的特性信息的步驟中，可將所述分析范圍當中所述置信度為已設定值以上的分析范圍選定為所述特性區域。生成所述私人化的特性信息的步驟以如下方式構成：把從按所述各個特性區域而有別的特性分析結果中的至少一部分特性分析結果中導出的所述分析對象的共同特性設定為所述分析對象的私人化特性。生成所述私人化的特性信息的步驟以如下方式構成：當導出的所述共同特性所對應的概率值不滿足標準值時，使利用于所述共同特性的導出的按所述各個特性區域而有別的特性分析結果的個數增加并重新計算所述共同特性。根據又一示例性實施例，提供一種存儲于計算機可讀記錄介質中的計算機程序，其特征在于，與硬件結合而執行包含如下步驟的方法：由分析對象的隨時間流動而變的定位數據計算出分別具有互不相同的分析時間段的多個分析范圍；由對應于各個分析范圍的圖像數據識別出一個以上的客體，并由識別出的各個客體分析出一個以上的視覺特性；利用按所述各個分析范圍的特性分析結果而生成所述分析對象的私人化的特性信息。根據本發明公開的實施例，可通過對分析對象的定位數據和圖像數據進行復合分析而準確掌握分析對象的私人化的多樣的特性。附圖說明圖1為用于說明根據本發明的一個實施例的私人化特性分析系統的構造的模塊圖。圖2為用于說明根據本發明的一個實施例的分析范圍計算模塊中執行的分析范圍計算過程的流程圖。圖3為用于說明由根據本發明的一個實施例的分析范圍計算模塊提取分析對象的位置信息的例子的示例圖。圖4為用于說明根據本發明的一個實施例的分析范圍計算模塊由分析對象的位置信息計算分析范圍的例子的示例圖。圖5為用于說明根據本發明的一個實施例的圖像分析模塊中執行的圖像分析過程的流程圖。圖6為用于說明根據本發明的一個實施例的圖像分析模塊104中的圖像分析過程當中圖像拍攝范圍與分析范圍不一致的情形的示例圖。圖7為用于說明根據本發明的一個實施例的特性分析模塊中的特性分析過程的流程圖。圖8為用于說明根據本發明的一個實施例的私人化特性分析方法的流程圖。符號說明100：私人化特性分析系統102：分析范圍計算模塊104：圖像分析模塊106：特性分析模塊具體實施方式以下，參考附圖而說明本發明的具體實施方式。以下的詳細說明是為了對全面理解本說明書中記載的方法、裝置和/或系統有所幫助而提供。然而這只不過是示例，本發明并不局限于此。在說明本發明的實施例的過程中，如果認為對有關本發明的公知技術的具體說明有可能對本發明的主旨造成不必要的混亂，則省略其詳細說明。另外，后述的術語作為考慮到本發明中的功能而定義的術語，可能因使用者、運用者的意圖或慣例等而改變。因此，要以貫穿整個說明書的內容為基礎而對其進行定義。在詳細的說明中使用的術語用于記載本發明的實施例，而絕非用于限定。只要沒有明確不同地使用，則單數的表述包括復數的含義。在本說明書中，“包括”或“具有”之類的表述用于指代某些特性、數字、步驟、操作、要素及其一部分或組合的，不應解釋為排除了所記載者之外的一個或一個以上的其他特性、數字、步驟、操作、要素及其一部分或組合的存在性或可存在性。圖1為用于說明根據本發明的一個實施例的私人化特性分析系統100的 構造的模塊圖。如圖所示，根據本發明的一個實施例的私人化特性分析系統100包括分析范圍計算模塊102、圖像分析模塊104以及特性分析模塊106。在一個實施例中，包含有分析范圍計算模塊102、圖像分析模塊104以及特性分析模塊106的私人化特性分析系統100可在包括一個以上的處理器及與該處理器連接的計算機可讀記錄(存儲)介質的計算裝置中得到實現。計算機可讀記錄(存儲)介質既可以位于處理器的內部或外部，也可以通過眾所周知的多樣的單元而與處理器連接。計算裝置內的處理器可以使各個技術裝置按照本說明書中記載的示例性實施例而執行操作。例如，處理器可執行存儲于計算機可讀記錄(存儲)介質中的指令，而當存儲于計算機可讀記錄(存儲)介質中的指令在被處理器執行時，可以使計算裝置按照本說明書中記載的示例性實施例而執行操作。分析范圍計算模塊102由分析對象的隨著時間流動而變的定位數據計算出具有各不相同的分析時間段的多個分析范圍。在一個實施例中，分析對象可以是持有預定的個人識別單元的人。例如，所述分析對象可以是在特定區域(例如，購物點、百貨店、公司的園內等)內持有個人便攜設備(例如，智能手機、平板電腦、可穿戴設備等)并移動的人。所述個人便攜設備可利用GPS(全球定位系統；GlobalPositioningSystem)、PDR(行人航位推算系統；PedestrianDeadReckoning)、無線通信(WiFi或移動通信網)或近距離通信單元(藍牙、ZigBee等)等多樣的單元而周期性地測量自身的位置。分析范圍計算模塊102可從由多個利用者收集到的按時間段定位數據中識別出分析對象，并由此計算所述分析范圍。在一個實施例中，私人化特性分析系統100可包括專門的定位數據庫(未圖示)，所述定位數據庫可存儲并管理由多個利用者收集到的按時間段定位數據。所述定位數據庫可從多個利用者所持有的個人便攜設備中收集各個利用者的位置數據。在另一實施例中，私人化特性分析系統100還可以通過有線或無線網絡而連接于外部的定位數據庫，由此獲取所述定位數據。圖2為用于說明根據本發明的一個實施例的分析范圍計算模塊102中的分析范圍計算過程200的流程圖。本說明書中圖示的流程圖中所述過程被分為多個步驟而記載，然而至少一部分步驟可改變順序而執行，或者與其他步驟結合而一起執行，或者被省略，或者被分為細化的步驟而執行，又或者附加未圖示的一個以上的步驟而執行。在步驟202中，分析范圍計算模塊102選定用于特性分析的分析對象。在本發明的實施例中，分析對象可以是利用者所持有的個人便攜設備的識別信息(標識符)，例如可以是便攜電話號碼或設置于所述個人便攜設備的應用程序的通用固有標識符(universallyuniqueidentifier；UUID)，或者可以是所述利用者注冊的ID等。然而，本發明的實施例并不局限于特定類型的識別信息，可使用于識別多個利用者中的每個人的所有類型的信息均可不受限制地得到利用。在步驟204中，分析范圍計算模塊102從分析對象的定位數據中提取出按時間段位置信息。在一個實施例中，所述定位數據可包括從多個利用者收集到的位置信息和各個位置信息的收集時刻。分析范圍計算模塊102從如上所述的定位數據中提取分析對象的定位數據，并可由此提取按多個時間段的位置信息。圖3為用于說明在根據本發明的一個實施例的分析范圍計算模塊102中提取分析對象的位置信息的例子的示例圖。在圖示的實施例中，將包含上午09:15、09:30、09:45的三個時間段所分別對應的分析對象A的位置信息與其他利用者的位置信息一并示出。在步驟206中，分析范圍計算模塊102由提取的按各時間段的位置信息計算出多個分析范圍。在一個實施例中，分析范圍計算模塊102可通過考慮生成所述定位數據的定位單元的誤差特性而計算所述分析范圍。例如，在將GPS(全球定位系統；GlobalPositioningSystem)作為定位單元而生成所述定位數據的情況下，分析范圍計算模塊102考慮可伴隨GPS信號特性而發生的誤差，從而可以計算出所述分析范圍。而且，在將PDR(行人航位推算系統；PedestrianDeadReckoning)作為定位單元而生成所述定位數據的情況下，分析范圍計算模塊102可通過考慮加速度傳感器等的誤差特性而計算所述分析范圍。并且，分析范圍計算模塊102可額外考慮對應于所述定位數據的空間特性，從而計算所述分析范圍。例如，當提取的位置信息所對應的空間的一部分被墻壁等封堵或者因其他原因而使移動受限時，分析范圍計算模塊102可從分析范圍中排除相關的一部分區域。圖4為用于說明在根據本發明的一個實施例的分析范圍計算模塊102中由分析對象的位置信息計算分析范圍的例子的示例圖。在圖示的實施例中示 出了如下的示例：利用圖3中提取的按各時間段的分析對象A的位置信息而分別計算出分析范圍#1、分析范圍#2以及分析范圍#3。在步驟208中，分析范圍計算模塊102掌握步驟206中計算出的各個分析范圍內存在的所有個人標識符的個數。此時，作為一例，即使在分析對象停止于特定位置且所述步驟204中提取的位置信息不變的情況下，如果除了分析范圍內的分析對象之外的其余標識符不同，則也確定為單獨的特性分析范圍。按各分析范圍的標識符的個數利用于后述的圖像分析模塊104中的置信度計算。對于前述的圖4的實施例而言，位于分析范圍#1的標識符的個數為5個，位于分析范圍#2的標識符的個數為7個，位于分析范圍#3的標識符的個數總共為5個。然后，圖像分析模塊104從由分析范圍計算模塊102導出的各個分析范圍所對應的圖像數據中識別出一個以上的客體，并由識別出的各個客體分析一個以上的特性。在一個實施例中，私人化特性分析系統100可將定位數據庫與專門的圖像數據庫(未圖示)一并包含。所述圖像數據庫可從布置于分析對象空間的一個以上的圖像拍攝裝置(攝像機或CCTV等)收集圖像數據，并將其存儲和管理。而且，如同定位數據庫，私人化特性分析系統100可通過有線或無線網絡而連接于外部的圖像數據庫，并由此獲取所述圖像數據。圖5為用于說明根據本發明的一個實施例的圖像分析模塊104中的圖像分析過程500的流程圖。在步驟502中，圖像分析模塊104由對應于各個分析范圍的圖像數據識別出可分析的客體。圖像分析模塊104可從圖像數據庫獲取各個分析范圍及分析時間段所對應的圖像，并由此提取可分析的客體。此時，所述客體可以是包含于相關圖像中的人。另外，根據各個圖像拍攝裝置的視場角、布置形態或分析對象空間的特性(結構物、夾具、墻壁等的有無等)，分析范圍計算模塊102中計算出的分析范圍中可能包含有不存在圖像數據的區間。圖6為用于說明根據本發明的一個實施例的圖像分析模塊104中的圖像分析過程中圖像拍攝范圍與分析范圍不一致的情形的示例圖。如圖所示，當圖像拍攝范圍不能包含整個分析范圍時，分析范圍將會分為存在圖像數據的區域和不存在圖像數據的區域。在此情況下，存在圖像數據的區域的客體602 可通過圖像數據進行分析，然而不存在圖像數據的區域的客體604卻無法通過圖像數據進行分析。即，在這樣的情況下，由分析范圍計算模塊102掌握的分析范圍內的標識符的個數與由圖像數據識別出的客體的個數將會變得不同。在步驟504中，圖像分析模塊104對識別的各個客體的視覺特性進行分析。在一個實施例中，由圖像分析模塊104進行分析的客體的特性可包括性別、年齡、人種、身高、殘疾與否、基于持有品等的收入水平等可從客體的外觀推測的所有類型的信息。圖像分析模塊104可利用多樣的類型的圖像分析算法等而分析各個客體的特性，與此相關的具體事項已被本領域技術人員周知，故在此省略其詳細說明。在步驟506中，圖像分析模塊104計算出按各分析范圍的特性分析結果的置信度。在一個實施例中，可利用存在于所述各個分析范圍內的所有個人標識符的個數、由按各分析范圍的所述圖像數據識別出的個體的個數而計算所述置信度。具體而言，可將由按各分析范圍的圖像數據識別出的客體數除以相關分析范圍中識別的個人標識符的個數而獲得一個值，并由該值獲得所述置信度。例如，假設對于特定分析范圍而言，由分析范圍計算模塊102計算出的個人標識符的個數為2個，且由圖像數據識別出的客體的個數也是2個。此時，如果各個客體的圖像分析結果如下面的表1所示，則相關分析范圍中的特性分析結果的置信度如表2所示。[表1]年齡性別20代男性20代女性[表2]分類特性置信度年齡20代100％性別男性50％性別女性50％即，對于個人標識符的個數與客體的個數相同的分析范圍而言，按各個分類(年齡、性別等)的置信度之和成為100％。如果在前述的示例中個人標識符的個數并非2而是4，則相關分析范圍中的特性分析結果的置信度如表3所示。[表3]分類特性置信度年齡20代50％性別男性25％性別女性25％分析范圍內的置信度表示由特性分析模塊106進行特性信息分析時產生誤差的概率。對于前述的示例而言，在分析范圍中識別出的4個標識符中2個無法通過視覺進行識別，從而無法進行分析，因此相關區間中的按各分類的置信度之和降低為50％(＝2/4)。再次回到圖1，特性分析模塊106利用由圖像分析模塊104導出的按各分析范圍的特性分析結果而生成所述分析對象的私人化的特性信息。具體而言，特性分析模塊106從用戶處接收特性掌握需要條件，并生成與相關需要條件對應的分析對象的特性索引。在本發明的實施例中，所謂特性索引表示利用由圖像分析模塊104執行的分析結果而使針對分析對象的一個以上的特性信息的概率實現索引化。圖7為用于說明根據本發明的一個實施例的特性分析模塊106中的特性分析過程700的流程圖。在步驟702中，特性分析模塊106從請求分析的用戶處接收特性掌握需要條件。所述特性掌握需要條件可包括與分析對象相關聯而想要掌握的一個以上的特性分類(性別、年齡等)。根據利用特性分析結果的目的，所述特性掌握需要條件可多樣的構成。例如，當要利用于酒類廣告或煙類廣告時，用戶可能只希望簡單掌握分析對象的年齡。而且，為了女性用品廣告，則可能只需要分析對象的性別信息。當然，根據情況也可能需要將性別、年齡、人種、身高、殘疾與否等復合特 性全部掌握。例如，對于面向50代女性的服裝廣告而言，分析對象的性別和年齡信息均為必要。在步驟704中，特性分析模塊106將多個分析范圍中的一個以上的分析范圍選定為特性區域。所述特性區域可根據由圖像分析模塊104計算出的按各分析范圍的分析結果的置信度而確定。在一個實施例中，特性分析模塊106可以只將所述置信度為100％的分析范圍選定為特性區域。在這樣構成的情況下，可以消除分析范圍計算時被識別為存在標識符卻在圖像分析結果中無法分析的客體引起的不確切性。并且，也可以如下構成：即使置信度因實施例而不足100％，也將已設定的標準值(例如80％)以上的分析范圍選定為特性區域。在步驟706中，特性分析模塊106由與選定的各個特性區域對應的所述特性分析結果生成分析對象的私人化的特性信息(特性索引)。具體而言，特性分析模塊106可利用由按各特性區域的特性分析結果中的至少一部分的特性分析結果導出的分析對象的共同特性而生成所述特性索引。在步驟708中，特性分析模塊106判斷包含于導出的特性索引中的各個特性的概率值是否滿足標準值(需要條件)。例如，特性分析模塊106可在特性索引的概率值為80％以上的情況下判斷為滿足標準值，否則判斷為不滿足標準值。如果在所述步驟708中判斷的結果所述概率值不滿足標準值，則在步驟710中特性分析模塊106可添加新特性區域的特性分析結果而更新所述特性索引。即，特性分析模塊106在直到獲得所期望的結果為止使利用于所述共同特性的導出的按各特性區域的特性分析結果的個數增加，從而重新計算所述共同特性。與此不同，如果所述步驟708中進行判斷的結果所述概率值滿足標準值，則在步驟712中特性分析模塊106將生成的特性分析結果(特性索引)提供給用戶。以下舉例說明在上述特性分析模塊106中的特性分析過程700。例如，假設針對分析對象A的特性掌握需要條件為年齡和性別，且圖4所示的分析范圍#1、分析范圍#2以及分析范圍#3的圖像數據分析結果分別如下面的表4至表6所示。[表4]NO.年齡性別110代男性220代男性320代女性440代女性520代女性[表5]NO.年齡性別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.年齡性別110代男性230代男性320代女性420代女性550代女性所述分析范圍#1至#3均假設為標識符的個數與圖像數據內的客體的個數相同的特性區域。首先，利用圖4所示的特性區域#1的信息而生成分析對象A的特性索引，如下面的表7所示。[表7]根據表4的信息，檢測出2名既是20代又是女性的客體，其余客體則分別檢測出1名，單論特性索引#1時，分析對象A既是20代又是女性的概率最高，其達到40％。然而，如果只通過所述結果判斷分析對象A的特性，則計算出的概率過低。于是，特性分析模塊106提取特性索引#1和特性區域#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和特性區域#2的信息的共同特性，如下面的表8所示。[表8]NO.年齡性別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所示地導出特性索引#2。[表9]對特性索引#1應用特性區域#2的共同特性(交集)而計算特性索引#2的結果，分析對象A為20代男性的概率是43％(＝3/7)，分析對象A為20代女性的概率是57％(4/7)。然而，無論是哪種情況，分析對象A為20代的概率是100％，因此在只需要分析對象A的年齡信息的情況下，不需要更進一步的分析作業。然而，如果額外地需要分析對象A的性別信息，則只利用所述表8的結果而確定分析對象A的性別卻有難處。于是，特性分析模塊106提取特性索引#2和特性區域#3的信息間的共同特性而如下面的表10所示地生成特性索引#3。[表10]參考所述特性索引#3可知分析對象A為20代女性。如上所述，特性分析模塊在直到獲取與分析對象相關聯的所期望的特性為止添加特性區域的信息并生成特性索引。圖8為用于說明根據本發明的一個實施例的私人化特性分析方法800的流程圖。圖8所示的方法例如可由簽署的私人化特性分析系統100執行。在圖示的流程圖中雖將所述方法分為多個步驟而記載，然而至少一部分步驟可改變順序而執行，或者與其他步驟結合而一起執行，或者被省略，或者被分為細化的步驟而執行，又或者附加未圖示的一個以上的步驟而執行。在步驟802中，分析范圍計算模塊102由伴隨分析對象的時間流動而變的定位數據計算出分別具有互不相同的分析時間段的多個分析范圍。在步驟804中，圖像分析模塊104由與所述各個分析范圍對應的圖像數 據識別出一個以上的客體，并由識別出的各個客體分析一個以上的視覺特性。在步驟806中，特性分析模塊106利用按各分析范圍的特性分析結果而生成所述分析對象的私人化的特性信息。另外，本發明的實施例可包括用于在計算機上執行本說明書所述的方法的程序以及包含有所述程序的計算機可讀記錄介質。所述計算機可讀記錄介質可將程序命令、本地數據文件、本地數據結構等以單獨或組合的方式包含在內。所述介質可以是為了本發明而特別設計并構成的介質，或者可以是計算機軟件領域中通常可以使用的介質。計算機可讀記錄介質的例中包括硬盤、軟盤以及磁帶之類的磁介質；CD-ROM、DVD之類的光記錄介質；ROM、RAM、閃存等為了存儲并執行程序命令而特別構成的硬件裝置。所述程序的例中不僅包括借助于編譯器而制作的機器語言代碼，而且還可以包括利用解釋器等而通過計算機執行的高級語言代碼。以上，已詳細說明本發明的代表性實施例，然而本發明所屬的
技術領域：
中具有基本知識的人員想必理解可在不脫離本發明的范圍的限度內對上述實施例加以多樣的變形。因此，本發明的權利范圍不應局限于所述的實施例而確定，而是應當根據權利要求書及其等價內容而確定。當前第1頁1 2 3