信息提供系统、信息提供方法、信息终端以及信息显示方法

技术领域

本发明涉及利用车辆的车载摄像机的信息提供系统、信息提供方法、信息终端以及信息显示方法。

背景技术

具备对车外进行拍摄的车载摄像机的车辆正在普及。

在日本特开2003－162793中，记载了基于由车载摄像机拍摄到的图像数据来获取道路的拥堵信息。

车载摄像机的图像数据也可以利用于日本特开2003－162793所记载的拥堵信息的获取用途以外的用途。特别是可以想到如果能对用户所希望的位置进行用户所希望的信息分析，则车载摄像机的图像数据的利用可能性扩大。

发明内容

本发明适应用户的需求来进行从车载摄像机的图像数据中提取的信息的提供。

本发明的信息提供系统具备：收集单元，将多个车载摄像机中拍摄到的图像数据与进行拍摄的位置的信息建立关联地对所述图像数据进行收集；提取单元，从在某位置附近拍摄到的所述图像数据中，针对该位置附近的人或者车辆提取与提取项目相关的特征信息；分类单元，将提取出的所述特征信息分类至分类项目；以及提供单元，将分类后的所述特征信息提供给用户，所述位置、所述提取项目或者所述分类项目基于所述用户的请求而设定。

在本发明的一个方案中，所述提取项目中包括所述人的移动信息、年龄、性别中的至少一个。

在本发明的一个方案中，所述提取项目中包括所述车辆的移动信息、车型、乘坐者信息中的至少一个。

在本发明的一个方案中，所述收集单元还将所述图像数据与进行拍摄的定时信息建立关联地对所述图像数据进行获取，所述分类项目中包括以时间进行分类的项目，所述分类单元基于所述定时信息以时间对提取出的所述特征信息进行分类。

在本发明的一个方案中，还具备重复防止单元，所述重复防止单元在多个车载摄像机中拍摄到的所述图像数据中重复地拍摄有所述人或者所述车辆的情况下，防止所述特征信息的重复提取。

在本发明的一个方案中，还具备推定单元，所述推定单元基于在类似条件下提取出的所述特征信息，对多个车载摄像机中未进行拍摄的时间段进行推定。

在本发明的一个方案中，具备受理单元，所述受理单元从所述用户受理指定了所述提取项目的信息提供的请求，在不存在与所指定的所述提取项目相关的所述特征信息的情况下，所述提取单元重新提取与所述提取项目相关的所述特征信息，所述分类单元进行重新提取出的所述特征信息的分类，所述提供单元将重新分类后的所述特征信息提供给所述用户。

在本发明的一个方案中，具备受理单元，所述受理单元从所述用户受理指定了所述分类项目的信息提供的请求，在不存在分类至所指定的所述分类项目的所述特征信息的情况下，所述分类单元将所述特征信息重新分类至所述分类项目，所述提供单元将重新分类后的所述特征信息提供给所述用户。

在本发明的一个方案中，具备受理单元，所述受理单元从所述用户受理信息提供的请求，在不存在满足所受理的信息提供的请求的所述图像数据的情况下，所述收集单元重新进行满足请求的所述图像数据的收集。

在本发明的一个方案中，还具备收费单元，所述收费单元根据所述提取项目或者所述分类项目的设定来对所述用户进行收费。

本发明的信息提供方法包括：收集步骤，将多个车载摄像机中拍摄到的图像数据与进行拍摄的位置的信息建立关联地对所述图像数据进行收集；提取步骤，从在某位置附近拍摄到的所述图像数据中，针对该位置附近的人或者车辆提取与提取项目相关的特征信息；分类步骤，将提取出的所述特征信息分类至分类项目；以及提供步骤，将分类后的所述特征信息提供给用户，所述位置、所述提取项目或者所述分类项目基于所述用户的请求而设定。

本发明的信息终端具备：设定单元，设定位置、提取项目或者分类项目；接收单元，接收特征信息已被分类至所述分类项目的数据，所述特征信息是针对在所述位置附近通行的人或者车辆，从由多个车载摄像机拍摄到的图像数据中关于所述提取项目所提取出的特征信息；以及显示单元，显示接收到的所述数据。

本发明的信息显示方法包括：设定步骤，设定位置、提取项目或者分类项目；接收步骤，接收特征信息已被分类至所述分类项目的数据，所述特征信息是针对在所述位置附近通行的人或者车辆，从由多个车载摄像机拍摄到的图像数据中关于所述提取项目所提取出的特征信息；以及显示步骤，显示接收到的所述数据。

根据本发明，能以满足用户的需求的形式提供从车载摄像机的图像数据中提取的关于人或者车辆的信息。

附图说明

以下，参照附图，对本发明的示例性实施例的特征、优点以及技术和工业意义进行说明，其中，相同的附图标记表示相同的元件，其中：

图1是实施方式的车载摄像机图像利用系统的概略性构成图。

图2是表示车辆的概略性构成的图。

图3是表示信息提供系统的概略性构成的图。

图4是要利用车载摄像机进行拍摄的区域的地图。

图5是由车载摄像机拍摄到的图像数据的快照。

图6是表示从图像数据中提取特征信息的处理的例子的图。

图7是提取出的特征信息的例子。

图8是将特征信息分类至分类项目并图表化的例子。

图9是表示重复防止处理的流程图。

图10是表示未进行拍摄的期间的数量推定处理的流程图。

具体实施方式

以下，参照附图对实施方式进行说明。在说明中，为了容易理解而示出具体的方案，但这些方案是举例示出实施方式的方案，除此之外也可以采取各种实施方式。

图1是表示实施方式的车载摄像机图像利用系统10的概略构成的图。车载摄像机图像利用系统10是如下系统：在收集由车载摄像机拍摄到的图像数据并进行解析之后，将解析结果提供给用户。车载摄像机图像利用系统10中包括车辆12、14、信息提供系统30以及PC(Personal Computer：个人计算机)80。

图1的两台车辆12、14是代表具备车载摄像机的许多车辆而图示出的。在人进行活动的区域中，通常，许多车辆12、14正在行驶，通过车载摄像机在各种位置和环境下对车辆的内外的情景进行拍摄。通过拍摄得到的图像数据被发送至信息提供系统30。

信息提供系统30是使用设置于进行信息提供的企业的办公室等的一个或者多个硬件来构建的系统。此外，信息提供系统30也可以通过网络将远程地分散的硬件连接来构建。信息提供系统30包括收集服务器40、保存服务器50、解析服务器60以及提供服务器70。收集服务器40从预先得到了向车载摄像机图像利用系统10的参与许可的车辆12、14接收图像数据。保存服务器50对收集服务器40收集到的图像数据和通过解析服务器60的解析而得到的已分类特征信息等进行保存。解析服务器60进行保存服务器50所保存的图像数据的解析，从而进行特征信息的提取处理、提取出的特征信息的分类处理等解析处理，将得到的已分类特征信息保存于保存服务器50。提供服务器70对保存于保存服务器50的已分类特征信息进行适当编辑之后发送至PC80。

PC80是具备设定单元、接收单元、显示单元的信息终端的一个例子，供用户使用。在PC80中，能通过安装应用程序，或者通过利用web浏览器(web browser：网页浏览器)等访问信息提供系统30来进行信息提供的请求。在请求时，用户还指示位置的设定、图像数据的收集期间的设定、提取项目的设定、分类项目的设定中的至少一个设定。当然，也可以进行它们中的任意两个、任意三个或者全部的设定指示。位置的设定例如可以是指定一点的设定，也可以设定具有空间上的广度的区域。也可以通过确定建筑物或者设施来进行位置的设定。在PC80中，接收关于所提供的信息的数据，并使该数据显示于显示器等。需要说明的是，用户也可以利用平板电脑、智能手机等各种信息终端来代替PC80。

图2是对图1所示的车辆12进行详细说明的图。车辆12具备车载摄像机20、GPS22、时钟24以及无线通信装置26。

车载摄像机20是搭载于车辆12并对车外或者车内的情景进行拍摄的摄像机。车载摄像机20例如设置于车厢内的车顶前端附近，透过前挡风玻璃对车辆前方侧的车外进行拍摄来获取图像数据。图像数据是提供二维或三维的视觉信息的数据。图像数据一般是运动图像，但也可以是以适当的时间间隔拍摄的静止图像。在车载摄像机图像利用系统10中，车载摄像机20的图像数据被发送至信息提供系统30，被使用于人或者车辆的解析。因此，作为车载摄像机20，设置有能获得人或者车辆的解析所需的分辨率的图像数据的车载摄像机。为了确保分辨率或者视野，车载摄像机20也可以设有多个。

车载摄像机20例如也可以兼作记录车辆12的行驶状况的行车记录仪。此外，例如在车辆12具备自动驾驶模式的情况下，车载摄像机20也可以兼作掌握车辆前方的交通状况的传感器。需要说明的是，作为车载摄像机20，通常使用利用可见光的可见光摄像机，但也可以采用红外线摄像机、紫外线摄像机等各种波段的摄像机。此外，车载摄像机20也可以对车辆12的侧方、后方等前方以外的方位进行拍摄。

GPS22是Global Positioning System(全球定位系统)的简称，是使用人造卫星来检测车辆12的位置的传感器。由GPS22得到的检测结果被用作拍摄位置数据，该拍摄位置数据确定车辆12的车载摄像机20的图像数据是在哪个位置拍摄到的。在以时间序列追踪拍摄位置数据的情况下，会知晓车辆12的行驶路线。

时钟24是显示年月日时的定时的装置。时钟24的输出被用作拍摄时刻数据，该拍摄时刻数据是确定拍摄到车辆12的车载摄像机20的图像数据的定时的定时信息。

无线通信装置26是通过Wi-Fi(注册商标)等无线通信与外部进行通信的装置。车辆12通过无线通信装置26将拍摄到的图像数据以及对应的拍摄位置数据和拍摄时刻数据发送至信息提供系统30。

需要说明的是，有时在车辆12还设有温度传感器、日照量传感器等获取与天候关联的数据的传感器。与拍摄时对应的传感器输出可以作为拍摄天候数据与图像数据一起通过无线通信装置26发送至信息提供系统30。

图3是对信息提供系统30的功能的详情进行说明的框图。信息提供系统30包括收集服务器40、保存服务器50、解析服务器60以及提供服务器70。收集服务器40、保存服务器50、解析服务器60以及提供服务器70是通过利用OS(Operating System：操作系统)、应用程序等软件来控制具备存储器、处理器等的计算机硬件而构建出的装置。

收集服务器40是收集单元的例子。在收集服务器40中，在应用程序的控制下，构建有收集条件设定部42和数据接收部44。

收集条件设定部42用于针对收集车载摄像机20的图像数据的对象设定条件。收集条件的设定可以由管理员进行，也可以基于程序自动地进行。作为收集条件的例子，可列举出：收集对象的区域的指定、在区域中成为收集对象的车辆12、14的指定(台数、车型、行驶速度等)、拍摄时刻的指定、拍摄期间的指定等。通过设定收集条件，例如，能积极地收集车辆12、14不怎么行驶的区域或者不怎么行驶的时刻的图像数据。此外，能防止超出必要地大量收集车辆12、14较多行驶的区域或者较多行驶的时刻的图像数据。

在收集条件设定部42中，也可以根据来自后述的提供服务器70的信息提供受理部72的指示来设定收集条件。由此，也能针对从PC80的用户进行了信息提供的请求的位置附近收集图像数据，进而设定收集的期间等。

数据接收部44按照收集条件设定部42所设定的收集条件来获取来自车辆12、14等的图像数据和对应的拍摄位置数据、拍摄时刻数据、拍摄天候数据等。此外，也可以根据需要来获取拍摄时的行驶速度数据、车型数据等。

保存服务器50是存储各种数据的装置。在保存服务器50中保存有从收集服务器40的数据接收部44发送的图像数据52和对应的拍摄位置数据、拍摄时刻数据、拍摄天候数据等。此外，在保存服务器50中还保存有从解析服务器60的分类处理部68发送的已分类特征信息54。

解析服务器60具备位置设定部61、提取项目设定部62、提取处理部64、分类项目设定部66以及分类处理部68。

位置设定部61是进行关于位置的设定的单元的例子，设定进行图像数据的解析的位置。在位置设定部61中，根据管理员的指示或者程序来进行位置的设定。此外，也可以由对PC80进行操作的用户通过后述的提供服务器70的信息提供受理部72来进行位置的设定。位置的设定可以通过各种方式进行，可以指定一点来进行，也可以指定具有平面上的广度的区域来进行。所设定的位置的信息被发送至提取处理部64。

提取项目设定部62是进行关于特征信息的设定的单元的例子，设定规定从图像数据中获取什么样的特征信息的提取项目。特征信息的设定可以采用默认值，也可以由管理员进行变更。此外，也可以基于来自用户的要求通过后述的提供服务器70的信息提供受理部72来设定。

在此，特征信息是指表示图像数据中所包含的人或者车辆的特征的信息。例如，在关于人的特征信息中，除了是否存在人这样的信息之外，还包括存在人的情况下的人的移动方向、存在位置(或者移动路径)、移动速度等移动信息。是一个人行动、还是与另一个人一起行动、还是与几个人一起行动这样的行动人数信息也是关于人的特征信息。此外，在关于人的特征信息中，还包括年龄、性别、身高、体型(胖、瘦、标准等)、表情(喜怒哀乐等)、视线方向、服装类(服装、鞋、帽等)、佩戴物(手表、眼镜等)、携带物(包、智能手机、手杖等)。而且，人正在做什么(正在走、正在跑、正在说话、正在操作智能手机、正在遛狗、正在等巴士、正在吸烟等)这样的行动信息也是关于人的特征信息。

在关于车辆的特征信息中，除了是否存在车辆这样的信息之外，还包括存在车辆的情况下的车辆的移动方向、存在位置(或者移动路径)、移动速度等移动信息。此外，车辆的车型(是四轮以上的车辆、还是摩托车、还是自行车、还是一般的乘用车、还是一般的车辆、还是运营车、还是出租车、还是巴士、还是卡车等)、车辆制造商、车辆的颜色、灯的颜色等信息也是关于车辆的特征信息。而且，在关于车辆的特征信息中，还包括车辆的乘坐者信息(乘坐者数、性别、年龄、视线等)、车牌信息(注册地、车型、编号等)。不过，车辆的乘坐者信息也是上述的关于人的特征信息。

为了提取大量这样的特征信息，需要许多的运算。因此，在提取项目设定部62中进行提取项目的设定。

提取处理部64是提取单元的例子。提取处理部64从保存于保存服务器50的图像数据52中提取与提取项目相关的特征信息。在提取处理部64中，从位置设定部61获取成为提取对象的位置的信息，从保存服务器50获取包含该位置的图像数据52，对该位置进行提取处理。

提取处理例如可以通过利用了深度学习等机器学习的AI(ArtificialIntelligence：人工智能)处理来进行。由提取处理部64提取出的特征信息例如与拍摄位置数据和拍摄时刻数据建立对应。由此，也能进行与从其他车载摄像机20的图像数据中提取出的特征信息的比较处理或者信息综合处理。

在提取处理部64设有重复防止处理部65。重复防止处理部65是重复防止单元的一个例子，在由多个车载摄像机20拍摄到同一人或者同一车辆的情况下，防止特征信息被重复地提取。关于重复防止处理将在下文进行说明。

分类项目设定部66设定规定如何对特征信息进行分类的分类项目。分类项目的设定可以采用默认值，也可以由管理员进行变更。此外，也可以基于来自用户的要求通过后述的提供服务器70的信息提供受理部72来设定。

在此，分类项目是指用于对特征信息进行分类的项目。作为分类项目的例子，可列举出季节、月份、星期等关于时间的项目。将一日之中以早中晚夜或者以一小时为单位等进行细分的方案也是关于时间的分类项目的例子。此外，将关于人的特征信息按照年龄或性别进行分类也是分类项目的例子。同样地，将关于车辆的特征信息按照车型或者乘坐者数进行分类也是分类项目的例子。而且，作为分类项目，也可以设定天候(晴、雨、雪等天气或者气温等)。如此，对于分类项目可以进行各种设定，以便用户能从特征信息中提取出有益的信息。

分类处理部68是分类单元的例子，将由提取处理部64提取出的特征信息分类至由分类项目设定部66设定的分类项目。分类例如可以通过将与各分类项目对应的标签赋予特征信息来进行。此外，也可以进行对符合各分类项目的特征信息的个数进行计数等求出数量的处理。

在分类处理部68设有推定处理部69。推定处理部69是推定单元的例子，对未进行拍摄的期间的特征信息的数量进行推定。关于推定处理部69将在下文进行说明。

提供服务器70具备信息提供受理部72、编辑部74、收费处理部76以及发送部78。

信息提供受理部72从PC80等受理用户的信息提供的请求。在信息提供的请求时，用户能指定想要接受信息的提供的位置、提取特征信息的提取项目以及对特征信息进行分类的分类项目。此外，在信息提供的请求时，用户还能指定提取信息的图像数据的收集期间等。

在信息提供受理部72受理了信息提供的请求的情况下，如果已经存在已分类特征信息54，则直接进行发送。但是，在不存在满足所受理的条件的已分类特征信息54的情况下，信息提供受理部72对解析服务器60的提取项目设定部62进行提取项目的设定，而且对分类项目设定部66进行分类项目的设定。由此，在解析服务器60中生成满足条件的已分类特征信息54，且该已分类特征信息54被保存于保存服务器50。需要说明的是，在保存服务器50中未保存有满足条件的图像数据52的情况下，信息提供受理部72拒绝来自用户的请求，或者，在收集服务器40的收集条件设定部42设定收集条件，指示新的图像数据的收集开始。

编辑部74按照信息提供受理部72所受理的请求从保存服务器50获取已分类特征信息54。然后，进行图表化等编辑处理。

收费处理部76是收费单元的例子，根据信息提供受理部72所受理的请求来进行对用户的收费处理。收费一般被设定为提供的信息量越多越高额。例如，根据成为信息提供的对象的位置的个数、根据提取的特征信息的个数或者根据分类项目的个数来设定金额。

发送部78是提供单元的例子，将编辑部74所编辑的信息发送至PC80。

需要说明的是，以上示出的信息提供系统30的构成是一个例子，可以进行各种变更。作为一个例子，可列举出使分类处理部68和编辑部74一体化而将分类结果直接加工为能发送的数据的方案。

接着，参照图4～图8，对由信息提供系统30执行的处理的具体例进行说明。

图4是表示想要通过信息提供系统30来收集信息的区域的假想的地图。此外，图5是与图4对应的图，示出了由图4所示的车辆12拍摄到的图像数据的某时间点的图像。

如图4所示，在地图的中央延伸有车行道92。该车行道92作为右侧通行的车行道来进行说明。车行道92被中央线94分隔成右车道96和左车道98。在车行道92的右侧有右人行道100，在车行道92的左侧有左人行道102。在该车行道92设定有位置A、B、C。位置A是基于用户的请求而设定的。在信息提供系统30中，在从位置A起沿着车行道92的两个方向设定位置B和位置C，将从位置B起到位置C为止的范围(就是说位置A的附近的范围)设定为提取关于人和车辆的特征信息的对象。位置B和位置C从在位置A处在车行道92和右人行道100、左人行道102通行的人流和车辆流变化不大的范围中选择。就是说，以在位置B与位置C之间不包含交叉路口、大规模停车场、大规模公共设施等的方式设定位置B和位置C。

如图4所示，在比右人行道100靠右侧，从跟前朝向里侧存在建筑物110、店铺112、广告牌114、建筑物116、118。在左人行道102的左侧存在作为室外设施的公园120。在公园120存在多棵树木122、124等。

在右人行道100，在建筑物110的前面附近，两名行人130、132正在从位置C侧朝向位置B侧行走。行人130是二十多岁的母亲，穿着毛衣和裙子。行人132是女儿，穿着毛衣和裤子。此外，在右人行道100的店铺112的前面，穿着制服的男高中生134正在从位置C侧朝向位置B侧行走。在店铺112的内部，店员136和顾客138正在交谈。

在左车道98，车辆140正在从位置C侧朝向位置B侧行驶。车辆140是X公司制的名称为Y的四轮的一般的车辆(由一般家庭购入，大多供私人使用)。在车辆140设置有车牌141。在车辆140的车内，穿着T恤的四十多岁的男驾驶员142正在驾驶。此外，在公园120中，三名散步者144、146、148正在行走。

在信息提供系统30中，基于来自用户的请求来进行图4的位置A的附近的信息收集。因此，沿着车行道92在位置A的两侧设定位置B和位置C，进行在从位置B起到位置C为止的区域通行的人或者车辆的调查。

车辆12的车载摄像机20对车辆12的前方进行拍摄。因此，车辆12在从位置B的稍微跟前起行驶至位置C的稍微跟前为止的期间拍摄到的图像数据成为解析的对象。所拍摄的图像数据是在时间上连续的运动图像形式，一边改变角度一边连续地对相同对象(例如，行人130)进行拍摄。因此，除了能高精度地掌握对象的位置之外，还能掌握对象的移动等。

图6是与图5对应的图，示出了由解析服务器60的提取处理部64进行的提取处理的例子。在此，通过利用AI处理识别出行人130、132、134、店员136、顾客138、车辆140、车牌141、驾驶员142、散步者144、146、148。

图7是以表格形式示出了由提取处理部64提取出的特征信息的图。在图7中设有车辆编号、年月日、时刻、星期、天气、气温、人编号、相对位置、移动方向、移动方式、性别、年龄、服装、头部、与周围的关系的各项目。

车辆编号是分配给进行了拍摄的车辆的编号。年月日、时刻、星期根据拍摄时刻数据或者日历信息来得到。此外，关于气温，被输入从车辆12的外部气温传感器或者气象观测系统得到的值。人编号是分配给被识别出的各个人的编号。

从移动方向起到与周围的关系为止是提取项目的例子。移动方向通过对运动图像的AI处理来提取。此外，移动方式、性别、年龄、服装、头部通过关于图像识别的AI处理来提取。而且，与周围的关系通过利用AI处理对运动图像中的各个人的行动、视线、表情等进行判别来提取。

图7所示的例子全部示出了车辆12所拍摄到的图像数据的处理结果。将2019年11月22日(星期五，晴，气温17摄氏度)的15点22分10秒作为代表性的时刻，识别出行人130，并分配了人编号130。并且，在该时刻，提取出该行人130在右人行道100中的距离位置B为25m的位置处正在通过徒步从位置C朝向位置B进行移动。此外，提取出该行人130为女性，年龄为19－30岁，上半身穿着毛衣，下半身穿着裙子。而且，还提取出该行人130的头发为中等程度的长度且为茶色，没戴眼镜，正在与被分配了人编号132的行人132同行。

此外，提取出行人132在右人行道100中的距离位置B为25m的位置处正在通过徒步从位置C朝向位置B进行移动。但是，没能通过AI处理判别出性别。提取出该行人132的年龄为3－5岁，上半身穿着毛衣，下半身穿着裤子，头发为中等程度的长度且为黑色，没戴眼镜。

在图7的例子中，对车辆140的驾驶员142也同样地归纳了提取出的特征。即，记载了驾驶员142被分配了人编号142，该驾驶员142在左车道98中的距离位置B为26m的位置处正在通过车辆从位置C朝向位置B进行移动。提取出移动方式为车辆，车辆为四轮，车辆为X公司的称为Y的车辆，车牌的记载为ZZZ。此外，提取出驾驶员142为男子，年龄为41－50岁，上半身穿着T恤，头发短且发色不明，没戴眼镜。并且，在与周围的关系一栏没有记载，提取出驾驶员142一个人搭乘于车辆140。

而且，在图7的例子中，也进行了关于行人134的特征信息的提取。另一方面，在图7的例子中，关于在店铺112中的店员136和顾客138，未提取特征信息。这是因为店员136和顾客138不是通行者，不符合对通行者进行调查这样的目的。不过，也可以通过得到店铺112的同意等，也从店铺112的内部收集特征信息。

在图7的例子中，关于公园120中的散步者144、146、148，也未提取特征信息。这是因为散步者144、146、148在远离左人行道102的位置处行走，不能说是通行者。此外，在散步者144、146、148在公园120中往返多次这样的情况下，也可能会重复地对人数进行计数。不过，在散步者144、146、148在距离左人行道102近的位置处沿着左人行道102行走这样的情况下，也可以将它们作为通行者来提取特征信息。

在解析服务器60中，对于这样得到的特征信息，进一步由分类处理部68分类至分类项目。然后，由编辑部74进行图表化等。

图8是由编辑部74制成的表示提供信息的例子的图。在图8中，通过图表记载了在位置A附近(从位置B起到位置C为止的区域)的右人行道100行走的行人的信息。

图8的左下的柱形图是按照男女记录了从7点起到23点为止的每一小时的行人数。即，是将作为特征信息的行人的人数以时间和男女为分类项目进行了分类的例子。根据该柱形图可知，8点至9点和9点至10点的行人是以男性为中心而非常多的人数。此外，还可知16点至17点和17点至18点是以女性为中心而非常多的人数。

图8的右上的饼形图表示了16点至17点的女性行人的年龄比率。即，是将作为特征信息的行人的人数以年龄为分类项目进行了分类的例子。根据该饼形图可知，12～18岁、19～30岁、31～40岁分别占25％左右而成为多数。

在用户是店铺112的相关人员的情况下，能通过PC80来阅览如图8那样的信息并利用于店铺112的营销活动中。并且，例如，可以想到根据通行者的年龄来变更电子广告牌的内容的应对、或者变更商品的陈列的应对等。此外，也可以想到在行人多的时间段在店铺112的前面开设利用了车辆的移动型店铺这样的利用。在用户是正在研究作为租户入驻店铺112的人员的情况下，也能掌握正在研究的商业的目标群体是否正在行走。

虽然在图8中未示出，但左人行道102的行人的掌握以及通过车辆在车行道92通行的人的掌握在营销调查中也是重要的。在信息提供系统30中，能根据用户的要求将各种提取信息分类至用户所需的分类项目并进行提示。

需要说明的是，在如图8的例子那样对行人的人数进行计数等进行定量调查的情况下，可以想到由多个车辆12、14的车载摄像机20重复地计数，或者由于未拍摄到图像数据而无法掌握。参照图9和图10对该情况的应对进行说明。

图9是对在提取处理部64的重复防止处理部65中实施的重复防止处理进行说明的图。重复防止处理部65基于不同的车载摄像机20的拍摄时刻数据来判定上次的图像数据的拍摄时刻与本次的图像数据的拍摄时刻之差是否比规定值长(S10)。在拍摄时刻之差比规定值长的情况下(是)，视为没有重复而结束处理。另一方面，在拍摄时刻之差为规定值以下的情况下(否)，可能会从各个图像数据中提取出同一人或者同一车辆。因此，判定从上次的图像数据中提取出的特征信息与从本次的图像数据中提取出的特征信息是否不同(S12)。在特征信息不同的情况下(是)，视为特征信息没有重复而结束处理。另一方面，在特征信息一致的情况下(否)，视为有重复，删除重复部分(S14)。对所有的图像数据进行该处理，由此重复被防止。

图10是对在分类处理部68的推定处理部69中实施的推定处理进行说明的图。在分类处理部68中，首先判定是否连续地对成为对象的位置附近进行了拍摄(S20)。在连续地进行了拍摄的情况下(是)，能将存在于该位置附近的人或者车辆全部提取，因此结束处理。另一方面，在存在未进行拍摄的时间的情况下(否)，有时会无法提取实际上通行的人或者车辆。因此，参照在类似条件下提取出的人或者车辆等的数量(S22)。作为类似条件，例如可以采用未进行拍摄的时间段的附近的时刻、或者与未进行拍摄的时间段不同日期(并且，也可以设为相同的星期几)的相同时间段等。使用满足该类似条件的数量来推定未进行拍摄的时间段的数量(S24)。由此，能计算出关于全部时间段的数量。

在以上的说明中，示出了提取关于人的特征信息并进行分类的例子。但是，同样地，也可以提取关于车辆的特征信息并进行分类。由此，例如能按照时间段、星期以及车型来掌握在车行道92行驶的车辆的量等。由此，例如，自治体等能简单地掌握特定的位置附近的车辆的交通量。

在以上的说明中，列举了对在特定的位置附近通行的人或者车辆进行调查的方案作为例子。但是，在信息提供系统30中，也能掌握在包含一个或者多个交叉路口的区域通行的人或者车辆。在交叉路口处，人流和车辆流分岔或者合流。但是，通过掌握人和车辆的移动，即使在包含交叉路口的区域中，也能掌握关于人和车辆的特征信息。在将更广的区域作为对象的情况下，例如，也能掌握城市中的人流或者车辆流。这样的信息在规划新的道路、车站等制定城市规划的方面是有用的。此外，例如在制定选举所使用的选举车、进行广告宣传的广告车等的行驶路线这样的情况下也是有用的。