公共空間内を往来する歩行者の属性や行動目的などを推定する技術は，施設の利用状況を自動的に観測し，各人物に最適な情報提供を行う情報環境の構築に貢献できる．その際には，どの人物同士が共に行動しているのかを推定し，歩行者をグループとして扱う技術が求められる．歩行者のグループを検出するには，２人の歩行者間の歩行軌跡や注意の向きの関係を手がかりとする手法が多く用いられる．これらの手法は，観測データ全体から特徴量を抽出して識別しており，歩行者グループは常にグループらしい動きをすること前提としている．しかし，実空間での歩行者グループは各個人の興味の対象の違いや障害物を回避する道筋の違いなどから常にグループらしい行動をする訳ではない．これによって，これまでの手法ではグループ検出が困難となる事例が見られる．本研究では，歩行データの時系列分割とマルチプル・インスタンス・ラーニング（MIL）によって，行動中の短時間に存在するグループらしい振る舞いを検出する手法を提案する．提案手法では，歩行データを時系列分割し，各時間区間の特徴量をMILを用いて別々に識別する．MILは教師あり学習の一種であり，複数の要素データの集合であるバッグ内に，少なくとも１つの正の要素データがあるかどうかを識別する．上記の時系列分割によって，時間区間の一部にグループらしい特徴があればそれを検出することができる．実験では，グループ動作を模擬したデータと，実際のショッピングモールで取得したデータを利用し，提案手法の有効性を確認した．
