JP2000083186A

JP2000083186A - 映像機器

Info

Publication number: JP2000083186A
Application number: JP10263899A
Authority: JP
Inventors: Hiroshi Suda; 浩史須田
Original assignee: Canon Inc
Current assignee: Canon Inc
Priority date: 1998-09-03
Filing date: 1998-09-03
Publication date: 2000-03-21

Abstract

(57)【要約】【課題】制御コマンドの選択や、映像やタイトルを選
択するに際して、音声入力で行えるため使い方が複雑で
難しい従来の欠点を解消することができるのみならず、
コマンドの入力間違いの確率が大幅に低下し、信頼性の
高い映像機器を提供する。【解決手段】音声コマンド用マイク１１４が入力した
制御用音声信号を音声認識エンジン１１５により認識
し、その認識した制御用音声信号から被制御装置を制御
するための制御コマンドを音声認識用辞書ファイル１１
６により選択し、その選択された制御コマンドにて前記
被制御装置をコントローラ１０７により制御し、しか
も、音声認識用辞書ファイル１１６を階層構造にして、
階層的に前記制御コマンドを選択する。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、撮影者の音声を認
識し、その認識結果に応じて諸機能を制御させる音声機
能を備えたビデオカメラや電子スチルカメラ等の映像機
器に関する。

【０００２】

【従来の技術】従来のビデオテープレコーダ一体型のビ
デオカメラについて、図７を用いて説明する。

【０００３】図７は、従来のビデオテープレコーダ一体
型のビデオカメラの構成を示すブロック図である。同図
において、レンズ１０１を通った被写体像は、撮像素子
（ＣＣＤ）１０２上に結像され、この撮像素子１０２に
より撮像信号に変換される。そして、この撮像信号はカ
メラ信号処理回路１０３にて信号処理されて標準テレビ
信号Ｓ１に変換される。これと同時にタイトルＲＯＭ
（リードオンリーメモリ）１１３から読み出されたタイ
トルデータは、タイトル画面発生器１１２にて展開され
た後、加算器１０４にて標準テレビ信号Ｓ１に加算され
ることにより、タイトル付き標準テレビ信号Ｓ２が生成
される。

【０００４】また、記録用マイク１０９により入力され
た音声信号は、音声信号処理回路１１０で信号処理され
ることで、最適な周波数特性やダイナミックレンジの音
声信号に変換された後、レコーダ信号処理回路１０５へ
入力される。このレコーダ信号処理回路１０５では、タ
イトル付き標準テレビ信号Ｓ２や音声信号を磁気テープ
に記録するのに最適な信号に変換し、記録部１０６にて
磁気テープに記録する。これと同時に、レコーダ信号処
理回路１０５では、表示装置１１１に表示するのに最適
な信号を生成して、表示装置１１１に表示する。

【０００５】これらの処理に先立ってコントローラ１０
７では、各種操作スイッチ１０８の状態を読み取り、タ
イトル画面発生器１１２に対しては、タイトル画面を発
生させるか否かの選択や、タイトル画面を発生させる場
合のタイトルＲＯＭ１１３から読み出すタイトルの種類
の指示を行う。また、カメラ信号処理回路１０３に対し
ては、ホワイトバランスの設定やＡＥの設定等、画作り
についての設定を行う。更に、レコーダ信号処理回路１
０５、記録部１０６を制御することで、磁気テープの巻
き戻し、録画、再生等の各モードの指示を出す。

【０００６】このような構成のビデオテープレコーダ一
体型のビデオカメラ等は、最近非常に多機能化してお
り、そのため非常に多くのスイッチを有しており、これ
に伴い使い方も複雑になってきている。

【０００７】この使い方の複雑さを解消するために、音
声認識技術を応用して、ビデオテープレコーダ一体型の
ビデオカメラに対して話しかけることにより、各種のコ
マンドを実行するようにしたもの（音声コマンドシステ
ム）が提案されている（例えば、特開平５−６１４９７
号）。

【０００８】また、タイトル画面を音声コマンドにて選
択、実行させるようにしたもの（音声コマンドタイト
ル）も提案されている（例えば、特開平７−１７７４６
０号）。

【０００９】

【発明が解決しようとする課題】しかしながら、上述し
た従来例の音声認識を応用した音声コマンドシステムに
あっては、認識させたいコマンド（例えば、”早送
り”、”再生”、”録画”等）の数が増えれば増えるほ
どコマンド入力を間違える確率が高くなるため、信頼性
が低下するという問題点があった。

【００１０】また、上述した従来例のタイトル画面を選
択する音声コマンドタイトルも同様で、タイトルが１０
や２０ならばまだしも、１００や２００等と増える従っ
て信頼性が低下するという問題点があった。

【００１１】本発明は上述した従来の技術の有するこの
ような問題点に鑑みてなされたものであり、その目的と
するところは、制御コマンドの選択や、映像やタイトル
を選択するに際して、音声入力で行えるため使い方が複
雑で難しい従来の欠点を解消することができるのみなら
ず、コマンドの入力間違いの確率が大幅に低下し、信頼
性の高い映像機器を提供しようとするものである。

【００１２】

【課題を解決するための手段】上記目的を達成するため
に請求項１記載の映像機器は、制御用音声信号を入力す
る制御用音声信号入力手段と、前記制御用音声信号入力
手段が入力した制御用音声信号を認識する制御用音声信
号認識手段と、前記制御用音声信号認識手段が認識した
制御用音声信号から被制御装置を制御するための制御コ
マンドを選択する制御コマンド選択手段と、前記制御コ
マンド選択手段により選択された制御コマンドにて前記
被制御装置を制御する制御手段とを具備し、前記制御コ
マンド選択手段を階層構造にして、階層的に前記制御コ
マンドを選択することを特徴とする。

【００１３】また、上記目的を達成するために請求項２
記載の映像機器は、請求項１記載の映像機器において、
前記制御用音声信号認識手段は、制御用音声信号認識エ
ンジンであることを特徴とする。

【００１４】また、上記目的を達成するために請求項３
記載の映像機器は、請求項１記載の映像機器において、
前記制御コマンド選択手段は、音声認識用辞書ファイル
であることを特徴とする。

【００１５】また、上記目的を達成するために請求項４
記載の映像機器は、請求項１，２または３記載の映像機
器において、前記映像機器は、ビデオカメラであること
を特徴とする。

【００１６】また、上記目的を達成するために請求項５
記載の映像機器は、請求項１，２または３記載の映像機
器において、前記映像機器は、電子スチルカメラである
ことを特徴とする。

【００１７】また、上記目的を達成するために請求項６
記載の映像機器は、映像信号に他の情報を重ねて記録す
るための情報入力手段と、制御用音声信号を入力する制
御用音声信号入力手段と、前記制御用音声信号入力手段
が入力した制御用音声信号を認識する制御用音声信号認
識手段と、前記制御用音声信号認識手段が認識した制御
用音声信号から前記情報入力手段により前記映像信号に
重ねて記録する前記他の情報を選択する情報選択手段と
を具備し、前記情報選択手段を階層構造にして、階層的
に前記他の情報を選択することを特徴とする。

【００１８】また、上記目的を達成するために請求項７
記載の映像機器は、請求項６記載の映像機器において、
前記他の情報は、映像であることを特徴とする。

【００１９】また、上記目的を達成するために請求項８
記載の映像機器は、請求項６記載の映像機器において、
前記他の情報は、タイトルであることを特徴とする。

【００２０】また、上記目的を達成するために請求項９
記載の映像機器は、請求項６記載の映像機器において、
前記制御用音声信号認識手段は、制御用音声信号認識エ
ンジンであることを特徴とする。

【００２１】また、上記目的を達成するために請求項１
０記載の映像機器は、請求項６記載の映像機器におい
て、前記情報選択手段は、音声認識用辞書ファイルであ
ることを特徴とする。

【００２２】また、上記目的を達成するために請求項１
１記載の映像機器は、請求項６乃至９または１０記載の
映像機器において、前記映像機器は、ビデオカメラであ
ることを特徴とする。

【００２３】また、上記目的を達成するために請求項１
２記載の映像機器は、請求項６乃至９または１０記載の
映像機器において、前記映像機器は、電子スチルカメラ
であることを特徴とする。

【００２４】

【発明の実施の形態】以下、本発明の各実施の形態を図
１乃至図６に基づき説明する。

【００２５】（第１の実施の形態）まず、本発明の第１
の実施の形態を図１乃至図３に基づき説明する。

【００２６】図１は、本発明の第１の実施の形態に係る
映像機器の構成を示すブロック図であり、同図におい
て、上述した従来例の図７と同一部分には同一符号が付
してある。

【００２７】図１において図７と異なる点は、図７の構
成に音声コマンド用マイク１１４、音声認識エンジン１
１５及び音声認識用辞書ファイル１１６を付加したこと
である。

【００２８】音声コマンド用マイク１１４は、ここに向
かって話した音声コマンドは、音声認識エンジン１１５
にて制御用音声信号を検出・判別されることにより認識
され、音声認識用辞書ファイル１１６内の音声単語に一
致するコマンドを探し出す。ここで一致したコマンドは
コントローラ１０７へ送られ、このコントローラ１０７
により、タイトル画面発生器１１２、カメラ信号処理回
路１０３、レコーダ信号処理回路１０５及び記録部１０
６等を制御する。

【００２９】次に、音声認識用辞書ファイル１１６の構
造について、図２を用いて説明する。

【００３０】音声認識用辞書ファイル１１６は、第１辞
書２０１、第２辞書２０２、第３辞書２０３、第４辞書
２０４にて構成され、第１辞書２０１から第２辞書２０
２と第３辞書２０３が派生し、第２辞書２０２から第４
辞書２０４が派生する階層構造になっている。

【００３１】図２において、例えば、”録画モード（ろ
くが、れこーでぃんぐ、れっく、もーど）”の表現は、
コントローラ１０７を制御するコマンドの内容が”録画
モード”であり、このコマンドを選択するための音声コ
マンド（音声コマンド用マイク１１４に向かって話す言
葉）が”ろくが”、”れこーでぃんぐ”、”れっ
く”、”もーど”であることを示す。

【００３２】第１辞書２０１には録画モードか再生モー
ドかの選択が含まれ、第２辞書２０２には録画モードに
おけるコマンドである”防振オン”や”防振オフ”等が
含まれる。また、第３辞書２０３には再生モードにおけ
るコマンドである”再生”や”早送り”等が含まれ、第
４辞書２０４には録画モードの１コマンドであるプログ
ラムＡＥの具体的な設定内容である”グリーンモード”
や”スポットライトモード”等が含まれる。

【００３３】次に、上記構成になる映像機器の動作を図
３に基づき説明する。

【００３４】図３は、本実施の形態に係る映像機器にお
ける階層型の音声コマンド認識のアルゴリズムを示すフ
ローチャートである。

【００３５】まず、ステップＳ３０１で処理を開始し
て、次のステップＳ３０２で検索辞書を第１辞書２０１
に設定する。次に、ステップＳ３０３で直前に音声コマ
ンド用マイク１１４に向かって話した言葉を検出・判別
し、一致する音声コマンドが検索辞書（ここでは第１辞
書２０１）に存在するかを検索する。次に、ステップＳ
３０４で前記ステップＳ３０３における検索結果の内容
を判断する。そして、前記ステップＳ３０４において検
索結果が”コマンドが存在しない”と判断された場合は
前記ステップＳ３０３へ戻る。また、前記ステップＳ３
０４において検索結果が”録画モード”であると判断さ
れた場合はステップＳ３１０へ、更に検索結果が”再生
モード”であると判断された場合はステップＳ３０５へ
それぞれ進む。

【００３６】ステップＳ３０５では、コントローラ１０
７にて動作モードを再生モードに設定し、次のステップ
Ｓ３０６で検索辞書を第３辞書２０３に設定する。次
に、ステップＳ３０７で直前に音声コマンド用マイク１
１４に向かって話した言葉を検出・判別し、一致する音
声コマンドが検索辞書（ここでは第３辞書２０３）に存
在するかを検索する。次に、ステップＳ３０８で前記ス
テップＳ３０７における検索結果の内容を判断する。そ
して、前記ステップＳ３０８において検索結果が”戻
れ”と判断された場合は前記ステップＳ３０２へ戻る。
また、前記ステップＳ３０８において検索結果が”その
他のコマンド”であると判断された場合はステップＳ３
０９で検索結果の再生モードのコマンドを実行した後、
前記ステップＳ３０７へ戻り、次のコマンドの検出・判
別を行う。

【００３７】一方、前記ステップＳ３０４において検索
結果が”録画モード”であると判断された場合はステッ
プＳ３１０へ進んで、コントローラ１０７にて動作モー
ドを録画モードに設定する。次に、ステップＳ３１１で
検索辞書を第２辞書２０２に設定する。次に、ステップ
Ｓ３１２で直前に音声コマンド用マイク１１４に向かっ
て話した言葉を検出・判別し、一致する音声コマンドが
検索辞書（ここでは第２辞書２０２）に存在するかを検
索する。次に、ステップＳ３１３で前記ステップＳ３１
２における検索結果の内容を判断する。そして、前記ス
テップＳ３１３において検索結果が”戻れ”と判断され
た場合は前記ステップＳ３０２へ戻る。また、前記ステ
ップＳ３１３において検索結果が”プログラムＡＥ”で
あると判断された場合はステップＳ３１５へ、また、前
記ステップＳ３１３において検索結果が”その他のコマ
ンド”であると判断された場合はステップＳ３１４で検
索結果の録画モードのコマンドを実行した後、前記ステ
ップＳ３１２へ戻り、次のコマンドの検出・判別を行
う。

【００３８】また、前記ステップＳ３１３において検索
結果が”プログラムＡＥ”であると判断された場合はス
テップＳ３１５へ進んで、検索辞書を第４辞書２０４に
設定する。次に、ステップＳ３１６で直前に音声コマン
ド用マイク１１４に向かって話した言葉を検出・判別
し、一致する音声コマンドが検索辞書（ここでは第４辞
書２０４）に存在するかを検索する。次に、ステップＳ
３１７で前記ステップＳ３１６における検索結果の内容
を判断する。そして、前記ステップＳ３１７において検
索結果が”戻れ”と判断された場合は前記ステップＳ３
１１へ戻る。また、前記ステップＳ３１７において検索
結果が”その他のコマンド”であると判断された場合は
ステップＳ３１８へ進んで、検索結果のプログラムＡＥ
設定コマンドを実行した後、前記ステップＳ３１６へ戻
り、次のコマンドの検出・判別を行う。

【００３９】（第２の実施の形態）次に、本発明の第２
の実施の形態を図４乃至図６に基づき説明する。なお、
本実施の形態に係る映像機器の構成は、音声認識用辞書
ファイル１１６の構造を除いて上述した第１の実施の形
態における図１と同一であるから、必要に応じて同図を
流用して説明する。

【００４０】本実施の形態に係る映像機器における音声
認識用辞書ファイル１１６の構造について、図４を用い
て説明する。

【００４１】図４は、音声認識用辞書ファイル１１６の
構造を示す図である。音声認識用辞書ファイル１１６
は、第１辞書４０１、第２辞書４０２、第３辞書４０
３、第４辞書４０４により構成される。第１辞書４０１
から第２辞書４０２、第３辞書４０３及び第４辞書４０
４が派生する階層構造になっている。

【００４２】図４において、例えば、第２辞書４０２に
属する”結婚式（結婚式）”の表現の意味は、コントロ
ーラ１０７からタイトル画面発生器１１２に指示を出す
タイトルの内容が”結婚式”で、このタイトルを選択す
るための音声コマンド（音声コマンド用マイク１１４に
向かって話す言葉）が”けっこんしき”であることを示
し、この結果として、図５（ａ）に示すようなタイトル
が撮像機器（カメラ）の撮像信号Ｓ１に重ね合わせられ
る。同様に、第３辞書４０３に属する”お正月（しょう
がつ、おしょうがつ）”の表現の意味は、タテトルの内
容が”お正月”で、図５（ｂ）に示すようなタイトルが
撮像機器の撮像信号Ｓ１に重ね合わせられるが、そのタ
イトルを表示するためには、音声コマンド用マイク１１
４に向かって”しょうがつ”或いは”おしょうがつ”と
話すことによって実現することができる。

【００４３】第１辞書４０１には、タイトルの分類を行
うための”行事”、”季節”、”スポーツ”等が含ま
れ、第２辞書４０２には、”行事”分類の具体的なタイ
トルである”結婚式”或いは”入学式”等が含まれ、第
３辞書４０３には、”季節”分類の具体的なタイトルで
ある”お正月”或いは”節分”等が含まれ、第４辞書４
０４には、”スポーツ”分類の具体的なタイトルであ
る”スキー”或いは”スケート”等が含まれる。

【００４４】次に、上記構成になる映像機器の動作を図
６に基づき説明する。

【００４５】図６は、本実施の形態に係る映像機器にお
ける階層型の音声認識タイトルのアルゴリズムを示すフ
ローチャートである。

【００４６】まず、ステップＳ６０１で処理を開始し
て、次のステップＳ６０２で検索辞書を第１辞書４０１
に設定する。次に、ステップＳ６０３で直前に音声コマ
ンド用マイク１１４に向かって話した言葉を検出・判別
し、一致する音声コマンドが検索辞書（ここでは第１辞
書４０１）に存在するかを検索する。次に、ステップＳ
６０４で前記ステップＳ６０３における検索結果の内容
を判断する。そして、前記ステップＳ６０４において検
索結果が”コマンドが存在しない”と判断された場合は
前記ステップＳ６０３へ戻る。また、前記ステップＳ６
０４において検索結果が”行事”であると判断された場
合はステップＳ６０５へ、また、検索結果が”季節”で
あると判断された場合はステップＳ６０９へ、更に検索
結果が”スポーツ”であると判断された場合はステップ
Ｓ６１３へそれぞれ進む。

【００４７】ステップＳ６０５では検索辞書を第２辞書
４０２に設定する。次に、ステップＳ６０６で直前に音
声コマンド用マイク１１４に向かって話した言葉を検出
・判別し、一致する音声コマンドが検索辞書（ここでは
第２辞書４０２）に存在するかを検索する。次に、ステ
ップＳ６０７で前記ステップＳ６０６における検索結果
の内容を判断する。そして、前記ステップＳ６０７にお
いて検索結果が”戻れ”と判断された場合は前記ステッ
プＳ６０２へ戻る。また、前記ステップＳ６０７におい
て検索結果が”その他のタイトル設定コマンド”である
と判断された場合はステップＳ６０８で検索結果のタイ
トルを表示装置１１１に表示した後、前記ステップＳ６
０６へ戻り、次のコマンドの検出・判別を行う。

【００４８】一方、前記ステップＳ６０４において検索
結果が”季節”であると判断された場合はステップＳ６
０９へ進んで、検索辞書を第３辞書４０３に設定する。
次に、ステップＳ６１０で直前に音声コマンド用マイク
１１４に向かって話した言葉を検出・判別し、一致する
音声コマンドが検索辞書（ここでは第３辞書４０３）に
存在するかを検索する。次に、ステップＳ６１１で前記
ステップＳ６１０における検索結果の内容を判断する。
そして、前記ステップＳ６１１において検索結果が”戻
れ”と判断された場合は前記ステップＳ６０２へ戻る。
また、前記ステップＳ６１１において検索結果が”その
他のコマンド”であると判断された場合はステップＳ６
１２で検索結果のタイトル設定コマンドを実行した後、
前記ステップＳ６１０へ戻り、次のコマンドの検出・判
別を行う。

【００４９】また、前記ステップＳ６０４において検索
結果が”スポーツ”であると判断された場合はステップ
Ｓ６１３へ進んで、検索辞書を第４辞書４０４に設定す
る。次に、ステップＳ６１４で直前に音声コマンド用マ
イク１１４に向かって話した言葉を検出・判別し、一致
する音声コマンドが検索辞書（ここでは第４辞書４０
４）に存在するかを検索する。次に、ステップＳ６１５
で前記ステップＳ６１４における検索結果の内容を判断
する。そして、前記ステップＳ６１５において検索結果
が”戻れ”と判断された場合は前記ステップＳ６０２へ
戻る。また、前記ステップＳ６１５において検索結果
が”その他のコマンド”であると判断された場合はステ
ップＳ６１６へ進んで、検索結果のタイトル設定コマン
ドを実行した後、前記ステップＳ６１４へ戻り、次のコ
マンドの検出・判別を行う。

【００５０】

【発明の効果】以上詳述したように本発明の映像機器に
よれば、多機能化、複雑化する映像機器において、制御
用音声信号入力手段が入力した制御用音声信号を制御用
音声信号認識手段より認識し、その認識した制御用音声
信号から被制御装置を制御するための制御コマンドを制
御コマンド選択手段により選択し、その選択された制御
コマンドにて前記被制御装置を制御手段より制御するよ
うにし、しかも、前記制御コマンド選択手段を階層構造
にして、階層的に前記制御コマンドを選択するようにし
たから、容易に操作できるのみならず、コマンドの入力
間違いの確率が大幅に低下し、信頼性が向上するという
効果を奏する。

【図面の簡単な説明】

【図１】本発明の第１の実施の形態に係る映像機器の構
成を示すブロック図である。

【図２】本発明の第１の実施の形態に係る映像機器にお
ける音声認識用辞書ファイルの構造を説明するための図
である。

【図３】本発明の第１の実施の形態に係る映像機器の動
作の流れを示すフローチャートである。

【図４】本発明の第２の実施の形態に係る映像機器にお
ける音声認識用辞書ファイルの構造を説明するための図
である。

【図５】本発明の第２の実施の形態に係る映像機器にお
けるタイトルの一例を示す図である。

【図６】本発明の第２の実施の形態に係る映像機器の動
作の流れを示すフローチャートである。

【図７】従来の映像機器の構成を示すブロック図であ
る。

【符号の説明】１０１レンズ１０２撮像素子（ＣＣＤ）１０３カメラ信号処理回路１０４加算器１０５レコーダ信号処理回路１０６記録部１０７コントローラ１０８各種操作スイッチ１０９記録用マイク１１０音声信号処理回路１１１表示装置１１２タイトル画面発生器１１３タイトルＲＯＭ（リードオンリーメモリ）１１４音声コマンド用マイク１１５音声認識エンジン１１６音声認識用辞書ファイル２０１第１辞書２０２第２辞書２０３第３辞書２０４第４辞書４０１第１辞書４０２第２辞書４０３第３辞書４０４第４辞書

Claims

【特許請求の範囲】

【請求項１】制御用音声信号を入力する制御用音声信
号入力手段と、前記制御用音声信号入力手段が入力した
制御用音声信号を認識する制御用音声信号認識手段と、
前記制御用音声信号認識手段が認識した制御用音声信号
から被制御装置を制御するための制御コマンドを選択す
る制御コマンド選択手段と、前記制御コマンド選択手段
により選択された制御コマンドにて前記被制御装置を制
御する制御手段とを具備し、前記制御コマンド選択手段
を階層構造にして、階層的に前記制御コマンドを選択す
ることを特徴とする映像機器。
【請求項２】前記制御用音声信号認識手段は、制御用
音声信号認識エンジンであることを特徴とする請求項１
記載の映像機器。
【請求項３】前記制御コマンド選択手段は、音声認識
用辞書ファイルであることを特徴とする請求項１記載の
映像機器。
【請求項４】前記映像機器は、ビデオカメラであるこ
とを特徴とする請求項１，２または３記載の映像機器。
【請求項５】前記映像機器は、電子スチルカメラであ
ることを特徴とする請求項１，２または３記載の映像機
器。
【請求項６】映像信号に他の情報を重ねて記録するた
めの情報入力手段と、制御用音声信号を入力する制御用
音声信号入力手段と、前記制御用音声信号入力手段が入
力した制御用音声信号を認識する制御用音声信号認識手
段と、前記制御用音声信号認識手段が認識した制御用音
声信号から前記情報入力手段により前記映像信号に重ね
て記録する前記他の情報を選択する情報選択手段とを具
備し、前記情報選択手段を階層構造にして、階層的に前
記他の情報を選択することを特徴とする映像機器。
【請求項７】前記他の情報は、映像であることを特徴
とする請求項６記載の映像機器。
【請求項８】前記他の情報は、タイトルであることを
特徴とする請求項６記載の映像機器。
【請求項９】前記制御用音声信号認識手段は、制御用
音声信号認識エンジンであることを特徴とする請求項６
記載の映像機器。
【請求項１０】前記情報選択手段は、音声認識用辞書
ファイルであることを特徴とする請求項６記載の映像機
器。
【請求項１１】前記映像機器は、ビデオカメラである
ことを特徴とする請求項６乃至９または１０記載の映像
機器。
【請求項１２】前記映像機器は、電子スチルカメラで
あることを特徴とする請求項６乃至９または１０記載の
映像機器。