JP2003348410A - 音声入力可能なカメラ - Google Patents

Abstract

(57)【要約】 【課題】 入力された音声を分析して文字画像に変換
し、被写体像と合成することができるカメラにおいて、
印刷画面上の適切な位置に文字画像を合成することがで
きる音声入力可能なカメラを提供する。 【解決手段】 被写体を撮像し、電子画像を取得する撮
像手段と、撮像動作時に、音声情報を取り込む音声入力
手段と、上記音声情報をテキストデータに変換する音声
認識回路１６と、上記テキストデータを文字画像に変換
する文字画像出力回路１７と、上記取得した被写体電子
画像と上記文字画像を合成する画像処理コントローラ４
とを具備する音声入力可能なカメラにおいて、上記画像
処理コントローラ４は、上記電子画像中の主要被写体領
域を判定して、上記主要被写体領域以外の領域に上記文
字画像を合成するようにしたことを特徴とする。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、音声入力可能なカ
メラ、詳しくは、マイクロフォンを有し、入力された音
声を文字画像に変換し、これを撮像した被写体像に合成
して表示する機能を有する音声入力可能なカメラに関す
る。

【０００２】

【従来の技術】周知のように、マイクロフォンを備え、
音声入力を可能としたデジタルカメラは、従来から種々
提供されている。この種のカメラは、カメラ付属のモニ
タ装置で、撮像された被写体画像を再生する際、入力さ
れた音声も同時に再生するようになっている。しかし、
この種のカメラは、画像を紙にプリントした場合には、
その音声情報までは再生できなくなる。

【０００３】そこで、特開平５−１８４５４４号公報に
開示されたカメラでは、入力された音声を画像表示と同
時に再生するだけでなく、入力された音声を分析し、前
記音声を“ひらがな”、“カタカナ”、“漢字”、“ア
ルファベット”等の文字画像に変換し、これを被写体像
と合成することによって、撮影した画像を印刷する場
合、文字も一緒に印字出来ることを可能としている。

【０００４】よって、このカメラによれば、撮影時の会
話内容は、印刷された画像上に書き込まれるので、静止
画像を見るだけでは得られない「撮影時の雰囲気」や
「臨場感」を印刷された画像から感じ取ることができ
る。

【０００５】

【発明が解決しようとする課題】ところが、上記特開平
５−１８４５４４号公報に提案されている音声入力可能
なカメラにおいては、被写体像に合成される文字画像の
配置位置までは、特に考慮していないため、印字された
文字が主要被写体上の不適切な位置に配置されると、文
字が見難かったり、撮像された重要な被写体画像情報を
文字画像で隠してしまう虞があった。

【０００６】本発明の目的は、上記事情に鑑みてなされ
たものであり、入力された音声を分析して文字画像に変
換し、被写体像と合成することができるカメラにおい
て、印刷された写真画面上の適切な位置に文字画像を合
成することができる音声入力可能なカメラを提供するこ
とにある。

【０００７】

【課題を解決するための手段、及び作用】上記の目的を
達成するために本発明による音声入力可能なカメラは、
撮影光学系を介して被写体を撮像し、被写体の電子画像
を取得する撮像手段と、上記撮像手段による撮像動作時
に、音声情報を取り込む音声入力手段と、上記音声情報
をテキストデータに変換するテキストデータ設定手段
と、上記テキストデータを文字画像に変換する文字画像
生成手段と、上記撮像手段で取得した被写体の電子画像
と上記文字画像を合成する合成手段とを具備する音声入
力可能なカメラにおいて、上記合成手段は、上記電子画
像中の主要被写体領域を判定して、上記主要被写体領域
以外の領域に上記文字画像を合成するようにしたことを
特徴とする。

【０００８】また、本発明による音声入力可能なカメラ
は、撮影光学系を介して被写体を撮像し、被写体の電子
画像を取得する撮像手段と、上記撮像手段による撮像動
作時に、音声情報を取り込む音声入力手段と、上記音声
情報をテキストデータに変換するテキストデータ設定手
段と、上記テキストデータを文字画像に変換する文字画
像生成手段と、上記電子画像中の主要被写体領域、また
は非主要被写体領域を判定する判定手段と、上記非主要
被写体領域に上記文字画像を合成して、上記電子画像を
表示する表示手段とを具備することを特徴とし、また、
上記非主要被写体領域は、輝度分布が均一な領域である
ことを特徴とする。

【０００９】さらに、本発明による音声入力可能なカメ
ラは、被写体を撮像する際に、音声情報を取り込んで文
字画像に変換し、該文字画像を撮像した電子画像上に合
成する機能を有する音声入力可能なカメラにおいて、主
要被写体に重ならないように、上記文字画像の合成位
置、または文字画像の大きさを変更可能にしたことを特
徴とする。

【００１０】

【発明の実施の形態】先ず、本発明の一実施の形態を説
明するに先立って、本発明の音声入力可能なカメラの概
要について説明する。

【００１１】本発明の音声入力可能なカメラは、従来の
デジタルカメラと同様、ＣＣＤ等の撮像素子を含む撮像
手段で被写体を撮像し、メモリカード等の記録媒体に撮
像した電子画像を記録し、また、記録した電子画像を前
記記録媒体から読み出して液晶表示装置等の表示手段に
表示することが可能である。そして、音声情報を取り込
むためのマイクロフォンを含む音声入力手段を有してい
て、撮影時の音声を画像情報とともに取得することがで
き、さらに、上記音声情報を文字画像データに置換し、
被写体像の電子画像と合成した画像を液晶モニタ画面上
に表示することが可能である。そして、上記文字画像デ
ータは、上記電子画像上の主要被写体が存在しない領域
に合成される。

【００１２】以下、図面を参照して本発明の実施の形態
を説明する。図１は、本発明の一実施の形態である音声
入力可能なカメラの電気回路の構成を示すブロック図で
ある。

【００１３】本発明の音声入力可能なカメラ（以下、デ
ジタルカメラと称す）１には、撮影者の操作に応じた動
作を実現するための全体的な制御を行うシステムコント
ローラ１３が内蔵されており、このシステムコントロー
ラ１３には、撮影光学系２と、撮影処理系（ＣＣＤ、Ａ
／Ｄ）３と、画像処理コントローラ４と、記録系（メモ
リカード）５と、ＬＣＤドライバ６と、コントロールパ
ネル（ＬＣＤ）８と、ファインダ情報液晶パネル９、フ
ァインダ光学系（ＯＶＦ）１１で構成されるファインダ
観察部１０と、入力部１２がそれぞれ接続されている。
更に、上記画像処理コントローラ４には、文字画像出力
回路１７が接続されており、前記文字画像出力回路１７
には、音声認識回路１６が接続され、また、音声認識回
路１６には、音声を電気信号に変換するマイクロフォン
（以下、マイクと称す）１５が接続されている。更に、
前記ＬＣＤドライバ６には、液晶パネル７が接続されて
いる。

【００１４】このように構成されたデジタルカメラ１に
おいては、被写体からの光束が複数の撮影レンズ群から
なる上記撮影光学系２を介して撮影処理系３のＣＣＤに
入射される。上記撮影処理系３は、図示しないＣＣＤ、
撮像回路、Ａ／Ｄ変換器等からなり、ＣＣＤからの出力
はＡ／Ｄ変換されて撮影処理系３から出力され、このＡ
／Ｄ変換出力は画像処理コントローラ４により画像処理
されてメモリカード等を含む記録系５にて記録されるよ
うになっている。

【００１５】上記画像処理コントローラ４は、前記撮影
処理系３からＡ／Ｄ変換されて出力された電子画像信号
を、図示しないＲＡＭ等からなる画像バッファを利用し
て、公知のホワイトバランス処理、カラー処理、ガンマ
補正、シャープネス調整等の画像処理や、さらにはＪＰ
ＥＧ圧縮処理、伸張処理を実行し、メモリカードインタ
ーフェース、メモリカード本体等の記録媒体からなる上
記記録系５に出力するものである。また、この画像処理
コントローラ４は、後述する文字画像データの画像処理
や、撮像された電子画像の主要被写体が存在する領域の
判定も行う。

【００１６】上記記録系５は、前記画像処理コントロー
ラ４で前述した各種処理が行われた電子画像信号や、後
述する文字画像データを記録するものであり、記録媒体
としては、上記メモリカードの他、ハードディスクやフ
ロッピー（登録商標）ディスク等の磁気ディスクやＭＯ
等の光磁気ディスク等を用いても良い。

【００１７】上記メモリカードに記録された画像や画像
処理された画像は、上記ＬＣＤドライバ６を介して再生
用の液晶パネル７に表示される。また、後述する文字デ
ータを合成した画像も表示することが可能である。更
に、前記再生用液晶パネル７には、再生画像の他、メニ
ュー画面が表示されるようになっており、画像再生や画
像加工、削除等の撮影画像関連についての処理入力や時
間設定等の各種設定を、ここに表示されるメニューから
行うことが出来る。

【００１８】また、本デジタルカメラ１は、光学ビュー
ファインダを内蔵しており、このファインダ光学系１１
からの像は、上記ファインダ観察部１０で観察すること
ができる。

【００１９】上記コントロールパネル（ＬＣＤ）８は、
撮影モードや撮影条件、残撮影可能枚数等の各種撮影関
連情報を表示するものである。尚、撮影関連情報の一部
は、前記液晶パネル７や前記ファインダ観察部１０に配
設された上記ファインダ情報液晶パネル９においても表
示可能である。

【００２０】上記システムコントローラ１３は、上記入
力部１２からの操作入力に従い、撮影再生モード設定、
撮影条件設定、撮影実行、画像記録、再生表示、再生画
像加工等を行うための上記構成部２乃至９の制御を行う
ものである。

【００２１】この制御にはＡＦ（自動合焦）、シャッタ
速度設定、連写／単写設定、ＡＥ（自動露出）、測光モ
ード、露出補正、ＩＳＯ感度、ホワイトバランス、スト
ロボ制御、ＣＣＤ制御、画像処理指示、記録制御、画質
設定等の撮影に関する制御（以下、撮影関係制御と称
す）の他、再生画像表示、表示画像選択、電子ズーム、
インデックス表示、パノラマ合成、画像プロテクト、画
像削除等の画像の表示・加工に関する制御（以下、再生
関係制御と称す）や、更には時計設定、ビープ音設定、
プリント予約設定、液晶パネルの明るさ調整等のその他
の各種設定に対する制御（以下、その他各種設定制御と
称す）が含まれる。

【００２２】本実施形態のデジタルカメラ１では、上記
３種類の制御（撮影関係制御、再生関係制御及びその他
各種設定制御）が存在し、制御種別によって、その設定
や操作の入力方法が異なっている。

【００２３】尚、撮影関係制御に関連する入力は条件設
定ダイヤル、及び条件種別釦（いずれも図示されず）に
よって行われ、このような設定処理を撮影条件設定処理
という。一方、再生関係制御及びその他各種設定制御に
関連する入力は、前記液晶パネル７に表示されるメニュ
ー画面から行われ、このような設定処理を再生関連・そ
の他処理という。前記システムコントローラ１３は、上
述した各設定処理を実行する。

【００２４】また、本実施形態のデジタルカメラ１は、
音声入力手段としての上記マイク１５が配設されてお
り、撮像動作に同期して、このマイク１５によって音声
情報を所定時間（例えば５秒間）だけ取り込むことがで
きる。

【００２５】上記音声認識回路１６は、前記マイク１５
で入力された音声情報を認識し、テキストデータに変換
するものであり、更に、この音声認識回路１６は、本発
明におけるテキストデータ設定手段を構成している。

【００２６】上記文字画像出力回路１７は、前記音声認
識回路１６から出力された音声情報を文字画像データに
変換するものであり、この文字画像データは上記画像処
理コントローラ４に出力され、被写体の電子画像（音声
入力時に撮影した画像）と共に上記記録系（メモリカー
ド）５に記憶される。

【００２７】ここで、上記画像処理コントローラ４は、
上記被写体の電子画像（音声入力時に撮影した画像）内
の主要被写体（例えば人物）が存在する領域を判定する
機能を有し、また、前記主要被写体領域以外の領域に、
上記文字画像出力回路１７から出力された文字画像デー
タを合成して前記液晶パネル７に表示させる機能を備え
ている。

【００２８】したがって、撮影直後に、撮影時の音声情
報を可視化した文字画像が主要被写体から外れた位置に
合成された状態で、被写体の電子画像を前記液晶パネル
７上で確認することができる。尚、上記画像処理コント
ローラ４は、本発明における合成手段を構成している。

【００２９】また、上記記録系（メモリカード）５に記
録される、文字画像データと被写体の電子画像データの
２つのデータは関連付けされてはいるが、合成はされて
いない。また、このとき、一緒に合成位置情報も関連付
けされて記録される。尚、上記文字画像出力回路１７
は、本発明における文字画像生成手段を構成している。

【００３０】前述したように、前記画像処理コントロー
ラ４は、前記メモリカード５に記録された画像を撮影者
の指示に応じて読み出し、前記ＬＣＤドライバ６を介し
て前記液晶パネル７から表示させる機能をも有している
が、その際、読み出し対象の画像に文字画像データが関
連付けされている場合には、その文字画像データと合成
位置情報も一緒に読み出し、合成処理した後に前記液晶
パネル７に表示する。尚、前記液晶パネル７は、本発明
における表示手段を構成している。

【００３１】このとき、上記液晶パネル７に合成画像を
表示した際に、合成文字の位置が不適切である場合に
は、撮影者は、上記入力部１２に含まれる指示部材（不
図示）を操作して合成位置を変更することができる。具
体的には、撮影者が上記入力部１２内の指示部材を操作
して、上下左右のいずれかの方向を指示すると、その方
向信号を前記システムコントローラ１３が検知し、前記
画像処理コントローラ４に出力する。その方向信号を受
けた前記画像処理コントローラ４は、画面上の文字画像
の位置を指示された方向へ所定量だけ移動させ、新たな
合成画像を前記液晶パネル７上に表示させる。尚、前記
合成位置情報は、表示動作の終了後に上記記録系５に再
度記録されるため、次回の表示時は、新たに設定した位
置に文字画像が合成されて表示される。

【００３２】次に、前記音声認識回路１６と前記文字画
像出力回路１７と、前記画像処理コントローラ４の構
成、および動作を図２を用いて詳細に説明する。

【００３３】図２に示すように、上記音声認識回路１６
と上記文字画像出力回路１７と上記処理コントローラ４
は前述した接続関係にある。

【００３４】上記音声認識回路１６には、フィルタ手段
３０と、デジタル変換手段３１と、周波数分析手段３２
と、マッチング手段３３と、識別パターンテーブル３４
と、設定手段３６が内蔵されている。

【００３５】上記マイク１５（図１参照）の出力端はフ
ィルタ手段３０の入力端に接続されており、前記フィル
タ手段３０の出力端は、上記デジタル変換手段３１の入
力端に接続されており、前記デジタル変換手段３１の出
力端は、上記周波数分析手段３２の入力端に接続されて
いる。また、前記周波数分析手段３２の出力端は、上記
マッチング手段３３の入力端に接続されており、また、
このマッチング手段３３の入力端には、上記識別パター
ンテーブル３４の出力端が接続されている。前記マッチ
ング手段３３の出力端は、上記設定手段３６の入力端に
接続されている。そして、前記設定手段３６の出力端
は、上記文字画像出力回路１７の文字画像生成手段３８
の入力端に接続されている。

【００３６】上記文字画像出力回路１７には、文字画像
生成手段３８と、フォントテーブル３７が内蔵されてお
り、フォントテーブル３７の出力端は、上記文字画像生
成手段３８の入力端に接続されていて、前記文字画像生
成手段３８の出力端は、上記画像処理コントローラ４の
文字画像拡大縮小手段４２の入力端に接続されている。

【００３７】上記画像処理コントローラ４には、主要被
写体判定手段４０と、合成領域決定手段４１と、文字画
像拡大縮小手段４２と、合成手段４４が内蔵されてい
る。

【００３８】前記撮影処理系３（図１参照）の出力端
は、上記主要被写体判定手段４０の入力端、および、上
記合成手段４４の入力端に接続されており、前記主要被
写体判定手段４０の出力端は、上記合成領域決定手段４
１の入力端に接続されている。また、前記合成領域決定
手段４１の出力端は、上記文字画像拡大縮小手段４２の
入力端、および上記合成手段４４の入力端に接続されて
いて、文字画像拡大縮小手段４２の出力端は、上記合成
手段４４の入力端に接続されている。

【００３９】前記マイク１５（図１参照）によって取り
込まれた音声信号は、上記音声認識回路１６内の前記フ
ィルタ手段３０によってノイズが除去された後、前記デ
ジタル変換手段３１に出力され、デジタルデータに変換
される。

【００４０】そして、変換されたデジタルデータは、上
記周波数分析手段３２で周波数の特徴抽出が行われ、続
いて上記マッチング手段３３によって、これに出力され
る上記識別パターンテーブル３４内に記憶されている識
別パターンとのパターンマッチングによって認識が行わ
れる。そして、その認識結果に基づき、前記デジタルデ
ータは、上記設定手段３６に出力されて文字データの割
り当て設定がなされる。つまりアナログ音声信号をデジ
タル変換し、テキストデータに変換する一連の処理が行
われる。

【００４１】上記文字画像出力回路１７においては、前
記文字画像生成手段３８が、前記マッチング手段３３か
ら出力されたテキストデータと、上記フォントテーブル
３７より出力されたフォントに基づいて文字画像を生成
し、上記画像処理コントローラ４に出力する。

【００４２】前述したように、撮影者によって撮像され
たデジタル画像（撮像信号を処理して得られた電子画像
データ）は、上記画像処理コントローラ４の上記主要被
写体判定手段４０に出力される。上記主要被写体判定手
段４０は、撮像されたデジタル画像中の人物領域を、公
知の技術を用いて判定するものであって、この判定結果
に基づいて画面内における人物が占める領域を測定し、
座標データとして前記合成領域決定手段４１に出力す
る。

【００４３】上記合成領域決定手段４１は、前記主要被
写体判定手段４０から出力された人物領域の座標データ
を受けて、画面内における前記文字画像の合成領域を表
す座標データを出力するものであり、上記文字画像拡大
縮小手段４２は、前記合成領域決定手段４１から出力さ
れた文字画像合成領域座標データを受けて、これに基づ
き、合成する文字の大きさを決定し、それに応じて文字
画像の拡大、または縮小処理を実行する。

【００４４】上記合成手段４４は、前記デジタル画像
と、前記合成領域決定手段４１で決定された合成領域情
報と、前記文字画像拡大縮小手段４２で処理された文字
画像とを用いて、上記液晶パネル７に表示する合成画像
を生成するものである。

【００４５】尚、上記主要被写体判定手段４０は、本実
施形態においては、人物領域を判定する手段であると規
定したが、これに限らず非人物領域を判定する手段であ
っても良いことは勿論である。つまり、前記デジタル画
像内に均一輝度領域、高輝度領域、低輝度領域が存在
し、そのそれぞれの領域を占める割合が撮影倍率から判
断して“人物ではない”と判断出来る場合は、その領域
を文字画像の合成領域にしても良いということである。
よって、上記主要被写体判定手段４０は、画面内の人物
領域、または非人物領域を判定するための手段である。

【００４６】このように本発明の一実施形態を示すカメ
ラにおいては、撮影時に入力された音声が、上記文字画
像出力回路１７に配設された上記文字画像生成手段３８
で文字画像データに変換され、さらに、上記画像処理コ
ントローラ４で撮像画像データと合成する処理を行う場
合、上記主要被写体判定手段４０により、撮像された画
像の主要被写体を判定し、上記合成領域決定手段４１に
より、文字画像を合成するための領域を決定し、また、
上記文字画像拡大縮小手段４２で、前記合成領域決定手
段で設定された領域に適応するように文字画像データの
拡大、縮小処理を行うため、前記主要被写体に重ならな
いように前記文字画像を合成し、表示することができ
る。

【００４７】

【発明の効果】以上説明したように本発明によれば、印
刷された写真画像上の適切な位置に文字画像を合成する
ことができる音声入力可能なカメラを提供することがで
きる。

【図面の簡単な説明】

【図１】本発明の一実施の形態である音声入力可能なカ
メラの電気回路の構成を示すブロック図、

【図２】本発明の一実施の形態の音声入力可能なカメラ
における音声認識回路と文字画像出力回路と画像処理コ
ントローラの文字構成部の回路構成を示すブロック図。

【符号の説明】 ２…撮影光学系（撮像手段） ４…画像処理コントローラ（合成手段）（判定手段） ７…液晶パネル（表示手段） １５…マイクロフォン（音声入力手段） １６…音声認識回路（テキストデータ設定手段） １７…文字画像出力回路（文字画像生成手段）

───────────────────────────────────────────────────── フロントページの続き (51)Int.Cl.⁷ 識別記号 ＦＩ テーマコート゛(参考） // Ｈ０４Ｎ 101:00 Ｇ１０Ｌ 3/00 ５５１Ｇ Ｆターム(参考） 5C022 AA13 AB64 AC01 AC13 AC69 AC72 5C023 AA02 AA11 AA18 AA31 AA37 BA02 BA11 CA02 CA06 DA01 5C053 FA08 GB36 JA01 JA16 KA01 LA02 LA04 5D015 KK02

Claims (4)

【特許請求の範囲】
1. 【請求項１】 撮影光学系を介して被写体を撮像し、被
   写体の電子画像を取得する撮像手段と、 上記撮像手段による撮像動作時に、音声情報を取り込む
   音声入力手段と、 上記音声情報をテキストデータに変換するテキストデー
   タ設定手段と、 上記テキストデータを文字画像に変換する文字画像生成
   手段と、 上記撮像手段で取得した被写体の電子画像と上記文字画
   像を合成する合成手段と、 を具備する音声入力可能なカメラにおいて、 上記合成手段は、上記電子画像中の主要被写体領域を判
   定して、上記主要被写体領域以外の領域に上記文字画像
   を合成するようにしたことを特徴とする音声入力可能な
   カメラ。
2. 【請求項２】 撮影光学系を介して被写体を撮像し、被
   写体の電子画像を取得する撮像手段と、 上記撮像手段による撮像動作時に、音声情報を取り込む
   音声入力手段と、 上記音声情報をテキストデータに変換するテキストデー
   タ設定手段と、 上記テキストデータを文字画像に変換する文字画像生成
   手段と、 上記電子画像中の主要被写体領域、または非主要被写体
   領域を判定する判定手段と、 上記非主要被写体領域に上記文字画像を合成して、上記
   電子画像を表示する表示手段と、 を具備することを特徴とする音声入力可能なカメラ。
3. 【請求項３】 上記非主要被写体領域は、輝度分布が均
   一な領域であることを特徴とする請求項２に記載の音声
   入力可能なカメラ。
4. 【請求項４】 被写体を撮像する際に、音声情報を取り
   込んで文字画像に変換し、該文字画像を撮像した電子画
   像上に合成する機能を有する音声入力可能なカメラにお
   いて、 主要被写体に重ならないように、上記文字画像の合成位
   置、または文字画像の大きさを変更可能にしたことを特
   徴とする音声入力可能なカメラ。