JP2004102632A

JP2004102632A - 音声認識装置および画像処理装置

Info

Publication number: JP2004102632A
Application number: JP2002263397A
Authority: JP
Inventors: Hideo Hitai; 比田井　英雄
Original assignee: Ricoh Co Ltd
Current assignee: Ricoh Co Ltd
Priority date: 2002-09-09
Filing date: 2002-09-09
Publication date: 2004-04-02

Abstract

【課題】タッチパネル付きディスプレイ装置を黒板として使用する際、描画する色を選択する時に簡単な操作で使用可能にし、ツールバーに表示されていない色も選択および変更可能とする音声認識装置および画像処理装置を提供する。
【解決手段】ユーザがディスプレイ上の特定の場所をタッチして、音声入力部２７より描画したい色を発声し、音声認識部６で色を認識する。制御部２８は音声認識部６からの信号を受信し、入力ペンの色の変更および登録をする制御を行うことにより色を選択する。
【選択図】　　　　図１

Description

【０００１】
【発明の属する技術分野】
本発明は、メディアサイト等におけるタッチパネル付きディスプレイを有する音声認識装置および画像処理装置に関する。
【０００２】
【従来の技術】
従来タッチパネル付きディスプレイを有する画像処理装置において、描画する際、色を選択する手段は、ツールバー上に表示された色をクリックすることにより選択する。また、従来の描画ツールアプリケーションソフトウェアでは、色を選択するためにツールバーより選択可能な色のテーブルを表示した後、表示された色をクリックすることにより選択することにより表示可能となる。
【０００３】
また、従来の技術例としては、対象とする機器の動作をオン状態でオフするための音声を登録し、対象とする機器をオフ状態でオンするための音声を登録することにより、騒音を発する機器の音声認識による制御が精度良く行える音声登録方式がある（例えば、特許文献１参照）。また、発声者の音声レベルの高低にかかわらず、最大認識率が得られる音声認識装置がある（例えば、特許文献２参照）。また、マイクアンプのゲインを騒音量に応じて可変とし、これを制御することにより音声区間の検出、音声認識を精度良く行うことができる音声認識装置がある（例えば、特許文献３参照）。また、高騒音下においても、環境の変化に追従させて使い勝手良く、正しい認識結果を得ることの可能な音声認識装置および音声認識方法がある（例えば、特許文献４参照）。
【０００４】
【特許文献１】
特許２９８９１９５号公報（１頁、図１）
【特許文献２】
特開平５−２２４６９４号公報（１−３頁、図２）
【特許文献３】
特開平６−６７６８９号公報（１−３頁、図１）
【特許文献４】
特開１０−４９１９０号公報（１−５頁、図１）
【０００５】
【発明が解決しようとする課題】
以上のように、上述の従来技術例も含め従来におけるタッチパネル付きディスプレイを有する画像処理装置には、描画する色を選択・変更するときにツールバーに表示されているもののみ、マウス等のワンタッチ操作で選択・変更が可能となっていたが、音声認識によって色を選択するという手段はなかった。また、ツールバーに表示されていない色は選択、変更はできなかった。
【０００６】
本発明は上記事情に鑑みてなされたものであり、タッチパネル付きディスプレイ装置を黒板として使用する際、描画する色を選択するときに簡単な操作で使用可能にし、また発声による選択、変更を行うことにより、ツールバーに表示されていない色も選択、変更可能とする音声認識装置および画像処理装置を提供することを目的とする。
【０００７】
【課題を解決するための手段】
かかる目的を達成するために、請求項１記載の音声認識装置は、ユーザの音声を入力する入力手段と、ユーザの音声により色を認識する認識手段と、認識手段からの信号を受信して、入力ペンの色の変更および色の登録をする制御を行う制御手段とを有し、描画の書き込み手段を使用する際、入力ペンの色を指定するために、ユーザがディスプレイ上の特定の場所をタッチして描画したい色を発声することにより選択することを特徴としている。
【０００８】
請求項２記載の音声認識装置によれば、請求項１記載の音声認識装置において複数の言語に対応するため、メモリテーブルを複数持つことを特徴としている。
【０００９】
請求項３記載の音声認識装置によれば、請求項１記載の音声認識装置において、色を選択する際、特定の場所を一定時間以上タッチすることにより、発声した色が選択されることを特徴としている。
【００１０】
請求項４記載の音声認識装置によれば、請求項１記載の音声認識装置において、描画可能な色のテーブルを表示して、発声音をユーザ独自の単語に対して選択可能となることを特徴としている。
【００１１】
請求項５記載の音声認識装置によれば、請求項４記載の音声認識装置において、色に対する単語登録は、キーボードからも入力可能なことを特徴としている。
【００１２】
請求項６記載の画像処理装置によれば、請求項１から５記載の音声認識装置を有し、ユーザの音声によって描画の色を選択および登録することを特徴としている。
【００１３】
【発明の実施の形態】
以下、本発明の実施の形態について、添付図面を参照しながら詳細に説明する。
【００１４】
図２は、本発明の画像処理装置の一実施例を示す回路ブロックの構成を示す図である。図２において、ＣＰＵ１３はバス２３を介して接続されている各回路ブロック全体の制御を司る。ＲＯＭ１４は読み出し専用メモリであり、全体の制御の基本となるプログラムやデータ、あるいは通信装置１７から公衆回線を経由して転送されてきたプログラムやデータは、ハードディスクドライブ（ＨＤＤ）１６内に格納・記憶され、また画像入力装置１５やディスクドライブ（ＤＤ）１８、さらには通信装置１７などから入力されてくる画像ファイルもハードディスクドライブ（ＨＤＤ）１６内の画像ファイル保存用の特定フォルダに保存される。ディスクドライブ（ＤＤ）１８により駆動される光ディスク装置２５やフレシキブルディスク装置２６は、前述のようにプログラムや各種データあるいは画像ファイル、オブジェクトデータなどを読み書きすることができる。
【００１５】
操作装置１９は、キーボードやマウスなどから構成され、操作者からの指示を受け付けるための装置である。プリンタ装置２１は、画像などの印刷を行う。ディスプレイ装置２０は、画像ファイルをはじめ、画像処理の動作に必要な各種情報などを操作者にディスプレイ表示するための装置である。通信装置１７は、モデムやターミナルアダプタなどで構成され、公衆回線を介してインターネット上のＷｅｂサーバや他の画像処理装置などと画像ファイルやプログラムなどに関する情報の送受を司る。
【００１６】
本実施例の画像処理装置は、ＲＯＭ１４およびＨＤＤ１６に記録されている各種プログラムや領域指定データをＣＰＵ１１に読み込んで実行することにより、ＲＡＭ１５上に保存されている画像ファイルやオブジェクトデータに対して所望の画像処理を施すものである。
【００１７】
次に、図３は音声認識装置を示すブロック図である。図３において、１はマイク、２は音声入力部、３は特徴量抽出部、４は入力パターン作成部、５は切替え部、６は音声認識部、７は登録パターン作成部、８はエレメント値比較部、９は累積部、１０は判定部、１１は転送部、１２は辞書メモリである。
【００１８】
マイク１は入力音声を音声信号に変換し、音声入力部２は前記音声信号を増幅・整形する等の所定の処理を行う。特徴量抽出部３は、例えば、複数個の互いに通過させる周波数が異なるバンドパスフィルターやパラメータ抽出回路等を備え、ホルマント周波数を検出したり、ローカルピークを検出したりすることで音声の特徴を抽出する。入力パターン作成部４は、前記の抽出された音声特徴量にて周波数と時間軸を有する２次元の入力パターンを作成する。切替え部５は、前記の入力パターンを音声認識部６に入力する（音声認識モード）か、登録パターン作成部７に入力する（音声登録モード）かの切替えを行うものであり、この切替えは、例えば、ユーザによるキーボード操作など、外部からのコマンドによって行われる。
【００１９】
音声認識部６は、音声認識モードにおいて、辞書メモリ１２に格納されている既登録パターンと前記の入力パターンとの類似度を計算し、最も類似した既登録パターンに対応した適当な出力（音声出力・表示出力等）を認識結果として出力する。登録パターン作成部７は、音声登録モードにおいて、同一単語についての３回の発声による３つの入力パターンを加算して登録パターンを生成するものである。例えば、１回目の発声が行われると、入力パターン作成部４から転送されてきた１回目の発声の入力パターンを保持し、２回目の発声が行われると、同じく転送されてきた２回目の発声の入力パターンと、保持している１回目の入力パターンとの各エレメントの和をとった加算値を保持し、３回目の発声が行われると、同じく転送されてきた３回目の発声の入力パターンと、保持している加算値との各エレメントの和をとった加算値を登録パターンとして保持する。あるいは転送されてくる入力パターンを各々図示しないメモリに記憶し、所定の登録回数になった時にメモリに記憶された各入力パターンを一度に加算してもよい。
【００２０】
エレメント値比較部８は、前述のようにして作成された登録パターンの各エレメント値Ｅを、第１の閾値である閾値Ａ（例えばＡ＝２）と比較し、各エレメントについてＥ＞Ａの条件を充たすか否かについての比較結果を累積部９に出力する。累積部９は、上記の比較結果に基づきＥ＞Ａの条件を充たすエレメントの数を累積し、この累積値（以下、Ｒという）を判定部１０に出力する。
【００２１】
判定部１０は、上記のようにして得られた累積値Ｒを、第２の閾値である閾値Ｂと比較し、Ｒ＞Ｂの条件を充たす場合には、登録パターン作成部７に保持されている登録パターンの辞書メモリ１２への登録を許可し、その許可情報を転送部１１に出力する。転送部１１は、登録許可信号を受け取ると、必要に応じて上記登録パターンに対して他の項目チェックを行った後、この登録パターンを辞書メモリ１２に転送する。
【００２２】
次に画像処理を実行する前記の各種プログラムの機能モジュールの構成について図１を用いて説明する。図１は、本発明の処理装置の一実施例を示す機能モジュールの構成を示す図であり、図２に示すように、ＣＰＵでプログラムを実行させることにより、各機能モジュールを実現させている。かかる各機能モジュールを形成する各プログラムは、通常ＣＤ−ＲＯＭ（コンパクトディスク型ＲＯＭ）ＤＶＤ（Ｄｉｇｉｔａｉ　Ｖｅｒｓａｔｉｌｅ　Ｄｉｓｃ）あるいはフレキシブルディスク装置（ＦＤ）のごとき可搬性記録媒体に記録されて市場に流通させることができる。
【００２３】
また、本機能モジュールの一部または全部をハードウェア回路で実現させることもできるが、本実施例においては、コンピュータにより各機能モジュールを実現させることにより、処理装置を実現させている。
【００２４】
図１においてユーザＩ／Ｆ部３０は、ユーザによりタッチパネル（キーボードマウス）等の操作装置１９から描画する色の選択を行う部分である。制御部２８はユーザＩ／Ｆ部３０から通知された内容を色選択制御部２９へ通知する。色選択制御部は、この内容をみきわめて音声認識部６を動作させる。
【００２５】
音声入力部２７は、色登録処理、色選択処理の時に発声音が入力されるモジュールである。ディスプレイ制御部３２は、選択された色を表示するための制御を行う。ディスプレイ装置２０は、色選択にかかる入力選択画面、登録処理画面を表示する部分である。
【００２６】
ユーザが描画する色を選択することによる本発明での処理を図４に示す。ユーザは、現在描画している色または選択されている色（デフォルト）とは異なる色で描画したい場合、ディスプレイ上の特定の場所をタッチする（Ｓ１０１）。ある一定時間タッチすると（Ｓ１０２／ＹＥＳ）、発声をうながすための表示が行われる（Ｓ１０３）。タッチが一定時間に達しなかった場合は（Ｓ１０３／ＮＯ）Ｓ１０１にもどり、再度特定の場所をタッチする。
【００２７】
Ｓ１０３において、ユーザは発声をうながす表示が行われたら、選択したい色を発声する（Ｓ１０４）。発声を受信した音声認識部６は、制御部に対して認識した色を送信する（Ｓ１０５）。制御部はこの信号を受信して描画する色を変更したことをディスプレイ上に表示する。
【００２８】
次に選択する色の登録、修正処理を行う本発明の動作の流れを図５に示す。ユーザが音声登録を行いたい場合、ディスプレイ上の指定された場所をタッチする（Ｓ２０１）。タッチがある一定時間以上行われるとディスプレイ上に色テーブルが表示される（Ｓ２０２）。表示された色テーブル上から色登録したい色、修正したい色をタッチすることにより選択する（Ｓ２０３）。
【００２９】
選択した色が既に色登録が行われていた場合、登録内容がディスプレイ上に登録内容が表示される（Ｓ２０４）。未登録の場合は（Ｓ２０５／ＮＯ）、登録ボタンを押し（Ｓ２０６）、指定された場所を一定時間以上タッチして発声することにより登録を行う（Ｓ２０８）。登録済みの場合（Ｓ２０５／ＹＥＳ）、ユーザが登録内容を修正したくない場合は（Ｓ２０７／ＮＯ）、指定された場所をタッチすることによりこの処理を終了させる。また、修正したい場合は（Ｓ２０７／ＹＥＳ）、修正ボタンを押すなど指定された場所をタッチすることにより（Ｓ２１２）、修正処理を行う意思表示をする。そして、指定された場所を一定時間以上タッチして発声することにより登録を行う（Ｓ２０８）。音声認識部は、ユーザが発声した内容を処理して、制御部へ通知し、ディスプレイ上に表示する（Ｓ２０９）。
【００３０】
ユーザはディスプレイの表示内容をみて、発声内容と認識内容が一致していたら（Ｓ２１０／ＹＥＳ）、ディスプレイ上の指定された場所をタッチして、この処理を終了する。発声内容と認識内容が一致していない場合は（Ｓ２１０／ＮＯ）、ディスプレイ上の指定された場所をタッチすることにより再登録を行う（Ｓ２１１）。
【００３１】
また、上述の色選択／登録はあらかじめ設定することにより、音声認識部内に持っている各言語に対応可能となっている。日本語以外の言語の場合、辞書部分に単語と発音内容をあらかじめ登録しておくことにより、外国語にも対応する。
【００３２】
色の発声内容を登録する場合、日本語の場合は、ひらがな５０音に対する発音を記憶することにより、本発明の機能が実現可能となる。
【００３３】
以上、実施の形態の説明から明らかなように、描画をする時にユーザはマウス等の操作をすることなく、発声によって使用する色を選択し、変更を行えるので便利である。また、ツールバーに表示されていない色も選択および変更が可能となる。また、発声内容の登録は日本語以外の外国語にも対応できるので、ユーザにとっては便利である。
【００３４】
【発明の効果】
請求項１記載の音声認識装置によれば、ユーザの音声を入力する入力手段と、音声により色を認識する認識手段と、認識手段からの信号を受信して、色の変更および色の登録をする制御を行う制御手段とを有し、描画の書き込み手段を使用する際、入力ペンの色を指定するために、ユーザがディスプレイ上の特定の場所をタッチして描画したい色を発声することにより選択することを特徴としているので、ユーザはより簡単に選択操作をでき、ツールバーに表示されていない色も選択、変更できる。
【００３５】
請求項２記載の音声認識装置によれば、請求項１記載の音声認識装置において、複数の言語に対応するためのメモリテーブルを複数持つことを特徴としているので、ユーザは日本語以外の外国語も使用できる。
【００３６】
請求項３記載の音声認識装置によれば、請求項１記載の音声認識装置において色を選択する際、特定の場所を一定時間以上タッチすることにより、発声した色が選択されることを特徴としているので、ユーザの誤操作を減少させることができる。
【００３７】
請求項４記載の音声認識装置によれば、請求項１記載の音声認識装置において、描画可能な色のテーブルを表示して、発声音をユーザ独自の単語に対して選択可能となることを特徴としているので、ユーザは自分の好みの発音内容で登録および選択できる。
【００３８】
請求項５記載の音声認識装置によれば、請求項４記載の音声認識装置において、色に対する単語登録はキーボードからも入力可能なことを特徴としているのでユーザは自分の使いやすい方法で登録ができる。
【００３９】
請求項６記載の画像処理装置によれば、請求項１から５記載の音声認識装置を有し、ユーザの音声によって描画の色を選択および登録することを特徴としているので、ユーザはより使い勝手のよい描画などの書き込みができる。
【図面の簡単な説明】
【図１】本発明の実施形態である画像処理装置の回路ブロックの構成を示すブロック図である。
【図２】本発明の画像処理を実行する各種プログラムの機能モジュールの構成を示すブロック図である。
【図３】本発明の音声認識装置を示すブロック図である。
【図４】本発明の音声認識装置の色選択における動作の流れを示すフローチャートである。
【図５】本発明の音声認識装置の色登録および修正処理における動作の流れを示すフローチャートである。
【符号の説明】
１　マイク
２　音声入力部
３　特徴量抽出部
４　入力パターン作成部
５　切替え部
６　音声認識部
７　登録パターン作成部
８　エレメント値比較部
９　累積部
１０　判定部
１１　転送部
１２　辞書メモリ
１３　ＣＰＵ
１４　ＲＯＭ
１５　ＲＡＭ
１６　ＨＤＤ
１７　通信装置
１８　ＤＤ
１９　操作装置
２０　ディスプレイ装置
２１　プリンタ装置
２２　タイマー
２３　バス
２４　画像入力装置
２５　光ディスク装置
２６　フレキシブルディスク装置
２７　音声入力部
２８　制御部
２９　色選択制御部
３０　ユーザＩ／Ｆ部
３１　音声認識制御部
３２　ディスプレイ制御部

Claims

タッチパネル付きディスプレイと、
座標を入力および検出する手段と、
ユーザの音声を入力する入力手段と、
前記ユーザの音声により色を認識する認識手段と、
前記認識手段からの信号を受信し、入力ペンの色の変更および登録をする制御を行う制御手段とを有し、
描画の書き込み手段を使用する際、前記入力ペンの色を指定するために、ユーザがディスプレイ上の特定の場所をタッチして描画したい色を発声することによって選択することを特徴とする音声認識装置。
複数の言語に対応するため、メモリテーブルを複数有することを特徴とする請求項１記載の音声認識装置。
色を選択する際、ユーザが特定の場所を一定時間以上タッチすることにより、発声した色が選択されることを特徴とする請求項１記載の音声認識装置。
描画可能な色のテーブルを表示して、発声音をユーザ独自の単語に対して選択可能となることを特徴とする請求項１記載の音声認識装置。
色に対する単語登録は、キーボードからも入力可能なことを特徴とする請求項４記載の音声認識装置。
請求項１から５記載の音声認識装置を有し、ユーザの音声によって描画の色を選択および登録することを特徴とする画像処理装置。