JP2006166322A - ネットワークカメラ及びネットワークカメラの音声再生方法 - Google Patents

Abstract

【課題】 外部装置を使用せずに音声出力を適正な音量でイベントに応じて再生できるようにする。
【解決手段】 イベント検出手段により検出されたイベントの種類に応じて、音声ファイルを再生することを決定し、前記決定した音声ファイルを発音出力するようにしたので、外部装置やオペレータなしに、様々なイベントに応じて音声ファイルをあらかじめ登録されている音量で再生することができるようにして、監視カメラの映像をチェックするための人間が不要であるとともに、ヒューマンエラーによる不都合が発生する可能性がない監視システムを提供できるようにする。
【選択図】 図８

Description

本発明はネットワークカメラ及びネットワークカメラの音声再生方法に関し、例えば監視システムの音声再生機能に用いて好適な技術に関する。

従来、監視システムにおいて、侵入者に対する警告音を発音する等の、音声再生機能は付加機能としてポピュラーなものになっている。例えば、特許文献１に記載の「遠隔監視方式の動画警備システム」では、センサの状態が変化して侵入者を検知すると、音声送受信を開始して、監視者あるいは監視センタ装置に登録されている音声を再生して監視カメラが設置されている場所に対して送信するようにした技術が提案されている。

特開２００２−２４５５７２号公報

しかしながら、前記特許文献１ではカメラの映像変化をチェックするための人間が必要となるため、維持費（人件費）が膨大になる上、ヒューマンエラーにより音声再生ができない可能性があった。

また、再生する音声ファイルはセンタに配置するため、監視カメラとセンタとの通信が確立できない場合には肝心の音声が再生できないという問題があった。更に、音声再生時の音量は、再生毎にセンタから送信されてくるものであるので、再生する音声ファイルや、ネットワークカメラの設置状況によっては音量が好ましい設定にならないという問題点があった。

本発明は上述の問題点にかんがみ、外部装置を使用せずに音声再生をイベントに応じて適正な音量で再生できるようにすることを目的としている。

本発明のネットワークカメラは、ネットワークカメラの監視領域におけるイベントを検出するイベント検出手段がイベントを検出した際に発音する音声ファイルおよび前記イベント検出手段により検出されたイベントの種類に対応する音声ファイルの組を保持するメモリと、前記イベント検出手段により検出されたイベントの種類に応じて、音声ファイルを選択し、該選択された音声ファイルに基づいて音声再生する再生手段とを有することを特徴とする。

本発明の音声再生方法は、ネットワークカメラの監視領域においてイベントを検出するイベント検出工程と、イベントの種類に対応する音声ファイルの組の情報を保持するメモリを参照することにより、前記イベント検出工程において検出されたイベントの種類に応じて、音声ファイルを選択する選択工程と、前記選択工程において選択された音声ファイルに基づいて音声を再生する再生工程とを有することを特徴とする。

本発明のコンピュータプログラムは、所定の監視領域におけるイベントを検出するイベント検出工程と、ネットワークカメラの監視領域においてイベントを検出するイベント検出工程と、イベントの種類に対応する音声ファイルの組の情報を保持するメモリを参照することにより、前記イベント検出工程において検出されたイベントの種類に応じて、音声ファイルを選択する選択工程と、前記選択工程において選択された音声ファイルに基づいて音声を再生する再生工程とを有することを特徴とするネットワークカメラの音声再生方法をコンピュータに実行させることを特徴とする。

本発明の記録媒体は、前記に記載のコンピュータプログラムを記録したことを特徴とする。

本発明によれば、イベント検出手段により検出されたイベントの種類に応じて、音声ファイルを再生することを決定し、前記決定した音声ファイルを発音出力するようにしたので、外部装置やオペレータなしに、様々なイベントに応じて音声ファイルをあらかじめ登録されている音量で再生することができ、安価で信頼性の高い監視システムを構築することができる。

また、本発明の他の特徴によれば、クライアントからの指示のイベントを連続して検知した場合には、再生音量を大きくするようにしたので、装置の部品点数が少なくて取り扱いが容易な音声出力装置を提供することができる。

また、本発明のその他の特徴によれば、受信した音声データを再生しつつ、ファイルに記録し、さらに音声出力時の音量情報を記憶することができ、音声ファイル登録時に、再生テストと登録作業とを同時並行に行うことができて、作業手順の大幅な削減を行うことができる。

（第１の実施の形態）
図１は、本発明の実施の形態を示し、クライアント端末およびネットワークカメラの一例を説明するブロック図である。
図１において、１０１は全体の制御を行うＣＰＵ、１０２はカメラ、１０３はカメラ１０２から入力される画像信号を処理するビデオ信号処理部、１０４は画像の表示や操作のための表示を行う表示部、１０５は表示部１０４の制御を行う表示制御部、１０６はユーザが操作を行う操作部でボタンやキー、ペン入力のためのデジタイザを含む。

１０７は画像、音声の符号化、復号化を行う符号化／復号化部であり、このうち１つまたは複数がプログラムメモリ１１１に格納されるソフトウェアによって実装されていてもよい。

１０８はオーディオ信号を取り込むマイク、１０９は音の入出力を制御するオーディオ信号処理部、１１０は音声やキータッチ音などのオーディオ信号を出力するスピーカ、１１１はプログラムを格納するプログラムメモリ、１１２はデータを格納するデータメモリで、Ｆｌａｓｈメモリ、ＳＲＡＭ、ＤＲＡＭなどで構成されている。１１３は静止画像や動画像を格納する外部記憶装置で、半導体による記憶装置で構成されていてもよい。ネットワークカメラにおけるプログラムメモリ１１１は、カメラから取得した画像信号に基づいて動きを検知する処理プログラム，マイク１０８から音声が入力されたことを検知する処理プログラムを有する。

１１４は外部記憶装置１１３を制御する外部記憶制御部、１１５は通信制御部で、有線、あるいは無線によって外部機器やネットワークとの通信を行う。１１６は各部を接続するバスであり、ネットワークカメラにおいては各センサからのイベント信号あるいはクライアント端末装置からのリクエストを受信する。
なお、ネットワークカメラにおいては、表示部１０４，表示制御部１０５，および操作部１０６の構成は除いてもよい。また、クライアント端末装置においては、カメラ１０２，ビデオ信号処理部１０３の構成は除いてもよい。

図２は、オーディオ信号処理部１０９の詳細な構成を表すブロック図である。
図２において、２０１はオーディオコーデック、２０２はオーディオコーデック２０１の制御を行うためのオーディオコーデック制御部、２０３はオーディオコーデック制御部２０２とオーディオコーデック２０１とを接続する制御線で、I2Cまたは同期シリアルなどで構成される。

２０４はオーディオコーデック２０１と音声データをやりとりするオーディオデータ制御部、２０５はオーディオデータが一時的に蓄積されるバッファメモリ（ｆｉｆｏ）、２０６はオーディオデータ制御部２０４とオーディオコーデック２０１とを接続するデータ線で、I2S等で構成される。２０７はＤＭＡＣ（Direct Memory Access Controller）であり、バッファメモリ（ｆｉｆｏ）２０５とデータメモリ１１２との間のデータの送受を行うためのものである。

図３〜５は、クライアント端末装置において音声再生条件、及び音声ファイル、再生音量を登録する場合のユーザインターフェースを示したものである。
図３に示すように、タイマによって一定間隔で音声ファイルを再生する場合、再生音名、音量、再生間隔を指定し、登録しておく。一方、外部センサをトリガにした音声ファイルの再生では、センサ毎に再生音名，音量をセンサがＯＮと検出された場合あるいはセンサがＯＦＦと検出された場合の少なくとも一方を指定して登録する。

図５は、音声ファイルの登録方法の一例を示したものである。クライアント端末装置のストレージ上の音声ファイル名「ｃ: ￥ｃｈｉｍｅ．Ｗａｖ」を、再生音名「Ｃｈｉｍｅ」として登録する例を示したものである。送信ボタン５１を押下すると、ファイルの内容と再生音名をネットワークカメラに送信する。

図６（ａ）及び（ｂ）は、ネットワークカメラのデータメモリ１１２において格納される、音声を再生するイベント情報を示すイベントテーブルの一例を示す図である。図６（ａ）に示すように、イベントテーブルは音声再生のトリガとなる「イベント」、再生するべき「ファイル」、再生時の「音量」から構成される。

また、図６（ｂ）に示すように、ファイル名はクライアント端末装置が使用しているものをそのまま使用すると重複が発生する可能性があるため、クライアント端末装置で扱うファイル名ではなく、システム固有のファイル名を採用する。図６（ｂ）にはファイル名として、「Pet name」とした例を示している。

再生中であることを通知する場合のクライアントに通知するファイル名は、ユーザインターフェース上の再生音名（Pet name）と、実際のファイル名の対応を取るためのテーブルから構成されるテーブルを参照して得る。

図７は、クライアント端末装置の音声ファイル再生要求の動作に関する、クライアント端末装置とネットワークカメラとの通信の様子を示した図である。なお、クライアント端末装置には図４に示したウィンドウが表示されているものとする。図７の処理は、クライアント端末装置およびネットワークカメラのそれぞれにおいて予めメモリなどに格納されたプログラムにしたがってＣＰＵが実行することによって行われるものとする。クライアント端末装置でマイクアイコンとして表示されている音声再生ボタン４１を押下すると、音声ファイル再生要求がネットワークカメラに送出される（ステップＳ７１）。音声ファイル再生要求には再生音名が含まれている。

ネットワークカメラは、音声ファイル再生要求を受信すると、音声の再生を開始すると共に、音声ファイル再生応答を送出する（ステップＳ７２）。音声ファイル再生応答には、音声ファイル再生を受け付けたかどうかの可否、及び再生音量が含まれている。

次に、ネットワークカメラは、現在接続中であるクライアント端末装置に対して音声ファイル再生中通知を送出する（ステップＳ７３）。音声ファイル再生中通知には再生音名、再生されている音声の音量が含まれている。

クライアント端末装置は、音声再生中通知を受けとると、音声再生中である旨の表示と音量を表示するか、またはクライアント上で該当する音声ファイルを再生する。または、グラフィックイコライザのような表示をしてもよい。

クライアント端末装置で音声再生ボタンを連打すると、クライアントは音声ファイル再生要求を送出する（ステップＳ７４）。ネットワークカメラは、指示された再生音を再生中である場合には再生音量を大きくし、音声ファイル再生応答を新たな再生音量と共に送出する（ステップＳ７５）。クライアントは、音声ファイル再生応答中の再生音量を見て、表示を更新したり、ローカルで再生している音声の音量を変更したりする。

ネットワークカメラで音声ファイルの再生が完了したら、音声ファイル再生終了通知を再生音名を含めて送出する（ステップＳ７６）。クライアント端末装置は、音声ファイル再生終了通知を受信したら、再生音名を確認して、対応する再生中表示の停止またはクライアントでのローカル音声ファイル再生を停止する。

図８は、ネットワークカメラにおける音声ファイル再生イベント処理の手順を説明するフローチャートである。
まず、動き検知、音声検知など、あるイベントが検出されると、イベントテーブルを検索して、イベントテーブルに該イベントがあるかどうかを判断し、イベントが見つからなかった場合はエラーと判断し、本シーケンスを終了する（ステップＳ８０１）。

また、ステップＳ８０１の判断の結果、イベントテーブルに該イベントが見つかった場合は、ステップＳ８０２に進み、現在音声を再生中であるかどうかを判断する。

この判断の結果、音声再生中であると判断された場合にはステップＳ８０３に進み、不図示のデータメモリ１１２に格納される優先順位テーブルに基づいて、現在再生中の音声の優先順位と該イベントに対応する優先順位を比較する。この比較の結果、該イベントより現在再生中の音声の方が優先順位が高いと判断された場合は本シーケンスを終了する。

また、ステップＳ８０３の比較の結果、該イベントの優先順位が現在再生中の音声よりも高いと判断された場合にはステップＳ８０４に進み、再生を中断する。なお、本実施形ではイベントの優先順位はあらかじめ定めたものに従うものとする。もちろん、音声ファイル再生イベント登録時に優先順位を指示するように構成してもよい。

一方、ステップＳ８０２で現在音声再生中ではないと判断された場合、及びステップＳ８０４の音声中断処理が完了したら、ステップＳ８０５に進み、該イベントに対応する音声を再生するためにオーディオデバイスの設定を行う。オーディオデバイスの設定とは、バッファメモリ（ｆｉｆｏ）２０５のクリア、ＤＭＡＣ２０７の設定、データメモリ１１２に配置される音声データを格納するバッファの設定、オーディオコーデック制御部２０２によるオーディオコーデック２０１の設定、例えばイベントテーブルから得られた音量の設定などである。

オーディオコーデックの設定が完了したら該イベントに対応する音声ファイルの再生を開始する（ステップＳ８０６）。

次に、ステップＳ８０７において、クライアント端末装置が接続中か判断する。この判断の結果、接続中のクライアント端末装置がなければ、そのまま本シーケンスと終了する。また、クライアント端末装置が接続中であればステップＳ８０８に進み、クライアント端末装置に音声再生中である旨を通知して本シーケンスを完了する。

図９は、クライアント端末装置において複数の動き検知領域に対応した動き検知による音声再生条件、及び音声ファイル、再生音量を登録する場合のユーザインターフェースを示したものである。動きを検知する領域指定と再生音名と音量と動きを検知した場合、動きが停止した場合の少なくとも一方を指定して登録する。これによって、検知領域に応じた再生音の設定、あるいは再生音量の設定が可能となる。

（第２の実施の形態）
図１０は、ネットワークカメラにおいて、音声データをクライアント端末装置から受信して再生、及びファイル化する処理手順を説明するフローチャートである。
まず、音声再生中であるかどうかを判断する（ステップＳ１００１）。この判断の結果、音声再生中であれば再生を停止する（ステップＳ１００２）。

次に、ステップＳ１００３において、受信された音声データをファイル化する要求であるかどうかを判断し（ステップＳ１００３）、ファイル化要求であればファイルをオープンする（ステップＳ１００４）。

次に、ステップＳ１００５に進み、オーディオデバイスの設定を行う。その後、クライアント端末装置から送信されてくる音声データを受信したかどうかを判断する（ステップＳ１００６）。この判断の結果、受信データが未到着だった場合は再び音声データの受信処理（ステップＳ１００６）を継続する。

一方、ステップＳ１００６の判断の結果、音声データを受信した場合は受信データをオーディオデバイスに書き込むことによって再生処理を実行する（ステップＳ１００７）。

次に、ステップＳ１００８に進み、ファイル化の要求であるかどうかを再び判断し、ファイル化要求であれば受信データをファイルに書き込み（ステップＳ１００９）、その後、音声データの受信処理（ステップＳ１００６）に再び戻る。

一方、ステップＳ１００６の判断の結果、音声データの受信が完了したと判断された場合には、ステップＳ１０１０に進み、オーディオデバイスをクローズする。オーディオデバイスのクローズとは、ＤＭＡＣ２０７の停止、データメモリ１１２に配置される音声データを格納するバッファの解放、音量を０にするなどのオーディオコーデック制御部２０２によるオーディオコーデック２０１の設定終了処理などである。

次に、ファイル化要求であるかどうかを再び判断し（ステップＳ１０１１）、ファイル化要求であればファイルをクローズする（ステップＳ１０１２）。その後、ファイルテーブルを更新し（ステップＳ１０１３）、更に、イベントテーブルを更新して（ステップＳ１０１４）、本シーケンスを終了する。

（本発明に係る他の実施の形態）
上述した本発明の実施の形態における音声出力装置を構成する各手段、並びに音声出力方法の各ステップは、コンピュータのＲＡＭやＲＯＭなどに記憶されたプログラムが動作することによって実現できる。このプログラム及び上記プログラムを記録したコンピュータ読み取り可能な記憶媒体は本発明に含まれる。

また、本発明は、例えば、システム、装置、方法、プログラムもしくは記録媒体等としての実施の形態も可能であり、具体的には、複数の機器から構成されるシステムに適用してもよいし、また、一つの機器からなる装置に適用してもよい。

なお、本発明は、前述した実施の形態の機能を実現するソフトウェアのプログラム（実施の形態では、図８及び図１０に示すフローチャートに対応したプログラム）を、システムあるいは装置に直接、あるいは遠隔から供給し、そのシステムあるいは装置のコンピュータが前記供給されたプログラムコードを読み出して実行することによっても達成される場合を含む。

したがって、本発明の機能処理をコンピュータで実現するために、前記コンピュータにインストールされるプログラムコード自体も本発明を実現するものである。つまり、本発明は、本発明の機能処理を実現するためのコンピュータプログラム自体も含まれる。

その場合、プログラムの機能を有していれば、オブジェクトコード、インタプリター（interpreter）により実行されるプログラム、ＯＳに供給するスクリプトデータ等の形態であってもよい。

プログラムを供給するための記録媒体としては、例えば、フロッピー（登録商標）ディスク、ハードディスク、光ディスク、光磁気ディスク、ＭＯ、ＣＤ−ＲＯＭ、ＣＤ−Ｒ、ＣＤ−ＲＷ、磁気テープ、不揮発性のメモリカード、ＲＯＭ、ＤＶＤ（ＤＶＤ−ＲＯＭ，ＤＶＤ−Ｒ）などがある。

その他、プログラムの供給方法としては、クライアントコンピュータのブラウザを用いてインターネットのホームページに接続し、前記ホームページから本発明のコンピュータプログラムそのもの、もしくは圧縮され自動インストール機能を含むファイルをハードディスク等の記録媒体にダウンロードすることによっても供給できる。

また、本発明のプログラムを構成するプログラムコードを複数のファイルに分割し、それぞれのファイルを異なるホームページからダウンロードすることによっても実現可能である。つまり、本発明の機能処理をコンピュータで実現するためのプログラムファイルを複数のユーザに対してダウンロードさせるＷＷＷサーバも、本発明に含まれるものである。

また、本発明のプログラムを暗号化してＣＤ−ＲＯＭ等の記憶媒体に格納してユーザに配布し、所定の条件をクリアしたユーザに対し、インターネットを介してホームページから暗号化を解く鍵情報をダウンロードさせ、その鍵情報を使用することにより暗号化されたプログラムを実行してコンピュータにインストールさせて実現することも可能である。

また、コンピュータが、読み出したプログラムを実行することによって、前述した実施の形態の機能が実現される他、そのプログラムの指示に基づき、コンピュータ上で稼動しているＯＳなどが、実際の処理の一部または全部を行い、その処理によっても前述した実施の形態の機能が実現され得る。

さらに、記録媒体から読み出されたプログラムが、コンピュータに挿入された機能拡張ボードやコンピュータに接続された機能拡張ユニットに備わるメモリに書き込まれた後、そのプログラムの指示に基づき、その機能拡張ボードや機能拡張ユニットに備わるＣＰＵなどが実際の処理の一部または全部を行い、その処理によっても前述した実施の形態の機能が実現される。

本発明の第１の実施の形態を示し、音声出力装置の構成例を示すブロック図である。 本発明の第１の実施の形態を示し、オーディオ信号処理部の詳細な構成例を示すブロック図である。 本発明の第１の実施の形態を示し、タイマ音声ファイル再生を登録するＧＵＩの一例を示す図である。 本発明の第１の実施の形態を示し、クライアントの指示による音声ファイル再生を行うＧＵＩの一例を示す図である。 本発明の第１の実施の形態を示し、音声ファイルの登録方法の一例のＧＵＩを示す図である。 本発明の第１の実施の形態を示し、イベントテーブルと再生音名テーブルの一例を示す図である。 本発明の第１の実施の形態を示し、クライアントとネットワークカメラとの通信手順を説明する図である。 本発明の第１の実施の形態を示し、音声ファイル再生イベント処理手順を説明するフローチャートである。 本発明の第１の実施の形態を示し、複数の動き検知領域に対応した動き検知による音声ファイル再生の登録のＧＵＩの一例を示す図である。 本発明の第２の実施の形態を示し、音声データを受信して再生、ファイル化する手順を説明するフローチャートである。

符号の説明

１０１ ＣＰＵ
１０２ カメラ
１０３ ビデオ信号処理部（ＶＰＢ）
１０４ 表示部
１０５ 表示制御部
１０６ 操作部
１０７ 符号化／復号化部
１０８ マイク
１０９ オーディオ信号処理部
１１０ スピーカ
１１１ プログラムメモリ
１１２ データメモリ
１１３ 外部記憶装置
１１４ 外部記憶制御部
１１５ 通信制御部
１１６ バス
２０１ オーディオコーデック
２０２ オーディオコーデック制御部
２０３ 制御線
２０４ オーディオデータ制御部
２０５ バッファメモリ（ｆｉｆｏ）
２０６ データ線
２０７ ＤＭＡＣ

Claims (14)

1. ネットワークカメラの監視領域におけるイベントを検出するイベント検出手段がイベントを検出した際に発音する音声ファイルおよび前記イベント検出手段により検出されたイベントの種類に対応する音声ファイルの組を保持するメモリと、
   前記イベント検出手段により検出されたイベントの種類に応じて、音声ファイルを選択し、該選択された音声ファイルに基づいて音声を再生する再生手段とを有することを特徴とするネットワークカメラ。
2. 前記イベント検出手段が検出するイベントの種類は、クライアントからの指示、動き検知、音声検知のうち、すくなくとも一つを含むことを特徴とする請求項１に記載のネットワークカメラ。
3. 前記再生手段は、前記イベント検出手段が検出するイベントの種類に応じて、再生する音声の音量情報を制御することを特徴とする請求項１または２に記載のネットワークカメラ。
4. 前記再生手段によって音声が再生中であることをクライアントに通知する通知手段を有することを特徴とする請求項１に記載のネットワークカメラ。
5. 前記再生手段は、前記クライアントからの指示を連続して検知した場合には、再生音量を大きくすることを特徴とする請求項２に記載のネットワークカメラ。
6. 前記クライアントから音声ファイル受信する受信手段を有することを特徴とする請求項２〜５の何れか１項に記載のネットワークカメラ。
7. 前記受信手段は、前記音声ファイルとともに、再生すべき音声の音量に関する情報を受信することを特徴とする請求項６に記載のネットワークカメラ。
8. ネットワークカメラの監視領域においてイベントを検出するイベント検出工程と、
   イベントの種類に対応する音声ファイルの組の情報を保持するメモリを参照することにより、前記イベント検出工程において検出されたイベントの種類に応じて、音声ファイルを選択する選択工程と、
   前記選択工程において選択された音声ファイルに基づいて音声を再生する再生工程とを有することを特徴とするネットワークカメラの音声再生方法。
9. 前記イベント検出工程において検出するイベントの種類は、クライアントからの指示、動き検知、音声検知のうち、すくなくとも一つを含むことを特徴とする請求項８に記載のネットワークカメラの音声再生方法。
10. 前記再生工程において、イベントの種類に応じて、再生する音声の音量情報を制御することを特徴とする請求項８または９に記載のネットワークカメラの音声再生方法。
11. 前記選択された音声ファイルに基づいて音声再生中であることをクライアントに通知する通知工程を有することを特徴とする請求項８に記載のネットワークカメラの音声再生方法。
12. 前記再生工程において、前記クライアントからの指示のイベントを連続して検知した場合には、再生される音声の音量を大きくすることを特徴とする請求項９に記載のネットワークカメラの音声再生方法。
13. 所定の監視領域におけるイベントを検出するイベント検出工程と、
    ネットワークカメラの監視領域においてイベントを検出するイベント検出工程と、
    前記検出されたイベントの種類に対応する音声ファイルの組の情報を保持するメモリを参照することにより、前記イベント検出工程において検出されたイベントの種類に応じて、音声ファイルを選択する選択工程と、
    前記選択工程において選択された音声ファイルに基づいて音声を再生する再生工程とを有することを特徴とするネットワークカメラの音声再生方法をコンピュータに実行させることを特徴とするコンピュータプログラム。
14. 前記請求項１３に記載のコンピュータプログラムを記録したことを特徴とするコンピュータ読み取り可能な記録媒体。

Images