JP2007094104A5 - - Google Patents

Claims (8)

1. 話者が撮影された映像から、前記話者の体の複数部分の動きパターンを検出する検出手段と、
   検出された前記動きパターンが、前記話者による発話時の動きパターンであるか否かを判定する判定手段と、
   検出された前記動きパターンの判定による判定結果に基づいて、前記話者による発話時の音声を認識する音声認識手段と
   を備える情報処理装置。
2. 前記検出手段は、
   前記映像に基づいて、前記話者の体の複数部分のうち、動きを検出する対象であるトラッキング対象を決定するトラッキング対象決定手段と、
   前記映像から、決定された前記トラッキング対象のオプティカルフローを検出するオプティカルフロー検出手段と、
   検出された前記オプティカルフローに基づいて、前記トラッキング対象の動きを認識する動き認識手段と、
   認識された前記動きが、予め想定した動きの想定範囲内である場合、前記動きを追跡する動き追跡手段と、
   追跡された前記動きに基づいて、前記トラッキング対象の動きパターンを決定する動きパターン決定手段と
   を有する請求項１に記載の情報処理装置。
3. 前記トラッキング対象決定手段は、前記映像内の前記話者の顔を表す肌色領域に基づいて、前記話者の顔を、前記トラッキング対象として決定する
   請求項２に記載の情報処理装置。
4. 前記判定手段は、隠れマルコフモデル、又はベイジアンネットワークのいずれか一方を用いて、検出された前記動きパターンが、前記話者による発話時の動きパターンであるか否かを判定する
   請求項１に記載の情報処理装置。
5. 前記音声認識手段は、検出された前記動きパターンが、前記話者による発話時の動きパターンであると判定された場合、前記話者による発話時の音声を認識する
   請求項１に記載の情報処理装置。
6. 前記検出手段は、少なくとも、前記話者の口及び頭の動きパターンを検出する
   請求項１に記載の情報処理装置。
7. 話者の体の複数部分の動きパターンに基づいて、前記話者による発話時の音声を認識する情報処理装置の情報処理方法において、
   話者が撮影された映像から、前記話者の体の複数部分の動きパターンを検出する検出ステップと、
   検出された前記動きパターンが、前記話者による発話時の動きパターンであるか否かを判定する判定ステップと、
   検出された前記動きパターンの判定による判定結果に基づいて、前記話者による発話時の音声を認識する音声認識ステップと
   を含む情報処理方法。
8. 話者が撮影された映像から、前記話者の体の複数部分の動きパターンを検出する検出ステップと、
   検出された前記動きパターンが、前記話者による発話時の動きパターンであるか否かを判定する判定ステップと、
   検出された前記動きパターンの判定による判定結果に基づいて、前記話者による発話時の音声を認識する音声認識ステップと
   を含む処理をコンピュータに実行させるプログラム。