JP2007274462A - テレビ会議装置、テレビ会議システム - Google Patents

Abstract

【課題】視覚的にも聴覚的にも臨場感溢れるテレビ会議を実現できるテレビ会議装置を提供する。
【解決手段】放音制御部２は相手先の話者方向データＤ１Ｂに基づいて話者方向に応じた仮想音源を設定するように相手先の話者音声信号Ｓ１Ｂを遅延・ゲイン制御する。画像データ処理部９は話者方向データＤ１Ｂから個別映像データＰ２Ｂを選択して全面表示し、全体映像データＰ１Ｂを別枠で表示する。話者方向検出部５は話者方向を検出して収音方向データＤ１１Ａを生成し、収音ビーム生成部６は送信用の話者音声信号Ｓ１Ａを生成するとともに詳細収音方向データＤ１２Ａを生成する。送信音声データ生成部８は収音方向データＤ１１Ａと詳細収音方向データＤ１２Ａとから話者方向データＤ１Ａを生成する。画像データ処理部９は、カメラＣＡＭ１の画像で全体映像データＰ１Ａを生成し、カメラＣＡＭ１１〜ＣＡＭ１３の画像で個別映像データＰ２ｎＡを生成する。
【選択図】図２

Description

この発明は、ネットワーク等を介して複数の地点間で行うテレビ会議に用いるテレビ会議装置およびこのテレビ会議装置を用いたテレビ会議システムに関するものである。

従来、遠隔地間でテレビ会議を行う方法として、テレビ会議を行う地点毎にテレビ会議装置を設置して、これらテレビ会議装置をネットワークで接続し、音声信号と映像信号とを通信する方法がある。そして、このようなテレビ音声会議に利用される技術が各種考案されている。

特許文献１は、相手先の話者の映像の切り替えを受信側の会議者が行い、切り替わって表示される映像が中心となるように音声が調整されるものである。

特許文献２は、２チャンネルのスピーカの音量を調整することで音源定位を行うものである。

特許文献３は、複数の独立マイクの収音信号に基づいて話者方向を検出し、当該話者の映像を抽出するものである。
特開平１−２８０９８２号公報 特開平７−２６４７００号公報 特開平４−１０９７８４号公報

しかしながら、特許文献１の技術では、相手先の話者の映像の切り替えを受信側が行わなければならない。このため、相手先に複数の話者が居て、頻繁に話者が切り替わる場合に、話者の切り替わりに対して、映像の切り替えを追随させていくことは困難であった。

また、特許文献２の装置では、Ｒ／Ｌの２チャンネルのスピーカの音量バランスを調整することで音源定位を行うので、正確な音源定位を行うことができない。また、話者同士で予め基準点を設定しておかなければならなかった。さらに、映像が切り替わるものではないので、会議者に視覚的な臨場感を与えることができなかった。

また、特許文献３の装置では、相手先会議者それぞれをピックアップした画像が表示画面に切り替わりながら表示するため、相手先の全体の様子が分からず、視覚的な臨場感が低いものとなっていた。また、どの話者の発声音も同じ方向から聞こえるので、聴覚的な臨場感を与えることができなかった。

したがって、この発明の目的は、それぞれに複数の話者が存在するテレビ会議の時に、視覚的にも聴覚的にも臨場感溢れるテレビ会議を実現できるテレビ会議装置およびテレビ会議システムを提供することにある。

この発明のテレビ会議装置は、複数のマイクが配列されたマイクアレイと、会議者全体を撮像範囲とした全体画像を生成する全体撮像手段と、各会議者をそれぞれ個別に撮像して各会議者に関連付けされた個別画像を生成する複数の特定会議者撮像手段と、複数のマイクの収音信号に基づいて話者方向を検出して、話者方向データを生成する話者方向検出手段と、検出された話者方向に応じて話者音声信号を生成する話者音声信号生成手段と、全体画像、各個別画像、話者音声信号、および話者方向データを送信する送信手段と、を備えたことを特徴としている。

この構成では、マイクアレイの各マイクが複数の会議者の内の話者の発声音を収音し、話者方向検出手段は、各マイクの収音信号に基づいて話者方向を検出して、特定の会議者方向に一致する話者方向データを生成する。また、話者音声信号生成手段は、検出された話者方向に指向性が向けられた話者音声信号を生成する。この収音処理と同時に会議者を撮像する。会議者の画像として、全体撮像手段は、会議者全体が映る画像を撮像し、各特定会議者撮像手段は、それぞれに対応する会議者のみが映る画像を撮像する。ここで、各会議者の画像はそれぞれの会議者の方向と関連付けされて取得される。送信手段は、全体画像、各個別画像、話者音声信号、話者方向データを１グループとして送信する。

これらデータを相手先のテレビ会議装置が受信すると、話者方向データから対応する個別画像を取得することができ、相手先テレビ会議装置で話者音声信号と個別画像とが関連付けされた状態で相手先会議者へ出力される。

また、この発明のテレビ会議装置の送信手段は、話者方向データに対応する個別画像のみを送信することを特徴としている。

この構成では、検出した話者の個別画像のみが送信されるので、通信データ量が低減される。

また、この発明のテレビ会議装置は、複数のスピーカが配列されたスピーカアレイと、相手先の会議者全体を撮像範囲とした全体画像と、各会議者の個別画像とを表示する表示手段と、相手先装置からの全体画像、各個別画像、話者音声信号、および話者方向データを受信する受信手段と、相手先からの話者方向データに基づく特定位置に音源定位を行うように話者音声信号に信号処理を施して前記複数のスピーカに与える放音制御手段と、話者方向データに対応する個別画像データを選択して、全体画像とともに表示手段に与える表示制御手段と、を備えたことを特徴としている。

この構成では、受信手段は、相手先装置からの全体画像、各個別画像、話者音声信号、および話者方向データを受信する。放音制御手段は、話者方向データに基づいて、スピーカアレイの各スピーカに出力する各話者音声信号に遅延制御や振幅制御等の信号処理を加えて、話者方向に対応する音源定位を行う。各スピーカが与えられた音声信号を放音することで、話者方向に対応する仮想音源位置から放音されたように会議者には聞こえる。表示制御手段は、相手先会議者毎の個別画像から、話者方向データに対応する会議者の個別画像を選択して表示手段に与える。表示手段は、相手先会議者全員が映る全体画像を表示するとともに、選択した個別画像を別枠で拡大するなどして表示する。これにより、相手先の会議室の様子や、実際に発言している話者の位置、様子が、視覚的にも聴覚的にも臨場感有る状態で再現される。

また、この発明のテレビ会議装置は、複数のマイクが配列されたマイクアレイと、会議者全体を撮像範囲とした全体画像を生成する全体撮像手段と、各会議者をそれぞれ個別に撮像して各会議者に関連付けされた個別画像を生成する複数の特定会議者撮像手段と、複数のマイクの収音信号に基づいて話者方向を検出して、話者方向データを生成する話者方向検出手段と、検出された話者方向に応じて話者音声信号を生成する話者音声信号生成手段と、全体画像、各個別画像、話者音声信号、および話者方向データを送信する送信手段と、複数のスピーカが配列されたスピーカアレイと、相手先の会議者全体を撮像範囲とした全体画像と、相手先の各会議者の個別画像とを表示する表示手段と、相手先装置からの全体画像、各個別画像、話者音声信号、および話者方向データを受信する受信手段と、相手先からの話者方向データに基づく特定位置に音源定位を行うように相手先からの話者音声信号に信号処理を施して複数のスピーカに与える放音制御手段と、相手先からの話者方向データに対応する個別画像データを選択して、相手先からの全体画像とともに前記表示手段に与える表示制御手段と、を備えたことを特徴としている。

この構成では、前述の話者方向の検出及び話者方向からの収音と、話者方向に対応する音源定位および話者方向への画像の切り替えとをともに行うことができる。

また、この発明のテレビ会議システムは、互いに前述のテレビ会議装置を備えるとともに、これらテレビ会議装置同士をネットワークで接続して、相互に全体画像、各個別画像、話者音声信号、話者方向データを送受信することを特徴としている。

この構成では、互いに前述のテレビ会議装置を備えることで、双方向で臨場感溢れる画像の表示および音声の出力が行われる。

この発明によれば、会議者全体の状況が分かるとともに、話者の切り替わりに追随して画像と再生音源方向とが切り替わるので、視覚的且つ聴覚的に非常に臨場感溢れるテレビ会議を実現することができる。

本発明の実施形態に係るテレビ会議装置およびテレビ会議システムについて図を参照して説明する。
図１は、本実施形態のテレビ会議装置を正面に見て３人の会議者が着席している状態を示す図である。
図２は、遠隔の２地点でテレビ会議を行うテレビ会議システムの概念図である。
図３は、テレビ会議装置１０１の表示、放音状態を示す概念図である。

テレビ会議装置１００は、例えば会議室の壁面等に配置されており、正面に複数のマイクＭＩＣ１〜ＭＩＣ１２、スピーカＳＰ１〜ＳＰ１０、カメラＣＡＭ１、ＣＡＭ１１〜ＣＡＭ１３、ディスプレイＤｉｓｐ１を備える。テレビ会議装置１００の最下段には、スピーカＳＰ１〜ＳＰ１０が水平に等間隔で配置されており、これらによりスピーカアレイが構成される。スピーカアレイの上段には、マイクＭＩＣ１〜ＭＩＣ１２が水平に所定間隔で配置されており、これらによりマイクアレイが構成される。マイクアレイの上段には、各会議者の撮影用であるカメラＣＡＭ１１〜ＣＡＭ１３が配置されており、カメラＣＡＭ１１は会議者２０１を略正面に撮影するように配置され、カメラＣＡＭ１２は会議者２０２を略正面に撮影するように配置され、カメラＣＡＭ１３は会議者２０３を略正面に撮影するように配置されている。これらカメラＣＡＭ１１〜ＣＡＭ１３群の上段には、会議室全体を撮影する広角のカメラＣＡＭ１が設置されており、カメラＣＡＭ１は、会議者２０１〜２０３の全員を常時撮影する。カメラＣＡＭ１の上方には、液晶ディスプレイ等からなるディスプレイＤｉｓｐ１が配置されており、ネットワークで接続された相手先のテレビ会議装置からの映像を会議者２０１〜２０３に向けて表示する。

そして、図２に示すように、遠隔の２地点にある各会議室に同仕様からなるテレビ会議装置１００とテレビ会議装置１０１を配置し、ネットワーク５００で接続する。テレビ会議装置１００の正面には、会議者２０１〜２０３が着席し、テレビ会議装置１０１の正面には、会議者３０１〜３０３が着席する。この場合、具体的な放収音方法、表示方法は後述するが、テレビ会議装置１００は、会議者２０１〜２０３の発声音を収音して、話者方向を検出するとともに話者の音声を高いＳ／Ｎ比で収音して話者音声信号を取得する。また、テレビ会議装置１００は、会議者２０１〜２０３の個別の映像と、会議者２０１〜２０３を含む全体映像とを撮像する。テレビ会議装置１００は、話者音声信号、個別映像、全体映像、話者方向データを、ネットワーク５００を介してテレビ会議装置１０１に送信する。テレビ会議装置１０１は、テレビ会議装置１００からの各データを受信すると、話者方向データから発言中の会議者（図３では会議者２０３）を特定して、図３に示すように会議者２０３のズームアップ映像を全面表示するとともに、会議者２０１〜２０３を含む全体映像を画面下部の別枠に表示する。また、テレビ会議装置１０１は、話者方向データに基づいてスピーカアレイの各スピーカから放音される音声を制御することで、会議者２０３に対応付けされた仮想音源に音源定位を行う。すなわち、各会議者３０１〜３０３に対して、会議者２０３に対応する方向から音が聞こえるように制御する。このように、会議者全体の様子が分かるとともに、話者の表情をアップで見え、且つ話者に応じて異なる方向から発生音が聞こえる。これにより、視覚的且つ聴覚的に非常に臨場感溢れる会議を各会議者に提供することができる。

次に、具体的なテレビ会議装置１００の構成および各データ処理の方法を説明する。
図４はテレビ会議装置１００の機能ブロック図である。
図４に示すように、テレビ会議装置１００は、前述のスピーカＳＰ１〜ＳＰ１０、マイクＭＩＣ１〜ＭＩＣ１２、カメラＣＡＭ１，ＣＡＭ１１〜ＣＡＭ１３、表示部Ｄｉｓｐ１の他に、入出力Ｉ／Ｆ１、放音制御部２、Ｄ／Ａ変換部３、Ａ／Ｄ変換部４、話者方向検出部５、収音ビーム生成部６、エコーキャンセル部７、送信音声データ生成部８、画像データ処理部９を備える。

（１）データ受信〜画像表示・放音の処理
入出力Ｉ／Ｆ１は、ネットワークに接続し、相手先テレビ会議装置から送信されるネットワーク通信データ形式からなる前述の各データを受信して、話者音声信号Ｓ１Ｂ、話者方向データＤ１Ｂ、全体映像データＰ１Ｂ、各個別映像データＰ２ｎＢ（例えば、相手先も同様に３台の個別映像用カメラを備える場合には、Ｐ２１Ｂ〜Ｐ２３Ｂ）に変換する。入出力Ｉ／Ｆ１は、話者音声信号Ｓ１Bを、エコーキャンセル回路７を介して放音制御部２に出力し、全体映像データＰ１Ｂ、各個別映像データＰ２ｎＢを画像データ処理部９に出力する。入出力Ｉ／Ｆ１は、話者方向データＤ１Ｂを放音制御部２と画像データ処理部９とに出力する。

画像データ処理部９は、入力された個別映像データＰ２ｎＢ群から、話者方向データＤ１Ｂに対応する個別映像データＰ２Ｂ（図３では会議者２０３の個別映像）を選択し、表示部Ｄｉｓｐ１に出力する。これとともに、画像データ処理部９は、全体映像データＰ１Ｂを表示部Ｄｉｓｐ１の所定位置（図３では下部）に表示枠を設けて、この表示枠に全体映像を表示する制御（ＯＳＤ表示制御等）を行う。これにより、相手先会議室の全体映像を表示するとともに、発言中の話者のズームアップ映像を表示することができる。この結果、自装置側の会議者に、相手先会議室の状況を容易に分からせるとともに、誰が発言中であるのかを明確に分からせることができる。

図５は放音制御部２の構成を示すブロック図である。
放音制御部２は、仮想音源設定部２１、デジタルフィルタ（Ｄ−ＦＩＬＴＥＲ）２２Ａ〜２２Ｊ、ゲインコントールアンプ２３Ａ〜２３Ｊを備える。仮想音源設定部２１は、話者方向データＤ１Ｂに基づいて、図３に示すような仮想音源に音源定位する設定を行う。具体的には、仮想音源設定部２１は、スピーカアレイの各スピーカＳＰ１〜ＳＰ１０とそれぞれ対応するデジタルフィルタ２２Ａ〜２２Ｊに、音源定位位置から各スピーカＳＰ１〜ＳＰ１０までの距離の逆数に応じた遅延量をそれぞれ設定する。また、仮想音源設定部２１は、各スピーカＳＰ１〜ＳＰ１０とそれぞれ対応するゲインコントールアンプ２３Ａ〜２３Ｊに、音源定位位置から各スピーカＳＰ１〜ＳＰ１０までの距離の逆数に応じた音圧減衰ゲインを設定する。

デジタルフィルタ２２Ａ〜２２Ｊにはそれぞれ話者音声信号Ｓ１Ｂが入力される。デジタルフィルタ２２Ａ〜２２Ｊは、仮想音源設定部２１から与えられた遅延量に応じて、話者音声信号Ｓ１Ｂを遅延させて出力する。ゲインコントールアンプ２３Ａ〜２３Ｊは、仮想音源設定部２１から与えられた音圧減衰ゲインに応じて、各デジタルフィルタ２２Ａ〜２２Ｊから入力された話者音声信号をゲインコントロールして出力する。

Ｄ／Ａ変換部３は、各スピーカＳＰ１〜ＳＰ１０に対応するＤ／Ａ変換器３１、出力アンプ３２を備える。Ｄ／Ａ変換器３１は、遅延、振幅制御された各話者音声信号をデジタル−アナログ変換し、出力アンプ３２は所定増幅率で各話者音声信号を増幅して、スピーカＳＰ１〜ＳＰ１０に出力する。
スピーカアレイの各スピーカＳＰ１〜ＳＰ１０は、入力された話者音声信号を音声変換して放音する。

このように、話者音声信号の遅延、振幅制御を行って、アレイ化されたスピーカＳＰ１〜ＳＰ１０で放音することにより、図３に示すように、会議者３０１〜３０３には、相手先の会議者２０３の位置に対応する仮想音源から音声が聞こえるようにすることができる。

（２）収音・撮像〜データ送信の処理
マイクアレイの各マイクＭＩＣ１〜ＭＩＣ１２は、自装置の前に居る会議者（話者）の発声音を収音して電気変換することで収音音声信号を生成する。
Ａ／Ｄ変換部４は、各マイクＭＩＣ１〜ＭＩＣ１２にそれぞれ対応して収音アンプ４１、Ａ／Ｄ変換器４２を備える。収音アンプ４１は、例えばローノイズアンプＬＮＡで構成され、収音音声信号を増幅し、Ａ／Ｄ変換器４２は、増幅された収音音声信号をアナログ−デジタル変換して、話者方向検出部５と収音ビーム生成部６に出力する。

図６は、話者方向検出部５と収音ビーム生成部６との構成を示すブロック図である。
話者方向検出部５は、検出用ビーム形成部５１、バンドパスフィルタＢＰＦ５２、ビーム方向選択部５３を備える。検出用ビーム形成部５１は、各マイクＭＩＣ１〜ＭＩＣ１２で収音され、前述の各信号処理が行われた収音信号を用いて、テレビ会議装置の正面の水平方向に対して異なる方向に指向性を有する検出用収音ビーム信号ＭＢ１〜ＭＢ１０を形成する。バンドパスフィルタＢＰＦ５２は、各検出用収音ビーム信号ＭＢ１〜ＭＢ１０を帯域通過処理して出力する。ここで、通過帯域は、人の発声音の周波数帯域のうちの所定周波数帯域が設定される。ビーム方向選択部５３は、各検出用収音ビーム信号ＭＢ１〜ＭＢ１０の信号強度比較を行い、最も強い信号強度の収音ビーム信号を選択する。ビーム方向選択部５３は、選択した収音ビーム信号に対応する収音方向を取得し、収音方向データＤ１１Ａとして送信音声データ生成部８に出力するとともに、取得した収音方向のパラメータを、収音ビーム生成部６の取得用ビーム形成部６１に与える。

収音ビーム生成部６は、取得用ビーム形成部６１と話者音声信号形成部６２とを備える。取得用ビーム形成部６１は、ビーム方向選択部５３から与えられた収音方向パラメータに対応する領域をさらに細分化するように収音ビーム信号ＭＢ１０１〜１０４を形成する。話者音声信号形成部６２は、収音ビーム信号ＭＢ１０１〜１０４の信号強度を比較して、信号強度の高い二つの収音ビーム信号を選択する。話者音声信号形成部６２は、選択した二つの収音ビーム信号の信号強度比を取得し、信号強度比に応じた合成比で、選択した二つの収音ビーム信号を合成して、送信用の話者音声信号Ｓ１Ａとして出力する。また、話者音声信号形成部６２は、選択した二つの収音ビーム信号に応じた詳細な収音方向を取得して、詳細収音方向データＤ１２Ａとして送信音声データ生成部８に出力する。

エコーキャンセル回路７は、適応型フィルタ７１、ポストプロセッサ７２を備える。適応型フィルタ７１は、受信した相手先の話者音声信号Ｓ１Ｂに基づいて擬似回帰音信号を生成してポストプロセッサ７２に出力する。ポストプロセッサ７２は、送信用の話者音声信号Ｓ１Ａから擬似回帰音信号を減算して送信音声データ生成部８に出力する。これにより、スピーカから放音された相手先の話者音声信号Ｓ１Ｂがマイクに回り込むことにより、話者音声信号Ｓ１Ａに含まれる回帰音を除去することができる。

送信音声データ生成部８は、収音方向データＤ１１Ａ、詳細収音方向データＤ１２Ａに基づいて話者方向データＤ１Ａを生成する。送信音声データ生成部８は、話者音声信号Ｓ１Ａと話者方向データＤ１Ａとで送信用話者音声データを生成して入出力Ｉ／Ｆ１に出力する。

カメラＣＡＭ１は、自装置の前に居る全ての会議者が含まれる範囲を撮像して、撮像データを画像データ処理部９に出力する。

カメラＣＡＭ１１〜ＣＡＭ１３は、それぞれに割り当てられた会議者のみを撮像して、撮像データを画像データ処理部９に出力する。

画像データ処理部９は、カメラＣＡＭ１の撮像データで、所定画像データ形式の全体映像データＰ１Ａを生成する。画像データ処理部９は、各カメラＣＡＭ１１〜ＣＡＭ１３の撮像データで、所定画像データ形式の個別映像データＰ２ｎＡ（Ｐ２１Ａ〜Ｐ２３Ａ）を生成するとともに、各個別映像データＰ２ｎＡに撮像方向データを関連付けする。画像データ処理部９は、全体映像データＰ１Ａと、それぞれに撮像方向データが関連付けされた各個別映像データＰ２ｎＡとを入出力Ｉ／Ｆ１に出力する。

入出力Ｉ／Ｆ１は、話者音声信号Ｓ１Ａと話者方向データＤ１Ａとを含む送信用話者音声データと、全体映像データＰ１Ａと、それぞれに撮像方向データが関連付けされた各個別映像データＰ２ｎＡとを、所定のネットワーク通信データ形式に変換し、ネットワークを介して相手先のテレビ会議装置に送信する。

相手先のテレビ会議装置は、これらのデータを受信すると、前述のように画像表示、放音を行う。

以上のように、本実施形態の構成および処理方法を用いることで、相手先の複数人の会議者の様子を見ながら、発言中の話者の映像がクローズアップされて表示されるとともに、当該話者の位置に対応する方向から話者の発言を聴くことができる。これにより、視覚的、聴覚的に、非常に臨場感溢れるテレビ会議を行うことができる。

なお、前述の説明では、各個別画像データを全て送信する構成を示したが、図７に示すような構成のテレビ会議装置を用いて、話者に対応する個別画像データのみを送信するようにしてもよい。

図７は、テレビ会議装置の他の構成を示すブロック図である。図７に示すテレビ会議装置の話者方向検出部５は、取得した収音方向のパラメータを、収音ビーム生成部６に与えるとともに、画像データ処理部９に与える。画像データ処理部９は、与えられた収音方向のパラメータと同じ方向を示す撮像方向データを検出し、当該方向に対応する個別映像データＰ２Ａを選択して出力する。一方、表示画像データ処理部９は、相手先から個別映像データＰ２Ｂを受け付けると、表示器Ｄｉｓｐ１に全面表示させる。その他の構成については図４に示したテレビ会議装置と同じである。

このような構成とすることで、ネットワークで送受信するデータ量が抑圧されて高速なデータ送受信を行うことができ、より快適にテレビ会議を行うことができる。

また、前述の説明では、個別画像を全面表示し、全体画像を別枠表示する例を示したが、図８に示すように、全体画像を全面表示し、個別画像を別枠でクローズアップ表示するようにしてもよい。図８は表示方法の他の一例を示す図である。さらには、全体画像と個別画像とが同時に画面上に表示される形式であれば、その他の表示方法を用いても良い。

また、前述の説明で、個別画像撮像用のカメラ数や、ビームの形成本数は一例であり、所望とする仕様に応じて、これらの数量は適宜設定すればよい。

また、前述の説明では、マイクアレイおよびスピーカアレイの上方にディスプレイＤｉｓｐ１を配置した例を示したが、マイクアレイおよびスピーカアレイの下方にディスプレイＤｉｓｐ１を配置してもよい。

本発明の実施形態のテレビ会議装置を正面に見て３人の会議者が着席している状態を示す図である。 遠隔の２地点でテレビ会議を行うテレビ会議システムの概念図である。 テレビ会議装置１０１の表示、放音状態を示す概念図である。 テレビ会議装置１００の機能ブロック図である。 放音制御部２の構成を示すブロック図である。 話者方向検出部５と収音ビーム生成部６との構成を示すブロック図である。 テレビ会議装置の他の構成を示すブロック図である。 表示方法の他の一例を示す図である。

符号の説明

１００，１０１−テレビ会議装置、１−入出力Ｉ／Ｆ、２−放音制御部、３−Ｄ／Ａ変換部、４−Ａ／Ｄ変換部、５−話者方向検出部、６−収音ビーム生成部、７−エコーキャンセル部、８−送信音声データ生成部、９−画像データ処理部、ＳＰ１〜ＳＰ１０−スピーカ、ＭＩＣ１〜ＭＩＣ１２−マイク、ＣＡＭ１，ＣＡＭ１１〜ＣＡＭ１３−カメラ、Ｄｉｓｐ１−表示部、２０１〜２０３，３０１〜３０３−会議者、５００−ネットワーク

Claims (5)

1. 複数のマイクが配列されたマイクアレイと、
   会議者全体を撮像範囲とした全体画像を生成する全体撮像手段と、
   各会議者をそれぞれ個別に撮像して各会議者に関連付けされた個別画像を生成する複数の特定会議者撮像手段と、
   前記複数のマイクの収音信号に基づいて話者方向を検出して、話者方向データを生成する話者方向検出手段と、
   検出された話者方向に応じて話者音声信号を生成する話者音声信号生成手段と、
   前記全体画像、各個別画像、話者音声信号、および話者方向データを送信する送信手段と、
   を備えたテレビ会議装置。
2. 前記送信手段は、前記話者方向データに対応する個別画像のみを送信する請求項１に記載のテレビ会議装置。
3. 複数のスピーカが配列されたスピーカアレイと、
   相手先の会議者全体を撮像範囲とした全体画像と、各会議者の個別画像とを表示する表示手段と、
   相手先装置からの全体画像、各個別画像、話者音声信号、および話者方向データを受信する受信手段と、
   前記話者方向データに基づく特定位置に音源定位を行うように前記話者音声信号に信号処理を施して前記複数のスピーカに与える放音制御手段と、
   前記話者方向データに対応する個別画像データを、前記全体画像とともに前記表示手段に与える表示制御手段と、
   を備えたテレビ会議装置。
4. 複数のスピーカが配列されたスピーカアレイと、
   相手先の会議者全体を撮像範囲とした全体画像と、相手先の各会議者の個別画像とを表示する表示手段と、
   相手先装置からの全体画像、各個別画像、話者音声信号、および話者方向データを受信する受信手段と、
   前記相手先からの話者方向データに基づく特定位置に音源定位を行うように前記相手先からの話者音声信号に信号処理を施して前記複数のスピーカに与える放音制御手段と、
   前記相手先からの話者方向データに対応する個別画像データを前記相手先からの全体画像とともに前記表示手段に与える表示制御手段と、
   を備えた請求項１または請求項２に記載のテレビ会議装置。
5. 互いに請求項４に記載のテレビ会議装置を備えるとともに、
   これらテレビ会議装置同士をネットワークで接続して、相互に全体画像、各個別画像、話者音声信号、話者方向データを送受信するテレビ会議システム。

Images