JP2009272816A - サーバ、情報処理システム及び情報処理方法 - Google Patents

Abstract

【課題】映像コンテンツに対する個別シーンの利用を実現し、映像コンテンツの新しい利用形態を提供することができる新たな枠組みを提供する。
【解決手段】映像コンテンツの個別シーンに関するメタデータを生成する生成手段と、時間的に連続する一連の個別シーンからなるカットシーンを特定するカットシーン特定情報を登録する登録手段と、前記ユーザ端末から送信される検索条件に整合するカットシーン特定情報を前記生成されたメタデータを利用して検索する検索手段と、前記検索されたカットシーン特定情報により特定される前記映像コンテンツのカットシーンに所定の管理情報を付加する付加手段と、前記所定の管理情報が付加されたカットシーンを前記ユーザ端末装置に送信する送信手段と、前記ユーザ端末装置へ送信された前記映像コンテンツのカットシーンの視聴に対して所定の課金処理を実行する課金手段を備えるサーバ。
【選択図】図５

Description

本発明は、映像コンテンツのための情報処理技術に関する。

近年、コンピュータの高機能化とネットワークのブロードバンド化に伴い、映像音声コンテンツ（以下、「映像コンテンツ」という）の利用が普及している。このような映像コンテンツの利用に関する技術には、例えば、インターネット上に公開されている映像コンテンツをコンピュータにダウンロードするための技術や、コンピュータにて映像コンテンツを再生、編集するための技術などが知られている。

ところで、このような映像コンテンツの利用が普及するにつれ、映像コンテンツを購入して視聴するという従来の利用形態では物足りず、ユーザの中には映像コンテンツの新しい利用形態に対するニーズが高まっている。そのような新しい利用形態として、例えば、映像コンテンツの中からユーザが自分の好きな個別シーンを任意に選んで利用することができれば望ましい。

しかしながら、例えば、ユーザが映像コンテンツを購入して視聴する場合、従来の購入方法では、映像コンテンツを全体として購入するか、チャプター単位で購入する場合が多く、ユーザは、映像コンテンツの中から自分の好きなシーンのみを利用したいような場合でも、映像コンテンツを全体として購入しなければならない。そのため、従来の購入方法は、ユーザの利便性に欠けるとともに、映像コンテンツの中からユーザが自分の好きな個別シーンを任意に選んで利用するといった映像コンテンツの新しい利用形態に適したものとはいえない。

また、映像コンテンツを一般ユーザが購入する場合、購入前に、雑誌やショッピングサイト、専門サイト等のレビュー情報を参考にして所望の映像コンテンツが自分の趣味に沿うものかどうかを検討する場合がある。しかし、これらのレビュー情報は、映像コンテンツ全体に関する場合が多く、映像コンテンツのシーンごとに細かくレビューしたものではない。そのため、従来のレビュー情報は、ユーザが所望する個別シーンを検索するには有用な情報とはならず、映像コンテンツの中からユーザが自分の好きな個別シーンを任意に選んで利用するといった映像コンテンツの新しい利用形態には適していない。

そこで、本願発明の目的は、映像コンテンツに対する個別シーンの利用を実現し、ユーザに映像コンテンツの新しい利用形態を提供することができる新たな枠組みを提供することにある。

本発明は、ユーザ端末装置とネットワークを介して接続されるサーバであって、映像コンテンツの個別シーンに関するメタデータを生成する生成手段と、前記映像コンテンツを対象に、時間的に連続する一連の個別シーンからなるカットシーンを特定するカットシーン特定情報をカットシーン特定情報記憶手段に登録する登録手段と、前記登録されたカットシーン特定情報を対象に、前記ユーザ端末から送信される検索条件に整合するカットシーン特定情報を、前記生成されたメタデータを利用して検索する検索手段と、前記検索されたカットシーン特定情報により特定される前記映像コンテンツのカットシーンに、前記ユーザによる前記カットシーンの利用を管理するための所定の管理情報を付加する付加手段と、前記所定の管理情報が付加されたカットシーンを、前記ユーザ端末装置に送信する送信手段と、前記ユーザ端末装置へ送信された前記映像コンテンツのカットシーンの視聴に対して、所定の課金処理を実行する課金手段と、を備える。

前記生成手段は、画像パターンとキーワードとを対応付けて記憶する画像記憶手段と、音声パターンとキーワードとを対応付けて記憶する音声記憶手段と、前記映像コンテンツから所定の個別シーンを抽出する個別シーン抽出手段と、前記抽出された所定の個別シーンから対象物の画像を抽出し、前記画像記憶手段に登録された画像パターンから前記抽出された対象物の画像に整合する画像パターンを選択し、当該選択された画像パターンに対応付けられた１以上のキーワードを特定する画像認識手段と、前記抽出された所定の個別シーンから前記対象物の音声を抽出し、前記音声記憶手段に登録された音声パターンから前記抽出された前記対象物の音声に整合する音声パターンを選択し、当該認識された音声パターンに対応付けられた１以上のキーワードを特定する音声認識手段と、前記画像認識手段により特定された１以上のキーワードと前記音声認識手段により特定された１以上のキーワードとに基づいて、前記所定の個別シーンに対するキーワードを決定するキーワード決定手段と、前記決定されたキーワードを、前記抽出された所定の個別シーンに対するメタデータとして、前記抽出された所定の個別シーンと対応付けて、メタデータ記憶手段に格納する格納手段と、を備えることを特徴とする。

前記登録手段は、前記映像コンテンツを特定する映像ＩＤと、前記時間的に連続する一連の個別シーンに含まれる少なくとも１の個別シーンの再生時刻と、を含む前記カットシーン特定情報を登録することを特徴とする。

前記検索手段は、前記ユーザ端末から検索キーを受信する受信手段と、前記生成されたメタデータを対象にして、前記受信した検索キーに整合するメタデータを検索する検索手段と、前記検索の結果、前記受信した検索キーに整合するメタデータを発見した場合、前記登録されたカットシーン特定情報を対象に、該発見したメタデータに対応づけられた個別シーンを含むカットシーン特定情報を検索するカットシーン特定情報検索手段と、前記検索されたカットシーン特定情報を前記ユーザ端末装置に送信する送信手段と、を備えることを特徴とする。

前記付加手段は、前記検索されたカットシーン特定情報により特定される前記映像コンテンツのカットシーンに、前記所定の管理情報を、電子透かし情報として埋め込むことを特徴とする。

前記送信手段は、前記映像コンテンツのカットシーンをストリーミング方式で前記ユーザ端末装置へ送信し、前記カットシーン特定情報記憶手段は、前記カットシーンの価格を前記カットシーン特定情報と対応付けて格納しており、前記課金手段は、前記ストリーミング方式で送信された前記映像コンテンツの前記カットシーンが、前記ユーザ端末装置において再生表示された場合において、前記カットシーンの再生表示が停止したタイミングで前記ユーザ端末装置から送信される、前記カットシーンの再生表示合計時間を受信する受信手段と、前記受信された前記カットシーンの再生表示合計時間と、前記カットシーン特定情報記憶手段に格納されている前記カットシーンの価格とに基づいて、前記カットシーンの再生表示合計時間に応じた課金額を算出する算出手段と、を備えることを特徴とする。

前記送信手段は、前記映像コンテンツのカットシーンをダウンロード方式で前記ユーザ端末装置へ送信し、前記カットシーン特定情報記憶手段は、前記カットシーンの価格を前記カットシーン特定情報と対応付けて格納しており、前記課金手段は、前記ダウンロード方式で送信された前記映像コンテンツの前記カットシーンが、前記ユーザ端末装置において保存された場合に、所定のタイミングで前記ユーザ端末装置から送信される前記カットシーンに対する再生要求を受信する手段と、前記受信手段が前記再生要求を受信した場合に、前記カットシーン特定情報記憶手段に格納されている前記カットシーンの価格に基づいて所定の課金処理を実行する手段と、前記課金処理が成功した場合に、前記カットシーンの再生許可を前記ユーザ端末装置へ送信する送信手段と、を備えることを特徴とする。

また、本発明は、ユーザ端末装置とネットワークを介して接続されるサーバにおける情報処理方法であって、映像コンテンツの個別シーンに関するメタデータを生成する生成ステップと、前記映像コンテンツを対象に、時間的に連続する一連の個別シーンからなるカットシーンを特定するカットシーン特定情報をカットシーン特定情報記憶手段に登録する登録ステップと、前記登録されたカットシーン特定情報を対象に、前記ユーザ端末から送信される検索条件に整合するカットシーン特定情報を、前記生成されたメタデータを利用して検索する検索ステップと、前記検索されたカットシーン特定情報により特定される前記映像コンテンツのカットシーンに、前記ユーザによる前記カットシーンの利用を管理するための所定の管理情報を付加する付加ステップと、前記所定の管理情報が付加されたカットシーンを、前記ユーザ端末装置に送信する送信ステップと、前記ユーザ端末装置へ送信された前記映像コンテンツのカットシーンの視聴に対して、所定の課金処理を実行する課金ステップと、を備える。

また、本発明は、映像コンテンツの再生機能を備える端末に記憶されるプログラムと、前記端末とネットワークを介して接続されるサーバと、を備える情報処理システムであって、前記端末に記憶されるプログラムは、前記端末を、前記再生機能を用いて映像コンテンツを再生表示中に、前記再生表示されている映像コンテンツの映像に対して入力された指示に基づいて、時間的に連続する一連の個別シーンからなるカットシーンを特定するカットシーン特定情報を前記サーバへ送信する登録インタフェース手段と、カットシーンを検索するための所定の検索条件を前記サーバへ送信する検索インタフェース手段と、前記サーバから送信される所定の管理情報が付加されたカットシーンを受信すると、受信した所定の管理情報が付加されたカットシーンをディスプレイに再生表示する再生表示インタフェース手段と、して機能させ、前記サーバは、前記映像コンテンツの個別シーンに関するメタデータを生成する生成手段と、前記端末からカットシーン特定情報を受信すると、受信したカットシーン特定情報をカットシーン特定情報記憶手段に登録する登録手段と、前記登録されたカットシーン特定情報を対象に、前記ユーザ端末から送信される検索条件に整合するカットシーン特定情報を、前記生成されたメタデータを利用して検索する検索手段と、前記検索されたカットシーン特定情報により特定される前記映像コンテンツのカットシーンに、前記ユーザによる前記カットシーンの利用を管理するための所定の管理情報を付加する付加手段と、前記所定の管理情報が付加されたカットシーンを、前記ユーザ端末装置に送信する送信手段と、前記ユーザ端末装置へ送信された前記映像コンテンツのカットシーンの視聴に対して、所定の課金処理を実行する課金手段と、を備える。

本発明の情報処理方法における各工程は、サーバ又は端末においてＣＰＵがプログラムに従って実行することができる。かかるプログラムは、ＣＤ−ＲＯＭ、磁気ディスク、半導体メモリなどの各種の記録媒体を通じて、又は通信ネットワークを介してダウンロードすることにより、サーバ又は端末にインストールまたはロードすることができる。

なお、本明細書において、手段とは、単に物理的手段を意味するものではなく、その手段が有する機能をソフトウェアによって実現する場合も含む。また、１つの手段が有する機能が２つ以上の物理的手段により実現されても、２つ以上の手段の機能が１つの物理的手段により実現されても良い。

本発明によれば、映像コンテンツについて、映像コンテンツの個別シーンを対象とした新しい利用形態を提供することが可能になる。

以下、本発明の実施形態の構成・動作について図面を用いて説明する。

（１）情報処理システムの概略構成
図１は、本発明の実施形態に係る情報処理システム１の概略構成を示すブロック図である。同図に示すように、情報処理システム１は、映像音声コンテンツ（以下、「映像コンテンツ」という。）の再生機能を備えたユーザ端末装置２と、映像コンテンツのカットシーン特定情報やメタデータを管理するためのサーバ機能及びデータベース機能を備える映像コンテンツ管理サーバ３（以下、「管理サーバ３」という）と、管理サーバ３を介して映像コンテンツをユーザに提供する映像コンテンツ提供者の端末装置４と、を備える。

ユーザ端末装置２、管理サーバ３、映像コンテンツ提供者端末装置４は、所定の通信ネットワークＮ（ＬＡＮ、インターネット、専用線、パケット通信網、それらの組み合わせ等のいずれであってもよく、有線、無線の両方を含む）を介して相互に通信可能に構成されている。図１では、ユーザ端末装置２、管理サーバ３、映像コンテンツ提供者端末装置４について、それぞれ１台ずつを記載しているが、設計に応じてそれぞれが１台以上となるように情報処理システム１を構成してもよい。

このような通信ネットワークＮを介して通信を行う情報処理システム１は、例えば、従来のＷｅｂアプリケーションサーバシステムの技術を用いて構成することができる。すなわち、管理サーバ３は、Ｗｅｂサーバ、ＡＰ（アプリケーションサーバ）、データベースサーバとして機能し、クライアントとして機能するユーザ端末装置２や映像コンテンツ提供者端末装置４から例えばＨＴＴＰプロトコルに従い送信される所定の要求を受け付けると、この所定の要求に応じた処理を実行し、その処理結果をユーザ端末装置２や映像コンテンツ提供者端末装置４へ送信する。ユーザ端末装置２や映像コンテンツ提供者端末装置４は、Ｗｅｂブラウザを実装し、ユーザの操作に従って所定の要求を管理サーバ３に対して送信するとともに、その要求に応じた結果（例えば、Ｗｅｂページ情報など）を受信すると、これを表示等する。なお、情報処理システム１が採用可能な技術は、Ｗｅｂアプリケーションサーバシステムの技術に限られず、管理サーバ３がユーザ端末装置２や映像コンテンツ提供者端末装置４との間でデータ通信が可能な技術を適宜採用することができる。

図２（ａ）は、ユーザ端末装置２のハードウェア構成を示すブロック図である。図２（ａ）に示すように、ユーザ端末装置２は、ＣＰＵ、ＲＯＭ、ＲＡＭ、ＨＤＤ、スピーカ、ディスプレイ、ユーザインタフェースおよび通信インタフェース等のハードウェアを備える汎用のコンピュータにより構成することができる。なお、ＣＤ、ＤＶＤ、ブルーレイディスク（ＢＤ）、ＨＤ-ＤＶＤなどの再生装置を備えていてもよい。

図２（ｂ）は、ユーザ端末装置２の機能構成を示すブロック図である。図２（ｂ）に示すように、ユーザ端末装置２は、通信手段２１、制御手段２２、記憶手段２３等の機能手段を含んでいる。

通信手段２１は、通信ネットワークＮを介して管理サーバ３、その他のネットワークに接続された装置に対して、情報を入出力可能に構成されており、例えばＰＰＰドライバ、ＴＣＰ／ＩＰドライバ等の通信モジュールを備えている。

制御手段２２は、ユーザ端末装置２全体の動作を制御するとともに、ＲＡＭ、ＨＤＤ等に記憶したプログラムに基づき、カットシーンを管理するユニット２２１（以下、「管理ユニット２２１」という）や、映像コンテンツを再生するための映像コンテンツ再生ユニット２２２として機能する。

管理ユニット２２１のためのプログラムは、ユーザ端末装置２が、ＣＤ−ＲＯＭやＤＶＤ等の各種記憶媒体を通じて、または通信ネットワークＮを介してダウンロードすることにより、管理ユニット２２１にインストールすることができる。本実施形態では、管理ユニット２２１が、あらかじめ管理サーバ３からプログラムをダウンロードしてＲＡＭやＨＤＤ等に記憶しているものとする。

管理ユニット２２１は、具体的には、カットシーン特定情報の登録／検索を行うためのインタフェース機能、カットシーンを購入するためのインタフェース機能、カットシーンを再生表示するためのインタフェース機能、カットシーンの課金要求を管理サーバ３へ送信する送信機能などを提供する。図２（ｂ）では、管理ユニット２２１において実現される上記の各機能をそれぞれ機能手段としてとらえて図示している。

ここで、カットシーンとは、原則として、映像コンテンツタイトルを識別する映像ＩＤとタイムコード（再生時刻情報）との組み合わせからなる情報（以下、「カットシーン特定情報」という）により特定される映像コンテンツの個別シーンであって、原則として、時間的に連続する一連の個別シーンからなるものを指すものとする。カットシーンの期間（長さ）は特に制限されず、後述するように、ユーザが任意に設定することが可能である。なお、チャプター単位でタイムコードが付与されている場合において、チャプターより細かい期間でカットシーンが構成される場合には、映像ＩＤとタイムコードに加えてチャプターを識別するチャプターＩＤの組み合わせによってカットシーン特定情報を構成してもよい。

映像コンテンツ再生ユニット２２２のためのプログラムは、動画（映像）や音声のファイルを再生するためのメディアプレーヤーと呼ばれるアプリケーションプログラムが該当し、ユーザ端末装置２が、ＣＤ−ＲＯＭやＤＶＤ等の各種記憶媒体を通じて、または通信ネットワークＮを介してダウンロードすることにより、管理ユニット２２１にインストールすることができる。本実施形態では、管理サーバ３により提供される映像コンテンツのファイルフォーマットの再生に対応可能なメディアプレーヤーが、あらかじめ記憶されているものとする。

記憶手段２３は、カットシーンを記憶するカットシーン記憶手段２３１を備える。後述するように、ユーザが所望のカットシーンを購入する際、ユーザ端末装置２は管理サーバ３からユーザが指定したカットシーンをダウンロードし、カットシーンを識別するカット情報ＩＤと対応付けて、カットシーン記憶手段２３１に格納する。

図３（ａ）は、管理サーバ３のハードウェア構成を示すブロック図である。図３（ａ）に示すように、管理サーバ３は、ＣＰＵ、ＲＯＭ、ＲＡＭ、ＨＤＤ、ユーザインタフェース、ディスプレイ、および通信インタフェース等のハードウェアを備える汎用のコンピュータにより構成することができる。

図３（ｂ）は、管理サーバ３の機能構成を示すブロック図である。図３（ｂ）に示すように、管理サーバ３は、通信手段３１、制御手段３２、記憶手段３３等の機能手段を含んでいる。

通信手段３１は、通信ネットワークＮを介してユーザ端末装置２等に対して、情報を入出力可能に構成されており、例えばＰＰＰドライバ、ＴＣＰ／ＩＰドライバ等の通信モジュールを備えている。

制御手段３２は、管理サーバ３全体の動作を制御するとともに、本発明に係る映像コンテンツの管理サービスを提供するための各種機能実現手段を有する。例えば、映像コンテンツの登録機能と、映像コンテンツの個別シーンに関するメタデータを生成する生成機能を備える。

制御手段３２のカットシーン特定情報登録機能は、映像コンテンツを対象に、時間的に連続する一連の個別シーンからなるカットシーンを特定するカットシーン特定情報をカットシーン特定情報記憶手段３３４に登録する機能を備える。

制御手段３２のカットシーン特定情報検索機能は、検索されたカットシーン特定情報により特定される映像コンテンツのカットシーンに、ユーザによるカットシーンの利用を管理するための所定の管理情報を付加する機能を備える。

そして、制御手段３２のカットシーン送信機能は、所定の管理情報が付加されたカットシーンをユーザ端末装置２へ送信する機能、カットシーン課金機能は、ユーザ端末装置へ送信された映像コンテンツのカットシーンの視聴に対して、所定の課金処理を実行する機能を備える。

図３（ｂ）では、制御手段３２において実現される上記機能を機能実現手段としてとらえて図示している。なお、制御手段３２は、上記機能以外にも、例えば管理サーバ３が提供するサービスを利用するユーザの登録機能や認証機能など種々の機能を提供してもよい。

次に、映像コンテンツ記憶手段３３１は、映像コンテンツ提供者端末装置４から送信される映像コンテンツを映像ＩＤと対応付けて記憶する。

認識パターン記憶手段３３２は、メタデータ生成の際に実行する所定の認識処理に必要なパターンデータと、パターンデータに対応するキーワードと、キーワードに対する重み付けパラメータとを、それぞれ対応付けて記憶する。図９に示すように、画像認識処理の場合は、画像パターンとキーワード及び重み付けパラメータを対応付けて記憶し（３３２(ａ)、音声認識処理の場合は、音声パターンとキーワード及び重み付けパラメータを対応付けて記憶している（３３２(ｂ)）。パターンデータに対応するキーワードは、パターンデータ毎に、１または１以上のキーワードを設定することができる。

メタデータ記憶手段３３３は、映像コンテンツについて生成されたメタデータに関する情報を記憶する。ここで、メタデータとは映像コンテンツについての情報を記述したデータであり、本実施形態では特に、映像コンテンツの個別シーンに関連づけられるデータを指すものとする。このようなメタデータには、例えば、個別シーンに含まれる映像（人物、動物、建物、背景等）、に関するキーワードや、音声（音声、ＢＧＭ、背景音等）に関するキーワード、字幕に関するキーワードなどが含まれる。図４（ａ）は、メタデータ記憶手段３３３のデータ構造を示す一例である。図４（ａ）に示すように、メタデータ記憶手段３３３は、例えば、メタデータＩＤ、映像ＩＤ、個別シーンの再生時刻、キーワードを対応付けて記憶する。

カットシーン特定情報記憶手段３３４は、カットシーンに関する情報を記憶する。図４（ｂ）は、カットシーン特定情報記憶手段３３４のデータ構造を示す一例である。図４（ｂ）に示すように、カットシーン特定情報記憶手段３３４は、例えば、カットシーン特定情報ＩＤ（以下、「カット情報ＩＤ」という）、映像ＩＤ、ユーザＩＤ、カット開始時刻、カット終了時刻、カットシーンに関するコメント、及びカットシーンに対する価格を対応付けて記憶する。

課金情報記憶手段３３５は、ユーザの課金情報を記憶する。図４（ｃ）は、課金情報記憶手段３３５のデータ構造を示す一例である。図４（ｃ）に示すように、課金情報記憶手段３３５は、例えば、課金情報ＩＤ、ユーザＩＤ、クレジットカード番号、カード有効期限を対応付けて記憶する。なお、ユーザへの課金形態に応じて、携帯電話端末の会員番号やプリペイドカード番号などを登録してもよい。これらの課金情報は、管理サーバ３によるサービスを利用する前に予め登録されているものとする。

視聴情報記憶手段３３６は、ユーザが視聴した映像コンテンツ及び視聴に関する情報を記憶する。図４（ｄ）は、視聴情報記憶手段３３６のデータ構造を示す一例である。図４（ｄ）に示すように、視聴情報記憶手段３３６は、例えば、視聴情報ＩＤ、ユーザＩＤ、カット情報ＩＤ、視聴開始時刻、視聴終了時刻を対応付けて記憶する。視聴情報記憶手段３３６は、後述する第１の課金形態の処理において利用される。

販売情報記憶手段３３７は、映像コンテンツの販売に関する情報を記憶する。図４（ｅ）は、販売情報記憶手段３３７のデータ構造を示す一例である。図４（ｅ）に示すように、販売情報記憶手段３３７は、例えば、販売情報ＩＤ、ユーザＩＤ、カット情報ＩＤ、視聴状態を対応付けて記憶する。販売情報記憶手段３３７は、後述する第２の課金形態の処理において利用される。

視聴履歴情報記憶手段３３８は、ユーザの視聴履歴（例えば、ユーザが視聴を開始した点や終了した点など）に関する情報を記憶する。

なお、図４に示すようなデータ構造は、例えばリレーショナルデーターベース等の従来のデータベース技術を用いて構成することができる。また、図４に示すようなデータ構造は、一例であり、適宜他のデータ構成を使用することができる。

以下、図５〜図８に示すフローチャートに基づいて、情報処理システム１において実現される新しい枠組みについて説明する。なお、フローチャートにおける各工程（符号が付与されていない部分的な工程を含む）は処理内容に矛盾を生じない範囲で任意に順番を変更して又は並列に実行することができる、

（２）映像コンテンツの登録処理／メタデータの生成処理
図５に示すように、管理サーバ３の制御手段３２（映像コンテンツ登録手段）は、映像コンテンツ提供者端末装置４から送信される映像コンテンツを受信すると、受信した映像コンテンツを映像コンテンツＩＤに対応付けて映像コンテンツ記憶手段３３１に格納する（Ｓ１０１）。

次に、管理サーバ３の制御手段３２（メタデータ生成手段）は、映像コンテンツ記憶手段３３１から映像コンテンツを読み出し、読みだした映像コンテンツから、所定の抽出条件に基づいて、メタデータの生成対象となる個別シーンと当該個別シーンの時刻情報とを、抽出する（Ｓ１０２）。本実施形態では、個別シーンの抽出条件として、映像コンテンツを構成するＩフレーム（Intracoded Frame）を抽出することが設定されている。Ｉフレームは、フレーム間予測を用いずに符号化されているフレームである。このＩフレームをメタデータの生成対象とすることで、フレーム間予測を用いて符号化されるフレーム（例えば、Ｐフレーム(Predicted Frame)やＢフレーム(Bi-directional Predicted Frame)）を用いた場合よりも、認識処理の速度を早めることができる。

メタデータ生成手段は、ＲＡＭやＨＤＤに記憶した画像認識処理プログラムを実行することにより、例えば、抽出された個別シーンから対象物の画像を抽出し、抽出した画像に整合する画像パターンを画像認識パターン記憶手段３３２ａから特定する（Ｓ１０３）。なお、画像認識処理プログラムには、形状の類似性、全体の色の類似性、物の動きの類似性、映像データ変化量の類似性などに基づいて、個別シーンから抽出された対象物の画像と画像パターンのマッチングを行う機能を備えた既存の画像認識処理アプリケーションを使用することができる。

メタデータ生成手段は、画像パターンが特定されると、特定した画像パターンに対応する１以上のキーワードと重みづけパラメータを、画像認識パターン記憶手段３３２ａから抽出する（Ｓ１０４）（図９の（１）参照）。

次に、メタデータ生成手段は、ＲＡＭやＨＤＤに記憶した音声認識処理プログラムを実行することにより、抽出された個別シーンから音声を抽出し、抽出した音声に整合する音声パターンを音声認識パターン記憶手段３３２ｂから特定する（Ｓ１０５）。なお、音声認識処理プログラムには、声紋の類似性、効果音の類似性、言語の類似性、音量変化の類似性などに基づいて、個別シーンの音声と音声パターンのマッチングを行う機能を備えた既存の音声認識処理アプリケーションを使用することができる。

メタデータ生成手段は、音声パターンが特定されると、特定した音声パターンに対応する１以上のキーワードと重みづけパラメータを音声認識パターン記憶手段３３２ｂから抽出する（Ｓ１０６）（図９の（２）参照）。

メタデータ生成手段は、画像認識処理と音声認識処理とによってそれぞれ特定されたキーワードを所定条件に従って集計することで、個別シーンのメタデータを決定する。本実施形態では、メタデータ生成手段は、画像認識処理と音声認識処理とによってそれぞれ特定されたキーワードを集計し、同一キーワードが存在する場合は、これら同一キーワードの重み付けパラメータの値を合算し、キーワード毎に重みづけパラメータの値を算出する（Ｓ１０７）（図９の（３）参照）。

メタデータ生成手段は、各キーワードの重みづけパラメータの値を比較し、重みづけパラメータの値が一番大きいキーワードを選択する（Ｓ１０８）（図９の（４）参照）。

メタデータ生成手段は、選択したキーワードを、メタデータＩＤ、映像コンテンツの映像ＩＤ、個別シーンの時刻情報と、それぞれ対応付けて、メタデータ記憶手段３３３に格納する（Ｓ１０９）。

以上によれば、映像コンテンツの所定の個別シーンに対して種類の異なる２つの認識処理（画像認識、音声認識）を実行することにより得られる複数の情報を組合せて、メタデータ（キーワード）を特定しているので、メタデータの質や精度を向上させることができる。

例えば、俳優Ｃの映像と音声を含む個別シーンについてメタデータを生成した場合、画像認識処理では複数の人物（俳優Ａ、俳優Ｂ、俳優Ｃ）の顔が認識され、音声認識処理では複数の人物の音声（俳優Ｃの音声、俳優Ｄの音声）が認識されたものとする。この場合、画像認識処理による結果だけでは、俳優Ｃを特定することが困難であるが、音声認識処理による結果を合わせて考慮することで俳優Ｃが特定され、メタデータの精度を維持できる。また、音声認識処理で重複する人物（俳優Ａ、俳優Ｂ、俳優Ｃ）の音声が認識された場合でも、上述した重み付けパラメータ（例えば、俳優Ａ＋20、俳優Ｂ＋10、俳優Ｃ＋60）を付加しておくことで俳優Ｃが選択され、メタデータの精度を維持することができる。

また、上記メタデータの生成処理によれば、メタデータは自動的に生成されるので、システム運営者が手動で入力する必要がなくなり、メタデータ生成に要する作業時間とコストが著しく軽減される。

（３）カットシーン特定情報の登録処理
次に、図６と図１０を用いてカットシーン特定情報の登録処理について説明する。

まず、図６に示すように、ユーザ端末装置２の管理ユニット２２１は、ディスプレイに、カットシーン特定情報を登録するためのインタフェース画面を表示し、対象となる映像コンテンツの映像ＩＤを含む取得要求を管理サーバ３へ送信する（Ｓ２０１）。なお、対象となる映像コンテンツは、ユーザによって事前に選択されているものとする。管理サーバ３は、映像コンテンツの取得要求に含まれる映像ＩＤに合致する映像コンテンツを映像コンテンツ記憶手段３３１から読み出して、読みだした映像コンテンツと映像ＩＤとをユーザ端末装置２へ送信する。

管理ユニット２２１は、管理サーバ３から映像コンテンツと映像ＩＤとを取得すると、映像コンテンツ再生ユニット２２２に映像コンテンツの再生を通知する（Ｓ２０２）。

管理ユニット２２１は、映像コンテンツ再生ユニット２２２から映像コンテンツの再生データを受け取って、インタフェース画面の所定の表示領域に再生表示する（Ｓ２０３）（図１０の「カットページ」画面を参照）。

管理ユニット２２１は、映像コンテンツの再生表示中、所定の表示領域に再生表示されている個別シーンについて、当該個別シーンを特定するシーン特定情報を取得する（Ｓ２０４）。ここでは、シーン特定情報は、個別シーンの再生時刻（タイムスタンプ）である。

管理ユニット２２１は、ユーザからの入力を監視し、ユーザからの入力があった場合には（Ｓ２０５；Ｙｅｓ）、入力内容に応じた処理を実行する。ユーザ入力がカットの開始指示である場合（例えば、図１０の「カット開始点記録」ボタンをクリックした場合）（Ｓ２０５；開始）、管理ユニット２２１は、Ｓ２０４にて取得した個別シーンのシーン特定情報（再生時刻）を、カットシーンの開始点としてＲＡＭ上の所定の記憶領域に格納する（Ｓ２０６）。

一方、ユーザ入力がカットの終了指示である場合（例えば、図１０の「カット終了点記録」ボタンをクリックした場合）（Ｓ２０５；終了）、管理ユニット２２１は、Ｓ２０４にて取得した個別シーンのシーン特定情報（再生時刻）を、カットシーンの終了点として、Ｓ２０６にて格納された開始点と対応付けて、所定の記憶領域に格納する（Ｓ２０７）。

また、ユーザ入力がコメント入力指示である場合（例えば、図１０の「コメント入力」領域にコメントが入力された場合）（Ｓ２０５；コメント）、管理ユニット２２１は、コメント入力領域に入力されたデータを、コメントデータとして、Ｓ２０６にて格納された開始点及びＳ２０７に格納された終了点と対応付けて、所定の記憶領域に格納する（Ｓ２０８）。

そして、カットシーン特定情報の登録指示が入力された場合（例えば、図１０の「登録」ボタンをクリックした場合）（Ｓ２０９；Ｙｅｓ）、管理ユニット２２１は、所定の記憶領域に格納した開始点、終了点、コメントデータ、映像ＩＤおよびユーザＩＤを含むカットシーン特定情報登録要求を、管理サーバ３へ送信する（Ｓ２１１）。

管理サーバ３の制御手段３２（カットシーン特定情報登録手段）は、カットシーン特定情報登録要求に含まれる開始点、終了点、コメント、映像ＩＤおよびユーザＩＤを、カット情報ＩＤと対応付けて、カットシーン特定情報記憶手段３３４に格納する（Ｓ２１２）（図１０の（１）参照）。

なお、Ｓ２０５にてユーザ入力がなく（Ｓ２０５；Ｎｏ）、Ｓ２０９にて登録指示の入力がない場合（Ｓ２０９；Ｎｏ）、管理ユニット２２１は、映像コンテンツの再生表示を続行する。

以上によれば、再生表示されている映像コンテンツに対して、ユーザは、任意にカットシーンの開始点と終了点及びコメントを入力することができ、また、入力したこれらのカットシーン特定情報が管理サーバ３に管理サーバ３に登録される。以上のステップを繰り返すことにより、各ユーザは、１の映像コンテンツに対して１または１以上のカットシーン特定情報を管理サーバ３へ登録することができる。ユーザは、映像コンテンツを見ながら開始位置と終了位置を指示するだけでよいので、カットシーン特定情報の登録作業を容易に行える。

（４）カットシーン特定情報の検索処理
次に、図７及び図１０を用いてカットシーン特定情報の検索処理について説明する。ここでは、カットシーン特定情報の検索の一例として、ユーザの入力した検索キーに整合するカットシーン特定情報を検索する場合について説明する。

図７に示すように、ユーザ端末装置２の管理ユニット２２１は、ディスプレイに、カットシーン特定情報を検索するためのインタフェース画面を表示する（Ｓ３０１）（図１０の「カット検索ページ」参照）。インタフェース画面は、検索キーが入力可能に構成された入力領域を備える。ユーザは、例えば、「車」や「海」等のキーワードを検索キーとして入力することができる。なお、検索対象となる映像コンテンツは、ユーザによって事前に選択されているものとする。

ユーザから検索指示があった場合（Ｓ３０２；Ｙｅｓ）、管理ユニット２２１は、検索キー入力領域を介して入力された検索キーと、ユーザによって事前に選択された映像コンテンツの映像ＩＤとを含む検索要求を、管理サーバ３へ送信する（Ｓ３０３）。

管理サーバ３の制御手段３２（検索手段）は、管理ユニット２２１から検索要求を受信すると、メタデータ記憶手段３３３に記憶されるメタデータと、カットシーン特定情報記憶手段３３４に記憶されるカットシーン特定情報（コメント）を対象に、検索要求に含まれる映像ＩＤと検索キーに整合するメタデータやコメントを検索する（Ｓ３０４）（図１０の（２）参照）。なお、図１０の（２）では、メタデータ記憶手段３３３とカットシーン特定情報３３４のうち、検索対象の一例として、カットシーン特定情報３３４のみを示している。メタデータやコメントの検索として、例えば、検索キーに「俳優Ａ」が指定されている場合には、「俳優Ａ」がメタデータやコメントに登録されているカットシーン特定情報が、検索結果としてヒットする。

管理サーバ３の制御手段３２（検索手段）は、受信した映像ＩＤと検索キーに整合するメタデータを発見した場合、当該メタデータの再生時刻をメタデータ記憶手段３３３から特定し、その再生時刻に整合するカットシーン特定情報をカットシーン特定情報記憶手段３３４から検索する（Ｓ３０５）。メタデータの再生時刻がカットシーン特定情報に整合するとは、メタデータの再生時刻が、カットシーンの開始時刻から終了時刻までの間のいずれかの地点に位置する場合を意味する。また、制御手段３２（検索手段）は、受信した映像ＩＤと検索キーに整合するコメントを発見した場合は、当該コメントを含むカットシーン特定情報を抽出する。

管理サーバ３の制御手段３２（検索手段）は、検索の結果、メタデータの再生時刻に合致するカットシーン特定情報を発見した場合、当該カットシーン特定情報を、ユーザ端末装置２へ送信する（Ｓ３０６）（図１０の（３）参照）。また、制御手段３２（検索手段）は、発見したコメントを含むカットシーン特定情報を、ユーザ端末装置２へ送信する（Ｓ３０６）。

管理ユニット２２１は、管理サーバ３から受信したカットシーン特定情報を、カットシーン特定情報を表示するための表示領域に出力する（Ｓ３０７）（図１０の「カット検索ページ」参照）。

ユーザからカットシーン特定情報の購入指示が入力されると（例えば、図１０の「購入」ボタンをクリックした場合）（Ｓ３０８；Ｙｅｓ）、管理ユニット２２１は、購入指示が入力されたカットシーン特定情報のカット情報ＩＤとユーザＩＤとを含む購入要求を、管理サーバ３へ送信する（Ｓ３０９）。

管理サーバ３の制御手段３２（管理情報付加手段）は、購入要求に含まれるカット情報ＩＤに基づいて、カットシーン特定情報記憶手段３３４からユーザが指定したカットシーン特定情報（映像ＩＤ、開始時刻、終了時刻）を特定する（Ｓ３１１）。

管理サーバ３の制御手段３２（管理情報付加手段）は、特定したカットシーン特定情報に基づいて、映像コンテンツ記憶手段３３１からカットシーンのデータを読み出す（Ｓ３１２）。

管理サーバ３の制御手段３２（管理情報付加手段）は、予め設定された要件に従って、ユーザによるカットシーンの利用を管理するための所定の管理情報をカットシーンに埋め込む（Ｓ３１３）。所定の管理情報は、ユーザによるカットシーンの不正使用を防止するための情報であり、例えば、ユーザ情報や、カットシーンの使用用途を示す情報などが該当する。カットシーンに対する所定の管理情報は、例えば、電子透かしに関する既存の技術を利用して、視聴者による認識が困難なかたちで埋め込むこともできる。また、所定の管理情報をテロップとして、カットシーンに重畳するなどして視聴者が認識できるように埋め込んでもよい。図１０では、「車」の画像に、カットシーンの購入者を特定する「ユーザＢ」という情報が、所定の管理情報として埋め込まれている。

以上によれば、ユーザが入力した検索条件に基づいてメタデータが検索されるところ、メタデータは個別シーンについて細かく設定されているので、個別シーンの検索の精度を高めることができる。また、ユーザ情報や使用用途を規定した管理情報がカットシーンに埋め込まれるので、例えば、インターネット上での配布を許可していないカットシーンをダウンロードしたユーザが、当該カットシーンをインターネット上に公開したような場合であっても、カットシーンに埋め込まれた付加情報をチェックすることにより、不正使用を検知することが可能になる。

（５）カットシーン特定情報の課金処理
次に、図８、図１１、図１２を用いて、カットシーン特定情報の課金処理について説明する。ここでは、カットシーン特定情報の課金処理として、異なる２つの課金方式について説明する。第１の課金方式は、ユーザが視聴した分だけ料金が発生する方式であり、ユーザの視聴後に課金処理が実行される。一方、第２の課金方式は、ユーザが視聴を希望する際（ユーザの視聴前）に課金処理が実行される。なお、図１１及び図１２に示すように、ユーザの課金情報は、予め課金情報記憶手段３３５に登録されているものとする。また、いずれの課金方式を採用するかは、映像コンテンツ毎に予め映像コンテンツの提供者が設定してもよいし、映像コンテンツを購入する際にユーザが選択するようにしてもよいが、ここでは、一例として、予め映像コンテンツの提供者によって設定されているものとする。

図８に示すように、管理サーバ３は、管理情報をカットシーンに付与すると、ユーザが購入したカットシーンに対する課金形態の種類を判別し、その種類に応じた課金処理を実行する（Ｓ４０１）。

まず、ユーザが購入したカットシーンに第１の課金形態が設定されている場合（Ｓ４０１；第１の形態）、管理サーバ３の制御手段３２（課金手段）は、カット情報ＩＤに基づいてカットシーン特定情報記憶手段３３４からカットシーンの料金を特定し、カットシーンをユーザが視聴した場合の視聴金額を計算する（Ｓ４０２）。

管理サーバ３の制御手段３２（課金手段）は、計算した視聴金額とともに、管理情報を埋め込んだカットシーンデータを、例えばストリーミング配信方式でユーザ端末装置２へ送信する（Ｓ４０３）。

管理ユニット２２１は、管理サーバ３からカットシーンの受信を開始すると、カットシーンを表示するためのインタフェース画面をディスプレイに表示する（Ｓ４０４）（図１１の「視聴ページ」参照）。

管理ユニット２２１は、映像コンテンツ再生ユニット２２２を用いて、カットシーンの再生データをインタフェース画面の所定の表示領域に再生表示し、再生表示した最初のシーンの再生時刻を視聴開始時刻として所定の記憶領域に格納する（Ｓ４０５）。

管理ユニット２２１は、カットシーンの再生データを所定の表示領域に再生表示する一方で、再生表示されているカットシーンの再生時刻と、カットシーンの視聴時間に応じた視聴金額を、他の領域に表示する（Ｓ４０６）（図１１の「視聴ページ」参照）。

管理ユニット２２１は、ユーザからカットシーンの停止指示が入力されたか否かを監視し、停止指示が入力されるまでカットシーンの再生表示を続行し（Ｓ４０７；Ｎｏ）、停止指示が入力されるとカットシーンの再生表示を中止し（Ｓ４０７；Ｙｅｓ）、カットシーンのカット情報ＩＤ、視聴開始時刻（Ｓ４０５にて格納したもの）、視聴終了時刻（カットシーンの再生表示を停止したときに再生表示されたシーンの再生時刻）、及びユーザＩＤを含む課金要求を、管理サーバ３へ送信する（Ｓ４０８）（図１１の（２））。

管理サーバ３の制御手段３２（課金手段）は、課金要求に含まれる情報を視聴情報記憶手段３３６に格納し、課金情報記憶手段３３５、カットシーン特定情報記憶手段３３４を参照し、カットシーンの視聴分に応じて課金金額を計算し、課金処理を実行する（Ｓ４０９）。

ここでは、課金設定の一例として、カットシーンに対して３０秒で３００円の料金が設定されているところ、このカットシーンを１０秒間視聴したので、１／３に該当する１００円が視聴料金として算出される（図１１の（３））。管理サーバ３は、クレジットカード番号等の情報に基づいて、所定の課金処理を実行する。

一方、ユーザが購入したカットシーンに第２の課金形態が設定されている場合（Ｓ４０１；第２の形態）、管理サーバ３の制御手段３２（課金手段）は、付加情報を埋め込んだカットシーンデータを、例えばダウンロード配信方式でユーザ端末装置２へ送信する（Ｓ４１１）。

管理ユニット２２１は、管理サーバ３から送信されるカットシーンを取得すると、カットシーン記憶手段２３１に格納する（Ｓ４１２）（図１１の（２））。

管理ユニット２２１は、カットシーンの保存が全て終了すると、ユーザＩＤ、カットシーン情報ＩＤ、カットシーンの視聴状態（この段階ではまだ視聴していないので、「未視聴」を、管理サーバ３へ送信する（Ｓ４１３）（図１１の（２））。

管理サーバ３は、受信したユーザＩＤ、カット情報ＩＤ、視聴状態を、視聴情報ＩＤと対応付けて販売情報記憶手段３３７へ格納する（Ｓ４１４）。

その後、管理ユニット２２１は、ダウンロードしたカットシーンの視聴指示を待機する。ユーザは、ダウンロードが終了した時点で再生指示を入力してもよいし、ダウンロード終了した時点では再生指示を入力せず、所定の期間（例えば、翌日など）が経過してから、再生指示を入力することもできる。

再生指示が入力されると（Ｓ４１５；Ｙｅｓ）、管理ユニット２２１は、視聴情報ＩＤ、ユーザＩＤ、カット情報ＩＤを含む再生開始要求を管理サーバ３へ送信する（Ｓ４１６）（図１１の（３））。

管理サーバ３は、販売情報記憶手段３３７、課金情報記憶手段３３５、カットシーン特定情報記憶手段３３４を参照し、再生開始要求の対象であるカットシーンに対する課金処理を実行する（Ｓ４１７）（図１１の（４））。

課金が成功した場合（Ｓ４１８；Ｙｅｓ）、管理サーバ３は、カットシーンの再生許可をユーザ端末装置２へ送信する（Ｓ４１９）（図１１の（５））。

管理ユニット２２１は、再生許可を受信すると、映像コンテンツの再生ユニット２２２を用いて、カットシーンの再生データをインタフェース画面の所定の表示領域に再生表示する（Ｓ４２０）。なお、課金が失敗した場合（Ｓ４１８；Ｎｏ）、管理サーバ３は、カットシーンの再生許可の代わりにエラーメッセージをユーザ端末装置２へ送信し、管理ユニット２２１は、カットシーンの再生表示を実行しない。

以上第１の課金形態によれば、ユーザが視聴した分についてのみ課金が発生し、ユーザが視聴していない分については料金を支払う必要がないので、カットシーンの一部のみを視聴したいユーザにとって購入が容易になる。

また、第２の課金形態によれば、カットシーンをダウンロードした時点では課金が発生しないので、ダウンロード時に課金する構成と比較した場合に、カットシーンに対するユーザの保存意欲を高めることができる。

また、上記課金形態によれば、ユーザの課金情報は管理サーバ３に既に登録されているので、カットシーンの購入時には何も入力する必要がなく、課金処理をよりスムーズに行うことができるようになる。特に、ユーザ端末装置２が携帯端末の場合には、入力がしづらく画面遷移も多いため、課金作業が煩雑になりやすいところ、上記構成によれば、購入時の課金情報の入力が不要になるので、ユーザの利便性が増す。

（６）その他の実施の形態
本発明は、上記実施形態に限定されることなく種々に変形して適用することが可能である。例えば、映像コンテンツの個別シーンに対するメタデータは、画像認識処理と音声認識処理のうち１の認識処理のみを使用して生成することもできる。また、画像認識処理と音声認識処理に加えて／代えて、他の情報を対象とする認識処理を使用してもよい。例えば、個別シーンに字幕が含まれている場合には、字幕を対象とする字幕認識処理を用いることにより個別シーンから字幕の情報を抽出し、抽出した字幕情報に整合するキーワードを用いてメタデータを特定することもできる。また、メタデータは、キーワード毎に重み付けパラメータの値を乗算して選択するようにしてもよい。

また例えば、コメント情報の登録は、ユーザに限られず、映像コンテンツの提供者が映像コンテンツ提供者端末装置４を介して行ってもよい。また、カットシーンのポイント（開始位置と終了位置）は、ユーザが映像コンテンツを視聴しながら指示する構成に限られない。例えば、ユーザが入力した検索キーに基づいてメタデータを検索し、検索の結果ヒットした個別シーンに基づいてカットシーンのポイントを指定してもよい。また、他のユーザが設定したポイントや、設定されているポイントの数の多さ等に基づいて、新たなポイントを指定するようにしてもよい。さらにまた、シーンチェンジに基づいてポイントを指定するようにしてもよい。また、カットシーンのデータファイルのサイズを指定しておき、このサイズに基づいてポイントを指定するようにしてもよい。また、ユーザの視聴履歴を視聴履歴情報記憶手段３３８に記憶しておき、当該視聴履歴から多くのユーザが映像を止めるポイント（終了位置）を特定して、この特定された終了位置を指定するようにしてもよい。また、映像コンテンツの個別シーンについて検索エンジン等で検索を行い、ヒット数が高い個別シーンに基づいてポイントを指定してもよい。

また、あるユーザ（ユーザＡ）が登録したカットシーンが、他のユーザ（ユーザＢ）によって購入された場合には、ユーザＡに対してポイントを付与するようにしてもよい（図１０の（４））。ユーザＡは、付与されたポイントを利用して新たなカットシーンを購入することができるので、カットシーン特定情報の登録に対してインセンティブを付与することができる。

また例えば、カットシーン特定情報の検索は、メタデータとコメントデータのいずれか一方を対象としてもよい。また、キーワードに加えて／代えて、他の情報を検索キーとして用いることも可能である。例えば、映像データを検索キーとする場合、映像データと時間を検索キーとする場合、音声データや効果音データを検索キーとする場合などがある。映像データや音声データが検索キーとして入力された場合には、メタデータ生成手段において利用した画像認識処理や音声認識処理を用いて、検索キーとしての映像データや音声データに対応するメタデータを生成し、この検索キーのメタデータに整合するメタデータをメタデータ記憶手段から検索することにより、カットシーン特定情報を特定することができる。

また、ユーザが複数のカットシーンを購入した場合には、これら複数のカットシーンを１つのカットとして結合して視聴・保存ができるようにしてもよい。

さらにまた、カットシーンに対する課金設定は、上述した内容に限られない。例えば、最初の３０秒までは課金が発生せず、３０秒以降は１分ごとに１０円の課金が発生するような従量課金を設定してもよい。これによれば、最初の３０秒は課金が発生しないので、ユーザの視聴意欲を高め、視聴から購入へという流れがスムーズに実現される。

本実施形態に係る情報処理システム１の概略構成をあらわすブロック図である。 本実施形態に係るユーザ端末装置２の構成を示すブロック図である。 本実施形態に係る管理サーバ３の構成を示すブロック図である。 本実施形態に係る管理サーバ３の記憶手段のデータ構造を説明する図である。 本実施形態に係る映像コンテンツ登録／メタデータ生成処理の一例を示すフローチャートである。 本実施形態に係るカットシーン特定情報の登録処理の一例を示すフローチャートである。 本実施形態に係るカットシーン特定情報の検索／購入処理の一例を示すフローチャートである。 本実施形態に係る課金処理の一例を示すフローチャートである。 本実施形態に係るメタデータ生成処理を説明するための図である。 本実施形態に係るカットシーン特定情報の登録／検索処理を説明するための図である。 本実施形態に係る第１の課金処理を説明するための図である。 本実施形態に係る第２の課金処理を説明するための図である。

符号の説明

１…情報処理システム、２…ユーザ端末装置、３…映像コンテンツ管理サーバ（管理サーバ）、４…映像コンテンツ提供者端末装置、２１…通信手段、２１…管理ユニット、２２…制御手段、２３…記憶手段、３１…通信手段、３２…制御手段、３３…記憶手段、２２１…管理ユニット、２２２…映像コンテンツ再生ユニット、２３１…カットシーン記憶手段、３３１…映像コンテンツ記憶手段、３３２…認識パターン記憶手段、３３２ａ…画像認識パターン記憶手段、３３２ｂ…音声認識パターン記憶手段、３３３…メタデータ記憶手段、３３４…カットシーン特定情報記憶手段、３３５…課金情報記憶手段、３３６…視聴情報記憶手段、３３７…販売情報記憶手段、３３８…視聴履歴情報記憶手段、Ｎ…通信ネットワーク

Claims (9)

1. ユーザ端末装置とネットワークを介して接続されるサーバであって、
   映像コンテンツの個別シーンに関するメタデータを生成する生成手段と、
   前記映像コンテンツを対象に、時間的に連続する一連の個別シーンからなるカットシーンを特定するカットシーン特定情報をカットシーン特定情報記憶手段に登録する登録手段と、
   前記登録されたカットシーン特定情報を対象に、前記ユーザ端末から送信される検索条件に整合するカットシーン特定情報を、前記生成されたメタデータを利用して検索する検索手段と、
   前記検索されたカットシーン特定情報により特定される前記映像コンテンツのカットシーンに、前記ユーザによる前記カットシーンの利用を管理するための所定の管理情報を付加する付加手段と、
   前記所定の管理情報が付加されたカットシーンを、前記ユーザ端末装置に送信する送信手段と、
   前記ユーザ端末装置へ送信された前記映像コンテンツのカットシーンの視聴に対して、所定の課金処理を実行する課金手段と、
   を備えるサーバ。
2. 前記生成手段は、
   画像パターンとキーワードとを対応付けて記憶する画像記憶手段と、
   音声パターンとキーワードとを対応付けて記憶する音声記憶手段と、
   前記映像コンテンツから所定の個別シーンを抽出する個別シーン抽出手段と、
   前記抽出された所定の個別シーンから対象物の画像を抽出し、前記画像記憶手段に登録された画像パターンから前記抽出された対象物の画像に整合する画像パターンを選択し、当該選択された画像パターンに対応付けられた１以上のキーワードを特定する画像認識手段と、
   前記抽出された所定の個別シーンから前記対象物の音声を抽出し、前記音声記憶手段に登録された音声パターンから前記抽出された前記対象物の音声に整合する音声パターンを選択し、当該認識された音声パターンに対応付けられた１以上のキーワードを特定する音声認識手段と、
   前記画像認識手段により特定された１以上のキーワードと前記音声認識手段により特定された１以上のキーワードとに基づいて、前記所定の個別シーンに対するキーワードを決定するキーワード決定手段と、
   前記決定されたキーワードを、前記抽出された所定の個別シーンに対するメタデータとして、前記抽出された所定の個別シーンと対応付けて、メタデータ記憶手段に格納する格納手段と、
   を備えることを特徴とする請求項１に記載のサーバ。
3. 前記登録手段は、
   前記映像コンテンツを特定する映像ＩＤと、前記時間的に連続する一連の個別シーンに含まれる少なくとも１の個別シーンの再生時刻と、を含む前記カットシーン特定情報を登録することを特徴とする請求項１に記載のサーバ。
4. 前記検索手段は、
   前記ユーザ端末から検索キーを受信する受信手段と、
   前記生成されたメタデータを対象にして、前記受信した検索キーに整合するメタデータを検索する検索手段と、
   前記検索の結果、前記受信した検索キーに整合するメタデータを発見した場合、前記登録されたカットシーン特定情報を対象に、該発見したメタデータに対応づけられた個別シーンを含むカットシーン特定情報を検索するカットシーン特定情報検索手段と、
   前記検索されたカットシーン特定情報を前記ユーザ端末装置に送信する送信手段と、
   を備えることを特徴とする請求項１に記載のサーバ。
5. 前記付加手段は、
   前記検索されたカットシーン特定情報により特定される前記映像コンテンツのカットシーンに、前記所定の管理情報を、電子透かし情報として埋め込むことを特徴とする請求項１に記載のサーバ。
6. 前記送信手段は、前記映像コンテンツのカットシーンをストリーミング方式で前記ユーザ端末装置へ送信し、
   前記カットシーン特定情報記憶手段は、前記カットシーンの価格を前記カットシーン特定情報と対応付けて格納しており、
   前記課金手段は、
   前記ストリーミング方式で送信された前記映像コンテンツの前記カットシーンが、前記ユーザ端末装置において再生表示された場合において、前記カットシーンの再生表示が停止したタイミングで前記ユーザ端末装置から送信される、前記カットシーンの再生表示合計時間を受信する受信手段と、
   前記受信された前記カットシーンの再生表示合計時間と、前記カットシーン特定情報記憶手段に格納されている前記カットシーンの価格とに基づいて、前記カットシーンの再生表示合計時間に応じた課金額を算出する算出手段と、
   を備えることを特徴とする請求項１に記載のサーバ。
7. 前記送信手段は、前記映像コンテンツのカットシーンをダウンロード方式で前記ユーザ端末装置へ送信し、
   前記カットシーン特定情報記憶手段は、前記カットシーンの価格を前記カットシーン特定情報と対応付けて格納しており、
   前記課金手段は、
   前記ダウンロード方式で送信された前記映像コンテンツの前記カットシーンが、前記ユーザ端末装置において保存された場合に、所定のタイミングで前記ユーザ端末装置から送信される前記カットシーンに対する再生要求を受信する手段と、
   前記受信手段が前記再生要求を受信した場合に、前記カットシーン特定情報記憶手段に格納されている前記カットシーンの価格に基づいて所定の課金処理を実行する手段と、
   前記課金処理が成功した場合に、前記カットシーンの再生許可を前記ユーザ端末装置へ送信する送信手段と、
   を備えることを特徴とする請求項１に記載のサーバ。
8. ユーザ端末装置とネットワークを介して接続されるサーバにおける情報処理方法であって、
   映像コンテンツの個別シーンに関するメタデータを生成する生成ステップと、
   前記映像コンテンツを対象に、時間的に連続する一連の個別シーンからなるカットシーンを特定するカットシーン特定情報をカットシーン特定情報記憶手段に登録する登録ステップと、
   前記登録されたカットシーン特定情報を対象に、前記ユーザ端末から送信される検索条件に整合するカットシーン特定情報を、前記生成されたメタデータを利用して検索する検索ステップと、
   前記検索されたカットシーン特定情報により特定される前記映像コンテンツのカットシーンに、前記ユーザによる前記カットシーンの利用を管理するための所定の管理情報を付加する付加ステップと、
   前記所定の管理情報が付加されたカットシーンを、前記ユーザ端末装置に送信する送信ステップと、
   前記ユーザ端末装置へ送信された前記映像コンテンツのカットシーンの視聴に対して、所定の課金処理を実行する課金ステップと、
   を備える情報処理方法。
9. 映像コンテンツの再生機能を備える端末に記憶されるプログラムと、前記端末とネットワークを介して接続されるサーバと、を備える情報処理システムであって、
   前記端末に記憶されるプログラムは、前記端末を、
   前記再生機能を用いて映像コンテンツを再生表示中に、前記再生表示されている映像コンテンツの映像に対して入力された指示に基づいて、時間的に連続する一連の個別シーンからなるカットシーンを特定するカットシーン特定情報を前記サーバへ送信する登録インタフェース手段と、
   カットシーンを検索するための所定の検索条件を前記サーバへ送信する検索インタフェース手段と、
   前記サーバから送信される所定の管理情報が付加されたカットシーンを受信すると、受信した所定の管理情報が付加されたカットシーンをディスプレイに再生表示する再生表示インタフェース手段と、して機能させ、
   前記サーバは、
   前記映像コンテンツの個別シーンに関するメタデータを生成する生成手段と、
   前記端末からカットシーン特定情報を受信すると、受信したカットシーン特定情報をカットシーン特定情報記憶手段に登録する登録手段と、
   前記登録されたカットシーン特定情報を対象に、前記ユーザ端末から送信される検索条件に整合するカットシーン特定情報を、前記生成されたメタデータを利用して検索する検索手段と、
   前記検索されたカットシーン特定情報により特定される前記映像コンテンツのカットシーンに、前記ユーザによる前記カットシーンの利用を管理するための所定の管理情報を付加する付加手段と、
   前記所定の管理情報が付加されたカットシーンを、前記ユーザ端末装置に送信する送信手段と、
   前記ユーザ端末装置へ送信された前記映像コンテンツのカットシーンの視聴に対して、所定の課金処理を実行する課金手段と、
   を備えるサーバ。