JP2010183417A5 - - Google Patents

Claims (11)

1. カメラと、音声が入力されるマイクと、前記カメラによって撮影された映像を表示する表示装置を含む音声情報表示システムであって、
   前記マイクに入力された音声に基づいて音声情報を生成する音声処理装置と、
   前記カメラによって撮影された映像を処理する映像処理装置と、を備え、
   前記音声の種類を含む音声種別情報及び前記マイクが設置された位置を含むマイク管理情報を管理し、
   前記音声処理装置は、
   前記マイクに入力された音声を解析することによって、前記表示装置に表示可能な音声認識結果を取得し、
   前記音声種別情報に基づいて、前記マイクに入力された音声の種類を推定し、
   前記マイク管理情報に基づいて、前記マイクに入力された音声の音源の位置を推定し、
   前記取得された音声認識結果、前記推定された音声の種類、及び、前記推定された音源の位置を示す情報を含む音声情報を生成し、
   前記生成された音声情報を前記映像処理装置に送信し、
   前記映像処理装置は、
   前記音声処理装置から受信した音声情報を前記カメラによって撮影された映像に合成し、
   前記音声情報が合成された映像を前記表示装置に表示することを特徴とする音声情報表示システム。
2. 前記音声種別情報には、前記音声の種類ごとに重要度が設定され、
   前記映像処理装置は、前記重要度に基づいて、前記音声情報を表示することを特徴とする請求項１に記載の音声情報表示システム。
3. 前記音声情報表示システムは、あらかじめ指定された単語を含む異常会話情報を含み、
   前記音声処理装置は、
   前記推定された音声の種類が会話である場合には、前記マイクに入力された音声を認識することによって、会話の内容を示す情報を生成し、
   前記異常会話情報に含まれる単語が前記会話の内容を示す情報に含まれている場合には、前記異常会話情報に基づいて、前記音声情報を生成することを特徴とする請求項１に記載の音声情報表示システム。
4. 前記異常会話情報には、前記単語ごとに重要度が設定され、
   前記映像処理装置は、前記重要度に基づいて、前記音声情報を表示することを特徴とする請求項３に記載の音声情報表示システム。
5. 前記音声情報表示システムは、さらに、前記カメラが設置された位置を含むカメラ管理情報を含み、
   前記音声処理装置は、前記音声が入力されたマイクと前記音声情報が合成される映像を撮影したカメラとの距離が所定の閾値よりも大きい場合には、前記音声が入力されたマイクが設置された方向を前記音源の位置を示す情報とすることを特徴とする請求項１に記載の音声情報表示システム。
6. 前記音声情報には、前記マイクに入力された音声の音圧を示す情報が含まれることを特徴とする請求項１に記載の音声情報表示システム。
7. 前記映像処理装置は、前記カメラによって撮影された映像を複数表示する場合には、前記音声情報が合成された映像を優先して表示することを特徴とする請求項１に記載の音声情報表示システム。
8. 前記音声情報表示システムは、前記カメラによって撮影された映像を格納する記憶部を備えた映像蓄積装置をさらに含み、
   前記映像処理装置は、前記表示装置に表示する映像を前記映像蓄積装置に送信し、
   前記映像蓄積装置は、
   前記映像処理装置から送信された映像を前記記憶部に格納し、
   前記記憶部に格納された映像の取得要求を受け付けた場合には、前記要求された映像を提供することを特徴とする請求項１に記載の音声情報表示システム。
9. カメラと、音声が入力されるマイクと、前記マイクに入力された音声に基づいて音声情報を生成する音声処理装置と、前記カメラによって撮影された映像を処理する映像処理装置と、前記映像処理装置によって処理された映像を表示する表示装置を含む映像表示システムにおける音声情報表示方法であって、
   前記映像表示システムは、前記音声の種類を含む音声種別情報及び前記マイクが設置された位置を含むマイク管理情報を管理し、
   前記音声処理装置は、
   前記マイクに入力された音声を解析することによって、前記表示装置に表示可能な音声認識結果を取得し、
   前記音声種別情報に基づいて、前記マイクに入力された音声の種類を推定し、
   前記マイク管理情報に基づいて、前記マイクに入力された音声の音源の位置を推定し、
   前記取得された音声認識結果、前記推定された音声の種類、及び、前記推定された音源の位置を示す情報を含む音声情報を生成し、
   前記生成された音声情報を前記映像処理装置に送信し、
   前記映像処理装置は、
   前記音声処理装置から受信した音声情報を前記カメラによって撮影された映像に合成し、
   前記音声情報が合成された映像を前記表示装置に表示することを特徴とする音声情報表示方法。
10. 前記映像処理装置は、前記カメラによって撮影された映像を複数表示する場合には、前記音声情報が合成された映像を優先して表示することを特徴とする請求項９に記載の音声情報表示方法。
11. カメラ及び音声が入力されるマイクに接続された音声情報表示装置であって、
    前記マイクに入力された音声に基づいて音声情報を生成する音声処理部と、
    前記カメラによって撮影された映像を処理する映像処理部と、
    前記カメラによって撮影された映像を表示する表示部と、を備え、
    前記音声の種類を含む音声種別情報及び前記マイクが設置された位置を含むマイク管理情報を管理し、
    前記音声処理部は、
    前記マイクに入力された音声を解析することによって、前記表示部に表示可能な音声認識結果を取得し、
    前記音声種別情報に基づいて、前記マイクに入力された音声の種類を推定し、
    前記マイク管理情報に基づいて、前記マイクに入力された音声の音源の位置を推定し、
    前記取得された音声認識結果、前記推定された音声の種類、及び、前記推定された音源の位置を示す情報を含む音声情報を生成し、
    前記生成された音声情報を前記映像処理部に送信し、
    前記映像処理部は、
    前記音声処理部から受信した音声情報を前記カメラによって撮影された映像に合成し、
    前記音声情報が合成された映像を前記表示部に表示することを特徴とする音声情報表示装置。