JP2010219635A - テレビ会議装置、テレビ会議システム、テレビ会議方法、及びテレビ会議プログラム - Google Patents

Abstract

【課題】共有資料映像を提供しているユーザであるか、提供されているユーザであるかに応じて、適切な合成映像を各ユーザの表示手段に出力することができるテレビ会議装置、テレビ会議システム、テレビ会議方法、及びテレビ会議プログラムを提供する。
【解決手段】テレビ会議システム内の複数の端末へ共有資料映像を出力する指示が、いずれかの端末に入力される（Ｓ６１：ＹＥＳ、又はＳ６２：ＹＥＳ）。指示が入力された端末と同一の拠点内に配置された表示装置が第一表示装置として特定され（Ｓ６４、Ｓ６６）、テレビ会議システム内のその他の表示装置が第二表示装置とされる。第一表示装置へ出力する第一合成映像を生成するための第一透過度と、第二表示装置へ出力する第二合成映像を生成するための第二透過度とが各々設定されて（Ｓ６８、Ｓ６９）、ＨＤＤに記憶される（Ｓ７０）。
【選択図】図８

Description

本発明は、複数の拠点のユーザ間で共有する共有資料映像と、各拠点で撮像された撮像映像とを透過合成した合成映像を、各拠点の表示手段に出力するためのテレビ会議装置、テレビ会議システム、テレビ会議方法、及びテレビ会議プログラムに関する。

従来、複数の映像を透過合成し、合成映像を複数の拠点の表示手段に出力するテレビ会議システムが知られている（例えば、特許文献１参照）。このテレビ会議システムでは、所定の透過度に基づいて複数の映像が透過合成されて、合成映像が生成される。生成された合成映像が各拠点の表示手段に出力されることで、各拠点のユーザは、遠隔地のユーザの映像等を互いに共有しながら会議を行うことができる。また、ユーザの発話又は動作が検出された場合には、発話又は動作が検出されたユーザの映像の透過度が下げられる。これにより、合成映像のうち、発話又は動作を行ったユーザの映像がはっきりと表示される。よって、各端末のユーザは、発話又は動作を行ったユーザの様子を正確に認識しながら会議を行うことができる。

また、複数のユーザ間で共有される共有資料映像を特定のユーザが提供し、提供された共有資料映像と、各ユーザの撮像映像とを透過合成して出力する場合もある。この場合、共有資料映像を提供したユーザのニーズと、提供されたユーザのニーズとは異なる。

特開２００５−２６０８８０号公報

しかしながら、特許文献１に記載のテレビ会議システムでは、各ユーザの発話又は動作に応じて透過度を設定できるのみであった。従って、共有資料映像を提供しているユーザであるか、提供されているユーザであるかに応じて適切な合成映像を出力することはできないという問題点があった。

本発明は上記課題を解決するためになされたものであり、共有資料映像を提供しているユーザであるか、提供されているユーザであるかに応じて、適切な合成映像を各ユーザの表示手段に出力することができるテレビ会議装置、テレビ会議システム、テレビ会議方法、及びテレビ会議プログラムを提供することを目的とする。

上記目的を達成するために、本発明の請求項１に記載のテレビ会議装置は、複数の拠点の複数のユーザ間で共有する共有資料の映像である共有資料映像と、映像を撮像する撮像手段によって撮像された前記複数の拠点の撮像映像とを、各々の映像に対応した透過率を示す値である透過度に基づいて透過合成した合成映像を、各拠点で使用される複数の表示手段に出力するテレビ会議装置であって、前記共有資料映像を前記複数の表示手段へ出力する指示を入力したユーザが使用する表示手段である第一表示手段を特定する特定手段と、
前記第一表示手段へ出力する第一合成映像を生成するための第一透過度、及び、前記複数の表示手段のうち前記第一表示手段以外の表示手段である第二表示手段へ出力する第二合成映像を生成するための第二透過度を設定する透過度設定手段とを備えている。

また、本発明の請求項２に記載のテレビ会議装置は、請求項１に記載の発明の構成に加え、前記透過度設定手段は、前記撮像映像の透過度よりも前記共有資料映像の透過度が高い前記第一透過度を設定し、前記撮像映像の透過度よりも前記共有資料映像の透過度が低い前記第二透過度を設定することを特徴とする。

また、本発明の請求項３に記載のテレビ会議装置は、請求項１又は２に記載の発明の構成に加え、前記共有資料映像のデータを取得する第一取得手段と、前記撮像映像のデータを取得する第二取得手段と、前記共有資料映像と前記撮像映像とを前記第一透過度で透過合成して前記第一合成映像を生成する第一生成手段と、前記第一生成手段によって生成された前記第一合成映像を前記第一表示手段に出力する第一出力手段と、前記共有資料映像と前記撮像映像とを前記第二透過度で透過合成して前記第二合成映像を生成する第二生成手段と、前記第二生成手段によって生成された前記第二合成映像を前記第二表示手段に出力する第二出力手段とを備えている。

また、本発明の請求項４に記載のテレビ会議装置は、請求項１乃至３のいずれかに記載の発明の構成に加え、前記複数の拠点の音声の情報を取得する音声情報取得手段と、前記音声情報取得手段によって前記音声の情報が取得された場合に、前記第一表示手段を使用するユーザと、前記第二表示手段を使用するユーザとの間で会話が行われたか否かを前記音声の情報から判断する会話判断手段と、前記会話判断手段によって前記会話が行われたことが判断された場合に、前記第二透過度を維持しつつ、前記透過度設定手段によって設定された前記第一透過度における前記共有資料映像の透過度を減少させる第一変更手段とを備えている。

また、本発明の請求項５に記載のテレビ会議装置は、請求項４に記載の発明の構成に加え、前記音声情報取得手段によって取得された前記音声の情報によって、前記第二表示手段を使用するユーザの発話が終了したことを検出する終了検出手段と、前記終了検出手段によって前記発話が終了したことが検出された場合に、前記透過度設定手段によって設定された前記第一透過度における前記共有資料映像の透過度を減少させる第二変更手段とを備えている。

また、本発明の請求項６に記載のテレビ会議システムは、複数の拠点の複数のユーザ間で共有する共有資料の映像である共有資料映像と、映像を撮像する撮像手段によって撮像された前記複数の拠点の撮像映像とを、各々の映像に対応した透過率を示す値である透過度に基づいて透過合成した合成映像を、各拠点で使用される複数の表示手段に出力するテレビ会議サーバと、前記テレビ会議サーバにネットワークを介して接続し、前記共有資料映像を前記複数の表示手段に出力するユーザが使用する表示手段である第一表示手段の表示を制御する第一端末と、前記テレビ会議サーバにネットワークを介して接続し、前記複数の表示手段のうち前記第一表示手段以外の表示手段である第二表示手段の表示を各拠点で制御する第二端末とを備えたテレビ会議システムであって、前記テレビ会議サーバは、前記複数の表示手段から前記第一表示手段を特定する特定手段と、前記第一表示手段へ出力する第一合成映像を生成するための第一透過度、及び、前記第二表示手段へ出力する第二合成映像を生成するための第二透過度を設定する透過度設定手段とを備え、前記第一端末は、前記第一合成映像を前記第一表示手段に出力する第一出力手段を備え、前記第二端末は、前記第二合成映像を前記第二表示手段に出力する第二出力手段を備えている。

また、本発明の請求項７に記載のテレビ会議方法は、複数の拠点の複数のユーザ間で共有する共有資料の映像である共有資料映像と、映像を撮像する撮像手段によって撮像された前記複数の拠点の撮像映像とを、各々の映像に対応した透過率を示す値である透過度に基づいて透過合成した合成映像を、各拠点で使用される複数の表示手段に出力するテレビ会議方法であって、前記共有資料映像を前記複数の表示手段へ出力する指示を入力したユーザが使用する表示手段である第一表示手段を特定する特定ステップと、前記第一表示手段へ出力する第一合成映像を生成するための第一透過度、及び、前記複数の表示手段のうち前記第一表示手段以外の表示手段である第二表示手段へ出力する第二合成映像を生成するための第二透過度を設定する透過度設定ステップとを備えている。

また、本発明の請求項８に記載のテレビ会議プログラムは、請求項１乃至５のいずれかに記載のテレビ会議装置テレビ会議装置の各種処理手段としてコンピュータを機能させることを特徴とする。

本発明の請求項１に記載のテレビ会議装置は、共有資料映像を共有させる指示を行ったユーザが見る第一合成映像と、共有資料映像を提供されたユーザが見る第二合成映像とを異ならせることができる。すなわち、第一合成映像の透過度である第一透過度と、第二合成映像の透過度である第二透過度とを別々に設定することができる。従って、共有資料映像を提供したユーザ、及び提供されたユーザのそれぞれのニーズに応じた適切な合成映像を各表示手段に表示させることができる。

また、本発明の請求項２に記載のテレビ会議装置は、請求項１に記載の発明の効果に加え、共有資料映像を提供したユーザが、共有資料映像よりも撮像映像の視認度が高い第一合成映像を見ることができるように、第一透過度を設定することができる。よって、共有資料映像を提供したユーザは、他のユーザの反応を容易に確認しながら会議を進めることができる。また、共有資料映像を提供されたユーザが、撮像映像よりも共有資料映像の視認度が高い第二合成映像を見ることができるように、第二透過度が設定される。よって、共有資料映像を提供されたユーザは、共有された映像を容易に確認しながら会議を進めることができる。これにより、各ユーザのニーズに適した合成映像を各表示手段に表示させることができる。

また、本発明の請求項３に記載のテレビ会議装置は、共有資料映像と撮像映像とを第一透過度及び第二透過度で透過合成し、第一合成映像及び第二合成映像を生成する。生成した第一合成映像を第一表示手段に出力し、第二合成映像を第二表示手段に出力する。従って、請求項１又は２に記載の発明の効果に加え、透過合成を行う装置を各拠点に配置する必要がなく、システム全体の構成を簡素化することができる。

また、本発明の請求項４に記載のテレビ会議装置は、共有資料映像を提供したユーザと、提供されたユーザとの間で会話が行われた場合には、共有資料映像を提供したユーザが見る第一合成映像の共有資料映像の視認度を増加させる。よって、請求項１乃至３のいずれかに記載の発明の効果に加え、共有資料映像についての議論があった場合には、共有資料映像を提供したユーザは、提供した共有資料映像を容易に確認しながら会議を進行させることができる。

また、本発明の請求項５に記載のテレビ会議装置によると、共有資料映像を提供されたユーザが、提供された共有資料映像について発言を終えると、共有資料映像を提供したユーザが見る第一合成映像における共有資料映像の視認度が増加する。従って、請求項４に記載の発明の効果に加え、共有資料映像を提供したユーザは、他のユーザが共有資料映像について行った発言に対し、共有資料映像を容易に認識しながら返答を行うことができる。

また、本発明の請求項６に記載のテレビ会議システムは、共有資料映像を共有させる指示を行ったユーザが見る第一合成映像と、共有資料映像を提供されたユーザが見る第二合成映像とを異ならせることができる。すなわち、第一合成映像の透過度である第一透過度と、第二合成映像の透過度である第二透過度とを別々に設定することができる。従って、共有資料映像を提供したユーザ、及び提供されたユーザのそれぞれのニーズに応じた適切な合成映像を各表示手段に表示させることができる。また、システム全体の制御をテレビ会議サーバが司るため、各拠点に配置される第一端末及び第二端末の構成を簡素化することができる。

また、本発明の請求項７に記載のテレビ会議方法は、共有資料映像を共有させる指示を行ったユーザが見る第一合成映像と、共有資料映像を提供されたユーザが見る第二合成映像とを異ならせることができる。すなわち、第一合成映像の透過度である第一透過度と、第二合成映像の透過度である第二透過度とを別々に設定することができる。従って、共有資料映像を提供したユーザ、及び提供されたユーザのそれぞれのニーズに応じた適切な合成映像を各表示手段に表示させることができる。

また、本発明の請求項８に記載のテレビ会議プログラムは、コンピュータに実行させることにより、請求項１乃至５のいずれかに記載の発明の効果を奏することができる。

テレビ会議システム１００のシステム構成を示す図である。 テレビ会議端末１の電気的構成を示すブロック図である。 テレビ会議端末１のＨＤＤ１３の構成を示す模式図である。 テレビ会議端末１のＨＤＤ１３に記憶されている透過度情報テーブルを示す模式図である。 クライアント端末として動作するテレビ会議端末１及びＰＣ２が行うクライアント処理のフローチャートである。 クライアント端末として動作するテレビ会議端末１及びＰＣ２が行う発話終了検知処理のフローチャートである。 ホスト端末として動作するテレビ会議端末１及びＰＣ２が行うホスト処理のフローチャートである。 ホスト処理中に実行される透過度設定処理のフローチャートである。 α１が初期値である場合に生成された第一合成映像を表示する表示装置３４の一例を示す図である。 α２が初期値である場合に生成された第二合成映像を表示する表示装置３４の一例を示す図である。 ホスト端末として動作するテレビ会議端末１及びＰＣ２が行う第一変更処理のフローチャートである。 ホスト端末として動作するテレビ会議端末１及びＰＣ２が行う第二変更処理のフローチャートである。 テレビ会議システム２００のシステム構成を示す図である。

以下、本発明のテレビ会議装置を具現化した一実施の形態であるテレビ会議端末１、及びパーソナルコンピュータ（以下、「ＰＣ」という。）２を含むテレビ会議システム１００について、図面を参照して説明する。尚、参照する図面は、本発明が採用し得る技術的特徴を説明するために用いられるものであり、記載されている装置の構成、各種処理のフローチャート等は、それのみに限定する趣旨ではなく、単なる説明例である。

まず、図１を参照して、本発明に係るテレビ会議システム１００のシステム構成について説明する。図１に示すように、拠点Ａに配置されたテレビ会議端末１、拠点Ｂに配置されたＰＣ２、及び拠点Ｃに配置されたテレビ会議端末１が、ネットワーク８を介して互いに接続することで、テレビ会議システム１００を構成している。すなわち、テレビ会議端末１及びＰＣ２のそれぞれが、各拠点でテレビ会議を実行させる「端末」として機能し、各端末が互いに情報を送受信することで、複数の拠点のユーザに映像及び音声を共有させる。尚、以下では、テレビ会議システム１００を３つの端末が構成している場合を例に挙げて説明するが、テレビ会議システム１００を構成する端末の数が３つに限られないことは言うまでもない。

各端末は、同一拠点内に存在するマイク３１、スピーカ３２、カメラ３３、及び表示装置３４に接続している。マイク３１は、音声を音声データに変換して端末に出力する。スピーカ３２は、音声データを音声に変換して出力する。カメラ３３は映像を撮像し、表示装置３４は映像を表示する。

次に、テレビ会議システム１００で行われる処理の概要について説明する。テレビ会議システム１００では、システム内の複数の端末のうちのいずれか１つがホスト端末として機能し、その他の端末がクライアント端末となる。ホスト端末はシステム全体の主制御を司り、クライアント端末は、ホスト端末から受信するデータに応じてスピーカ３２及び表示装置３４を制御する。詳細には、ホスト端末は、拠点Ａ〜Ｃのそれぞれの音声のデータを取得して合成し、合成音声データを生成する。また、ホスト端末は、拠点Ａ〜Ｃのそれぞれの撮像映像のデータを取得して合成し、合成映像データを生成する。ホスト端末は、合成音声データ及び合成映像データをクライアント端末に送信し、音声及び映像を出力させる。テレビ会議端末１及びＰＣ２は、いずれもホスト端末にもクライアント端末にもなり得る。テレビ会議の開始時に、システム内のいずれの端末がホスト端末として動作するかが設定される。

ここで、テレビ会議システム１００は、共有資料映像と拠点Ａ〜Ｃの撮像映像とを透過合成し、各拠点の表示装置３４に出力することができる。共有資料映像とは、複数の拠点の複数のユーザ間で共有する共有資料の映像である。共有資料には、例えば、文書、表、グラフ、写真、動画等を用いることができ、テレビ会議システム１００内の端末のいずれかが、共有資料の映像データを出力する。以下、共有資料の映像データを出力する端末を「第一端末」といい、第一端末と同一の拠点内に配置された表示装置３４を「第一表示装置」という。また、システム内の第一端末以外の端末を「第二端末」といい、第二端末と同一拠点内に配置された表示装置３４を「第二表示装置」という。テレビ会議システム１００では、システム内のいずれの端末も、共有資料の映像データを出力する第一端末となり得る。クライアント端末が第一端末となる場合には、第一端末はホスト端末に共有資料の映像データを送信する。ホスト端末は、共有資料の映像データを受信し、共有資料映像と各拠点の撮像映像とを透過合成して合成映像を生成する。生成した合成映像を、自身が制御する表示装置３４に表示させ、且つ、生成した合成映像のデータをクライアント端末に送信して、全拠点の各表示装置３４に出力させる。また、ホスト端末が第一端末となる場合には、自端末が保有している共有資料映像を、撮像映像と透過合成し、合成映像を生成する。

透過合成とは、複数の映像のそれぞれを半透明にして重ねる映像処理の技術である。これにより、共有資料映像と撮像映像とを共に表示領域全体を用いて表示させることができる。１つの拠点に複数の表示装置３４を配置する必要はない。また、表示装置３４の表示領域を、共有資料映像の領域と撮像映像の領域とに分割する必要もない。共有資料映像及び撮像映像のそれぞれを半透明にする度合い（以下、「透過率」という。）を示す値が、透過度である。例えば、共有資料映像の透過度が大きくなれば、撮像映像を視認し易くなり、共有資料映像の透過度が小さくなれば、撮像映像よりも共有資料映像の方が視認し易くなる。ホスト端末は、共有資料映像及び撮像映像の透過度を設定し、設定した透過度を用いて２つの映像を透過合成することで、合成映像を生成する。

本実施の形態のテレビ会議システム１００では、透過合成方法として周知のアルファブレンディングを用いている。アルファブレンディングでは、透過度を決定する値であるα値によって２つの映像を合成する。アルファブレンディングによって割り出される各画素の画素値Ｖａｌｕｅは、背景となる撮像映像の画素値をＶａｌｕｅ０、前景となる共有資料映像の画素値をＶａｌｕｅ１として、以下の式で表される。
Ｖａｌｕｅ＝Ｖａｌｕｅ０×α＋Ｖａｌｕｅ１×（１−α）
α値は０〜１の間を取る係数であり、撮像映像の透過度Ａ＝１−α、共有資料映像の透過度Ｂ＝αとなる。例えば、α値が大きくなると、撮像映像の透過度Ａが小さくなり、逆に共有資料映像の透過度Ｂは大きくなる。撮像映像の透過度Ａが小さくなると、合成映像の画素値Ｖａｌｕｅに対して撮像映像の画素値Ｖａｌｕｅ０が占める割合が上がる。共有資料映像の透過度Ｂが大きくなると、合成映像の画素値Ｖａｌｕｅに対して共有資料映像の画素値Ｖａｌｕｅ１が占める割合が下がる。その結果、撮像映像が視認し易くなる。

そして、ホスト端末は、共有資料映像と撮像映像とを透過合成して生成する合成映像として、第一合成映像及び第二合成映像の２種類の合成映像を生成する。第一合成映像は、共有資料映像を出力した第一端末の第一表示装置に出力する合成映像であり、第二合成映像は第二端末の第二表示装置に出力する合成映像である。ホスト端末は、２種類の合成映像を作成するために、第一合成映像を生成するためのα値である「α１」と、第二合成映像を生成するためのα値である「α２」とを別々に設定する。これにより、共有資料を提供したユーザ、及び提供されたユーザのそれぞれのニーズに応じた適切な合成映像を各表示装置３４に表示させることができる。

尚、本発明に適用できる透過合成の方法はアルファブレンディングに限られない。例えば、加算合成、減算合成、乗算合成等の他の透過合成方法を用いることも可能である。

次に、図２乃至図４を参照して、テレビ会議端末１の電気的構成、及びハードディスクドライブ（以下、「ＨＤＤ」という。）１３に記憶される透過度設定テーブルについて説明する。尚、ＰＣ２の電気的構成のうち、本実施の形態を説明するために必要な構成については、テレビ会議端末１の電気的構成と同じである。よって、以下の説明では、ＰＣ２の電気的構成についてはテレビ会議端末１の構成と同一の番号を付し、この詳細な説明は省略する。

図２に示すように、テレビ会議端末１は、テレビ会議端末１の制御を司るＣＰＵ１０を備えている。ＣＰＵ１０には、ＲＯＭ１１、ＲＡＭ１２、ＨＤＤ１３、及び入出力インターフェース１９が、バス１８を介して接続されている。

ＲＯＭ１１は、テレビ会議端末１を動作させるためのプログラム及び初期値等を記憶している。ＲＡＭ１２は、制御プログラムで使用される各種の情報を一時的に記憶する。例えば、テレビ会議端末１は、ホスト端末として動作する場合、共有資料の映像データを出力した端末である第一端末を特定し、特定した第一端末をＲＡＭ１２に記憶する。ＨＤＤ１３は、各種の情報を記憶する不揮発性の記憶装置であるが、ＨＤＤ１３の代わりにＥＥＰＲＯＭ又はメモリカード等の記憶装置を用いてもよい。

入出力インターフェース１９には、音声入力処理部２１、音声出力処理部２２、映像入力処理部２３、映像出力処理部２４、操作部２５、及び通信装置２６が接続されている。音声入力処理部２１は、音声を入力するマイク３１からの音声データの入力を処理する。音声出力処理部２２は、音声を出力するスピーカ３２の動作を処理する。映像入力処理部２３は、映像を撮像するカメラ３３からの映像データの入力を処理する。映像出力処理部２４は、映像を表示する表示装置３４の動作を処理する。操作部２５は、ユーザがテレビ会議端末１に各種指示を入力するために用いられる。通信装置２６は、テレビ会議端末１をネットワーク８に接続する。

ＨＤＤ１３について詳細に説明する。図３に示すように、ＨＤＤ１３には、透過度情報テーブル記憶エリア１３１、共有資料映像データ記憶エリア１３２、及び設定透過度記憶エリア１３３が少なくとも設けられている。

透過度情報テーブル記憶エリア１３１には、図４に示すように、第一合成映像の透過度を決定するためのα値であるα１の初期値と、第二合成映像の透過度を決定するためのα値であるα２の初期値とが記憶されている。これらの初期値の値は適宜設定・変更が可能であるが、合成映像の視認度を考慮すると、いずれも０．３〜０．７の間の値に設定することが望ましい。以下の説明では、α１の初期値に０．７、α２の初期値に０．３が記憶されている場合を例に挙げて説明する。ホスト端末は、共有資料の映像データを出力した第一端末を特定すると、透過度情報テーブル記憶エリア１３１の値から、各表示装置３４に表示させる合成映像の透過度を設定する。この詳細は後述する。

また、共有資料映像データ記憶エリア１３２には、テレビ会議端末１がホスト端末として動作する場合に、クライアント端末から受信した共有資料の映像データ、又は自端末が保有していた共有資料の映像データが記憶される。設定透過度記憶エリア１３３には、テレビ会議端末１がホスト端末として動作する場合に、自身が設定した２種類の合成映像の透過度が記憶される。詳細には、共有資料映像の透過度、及び撮像映像の透過度を決定するためのα値が記憶される。ホスト端末は、会議の進行に応じて、設定透過度記憶エリア１３３に記憶されている透過度を変更することもできる。尚、ホスト端末は、設定透過度記憶エリア１３３に記憶されているα値を用いて２種類の合成映像を生成し、第一合成映像を第一表示装置に、第二合成映像を第二表示装置に出力する。

以下、本実施の形態に係るテレビ会議端末１及びＰＣ２がクライアント端末として動作する場合の処理について、図５及び図６を参照して説明する。まず、図５を参照して、クライアント処理について説明する。クライアント処理は、クライアント端末として動作させる設定がテレビ会議端末１及びＰＣ２に対して行われると、ＲＯＭ１１に記憶されているプログラムに従ってＣＰＵ１０が実行する。

図５に示すクライアント処理が開始されると、共有資料映像の出力指示がユーザによって行われたか否かが判断される（Ｓ１）。ユーザが共有資料を提供したい場合には、操作部２５（図２参照）を操作し、共有したい資料を選択して、選択した資料を共有資料として各表示装置３４に出力する指示を入力する。この指示が入力されていなければ（Ｓ１：ＮＯ）、ホスト端末から会議開始情報を受信したか否かが判断される（Ｓ２）。テレビ会議の開始を指示する会議開始情報を受信していないと判断された場合には（Ｓ２：ＮＯ）、処理はＳ１の判断へ戻る。

共有資料映像の出力指示が入力された場合には（Ｓ１：ＹＥＳ）、選択された共有資料の映像データがホスト端末へ送信される（Ｓ３）。送信が開始されると、以降共有資料の映像データがホスト端末へ送信され続ける。後述するが、ホスト端末では、共有資料の映像データを送信したクライアント端末が第一端末に特定され、第一端末と同一の拠点内に配置された表示装置３４が第一表示装置に特定される。そして、会議開始情報がホスト端末から受信されると（Ｓ２：ＹＥＳ）、テレビ会議が開始される。一方、共有資料映像の出力指示が入力される前に、会議開始情報が受信されると（Ｓ２：ＹＥＳ）、クライアント端末は、共有資料映像を提供されるユーザが使用する第二端末として以後の動作を行うこととなる。

会議開始情報が受信されると（Ｓ２：ＹＥＳ）、発話終了検知処理（図６参照）が開始されて（Ｓ５）、テレビ会議が行われる。以降、クライアント処理と発話終了検知処理とが同時に進行する。テレビ会議中は、同一拠点内に配置されたカメラ３３によって撮像された撮像映像のデータと、同一拠点内に配置されたマイク３１によって変換された音声データとが、ホスト端末に送信される（Ｓ６）。撮像映像と共有資料映像とが合成された合成映像のデータと、各拠点の音声が合成された合成音声のデータとが、ホスト端末から受信される（Ｓ７）。受信されたデータに基づいて、合成映像が同一拠点内の表示装置３４に出力され、合成音声がスピーカ３２から出力される（Ｓ８）。テレビ会議が終了するまで、Ｓ６〜Ｓ８の処理が繰り返し行われる。

次に、図６を参照して、クライアント端末として動作するテレビ会議端末１及びＰＣ２が行う発話終了検知処理について説明する。先述したように、発話終了検知処理は、会議開始情報の受信を契機として、ＣＰＵ１０が実行する。発話終了検知処理とクライアント処理とは、テレビ会議中に同時に進行する。発話終了検知処理では、クライアント端末と同一拠点内のユーザの発話が終了したことが検知され、ホスト端末に通知される。ホスト端末は、発話の終了を通知したクライアント端末が第二端末であれば、第一合成映像を生成するための第一透過度を変更する。この詳細は図１２を参照して後述する。

発話終了検知処理が開始されると、同一拠点内のマイク３１からの音声の入力が開始されたか否かが判断される（Ｓ２１）。音声入力が開始されていない場合、すなわち、同一拠点内のユーザが発話を開始していない場合には（Ｓ２１：ＮＯ）、この判断が繰り返し行われる。音声の入力が開始されると（Ｓ２１：ＹＥＳ）、発話時間の計測が開始されて（Ｓ２２）、音声の入力が終了したか否かが判断される（Ｓ２４）。音声の入力が終了するまでこの判断が繰り返し行われ（Ｓ２４：ＮＯ）、音声の入力が終了すると（Ｓ２４：ＹＥＳ）、計測された発話時間が所定のＳ秒以上であるか否かが判断される（Ｓ２５）。Ｓ秒未満であれば（Ｓ２５：ＮＯ）、そのまま発話時間の計測が終了し（Ｓ３３）、処理はＳ２１の判断へ戻る。

計測された発話時間がＳ秒以上であれば（Ｓ２５：ＹＥＳ）、音声が入力されない無音時間の計測が開始される（Ｓ２６）。次いで、音声の入力が再び開始されたか否かが判断され（Ｓ２８）、開始されていなければ（Ｓ２８：ＮＯ）、無音時間が所定のｎ秒以上となったか否かが判断される（Ｓ３０）。音声の入力が開始されず（Ｓ２８：ＮＯ）、ｎ秒が経過していなければ（Ｓ３０：ＮＯ）、これらの判断が繰り返し行われる。ｎ秒が経過する前に、音声の入力が再び開始された場合には（Ｓ２８：ＹＥＳ）、発話がまだ終了していないと判断されて、無音時間の計測が終了し（Ｓ２９）、処理はＳ２４の判断へ戻る。無音時間がｎ秒以上となった場合には（Ｓ３０：ＹＥＳ）、クライアント端末のユーザの発話が終了したことを示す発話終了情報が、ホスト端末に送信される（Ｓ３２）。発話時間及び無音時間の計測が終了して（Ｓ３３）、処理はＳ２１の判断へ戻る。

次に、テレビ会議端末１及びＰＣ２がホスト端末として動作する場合の処理について、図７乃至図１２を参照して説明する。まず、図７及び図８を参照して、ホスト処理について説明する。ホスト処理は、ホスト端末として動作させる設定がテレビ会議端末１又はＰＣ２に対して行われると、ＲＯＭ１１に記憶されているプログラムに従ってＣＰＵ１０が実行する。

図７に示すように、ホスト処理が開始されると、透過度設定処理が行われる（Ｓ４１）。透過度設定処理では、共有資料の映像データを出力する第一端末及び第一表示装置が特定され、第一透過度を決定するためのα値であるα１、及び第二透過度を決定するためのα値であるα２が別々に設定される。

図８に示すように、透過度設定処理が開始されると、同一拠点内のユーザから共有資料映像の出力指示が行われたか否かが判断される（Ｓ６１）。ユーザがホスト端末の操作部２５を操作し、ホスト端末が記憶している資料を選択して、共有資料として出力する指示を入力した場合には（Ｓ６１：ＹＥＳ）、選択された資料が共有資料としてＨＤＤ１３に記憶される（Ｓ６５）。自端末が、共有資料の映像データを出力する第一端末として特定され、自端末と同一拠点内にある表示装置３４が、共有資料映像を出力する指示を入力したユーザが使用する第一表示装置として特定される（Ｓ６６）。

自端末への共有資料映像の出力指示が行われていない場合には（Ｓ６１：ＮＯ）、共有資料映像のデータをクライアント端末から受信したか否かが判断される（Ｓ６２）。受信していなければ（Ｓ６２：ＮＯ）、処理はＳ６１の判断へ戻る。いずれかのクライアント端末から共有資料映像のデータを受信した場合には（Ｓ６２：ＹＥＳ）、受信したデータがＨＤＤ１３に記憶される（Ｓ６３）。データを送信したクライアント端末が第一端末として特定され、特定された第一端末と同一の拠点内にある表示装置３４が第一表示装置として特定される（Ｓ６４）。

次いで、透過度情報テーブル（図４参照）が参照され、第一表示装置に表示される第一合成映像を生成するためのα値であるα１が「０．７」に設定される（Ｓ６８）。第二表示装置に表示される第一合成映像を生成するためのα値であるα２が「０．３」に設定される（Ｓ６９）。設定された２つのα値が、ＨＤＤ１３の設定透過度記憶エリア１３３に記憶される（Ｓ７０）。そして、テレビ会議を開始させることを示す会議開始情報が、システム内の全てのクライアント端末に送信されて（Ｓ７１）、処理はホスト処理へ戻る。

図７に示すように、透過度設定処理（Ｓ４１）が終了すると、会議の進行に応じて透過度を変更する処理である第一変更処理、及び第二変更処理が開始される（Ｓ４２、Ｓ４３）。第一変更処理、及び第二変更処理については、図１１及び図１２を参照して後述する。以降、第一変更処理、第二変更処理、及びホスト処理は同時に進行する。そして、テレビ会議中の処理が行われる。まず、自端末を含む全端末の撮像映像のデータ、及び音声データが取得される（Ｓ４５）。取得された音声データが合成されて、音声合成データが生成される（Ｓ４６）。取得された撮像映像が、１画面内に表示可能な映像に合成される（Ｓ４７）。この撮像映像の合成は透過合成ではなく、複数の撮像映像を同時に並べて表示させるための合成である。

次いで、先述したアルファブレンディングにより、共有資料映像と、合成された撮像映像とがα１の値を用いて透過合成され、第一合成映像が生成される（Ｓ４８）。さらに、共有資料映像と撮像映像とがα２の値を用いて透過合成され、第二合成映像が生成される（Ｓ４９）。合成音声データがクライアント端末に送信され、且つ、自端末に接続しているスピーカ３２から合成音声が出力される（Ｓ５０）。特定されている第一端末がクライアント端末であれば、第一端末に第一合成映像のデータが送信され、第一端末が自端末であれば、接続されている表示装置３４（第一表示装置）から第一合成映像が出力される（Ｓ５１）。そして、第二端末に第二合成映像のデータが送信され、第二端末に接続された第二表示装置から第二合成映像が出力される（Ｓ５２）。自端末が第二端末であれば、自端末に接続された表示装置３４（第二表示装置）からも第二合成映像が出力される（Ｓ５２）。テレビ会議が終了するまで、Ｓ４５〜Ｓ５２の処理が繰り返し行われる。

図９は、α１が初期値である場合に生成された第一合成映像を表示する表示装置３４の一例を示す図である。図９に示すように、表示装置３４には、拠点Ａの撮像映像４２、拠点Ｂの撮像映像４３、及び拠点Ｃ撮像映像４１の３箇所の撮像映像が合成されて、合成された撮像映像４０が表示領域全体に表示される。さらに、共有資料映像４５が撮像映像４０と共に表示される。そして、第一合成映像を生成するための第一透過度を決定するα１の初期値は「０．７」である。よって、第一透過度における撮像映像の透過度Ａ（＝１−α）は「０．３」、第一透過度における共有資料映像の透過度Ｂ（＝α）は「０．７」となり、共有資料映像の透過度Ｂの方が、撮像映像の透過度Ａよりも高い。よって、図９に示すように、第一合成映像では、撮像映像４０の方が共有資料映像４５よりも視認度が高くなる。よって、共有資料映像を出力する指示を行ったユーザは、他のユーザの様子を容易に認識しながら会議を進行させることができる。

図１０は、α２が初期値である場合に生成された第二合成映像を表示する表示装置３４の一例を示す図である。第二合成映像を生成するための第二透過度を決定するα２の初期値は「０．３」である。よって、第二透過度における撮像映像の透過度Ａ（＝１−α）は「０．７」、第二透過度における共有資料映像の透過度Ｂ（＝α）は「０．３」となり、撮像映像の透過度Ａの方が、共有資料映像の透過度Ｂよりも高い。よって、図１０に示すように、第二合成映像では、共有資料映像４５の方が撮像映像４０よりも視認度が高くなる。よって、共有資料映像を提供されたユーザは、提供された共有資料を容易に認識しながら会議を進行させることができる。このように、共有資料映像を提供したユーザであるか、提供されたユーザであるかに応じて、透過合成を行うための透過度を別々に設定することができる。よって、各ユーザのニーズに応じた合成映像を各表示装置３４に表示させることができる。

次に、図１１を参照して、ホスト端末として動作するテレビ会議端末１及びＰＣ２が行う第一変更処理について説明する。第一変更処理では、第一表示装置を使用するユーザ（共有資料映像を提供したユーザ）と、第二表示装置を使用するユーザ（共有資料映像を提供されたユーザ）とが会話を行ったか否かが判断される。会話を行ったと判断された場合に、第一透過度における共有資料映像の透過度Ｂを減少させる処理が行われる。これにより、共有資料映像を提供したユーザにも共有資料映像を容易に認識させ、共有資料についての議論をスムーズに行わせることを実現できる。先述したように、第一変更処理は、会議開始情報のクライアント端末への送信を契機として、ホスト処理（図７参照）と並行してＣＰＵ１０が実行する。

第一変更処理が開始されると、第一端末のマイク３１が検出した音声と、第二端末のマイク３１が検出した音声とが、所定時間であるＴ秒間取得される（Ｓ８１）。次いで、第一端末のマイク３１が音声を検出した時間の合計が、所定のｔ秒間以上であるか否かが判断される（Ｓ８２）。ここで、Ｔとｔとの関係はＴ≧ｔである。ｔ秒間以上であれば（Ｓ８２：ＹＥＳ）、第二端末のマイク３１が音声を検出した時間の合計がｔ秒間以上であるか否かが判断される（Ｓ８３）。共にｔ秒間以上であれば（Ｓ８３：ＹＥＳ）、第一表示装置を使用するユーザと、第二表示装置を使用するユーザとの間で会話が行われたと判断される。α１の値が「０．３」に変更される（Ｓ８４）。変更したα１の値を初期値にリセットするまでのリセット時間の計測が開始されて（Ｓ８５）、処理はＳ８１へ戻る。これにより、共有資料映像を提供したユーザの拠点では、共有資料映像の視認度が上がる。

一方で、第一端末のマイク３１が音声を検出した時間、及び、第二端末のマイク３１が音声を検出した時間の少なくともいずれかが、所定のｔ秒間未満である場合には（Ｓ８２：ＮＯ、又はＳ８３：ＮＯ）、リセット時間が経過したか否かが判断される（Ｓ８６）。経過していない場合、又はリセット時間が計測されていない場合には（Ｓ８６：ＮＯ）、処理はＳ８１へ戻る。リセット時間が経過した場合には（Ｓ８６：ＹＥＳ）、変更されたα１の値が初期値である「０．７」にリセットされて（Ｓ８７）、処理はＳ８１へ戻る。

次に、図１２を参照して、ホスト端末として動作するテレビ会議端末１及びＰＣ２が行う第二変更処理について説明する。第二変更処理では、第二表示装置を使用するユーザ（共有資料映像を提供されたユーザ）の発話が終了したか否かが判断される。発話が終了したと判断された場合に、第一透過度における共有資料映像の透過度Ｂを減少させる処理が行われる。これにより、共有資料映像を提供したユーザにも共有資料映像を容易に認識させ、共有資料についての質問に対して共有資料映像を見ながら回答させることを実現している。尚、ホスト端末が第二端末として動作する場合には、ホスト端末でも発話終了検知処理（図６参照）が行われる。

第二変更処理が開始されると、ユーザの発話が終了したか否かが判断される（Ｓ９１）。クライアント端末から発話終了情報（Ｓ３２、図６参照）を受信した場合、又は、自端末で行われた発話終了検知処理で発話終了が検知された場合には（Ｓ９１：ＹＥＳ）、終了した発話が第二端末におけるユーザの発話であるか否かが判断される（Ｓ９２）。第二端末におけるユーザの発話が終了していれば（Ｓ９２：ＹＥＳ）、α１の値が「０．３」に変更される（Ｓ９３）。変更したα１の値を初期値にリセットするまでのリセット時間の計測が開始されて（Ｓ９４）、処理はＳ９１へ戻る。これにより、共有資料映像を提供したユーザの拠点では、共有資料映像の視認度が上がる。

一方で、発話終了が検知されていない場合（Ｓ９１：ＮＯ）、及び、終了した発話が第二端末におけるユーザの発話でない場合には（Ｓ９２：ＮＯ）、リセット時間が経過したか否かが判断される（Ｓ９５）。経過していない場合、又はリセット時間が計測されていない場合には（Ｓ９５：ＮＯ）、処理はＳ９１の判断へ戻る。リセット時間が経過した場合には（Ｓ９５：ＹＥＳ）、変更されたα１の値が初期値である「０．７」にリセットされて（Ｓ９６）、処理はＳ９１の判断へ戻る。

以上説明したように、本実施の形態のテレビ会議システム１００によると、共有資料映像をシステム内で共有させる指示を行ったユーザが見る第一合成映像と、共有資料映像を提供されたユーザが見る第二合成映像とを異ならせることができる。すなわち、第一合成映像の透過度である第一透過度と、第二合成映像の透過度である第二透過度とを別々に設定することができる。従って、共有資料映像を提供したユーザ、及び提供されたユーザのそれぞれのニーズに応じた適切な合成映像を各端末に表示させることができる。

詳細には、共有資料映像を提供したユーザが、共有資料映像の視認度よりも撮像映像の視認度が高い第一合成映像を見ることができるように、第一透過度が設定される。よって、共有資料映像を提供したユーザは、他のユーザの反応を容易に確認しながら会議を進めることができる。また、共有資料映像を提供されたユーザが、撮像映像の視認度よりも共有資料映像の視認度が高い第二合成映像を見ることができるように、第二透過度が設定される。よって、共有資料映像を提供されたユーザは、提供された映像を容易に確認しながら会議を進めることができる。これにより、各ユーザのニーズに適した合成映像を各表示手段に表示させることができる。

また、テレビ会議システム１００内の複数の端末のうちの１つが、システム全体の制御を司るホスト端末として動作する。ホスト端末は、第一合成映像及び第二合成映像のデータを生成し、生成した合成映像のデータを各端末に送信することで、合成映像を各表示装置３４に出力する。従って、透過合成を行う装置を各拠点に配置する必要がない。さらに、システム全体の制御を司るサーバ等を端末とは別に設ける必要もない。よって、テレビ会議システム１００全体の構成を簡素化することができる。

また、共有資料映像を提供したユーザと、提供されたユーザとの間で会話が行われた場合には、ホスト端末は、共有資料映像を提供したユーザが見る第一合成映像の共有資料映像の視認度を増加させることができる。よって、共有資料映像についての議論があった場合には、共有資料映像を提供したユーザは、提供した共有資料映像を容易に認識しながら会議を進行させることができる。

また、共有資料映像を提供されたユーザが、提供された共有資料映像について発話を行うと、共有資料映像を提供したユーザが見る第一合成映像では、共有資料映像の視認度が増加する。従って、共有資料映像を提供したユーザは、他のユーザが共有資料映像について行った発話に対し、共有資料映像を容易に認識しながら返答を行うことができる。

尚、上記実施の形態において、カメラ３３が本発明の「撮像手段」に相当し、表示装置３４が「表示手段」に相当する。図８のＳ６４，Ｓ６６で第一表示装置を特定する処理を行うＣＰＵ１０が「特定手段」として機能する。図８のＳ６８，Ｓ６９で、第一透過度を決定するためのα１、及び第二透過度を決定するためのα２を設定するＣＰＵ１０が「透過度設定手段」として機能する。

図８のＳ６３、Ｓ６５で共有資料映像のデータを取得する処理を行うＣＰＵ１０が「第一取得手段」として機能する。図７のＳ４５で撮像映像のデータを取得する処理を行うＣＰＵ１０が「第二取得手段」として機能する。図７のＳ４８で第一合成映像を生成するＣＰＵ１０が「第一生成手段」として機能する。図７のＳ５１で第一合成映像を第一表示装置に出力するＣＰＵ１０が「第一出力手段」として機能する。図７のＳ４９で第二合成映像を生成するＣＰＵ１０が「第二生成手段」として機能する。図７のＳ５２で第二合成映像を第二表示装置に出力するＣＰＵ１０が「第二出力手段」として機能する。

図６のＳ２１，Ｓ２８、図１１のＳ８１で、各拠点のマイク３１によって変換された音声データを取得するＣＰＵ１０が「音声情報取得手段」として機能する。図１１のＳ８１〜Ｓ８３で会話が行われたか否かを判断するＣＰＵ１０が「会話判断手段」として機能する。図１１のＳ８４でα１を変更するＣＰＵ１０が「第一変更手段」として機能する。図１２のＳ９１，Ｓ９２で、第二表示装置を使用するユーザの発話が終了したことを検出するＣＰＵ１０が「終了検出手段」として機能する。図１２のＳ９３でα１を変更するＣＰＵ１０が「第二変更手段」として機能する。

また、図８のＳ６４，Ｓ６６で第一表示装置を特定する処理が、本発明の「特定ステップ」に相当する。図８のＳ６８，Ｓ６９で、第一透過度を決定するためのα１、及び第二透過度を決定するためのα２を設定する処理が「透過度設定ステップ」に相当する

尚、本発明は上記実施の形態に限定されることはなく、様々な変形が可能であることは言うまでもない。以下、上記実施の形態の変形例について説明する。尚、以下の変形例のうち、上記実施の形態と同一の構成及び処理については、同一の番号を付して説明を省略又は簡略化する。

まず、上記実施の形態では、図５のクライアント処理において、共有資料映像の出力指示が行われた後にテレビ会議が開始される。しかし、テレビ会議の実行中に、端末が共有資料映像の出力指示を行うことができるように設定してもよいことは言うまでもない。この場合、処理を行うＣＰＵ１０は、共有資料映像の出力指示があったことを契機として第一端末及び第一表示装置を特定し、α１及びα２の値を設定すればよい（図８参照）。

次に、上記実施の形態の変形例の１つであるテレビ会議システム２００について説明する。上記実施の形態では、テレビ会議システム１００内の複数の端末のうちの１つがホスト端末として動作し、システム全体の制御を司る。しかし、以下説明するテレビ会議システム２００のように、システム全体の制御を司るテレビ会議サーバ２０１を用いてもよい。

図１３を参照して、テレビ会議システム１００の変形例であるテレビ会議システム２００のシステム構成について説明する。テレビ会議システム２００は、拠点Ｄに配置されるＰＣ２０２、拠点Ｅに配置されるテレビ会議端末２０３等の各端末に加え、システム全体の制御を司るテレビ会議サーバ２０１を備えている。テレビ会議サーバ２０１に必要な電気的構成は、上記実施の形態のテレビ会議端末１の電気的構成（図２参照）に含まれているので、この説明は省略する。テレビ会議サーバ２０１が行う処理は、上記実施の形態におけるホスト端末の処理（図７、図８、図１１、図１２参照）と同じである。しかし、テレビ会議サーバ２０１は、表示装置３４等の制御を行わず、システム全体の制御のみを行ってもよいことは言うまでもない。また、各拠点の端末が行う処理は、上記実施の形態におけるクライアント端末の処理（図５及び図６参照）と同じである。

テレビ会議システム２００では、システム全体の制御をテレビ会議サーバ２０１が実行するため、各拠点に配置される端末（ＰＣ２０２及びテレビ会議端末２０３）の構成及び処理を簡素化することができる。

また、上記実施の形態はその他の変更も可能である。上記実施の形態では、ユーザの発話が終了したか否かをクライアント端末が判断し、発話終了情報をホスト端末に送信することで（図６参照）、ホスト端末がユーザの発話終了を検出している（Ｓ９１，Ｓ９２、図１２参照）。しかし、図６に示す発話終了検知処理をホスト端末で行ってもよい。また、上記実施の形態では、第一端末のユーザと第二端末のユーザとが会話を行ったか否かの判断を、ホスト端末が行っている（Ｓ８１〜Ｓ８３、図１１参照）。しかし、この判断をクライアント端末で実行し、ホスト端末に通知してもよい。

また、上記実施の形態では、システム全体の制御を司るホスト端末が合成映像のデータを生成し、各拠点の端末に送信することで、各拠点の表示手段に合成映像を出力している。しかし、この処理も変更が可能である。例えば、ホスト端末は、共有資料映像のデータと撮像映像のデータとを端末に送信し、且つ、第一端末には第一透過度を、第二端末には第二透過度を通知する。そして、クライアント端末が、ホスト端末から通知された透過度を用いて合成映像を生成し、同一拠点内にある表示装置３４に出力してもよい。この場合、ホスト端末の処理を低減させることができる。また、ホスト端末は、第一変更処理（図１１参照）、及び第二変更処理（図１２参照）のいずれか一方のみを実行することも可能である。

１，２０３ テレビ会議端末
２，２０２ ＰＣ
８ ネットワーク
１０ ＣＰＵ
１３ ＨＤＤ
２４ 映像出力処理部
２６ 通信装置
３１ マイク
３３ カメラ
３４ 表示装置
４０ 撮像映像
４５ 共有資料映像
１００，２００ テレビ会議システム
２０１ テレビ会議サーバ

Claims (8)

1. 複数の拠点の複数のユーザ間で共有する共有資料の映像である共有資料映像と、映像を撮像する撮像手段によって撮像された前記複数の拠点の撮像映像とを、各々の映像に対応した透過率を示す値である透過度に基づいて透過合成した合成映像を、各拠点で使用される複数の表示手段に出力するテレビ会議装置であって、
   前記共有資料映像を前記複数の表示手段へ出力する指示を入力したユーザが使用する表示手段である第一表示手段を特定する特定手段と、
   前記第一表示手段へ出力する第一合成映像を生成するための第一透過度、及び、前記複数の表示手段のうち前記第一表示手段以外の表示手段である第二表示手段へ出力する第二合成映像を生成するための第二透過度を設定する透過度設定手段と
   を備えたことを特徴とするテレビ会議装置。
2. 前記透過度設定手段は、
   前記撮像映像の透過度よりも前記共有資料映像の透過度が高い前記第一透過度を設定し、
   前記撮像映像の透過度よりも前記共有資料映像の透過度が低い前記第二透過度を設定することを特徴とする請求項１に記載のテレビ会議装置。
3. 前記共有資料映像のデータを取得する第一取得手段と、
   前記撮像映像のデータを取得する第二取得手段と、
   前記共有資料映像と前記撮像映像とを前記第一透過度で透過合成して前記第一合成映像を生成する第一生成手段と、
   前記第一生成手段によって生成された前記第一合成映像を前記第一表示手段に出力する第一出力手段と、
   前記共有資料映像と前記撮像映像とを前記第二透過度で透過合成して前記第二合成映像を生成する第二生成手段と、
   前記第二生成手段によって生成された前記第二合成映像を前記第二表示手段に出力する第二出力手段と
   を備えたことを特徴とする請求項１又は２に記載のテレビ会議装置。
4. 前記複数の拠点の音声の情報を取得する音声情報取得手段と、
   前記音声情報取得手段によって前記音声の情報が取得された場合に、前記第一表示手段を使用するユーザと、前記第二表示手段を使用するユーザとの間で会話が行われたか否かを前記音声の情報から判断する会話判断手段と、
   前記会話判断手段によって前記会話が行われたことが判断された場合に、前記第二透過度を維持しつつ、前記透過度設定手段によって設定された前記第一透過度における前記共有資料映像の透過度を減少させる第一変更手段と
   を備えたことを特徴とする請求項１乃至３のいずれかに記載のテレビ会議装置。
5. 前記音声情報取得手段によって取得された前記音声の情報によって、前記第二表示手段を使用するユーザの発話が終了したことを検出する終了検出手段と、
   前記終了検出手段によって前記発話が終了したことが検出された場合に、前記透過度設定手段によって設定された前記第一透過度における前記共有資料映像の透過度を減少させる第二変更手段と
   を備えたことを特徴とする請求項４に記載のテレビ会議装置。
6. 複数の拠点の複数のユーザ間で共有する共有資料の映像である共有資料映像と、映像を撮像する撮像手段によって撮像された前記複数の拠点の撮像映像とを、各々の映像に対応した透過率を示す値である透過度に基づいて透過合成した合成映像を、各拠点で使用される複数の表示手段に出力するテレビ会議サーバと、
   前記テレビ会議サーバにネットワークを介して接続し、前記共有資料映像を前記複数の表示手段に出力するユーザが使用する表示手段である第一表示手段の表示を制御する第一端末と、
   前記テレビ会議サーバにネットワークを介して接続し、前記複数の表示手段のうち前記第一表示手段以外の表示手段である第二表示手段の表示を各拠点で制御する第二端末と
   を備えたテレビ会議システムであって、
   前記テレビ会議サーバは、
   前記複数の表示手段から前記第一表示手段を特定する特定手段と、
   前記第一表示手段へ出力する第一合成映像を生成するための第一透過度、及び、前記第二表示手段へ出力する第二合成映像を生成するための第二透過度を設定する透過度設定手段と
   を備え、
   前記第一端末は、
   前記第一合成映像を前記第一表示手段に出力する第一出力手段を備え、
   前記第二端末は、
   前記第二合成映像を前記第二表示手段に出力する第二出力手段を備えたことを特徴とするテレビ会議システム。
7. 複数の拠点の複数のユーザ間で共有する共有資料の映像である共有資料映像と、映像を撮像する撮像手段によって撮像された前記複数の拠点の撮像映像とを、各々の映像に対応した透過率を示す値である透過度に基づいて透過合成した合成映像を、各拠点で使用される複数の表示手段に出力するテレビ会議方法であって、
   前記共有資料映像を前記複数の表示手段へ出力する指示を入力したユーザが使用する表示手段である第一表示手段を特定する特定ステップと、
   前記第一表示手段へ出力する第一合成映像を生成するための第一透過度、及び、前記複数の表示手段のうち前記第一表示手段以外の表示手段である第二表示手段へ出力する第二合成映像を生成するための第二透過度を設定する透過度設定ステップと
   を備えたことを特徴とするテレビ会議方法。
8. 請求項１乃至５のいずれかに記載のテレビ会議装置の各種処理手段としてコンピュータを機能させるためのテレビ会議プログラム。