JP2011078063A

JP2011078063A - 画像再生装置

Info

Publication number: JP2011078063A
Application number: JP2009230365A
Authority: JP
Inventors: Akihiko Takahashi; 秋彦高橋; Shigemasa Sato; 重正佐藤
Original assignee: Nikon Corp
Current assignee: Nikon Corp
Priority date: 2009-10-02
Filing date: 2009-10-02
Publication date: 2011-04-14
Anticipated expiration: 2029-10-02
Also published as: JP5499605B2

Abstract

【課題】静止画像を再生表示する際に、動画像に含まれている音の中から該静止画像と共に再生する最適な再生音を抽出することができる画像再生装置を提供する。
【解決手段】記録媒体６に記録されている動画像、動画像と共に記録される音、及び動画像と関連付けられた静止画像をそれぞれ再生する再生部８，１０と、記録媒体６に記録されている静止画像の中から、再生部８により再生する静止画像を選択する選択部と、選択部により選択された静止画像の画像解析を行う解析部１４と、解析部１４による解析結果に基づいて、記録媒体６に記録されている音の中から再生部１０により再生する再生音を抽出する抽出部と、選択部により選択された静止画像及び抽出部により抽出された再生音の、再生部８，１０による再生を制御する再生制御部４とを備える。
【選択図】図１

Description

本発明は、静止画像、動画像及び音声を再生可能な画像再生装置に関するものである。

記録媒体に記録されている静止画像及び音声を含む動画像を再生する再生装置であって、静止画像を動画像の所定撮影時点に対して関連付け、この所定撮影時点を示す管理情報を記録し、この管理情報に基づいて動画像の中から所定部分を抽出し、静止画像の再生を行いつつ、動画像の所定部分に対応する音声の再生を行う再生装置が提案されている（例えば、特許文献１参照）。

特開２００５−１１７０８３号公報

ところで、特許文献１記載の再生装置では、静止画像が撮影された時間を所定撮影時点とし、この所定撮影時点に記録された動画像の中の所定部分を抽出する。そして、静止画像を再生する際に、抽出された動画像の所定部分に対応する音声も同時に再生する。

しかしながら、例えば異なる時間（異なる日）に撮影された複数の静止画像を所定時間間隔で順次再生表示する場合では、各静止画像が撮影された時間を所定撮影時点とし、この所定撮影時点に記録された動画像に対応する音声をそれぞれ順次再生すると、音声が途切れ途切れになり、滑らかさに欠ける場合があった。また、所定撮影時点以外に記録された動画像の一部分を静止画像に関連する部分として抽出することができないため、所定撮影時点以外に記録された動画像に対応する音声を静止画像の再生と同時に再生することができなかった。

本発明の目的は、静止画像を再生表示する際に、動画像に含まれている音の中から該静止画像と共に再生する最適な再生音を抽出することができる画像再生装置を提供することである。

本発明は以下のような解決手段により上記課題を解決する。なお、理解を容易にするために、本発明の実施の形態に対応する符号を付して説明するが、本発明はこれに限定されるものではない。

本発明の画像再生装置は、記録媒体（６）に記録されている動画像、前記動画像と共に記録される音、及び前記動画像と関連付けられた静止画像をそれぞれ再生する再生部（８，１０）と、前記記録媒体（６）に記録されている前記静止画像の中から、前記再生部（８）により再生する静止画像を選択する選択部と、前記選択部により選択された前記静止画像の画像解析を行う解析部（１４）と、前記解析部（１４）による解析結果に基づいて、前記記録媒体（６）に記録されている前記音の中から前記再生部（１０）により再生する再生音を抽出する抽出部と、前記選択部により選択された前記静止画像及び前記抽出部により抽出された前記再生音の、前記再生部（８，１０）による再生を制御する再生制御部（４）とを備えることを特徴とする。

本発明の画像再生装置によれば、静止画像を再生表示する際に、動画像に含まれている音の中から該静止画像と共に再生する最適な再生音を抽出することができる。

実施の形態に係る画像再生装置のシステム構成を示すブロック図である。実施の形態に係る画像再生装置において、画像表示部に静止画像を再生表示すると同時に音声再生部により再生する再生音を抽出する際の処理について説明するためのフローチャートである。登録画像の例を示す図である。選択された静止画像の例を示す図である。静止画像及び関連付けられた動画像の関連を示すタイムチャートである。静止画像及び関連付けられた動画像の関連を示すタイムチャートである。

以下、図面を参照して、本発明の実施の形態に係る画像再生装置について説明する。なお、本実施の形態に係る画像再生装置とは、記録媒体等に記録されている静止画像または動画像（音声と共に記録されている連続静止画像を含む）を再生表示するための液晶パネル等の画像表示部、及び記録媒体等に記録されている音を再生するためのスピーカ等の音声再生部を備えたものであり、例としてノートパソコンやデスクトップパソコン等のパーソナルコンピュータ（以下、ＰＣという。）が挙げられる。

図１は、実施の形態に係る画像再生装置２のシステム構成を示すブロック図である。図１に示すように、画像再生装置２は、制御部４、記録媒体６、画像表示部８、音声再生部１０、操作部１２、解析部１４、及び登録部１６を備えて構成されている。制御部４は、ＣＰＵ等により構成され、画像再生装置２の各部を統括的に制御する。この実施の形態では、画像表示部８に静止画像を再生表示する際に、音声再生部１０において再生する再生音を抽出し、静止画像及び再生音の再生を制御する。

記録媒体６は、画像再生装置２に設けられたカードスロット（図示せず）に着脱可能に装着される可搬性を有する記録媒体であり、例えば、ＣＦカード、ＳＤカード、スマートメディア等が用いられる。記録媒体６には、静止画像、音声を含む動画像、及び静止画像や動画像に付加されている撮影日時等の撮影に関する情報等が記録されている。また、動画像が記録されている間に撮像された静止画像については、その動画像との関連付けを示す情報（例えば、動画像のファイル名）が付加されており、記録媒体６には、この動画像との関連付けを示す情報も、静止画像と共に記録されている。その他の動画像についても例えばユーザー操作等により静止画像との関連付けが可能であり、静止画像を画像表示部８に再生表示する際に音声再生部１０において再生される再生音は、関連付けされた動画像に含まれる音声から抽出される。

画像表示部８は、記録媒体６に記録されている静止画像や動画像、後述する登録部１６に登録されている登録画像等をそれぞれ再生表示する。音声再生部１０は、記録媒体６に記録されている動画像に含まれている音声、登録部１６に登録されている登録音等をそれぞれ再生する。操作部１２は、ユーザーにより操作される操作部材、例えば、キーボードやポインティングデバイス等を備えて構成されている。解析部１４は、画像表示部８に再生表示する静止画像及び該静止画像に関連付けられ、記録媒体６に記録されている動画像の解析を行う。

登録部１６には、画像表示部８に静止画像を再生表示すると同時に音声再生部１０により再生される再生音を抽出する際に基準となる登録画像及び登録音が、テーマ毎に関連付けられて登録されている。登録画像は、予め登録されており、例えばカメラ等により既に記録されている静止画像または動画像の中のフレームを登録画像としてユーザー操作により登録することができる。また、登録音は、予め登録されており、例えばカメラ等により動画像と共に既に記録されている音、録音可能な装置により録音された音、または各種テーマ（シーン）に関するキーワード（例えばテーマ「お祭り」に対してキーワード「ワッショイ」、テーマ「パーティー」に対してキーワード「乾杯」等）を登録音としてユーザー操作により登録することができる。なお、カメラ等により登録画像として登録するための静止画像を撮像し、登録画像として登録することもでき、カメラ等により登録画像及び登録音として登録するための動画像及び音を同時に記録し、登録画像及び登録音として互いに関連付けて登録することもできる。また、テーマにおいてはユーザーが操作部１２を介して作成することができ、一の登録画像や一の登録音を複数のテーマに関連付けることもできる。

次に、図２に示すフローチャートを参照して、この実施の形態に係る画像再生装置２において画像表示部８に静止画像を再生表示すると同時に音声再生部１０により再生する再生音を抽出する際の処理について説明する。

なお、この実施の形態においては、図３に示すように、子供の画像（顔を含む画像）Ａ、お祭りに関連する神輿の画像Ｂ、浴衣の画像Ｃ及び団扇の画像Ｄがテーマ「お祭り」の登録画像として登録部１６に予め登録されているものとする。また、画像Ａの子供の声、祭囃子の音、ワッショイ等のお祭りを連想させるキーワードがテーマ「お祭り」の登録音として登録部１６に予め登録されているものとする。

まず、ユーザーにより操作部１２を介して、記録媒体６に記録されている静止画像の中から画像表示部８により再生表示する静止画像が選択されると、制御部４は、選択された静止画像を記録媒体６から取得する（ステップＳ１０）。この実施の形態では、図４に示すような神輿をバックに、浴衣を着用し、団扇を手にした子供の静止画像Ｅが選択されたものとする。

次に、制御部４は、ステップＳ１０において取得した静止画像Ｅを解析部１４において画像解析させる（ステップＳ１１）。即ち、静止画像Ｅの顔認識、顔識別、物認識、シーン（テーマ）認識等を行う。静止画像Ｅから、一人の人物が存在し（顔認識）、その人物は「子供」であり（顔識別）、その子供の手には「団扇」（物認識）、子供の背後には「神輿」（物認識）があり、子供には「浴衣」（物認識）が着せられており、「団扇」、「神輿」及び「浴衣」から「お祭り」（シーン認識）であることが解析される。

次に、制御部４は、ステップＳ１１において解析部１４により解析された解析結果に基づいて、登録部１６に登録されている登録画像の中から参照画像を抽出する（ステップＳ１２）。即ち、登録部１６に登録されているすべての登録画像の中から、静止画像Ｅから解析された「子供」「団扇」「神輿」「浴衣」「お祭り」に関連する画像（この実施の形態では、画像Ａ〜Ｄ）を参照画像として抽出する。

次に、制御部４は、静止画像Ｅと関連付けられている所定の動画像を構成する全フレームの中から、ステップＳ１２において抽出した参照画像Ａ〜Ｄに関連するフレーム（参照画像Ａ〜Ｄに類似するフレーム、または参照画像Ａ〜Ｄを含むフレーム）を含むフレーム領域を少なくとも１つ抽出する（ステップＳ１３）。所定の動画像は、静止画像が撮像された時間を含む時間帯に記録された動画像、ユーザーにより指定操作された動画像、静止画像の撮像時間から予め設定された時間前までに記録された動画像、及び静止画像の撮像時間から予め設定された時間後まで記録された動画像等のことである。予め設定される時間前及び時間後は、独立して変更及び設定可能であり、例えば、前日及び２日後等の日単位、数時間前及び数時間後等の時間単位に設定可能である。なお、この実施の形態では、図５に示すように、静止画像Ｅの撮像時ｔ_３に同一のカメラで記録されていた動画像Ｍ（時間ｔ_１からｔ_２まで記録）が所定の動画像として静止画像Ｅに関連付けられているものとし、参照画像Ａ〜Ｄに関連するフレームとしてフレームｆ_１〜ｆ_３を含むフレーム領域Ｆ_１〜Ｆ_３が抽出されたものとする。また、この実施の形態では、静止画像Ｅに対応するフレームｆ_２を含むフレーム領域Ｆ_２が抽出されたか否かに拘らず、フレーム領域Ｆ_２以外のフレーム領域Ｆ_１，Ｆ_３が必ず抽出されるように設定されているものとする。

次に、制御部４は、ステップＳ１３において抽出されたフレーム領域Ｆ_１〜Ｆ_３に対応する音を再生音として抽出する（ステップＳ１４）。即ち、所定の動画像を構成する全フレームの中から抽出されたフレーム領域Ｆ_１〜Ｆ_３が記録された時に録音された音を抽出する。

一方、制御部４は、ステップＳ１１において解析部１４により解析された解析結果に基づいて、登録部１６に登録されている登録音の中から参照音も抽出する（ステップＳ１５）。即ち、登録部１６に登録されているすべての登録音の中から、静止画像Ｅから解析された「子供」「団扇」「神輿」「浴衣」「お祭り」に関連する音（この実施の形態では、子供の声、祭囃子の音、ワッショイ等のキーワード）を参照音として抽出する。

次に、制御部４は、静止画像Ｅと関連付けられている所定の動画像に含まれる音の中から、ステップＳ１５において抽出した参照音に関連する音（参照音に類似する音、または参照音を含む音）を再生音として抽出する（ステップＳ１６）。このとき、ステップＳ１４において抽出された再生音と同一の再生音が抽出される場合もあり、異なる再生音が抽出される場合もある。なお、人物の声に関しては参照音の声紋等、環境音や音楽に関しては参照音の特徴量（周波数の時間変化、周波数の周期性、周波数の継続性、周波数レベルの時間的長さ、周波数方向と時間的方向との組み合わせ）から類似性を判別し、参照音と類似する再生音を抽出する。また、この実施の形態では、制御部４が静止画像の撮像時間と同一の時間に録音された音以外の音が再生音として必ず抽出されるように設定されている。

そして、制御部４は、静止画像Ｅを画像表示部８に再生表示すると同時に、ステップＳ１４及びＳ１６において抽出された再生音を音声再生部１０において再生する（ステップＳ１７）。複数の再生音が抽出された場合には、録音された時間が早い順、録音された時間が静止画像Ｅの撮像時間に近い順、またはランダムに再生音を再生する。

ユーザーにより１つの静止画像Ｅが選択された場合には、静止画像Ｅが画像表示部８に表示されている間、再生音を音声再生部１０において繰り返し再生する。また、ユーザーにより複数の静止画像が選択され、かつ静止画像の再生表示時間が設定されていない場合には、再生音を音声再生部１０において再生している間、静止画像Ｅを画像表示部８に表示する。即ち、静止画像Ｅの表示を開始したとき、再生音の再生も開始し、再生音の再生を終了したとき、静止画像Ｅの表示を終了し、次の静止画像の表示を開始する。この場合には、選択された静止画像のそれぞれにおいて、関連付けられた動画像中の音の中から再生音をそれぞれ抽出し、再生する。したがって、静止画像の再生表示時間はそれぞれ異なり、抽出される再生音が多い場合には静止画像の再生表示時間は長くなり、抽出される再生音が少ない場合には静止画像の再生表示時間は短くなる。

また、ユーザーにより複数の静止画像が選択され、かつ個々の静止画像の再生表示時間が所定時間に設定されている場合には、静止画像Ｅを表示する所定時間の間、録音された時間が早い順、録音された時間が静止画像Ｅの撮像時間に近い順、またはランダムに再生音を再生する。そして、所定時間後、静止画像Ｅの表示及び再生音の再生を終了し、次の静止画像の表示を開始する。この場合にも、選択された静止画像のそれぞれにおいて、関連付けられた動画像中の音の中から再生音をそれぞれ抽出し、再生する。したがって、抽出された再生音の再生時間が所定時間より短い場合には、再生音を繰り返し再生し、再生音の再生時間が所定時間より長い場合には、再生音を所定時間に短縮して再生する。なお、再生音の一部が再生される場合において、静止画像Ｅの撮像時間と同一の時間に録音された再生音以外の再生音を必ず再生するように設定されている。

また、ユーザーにより複数の静止画像が選択された場合において、静止画像のそれぞれに対して再生音をそれぞれ抽出するのでなく、選択された複数の静止画像に対する共通の再生音を抽出することもできる。この場合には、解析部１４による解析結果から複数の静止画像に共通のテーマ、人物または物を見出し、共通のテーマ、人物または物に基づいて複数の静止画像に共通の参照画像及び参照音を抽出する。そして、複数の静止画像の少なくとも１つと関連付けられている動画像に含まれる音の中から、参照音に関連する音を複数の静止画像に対する共通の再生音として抽出する。共通の再生音は、複数の静止画像を順次再生している間、再生され、静止画像が切り換わる時に切り換えられることはない。

なお、テーマ「お祭り」を例に挙げて説明したが、例えば図３に示すように、登録部１６にはテーマ「お祭り」以外のテーマ「自動車レース」、「航空ショー」、「家族旅行」等が存在し、様々な登録画像（画像Ａ，Ｇ〜Ｎ等）及び登録音が登録されている。なお、子供の画像Ａは、複数のテーマ「お祭り」「自動車レース」「航空ショー」の登録画像として登録部１６に登録されている。以下、テーマ「お祭り」以外のテーマ「自動車レース」、「航空ショー」、「家族旅行」を例に挙げて、再生音を抽出する際の処理について説明する。

まず、テーマ「自動車レース」について説明する。テーマ「自動車レース」には、子供の画像Ａ、レーシングカーの画像Ｇ、レース用のバイクの画像Ｈ、チェッカーフラグの画像Ｉ等が登録画像として、画像Ａの中の子供の声、エグゾーストノイズの音等が登録音として登録部１６に予め登録されている。ユーザーにより静止画像（レーシングカーをバックにした子供の静止画像）が選択されると、制御部４は、静止画像を解析部１４において解析させる。即ち、選択された静止画像から、一人の人物が存在し（顔認識）、その人物は「子供」であり（顔識別）、その子供の背後には「レーシングカー」（物認識）があり、「レーシングカー」から「自動車レース」（シーン認識）であることが解析される。次に、制御部４は、登録部１６に登録されているすべての登録画像の中から、解析された「子供」「レーシングカー」「自動車レース」に関連する画像を参照画像として抽出する。次に、制御部４は、関連付けられている所定の動画像の中から、参照画像に関連するフレーム領域を抽出し、抽出されたフレーム領域に対応する音を再生音として抽出する。一方、制御部４は、解析部１４による解析結果に基づいて、登録部１６に登録されているすべての登録音の中から、解析された「子供」「レーシングカー」「自動車レース」に関連する音（この実施の形態では、子供の声、エグゾーストノイズの音等）を参照音として抽出する。そして、関連付けられている所定の動画像に含まれる音の中から、参照音に関連する音を再生音として抽出する。

次に、テーマ「航空ショー」について説明する。テーマ「航空ショー」には、子供の画像Ａ、飛行機の画像Ｊ等が登録画像として、画像Ａの中の子供の声、ジェットエンジンの音等が登録音として登録部１６に予め登録されている。まず、ユーザーにより静止画像（飛行機をバックにした子供の静止画像）が選択されると、制御部４は、静止画像を解析部１４において解析させる。即ち、選択された静止画像から、一人の人物が存在し（顔認識）、その人物は「子供」であり（顔識別）、その子供の背後には「飛行機」（物認識）があり、「飛行機」から「航空ショー」（シーン認識）であることが解析される。次に、制御部４は、登録部１６に登録されているすべての登録画像の中から、解析された「子供」「飛行機」「航空ショー」に関連する画像を参照画像として抽出する。次に、制御部４は、関連付けられている所定の動画像の中から、参照画像に関連するフレーム領域を抽出し、抽出されたフレーム領域に対応する音を再生音として抽出する。一方、制御部４は、解析部１４による解析結果に基づいて、登録部１６に登録されているすべての登録音の中から、解析された「子供」「飛行機」「航空ショー」に関連する音（この実施の形態では、子供の声、ジェットエンジンの音等）を参照音として抽出する。そして、関連付けられている所定の動画像に含まれる音の中から、参照音に関連する音を再生音として抽出する。

なお、画像解析する際、レーシングカーや飛行機の色、形状、ナンバー等を解析し、選択された静止画像の中のレーシングカーまたは飛行機と登録画像の中のレーシングカーまたは飛行機とが同一の場合のみ、該登録画像を参照画像として抽出することもできる。

次に、テーマ「家族旅行」について説明する。テーマ「家族旅行」には、家族の画像Ｋ、テーマパークのキャラクターの画像Ｌ、テーマパークのアトラクションの画像Ｎ等が登録画像として、家族の声、パレード音楽等が登録音として登録部１６に予め登録されている。まず、ユーザーにより静止画像（テーマパークのキャラクターを囲んだ家族の静止画像）が選択されると、制御部４は、静止画像を解析部１４において解析させる。即ち、選択された静止画像から、複数の人物が存在し（顔認識）、それら複数の人物はユーザーの「家族」であり（顔識別）、中央には「テーマパークのキャラクター」（物認識）が存在し、「家族」「テーマパークのキャラクター」から「家族旅行」（シーン認識）であることが解析される。次に、制御部４は、登録部１６に登録されているすべての登録画像の中から、解析された「家族」「テーマパークのキャラクター」「家族旅行」に関連する画像を参照画像として抽出する。次に、制御部４は、関連付けられている所定の動画像の中から、参照画像に関連するフレーム領域を抽出し、抽出されたフレーム領域に対応する音を再生音として抽出する。一方、制御部４は、解析部１４による解析結果に基づいて、登録部１６に登録されているすべての登録音の中から、解析された「家族」「テーマパークのキャラクター」「家族旅行」に関連する音（この実施の形態では、家族の声、パレード音楽等）を参照音として抽出する。そして、関連付けられている所定の動画像に含まれる音の中から、参照音に関連する音を再生音として抽出する。

この実施の形態に係る画像再生装置２によれば、静止画像を再生表示する際に、動画像に含まれている音の中から該静止画像と共に再生する最適な再生音を自動で抽出及び再生することができる。また、静止画像を再生表示する際に最適な再生音を再生することができるため、動画像再生時と同様の臨場感で静止画像を鑑賞することができる。

なお、この実施の形態においては、参照画像及び参照音に基づいて再生音を抽出しているが、参照音を抽出することなく参照画像のみから再生音を抽出してもよく、参照画像を抽出することなく参照音のみから再生音を抽出してもよい。

また、この実施の形態においては、参照画像に関連する動画像のフレーム領域を抽出し、フレーム領域に対応する音を再生音として抽出しているが、参照画像に関連する動画像の１つのフレームを抽出し、抽出されたフレームに対応する音を含む音領域を再生音として抽出することもできる。

なお、上記実施形態では、図２のステップＳ１３において、静止画Ｅが撮像された時間を含む時間帯に記録された動画像Ｍから、静止画Ｅ（参照画像Ａ〜Ｄ）に関連するフレーム領域Ｆ_１〜Ｆ_３を抽出するものとしているが、これに限らず、既述したように、静止画Ｅの記録時間以外に記録された動画像（図６に示すように、動画像Ｍ２の前後の動画像Ｍ１，Ｍ３）から、関連するフレーム領域Ｆ_２，Ｆ_３を抽出するようにしても良い。

２…画像表示装置、４…制御部、６…記録媒体、８…画像表示部、１０…音声再生部、１２…操作部、１４…解析部、１６…登録部。

Claims

記録媒体に記録されている動画像、前記動画像と共に記録される音、及び前記動画像と関連付けられた静止画像をそれぞれ再生する再生部と、
前記記録媒体に記録されている前記静止画像の中から、前記再生部により再生する静止画像を選択する選択部と、
前記選択部により選択された前記静止画像の画像解析を行う解析部と、
前記解析部による解析結果に基づいて、前記記録媒体に記録されている前記音の中から前記再生部により再生する再生音を抽出する抽出部と、
前記選択部により選択された前記静止画像及び前記抽出部により抽出された前記再生音の、前記再生部による再生を制御する再生制御部と、
を備えることを特徴とする画像再生装置。
テーマ毎に関連付けられた参照画像、及び前記参照画像と関連付けられた参照音を登録する登録部を備え、
前記抽出部は、前記登録部に登録されている前記参照画像及び前記参照音の中から、前記解析部による解析結果に基づき抽出された参照画像及び参照音の少なくとも一方に基づいて、前記再生音を抽出することを特徴とする請求項１記載の画像再生装置。
前記解析結果に基づき前記参照画像が抽出された場合には、前記参照画像に類似する前記動画像のフレーム領域に対応する前記再生音を抽出し、
前記解析結果に基づき前記参照音が抽出された場合には、前記参照音に類似する前記再生音を抽出することを特徴とする請求項２記載の画像再生装置。
前記選択部は、複数の前記静止画像を選択し、
前記抽出部は、前記解析部による前記複数の静止画像の解析結果に基づいて少なくとも１つの前記再生音を抽出し、
前記再生制御部は、前記複数の静止画像を再生している間、前記再生音を再生することを特徴とする請求項１〜請求項３の何れか一項に記載の画像再生装置。
前記再生制御部は、前記抽出部により抽出された前記再生音を再生している間、前記選択部により選択された前記静止画像を再生することを特徴とする請求項１〜請求項４の何れか一項に記載の画像再生装置。
前記再生制御部は、前記選択部により選択された前記静止画像を所定時間再生し、
前記抽出部により抽出された前記再生音が前記所定時間より短い場合には、前記静止画像を再生している間、前記再生音を繰り返し再生し、
前記抽出部により抽出された前記再生音が前記所定時間より長い場合には、前記静止画像を再生している間、前記再生音を所定条件に基づいて前記所定時間に短縮し再生することを特徴とする請求項１〜請求項５の何れか一項に記載の画像再生装置。
前記静止画像は、前記動画像が記録されている間に撮像されたものであることを特徴とする請求項１〜請求項６の何れか一項に記載の画像再生装置。
前記抽出部は、前記動画像の前記静止画像に対応するフレーム以外のフレームを抽出し、抽出された前記フレームに対応する前記再生音を抽出することを特徴とする請求項７記載の画像再生装置。
前記静止画像は、前記動画像が記録された時間以外の時間に撮像されたものであることを特徴とする請求項１〜請求項６の何れか一項に記載の画像再生装置。