JP2011151522A - 撮影装置 - Google Patents

Abstract

【課題】音声認識のためにマイクを新たに加えることなく、音声認識を確実に実行できる撮影装置を提供する。
【解決手段】撮影レンズ１０４と、撮影レンズ１０４が形成した像から画像データを取得するための撮像素子１０６と、撮像素子１０６が取得した画像データに基づいて像を表示するモニタ１１８と、音声を検出するマイクロフォン１２０と、記録された音声データを再生するスピーカ１３２と、音声再生のためにスピーカ１３２を駆動するスピーカ駆動アンプ１２８と、音声検出のためにスピーカの出力を検出するマイクアンプＢ１３０と、撮影装置を制御するシステムコントローラ１００とを有し、システムコントローラ１００は、再生動作に際してスピーカ駆動アンプ１２８を制御して音声データをスピーカ１３２から発音させ、再生動作以外の動作に際してマイクアンプＢ１３０の出力に基づき音声の認識を行い所定の動作を行う。
【選択図】 図１

Description

本発明は、撮影装置に関し、詳しくは、ユーザの音声を認識し、この認識された音声に基づいて動作する音声操作可能な撮影装置に関する。

従来より、音声によって撮影装置の制御を行うようにした撮影装置は種々提案されている。例えば、特許文献１には、音声を入力する音声入力手段、入力された音声を認識する音声認識手段、および認識結果に対応する制御内容に基づいてカメラの機能を制御する制御手段を有し、カメラを操作する際に音声入力手段を介して音声を入力し、入力された音声を音声認識手段により認識し、認識結果に基づいて制御手段によってカメラの機能を制御するカメラが開示されている。このカメラでは、絞り、シャッタ速度、動作モードの設定等、カメラの機能をユーザの音声によって自由に設定することができる。

また、デジタルカメラ等の撮影装置では、静止画撮影に加えて動画撮影も撮影可能な機種が増えてきている。動画撮影にあたっては、動画像と共に音声も記録するのが一般的であり、このため、これらの撮影装置は、撮影装置本体の前面（撮影レンズが配置されている側）に、マクロフォン（以下、マイクと略称する）が配置されている。

特開昭６４−５６４２８号公報

ユーザの音声によって撮影装置の機能を制御する場合、ユーザの音声入力用のマイクは、撮影装置の背面側（撮影レンズの配置されている面に対して反対側）に配置することが望ましい。動画撮影機能を有する撮影装置に、音声認識によってカメラ制御を行うようにするためには、撮影装置の前面側と背面側にそれぞれマイクが必要となり、前後で２つのマイクを配置することとなる。しかし、音声認識機能を追加するために、撮影装置の背面側にマイクを追加することは、撮影装置が大型化してしまい好ましくない。

本発明は、このような事情を鑑みてなされたものであり、音声認識のためにマイクを新たに加えることなく、音声認識を確実に実行できる撮影装置を提供することを目的とする。

上記目的を達成するため第１の発明に係わる撮影装置は、ユーザの音声を認識すると共に、この認識された音声に基づいて音声操作可能な撮影装置において、撮影レンズと、上記撮影レンズが形成した像から画像データを取得するための撮像部と、上記撮像部が取得した画像データに基づいて上記像を表示するモニタと、音声を検出するマイクロフォンと、記録された音声データを再生するスピーカと、音声再生のために上記スピーカを駆動する再生回路と、音声検出のために上記スピーカの出力を検出する検出回路と、撮影装置を制御するコントローラとを有し、上記コントローラは、再生動作に際して上記再生回路を制御して上記音声データを上記スピーカから発音させ、この再生動作以外の動作に際して上記検出回路の出力に基づき音声の認識を行い所定の動作を行う。

第２の発明に係わる撮影装置は、上記第１の発明において、上記マイクロフォンは上記撮影装置の本体の前面に配置され、上記スピーカは上記撮影装置の本体の背面に配置される。

第３の発明に係わる撮影装置は、上記第１の発明において、音声を所定のフォーマットに変換し、上記コントローラに出力する音声コーデック回路と、上記マイクロフォンおよび上記検出回路から出力される音声信号のいずれかを選択して上記音声コーデック回路に切り換える音声入力切替回路と、を更に有する。
第４の発明に係わる撮影装置は、撮影レンズが形成した像から画像データを取得するための撮像部と、上記撮像部が取得した画像データを記録する記録部と、撮影装置の背面に配置され、上記記録部に記録された画像データの再生時に、記録された音声データを再生するスピーカと、上記撮像部による撮影時に、上記スピーカから出力される音声信号を検出する検出回路と、を有する。

本発明によれば、音声認識のためにマイクを新たに加えることなく、音声認識を確実に実行できる撮影装置を提供することができる。

本発明の一実施形態に係わる電子カメラの主として電気的構成を示すブロック図である。 本発明の一実施形態に係わる電子カメラの外観を示し、（ａ）は正面側から見た外観斜視図であり、（ｂ）は背面側から見た外観斜視図である。 本発明の一実施形態に係わる電子カメラにおいて、カメラ動作の制御を示すフローチャートである。

以下、図面に従って本発明を適用した電子カメラを用いて好ましい実施形態について説明する。本発明の好ましい一実施形態に係わる電子カメラは、デジタルカメラであり、撮像部を有し、この撮像部によって被写体像を画像データに変換し、この変換された画像データに基づいて、被写体像を本体の背面に配置した表示部にライブビュー表示する。撮影者はライブビュー表示を観察することにより、構図やシャッタチャンスを決定する。レリーズ操作時には、画像データが記録媒体に記録される。記録媒体に記録された画像データは、再生モードを選択すると、表示部に再生表示することができる。

図１は、本実施形態に係わる電子カメラ１の主として電気的構成を示すブロック図である。システムコントローラ１００は、フラッシュＲＯＭ１１０に格納されているプログラム従って電子カメラ１の各種動作の処理を行うＣＰＵおよび画像処理回路（不図示）を有する。また、システムコントローラ１００は、音声の記録・再生・認識に関連する動作を実行する音声記録制御部１００ａ、音声認識を行う音声認識部１００ｂ、および音声の再生制御を行う音声再生制御部１００ｃを有する。なお、音声記録制御部１００ａ、音声認識部１００ｂ、音声再生制御部１００ｃは、ハードで構成してもよく、またプログラムによってソフトウエア的に構成してもよい。

音声記録制御部１００ａは、音声コーデック回路１２６を制御し、マイク１２０からの音声信号を所定の音声データに変換し、記録メディア１１４に記録する。音声認識部１００ｂは、スピーカ１３２からの出力される音声信号に基づいて、ユーザの発したカメラ動作を指示する言葉を認識し、認識結果を出力する。音声再生制御部１００ｃは、記録メディア１１４に記録された音声ファイルを読み出し、音声コーデック回路１２６を制御し、音声ファイルの再生処理を行う。

システムコントローラ１００には、カメラ操作スイッチ１０２、フォーカス／ズーム機構１０５、撮像素子ＩＦ回路１０８、フラッシュＲＯＭ１１０、ＳＤＲAM１１２、記録メディア１１４、モニタ駆動回路１１６、音声入力切替回路１２４、音声コーデック回路１２６、スピーカ駆動アンプ１２８、マイクアンプＢ１３０、マイクアンプＡ１２２、が接続されている。

撮影レンズ１０４は、被写体光束を集光し、被写体像を撮像素子１０６の受光面に結像させる。フォーカス／ズーム機構１０５は、撮影レンズ１０４を構成する光学系の一部あるいは全体を駆動し、焦点調節動作と焦点距離変更動作を行うための機構である。

撮像素子１０６は、撮影レンズ１０４の光軸上に配置され、撮影レンズ１０４が形成した被写体像を光電変換し、電気信号に変換する光電変換デバイスであり、ＣＣＤイメージセンサやＣＭＯＳイメージセンサ等によって構成される。撮影素子ＩＦ（Interface）回路１０８は、撮像素子１０６から出力される電気信号をデジタル信号に変換するＡＤ変換回路、このデジタル信号を画像データとしてシステムコントローラ１００に転送する転送回路、システムコントローラ１００の制御に従い撮像素子１０８に駆動信号を供給する駆動回路等から構成される。

モニタ１１８は、液晶表示素子、有機ＥＬ表示素子、プラズマ表示素子等から構成され、被写体像をリアルタイムでライブビュー表示を行い、また再生画像、カメラ設定情報等を表示する。モニタ駆動回路１１６は、システムコントローラ１００とモニタ１１８の間に接続され、システムコントローラ１００からの指示に基づいて、モニタ１１８を駆動し、上述の画像や表示を行わせる。

カメラ操作スイッチ１０２は、ユーザが各種動作を電子カメラ１に指示するための操作スイッチ類である。これらのスイッチとして、例えば、電源スイッチ１０２ａ、レリーズスイッチ１０２ｂ、ズームスイッチ１０２ｃ、モード設定スイッチ１０２ｄが含まれる。電源スイッチ１０２ａは、電子カメラ１の起動と停止を指示するスイッチである。レリーズスイッチ１０２ｂは、撮影動作の開始を指示するスイッチであり、レリーズ釦に連動する。ズームスイッチ１０２ｃは、撮影レンズ１０４の焦点距離の変更を指示するスイッチである。モード設定スイッチ１０２ｄは、撮影モードと再生モードを選択するスイッチである。

フラッシュＲＯＭ１１０は、電気的に書き換え可能な不揮発性メモリであり、システムコントローラ１００の内部に配置されたＣＰＵの動作を示すファームウエア（プログラムコード）の格納手段として使用される。また、フラッシュＲＯＭ１１０は、外部メモリ（記録メディア１１４）が装着されていない場合に、撮影画像や音声ファイルを一時的に記憶する記憶デバイスとしても使用される。

ＳＤＲＡＭ（Dynamic Random Access Memory）１１２は、揮発性のメモリであり、カメラ動作の処理過程において、データを一時的に記憶する記憶用デバイスとして使用される。記録メディア１１４は、ユーザが電子カメラ１から取り外すことが可能な記録デバイスであり、不揮発性メモリによって構成されたメモリカード、小型のＨＤＤ等である。この記録メディア１１４には、画像ファイル、音声ファイル等のデータが記録される。

音声コーデック回路１２６は、音声認識時には、マイク１２０およびスピーカ１３２から出力されるアナログ信号をデジタル信号に変換し、さらに例えばＭＰ３等の所定のフォーマットこの変換し、この変換したデジタル信号をシステムコントローラ１００の音声認識部１００ｂに出力する。また、音声コーデック回路１２６は、音声再生時には、システムコントローラ１００の音声再生制御部１００ｃが記録メディア１１４から読み出した音声ファイルをデコードし、このデコードした信号をアナログ信号に変換して出力する。さらに、音声記録時には、音声信号をデジタル信号に変換し、変換後にエンコードを行い、このエンコードした信号をシステムコントローラ１００の音声記録制御部１００ａに出力する。

マイク１２０は、音声を音声アナログ信号に変換する音声記録用のマイクである。マイクアンプＡ１２２は、システムコントローラ１００からの指示に従い、マイク１２０から音声アナログ信号を入力し、増幅するアンプである。音声入力切替回路１２８は、システムコントローラ１００からの指示に従って、マイクアンプＡ１２２からの音声アナログ信号と、マイクアンプＢ１３０からの音声アナログ信号の何れかを選択し、音声コーデック回路１２６に出力する。

スピーカ１３２は、音声再生時には、発音素子、すなわち電気信号を音声に変換するトラスデューサとして機能し、音声認識時には、マイク、すなわち音声を電気信号に変換するトランスデューサとして機能する。マイクアンプＢ１３０は、音声認識時にスピーカ１３２からアナログ音声信号を入力し、このアナログ音声信号を増幅し、音声入力切替回路１２４に出力する。スピーカ駆動アンプ１２８は、音声再生時にシステムコントローラ１００からの指示に従って、音声コーデック回路１２６から出力されるアナログ音声信号を増幅し、スピーカ１３２に出力する。

図２は、電子カメラ１の外観を示し、図２（ａ）は正面斜視図であり、図２（ｂ）は背面斜視図である。電子カメラ１の前面には、図２（ａ）に示すように、撮影レンズ１０４が配置され、同じ面には音声記録の際に使用されるマイク１２０が配置されている。また、電子カメラ１の上面には、電源スイッチ１０２ａとレリーズスイッチ１０２ｂが配置されている。

電子カメラ１の背面には、図２（ｂ）に示すように、モニタ１１８が配置され、同じ面には、再生時に使用されるスピーカ１３２が配置されている。このスピーカ１３２は、音声認識時には、マイクとしての機能を果たす。また、電子カメラ１の背面には、ズームスイッチ１０２ｃおよびモード設定スイッチ１０２ｄも配置されている。

次に、本発明の一実施形態の動作について、図３に示すフローチャートを用いて説明する。このフローチャートは、フラッシュＲＯＭ１１０に格納されているプログラムに従って、システムコントローラ１００によって実行される。電源スイッチ１０２ａが操作され、パワーオン状態になると、システムコントローラ１００は動作を開始する。まず、システム起動処理を行う（Ｓ１０）。ここでは、システムコントローラ１００は、内部回路と周辺回路の初期設定を行う。

続いて、モード設定スイッチ１０２ｄの設定状態の検出を行い（Ｓ１２）、この設定状態に基づいて動作モードが撮影モードか再生モードのいずれであるかを判定する（Ｓ１４）。モード設定スイッチ１０２ｄの状態検出は、周期的に行われ、この検出結果に応じて、撮影モードか再生モードかの判定が行われる。撮影モードが設定された場合には、ステップＳ１４からステップＳ１６に移行し、再生モードが設定された場合には、ステップＳ１４からステップＳ４０に移行する。本実施形態においては、予めユーザが音声認識による操作を設定しておくと、撮影モードが設定された場合には、音声認識により、電子カメラ１が操作可能な状態になる。音声認識による操作を予め設定しておいた場合であっても、再生モードが設定された場合には、音声認識は実行されない。

ステップＳ１４における判定の結果、撮影モードであった場合には、次に、音声認識・記録の設定を行う（Ｓ１６）。ここでは、電子カメラ１の背面に配置されたスピーカ１３２を音声認識用のマイクとして使用するための設定を行う。すなわち、システムコントローラ１００は、マイクアンプＢ１２８の動作を許可し、音声入力切替回路１２４に対してスピーカ１３２から出力される音声信号を音声コーデック回路１２６に出力するように設定を行う。音声コーデック回路１２６がデジタル変換した音声信号は、音声認識部１００ｂに出力される。ここでの設定によって、発音素子として配置されたスピーカ１３２を音声検出のためのマイクとして利用することができる。

ステップＳ１６において音声認識の設定を行うと、次に、音声認識動作を行う（Ｓ１８）。ユーザの発音があると、音声認識部１００ｂは、音声コーデック回路１２６が出力した音声データに基づいて、ユーザの言葉を認識し出力する。

ステップＳ１８において音声認識動作を行うと、次に、カメラ操作指令を検出する（Ｓ２０）。このステップでは、ステップＳ１８における音声認識動作の結果に基づいて、音声認識部１００ｂが認識した言葉にカメラの操作を示す指令が有るか否かを判定する。この判定の結果、カメラ操作を示す指令がなかった場合には、ステップＳ１８に戻り、音声認識動作を続行する。

一方、ステップＳ１８における判定の結果、カメラ操作を示す指令があった場合には、指令の内容に応じて、ステップＳ２２からステップＳ３０のいずれかに移行する。すなわち、撮影開始の指令があった場合にはステップＳ２２に移行し、ズーミングの指令があった場合にはステップＳ２４に移行し、メニュー操作の指令があった場合にはステップＳ２６に移行し、電源オフの指令があった場合にはステップＳ２８に移行し、撮影モード解除の指令があった場合にはステップＳ３０に移行する。

ステップＳ２０における判定の結果、撮影開始の指令であった場合には、撮影動作を開始する（Ｓ２２）。このステップでは、自動焦点調節（ＡＦ）、露光、記録など一連の撮影動作を行う。画像の取得と共に音声記録動作を行う場合には、音声記録動作中にマイク１２０からの音声信号を音声コーデック回路１２６に入力しなければならない。そこで、一時的にマイクアンプＡ１２２の動作を許可し、マイクアンプＡ１２２の出力が音声コーデック回路１２６に入力するように、音声切替回路１２４を設定する。ステップＳ２２における撮影動作を行うと、ステップＳ１８に戻る。

ステップＳ２０における判定の結果、ズーミングの指令であった場合には、ズーム駆動を行う（Ｓ２４）。ここでは、音声認識によって、ユーザのテレ指令やワイド指令のいずれであるかを判定し、この判定結果に応じて、ズーミング動作を行う。なお、ズームスイッチ１０２ｃのテレスイッチまたはワイドスイッチの操作状態に応じて、フォーカス／ズーム機構１０５によってズーミングを行うようにしてもよい。ステップＳ２４におけるズーム駆動を行うと、ステップＳ１８に戻る。

ステップＳ２０における判定の結果、メニュー操作の指令であった場合には、撮影条件やモード設定等のメニュー操作を行う（Ｓ２６）。このステップでは、ユーザの撮影条件やモード設定等を音声認識によって判定し、この判定結果に応じて、撮影条件やモード設定等を行う。なお、電子カメラ１の背面に配置されたモード設定スイッチ１０２ｄの操作状態を判定し、この判定結果で設定を行うようにしてもよい。ステップＳ２６におけるメニュー操作を行うと、ステップＳ１８に戻る。

ステップＳ２０における判定の結果、電源オフの指令であった場合には、システム停止処理を行う（Ｓ２８）。ここでは、システム所定処理を実行し、カメラの動作を停止する。

ステップＳ２０における判定の結果、撮影モード解除の指令であった場合には、音声認識と記録の設定を解除する（Ｓ３０）。ここでは、マイクアンプＢ１３０の動作と音声コーデック回路１２６の動作を停止させ、音声認識動作に必要な設定を解除する。音声認識・記録の設定を解除し、また撮影モードを解除すると、ステップＳ１２に戻る。

ステップＳ１４における判定の結果、再生モードであった場合には、次に、音声再生の設定動作を行う（Ｓ４０）。撮影モードの際には、スピーカ１３２はマイクとして使用していたが、再生モードの際にはスピーカ（発音素子）として使用する。このため、ステップＳ１４では、音声コーデック回路１２６は音声ファイルをデコードして音声信号を生成し出力する状態に設定され、またスピーカ駆動アンプ１２８は動作を許可される。

続いて、スイッチ状態の検出を行い（Ｓ４２）、この検出結果に基づいて、スイッチ操作を判定する（Ｓ４４）。ここでは、カメラ操作スイッチ１０２の操作状態を周期的に検出し、この検出結果に応じた処理を実行する。すなわち、スイッチ操作が検出されなかった場合には、ステップＳ４２に戻り、スイッチ状態の検出を続行する。一方、スイッチ操作が有った場合には、そのスイッチ操作が選択操作であった場合にはステップＳ４６に移行し、スイッチ操作が再生モード解除であった場合にはステップＳ５０に移行し、電源オフであった場合には、前述のステップＳ２８に移行する。

ステップＳ４４における判定の結果、スイッチ操作がファイル選択であった場合には、次に、ファイルを選択し記録メディア１１４から読み出す（Ｓ４６）。ここでは、スイッチ操作に応じて記録メディア１１４から画像ファイルや音声ファイルを選択する。ファイル選択を行うと、次に、選択されたファイルの再生を行う（Ｓ４８）。ここでは、選択された画像ファイルは伸張処理後モニタ表示用の画像に変換され、モニタ１１８に再生表示される。また、選択された音声ファイルは、音声コーデック回路１２６に出力され、音声信号に変換され、スピーカ１３２を駆動する。ファイルの再生を行うと、ステップ４２に戻る。

ステップＳ４４における判定の結果、再生モード解除の操作であった場合には、音声再生の設定を解除する（Ｓ５０）。ここでは、スピーカ駆動アンプ１２８の動作と、音声コーデック回路１２６の動作を停止し、音声再生動作に必要な設定を解除する。音声再生の設定を解除すると、ステップＳ１２に戻る。

以上説明したように、本発明の一実施形態においては、再生動作の際にはスピーカを駆動するスピーカ駆動アンプ１２８等の再生回路を制御して音声ファイルに基づく音声信号スピーカ１３２から発音させ、一方、撮影動作の際にはスピーカ１３２において音声信号を検出し、この検出された音声信号に基づいて音声の認識を行うようにしている。このため、音声認識のためにマイクを新たに加えることなく、音声認識を行うことができる。

なお、本発明の一実施形態においては、再生動作以外の動作モードとして、撮影モードのみであったが、これ以外のモードを設けてもよく、その場合に、音声認識により設定等を行うようにしても勿論かまわない。また、音声認識による指令は、撮影開始、ズーム駆動、メニュー操作、電源オフ、撮影モードの解除であったが、これ以外の指令を追加してもよく、また上述の指令のいくつかを省略しても勿論かまわない。さらに、撮影時にスピーカ１３２によって入力した音声信号に基づいて、ユーザの電子カメラ１に対する指令を認識していたが、これに限らず、撮影中の後方の音声の収音用のマイクとして利用しても勿論かまわない。

また、本発明の一実施形態においては、撮影のための機器として、電子カメラを用いて説明したが、電子カメラとしては、ビデオカメラ、ムービーカメラのような動画用カメラ以外でも、デジタル一眼レフカメラやコンパクトデジタルカメラでもよく、さらに、携帯電話や携帯情報端末（ＰＤＡ：Personal Digital Assist）、ゲーム機器等に内蔵されるカメラでも構わない。いずれにしても、録音用のマイクが配置されている撮影装置であれば、本発明を適用することができる。

本発明は、上記実施形態にそのまま限定されるものではなく、実施段階ではその要旨を逸脱しない範囲で構成要素を変形して具体化できる。また、上記実施形態に開示されている複数の構成要素の適宜な組み合わせにより、種々の発明を形成できる。例えば、実施形態に示される全構成要素の幾つかの構成要素を削除してもよい。さらに、異なる実施形態にわたる構成要素を適宜組み合わせてもよい。

１・・・電子カメラ、１００・・・システムコントローラ、１００ａ・・・音声記録制御部、１００ｂ・・・音声認識部、１００ｃ・・・音声再生制御部、１０２・・・カメラ操作スイッチ、１０２ａ・・・電源スイッチ、１０２ｂ・・・レリーズスイッチ、１０２ｃ・・・ズームスイッチ、１０２ｄ・・・モード設定スイッチ、１０４・・・撮影レンズ、１０５・・・フォーカス／ズーム機構、１０６・・・撮像素子、１０８・・・撮像素子ＩＦ回路、１１０・・・フラッシュＲＯＭ、１１２・・・ＳＤＲＡＭ、１１４・・・記録メディア、１１６・・・モニタ駆動回路、１１８・・・モニタ、１２０・・・マイク、１２２・・・マイクアンプＡ、１２４・・・音声入力切替回路、１２６・・・音声コーデック回路、１２８・・・スピーカ駆動アンプ、１３０・・・マイクアンプＢ、１３２・・・スピーカ

Claims (4)

1. ユーザの音声を認識すると共に、この認識された音声に基づいて音声操作可能な撮影装置において、
   撮影レンズと、
   上記撮影レンズが形成した像から画像データを取得するための撮像部と、
   上記撮像部が取得した画像データに基づいて上記像を表示するモニタと、
   音声を検出するマイクロフォンと、
   記録された音声データを再生するスピーカと、
   音声再生のために上記スピーカを駆動する再生回路と、
   音声検出のために上記スピーカの出力を検出する検出回路と、
   撮影装置を制御するコントローラと、
   を有し、
   上記コントローラは、再生動作に際して上記再生回路を制御して上記音声データを上記スピーカから発音させ、この再生動作以外の動作に際して上記検出回路の出力に基づき音声の認識を行い所定の動作を行うことを特徴とする撮影装置。
2. 上記マイクロフォンは上記撮影装置の本体の前面に配置され、上記スピーカは上記撮影装置の本体の背面に配置されることを特徴とする請求項１に記載の撮影装置。
3. 音声を所定のフォーマットに変換し、上記コントローラに出力する音声コーデック回路と、
   上記マイクロフォンおよび上記検出回路から出力される音声信号のいずれかを選択して上記音声コーデック回路に切り換える音声入力切替回路と、
   を更に有することを特徴とする請求項１に記載の撮影装置。
4. 撮影レンズが形成した像から画像データを取得するための撮像部と、
   上記撮像部が取得した画像データを記録する記録部と、
   撮影装置の背面に配置され、上記記録部に記録された画像データの再生時に、記録された音声データを再生するスピーカと、
   上記撮像部による撮影時に、上記スピーカから出力される音声信号を検出する検出回路と、
   を有することを特徴とする撮影装置。