JP2016107978A - 顔認識を使用した調整スピーカ - Google Patents

Abstract

【課題】可動スピーカの向きを調整するために顔認識を使用する方法を提供すること。【解決手段】方法は、１つまたは複数のカメラによって取り込まれた画像データに基づきユーザの場所に関する受信を行うこと、上記ユーザの場所に基づき空間の１つまたは複数の座標を識別すること、上記１つまたは複数の座標に基づき、上記１つまたは複数の座標に関して求める音響環境を達成するために、スピーカの方向を変えるために、上記スピーカに結合された少なくとも１つのアクチュエータを調整する１つまたは複数のコンピュータプロセッサを使用して制御信号を生成すること、上記スピーカの方向が変わる一方、上記１つまたは複数のカメラは空間に固定したままにすることから構成される。【選択図】図３

Description

本開示は、可動スピーカに関し、特に可動スピーカの向きを調整するために顔認識を使用する方法に関するものである。

車両に音声を出力するために、一般的に固定スピーカが使用されている。例えば、自動車などの車両には、車両の運転手と乗客のための音声（例えば、音楽、録音書籍、ラジオ番組など）を出力するために一般的に複数のスピーカが固定して配置されている。しかし、固定されたスピーカは、聴取環境内の異なる場所にいる乗客に応じて調整することができない。１つの特定のスピーカの配置は、一定の身長の乗客のために最適であるが、身長がそれより高いか、低い乗客には最適ではないこともある。また、固定されたスピーカによる音声出力の方向は、車両内の乗客の数に応じて変化しない。例えば、スピーカの配置は４人の乗客が車両内に存在していることを前提に最適なパフォーマンスを提供するように設計されている場合、乗客が４人より少ないとき、スピーカの配置のパフォーマンスは、他のスピーカ配置のパフォーマンスほど最適でないこともある。

本開示の一実施形態による方法は、カメラで撮影した画像データに基づいて、ユーザの場所に関する受信をし、ユーザの場所に基づいて空間内の１つまたは複数の座標を特定することを含んでいる。また、その方法は、１つまたは複数の座標に基づいて、少なくとも１つのアクチュエータを調整するための制御信号を生成することを含み、制御信号は、スピーカの音声出力領域が１つまたは複数の座標を含むように、スピーカの向きを変えるように構成されている。

本開示の別の実施形態は、可動スピーカ、可動スピーカに機械的に結合されたアクチュエータ及び計算装置を備えたシステムである。計算装置は、カメラで撮像した画像データに基づいて、ユーザの場所に関する受信を行い、ユーザの場所に基づいて空間内の１つまたは複数の座標を特定するように構成されている。計算装置は、１つまたは複数の座標に基づいてアクチュエータを調整するための制御信号を生成するように構成されている。制御信号は、可動スピーカの音声出力領域が１つまたは複数の座標を含むように可動スピーカの向きを変えるように構成されている。

本開示の別の実施形態は、スピーカを調整するためのコンピュータプログラム製品であり、このコンピュータプログラム製品は、１つまたは複数のコンピュータプロセッサによって実行可能でコンピュータ読み取り可能なプログラムコードを含んでいる。プログラムコードは、カメラで撮像した画像データに基づいて、ユーザの場所に関する受信を行い、ユーザの場所に基づいて空間内の１つまたは複数の座標を特定するように構成されている。また、プログラムコードは、１つまたは複数の座標に基づいて少なくとも１つのアクチュエータを調整するための制御信号を生成するように構成され、制御信号は、可動スピーカの音声出力領域が１つまたは複数の座標を含むように可動スピーカの向きを変えるように構成されている。

本発明は、例えば以下の項目を提供する。
（項目１）
１つまたは複数のカメラによって取り込まれた画像データに基づきユーザの場所に関する受信を行うこと、上記ユーザの場所に基づき空間の１つまたは複数の座標を識別すること、上記１つまたは複数の座標に基づき、上記１つまたは複数の座標に関して求める音響環境を達成するために、スピーカの方向を変えるために、上記スピーカに結合された少なくとも１つのアクチュエータを調整する１つまたは複数のコンピュータプロセッサを使用して制御信号を生成すること、上記スピーカの方向が変わる一方、上記１つまたは複数のカメラは空間に固定したままにすることから構成される方法。
（項目２）
上記ユーザの場所は二次元または三次元空間の１つにある上記ユーザの顔で識別し、更に、上記ユーザの上記識別された顔を使用して、上記ユーザに関連付けられたユーザの好みを識別すること及び上記ユーザの好みに基づき上記ユーザが所在する車両のパラメータを変更することから構成される項目１の上記方法。
（項目３）
上記ユーザの場所は上記ユーザと上記１つまたは複数のカメラからの距離に基づく奥行測定から構成される上記項目のいずれかの上記方法。
（項目４）
上記制御信号を生成することは、更に、上記１つまたは複数の座標を所定の機能を使用する制御信号に変換することから構成される上記項目のいずれかの上記方法。
（項目５）
上記制御信号は上記スピーカが上記１つまたは複数の座標に向くように上記スピーカを調整するように構成される上記項目のいずれかの上記方法。
（項目６）
上記１つまたは複数の座標は三次元空間の経路を定義し、上記制御信号は上記領域の上記音声出力が上記経路を追跡するように上記アクチュエータを調整するように構成される上記項目のいずれかの上記方法。
（項目７）
上記１つまたは複数のカメラによって取り込まれた画像データに基づき複数のユーザに対応する複数の場所に関する受信を行うこと及び上記複数の場所に基づき複数のアクチュエータの複数の制御信号を生成することを更に含み、上記各アクチュエータが複数のスピーカのそれぞれ１つを調整して構成される上記項目のいずれかの上記方法。
（項目８）
上記複数のスピーカは車両内にあり、上記複数の場所は上記車両内の上記複数のユーザのそれぞれの場所を特定する上記項目のいずれかの上記方法。
（項目９）
可動スピーカと、上記可動スピーカに機械的に結合されたアクチュエータと、１つまたは複数のカメラによって取り込まれた画像データに基づきユーザの場所を受信し、上記ユーザの場所に基づき空間の１つまたは複数の座標を識別し、上記１つまたは複数の座標に基づき、上記１つまたは複数の座標に関して求める音響環境を達成するために、可動スピーカの方向を変えるために、結合された上記アクチュエータを調整するように構成された制御信号を生成し、上記可動スピーカの方向が変わる一方、上記１つまたは複数のカメラは空間に固定したままにするように構成される計算装置を含むシステム。
（項目１０）
上記ユーザの場所は二次元または三次元空間の１つにある上記ユーザの顔で識別する上記項目のいずれかの上記システム。
（項目１１）
上記可動スピーカは上記ユーザを収容する車両内に設けられている上記項目のいずれかの上記システム。
（項目１２）
上記可動スピーカに機械的に結合された少なくとも２つのアクチュエータを更に含み、上記計算装置は上記少なくとも２つのアクチュエータのそれぞれの制御信号を決定するように構成されており、上記可動スピーカの上記音声出力領域が上記１つまたは複数の座標を含んでいる上記項目のいずれかの上記システム。
（項目１３）
上記それぞれの制御信号は上記移動可能スピーカが上記１つまたは複数の座標に向くように上記可動スピーカを調整するように構成される上記項目のいずれかの上記システム。
（項目１４）
上記１つまたは複数の座標は空間にいる上記ユーザの身体部の予測場所に対応する上記項目のいずれかの上記システム。
（項目１５）
複数のアクチュエータ及び複数のスピーカを更に含み、上記計算装置は上記１つまたは複数のカメラによって取り込まれた画像データに基づき複数のユーザに対応する複数の場所に関する受信を行い、上記複数の場所に基づき上記複数のアクチュエータの制御信号を生成するように構成されており、上記アクチュエータの各々は上記複数のスピーカのそれぞれ１つを調整するように構成される上記項目のいずれかの上記システム。
（項目１６）
スピーカを調整するコンピュータプログラム製品であって、上記コンピュータプログラム製品は、コンピュータ読取可能プログラムコードを有するコンピュータ読取可能記憶媒体から構成され、１つまたは複数のコンピュータプロセッサによって実行可能な上記コンピュータ読取可能プログラムコードは、１つまたは複数のカメラによって取り込まれた画像データに基づきユーザの場所に関する受信を行い、上記ユーザの場所に基づき空間の１つまたは複数の座標を識別し、上記１つまたは複数の座標に基づき、上記１つまたは複数の座標に関して求める音響環境を達成するために、スピーカの方向を変えるために、上記スピーカに結合された少なくとも１つのアクチュエータを調整するように構成された制御信号を生成し、上記スピーカの方向が変わる一方、上記１つまたは複数のカメラは空間に固定したままにする上記コンピュータプログラム製品。
（項目１７）
上記ユーザの場所は二次元または三次元空間の１つにある上記ユーザの顔で識別する上記項目のいずれかの上記コンピュータプログラム製品。
（項目１８）
上記ユーザの場所は上記ユーザと上記１つまたは複数のカメラからの距離に基づく奥行測定から構成される上記項目のいずれかの上記コンピュータプログラム製品。
（項目１９）
上記制御信号の生成は、上記１つまたは複数の座標を所定の機能を使用し制御信号に変換することから構成され、上記奥行測定は少なくとも１つの入力を上記所定の機能にすることを更に含む、上記項目のいずれかの上記コンピュータプログラム製品。
（項目２０）
上記制御信号は上記スピーカを上記１つまたは複数の座標に向けるように上記スピーカを調整するように構成される上記項目のいずれかの上記コンピュータプログラム製品。
（摘要）
本明細書における実施形態は、人の場所に基づいて調整をするオーディオシステムを記述している。つまり、固定スピーカに依存する代わりに、オーディオシステムは、ユーザの場所またはユーザの人数に基づいてオーディオシステムのパフォーマンスを最適にするために、１つまたは複数のスピーカの音声出力の方向を調整する。そうするために、オーディオシステムはカメラとユーザの場所及び／またはカメラの前のユーザの人数を識別する追跡アプリケーションを備えている。この情報を使用して、オーディオシステムは、スピーカの音声出力の方向を変えるためにスピーカに結合された１つまたは複数のアクチュエータを調整する。ユーザが動き移動するにつれて、オーディオシステムは連続的にスピーカを調整してシステムのパフォーマンスを最適化する。

ユーザの場所に基づいて、可動スピーカを調整するシステムを示す。 顔認識に基づいて、スピーカを調節するためのシステムのブロック図である。 顔認識に基づいて、スピーカを調整する方法を示す。 顔認識に基づいて、スピーカが向く場所を特定する図を示す。 顔認識に基づいて、スピーカが向く場所を特定する図を示す。 顔認識に基づいて、スピーカが向く場所を特定する図を示す。 車両内の乗客の数に基づいて、スピーカの配置を調整することを示す。 車両内の乗客の数に基づいて、スピーカの配置を調整することを示す。 車両内の乗客の数に基づいて、スピーカの配置を調整することを示す。 車両内の乗客の数に基づいて、スピーカの配置を調整することを示す。 顔認識に基づいて、可動スピーカを調整するための経路を特定するためのシステムである。

理解を容易にするために、図面に共通する同一の要素を指定するために、可能な場合、同一の参照記数が使用されている。１つの実施形態に開示された要素は、特定の列挙なしに他の実施形態に利用されてもよいと考えられる。ここで参照する図面は、特に記載がない限り、一定の縮尺で描かれていると理解されるべきではない。また、図面は、提示及び説明の明確化のために、多くの場合、単純化されているか、詳細または構成要素が省略されている。図面及び記載は、以下に考察される原理の説明に資するもので、同じ名称は同じ要素を示す。

本明細書の実施形態では、ユーザの場所に基づいて調整するオーディオシステムが記載されている。音声出力の方向を変えることができない固定されたスピーカに依存する代わりに、本明細書に記載のオーディオシステムは、場所やユーザの数に応じて、１つまたは複数のスピーカの音声出力の方向を調整する。これを行うために、オーディオシステムは、カメラと、ユーザの場所及び／またはカメラの前のユーザの人数を特定する顔認識アプリケーションを含んでもよい。この情報を使用して、オーディオシステムは、スピーカの音声出力の方向、すなわち、スピーカが向いている方向に変えるためにスピーカに結合された１つまたは複数のアクチュエータを調整する。例えば、顔認識アプリケーションは、３Ｄ空間におけるユーザの場所を特定することができ、それに応答して、オーディオシステムは、その場所に向くようにスピーカを調整する。ユーザが移動し、場所を変え続けると、オーディオシステムは、継続的にシステムのパフォーマンスを最適化するためにスピーカを調整することができる。

一態様では、顔認識アプリケーションは、カメラの前で、複数のユーザを検出する。オーディオシステムは、ユーザのさまざまな場所に基づいて、スピーカを調整することができる。例えば、スピーカは、音声出力の方向が２人のユーザの間にあるように移動し、最適なパフォーマンスを達成することができる。また、オーディオシステムは、複数の調整可能なスピーカを含み、スピーカの１つがユーザの１人に対向し、別のもう一つのスピーカが別のスピーカに向くように調整することができる。ユーザの数または場所にかかわらず、オーディオシステムは、オーディオパフォーマンスを最適化（すなわち、改善）するために、スピーカの向きを変えるために予めプログラムされてもよい。

図１は、ユーザの場所に基づいて、可動スピーカ１０５を調整するためのオーディオシステム１００である。システム１００は、スピーカ１０５、アクチュエータ１１０、カメラ１１５及びユーザ１２０を含んでいる。示されているように、スピーカ１０５は、電気信号の入力に応答して音を生成する任意の装置であってもよい。スピーカ１０５は、アクチュエータ１１０に結合され、スピーカ１０５の音声出力方向を１つまたは複数の軸、例えば、上下、左右、斜め、円形の動きなどに沿って、変える。ここに示されているアクチュエータ１１０は、スピーカ１０５が向いている方向を調整するために収縮または拡張ができるピストン・アクチュエータである。２つのアクチュエータの１１０Ａ及び１１０Ｂを制御することにより、システム１００は、特定のポイントまたは領域に向くようにスピーカ１０５を移動させる。例えば、スピーカ１０５の前面における領域は２Ｄまたは３Ｄのグリッドに分割することができ、アクチュエータ１１０を調整することにより、システム１００が２Ｄまたは３Ｄのグリッド内のポイントまたは領域に向くようにスピーカ１０５を移動させることができる。更に、一実施例では、スピーカ１０５の方向がポイントまたは領域に向くように変わるが、カメラ１１５の向きが固定されたままである。

ここに示されているピストン・アクチュエータ１１０は、適切なアクチュエータのほんの一例である。アクチュエータ１１０は、スピーカ１０５の向きを調整するために、ボール及びソケット、スクリュ、ギアシステム、チェーンなどを使用できる。更に、アクチュエータ１１０は、動きを生成するために機械、電気、油圧、または空気圧システムのような任意のタイプの駆動システムを使用できる。図１は、２つのアクチュエータ１１０を示しているが、他の実施例におけるスピーカ１０５は、１つのアクチュエータ１１０のみによって移動させることができる。一態様では、アクチュエータ１１０はスピーカ１０５に直接結合していなくてもよい。例えば、リモートアクチュエータ１１０によって生成される力をスピーカ１０５に伝動するためにケーブルを使用することができる。そうすることにより、スピーカ１０５の形数を削減し、スピーカ１０５が車両のダッシュボードまたはフロントガラスとドアを分離する支柱といったスペースが制限された領域に収まるようにできる。

カメラ１１５は、受け入れた電磁信号（例えば、赤外線または可視光の信号）に基づいて、画像を撮像するための１つまたは複数のセンサを備えることができる。例えば、カメラ１１５は、約３９０〜７００ナノメートル（すなわち、可視光）の電磁信号を検出するための可視光センサ、赤外線投光器を使用する測距システムと三次元空間の画像を撮像するセンサ、またはその両方を組合せたものを備えることができる。カメラ１１５によって撮像された情報は、２Ｄまたは３Ｄ情報のいずれであってもよい。一態様では、奥行（すなわち、ユーザ１２０とカメラ１１５の間の距離）は知られ得る。例えば、オーディオシステムは、ユーザ１２０がカメラ１１５とスピーカ１０５から所定の距離でソファに座っている部屋のために設計されてもよい。２Ｄの情報のみを用いて、オーディオシステム１１０は、ソファ上のユーザ１２０の場所に基づいて、スピーカ１０５を調整する。また、奥行が知られていない場合がある。従って、カメラ１１０は、ユーザ１２０とカメラ１１５の間の距離を決定するための３Ｄ情報を撮像する。

カメラ１１５によって撮像された情報を使用して、オーディオシステム１００は１Ｄ、２Ｄ、または３Ｄ空間におけるユーザ１２０の動きを追跡する。ユーザ１２０の場所に基づいて（例えば、ユーザの顔または耳の場所）、オーディオシステム１００は、オーディオシステム１００のパフォーマンスを最適化するために、スピーカ１０５の向きを変えるためにアクチュエータ１１０に指示をする。例えば、スピーカ１０５は、ユーザ１２０の耳向いている場合、最適なパフォーマンスが得られる。ユーザ１２０が動くと、アクチュエータ１１０がスピーカ１０５の方向を変え、３Ｄ空間内のユーザの耳の場所に向け続ける。

図２は、顔認識に基づいて、スピーカ１０５を調整するためのシステム２００のブロック図である。システム２００は、カメラ１１５、計算装置２１０及びスピーカシステム２３５を備えている。カメラ１１５は、カメラ１１５とユーザの間の距離を決定するための奥行き情報を収集するための奥行きセンサ２０５を備えている。しかし、上述したように、他の例では、カメラ１１５は奥行き情報を収集しないことがある。

カメラ１１５は、プロセッサ２１５とメモリ２２０を備えた計算装置２１０に結合されている。計算装置２１０は、本明細書に記載の態様及び実施例を実行するために、ノートパソコン、タブレット、サーバ、デスクトップコンピュータなどのような汎用計算装置、または専用計算装置であってもよい。プロセッサ２１５は、本明細書に記載の機能を実行するのに適したいかなる処理エレメントでもよい。プロセッサ２１５は、単一の処理要素または複数の処理要素を表すことができ、それぞれ１つまたは複数の処理コアを備えることができる。メモリ２２０は、ハードディスク、ＲＡＭ、フラッシュメモリなどを備えることができる揮発性または不揮発性メモリであってもよい。ここに示すように、メモリ２２０は、顔認識アプリケーション２２５及びアクチュエータ制御器２３０を備える。顔認識アプリケーション２２５は、カメラ１１５によって撮像された２Ｄまたは３Ｄデータを受信して、カメラ１１５前の領域内のユーザを特定する。顔認識アプリケーション２２５は、２Ｄまたは３Ｄ空間内のユーザの場所（例えば、ユーザの顔の場所）を特定する１つまたは複数の座標を生成することができる。これらの座標を使用して、アクチュエータ制御器２３０は、システム２００のパフォーマンスを最適化するために、スピーカ１０５を移動させるために、アクチュエータ１１０に対応する制御信号を決定する。例えば、スピーカ１０５がユーザの耳に向いているときに、パフォーマンスが改善されている場合、アクチュエータ制御部２４０は、スピーカ１０５をユーザの耳の方向に向くように制御信号を決定する。

一態様では、アクチュエータ制御器２３０は、顔認識アプリケーション２２５によって提供される座標をアクチュエータ１１０の制御信号に変換するための変換関数またはアルゴリズムを備えることができる。例えば、アプリケーション２２５は、カメラ１１５の前でユーザの場所を特定するｘ、ｙ及びｚ座標の１つまたは複数を元に戻すことができる。変換関数は、ｘ、ｙ及びｚ座標を入力として使用することができ、アクチュエータ１１０に対応する制御信号を出力し、その結果、スピーカ１０５がユーザの方に向く。変換関数は、自由空間内の１つまたは複数のポイントがアクチュエータ１１０の特定の設定にマッピングされる設定段階中に生成することができる。これらのマッピングは、その後、自由空間の座標のセットをアクチュエータ１１０に対応する設定にマッピングできる変換関数を形成するために一般化することができる。しかし、これは、２Ｄまたは３Ｄの座標をスピーカ１０５が受信した座標の方向に向くようにするアクチュエータ信号に変換する変換関数を生成する１つの非限定的な方法に過ぎない。

一態様では、アクチュエータ制御器２３０は、異なる座標を特定するために、顔認識アプリケーション２２５によって提供される座標を使用することができる。例えば、顔認識アプリケーション２２５は、３Ｄ空間内のユーザの鼻の座標を元に戻すことがある。しかし、スピーカ１０５をユーザの耳に向けるように、アクチュエータ制御器２３０は、ユーザの耳がありそうな場所を推定するために事前に定義された調整パラメータを使用してもよい。調整パラメータは、カメラ１１５からのユーザの距離に基づいて変わってもよい。例えば、調整パラメータは、ユーザがカメラ１１５に近いときに大きくなる。調整パラメータを使用して、座標を変更することにより、アクチュエータ制御器２３０は、例えばアクチュエータ制御信号を決定するために変換関数への入力として使用できるユーザの耳に対応する座標を生成することができる。

別の例では、アクチュエータ制御器２３０は、何人のユーザが検出されたかに応じて、顔認識アプリケーション２２５によって提供される座標を変える。例えば、アプリケーション２２５は、３つの異なるユーザのための座標を出力すると、アクチュエータ制御器２３０は、ユーザ間の場所を特定する座標を平均化することができる。このようにして、システム２００内のユーザの数または場所にかかわらず、アクチュエータ制御器２３０は、スピーカ１０５を調整するために、顔認識アプリケーション２２５によって提供される座標を変えるように設計することができる。

スピーカシステム２３５は、図１に記載されたアクチュエータ１１０と、スピーカ１０５を備えている。スピーカシステム２３５は、これらのコンポーネントの両方をカプセル化する単一のボディ、またはコンポーネントの支持構造体を備えることができる。一例では、アクチュエータ１１０は、スピーカ１０５から離れていてもよく、スピーカシステム２３５は、スピーカ１０５にアクチュエータ１１０からの動力を伝達するためのケーブル、チェーン、または空気圧ホースなどの機械的要素を含んでもよい。

図３は、顔認識を使用してスピーカを調整する方法３００である。理解を高めるために、方法３００のブロックは、図４Ａから４Ｃまでに示されたシステムと連携して記載されている。ブロック３０５では、顔認識アプリケーション２２５は、カメラ１１５で撮像されたデータを用いて顔を特定する。図４Ａのシステム４００に示されるように、顔認識アプリケーション２２５は、ユーザ４０１の周囲で境界ボックス４０５を特定する。本明細書で提供される例は、カメラ１１５で撮像されたデータに基づいてユーザ４０１を特定するための特定のアルゴリズムに限定されるものではない。この例では、アプリケーション２２５は、ユーザ４０１の頭部を中心とする境界ボックス４０５を特定するが、他の例では、顔認識アプリケーション２２５は、ユーザの顔の幾何学的な中央を特定する単一座標またはユーザ４０１の異なる特徴、例えば、目、耳、口などに対応する複数の座標を元に戻すことができる。

顔認識アプリケーション２２５は、境界ボックス４０５の座標をアクチュエータ制御器２３０に送信する。方法３００のブロック３１０において、アクチュエータ制御器２３０は、境界ボックス４０５の座標を使用してポイントまたは領域を特定する。例えば、１人のユーザ４０１のみが、顔認識アプリケーション２２５によって特定されたときに、アクチュエータ制御器２３０は、スピーカ１０５をユーザの耳に向けることができる。一例では、顔認識アプリケーション２２５は、ユーザの耳の座標を特定し、アクチュエータ制御器２３０に提供することができる。しかし、図４Ａに示す例では、アクチュエータ制御器２３０は、境界ボックス４０５の座標を使用してユーザの耳の場所を計算する。

図４Ｂのシステム４２０に示されるように、アクチュエータ制御器２３０は、ユーザ４０１とカメラ１１５またはスピーカ１０５の間の距離に応じて異なる場合がある調整パラメータを使用して、耳の場所４２５を決定する。例えば、調整パラメータは、耳の場所４２５の座標を与える境界ボックス４０５の左側の中間座標から減算される所定の値であってもよい。もちろん、調整パラメータの種類や値は、顔認識アプリケーション２２５によって提供された座標に応じて変わることがある。つまり、アプリケーション２２５は、示された境界ボックス４０５を出力するときと比べて、ユーザの鼻の座標を出力する別の調整パラメータが必要とされている。更に上記のように、顔認識アプリケーション２２５が複数のユーザを特定する際に、アクチュエータ制御器２３０は、座標を異なって変えるができる。例えば、ユーザの耳の場所４２５を推定する代わりに、アクチュエータ制御器２３０は、複数のユーザの間の領域またはポイントを特定するために、顔認識アプリケーション２２５によって提供された座標を使用してもよい。

ブロック３１５において、アクチュエータ制御器２３０は、アプリケーション２２５からの座標を使用して、特定のポイントまたは領域をアクチュエータ制御信号に変換する。制御器２３０は、ポイント（すなわち、ユーザの耳の場所４２５）をそのポイントに向くようにスピーカ１０５の向きを変える制御信号にマッピングする変換関数またはアルゴリズムを使用することができる。アクチュエータ１１０は、これらの信号を受信し、スピーカ１０５が向いている方向を変える。領域４１０は、スピーカの音声出力が最大音量であるスピーカ１０５の前方の領域（例えば、スピーカ１０５からの音声出力の９０％を含んでいる）を示している。示すように、ユーザ４０１は、領域４１０の外側にいる。このように、ユーザ４０１は、領域４１０内にいた場合よりも劣ったオーディオ演奏を経験することがある。

ブロック３２０において、制御信号に応答して、アクチュエータ１１０は、図４Ｃに示すように、領域４１０によって定義された音声出力がユーザの耳の場所４２５を含むように、スピーカ１０５が向いている向きを調整する。一例では、スピーカ１０５の向きは、ユーザの耳の場所４２５が少なくとも領域４１０内にあるように調節される。つまり、スピーカ１０５が向いている方向が場所４２５と交差するまでスピーカ１０５を移動させることの代わりに、場所４２５が領域４１０内であることのみが必要である。正確な場所合わせを必要としないことにより、システム４５０は、ユーザ４０１の経験を向上させ、アプリケーション２２５を実行するときに、より安価なカメラ１１５を使用し、処理時間を節約することができるが、精度の低い座標を出力することもある。それにもかかわらず、これらの座標は、スピーカ１０５が直接にユーザの耳に向いていない場合であっても、場所４２５が領域４１０内にあることを確保する制御信号を導出するのに十分に正確であろう。また、カメラ１１５は、スピーカ１０５から物理的に分離されているので、音声出力領域４１０が変えられるとき（すなわち、スピーカ１０５の向きが変えられる）、カメラ１１５の向きが現在の向きに固定されたままにすることができる。別の言い方をすれば、カメラ１１５は同じ方向を向き続けるが、スピーカ１０５の音声出力領域４１０は変わる。

図５Ａ及び図５Ｂは、車両５００の乗客に基づいて、スピーカ配置を調整することを記載している。具体的には、図５Ａ及び５Ｂは、車両５００の前半を示すが、後部座席やリアスピーカは（もしあれば）省略されている。図５Ａ及び５Ｂの上面図で示すように、車両５００は、カメラ１１５及びダッシュボード上または車両５００のピラーに取り付けられた２つのスピーカ５０５を備えている。記述を明確にするために、スピーカ５０５を移動させるために使用されるアクチュエータ及びカメラ１１５によって撮像されたデータを処理し、アクチュエータのための制御信号を決定するために使用される計算装置が省略されている。それにもかかわらず、一実施例では、計算装置は、車両を動作させるために使用されるオンボードコンピュータまたは車両５００に組み込まれたインフォテインメントシステムに搭載されている。

カメラ１１５によって撮像されたデータに基づいて、計算装置における顔認識アプリケーションは、車両５００にいる乗客の数と、２Ｄまたは３Ｄ空間にいる乗客の場所を判断する。図５Ａにおいては、計算装置は、場所５１０（すなわち、運転者）に位置している車両５００内に１人の乗客のみがいると判断する。これに応答して、計算装置におけるアクチュエータ制御装置は、スピーカ５０５を向けるポイントまたは領域を特定する。

一態様では、ポイントまたは領域は、スピーカ５０５Ａとスピーカ５０５Ｂの両方にとって同じであってもよい。例えば、両方のスピーカは同じ３Ｄポイントに向いている。代わりに、計算装置は、スピーカ５０５のための別のポイントまたは領域を計算することができる。例えば、スピーカ５０５Ａは運転者の左耳に向く一方、スピーカ５０５Ｂは運転者の右耳に向くことが可能である。そうすると、オーディオシステムがスピーカら５０５に異なる音を出力することが可能になるか、運転手のためのより多くの没入型体験を提供するために、サラウンドサウンドを使用できる。しかし、両方のスピーカ５０５のために出力される音が同じである場合は、両方のスピーカ５０５をユーザの前の共通ポイントに向くことがより最適な配置である。スピーカ５０５Ａが運転手の左耳を対象とし、スピーカ５０５Ｂが運転者の右耳に向いている場合、運転手と２つのスピーカの間の異なる距離のため、運転者が不快になるほど音の異なるレベルがある。もちろん、一実施例では、計算装置は、各スピーカを異なる耳の方へ向ける場合、スピーカ５０５Ｂの音声出力を増加させる（またはスピーカ５０５Ａの出力を減少させる）ことにより、距離の違いを補償することができる。それにも関わらず、使用者の場所５１０を追跡することによって、オーディオシステムは、オーディオ演奏を最適化するためにスピーカ５０５を調整することができる。

図５Ｂでは、計算装置は、車両５００に２人の乗客が存在していることを判断している。つまり、場所５１０に１人と場所５１５に１人がいる。乗客を特定するために、カメラ１１５は、運転席と右前方の乗客座席の両方がその視野内にあるように配置されている。車両５００における乗客の場所を特定するために、顔認識アプリケーションは、カメラ１１５によって生成された画像データを走査する。この例では、図５Ａに示すように、１人ではなく２人の乗客がいるため、オーディオシステムによるスピーカの調整が異なる。例えば、スピーカ５０５Ｂが乗客に向くように調整されていることに対して、計算装置は、スピーカ５０５Ａを運転者に向くように調整できる。一実施形態では、スピーカ５０５Ａの音声出力が運転者の耳に均等に聞こえるように、スピーカ５０５Ａは運転手の鼻のような顔の中心部の場所に向くことができる。同様に、スピーカ５０５Ｂは、その出力が両方の耳に均等に聞こえるように、場所５１５といった乗客の顔の中央場所に向くように調整できる。しかし、別の最適化された解決方法は、スピーカ５０５Ａ及び５０５Ｂを運転手または同乗者の耳の一方に直接向けることである。使用される特定の解決方法は、ユーザの好み、使用するスピーカの種類、車両５００などの特定の音響によって変化し得る。

図５Ａ及び５Ｂは、計算装置が、車両内の乗客の数に基づいて、スピーカが調整される方法を変更することを示している。より一般的に言えば、オーディオシステムのパフォーマンスを向上させるための特定の技術は、カメラ１１５の視野内にあるユーザ数に基づいて変更することができる。例えば、オーディオシステムは、車両ではなく、部屋の中に存在するユーザの数に応じてスピーカの異なる配置を使用する家庭用エンタテインメント・システムであってもよい。

ユーザの場所及び／または特定されたユーザの数を考慮することに加えて、計算装置は、指定したユーザの好みに応じてシステムのパフォーマンスを最適化することができる。例えば、ユーザの顔の場所を認識することに加えて、顔認識アプリケーションは、ユーザの顔の特徴に基づいて、ユーザの名前を特定することができる。ユーザが特定されると、計算装置は、ユーザに関連付けられた好みを検索することができる。例えば、ユーザＡがユーザＢと比べて、より低いくあまり高くない音を好むかもしれない。また、ユーザＡはステレオサウンドを好むが、ユーザＢはサラウンドサウンドを好む。計算装置は、パフォーマンスを最適化する際に、これらの設定を考慮できる。例えば、ユーザＡが運転手である場合に、計算装置は、スピーカ５０５の高低に対して低音の比率を変えることができる。一態様では、システムは、スピーカ５０５によって出力される音声に対して、オーディオ信号が処理される方法の修正（例えば、イコライゼーションや遅延の変更）などのような他の電気的変更を加えることができる。

車両５００は、自動車として示されているが、本明細書に記載の実施形態は、ボート、オートバイ、飛行機など他の乗り物のタイプに適用することができる。また、車両５００は、オーディオシステムのパフォーマンスを特定し、最適化するために、任意の数のスピーカやカメラを備えることができる。

図６Ａ及び６Ｂは、車両６００における乗客の数に基づいて、スピーカの配置を調整することを示す。図６Ａ及び６Ｂの上面図に示すように、車両６００は、カメラ１１５Ａ及び１１５Ｂと４つのスピーカ６０５を備えている。スピーカ６０５Ａ及び６０５Ｂは車両６００の前方に装着され、スピーカ６０５Ｃ及び６０５Ｄは車両６００の後部に取り付けられている。明確にするために、スピーカ６０５を移動させるアクチュエータ及びカメラ１１５によって撮像されたデータを処理し、アクチュエータの制御信号を決定するために使用される計算装置が省略されている。一実施形態では、計算装置は、車両を動作させるためのオンボードコンピュータまたは車両６００に組み込まれたインフォテインメントシステムに搭載されている。

カメラ１１５Ａ及び１１５Ｂによって撮像されたデータに基づいて、計算装置における顔認識アプリケーションは、車両６００に存在している乗客の数と、２Ｄまたは３Ｄ空間に存在している乗客の場所を判断する。そのために、カメラ１１５Ａは、車両６００の前方に配置され、カメラ１１５Ｂは車両６００の後部に取り付けられている。車両６００の後方ビューがカメラ１１５Ａに対して２フロントシートによって相対的に閉塞されるので、２つのカメラが好ましい。しかし、他の実施形態において、車両６００は、車両６００の前方と後方の乗客を特定するために、カメラ１１５のみを使用してもよい。

図６Ａでは、計算装置は、場所６１０（すなわち、運転席）に位置している車両６００で１人の乗客のみが存在していると判断する。すなわち、リアカメラ１１５Ｂによって提供される画像データに基づいて、顔認識アプリケーションは、乗客が車両６００の後部座席に存在しないと判断する一方、フロントカメラ１１５Ａによって提供される画像データは、運転手が場所６１０に存在していることを示す。それに応答して、計算装置は、オーディオシステムのパフォーマンスを最適化するためにスピーカ６０５が向くポイントまたは領域を特定する。一実施形態では、４つのスピーカ６０５すべてが場所６１０に関連付けられた同じ３Ｄポイントに向く。例えば、計算装置は、ユーザに対して相対的に中央場所を計算し、４つのスピーカ６０５がこの場所に向けられるように、それぞれのアクチュエータ信号を生成してもよい。また、左の２つのスピーカ（スピーカ６０５Ａと６０５Ｃ）は、運転者の左耳に向きながら、右の２つのスピーカ（スピーカ６０５Ｂ及び６０５Ｄ）は、運転手の右耳の方を向いてもよい。あるいは、計算装置は、運転者にサラウンドサウンド体験を提供するために、すべてのスピーカ６０５を異なる３Ｄポイントまたは領域に向けるようにスピーカ６０５を配置してもよい。

これまでに考察した通り、計算装置は顔認識アプリケーションを使用して、ユーザを独自の方法で識別することによって、オーディオシステムを最適化し得る。例えば、計算装置は、顔認識アプリケーションを使用してユーザがより低音またはより高音を好むかどうかを考慮し、ユーザの好みに合ったパラメータに変更することができる。一実施例においては、計算装置は、計算装置が判断した好みを入力するＩ／Ｏインターフェイスを備えることができる。あるいは、計算装置はオーディオまたはビデオパラメータを変更するために、ユーザの好みを計算装置と共有する車両６００の情報システムに結合してもよい。その代わりとして、または追加として、計算装置は、履歴情報を使用して、ユーザの好みを学習してもよい。例えば、ユーザＡのみが車両の乗客であるとき、最初、計算装置は、４つの全てのスピーカ６０５を中央場所に向けてもよい。Ｉ／Ｏインターフェイスを使用し、ユーザＡは、彼女がその車両のただ１人の乗客であるとき、計算装置に、彼女はサラウンドサウンドが好みであると知らせ得る。このように、計算装置は、特定のユーザまたはグループのために、オーディオ／ビデオパラメータまたはその他のパラメータ（例えば、席やハンドル調整）を学習し調整することができる。

図６Ｂにおいて、計算装置は、場所６１０、６１５、６２０及び６２５に座っている車両６００の乗客がいることを判断する。場所６２０及び６２５にいる後部座席の乗客のために、計算装置は、場所６２５の方を向いている右後ろのスピーカ６０５Ｄと場所６２０の方を向いている左後ろのスピーカ６０５Ｃを調整する。スピーカ６０５Ｃ及び６０５Ｄの両方とも、これらの場所の乗客の耳の１つの方を向いてもよい。それと対照的に、場所６１０及び６１５にいる前席の乗客のために、計算装置は、右前のスピーカ６０５Ｂと左前スピーカ６０５Ａを場所６１０及び６１５の間の場所６３０の方を向くように調整する。そうするために、計算装置は、場所６１０及び６１５の座標を平均して場所６３０を識別してもよい。そのため、図６Ｂは、車両６００の前半部分のスピーカ６０５の最適配置と車両６００の後半部分のスピーカ６０５の最適配置が異なっていることを図示している。別の言い方をすれば、車両６００内のユーザに最適なパフォーマンスを提供するように、計算装置は車両６００内のユーザの異なる場所に応じて異なるスピーカ配置を用い得る。例えば、異なる場所には異なる音響学的性質があり、すなわち同じユーザが異なる場所へ移動しても、計算装置はなお、より改善されたパフォーマンスを提供するように異なるスピーカ配置を用いる。例えば、ユーザＡが運転席にいる場合、計算装置はユーザの耳に直接向くようにスピーカ６０５Ａを調整し得る。しかし、ユーザＡが車両の後部にいるとすれば、計算装置はスピーカ６０５Ｃをユーザの後頭部の中心部分に向くように指示してもよい。

本明細書において記載された異なった実施例、実施形態及び態様によって、１人または複数のユーザのオーディオ経験を最適化するスピーカ配置を調整することが考察される。「最適の」の使用は、スピーカ配置が最良の配置でなければならないという意味を意図しているのではなく、むしろ、最適なまたは最適化された配置は、スピーカが固定されたままの状態で、ユーザの経験に関係するスピーカ配置を改善することである。言い換えれば、本明細書において記載された実施例は、スピーカが向いている方向を変えるために、アクチュエータを使用して鑑賞経験を改善し、１人または複数のユーザの現行位置に適合する。

図７は、顔認識に基づき可動スピーカ１０５を方向付ける経路７１５を識別するシステム７００である。場合によっては、経路に沿った物体の方向移動を模擬するサウンド経験を生成することが望ましい。そうするために、システム７００は、ユーザ７０１、カメラ１１５、顔認識アプリケーション２２５、アクチュエータ制御器２３０及びスピーカ１０５を有している。カメラ１１５は、ユーザ７０１を含んだ画像データを取り込み、そのデータは顔認識アプリケーション２２５に送信される。アプリケーション２２５は、ユーザの顔の場所を３Ｄまたは２Ｄ空間において画定する境界ボックス７０５を識別する顔認識アルゴリズムを使用する。勿論、その他の顔認識アルゴリズムは境界ボックス７０５とは異なる手段を使用してユーザの顔を識別し得る。

顔認識アプリケーション２２５は、境界ボックス７０５の座標をアクチュエータ制御器２３０に送信する。この実施例において、座標を使用してスピーカ１０５の指すポイントまたはポイントの認識を識別する代わりに、アクチュエータ制御器２３０は経路７１５を決定する。スピーカ１０５の音声出力に経路７１５を追跡するように指示することによって、スピーカ１０５は、動いている音源（例えば、ユーザ７０１上を飛んでいる鳥または航空機あるいはユーザ７０１のそばを通り過ぎて走っている人）から生成されるサウンドを模擬するために使用され得る。一態様では、アクチュエータ制御器２３０は、移動音源から生成されるサウンドを模擬するために、オーディオシステムからのコマンドの受信に応答して、経路７１５を決定してもよい。例えば、オーディオ制御器（例えば、ムービまたはビデオゲーム制御器）が、特定のサウンドの経路７１５を決定するために、アクチュエータ制御器２３０にインストラクションを送るまで、アクチュエータ制御器２３０は待ってもよい。一実施例においては、オーディオ制御器とアクチュエータ制御器２３０が同期され、アクチュエータ制御器２３０が経路７１５を追跡するために、スピーカ１０５を動かすにつれて、オーディオ制御器は移動音源に対応するサウンドを出力する。例えば、スピーカ１０５の出力域７１０が経路７１５に沿って移動するとともに、スピーカ１０５は鳥のさえずり音を出力する。

経路７１５を決定するために、オーディオ制御器はアクチュエータ制御器２３０の音または音声出力の動きのタイプを知らせてもよい。図７の経路７１５は線状であるが、他の実施例では、経路７１５は１つまたは複数の曲線、ループなどでもよい。例えば、経路７１５はユーザ７０１の頭部辺りを回っている鳥またはユーザの耳の辺りでぶんぶん言っている蚊を模擬してもよい。そのため、この情報に従って、アクチュエータ制御器２３０は経路７１５を識別するために、境界ボックス７０５の座標を使用する。示された実施例では、アクチュエータ制御器２３０は、境界ボックス７０５の上部左隅に対する３Ｄスペースの第１ポイントを識別する第１所定オフセットと境界ボックス７０５の上部右隅に対する３Ｄスペースの第２ポイントを識別する第２所定オフセットを使用し得る。そして、アクチュエータ制御器２３０は、第１及び第２ポイント間のラインを描くことによって経路７１５を生成する。

アクチュエータ制御器２３０は、スピーカ１０５を使用し、模擬されることになるサウンドに従って経路７１５を別に計算してもよい。例えば、ユーザ７０１の耳の辺りでぶんぶん言っている蚊のために、アクチュエータ制御器２３０は、境界ボックス７０５の座標を使用して、耳の位置を推定し、ランダム番号発生器を使用してユーザの耳の近くのランダム経路を決定する。その代わりとして、アクチュエータ制御器２３０は、ユーザ７０１の頭部上のポイントを識別する所定の垂直オフセットを使用してもよい。そして、アクチュエータ制御器２３０は、経路７１５として使用するユーザ７０１上のポイントにおいて中心となる円を計算する。このようにして、アクチュエータ制御器２３０は、サウンドの異なった移動音源を模擬するために、経路７１５を計算する異なった手法を使用するように構成され得る。

システム７００は、映画、テレビ番組、ビデオゲームなどのようなオーディオ／ビデオプレゼンテーションと一緒に使用してもよい。例えば、システム７００は、１人または複数のユーザの場所を識別するために、劇場内にインストールされ、顧客に適合したオーディオ経験を各ユーザまたはグループのユーザに提供し得る。一実施例では、システム７００は、異なった個々の経路７１５に沿ってスピーカ１０５のそれぞれの出力領域７１０を移動するそれぞれのアクチュエータを使用する複数のスピーカ１０５（例えば、劇場における各ユーザ用スピーカ）を有する。もしくは、複数のスピーカ１０５が、ユーザ７０１の近くの異なった音源を真似るために使用され得る。別のスピーカ１０５がユーザ７０１のそばをヒューという音で通り過ぎる、例えば、弾丸や矢の音を真似る経路を追跡する一方で、もう１つのスピーカ１０５は、ユーザ７０１上を鳥のさえずりが通り過ぎるのを真似る経路を追跡するようにしてもよい。システム７００は、対応するビデオプレゼンテーションがない場合に、オーディオプレゼンテーションにも使用してもよい。例えば、システム７００は、アニマトロニック／パペットショウに使用し、または実演俳優のステージ演技中に、ユーザ７０１ためにより臨場感のある環境を与えるために使用し得る。

さまざまな実施形態の記述が、例示目的で呈示されたが、開示された実施形態に網羅することや制限することを意図するものではない。当業者にとって、記述された実施形態の範囲と趣旨を逸脱することなく、多くの修正や変形がなされることは明らかであろう。本明細書で使用する用語は、実施形態の原理、実際の用途及び市場で見られる技術の改良を最もよく説明するため、あるいは、当業者以外の者が、本明細書で開示されている実施形態を理解し得るように選択されたものである。

これまでの記述においては、本開示で呈示された実施形態を参照する。しかし、本開示の範囲は、具体的に記述された実施形態に限定されることはない。代わりに、これまでの記述と要素の組み合わせたものが、異なった実施形態であるかどうかに関係なく、意図された実施形態の具体化を促進し、実施するために考慮される。更に、本明細書で開示された実施形態は、他の可能な解決策や先行技術に比べて、より利益を達成し得るが、所与の実施形態で格別の便益を達成したかどうかが、本開示の範囲を限定することにはならない。このため、記述の態様、特徴、実施形態及び便益は、単に例示的なものであり、特許請求の範囲で明示的に言及された場合を除き、添付の特許請求の範囲の要件または制限とはみなされない。

本開示の態様は、本明細書においては、一般的に、「回路」、「モジュール」または「システム」と称する、全てがハードウエア実施形態、全てがソフトウエア実施形態（ファームウエア、レジデントソフトウエア、マイクロコードなど）またはソフトウエアとハードウエアを組み合わせた実施形態をとり得るものである。

本開示は、システム、方法及び／またはコンピュータプログラム製品であってもよい。コンピュータプログラム製品は、プロセッサが本開示の態様を実行するコンピュータ読取可能プログラムインストラクションを有するコンピュータ読取可能記憶媒体（またはメディア）を含んでもよい。

コンピュータ読取可能記憶媒体は、インストラクション実行デバイスによって使用されるために保存し格納する有形デバイスであってもよい。コンピュータ読取可能記憶媒体は、例えば、電子記憶装置、磁気記憶装置、光学記憶装置、電磁記憶装置、半導体記憶装置またはそれらの適切な組み合わせを含んでいるが、それに限らない。コンピュータ読取可能記憶媒体のより具体的な例示リストは、全て網羅してはいないが、携帯コンピュータディスケット、ハードディスク、ランダム・アクセス・メモリ（ＲＡＭ）、読取専用メモリ（ＲＯＭ）、消去可能プログラマブル読取専用メモリ（ＥＰＲＯＭまたはフラッシュメモリ）、スタティック・ランダム・アクセス・メモリ（ＳＲＡＭ）、携帯コンパクト読取専用メモリ（ＣＤ−ＲＯＭ），デジタル・バーサタイル・ディスク（ＤＶＤ）、メモリスティック、フロッピー（登録商標）ディスク、パンチカードのような機械的符号化装置、インストラクション記憶溝の隆起構造及び前述のデバイスの好適な組み合わせを含んでいる。本明細書において使用するコンピュータ読取可能記憶媒体は、無線電波または導波管あるいはその他の伝送媒体（例えば、光ファイバケーブルを通過する光パルス）を介して伝播するその他の自由に伝播する電磁波または有線を介して送信される電気信号のようなものは、一時的な信号それ自体と解釈されない。

本明細書に記載のコンピュータ読取プログラムインストラクションは、コンピュータ読取可能記憶媒体から、コンピューティング／プロセッシング装置に、またはネットワーク、例えば、インターネット、ローカルエリア・ネット・ワーク、ワイドエリア・ネット・ワーク及び／または無線ネットワーク経由で外部コンピュータあるいは外部記憶装置にそれぞれダウンロードされ得る。ネットワークは、銅線ケーブル、光伝送回旋線、無線伝送、ルータ、ファイアウオール、スイッチ、ゲートウエイコンピュータ及び／またはエッジサーバから構成されてもよい。コンピューティング／プロセッシング装置のネットワーク・アダプタ・カードまたはインターフェイスは、ネットワークからコンピュータ読取可能プログラムインストラクションを受信し、コンピュータ読取可能プログラムインストラクションをそれぞれコンピューティング／プロセッシング装置内のコンピュータ読取可能記憶媒体で格納するために送出する。

本開示の操作を実行するコンピュータ読取可能プログラムインストラクションは、アッセンブルインストラクション、インストラクション・セット・アーキテクチャ（ＩＳＡ）インストラクション、マシンインストラクション、マシン依存インストラクション、マイクロコード、ファームウエアインストラクション、状況設定データ、または１つまたは複数のプログラム言語の組み合わせで記述されたソースコードまたはオブジェクトコードのいずれかであり、Ｓｍａｌｌｔａｌｋ、Ｃ＋＋などのオブジェクト・オリエンテッド・プログラム言語および“Ｃ”プログラム言語または類似のプログラム言語のような従来の手順のプログラム言語を含んでいる。コンピュータ読取可能プログラムインストラクションは、ユーザのコンピュータ上で全て実行し、スタンドアロンソフトウエアパッケージとしてユーザのコンピュータ上で部分的に実行する、ユーザのコンピュータ上で部分的に実行し、遠隔コンピュータ上で部分的に実行する、または遠隔コンピュータ上あるいはサーバ上で全て実行するようにしてもよい。後者のシナリオにおいては、遠隔コンピュータは、ローカルエリア・ネット・ワーク（ＬＡＮ）またはワイドエリア・ネット・ワーク（ＷＡＮ）を含むいずれかのタイプのネットワークを介してユーザのコンピュータに接続され、あるいはその接続は外部コンピュータに対して（例えば、インターネット・サービス・プロバイダを使用するインターネットを介して）なされ得る。実施形態によっては、本開示の態様を実行するために、例えば、プログラマブル・ロジック回路、フィールド・プログラマブル・ゲート・アレイ（ＦＰＧＡ）、またはプログラマブル・ロジック・アレイ（ＰＬＡ）を含む電子回路が、電子回路を個人的な適応にするコンピュータ読取可能プログラムインストラクションの状態情報を利用して、コンピュータ読取可能プログラムインストラクションを実行してもよいものもある。

本開示の態様は、本開示の実施形態に従う方法、装置（システム）、コンピュータプログラム製品のフローチャート説明図及び／またはブロックダイアグラムを参照して、本明細書において記述されている。フローチャート説明図及び／またはブロックダイアグラムの各ブロック、及びフローチャート説明図及び／またはブロックダイアグラムにおけるブロックの組み合わせは、コンピュータ読取可能プログラムインストラクションによって実行され得る。

コンピュータ読取可能プログラムインストラクションは、汎用コンピュータ、特定目的コンピュータまたはプログラマブルデータ処理装置、またはマシンを製作するその他のプログラマブルデータ処理装置のプロセッサに提供されてもよく、そのインストラクションは、コンピュータまたはその他のプログラマブルデータ処理装置のプロセッサを経由して実行されるが、フローチャート及び／またはブロックダイアグラムの１つのまたは複数のブロックにおいて特定される機能／動作を実行する手段を創出する。コンピュータ読取可能プログラムインストラクションは、コンピュータ、プログラマブルデータ処理装置及び／または特定の方法で機能するその他の装置に指示できるコンピュータ読取可能記憶媒体にもまた格納されうるので、インストラクションを格納したコンピュータ読取可能記憶媒体は、フローチャート及び／またはブロックダイアグラムの１つのまたは複数のブロックにおいて特定される機能／動作を実行するインストラクションを含む製品から構成される。

コンピュータ読取可能プログラムインストラクションは、また、コンピュータ、その他のプログラマブルデータ処理装置または一連の操作ステップをコンピュータ上で実行されるようにするその他のデバイスに載せられ得るため、コンピュータ、その他のプログラマブル装置又はその他のデバイスが遂行するインストラクションが、フローチャート及び／またはブロックダイアグラムの１つのまたは複数のブロックにおいて特定される機能／動作を実行する。

図面のフローチャート及びブロックダイアグラムは、本開示のさまざまな実施形態に従うシステム、方法及びコンピュータプログラム製品のアーキテクチャ、機能性及びシステムの実施可能動作を例示している。これに関して、フローチャートまたはブロックダイアグラムの各ブロックは、モジュール、セグメントまたはインストラクションの部分を示しており、そのブロックは特定の論理機能を実行する１つまたは複数の実行可能なインストラクションから構成される。代替可能な実施形態においては、ブロックで記載された機能が図面で記載された順序を外れていることが生じ得る。例えば、連続している２つのブロックは、実際には、実質的に同時に実行されてもよく、また時には、関連する機能性によって、逆の順序で実行されることもある。ブロックダイアグラム及び／またはフローチャート例示の各ブロックとブロックダイアグラム及び／またはフローチャート例示のブロックの組み合わせは、特定の機能または動作を実行する特定目的のハードウエアに基づいたシステムによって実行され、あるいは特定目的のハードウエア及びコンピュータインストラクションの組み合わせを実行する。

上述した事項は本開示の実施形態に関するものであるが、本開示のその他の更なる実施形態は、その基本的な範囲から逸脱することなく考えられ得るので、当該範囲は次の特許請求範囲によって決定される。

Claims (20)

1. １つまたは複数のカメラによって取り込まれた画像データに基づきユーザの場所に関する受信を行うこと、前記ユーザの場所に基づき空間の１つまたは複数の座標を識別すること、前記１つまたは複数の座標に基づき、前記１つまたは複数の座標に関して求める音響環境を達成するために、スピーカの方向を変えるために、前記スピーカに結合された少なくとも１つのアクチュエータを調整する１つまたは複数のコンピュータプロセッサを使用して制御信号を生成すること、前記スピーカの方向が変わる一方、前記１つまたは複数のカメラは空間に固定したままにすることから構成される方法。
2. 前記ユーザの場所は二次元または三次元空間の１つにある前記ユーザの顔で識別し、更に、前記ユーザの前記識別された顔を使用して、前記ユーザに関連付けられたユーザの好みを識別すること及び前記ユーザの好みに基づき前記ユーザが所在する車両のパラメータを変更することから構成される請求項１の前記方法。
3. 前記ユーザの場所は前記ユーザと前記１つまたは複数のカメラからの距離に基づく奥行測定から構成される請求項１の前記方法。
4. 前記制御信号を生成することは、更に、前記１つまたは複数の座標を所定の機能を使用する制御信号に変換することから構成される請求項１の前記方法。
5. 前記制御信号は前記スピーカが前記１つまたは複数の座標に向くように前記スピーカを調整するように構成される請求項４の前記方法。
6. 前記１つまたは複数の座標は三次元空間の経路を定義し、前記制御信号は前記領域の前記音声出力が前記経路を追跡するように前記アクチュエータを調整するように構成される請求項１の前記方法。
7. 前記１つまたは複数のカメラによって取り込まれた画像データに基づき複数のユーザに対応する複数の場所に関する受信を行うこと及び前記複数の場所に基づき複数のアクチュエータの複数の制御信号を生成することを更に含み、前記各アクチュエータが複数のスピーカのそれぞれ１つを調整して構成される請求項１の前記方法。
8. 前記複数のスピーカは車両内にあり、前記複数の場所は前記車両内の前記複数のユーザのそれぞれの場所を特定する請求項７の前記方法。
9. 可動スピーカと、前記可動スピーカに機械的に結合されたアクチュエータと、１つまたは複数のカメラによって取り込まれた画像データに基づきユーザの場所を受信し、前記ユーザの場所に基づき空間の１つまたは複数の座標を識別し、前記１つまたは複数の座標に基づき、前記１つまたは複数の座標に関して求める音響環境を達成するために、可動スピーカの方向を変えるために、結合された前記アクチュエータを調整するように構成された制御信号を生成し、前記可動スピーカの方向が変わる一方、前記１つまたは複数のカメラは空間に固定したままにするように構成される計算装置を含むシステム。
10. 前記ユーザの場所は二次元または三次元空間の１つにある前記ユーザの顔で識別する請求項９の前記システム。
11. 前記可動スピーカは前記ユーザを収容する車両内に設けられている請求項９の前記システム。
12. 前記可動スピーカに機械的に結合された少なくとも２つのアクチュエータを更に含み、前記計算装置は前記少なくとも２つのアクチュエータのそれぞれの制御信号を決定するように構成されており、前記可動スピーカの前記音声出力領域が前記１つまたは複数の座標を含んでいる請求項９の前記システム。
13. 前記それぞれの制御信号は前記移動可能スピーカが前記１つまたは複数の座標に向くように前記可動スピーカを調整するように構成される請求項１２の前記システム。
14. 前記１つまたは複数の座標は空間にいる前記ユーザの身体部の予測場所に対応する請求項９の前記システム。
15. 複数のアクチュエータ及び複数のスピーカを更に含み、前記計算装置は前記１つまたは複数のカメラによって取り込まれた画像データに基づき複数のユーザに対応する複数の場所に関する受信を行い、前記複数の場所に基づき前記複数のアクチュエータの制御信号を生成するように構成されており、前記アクチュエータの各々は前記複数のスピーカのそれぞれ１つを調整するように構成される請求項９の前記システム。
16. スピーカを調整するコンピュータプログラム製品であって、前記コンピュータプログラム製品は、コンピュータ読取可能プログラムコードを有するコンピュータ読取可能記憶媒体から構成され、１つまたは複数のコンピュータプロセッサによって実行可能な前記コンピュータ読取可能プログラムコードは、１つまたは複数のカメラによって取り込まれた画像データに基づきユーザの場所に関する受信を行い、前記ユーザの場所に基づき空間の１つまたは複数の座標を識別し、前記１つまたは複数の座標に基づき、前記１つまたは複数の座標に関して求める音響環境を達成するために、スピーカの方向を変えるために、前記スピーカに結合された少なくとも１つのアクチュエータを調整するように構成された制御信号を生成し、前記スピーカの方向が変わる一方、前記１つまたは複数のカメラは空間に固定したままにする前記コンピュータプログラム製品。
17. 前記ユーザの場所は二次元または三次元空間の１つにある前記ユーザの顔で識別する請求項１６の前記コンピュータプログラム製品。
18. 前記ユーザの場所は前記ユーザと前記１つまたは複数のカメラからの距離に基づく奥行測定から構成される請求項１６の前記コンピュータプログラム製品。
19. 前記制御信号の生成は、前記１つまたは複数の座標を所定の機能を使用し制御信号に変換することから構成され、前記奥行測定は少なくとも１つの入力を前記所定の機能にすることを更に含む、請求項１６の前記コンピュータプログラム製品。
20. 前記制御信号は前記スピーカを前記１つまたは複数の座標に向けるように前記スピーカを調整するように構成される請求項１６の前記コンピュータプログラム製品。