JP2021184601A - 情報処理装置 - Google Patents

Abstract

【課題】ビデオ会議における会議参加者の利便性を向上させること。【解決手段】サーバ１は、撮像画像取得部１０１、会議画像生成部１０２、表示制御部１０３を備える。サーバ１は、会議に参加する参加者Ｐ１乃至Ｐ３により用いられて参加者Ｐ１乃至Ｐ３を被写体に含む撮像画像が撮像される参加者端末Ｄと、会議に参加する他の参加者Ｐ０により用いられる会議端末Ｃとが夫々通信をすることで多人数ビデオ会議を提供する。撮像画像取得部１０１は、参加者端末Ｄにより撮像された、参加者Ｐ１乃至Ｐ３の夫々の顔を被写体に含む撮像画像を取得する。会議画像生成部１０２は、撮像画像に参加者Ｐ１乃至Ｐ３の夫々の名前やメモ等を表示させるタグＦ１乃至Ｆ３を重畳させたタグ付の会議画像を生成する。表示制御部１０３は、タグ付の会議画像をビデオ会議の画像として会議端末Ｃに表示させる制御を実行する。【選択図】図４

Description

本発明は、情報処理装置に関する。

従来より、離れた場所にいる人物と会議を行う方法の１つとして、ビデオ会議システムが利用されている。ビデオ会議システムの利便性を向上させるため、送信した音声や画像データを送信元の端末で確認できるようにしたり（例えば、特許文献１参照）、撮像した被写体の画像を調整したり（例えば、特許文献２参照）するといった内容に関する技術が提案されている。

特開２００５−２６９４９８号公報 特表２００８−５０４７６０号公報

しかしながら、特許文献１及び２を含む従来の技術のみでは、ユーザの要望に十分に応えられてはおらず、会議参加者の利便性がよいとは言えなかった。

本発明は、このような状況を鑑みてなされたものであり、ビデオ会議における会議参加者の利便性を向上することを目的とする。

上記目的を達成するため、本発明の一態様の情報処理装置は、
会議に参加する１人以上の参加者により用いられて当該１人以上の参加者を被写体に含む撮像画像が撮像される第１端末と、前記会議に参加する１人以上の参加者により用いられる第２端末との夫々と通信をすることで前記会議の場を提供する情報処理装置において、
前記第１端末により撮像された、前記１人以上の参加者の夫々の顔を被写体に含む前記撮像画像を取得する撮像画像取得手段と、
前記撮像画像に対して、１人以上の参加者の夫々に関する情報を表示させるタグを重畳させた画像を、タグ付撮像画像として生成するタグ付撮像画像生成手段と、
前記会議の場における画像として、前記タグ付撮像画像を前記第２端末に表示させる制御を実行する表示制御手段と、
を備える。
本発明の一態様の上記情報処理装置に対応する情報処理方法及びプログラムも、本発明の一態様の情報処理方法及びプログラムとして提供される。

本発明によれば、ビデオ会議における会議参加者の利便性を向上することができる。

会議端末に表示される多人数のビデオ会議の画面を示す図である。 本発明の一実施形態の情報処理システムの全体構成を示している。 図２の情報処理システムのうちサーバのハードウェア構成を示すブロック図である。 図２の情報処理システムにおけるサーバの機能的構成を示す機能ブロック図である。 図２、図３のサーバにおけるサーバの動作を示すフローチャートである。 図２の情報処理システムにおける会議画面の一例（タグ付画像表示例）を示す図である。 図２の情報処理システムにおける会議画面の一例（名刺読取例）を示す図である。 図２の情報処理システムにおける会議画面の一例（ＡＲタグ読取例）を示す図である。 図２の情報処理システムにおける会議画面の一例（タグ追従例）を示す図である。 図２の情報処理システムにおける会議情報の保管例を示す図である。 図２の情報処理システムにおけるサーバの音声議事録機能を示す図である。 図２の情報処理システムにおけるサーバのミュート会話、チャット機能を示す図である。 図１の情報処理システムにおけるサーバの契約機能を示す図である。

以下、本発明の実施形態について図面を用いて説明する。
図１は、会議端末に表示される多人数のビデオ会議の画面を示す図である。
実施形態の情報処理システムでは、サーバ（図２参照）によりビデオ会議の環境が提供されて、図１に示すように、多人数のビデオ会議の画面Ｃ１が会議端末Ｃに表示される。
ビデオ会議の画面Ｃ１には、エリアＣ２乃至Ｃ４等が配置されている。

エリアＣ２は、画面Ｃ１の領域に主に表示される。エリアＣ２には、会議に参加する１人以上の参加者Ｐ１乃至Ｐ３により用いられる参加者端末Ｄにより撮像される１人以上の参加者として、例えば参加者Ｐ１乃至Ｐ３等を被写体に含む撮像画像が表示される。

エリアＣ３は、画面Ｃ１の下隅（下右隅又は下左隅等）に表示される。エリアＣ３には、会議端末Ｃにより撮像される、会議に参加する他の１人以上の参加者（この例では１人の参加者Ｐ０等）を被写体に含む撮像画像が表示される。

エリアＣ４は、エリアＣ２の隣に表示される。エリアＣ４には、チャットデータが表示されるエリアであり、会議端末Ｃ及び参加者端末Ｄの夫々から入力されるテキストやその他のオブジェクト等のデータが一般的なチャットの形態（データの入力順等）で表示される。

多人数のビデオ会議では、参加者Ｐ１乃至Ｐ３の撮影画像の夫々に、参加者Ｐ１乃至Ｐ３の夫々の名前やメモを含むタグＦ１乃至Ｆ３が重畳したタグ付撮像画像が、多人数のビデオ会議における画像として、会議端末Ｃに表示されるので、参加者Ｐ０は、会議端末Ｃの画面Ｃ１を閲覧することで、夫々の参加者Ｐ１乃至Ｐ３個人を識別することができるので、話者やうなずいている人夫々の属性（個性）を認識したうえでビデオ会議を進行することができる。
即ち、１つの参加者端末Ｄのカメラで撮像される複数の参加者の夫々の個性（属性）を認識しつつビテオ会議を進めることができる。
この結果、参加者Ｐ０が複数の参加者Ｐ１乃至Ｐ３の夫々を識別したうえで会話できるようになり、少なくとも参加者Ｐ０の利便性を向上することができる。

続いて、図２を参照して本発明の一実施形態の情報処理システムの構成を説明する。
図２は、本発明の一実施形態の情報処理システムの全体構成を示している。
図２に示す情報処理システムは、サーバ１と、会議端末Ｃと、参加者端末Ｄと、が、インターネット等の所定のネットワークＮを介して相互に接続されることによって構成されている。

会議端末Ｃは、ビデオ会議に参加する１人以上の参加者Ｐ０が用いる情報処理装置であって、例えばノート型のパーソナルコンピュータ、タブレット端末、スマートフォン等で構成される。会議端末Ｃの１つのカメラにより参加者Ｐ０が被写体として撮像される。
参加者端末Ｄは、ビデオ会議に参加する１人以上の参加者Ｐ１乃至Ｐ３等が用いる情報処理装置であって、例えばノート型のパーソナルコンピュータ、タブレット端末、スマートフォン等で構成される。参加者端末Ｄの１つのカメラにより参加者Ｐ１乃至Ｐ３が被写体として撮像される。

サーバ１は、本サービス提供者により管理される。サーバ１は、会議端末Ｃ及び参加者端末Ｄの動作を制御しつつ各種処理を実行する。
具体的には、サーバ１は、会議に参加する参加者Ｐ１乃至Ｐ３により用いられて参加者Ｐ１乃至Ｐ３を被写体に含む撮像画像が撮像される参加者端末Ｄと、会議に参加する他の参加者Ｐ０により用いられる会議端末Ｃとが夫々通信をすることで多人数のビデオ会議等の会議の場を提供する。

図３は、図２の情報処理システムのうち、サーバのハードウェア構成の一例を示すブロック図である。

サーバ１は、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）１１と、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）１２と、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｙ）１３と、バス１４と、入出力インターフェース１５と、入力部１６と、出力部１７と、記憶部１８と、通信部１９と、ドライブ２０と、を備えている。

ＣＰＵ１１は、ＲＯＭ１２に記録されているプログラム、又は記憶部１８からＲＡＭ１３にロードされたプログラムに従って各種の処理を実行する。
ＲＡＭ１３には、ＣＰＵ１１が各種の処理を実行する上において必要なデータ等も適宜記憶される。

ＣＰＵ１１、ＲＯＭ１２及びＲＡＭ１３は、バス１４を介して相互に接続されている。このバス１４にはまた、入出力インターフェース１５も接続されている。入出力インターフェース１５には、入力部１６、出力部１７、記憶部１８、通信部１９及びドライブ２０が接続されている。

入力部１６は、各種ハードウェアボタン等で構成されるキーボードやマウス、デジタイザ、マイク、カメラ等を含み、操作者の指示操作やサーバ１からの制御に応じて各種情報（テキストデータ、操作データ、音声データ、映像データ等）が入力可能である。
出力部１７は、液晶等のディスプレイやプリンタ等により構成され、各種画像を出力（表示又は印刷）する。

記憶部１８は、ＤＲＡＭ（Ｄｙｎａｍｉｃ Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）等で構成され、各種データを記憶する。
通信部１９は、インターネットを含むネットワークＮを介して他の装置（会議端末Ｃ及び参加者端末Ｄ等）との間で行う通信を制御する。

ドライブ２０は、必要に応じて設けられる。ドライブ２０には、磁気ディスク、光ディスク、光磁気ディスク、或いは半導体メモリ等よりなる、リムーバブルメディア３０が適宜装着される。ドライブ２０によってリムーバブルメディア３０から読み出されたプログラムは、必要に応じて記憶部１８にインストールされる。また、リムーバブルメディア３０は、記憶部１８に記憶されている各種データも、記憶部１８と同様に記憶することができる。

このような図３のサーバ１の各種ハードウェアと各種ソフトウェアとの協働により、サーバ１で後述する各種処理の実行が可能になる。
なお、図示はしないが、図２の情報処理システムのうち、会議端末Ｃ及び参加者端末Ｄ等も、図３に示すハードウェア構成を有している。このため、会議端末Ｃ及び参加者端末Ｄのハードウェア構成についての説明は省略する。
但し、会議端末Ｃ及び参加者端末Ｄが、スマートフォンやタブレットで構成される場合には、入力部１６及び出力部１７として、タッチパネルを有している。
会議端末Ｃ及び参加者端末Ｄには、入力部１６として、ビデオ会議で利用可能なカメラ（撮像手段）及びマイク（音声取得手段）等が搭載されているものとする。

図４は、図３のサーバにより実行が制御される処理のうち、多人数ビデオ会議に関する処理を実現させる機能的構成の一例を示す機能ブロック図である。

図４は、図２の情報処理システムにおけるサーバの機能的構成を示す機能ブロック図である。
図４に示すように、サーバ１の記憶部１８（図３参照）の一領域には、会議ＤＢ１８１が設けられている。

会議ＤＢ１８１には、事前登録されるビデオ会議への参加者に関する情報が記憶される他、会議中にサーバ１により取得される参加者に関する情報が記憶される。
参加者に関する情報は、例えば電子メール等で事前に参加者Ｐ０に通知されるビデオ会議の参加者Ｐ１乃至Ｐ３の属性情報であり、例えば、会社名、所属部署名、職種、氏名、参加人数等のうち少なくとも１つが含まれる。参加者に関する情報を事前登録した人には、事前に印刷しておいたＡＲ（Ａｕｇｍｅｎｔｅｄ Ｒｅａｌｉｔｙ）カードを渡し、夫々の胸等に付けてもらい会議に参加してもらうものとする。ＡＲカードには参加者を特定するための情報タグが印字される。

会議ＤＢ１８１には、会議中にサーバ１により取得される参加者に関する情報として、撮像画像から画像認識により取得される属性情報（例えばＡＲカードや名刺から読み取られる上記属性情報）、撮像画像から画像認識により認識される顔画像（顔を含む上半身等）と、会議中に参加者Ｐ０により入力された参加者Ｐ１乃至Ｐ３の夫々の上記属性情報（一部の場合もある）とが対応して記憶される。

図４に示すように、サーバ１のＣＰＵ１１においては、多人数のビデオ会議に関する処理が実行される場合には、撮像画像取得部１０１と、会議画像生成部１０２と、表示制御部１０３と、操作入力受付部１０４と、参加者抽出部１０５と、記憶制御部１０６と、議事録生成部１０７と、個別会話部１０８と、が機能する。

撮像画像取得部１０１は、参加者端末Ｄにより撮像された、参加者Ｐ１乃至Ｐ３の夫々の顔を被写体に含む撮像画像を取得する。また、撮像画像取得部１０１は、会議端末Ｃにより撮像された、参加者Ｐ０の顔を被写体に含む撮像画像を取得する。

会議画像生成部１０２は、参加者端末Ｄから取得される撮像画像に対して、参加者Ｐ１乃至Ｐ３の夫々の名前、メモ等の会議メモを表示させるタグＦ１乃至Ｆ３を重畳させたタグ付の会議画像を生成し、表示制御部１０３に出力する。
具体的には、会議画像生成部１０２は、撮像画像取得部１０１により取得される、参加者端末Ｄ側の参加者Ｐ１乃至Ｐ３を被写体に含む撮像画像に対して、参加者Ｐ１乃至Ｐ３の夫々の名前、メモ等の会議メモを表示させるタグＦ１乃至Ｆ３を重畳させたタグ付の会議画像を生成する。

会議画像生成部１０２は、タグ内情報取得部１１１、顔認識部１１２、タグ追従部１１３、タグ付撮像画像生成部１１４を有する。

タグ内情報取得部１１１は、参加者端末Ｄ側の１人以上の参加者Ｐ１乃至Ｐ３の夫々について、タグＦ１乃至Ｆ３に表示させる情報を、タグ内情報として取得する。
タグ内情報取得部１１１は、参加者情報取得部１２１と媒体情報取得部１２２を有する。

参加者情報取得部１２１は、操作入力受付部１０４により受け付けられる参加者情報をタグ内情報又はチャットデータとして取得する。
具体的には、参加者情報取得部１２１は、会議端末Ｃ側の１人以上の参加者のうち少なくともひとりの参加者Ｐ０の操作により会議端末Ｃの会議メモ欄に入力されるテキストデータ等の会議メモを、タグ内情報として取得する。
参加者情報取得部１２１は、会議端末Ｃ側の参加者Ｐ０の操作により会議端末Ｃのチャット画面に入力されるテキストデータ等のチャットデータを取得する。

媒体情報取得部１２２は、撮像画像に含まれるＡＲカードや名刺等の媒体（情報タグ付カード）から、タグ内情報を取得する。
具体的には、媒体情報取得部１２２は、撮像画像に含まれるＡＲ（Ａｕｇｍｅｎｔｅｄ Ｒｅａｌｉｔｙ）カードから情報タグを読み取り、タグ付撮像画像生成部１１４に渡す。

また、媒体情報取得部１２２は、撮像画像に含まれる名刺画像を文字認識することで名刺データを取得し、タグ内情報としてタグ付撮像画像生成部１１４に渡す。
顔認識部１１２は、撮像画像において、１人以上の参加者Ｐ１乃至Ｐ３の顔の夫々を認識する。

タグ追従部１１３は、１人以上の参加者Ｐ１乃至Ｐ３の顔の夫々を基準位置として、撮像画像に対して、１人以上の参加者Ｐ１乃至Ｐ３の夫々のタグＦ１乃至Ｆ３を夫々の基準位置に応じた各位置に重畳させる制御を実行する。これにより、タグ付撮像画像生成部１１４では、撮像画像に含まれる参加者Ｐ１乃至Ｐ３の夫々の画像に追従するタグＦ１乃至Ｆ３が付与された会議画像が生成される。

タグ付撮像画像生成部１１４は、タグ内情報取得部１１１により取得されたタグ内情報を表示させるタグＦ１乃至Ｆ３を、撮像画像に重畳させることで、タグ付撮像画像を生成し、タグ付の会議画像として表示制御部１０３に出力する。
具体的には、タグ付撮像画像生成部１１４は、タグ内情報取得部１１１により取得されたタグ内情報が、例えば名刺データ（図７の例）であれば、名刺データに含まれる氏名や役職のデータを対応するタグ（例えば参加者Ｐ２の参加者画像にはタグＦ２、参加者Ｐ４の参加者画像にはタグＦ４等）に配置し、そのタグＦ１、Ｆ４を撮像画像に重畳させることで、タグ付撮像画像を生成し、タグＦ１、Ｆ４が付与された会議画像として表示制御部１０３に出力する。

また、タグ付撮像画像生成部１１４は、タグ内情報取得部１１１により取得されたタグ内情報が情報タグ（ＡＲカードの画像から読み取った情報タグ：（図８の例））であれば、情報タグと会議ＤＢ１８１の参加者情報とを照合し、適合する参加者情報の氏名や役職等のデータを、上述の名刺データと同様に対応するタグに配置し、夫々のタグＦ１乃至Ｆ３を撮像画像に重畳させることで、タグ付撮像画像（図１の画面Ｃ２の会議画像）を生成する。

表示制御部１０３は、多人数のビデオ会議における画像として、タグ付撮像画像生成部１１４により生成されたタグ付撮像画像を会議端末Ｃに表示させる制御を実行する。

操作入力受付部１０４は、参加者Ｐ０により会議端末Ｃに入力される参加者Ｐ１乃至Ｐ３の夫々の会議メモ（氏名やメモ等）を受け付ける。メモは、ここでの例は偉い人や役職等であるが、その他、参加者の特徴（眼鏡をかけた人、背が高い等）を書き込んでもよい。
また、操作入力受付部１０４は、会議端末Ｃや参加者端末Ｄから夫々の参加者Ｐ０乃至Ｐ３により入力されるチャットデータを受け付ける。
参加者抽出部１０５は、撮像画像から所定参加者Ｐ１乃至Ｐ３の画像を、所定参加者画像として抽出する。

記憶制御部１０６は、参加者抽出部１０５により抽出される所定参加者画像と、夫々の所定参加者画像のタグ内情報とを対応付けて会議ＤＢ１８１に記憶させる制御を実行する。
タグ内情報には、会議中のメモ、参加者画像に含まれる名刺画像から文字認識した名刺データ（属性情報）、参加者画像に含まれるＡＲカードの部分の画像から得られる参加者の属性情報（ＡＲタグ、マーク等）が含まれる。

議事録生成部１０７は、ビデオ会議において、会議端末Ｃ及び参加者端末Ｄから夫々取得される音声データに対して音声認識処理して、テキストデータを生成し、会議ＤＢ１８１に記憶する。
具体的には、参加者端末Ｄにおいて、１人以上の参加者Ｐ１乃至Ｐ３が発した音声を、夫々の顔画像の口元の動きから参加者個人を夫々識別して、参加者夫々の音声データを音声認識処理（文字起こし処理）して、生成したテキストデータを、参加者のタグ毎に、議事録として会議ＤＢ１８１に記憶する。
会議ＤＢ１８１に記憶された議事録は、会議端末Ｃ及び参加者端末Ｄの夫々の会議画面にリンクされた議事録画面に公開可能であり、議事録画面の鉛筆マークのアイコンをクリック操作することにより編集モードに切り替えて編集することができる。なお、編集モードに切り替えるにはアカウントに一定レベル以上の権限が必要である。編集モードは、例えば音声認識エラー等の際に有効である。

個別会話部１０８は、ビデオ会議に参加中に、例えば参加者Ｐ０が会話対象の他の参加者Ｐ１等を指定操作した上で会議画面Ｃ２のエリアＣ４（チャットエリア）を選択することで、参加中のＲｏｏｍ（仮想部屋）とは別のＲｏｏｍを開設する。
参加者Ｐ０は、参加中のビデオ会議のＲｏｏｍ（仮想部屋）での会話と並行して、別のＲｏｏｍに入室し、他の特定の参加者Ｐ１等と会話やチャットをすることができる。

続いて、図５を参照してこの情報処理システムにおけるサーバの景気予測動作を説明する。図５は、サーバの業績予測動作を示すフローチャートである。
この場合、図５のステップＳ１１において、撮像画像取得部１０１は、参加者端末Ｄにより撮像された、１人以上の参加者Ｐ１乃至Ｐ３の夫々の顔を被写体に含む撮像画像を取得する。

ステップＳ１２において、会議画像生成部１０２は、撮像画像に対して、参加者Ｐ１乃至Ｐ３の夫々の参加者に関する情報（名前、メモ等）を表示させるタグＦ１乃至Ｆ３を重畳させたタグ付撮像画像を生成する。

ステップＳ１３において、表示制御部１０３は、多人数のビデオ会議における画像として、タグ付撮像画像を会議端末Ｃに表示させる制御を実行する。

このように参加者Ｐ１乃至Ｐ３の夫々の顔を被写体に含む撮像画像に、参加者Ｐ１乃至Ｐ３の夫々の名前やメモを夫々のタグＦ１乃至Ｆ３に表示するタグ付撮像画像を会議端末Ｃに表示させることで、会議端末Ｃを操作する参加者Ｐ０は、会議相手の参加者Ｐ１乃至Ｐ３の夫々の顔と名前やメモで記載した役職等が判るので、夫々の参加者Ｐ１乃至Ｐ３を認識した上で会議を進めることができる。

以下、図６乃至図１３を参照して情報処理システムにおけるサーバの動作を説明する。
まず、図６を参照してタグ付画像の表示例を説明する。
図６は、図２の情報処理システムにおける会議画面の一例（タグ付画像表示例）を示す図である。

図６に示す画面Ｃ２は、会議端末Ｃに表示されるビデオ会議の画面であり、会議相手の参加者Ｐ１乃至Ｐ３を被写体に含む撮像画像と、参加者Ｐ１乃至Ｐ３の画像夫々に対応するタグＦ１乃至Ｆ３と、が表示されている。

ここで、参加者Ｐ０が会議端末Ｃを操作して、参加者Ｐ１の画像またはその近傍の部分にカーソルを移動させて選択操作（クリック操作）すると、参加者抽出部１０５は、撮像画像から参加者Ｐ１の顔を含む画像を抽出し、選択枠６２を表示する。
選択枠６２が表示された状態では、画面Ｃ２に表示されているタグＦ１のタグ内情報が直接編集可能になる。

続いて、参加者Ｐ０が会議端末Ｃを操作して、会議中に知り得た参加者Ｐ１の名前やメモを、タグＦ１のタグ内情報の名前欄やメモ欄に入力すると、記憶制御部１０６により、名前やメモ等が参加者Ｐ１の顔を含む画像と対応付けられてタグＦ１のタグ内情報として会議ＤＢ１８１に記憶される。

このように、図６の表示例によれば、会議端末Ｃの会議相手を映す画面Ｃ２において、参加者（人物）Ｐ１の顔と認識される範囲をクリック操作することで、参加者（人物）Ｐ１の画像に対応するタグＦ１に名前やメモの入力が可能になり、参加者Ｐ０がタグＦ１に名前やメモを入力することで、参加者Ｐ１の画像にタグ付けやメモ書きをすることができる。

続いて、図７を参照して名刺の読取例を説明する。
図７は、図２の情報処理システムにおける会議画面の一例（名刺読取例）を示す図である。

図７に示す画面Ｃ２は、会議端末Ｃに表示されるビデオ会議の画面であり、会議相手の参加者Ｐ２、Ｐ４を被写体に含む撮像画像と、参加者Ｐ２、Ｐ４の画像夫々に対応するタグＦ２、Ｆ４が表示されている。
参加者Ｐ２、Ｐ４は、夫々自身の名刺７１、７２を持ち、名刺７１、７２の表面をカメラに向けている。
即ち会議端末Ｃ側の参加者Ｐ２、Ｐ４の夫々は、氏名や役職等がサーバ１により認識可能な情報が付された名刺７１、７２を有している。

この場合、タグ内情報取得部１１１は、撮像画像に含まれる名刺７１、７２の画像を抽出し、抽出した名刺７１、７２の画像に対して文字認識処理を実行することで、名刺７１、７２の情報（名刺に記載の会社名、氏名、役職、電話番号、ＦＡＸ番号等）を文字として認識し、文字認識結果の会社名、氏名、役職、電話番号、ＦＡＸ番号等をタグ内情報として取得する。

タグ付撮像画像生成部１１４は、タグ内情報取得部１１１により取得されたタグ内情報を、参加者Ｐ２、Ｐ４の夫々の画像に対応するタグＦ２、Ｆ４の所定の欄に表示する。

このように、図７の表示例によれば、会議端末Ｃの会議相手を映す画面Ｃ２において、画面Ｃ２に表示される会議の参加者Ｐ２、Ｐ４が夫々名刺７１、７２を所持している場合、名刺７１、７２の画像を文字認識することで名刺の情報を読み取ってタグ内情報とし、参加者Ｐ２、Ｐ４夫々のタグＦ２、Ｆ４にタグ内情報を表示するので、会議端末Ｃのビデオ会議の画面Ｃ２を見る参加者Ｐ０は、画面Ｃ２に表示されている参加者Ｐ２、Ｐ４の顔と名前や役職等が一致した状態で会議を進行させることができる。

続いて、図８を参照してＡＲカードの読取例を説明する。
図８は、図２の情報処理システムにおける会議画面の一例（ＡＲカード読取例）を示す図である。

図８に示す画面Ｃ２は、会議端末Ｃに表示されるビデオ会議の画面であり、会議相手の参加者Ｐ１乃至Ｐ３を被写体に含む撮像画像と、参加者Ｐ１乃至Ｐ３の画像夫々に対応するタグＦ１乃至Ｆ３が表示されている。
参加者１乃至Ｐ３は、夫々自身のＡＲカード８１乃至８３を持ち、ＡＲカード８１乃至８３の表面をカメラに向けている。
即ち会議端末Ｃ側の参加者Ｐ１乃至Ｐ３の夫々は、サーバ１により氏名や役職等が認識可能な情報タグが付されたＡＲカード８１乃至８３を有している。

この場合、タグ内情報取得部１１１は、撮像画像に含まれるＡＲカード８１乃至８３の画像を抽出し、抽出したＡＲカード８１乃至８３の画像からＡＲカード８１乃至８３の情報タグ（ＡＲタグやマーク等）を読み取り、会議ＤＢ１８１に予め登録されている参加者情報の情報タグと照合し一致した情報タグに紐づく氏名や役職等のタグ内情報を会議ＤＢ１８１から取得し、そのタグ内情報を、参加者Ｐ１乃至Ｐ３夫々のタグＦ１乃至Ｆ３に表示する。

タグ付撮像画像生成部１１４は、タグ内情報取得部１１１により取得されたタグ内情報を、参加者Ｐ１乃至Ｐ３の夫々の画像に対応するタグＦ１乃至Ｆ３の所定の欄に表示する。

このように、図８の表示例によれば、サーバ１は、会議端末Ｃの会議相手を映す画面Ｃ２において、画面Ｃ２に表示される会議の参加者Ｐ１乃至Ｐ３が夫々ＡＲカード８１乃至８３を所持している場合、ＡＲカード８１乃至８３の画像からＡＲタグやマーク等の情報タグを読み取る。そして、読み取った情報タグを会議ＤＢ１８１に事前に記憶されている参加者情報の情報タグと照合し一致した情報タグに紐づく氏名や役職のタグ内情報を会議ＤＢ１８１から読み出して、そのタグ内情報を、参加者Ｐ１乃至Ｐ３夫々のタグＦ１乃至Ｆ３に表示するので、会議端末Ｃのビデオ会議の画面Ｃ２を見る参加者Ｐ０は、画面Ｃ２に表示されている参加者Ｐ１乃至Ｐ３の顔と名前や役職等が一致した状態で会議を進行させることができる。

続いて、図９を参照してタグの追従例を説明する。
図９は、図２の情報処理システムにおける会議画面の一例（タグ追従例）を示す図である。

ビデオ会議を始める際、図１に示したように、画面Ｃ２に向かって左から参加者Ｐ１、参加者Ｐ２、参加者Ｐ３という並び位値（配置）であったものとする。
その後、会議中に、図９に示すように、画面Ｃ２に向かって左から参加者Ｐ３、参加者Ｐ２、参加者Ｐ１という並びに参加者が入れ替わったものとする。

サーバ１では、顔認識部１１２は、撮像画像において、参加者Ｐ１乃至Ｐ３の顔の夫々を認識する。
そして、タグ追従部１１３は、参加者Ｐ１乃至Ｐ３の顔の夫々を基準位置として、撮像画像に対して、参加者Ｐ１乃至Ｐ３の夫々のタグＦ１乃至Ｆ３を夫々の基準位置に応じた各位置に重畳させる。

このように、参加者Ｐ１が右側に移動すれば、タグＦ１も右側に移動して表示されるため、参加者Ｐ１と参加者Ｐ３が入れ替わった場合でも、参加者Ｐ１、Ｐ３の画像の配置の変更に合わせてタグＦ１、Ｆ３が参加者Ｐ１、Ｐ３の画像夫々の位置に表示されるので、参加者Ｐ３、Ｐ２、Ｐ１の並びの順に追従してタグＦ３、Ｆ２、Ｆ１が表示されるようになり、参加者Ｐ３、Ｐ２、Ｐ１の夫々の顔と名前が常に一致するようになる。

続いて、図１０を参照して会議情報の保管例を説明する。
図１０は、図２の情報処理システムにおける会議情報の保管例を示す図である。

図７の名刺読取例において、図１０に示すように、記憶制御部１０６は、会議中のメモ９１と、顔の画像データ９２と、会議中に電子的に取得した名刺データ９３とを対応させて会議情報として会議ＤＢ１８１に記憶する。
このように会議中のメモ９１と、顔の画像データ９２と、名刺データ９３とをセットにして会議情報として会議ＤＢ１８１に保存し管理することで、次回のビデオ会議の際に、前回の会議情報を会議ＤＢ１８１から読み出して、会議開始時から、撮像画像を自動的にタグ付画像にして表示することができる。なお、図８のＡＲカードの情報タグ（ＡＲタグ）の読取例の場合は、名刺データ９３が、情報タグになる。

次に、図１１を参照して会議情報の保管例を説明する。
図１１は、図２の情報処理システムにおけるサーバの音声議事録機能を示す図である。

ビデオ会議において、会議端末Ｃ及び参加者端末Ｄから夫々取得される音声データは、音声認識処理されて、音声認識処理の結果のテキストデータが会議ＤＢ１８１に記憶される。
そして、会議終了後等に、会議ＤＢ１８１に記憶された議事録を読み出し、会議端末Ｃ及び参加者端末Ｄの夫々の端末に、図１１に示すような議事録画面９５を表示することができる。

議事録画面９５には、参加者毎に議事録（テキストデータ）が表示されるので、夫々の端末の操作者は、夫々の参加者の発言内容を文字で閲覧することができる。
この議事録画面９５には、鉛筆マークのアイコンが設けられており、鉛筆マークのアイコンをクリック操作することにより編集モードに切り替えて議事録を編集することができる。
編集モードでは、議事録自体の編集の他、発言の重要度を編集することができる。また編集履歴も記録される。

次に、図１２を参照してサーバのミュート会話、チャット機能を説明する。
図１２は、図２の情報処理システムにおけるサーバのミュート会話、チャット機能を示す図である。
サーバ１において、ビデオ会議に参加中に、例えば参加者Ｐ０が会話対象の他の参加者Ｐ１等を指定操作した上で会議画面Ｃ２のエリアＣ４（チャットエリア）を選択することで、参加中のＲｏｏｍ（仮想部屋）とは別のＲｏｏｍが個別会話部１０８により開設される。
参加者Ｐ０は、参加中のビデオ会議のＲｏｏｍ（仮想部屋）での会話と並行して、別のＲｏｏｍに入室し、他の特定の参加者Ｐ１等と会話やチャットをすることができる。
なお、個別のＲｏｏｍに入室しているときには、参加中のＲｏｏｍではマイクがミュートされるため、参加中のビデオ会議に、個別のＲｏｏｍでの会話の内容が聞かれることはない。

次に、図１３を参照してサーバの契約機能を説明する。
図１３は、図１の情報処理システムにおけるサーバの契約機能を示す図である。
サーバ１は、上述した図１０の会議情報の保管機能の例のように、会議情報を会議ＤＢ１８１に記憶する。
そこで、この保管機能をさらに拡張して、会議情報（会議メモ、顔の画像テータ、名刺データ）に加えて、本人認証データを対応付けて記憶する。
本人認証データは、例えば免許証、住民票、パスポート、印鑑、印鑑証明、法人登記簿謄本、居住照明、電子署名、メールアドレス認証等である。
サーバ１は、ビデオ会議の際、会議情報と本人認証データを利用してビデオ会議にて契約処理を行う。

具体的には、図１３に示すように、会議端末２１１と会議端末２１２との間でビデオ会議を実行する。
会議端末２１１と会議端末２１２のうちいずれか一方の端末、例えば会議端末２１２には、例えば業務委託契約書等の契約書２１３を用意し、双方の端末で契約書２１３を共有しつつ会議端末２１１、２１２の夫々の操作者（会議参加者）が口頭での契約、契約書２１３への電子サイン等、様々な契約方法で契約を完結する。

この際、サーバ１は、契約の際、電子署名公開鍵とタイムスタンプ付ＰＤＦを生成し、これらのファイルにより電子契約を締結する。
会議端末２１１、２１２の双方の会議参加者は、法人代表者とし、夫々に口頭での契約内容の説明と契約締結の意思表示を行う。この会議の内容は、サーバ１のビデオ会議の録画機能により会議ログとして会議ＤＢ１８１に記憶される。
具体的には、サーバ１は、ビデオ録画データと共にデータ送受信ログを会議ログとして残すことで、法人代表者が契約したというログが残される。
これにより、現在、法人間での電子契約で問題となっている、代理押印の問題を解決することができる。

以上、本発明の一実施形態について説明したが、本発明は、上述の実施形態に限定されるものではなく、本発明の目的を達成できる範囲での変形、改良等は本発明に含まれるものである。
上記実施形態では、サーバ１は、会議に参加する参加者Ｐ１乃至Ｐ３により用いられて参加者Ｐ１乃至Ｐ３を被写体に含む撮像画像が撮像される参加者端末Ｄと、会議に参加する他の参加者Ｐ０により用いられる会議端末Ｃとが夫々通信をすることで多人数のビデオ会議を提供したが、サーバ１は、情報処理装置の一例にしか過ぎず、参加者の数は３人に限らず、端末も会議端末Ｃや参加者端末Ｄに限定されない。
即ち、情報処理装置は、会議に参加する１人以上の参加者により用いられて当該１人以上の参加者を被写体に含む撮像画像が撮像される第１端末と、前記会議に参加する１人以上の参加者により用いられ第２端末との夫々と通信をすることで会議の場を提供すれば足りる。
また、上記実施形態では、撮像画像取得部１０１は、参加者端末Ｄにより撮像された、参加者Ｐ１乃至Ｐ３の夫々の顔を被写体に含む撮像画像を取得したが、これ以外の形態であってもよく、第１端末により撮像された、１人以上の参加者の夫々の顔を被写体に含む撮像画像を取得すれば足りる。
上記実施形態では、会議画像生成部１０２は、撮像画像に参加者Ｐ１乃至Ｐ３の夫々の名前やメモ等を表示させるタグＦ１乃至Ｆ３を重畳させたタグ付撮像画像を生成したが、これ以外の形態であってもよく、撮像画像に対して、１人以上の参加者の夫々に関する情報を表示させるタグを重畳させた画像を、タグ付の会議画像として生成すれば足りる。
上記実施形態では、表示制御部１０３は、タグ付撮像画像をビデオ会議の画像として会議端末Ｃに表示させる制御を実行したが、これ以外の形態であってもよく、会議の場における画像として、タグ付の会議画像を第２端末に表示させる制御を実行すればよい。

また例えば、上述した一連の処理は、ハードウェアにより実行させることもできるし、ソフトウェアにより実行させることもできる。
換言すると、図４の機能的構成は例示に過ぎず、特に限定されない。
即ち、上述した一連の処理を全体として実行できる機能が情報処理システムに備えられていれば足り、この機能を実現するためにどのような機能ブロック及びデータベースを用いるのかは特に図４の例に限定されない。また、機能ブロック及びデータベースの存在場所も、図４に特に限定されず、任意でよい。例えば、サーバ１の機能ブロック及びデータベースを会議端末Ｃ、参加者端末Ｄ等に移譲させてもよい。逆に会議端末Ｃ、参加者端末Ｄの機能ブロック及びデータベースをサーバ１等に移譲させてもよい。
また、１つの機能ブロック及びデータベースは、ハードウェア単体で構成してもよいし、ソフトウェア単体で構成してもよいし、それらの組み合わせで構成してもよい。

一連の処理をソフトウェアにより実行させる場合には、そのソフトウェアを構成するプログラムが、コンピュータ等にネットワークや記録媒体からインストールされる。
コンピュータは、専用のハードウェアに組み込まれているコンピュータであってもよい。
また、コンピュータは、各種のプログラムをインストールすることで、各種の機能を実行することが可能なコンピュータ、例えばサーバの他汎用のスマートフォンやパーソナルコンピュータであってもよい。

このようなプログラムを含む記録媒体は、ユーザ等にプログラムを提供するために装置本体とは別に配布される図示せぬリムーバブルメディアにより構成されるだけでなく、装置本体に予め組み込まれた状態でユーザ等に提供される記録媒体等で構成される。

なお、本明細書において、記録媒体に記録されるプログラムを記述するステップは、その順序に沿って時系列的に行われる処理はもちろん、必ずしも時系列的に処理されなくとも、並列的あるいは個別に実行される処理をも含むものである。
また、本明細書において、システムの用語は、複数の装置や複数の手段等より構成される全体的な装置を意味するものとする。

以上を換言すると、本発明が適用される管理装置は、次のような構成を有していれば足り、各種各様な実施の形態を取ることができる。

即ち、本発明が適用される情報処理装置（例えば図４のサーバ１等）は、
会議に参加する１人以上の参加者Ｐ１乃至Ｐ３により用いられて当該１人以上の参加者Ｐ１乃至Ｐ３を被写体に含む撮像画像が撮像される第１端末（例えば図４の参加者端末Ｄ等）と、前記会議に参加する他の１人以上の参加者Ｐ０により用いられ第２端末（例えば図４の会議端末Ｃ等）と夫々通信をすることで前記会議の場（例えば図１の多人数のビデオ会議の環境等）を提供する情報処理装置（例えば図４のサーバ１等）において、
前記第１端末（例えば図４の参加者端末Ｄ等）により撮像された、前記１人以上の参加者Ｐ１乃至Ｐ３の夫々の顔を被写体に含む前記撮像画像を取得する撮像画像取得手段（例えば図４の撮像画像取得部１０１等）と、
前記撮像画像に対して、１人以上の参加者Ｐ１乃至Ｐ３の夫々に関する情報（例えば図１の氏名やメモ等）を表示させるタグ（例えば図１のタグＦ１乃至Ｆ３等）を重畳させた画像を、前記タグ付の会議画像として生成する会議画像生成手段（例えば図４の会議画像生成部１０２等）と、
前記会議の場（例えば図１の多人数のビデオ会議の環境等）における画像として、前記タグ付の会議画像を前記第２端末（例えば図４の会議端末Ｃ等）に表示させる制御を実行する表示制御手段（例えば図４の表示制御部１０３等）と、
を備える。
このように構成することで、１人以上の参加者Ｐ１乃至Ｐ３の夫々に関する情報（例えば図１の氏名やメモ等）が含まれるタグ（例えば図１のタグＦ１乃至Ｆ３等）を重畳させたタグ付の会議画像が第２端末（例えば図４の会議端末Ｃ等）に表示されるので、会議端末Ｃを操作するユーザ（参加者Ｐ０等）は、タグの内容を見ることで参加者Ｐ１乃至Ｐ３夫々の氏名やメモで記載された役職等が分かるようなる。
これにより、ビデオ会議システムの利用におけるユーザ（例えばビデオ会議に一人で参加する参加者Ｐ０等）の利便性を向上することができる。

前記第１端末側の前記１人以上の参加者の夫々について、前記タグに表示させる前記情報を、タグ内情報として取得するタグ内情報取得手段（例えば図４のタグ内情報取得部１１１等）と、
前記タグ内情報取得手段（例えば図４のタグ内情報取得部１１１等）により取得された前記タグ内情報を表示させる前記タグを、前記撮像画像に重畳させることで、前記タグ付撮像画像を生成し、前記タグ付の会議画像として前記表示制御手段に出力するタグ付撮像画像生成手段（例えば図４のタグ付撮像画像生成部１１４等）と、
を備える。
これにより、撮像画像に含まれる参加者の夫々の画像に対応するタグにタグ内情報が表示されるので、撮像画像中の参加者の夫々の情報が会議相手に分かり、会議参加者の中から誰かを指名する等、会議を進行させ易くなる。

前記タグ内情報取得手段（例えば図４のタグ内情報取得部１１１等）は、
前記第２端末（例えば図４の会議端末Ｃ等）側の前記１人以上の参加者のうち少なくともひとり（例えば参加者Ｐ０等）の操作により入力された情報（会議相手の氏名やメモ等）を、前記タグ内情報として取得する参加者情報取得手段（例えば図４の参加者情報取得部１２１等）、
をさらに備える。
これにより、ビデオ会議中に第２端末（例えば図４の会議端末Ｃ等）から入力される会議相手の氏名やメモ等を、参加者の画像に対応するタグに表示させることができ、ユーザ（会議の参加者Ｐ０等）は、ビデオ会議の画面に表示されている１人以上の会議参加者の顔と名前が一致した状態で会議を進行させることができる。

前記第１端末（例えば図４の会議端末Ｃ１等）側の前記１人以上の参加者Ｐ１乃至Ｐ３の夫々は、前記タグ内情報自体又は当該タグ内情報が前記情報処理装置（例えば図４のサーバ１等）により認識可能な情報（例えば氏名、役職等の文字やＡＲタグ、マーク等）が付された媒体（名刺、ＡＲカード等）を有しており、
前記タグ内情報取得手段（例えば図４のタグ内情報取得部１１１等）は、
前記撮像画像に含まれる前記媒体（名刺やＡＲカード）の画像から、前記タグ内情報（名刺に記載の氏名や役職、ＡＲタグに対応する氏名や役職等）を取得する媒体情報取得手段（例えば図４の媒体情報取得部１２２等）、
をさらに備える。
このように、撮像画像の中に、情報処理装置（例えば図４のサーバ１等）により認識可能な媒体の画像が含まれていた場合、その媒体の画像からタグ内情報を取得するので、参加者Ｐ０が入力するのに比べて会議参加者個人をより確実に特定することができる。
なお、情報処理装置（例えば図４のサーバ１等）により認識可能な媒体が例えばＡＲカード等であれば、そのＡＲカードを含む撮像画像から情報タグ（ＡＲタグやマーク）を読み取って、その情報タグに基づいてタグ内情報（ＡＲタグに対応する氏名や役職等）を取得するので、名刺等のように個人情報を直接提示するものに比べて個人情報を秘匿することができる。

前記会議画像生成手段（例えば図４の会議画像生成部１０２等）は、
前記撮像画像において、前記１人以上の参加者の顔の夫々を認識する顔認識手段（例えば図４の顔認識部１１２等）と、
前記１人以上の参加者の顔の夫々を基準位置として、前記撮像画像に対して、前記１人以上の参加者の夫々の前記タグを夫々の前記基準位置に応じた各位置に重畳させる制御を実行するタグ追従手段（例えば図４のタグ追従部１１３等）と、
を備える。
これにより、撮像画像に含まれる参加者が入れ替わる等して撮像画像内の人の配置が変更されると、顔の夫々を基準位置として、１人以上の参加者の夫々のタグを夫々の基準位置に応じた各位置に移動させるので、撮像画像の参加者の夫々の画像に追従するようにタグ付撮像画像が表示される。即ち参加者の移動に応じてタグも移動するので、会議における参加者の移動にタグの表示を対応させることができる。

前記撮像画像から前記所定参加者の画像を、所定参加者画像として抽出する所定参加者抽出手段（例えば図４の参加者抽出部１０５等）と、
前記所定参加者画像と、前記所定参加者画像の前記タグ内情報とを対応付けて所定のデータベース（例えば図４の会議ＤＢ１８１等）に記憶させる制御を実行する記憶制御手段（例えば図４の記憶制御部１０６等）と、
をさらに備える。
このように、所定参加者画像と、所定参加者画像のタグ内情報とを対応付けて所定のデータベース（例えば図４の会議ＤＢ１８１等）に記憶させることで、次回以降のビデオ会議では、会議参加者に名刺やＡＲカードを身に付けてもらうことなく、参加者画像にタグ内情報を表示させたタグを対応させて表示できる。即ち、会議の参加者の氏名や役職等がビデオ会議の初めから表示されるようになるので、ユーザ（会議参加者Ｐ０等）は、どの参加者画像が誰であるかビデオ会議の初めから認識したうえで会議を進めることができる。

Ｃ：会議端末、Ｄ：参加者端末、１：管理サーバ、１１：ＣＰＵ、１８：記憶部、１９：通信部、１０１：撮像画像取得部、１０２：会議画像生成部、１０３：表示制御部、１０４：操作入力受付部、１０５：参加者抽出部、１０６：記憶制御部、１０７：議事録生成部、１０８：個別会話部、１１１：タグ内情報取得部、１１２：顔認識部、１１３：タグ追従部、１１４：タグ付撮像画像生成部、１２１：参加者情報取得部、１２２：媒体情報取得部、１８１：会議ＤＢ

Claims (8)

1. 会議に参加する１人以上の参加者により用いられて当該１人以上の参加者を被写体に含む撮像画像が撮像される第１端末と、前記会議に参加する１人以上の参加者により用いられ第２端末との夫々と通信をすることで前記会議の場を提供する情報処理装置において、
   前記第１端末により撮像された、前記１人以上の参加者の夫々の顔を被写体に含む前記撮像画像を取得する撮像画像取得手段と、
   前記撮像画像に対して、１人以上の参加者の夫々に関する情報を表示させるタグを重畳させた画像を、前記タグ付の会議画像として生成する会議画像生成手段と、
   前記会議の場における画像として、前記タグ付の会議画像を前記第２端末に表示させる制御を実行する表示制御手段と、
   を備える情報処理装置。
2. 前記会議画像生成手段は、
   前記第１端末側の前記１人以上の参加者の夫々について、前記タグに表示させる前記情報を、タグ内情報として取得するタグ内情報取得手段と、
   前記タグ内情報取得手段により取得された前記タグ内情報を表示させる前記タグを、前記撮像画像に重畳させることで、前記タグ付撮像画像を生成し、前記タグ付の会議画像として前記表示制御手段に出力するタグ付撮像画像生成手段と、
   を備える請求項２に記載の情報処理装置。
3. 前記タグ内情報取得手段は、
   前記第２端末側の前記１人以上の参加者のうち少なくともひとりの操作により入力される情報を、前記タグ内情報として取得する参加者情報取得手段、
   をさらに備える請求項２に記載の情報処理装置。
4. 前記第１端末側の前記１人以上の参加者の夫々は、前記タグ内情報自体又は当該タグ内情報が前記情報処理装置により認識可能な情報が付された媒体を有しており、
   前記タグ内情報取得手段は、
   前記撮像画像に含まれる前記媒体から、前記タグ内情報を取得する媒体情報取得手段、
   をさらに備える請求項２に記載の情報処理装置。
5. 前記会議画像生成手段は、
   前記撮像画像において、前記１人以上の参加者の顔の夫々を認識する顔認識手段と、
   前記１人以上の参加者の顔の夫々を基準位置として、前記撮像画像に対して、前記１人以上の参加者の夫々の前記タグを夫々の前記基準位置に応じた各位置に重畳させる制御を実行するタグ追従手段と、
   を備える請求項１乃至４のうち何れか１項に記載の情報処理装置。
6. 前記撮像画像から前記所定参加者の画像を、所定参加者画像として抽出する所定参加者抽出手段と、
   前記所定参加者画像と、前記所定参加者画像の前記タグ内情報とを対応付けて所定のデータベースに記憶させる制御を実行する記憶制御手段と、
   をさらに備える請求項１乃至５のうち何れか１項に記載の情報処理装置。
7. 会議に参加する１人以上の参加者により用いられて当該１人以上の参加者を被写体に含む撮像画像が撮像される第１端末と、前記会議に参加する１人以上の参加者により用いられ第２端末との夫々と通信をすることで前記会議の場を提供する情報処理装置が実行する情報処理方法において、
   前記第１端末により撮像された、前記１人以上の参加者の夫々の顔を被写体に含む前記撮像画像を取得する撮像画像取得ステップと、
   前記撮像画像に対して、１人以上の参加者の夫々に関する情報を表示させるタグを重畳させた画像を、前記タグ付の会議画像として生成する会議画像生成ステップと、
   前記会議の場における画像として、前記タグ付の会議画像を前記第２端末に表示させる制御を実行する表示制御ステップと、
   を含む情報処理方法。
8. 会議に参加する１人以上の参加者により用いられて当該１人以上の参加者を被写体に含む撮像画像が撮像される第１端末と、前記会議に参加する１人以上の参加者により用いられ第２端末との夫々と通信をすることで前記会議の場を提供するコンピュータに、
   前記第１端末により撮像された、前記１人以上の参加者の夫々の顔を被写体に含む前記撮像画像を取得する撮像画像取得ステップと、
   前記撮像画像に対して、１人以上の参加者の夫々に関する情報を表示させるタグを重畳させた画像を、前記タグ付の会議画像として生成する会議画像生成ステップと、
   前記会議の場における画像として、前記タグ付の会議画像を前記第２端末に表示させる制御を実行する表示制御ステップと、
   を含む制御処理を実行するプログラム。

Images