JP4784366B2 - 音声操作装置 - Google Patents

Description

本発明は、音声操作装置に関するものである。

従来より、給湯器の給湯温度や浴槽に溜める湯の温度や量を設定したり、追い炊きや湯はりなどの操作を行うための給湯コントローラが浴室内に設置されている。

また近年、快適な入浴を実現するために、浴槽内に気泡を含んだジェット噴流を発生させるジェット噴流設備や、浴室内の暖房、換気、浴室乾燥を行う換気暖房乾燥設備や、映像あるいは音楽などを視聴するための映像音響設備が浴室内に設置されており、これらの設備を操作するためのコントローラも浴室装置として設置されていた。そのため浴室内には給湯コントローラとは別に、ジェット噴流設備、換気暖房乾燥設備、映像音響設備などの浴室機器をそれぞれ制御するための複数のコントローラが設置されることになり、コントローラの数が増えて、広い設置スペースを必要とするという問題があった。またコントローラの数が増えると、それぞれのコントローラの使用方法を覚えなければならず、使用方法の習熟に時間を要し、また複数のコントローラを操作するため使い勝手が悪かった。

そこで、例えば特許文献１に示されるような音声認識装置を用い、各種の浴室機器を制御するために使用者が音声で命令を発すると、その音声を認識して、操作対象の浴室機器を操作するようにした浴室装置および音声操作装置が提案されている。
特開２００４−１１７７２４号公報（段落番号［００２５］〜［００３２］、及び、図１）

上述の浴室装置および音声操作装置は、浴室内の話者が発した音声を認識して制御対象の浴室機器を制御するのであるが、浴室は反射の強い環境であるため、音声が残響音の影響を受けて変形し、音声認識の認識率が低下するという問題があった。

このような問題に対して、上述の特許文献１に示される音声認識装置では、音声認識に用いる音響モデルとして、残響時間の異なる複数の音響モデルを用意し、話者が入力した音声に対して最も類似度の高い音響モデルを用いて音声認識を行うようにしているが、浴室内で話者が移動すると、話者と話者の話す声を集音するマイクの位置が変化して反射特性が変化するため、音響モデルが一致しなくなる。したがって話者が移動した後に話した最初の音声は、音響モデルが正しく選択されていないため、認識率が低下してしまうという問題があった。また残響時間をもとに音響モデルを選択する場合に、音響モデルの選択を誤ると、音声認識の認識率が低下するという問題もあった。

本発明は上記問題点に鑑みて為されたものであり、その目的とするところは、反響音の影響によって音声認識の認識率が低下するのを抑制した音声操作装置を提供することにある。

上記目的を達成するために、請求項１の発明は、浴室に設けられた浴室機器を操作するための音声操作装置であって、浴室に設けられた音声検出部と、浴室内で話者がいる領域を検出する領域検出部と、浴室内で話者がいる領域に応じて話者の音声の反響状態が異なることを想定して複数用意され、異なる反響状態をそれぞれ想定した複数の音響モデルを記憶する音響モデル記憶部と、領域検出部による検出領域をもとに、話者がいる領域での音声の反響状態に近い音響モデルを、音響モデル記憶部に記憶された複数の音響モデルから選択する音響モデル選択部と、音響モデル選択部により選択された音響モデルを用いて音声検出部が検出した音声の内容を認識する音声認識部と、音声認識部により認識された音声の内容にしたがって対応する浴室機器を操作する音声操作部とを備えることを特徴とする。

請求項２の発明は、請求項１の発明において、話者の顔が向いている方向を検出する方向検出部を設け、音響モデル選択部は、領域検出部による検出領域と、方向検出部による検出方向とをもとに、話者が発する声の残響状態に対応する音響モデルを選択することを特徴とする。

請求項３の発明は、請求項１又は２の発明において、浴室機器を複数備えるとともに、各浴室機器の稼働状態を検出する稼働状態検出部を設け、領域検出部が、稼働状態検出部により検出された稼働中の浴室機器を使用する場合の予想位置を話者の居る領域として検出することを特徴とする。

請求項１の発明によれば、異なる反響状態を想定した複数の音響モデルを音響モデル記憶部に予め記憶させておき、音響モデル選択部が、領域検出部により検出された話者の領域の反響状態に対応する音響モデルを選択し、選択された音響モデルを用いて音声認識を行っているので、浴室内を話者が移動した場合でも、話者が居る領域の反響状態に対応した音響モデルを選択することで、反響音の影響によって音声認識の認識精度が低下するのを抑制することができるという効果がある。

ところで、話者の居る領域が同じ場合でも、話者の顔が向いている方向（つまり話者が発した音声の進行方向）によって反響状態が変化する可能性があるが、請求項２の発明によれば、領域検出部により検出された話者の居る領域と、方向検出部により検出された話者の顔の向きとに基づいて、音響モデル選択部が話者の発する声の残響状態に対応する音響モデルを選択しているので、反響音の影響による認識精度の低下をさらに抑制できるという効果がある。

請求項３の発明によれば、稼働中の浴室機器を使用する場合の予想位置を話者の居る領域として検出しているので、人体を検出するセンサなどを別途設置することなく、話者の位置を検出できるという効果がある。ここに、浴室機器を使用する場合の予想位置とは、稼働中の浴室機器を話者が使用する場合に、その話者が存在すると予想される位置を意味しており、例えばジェット噴流発生装置が稼働中であれば予想位置は浴槽であり、シャワー設備が稼働中であれば予想位置は洗い場となる。

以下に本発明の実施の形態を図面に基づいて説明する。

（実施形態１）
本発明の実施形態１を図１〜図３に基づいて説明する。図２は浴室装置Ａを適用した浴室１の構成を模式的に示した図であり、浴室１の内部には出入り口２に近い側に洗い場３が設けられ、出入り口２から遠い側に浴槽４が設置されている。浴槽４には、浴槽４に湯を張った状態で気泡を含むジェット噴流を発生させるジェット噴流発生装置（図示せず）が設けられている。また浴室１の天井５には、浴室１内の換気、暖房或いは浴室乾燥を行うための換気乾燥暖房機６と、浴室１内の照明を行う照明器具７とがそれぞれ設置されている。また浴室１の横壁８ａには、洗い場３側にシャワー設備９が設けられ、浴槽４側にテレビやビデオを視聴するための浴室テレビ１０が設置されている。また浴室１内の浴槽４に沿った横壁８ｂには、本発明の音声認識機能を有するコントローラ１１が設置されている。また浴室１の室外には、浴槽４内に溜める湯やシャワー設備９から出湯する湯を供給するための給湯器（図示せず）が設置されている。

図３はコントローラ１１の外観図であり、前面の形状が矩形状に形成されたボディ２０を有し、ボディ２０の前面を横壁８ｂの表面に露出させた状態で横壁８ｂに配設されている。ボディ２０の前面には、給湯器の動作状態や給湯温度の設定値などを示す液晶モニタ２１と、動作表示のための発光ダイオードＬＥＤと、マイクＭＣと、スピーカＳＰとが配置されている。またボディ２０の前面において、液晶モニタ２１の右側には、動作モードを設定モードに切り替えるためのメニュー釦２２ａと、設定項目や設定値を決定するための確定釦２２ｂと、１つ前の操作状態に戻すために操作する復帰釦２２ｃとが上下に並べて配置されており、各操作釦２２ａ〜２２ｃの前面には例えば「メニュー」「確定」「戻る」などの操作内容を示す文字が表示されている。さらに操作釦２２ａ〜２２ｃの下側には、設定モードにおいて設定項目を選択したり、設定値を変更したりするための上下左右のカーソル釦２３ａ〜２３ｄが配置されている。またボディ２０の前面において、液晶モニタ２１の左側には、例えば台所などに別置されたコントローラ（図示せず）からの操作に対して浴室側のコントローラ１１による操作を優先させるために操作する優先釦２２ｄと、浴槽４内に溜められている湯を温める際に押操作する追いだき釦２２ｅと、浴槽４内に所定温度の湯を所定量溜める際に押操作するふろ自動釦２２ｆと、台所に別置されたコントローラとの間でインターホン通話を行う際に操作する通話釦２２ｄとが上下に並べて配置されており、各操作釦２２ｄ〜２２ｇの前面には例えば「優先」「追いだき」「ふろ自動」「通話」といった操作内容を示す文字がそれぞれ表示されている。

また図１はコントローラ１１の要部のブロック図であり、音声命令の認識処理を行って浴室機器の操作を行う構成のみを図示してある。すなわち図１は浴室装置Ａに適用される音声操作装置Ｂの概略構成を示しており、音声操作装置Ｂは、浴室１内に設けられて入力された音声を電気信号に変換するマイクＭＣと、マイクＭＣから入力される電気信号（アナログ信号）をデジタル信号に変換するＡ／Ｄ変換部１２と、浴室１に設置された複数の浴室機器Ｃ（換気乾燥暖房機６、照明器具７、浴室テレビ１０、給湯機１８、ジェット噴流発生装置１９からなる）から現在稼働中の機器を検出する稼働状態検出部２４と、稼働状態検出部２４の検出結果に基づいて話者が居る領域を検出する領域検出部１３と、異なる反響状態をそれぞれ想定した複数の音響モデルＭ１，Ｍ２…Ｍｎを記憶する音響モデル記憶部１４と、音響モデル記憶部１４に記憶された複数の音響モデルＭ１，Ｍ２…Ｍｎから、領域検出部１３による検出領域の反響状態に対応した音響モデルを選択する音響モデル選択部１５と、Ａ／Ｄ変換部１２によりＡ／Ｄ変換された音声信号と音響モデル選択部１５により選択された音響モデルとをパターンマッチングすることによって音声命令の内容を認識する音声認識部１６と、音声認識部１６の認識結果に基づいて対応する浴室機器Ｃを操作する音声操作部１７とを備えている。

マイクＭＣは、使用者の発した音声を電気信号に変換してＡ／Ｄ変換部１２に出力するために用いられ、このようなマイクＭＣとしてはコンデンサマイクや圧電マイクなど使用状態や使用環境に応じて適宜のものを使用することができる。

音響モデル記憶部１４には、浴室機器を操作するために用いる音声命令の認識処理に必要な音響モデルＭ１〜Ｍｎが格納されている。複数の音響モデルＭ１〜Ｍｎは、それぞれ異なる反響状態（例えば残響時間など）を想定して用意されており、個々の音響モデルとしては、例えば人間の発声の小さな単位（音素）の音響的特徴を表す隠れマルコフモデル（ＨＭＭ）などが用いられる。

領域検出部１３は、稼働状態検出部２４により検出された稼働中の浴室機器を使用する場合の予想位置を話者の居る領域として検出する。浴室機器を使用する場合の予想位置とは、稼働中の機器を話者が使用する場合に話者が存在すると予想される位置のことを意味し、例えば稼働中の浴室機器がシャワー設備であれば、話者が洗い場３にいると予想され、ジェット噴流発生装置１９や浴室テレビ１０であれば浴槽４内にいると予想される。

ここで、浴室１は狭く閉じた空間であり、反射の強い環境であるため、浴室１内で話者が発した音声は残響音の影響を大きく受けて、音声に歪みが生じる。しかも浴室１内では話者が居る場所に応じて反響状態が大きく異なるため、反響音が音声に与える影響も異なることが予想される。そこで本実施形態では、音響モデル記憶部１４に、異なる反響状態をそれぞれ想定した複数の音響モデルＭ１〜Ｍｎを予め用意しておき、音響モデル選択部１５が、領域検出部１３により検出された領域をもとに、話者がいる領域の反響状態に近い音響モデルを音響モデル記憶部１４に登録された音響モデルの中から選択している。したがって、浴室１内で話者が移動したとしても、話者が居る領域の反響状態に対応した音響モデルを選択して使用することができ、音声認識部１６が、音響モデル選択部１５により選択された音響モデルを用いて音声認識を行うことで、反響音の影響による音声認識率の低下を抑制することができる。そして、音声操作部１７は、音声認識部１６の認識結果に基づいて対応する浴室機器Ｃを操作しているので、音声の誤認識によって意図した操作が行われるのを防止し、意図した操作を行わせることができる。また、領域検出部２４は、稼働中の浴室機器を使用する場合の予想位置を話者の居る領域として検出しており、コントローラ１１では音声操作部１７の操作対象である浴室機器Ｃの稼働状態を把握できるので、人体を検出するセンサなどを別途設置することなく、話者の位置を検出することができる。

（実施形態２）
本発明の実施形態２を図４及び図５に基づいて説明する。尚、領域検出部１３による話者の検知方法が異なる点を除いては上述の実施形態１と同様であるので、共通する構成要素には同一の符号を付して、その説明は省略する。

上述の実施形態１では、領域検出部１３が稼働状態検出部２４の検出結果に基づいて話者の居る領域を検出しているのに対して、本実施形態では図４に示すように浴室１に複数の人感センサ１３ａと、ドアセンサ１３ｂを設置し、両センサ１３ａ，１３ｂの検出結果に基づいて領域検出部１３が話者の居る領域を検出するようにしている。

人感センサ１３ａは、例えば焦電型赤外線検出素子を備え、人体から放射される熱線を検出することによって検知領域における人の存否を検出する。ここで浴室１の天井５に複数個（例えば３個）の人感センサ１３ａを設置し、それぞれ浴室１内に設定された検知領域Ｄ１〜Ｄ３（図５参照）における人の存否を検出するようになっており、領域検出部１３では、検知信号を発した人感センサ１３ａの検知領域を話者のいる領域として検出する。

またドアセンサ１３ｂは、浴室１の出入り口２の開閉状態を検出するマグネットセンサなどからなり、領域検出部１３ではドアセンサ１３ｂから検知信号が入力されると、出入り口２の近傍を話者がいる領域と判断する。

このように本実施形態では領域検出部１３が、人感センサ１３ａやドアセンサ１３ｂからの検知入力に基づいて、浴室１内で話者が居る領域を検出しており、実施形態１で説明したように音響モデル選択部１５が領域検出部１３の検出結果を用いて話者の居る領域に対応した音響モデルを選択しているので、話者の居る領域の反響状態に対応した音響モデルが選択でき、反響音の影響によって音声認識の認識率が低下するのを抑制することができる。

なお本実施形態では人感センサ１３ａとして焦電型の赤外線検出素子を用いたセンサを用いているが、人感センサ１３ａをＰＩＲセンサに限定する趣旨のものではなく、例えば超音波を用いて検出領域における物体（すなわち人体）の存否を検出する超音波センサや、ＬＥＤ距離計測方式により検知領域における物体の位置や形状を検出する距離画像センサや、浴室１の床面に設置されて圧力変化を検出することにより人の存否を検出する圧力センサなどを用いても良い。

（実施形態３）
本発明の実施形態３を図６に基づいて説明する。尚、領域検出部１３の代わりに領域・方向検出部２５を設けた点を除いては上述の実施形態１と同様であるので、共通する構成要素には同一の符号を付して、その説明は省略する。

上述の実施形態１では、領域検出部１３が稼働状態検出部２４の検出結果に基づいて話者の居る領域を検出しているのに対して、本実施形態では浴室１に内部を撮影するカメラ２６ａ，２６ｂを設置し、領域・方向検出部２５が、カメラ２６ａ，２６ｂにより撮影された画像をもとに話者の居る領域と、話者の顔が向いている方向とを検出するようになっている。

２台のカメラ２６ａ，２６ｂは例えばＣＣＤ撮像素子を用いたテレビカメラからなり、浴室１の天井５付近において出入り口２側と反対側とにそれぞれ設置されており、浴室１の内部を２方向から撮影できるようになっている。なおカメラ２６ａ，２６ｂの台数や設置位置は上記の形態に限定されるものではなく、浴室１内の任意の場所を複数の方向から撮影できるのであれば、その台数や配置は問わない。

領域・方向検出部２５は、カメラ２６ａ，２６ｂから入力される画像信号に２値化処理を施し、話者が居ないときの画像との差分画像を求めた後、人体の頭部を表すテンプレート画像とのマッチング処理を行って、話者がいる領域を求めるとともに、頭部（すなわち顔）の向きを検出して、検出結果を音響モデル選択部１５に出力する。

ところで、話者の居る領域が同じ場合でも、話者の顔が向いている方向（つまり話者が発した音声の進行方向）によって反響状態が変化する可能性があるが、本実施形態では音響モデル選択部１５が、領域・方向検出部により検出された話者の居る領域と、話者の顔が向いている方向（つまり話者の音声の進行方向）とをもとに、話者が発する音声の反響状態に近い音響モデルを選択しているので、反響音の影響による認識精度の低下をさらに抑制することができる。

実施形態１の浴室装置のシステム構成を示すブロック図である。 同上の浴室装置の設置例を示す外観図である。 同上に用いるコントローラの正面図である。 実施形態２の浴室装置のシステム構成を示すブロック図である。 同上に用いる人感センサの検知領域を説明する説明図である。 実施形態３の浴室装置のシステム構成を示すブロック図である。

符号の説明

Ａ 浴室装置
Ｂ 音声操作装置
Ｃ 浴室機器
Ｍ１〜Ｍｎ 音響モデル
ＭＣ マイク
１３ 領域検出部
１４ 音響モデル記憶部
１５ 音響モデル選択部
１６ 音声認識部
１７ 音声操作部
２４ 稼働状態検出部

Claims (3)

1. 浴室に設けられた浴室機器を操作するための音声操作装置であって、
   前記浴室に設けられた音声検出部と、
   前記浴室内で話者がいる領域を検出する領域検出部と、
   前記浴室内で話者がいる領域に応じて話者の音声の反響状態が異なることを想定して複数用意され、異なる反響状態をそれぞれ想定した複数の音響モデルを記憶する音響モデル記憶部と、
   前記領域検出部による検出領域をもとに、前記話者がいる領域での音声の反響状態に近い音響モデルを、前記音響モデル記憶部に記憶された複数の音響モデルから選択する音響モデル選択部と、
   前記音響モデル選択部により選択された音響モデルを用いて前記音声検出部が検出した音声の内容を認識する音声認識部と、
   前記音声認識部により認識された音声の内容にしたがって対応する前記浴室機器を操作する音声操作部とを備えることを特徴とする音声操作装置。
2. 前記話者の顔が向いている方向を検出する方向検出部を設け、前記音響モデル選択部は、前記領域検出部による検出領域と、前記方向検出部による検出方向とをもとに、前記話者が発する声の残響状態に対応する音響モデルを選択することを特徴とする請求項１記載の音声操作装置。
3. 前記浴室機器を複数備えるとともに、前記各浴室機器の稼働状態を検出する稼働状態検出部を設け、前記領域検出部は、前記稼働状態検出部により検出された稼働中の前記浴室機器を使用する場合の予想位置を話者の居る領域として検出することを特徴とする請求項１又は２記載の音声操作装置。

Images