JP4941895B2 - 音データ付き画像記録装置及びプログラム - Google Patents

Description

本発明は、音データ付き画像記録装置及びプログラムに関し、詳しくは、録音手段で集音した音データと画像とを対応付けして記録する、たとえば、ビデオカメラやデジタルカメラに適用できる音データ付き画像記録装置及びプログラムに関する。

音データ付き画像の記録に関する従来技術としては、たとえば、下記の特許文献１に記載された「撮影装置及び撮影方法」などが知られている。この従来技術では、録画開始ボタンの操作から録画終了ボタンの操作までの間、撮影画像と音データをバッファメモリに展開し続け、録画終了ボタン操作に応答して、それらの撮影画像と音データを用いて音データ付き画像ファイルを生成しメモリに記録している。

これによれば、たとえば、公園などで遊ぶ自分の子供の様子を音データ付き画像で記録する場合には、注目被写体（この場合、自分の子供）にカメラのレンズを向けて構え、必要であればレンズの倍率（ズーム比）を調節し、しかる後、録画ボタンを操作して録画を開始し、必要なシーンを撮り終えたと判断したときに、録画終了ボタンを操作して録画を終了することにより、録画の開始から終了までの間の音データ付き画像ファイルを磁気テープやメモリ等に保存することができる。

特開２００６−３１４１３６号公報

しかしながら、前記の従来技術は、単に音データ付き画像ファイルを生成してメモリに記録するだけの技術を開示しているに過ぎず、録音の集音範囲を特定条件に応じて変更することはできなかった。

そこで、本発明の目的は、録音の集音範囲を特定条件に応じて変更することにより、良好な録音ができる音データ付き画像記録装置及びプログラムを提供することにある。

本発明による音データ付き画像記録装置またはその制御プログラムは、被写体を撮像する撮像手段と、複数の異なる位置に設置された複数の録音装置であって、画像により各々の録音装置を識別可能な識別情報が付加された複数の録音装置から取得した音データの記録を行う録音手段と、複数の被写体の各々から発せられる複数の音データのうち、撮影または録音の対象となる注目被写体から発せられる音データを前記録音手段により選択的に記録させる録音対象制御手段と、前記撮像手段により撮像された撮影画像内より前記複数の被写体を検出し、この検出結果に応じて前記注目被写体を特定するとともに、前記撮像手段により撮像された撮影画像内における前記識別情報の位置を特定する特定手段と、を備え、前記録音対象制御手段は、前記特定手段により特定された注目被写体の近くに設置されている録音装置を、前記特定手段により特定された識別情報の位置に応じて選択して記録させることを特徴とする。
また、他の態様による音データ付き画像記録装置またはその制御プログラムは、被写体を撮像する撮像手段と、複数の異なる位置に設置された複数の録音装置であって、各々が自己を識別可能な所定形態で音データを送信する複数の録音装置からなる録音手段と、前記撮像手段により撮像された撮影画像に基づく画像認識処理によって、音を発する複数の被写体の中から録音対象となる音を発する注目被写体の位置を特定する被写体特定手段と、前記被写体特定手段により特定された注目被写体の近くに設置されている録音装置を特定する録音装置特定手段と、前記録音装置特定手段により特定された録音装置から送信されてくる音データを、前記録音手段に含まれる複数の録音装置の各々から送信されてくる音データの前記所定形態に基づいて選択して記録させる録音制御手段と、を備えたことを特徴とする。
また、他の態様による音データ付き画像記録装置またはその制御プログラムは、被写体を撮像する撮像手段と、複数の異なる位置に設置された複数の録音装置であって、各々が自己を識別可能な所定形態で音データを送信する複数の録音装置からなる録音手段と、前記撮像手段の撮影位置または撮影方向を特定する撮影状態特定手段と、前記撮影方向特定手段により特定された撮影位置または撮影方向に設置されている録音装置を特定する録音装置特定手段と、前記録音装置特定手段により特定された録音装置から送信されてくる音データを、前記録音手段に含まれる複数の録音装置の各々から送信されてくる音データの前記所定形態に基づいて選択して記録させる録音制御手段と、を備えたことを特徴とする。
また、他の態様による音データ付き画像記録装置またはその制御プログラムは、被写体を撮像する撮像手段と、複数の異なる位置に設置された複数の録音装置からなる録音手段と、前記撮像手段により撮像された撮影画像に基づく画像認識処理によって、録音対象となる音を発する注目被写体の位置を特定する被写体特定手段と、前記撮像手段により撮像された撮影画像に基づく画像認識処理によって、前記被写体特定手段により特定された注目被写体の近くに設置されている録音装置を特定する録音装置特定手段と、前記録音手段に含まれる複数の録音装置の中から前記録音装置特定手段により特定された録音装置を選択して記録させる録音制御手段と、を備えたことを特徴とする。
また、他の態様による音データ付き画像記録装置またはその制御プログラムは、被写体を撮像する撮像手段と、音データの録音を行う録音手段と、前記撮像手段の画角を変化させる画角変更手段と、前記画角変更手段により変化する画角に対応させて前記録音手段の集音範囲を変化させる集音範囲制御手段と、を備え、前記録音手段は、各々が異なる集音範囲を持つ複数の録音装置から音データを選択的に取得して録音し、前記集音範囲制御手段は、前記画角の変化に応じて前記録音手段により音データを取得させる複数の録音装置の組み合わせを変化させることを特徴とする。

本発明によれば、複数の被写体の各々から発せられる複数の音声データのうち、撮影画像内の被写体から発せられる音声データを、複数の異なる位置に設置された複数の録音装置から選択的に音声データを取得して記録させることにより、良好な録音ができる。

以下、本発明の実施形態を、音データ付きの画像撮影機能を備えた撮像装置、たとえば、デジタルカメラへの適用を例にして、図面を参照しながら説明する。なお、以下の説明における様々な細部の特定ないし実例および数値や文字列その他の記号の例示は、本発明の思想を明瞭にするための、あくまでも参考であって、それらのすべてまたは一部によって本発明の思想が限定されないことは明らかである。また、周知の手法、周知の手順、周知のアーキテクチャおよび周知の回路構成等（以下「周知事項」）についてはその細部にわたる説明を避けるが、これも説明を簡潔にするためであって、これら周知事項のすべてまたは一部を意図的に排除するものではない。かかる周知事項は本発明の出願時点で当業者の知り得るところであるので、以下の説明に当然含まれている。

＜第１実施形態＞
図１は、第１実施形態に係る音データ付きの画像撮影機能を備えたデジタルカメラ１００の概略構成を示すブロック図である。デジタルカメラ１００は、撮影レンズ部１０１と、ＣＣＤやＣＭＯＳ等の撮像素子１０２と、中央処理部１０３とを有している。中央処理部１０３は、画像データの圧縮・伸張、音データの処理を含む各種のデジタル信号処理機能を有するとともにデジタルカメラ１００の各部を制御するワンチップマイクロコンピュータ（以下、単にマイコン又はコンピュータという。）である。

撮影レンズ部１０１は、可変焦点（いわゆるズーム）機構付のものであり、中央処理部１０３からの制御を受けた画角変更駆動部１０４によって広角（ワイド）と望遠（テレ）との間のズーム比を任意に変更し、そのズーム比に対応した撮影画角（以下、単に画角αという。）に調節することができるものである。すなわち、ズーム比をワイド側に変更した場合は、画角αが大きく（広く）なり、テレ側に変更した場合は、画角αが小さく（狭く）なるものである。なお、ズーム機構は、光学的なズームはもちろん電子的なズーム機構であってもよい。

中央処理部１０３には、撮像素子１０２を駆動するＴＧ（Ｔｉｍｉｎｇ Ｇｅｎｅｒａｔｏｒ）１０５が接続されており、ＴＧ１０５には、撮像素子１０２から出力される被写体の光学像に応じたアナログの撮像信号が入力する画像処理部１０６が接続されている。画像処理部１０６は、撮像素子１０２から出力される撮像信号を相関二重サンプリングして保持するＣＤＳ（Ｃｏｒｒｅｌａｔｅｄ Ｄｏｕｂｌｅ Ｓａｍｐｌｉｎｇ）回路、その撮像信号を増幅するゲイン調整アンプ（ＡＧＣ）、増幅後の撮像信号をデジタル信号に変換するＡ／Ｄ変換器（ＡＤ）などから構成されており、撮像素子１０２の出力信号は画像処理部１０６を経てデジタル信号として中央処理部１０３に送られる。

中央処理部１０３には、操作部１０７、表示装置１０８、音声処理部１０９が接続されるとともに、アドレス・データバス１１０を介してＤＲＡＭ１１１、内蔵フラッシュメモリ１１２、カード・インターフェイス１１３が接続されており、カード・インターフェイス１１３には、デジタルカメラ１００の本体に設けられた図示しないスロットに装着された着脱自在なメモリ・カード１１４が接続されている。

操作部１０７はシャッタボタン１０７ａや、音データ付きの画像撮影に使用する録画開始ボタン１０７ｂ及び録画終了ボタン１０７ｃ、ズームボタン１０７ｄ、その他のボタン（電源キーやＭＥＮＵキー等）を含み、ユーザによるキー操作に応じたボタン入力信号を中央処理部１０３に出力する。表示装置１０８はカラーＬＣＤとその駆動回路とを含み、撮影待機状態にあるときには撮像素子１０２によって撮像された被写体画像をスルー画像（構図確認用のファインダ画像）として表示し、記録画像の再生時には保存用メモリであるメモリ・カード１１４から読み出され伸張された記録画像（静止画又は動画）を表示する。

音声処理部１０９は、アンプ、Ａ／Ｄ変換器、内蔵スピーカー、Ｄ／Ａ変換器等を含み、音データ付きの静止画又は動画の撮影時には、マイク１１５に入力した音をデジタル信号に変換して中央処理部１０３へ送る。中央処理部１０３へ送られた音データはＤＲＡＭ１１１に順次蓄積され、最終的には、中央処理部１０３によって生成された画像データと共にメモリ・カード１１４に記録される。また、音声処理部１０９は、音データ付きの静止画又は動画の再生時には、各画像に付属する音データを再生して内蔵スピーカから音響出力する。また、必要に応じ、内蔵スピーカーにより各種の報知音を放音する。

ＤＲＡＭ１１１は、撮像素子１０２により撮像された後、デジタル化された被写体の画像データ等を一時記憶するバッファメモリであるとともに、中央処理部１０３のワーキングメモリとしても使用される。内蔵フラッシュメモリ１１２には、中央処理部１０３による各部の制御に必要な制御プログラム、すなわちＡＦ（オートフォーカス制御）やＡＥ（自動露出制御）等を含む各種の制御に必要なプログラム、及び各制御に必要なデータが記憶されている。

マイク１１５は、詳細には集音範囲可変機構付のものであり、中央処理部１０３からの制御を受けた集音範囲変更駆動部１１６によって、集音範囲βを広くしたり狭くしたりすることができるものである。ここで、“集音範囲”とは、そのマイクで集音することができる音の到来方向の範囲のことをいい、マイクの指向方向を中心とした上下左右のある範囲のことをいう。マイク１１５の集音範囲βは、集音範囲変更駆動部１１６を経由した中央処理部１０３からの制御により、任意に変更すること（βを大きくしたり、小さくしたりすること）ができるものである。

図２は、第１実施形態のマイク１１５に使用することができる集音範囲可変機構付マイクの一例構造図である。マイク１１５の集音範囲βは、（ａ）に示すように、マイク１１５に対する音響到来方向（図では簡単化のために三つの方向ａ〜ｃで代表する。）ごとの音響出力レベルを同一レベルで結んだ線図の拡がり角度で与えられる。集音範囲可変とは、このβが可変であることを意味する。

集音範囲可変機構付マイクの実例としては様々なものが知られているが、ここではそのうちの二つのものを例示する。たとえば、（ｂ）は、振動板１１８が取り付けられたケース１１９の後ろ側に音響迷路（ラビリンス）と呼ばれる複数の穴１２０を形成し、この穴１２０を閉鎖機構１２１によって選択的に閉鎖することにより、集音範囲βを可変とするものである。この場合、振動板１１８やケース１１９及び音響迷路（複数の穴１２０）は図１のマイク１１５に相当し、閉鎖機構１２１は図１の集音範囲変更駆動部１１６に相当する。この（ｂ）の集音範囲可変機構付マイクを第１実施形態のマイク１１５として使用する場合、マイクから取り出された音響出力信号Ｓ１を図１の音声処理部１０９に入力すると共に、中央処理部１０３からの集音範囲制御信号Ｓ２を閉鎖機構１２１に入力すればよい。

また、（ｃ）は、単一指向性の二つのマイクユニット１２２、１２３を背中合わせに配置し、それら二つのマイクユニット１２２、１２３からの音響出力信号Ｓ３、Ｓ４を音声合成部１２４によって任意の比率で合成することにより、集音範囲βを可変とするものである。この場合、二つのマイクユニット１２２、１２３は図１のマイク１１５に相当し、音声合成部１２４は図１の集音範囲変更駆動部１１６に相当する。この（ｃ）の集音範囲可変機構付マイクを第１実施形態のマイク１１５として使用する場合、音声合成部１２４から取り出された音響出力信号Ｓ５を図１の音声処理部１０９に入力すると共に、中央処理部１０３からの集音範囲制御信号Ｓ２を音声合成部１２４に入力すればよい。

次に、以上の構成からなるデジタルカメラ１００における動作を説明する。
図３は、中央処理部１０３で実行される音データ付き画像記録処理の手順を示す図である。

この図において、まず、音データ付き画像記録であるか否かを判定し（ステップＳ１）、判定結果が否（ＮＯ）であれば、静止画記録又は音データ無し動画記録或いは記録済み静止画や動画の再生、若しくは、メニュー処理等のその他の処理であると判断して、それらの処理に分岐（ステップＳ２）する一方、音データ付き画像記録である場合には、以下の処理を逐次に実行する。

すなわち、撮影レンズ部１０１の現在の画角α（ズーム比）を取得し（ステップＳ３）、次いで、マイク１１５の集音範囲βを上記の画角αに対応させて変更する。ここで、“画角αに対応させて”とは、少なくとも、ファインダ内の被写体の音を集音し、且つ、ファインダから外れた被写体の音を集音しないように、マイク１１５の集音範囲βを適切に可変設定することをいう。なお、“音を集音しない”とは、理想的には集音レベル０のことを意味するが、これに限定されず、たとえば、人間の耳に知覚し得ない小さなレベル、あるいは、知覚し得たとしてもファインダ内の被写体の音と区別できる程度の抑制されたレベルであってもよい。

図４は、集音範囲βと画角αとの対応関係を示す図である。この図において、小さな横長矩形１２５は、撮影レンズ部１０１のズーム比をテレ端にしたときのファインダ画面（表示装置１０８のモニタ画面）を表しており、大きな横長矩形１２６は、撮影レンズ部１０１のズーム比をワイド端にしたときのファインダ画面（表示装置１０８のモニタ画面）を表している。以下、小さな横長矩形１２５を「テレ端ファインダ画面１２５」といい、大きな横長矩形１２６を「ワイド端ファインダ画面１２６」ということにする。

テレ端ファインダ画面１２５の各コーナに接して描かれている二重の円１２７、１２８は、それぞれテレ端における集音範囲βと画角αの関係を模式的に表しており、また、ワイド端ファインダ画面１２６の各コーナに接して描かれている二重の円１２９、１３０は、それぞれワイド端における集音範囲βと画角αの関係を模式的に表している。前記において、「マイク１１５の集音範囲βを上記の画角αに対応させて変更する」とは、この図のように、撮影レンズ部１０１をテレ端にした場合に、そのテレ端の画角α（円１２７）とほぼ一致させるようにマイク１１５の集音範囲β（円１２８）を設定し、また、撮影レンズ部１０１をワイド端にした場合に、そのワイド端の画角α（円１２９）とほぼ一致させるようにマイク１１５の集音範囲β（円１３０）を設定することを意味する。

ただし、これらの円１２７、１２８、１２９、１３０は、「マイク１１５の集音範囲βを上記の画角αに対応させて変更する」ことを概念的に表したものに過ぎず、この定義（円１２７と１２８の大きさをほぼ一致させ、また、円１２９と１３０の大きさをほぼ一致させる）から発明の外縁を把握してはならない。これは、集音範囲βと画角αは互いに異なる物理量（一方は“音”、他方は“画像”）に属するからであり、両者を同一のスケールで対比できないからである。実際には、たとえば、多方向からの音をマイク１１５で集音しつつ、ファインダを覗きながら、各々のズーム比（画角α）ごとに、ファインダ外の音を抑制できる適切な集音範囲βを試行錯誤的に調べていけばよい。

再び図３に戻り、ステップＳ４で「マイク１１５の集音範囲βを上記の画角αに対応させて変更する」と、次に、表示装置１０８にスルー画像を表示する（ステップＳ５）。ユーザは、このスルー画像を見ながら構図を調節し、また、必要であれば、操作部１０７のズームボタン１０７ｃを操作して所要のズーム比（画角α）に設定する。この間、操作部１０７の録画開始ボタン１０７ａは押されておらず、したがって、図３のステップＳ５の判定結果が“ＮＯ”となって、以上のステップＳ１〜ステップＳ５を繰り返す。

所望の構図及び所望のズーム比が得られた場合、ユーザは操作部１０７の録画開始ボタン１０７ａを操作する。このため、ステップＳ５の判定結果が“ＹＥＳ”となり、マイク１１５で集音した集音範囲βの音データをＤＲＡＭ１１１に一時記録する（ステップＳ６）と共に、撮像素子１０２で撮影した画角αの画像データをＤＲＡＭ１１１に一時記録する（ステップＳ７）。

そして、ユーザによって操作部１０７の録画終了ボタン１０７ｂが押されるまで、ステップＳ６とステップＳ７を繰り返し実行し、その間、所望シーンの音データと画像データがＤＲＡＭ１１１に一時記録され続ける。しかる後、所望シーンの記録完了時、すなわち、ユーザによって操作部１０７の録画終了ボタン１０７ｂが押され、図３のステップＳ５の判定結果が“ＹＥＳ”になると、次に、ＤＲＡＭ１１１に一時記録されていた音データと画像データとを合成して、音データ付き画像ファイルを生成し（ステップＳ９）、必要であれば、その音データ付き画像ファイルを圧縮（たとえば、ＭＰＥＧ形式のファイルに圧縮）し、その音データ付き画像ファイルを内蔵フラッシュメモリ１１２又はメモリ・カード１１４に保存（ステップＳ１０）した後、音データ付き画像記録処理を終了する。

以上のとおり、この第１実施形態によれば、音データ付き画像を記録する際に、マイク１１５の集音範囲βを撮影レンズ部１０１の画角αに対応して変更するので、表示装置１０８のスルー画像（すなわち、ファインダの画像）に含まれる被写体の音データだけを集音することができ、又は、スルー画像に含まれない被写体（ファインダの画像）の音と区別して（集音レベルに差を付けるなどして）集音することができる。したがって、記録された音データ付き画像ファイルには、ファインダ内の被写体（注目被写体）の音データが他の音データと区別可能な状態で含まれているから、その音データ付き画像ファイルの再生時に、注目被写体の音データに他の音データがかぶって聞き取りにくくなるという不都合を来すことがない。

たとえば、このことを図４を参照しながら説明すると、この図において、便宜的に示す三人の被写体１３１、１３２、１３３のうち、テレ端ファインダ画面１２５に入っているのは右側の被写体１３３であり、それ以外の被写体１３１、１３２は、このテレ端ファインダ画面１２５の外に位置しているから、この場合の注目被写体は被写体１３３である。また、ワイド端ファインダ画面１２６に入っているのは中央と右側の被写体１３２、１３３であり、それ以外の被写体１３１は、このワイド端ファインダ画面１２６の外に位置しているから、この場合の注目被写体は被写体１３２、１３３である。

テレ端ファインダ画面１２５のときの画角αは円１２７で示されており、同様に、テレ端ファインダ画面１２５のときのマイク１１５の集音範囲βは上記の円１２７とほぼ一致する大きさの円１２８で示されている。したがって、マイク１１５は円１２８の内側の音を感度よく集音するので、この場合、注目被写体である被写体１３３の音だけがマイク１１５で良好に集音され、他の被写体１３１、１３２の音は低感度、つまり、レベルゼロ又は大きく抑制されたレベルでマイク１１５で集音されることになる。

又は、ワイド端ファインダ画面１２６のときの画角αは円１２９で示されており、同様に、ワイド端ファインダ画面１２６のときのマイク１１５の集音範囲βは上記の円１２９とほぼ一致する大きさの円１３０で示されている。したがって、マイク１１５は円１３０の内側の音を感度よく集音するので、この場合、注目被写体である被写体１３２、１３３の音だけが良好にマイク１１５で集音され、他の被写体１３１の音は低感度、つまり、レベルゼロ又は大きく抑制されたレベルでマイク１１５で集音されることになる。

このように、第１実施形態においては、撮影レンズ部１０１の画角α（ズーム比）を変えると、その画角αに対応してマイク１１５の集音範囲βも変化するので、テレ端からワイド端までの間の如何なるズーム比においても、ファインダ内（つまり、撮影画角α内）の被写体の音を識別して画像と一緒に記録できる音データ付き画像記録装置を提供することができる。

なお、以上の第１実施形態では、ズーム機能付の撮影レンズ部１０１を例にしたが、これに限らない。固定焦点方式の撮影レンズ部１０１であってもよい。この場合、撮影レンズ部１０１の焦点距離から画角αを割り出し、その画角αに対応させてマイク１１５の集音範囲βを適切に設定すればよい。

また、図３では、撮影開始以後、マイクの集音範囲を撮影レンズの画角に対応させて変更する処理を停止しているが当然このようではなくともよく、撮影中であっても撮影レンズの画角が変更された場合に、マイクの集音範囲を変更するようにしてもよい。

また、ＡＦを行うときに取得する被写体までの距離を利用して、この距離に応じて録音音量を変更するように構成してもよい。また、被写体までの距離を取得するのは、ＡＦによらなくとも構わず、位相差センサや距離画像センサを別途搭載することにより、被写体までの距離を取得する構成としても構わない。

＜第２実施形態＞
図５は、第２実施形態に係る音データ付きの画像撮影機能を備えたデジタルカメラ２００の概略構成を示すブロック図である。なお、前記の第１実施形態のデジタルカメラ１００と共通する構成要素には同じ符号を付してその説明を省略する。このデジタルカメラ２００と、前記の第１実施形態のデジタルカメラ１００との相違は、第１実施形態のデジタルカメラ１００のマイク１１５と集音範囲変更駆動部１１６の代わりに単一指向性（又は超指向性）のマイク２０１を備えた点にある。

図６（ａ）は、マイク２０１の外観図である。マイク２０１は、マイク本体２０１ａとマイク指向方向駆動部２０１ｂとからなり、マイク指向方向駆動部２０１ｂは、中央処理部１０３からの制御を受けて、マイク本体２０１ａの指向方向（マイク感度の最も高い方向）を上下左右に任意に駆動する。したがって、このマイク２０１は単一指向性のために特定方向（マイク本体２０１ａの指向方向）の音だけを高感度で集音することができ、しかも、音を集音する方向をマイク指向方向駆動部２０１ｂによって上下左右に任意に駆動することができる。

なお、マイク２０１の構成は、図５や図６（ａ）で示すものに限定されない。たとえば、マイクアレイで構成されたものであってもよい。

図６（ｂ）は、マイク２０１の他の構成を示す図であり、アレイ方式のマイク２０２を示す図である。このマイク２０２は、複数のマイク２０３ａ〜２０３ｄからなるマイクアレイ２０３と、複数のマイク２０３ａ〜２０３ｄから出力された各音響出力信号を中央処理部１０３からの混合割合指示制御信号Ｓ６に従って混合し、音響信号Ｓ７として出力する混合回路２０４とを備えており、各音響出力信号の混合割合を変えることにより、指向方向を電子的に任意に変更することができるものである。このようなアレイ方式のマイク２０２を図５のマイク２０１の代わりに用いてもよい。このような構成によっても、音を集音する方向を上下左右に任意に変更することができる。

次に、以上の構成からなるデジタルカメラ２００における動作を説明する。
図７は、中央処理部１０３で実行される音データ付き画像記録処理の手順を示す要部図である。なお、この図は、先の図３のステップＳ１、ステップＳ３〜ステップＳ６に置き換わるものであり、図示を略したその他のステップ（ステップＳ２、ステップＳ７〜ステップＳ１１）については、適宜に図３を参照するものとする。

この図において、まず、音データ付き画像記録であることを判定（ステップＳ１の“ＹＥＳ”）すると、画像中の注目被写体の位置を特定する処理（以下、「注目被写体位置特定処理」という。）を実行し（ステップＳ１００）、次いで、その特定された位置にマイク２０１を向け（ステップ１０１）た後、図３と同様に、スルー画像を表示し（ステップＳ５）、録画開始であるか否かを判定する（ステップＳ６）。

図８は、注目被写体位置特定処理の手順を示す要部図である。この処理では、まず、スルー画像の中から人物の識別情報（ここでは顔データ）を抽出し（ステップＳ１００ａ）、次いで、抽出された顔データと予め内蔵フラッシュメモリ１１２に登録されている人物の顔データとを照合する（ステップＳ１００ｂ）。そして、照合一致を判定し（ステップＳ１００ｃ）、不一致であれば、全ての顔照合が完了したか否かを判定し（ステップＳ１００ｅ）、照合すべき顔データが残っていれば、再びステップＳ１００ａ以降を繰り返す一方、照合すべき顔データが残っていなければ、スルー画面の中央付近を仮の注目被写体位置として決定（ステップＳ１００ｆ）した後、図７のステップＳ１０１に進む。

他方、ステップＳ１００ｃで、抽出された顔データと予め内蔵フラッシュメモリ１１２に登録されている人物の顔データとの照合一致が判定された場合には、その人物の位置を注目被写体の位置として特定（ステップＳ１００ｄ）した後、図７のステップＳ１０１に進む。

図９は、図８の注目被写体位置特定処理の動作概念図である。この図において、スルー画像２０５（表示装置１０８の表示画像）には、複数の被写体、ここでは例として二人の被写体（人物２０６、２０７）が写っている。ステップＳ１００ａにおける顔データの抽出は、たとえば、肌色などの人物特有の色情報を手がかりにして、人物２０６、２０７の顔部分を認識し、その顔部分を顔データ２０６ａ、２０７ａとして抽出するものである。そして、ステップＳ１００ｂにおける顔の照合及びステップＳ１００ｃにおける照合一致の判定は、抽出された顔データ２０６ａ、２０７ａと予め内蔵フラッシュメモリ１１２に登録されている人物の顔データ２０８との類似度を評価して、一定以上の類似度を持つ顔データ２０６ａを照合一致と判定し、その顔データ２０６ａの位置を注目被写体の位置、つまり、マイク２０１を向ける位置として特定するというものである。あるいは、スルー画像２０５の中から人物の顔が抽出できなかった場合は、暫定的なマイク２０１の指向位置として、たとえば、スルー画像２０５の中央付近を仮の注目被写体位置として特定するというものである。

したがって、この第２実施形態によれば、スルー画像中に人物が含まれている場合に、その人物の顔と、予め登録されている人物の顔との一致を判定し、登録者の顔であれば、その人物を注目被写体と認定して、その注目被写体の方向にマイク２０１を向けることができるという作用が得られ、このマイク２０１は単一指向性（又超指向性）であるから、スルー画像の外側に位置する他の被写体の音をマイク２０１で集音しないことはもちろんのこと、仮に、スルー画像に複数の人物（図９の人物２０６、２０７参照）が写っていた場合であっても、注目被写体（登録者：図９の人物２０６）の音だけをマイク２０１で集音することができるという特有の効果が得られる。

さて、この第２実施形態では、スルー画像内の注目被写体の位置を特定することができ、この位置情報を利用して単一指向性のマイク２０１の向きを制御しているが、これに加えて、たとえば、その位置情報をステレオシステムやサラウンドシステム等の音場情報に利用してもよい。すなわち、ステレオシステムやサラウンドシステムでは、複数のチャンネルで音を録音し、それらのチャンネルを用いて左右（ステレオの場合）又は前後左右（サラウンドの場合）の音の拡がり（音場）を再現しているが、そのためには、たとえば、ステレオの場合であっても最低二つのマイクが必要になる。第２実施形態の“位置情報”を利用すれば、たとえば、ステレオの場合、一つのマイクで左右の音の拡がりを再現することが可能になる。

このことを図９を参照して説明する。この図において、注目被写体は人物２０６である。この人物２０６はスルー画像２０５の左寄りに位置しているので、ステレオで音場を再生する場合、この人物２０６の声が左寄り方向から聞こえてくるようにしなければならないが、第２実施形態の“位置情報”は人物２０６の位置を示しているのであるから、結局、音声再生時に左右のスピーカの出力割合をこの人物２０６の位置情報に応じて設定すればよい。つまり、人物２０６の位置情報に応じて左側のスピーカから聞こえる人物２０６の音を若干強めればよい。そのようにすると、一つのマイク２０１で注目被写体の位置に対応した音場を形成することができる。

なお、第２実施形態では、顔データの照合によって注目被写体の位置を特定しているが、これに限定されず、たとえば、以下の第３実施形態、第４実施形態のようにして、注目被写体の位置を特定してもよい。

また、図７（図３）では、撮影開始以後、マイクの集音方向を変更する処理を停止しているが当然このようではなくともよく、撮影中であっても注目被写体の位置が移動した場合にマイクの集音方向を変更するようにしてもよい。

また、ＡＦを行うときに取得する被写体までの距離を利用して、この距離に応じて録音音量を変更するように構成してもよい。また、被写体までの距離を取得するのは、ＡＦによらなくとも構わず、位相差センサや距離画像センサを別途搭載することにより、被写体までの距離を取得する構成としても構わない。

＜第３実施形態＞
図１０は、第３実施形態に係る音データ付きの画像撮影機能を備えたデジタルカメラ３００の概略構成を示すブロック図である。なお、前記の第１実施形態のデジタルカメラ１００と共通する構成要素には同じ符号を付してその説明を省略する。このデジタルカメラ３００と、前記の第１実施形態のデジタルカメラ１００との相違は、第１実施形態のデジタルカメラ１００のマイク１１５と集音範囲変更駆動部１１６の代わりに、ワイヤレス音声受信部３０１を備えると共に、中央処理部１０３の内部にハードウェア又はソフトウェアで構成された画角内ワイヤレスマイク認識部１０３ａを備えた点にある。

また、この第３実施形態では、複数の被写体にそれぞれ識別情報付きのワイヤレスマイクを持たせる必要がある。

図１１は、複数の被写体にそれぞれ持たせる識別情報付きのワイヤレスマイク３０２、３０３を示す図である。この図において、便宜的に示す二人の人物３０４、３０５は、前記の「複数の被写体」であり、たとえば、その内の一人（人物３０４）がスルー画像３０６（表示装置１０８の表示画像）に含まれ、他の一人（人物３０５）がスルー画像３０６から外れているものとする。ここで、二人の人物３０４、３０５の手に、それぞれ識別情報付きのワイヤレスマイク３０２、３０３が握られている。これらのワイヤレスマイク３０２、３０３は、いずれもアンテナ３０２ａ、３０３ａからワイヤレスで音声信号を出力できるハンドマイク３０２ｂ、３０３ｂと、このハンドマイク３０２ｂ、３０３ｂに取り付けられたプレート３０２ｃ、３０３ｃと、このプレート３０２ｃ、３０３ｃに貼着又は印刷若しくは刻印された識別情報３０２ｄ、３０３ｄとを備える。

識別情報とは、ワイヤレスマイク３０２、３０３を特定できると共に、スルー画像内の他の情報と区別できる特異な可視情報であり、たとえば、バーコード、ＱＲコード、特定の数字や文字又はそれらの列、特定の記号又はそれらの列、それらを混在したもの、或いは、図案や絵などとすることができる。なお、この図においては、説明の簡単化のために、スルー画像３０６内の人物３０４が手にしているワイヤレスマイク３０２の識別情報３０２ｄをアルファベット大文字の“Ａ”とし、スルー画像３０６外の人物３０５が手にしているワイヤレスマイク３０３の識別情報３０３ｄをアルファベット大文字の“Ｂ”とするものとする。

再び図１０に戻り、ワイヤレス音声受信部３０１は、図１１のワイヤレスマイク３０２、３０３からの音声信号を受信するアンテナ３０１ａと、このアンテナ３０１ａで受信された音声信号を再生して音声処理部１０９に出力する音声信号再生部３０１ｂとを備え、画角内ワイヤレスマイク認識部１０３ａは、スルー画像の中からワイヤレスマイクの識別情報を抽出し、その識別情報に基づいて、画角内に位置するワイヤレスマイクを特定するという処理を実行する。ここで、ワイヤレスマイク３０２、３０３からの音声信号は、それぞれ異なる周波数チャンネルで送信されるものとする。たとえば、ワイヤレスマイク３０２からの音声信号は第１の周波数チャネル、ワイヤレスマイク３０３からの音声信号は第２の周波数チャネルで送信されるものとする。また、音声信号再生部３０１ｂは、中央処理部１０３からの指令に従って特定の周波数チャネル（第１又は第２の周波数チャネル）の音声信号のみを再生して音声処理部１０９に出力することができるものとする。

次に、以上の構成からなるデジタルカメラ３００における動作を説明する。
なお、第３実施形態において、中央処理部１０３で実行される音データ付き画像記録処理の手順も、先の図７のものと概略同じであるが、第３実施形態では、複数の被写体（ここでは、図１１の人物３０４、３０５）にワイヤレスマイク３０２、３０３を持たせ、そのワイヤレスマイク３０２、３０３から送信された音声信号をデジタルカメラ３００のワイヤレス音声受信部３０１で選択的に再生して記録するようにし、これにより、マイクの指向処理（図７のステップＳ１０１）を必要としない点で相違する。なお、“選択的に再生”とは、撮影画角に入っているワイヤレスマイクから送信された音声信号のみを周波数チャネル選択によって択一的に再生することをいう。

図１２は、第３実施形態における注目被写体位置特定処理の手順を示す要部図である。この処理では、まず、スルー画像の中から識別情報（図１１の識別情報３０２ｄ又は３０３ｄ参照）を抽出し（ステップＳ２００ａ）、次いで、識別情報を抽出できたか否かを判定する（ステップＳ２００ｂ）。そして、抽出できなかった場合は、スルー画面の中央付近を仮の注目被写体位置として決定（ステップＳ２００ｄ）した後、図７のステップＳ１０６に進み、抽出できた場合は、その識別情報に基づいて、撮影画角内に位置するワイヤレスマイクの位置を注目被写体の位置として特定（ステップＳ２００ｃ）した後、図７のステップＳ１０６に進む。

ここで、注目被写体の位置特定について、図１１の例で具体的に説明すると、この例の場合、スルー画像３０６の中から抽出される識別情報は、人物３０４が手にしたワイヤレスマイク３０２の識別情報３０２ｄ（アルファベット大文字の“Ａ”）であるので、この識別情報（“Ａ”）を手がかりにして、撮影画角内に位置するワイヤレスマイクが、人物３０４が手にしたワイヤレスマイク３０２であることを認識することができ、そのワイヤレスマイク３０２の位置を注目被写体の位置として特定することができる。

したがって、この第３実施形態によれば、スルー画像中に識別情報（図１１の例では左側の人物２０４が持ったワイヤレスマイク３０２の識別情報３０２ｄ）が写っていた場合には、その識別情報３０２ｄに基づいて、画角内のワイヤレスマイク３０２の位置を注目被写体位置と特定して、その注目被写体位置からの音、つまり、ワイヤレスマイク３０２で集音した音（人物３０４の音）と動画とを対応付けして記録することができ、他の被写体の音（ワイヤレスマイク３０３で集音した人物３０５の音）を記録しない（又は抑制したレベルで記録する）という効果が得られる。

なお、被写体にワイヤレスマイク３０２、３０３を持たせた場合、そのワイヤレスマイク３０２、３０３から出力される音響信号レベルは、被写体までの距離に無関係に一定のレベルとなり、たとえば、遠くに位置する被写体の声が大きく記録されてしまい、再生時に違和感を生じることがある。これに対処するためには、何らかの手段で注目被写体（撮影画角内の被写体）までの距離を検出し、その距離に応じて音の記録レベルを変更するようにすればよい。そのような手段としては、たとえば、撮影レンズ部１０１のＡＦ（オートフォーカス）を利用することができる。ＡＦとは、遠くの被写体から近くの被写体まで自動的にピントを合わせる機構のことをいい、ピントが合った位置が、その被写体までのおおよその距離になるからである。

したがって、ワイヤレスマイク３０２又は３０３で集音した注目被写体の音レベルを、注目被写体までの距離に応じて調節することにより、近くの被写体の声を大きく、遠くの被写体の声を小さく記録することができ、再生時の違和感をなくして、より実際に即した音声記録を行うことができる。

また、ここでマイクは、ワイヤレスであるとしたが、当然有線式のものであっても構わない。

＜第４実施形態＞
図１３（ａ）は、第４実施形態に係る音データ付きの画像撮影機能を備えたデジタルカメラ４００の概略構成を示すブロック図である。なお、前記の第１実施形態のデジタルカメラ１００と共通する構成要素には同じ符号を付してその説明を省略する。このデジタルカメラ４００と、前記の第１実施形態のデジタルカメラ１００との相違は、第１実施形態のデジタルカメラ１００のマイク１１５と集音範囲変更駆動部１１６の代わりに、ＧＰＳ及びワイヤレス受信部４０１を備えた点にある。ＧＰＳ及びワイヤレス受信部４０１は、ＧＰＳアンテナ４０２と、不図示のＧＰＳ衛星からの信号を受信してデジタルカメラ４００の現在位置情報（以下、カメラ位置情報という。）を特定するＧＰＳ受信部４０３と、アンテナ４０４を介して後述のＧＰＳ機能付きのワイヤレスマイク５００からの情報（マイク位置情報と音声情報）を受信するワイヤレス受信部４０５とを備える。

図１３（ｂ）は、ＧＰＳ機能付きのワイヤレスマイク５００を示す図である。この図において、ワイヤレスマイク５００は、ＧＰＳアンテナ５０１を介し不図示のＧＰＳ衛星からの信号を受信してワイヤレスマイク５００の現在位置情報（以下、マイク位置情報という。）を特定するＧＰＳ受信部５０２と、マイク５０３と、このマイク５０３で集音した音を増幅する音声増幅部５０４と、マイク位置情報と音声情報とを一緒にしてアンテナ５０６から送信する送信部５０５とを備える。

図１４は、ワイヤレスマイク５００とデジタルカメラ４００の使用状態を示す図である。この図において、便宜的に示す二人の人物５０７、５０８は、「複数の被写体」であり、たとえば、その内の一人（人物５０７）がスルー画像５０９（表示装置１０８の表示画像）に含まれ、他の一人（人物５０８）がスルー画像５０９から外れているものとする。ここで、二人の人物５０７、５０８の手に、それぞれＧＰＳ機能付きのワイヤレスマイク５００が握られている。これら二人の人物５０７、５０８と、その人物５０７、５０８の一人（ここでは人物５０７）をファインダに捉えるように設置されたデジタルカメラ４００は、共に、ＧＰＳ衛星５１０からのＧＰＳ信号を受信できる場所に位置している。

後の説明からも明らかとなるが、第４実施形態においては、各々のワイヤレスマイク５００からデジタルカメラ４００に向けて、マイク位置情報と人物５０７、５０８の音声情報とが送信され、そして、このマイク位置情報とデジタルカメラ４００の位置情報（カメラ位置情報）とに基づいて、スルー画像内のマイク位置（注目被写体位置：図１４の例では人物５０７の位置）が特定され、その注目被写体位置からの音、つまり、人物５０７が手にしたワイヤレスマイク５００で集音した音（人物５０７の音）と動画とを対応付けして記録することができ、他の被写体の音（図１４の例では人物５０８の音）を記録しない（又は抑制したレベルで記録する）という作用が得られる。

次に、以上の構成からなるデジタルカメラ４００における動作を説明する。
図１５は、第４実施形態における注目被写体位置特定処理の手順を示す要部図である。この処理では、まず、ＧＰＳ情報（ＧＰＳによる方位等方向情報の取得については、たとえば、特開２００７−０２４６１７等を参照のこと）に基づいてカメラ位置（デジタルカメラ４００の位置）を特定し（ステップＳ３００ａ）、次いで、ＧＰＳ情報に基づいて特定されたマイク位置（人物５０７が手にしたワイヤレスマイク５００の位置と人物５０８が手にしたワイヤレスマイク５００の位置）の情報と音声情報とを受信する（ステップＳ３００ｂ）。

ここで、説明を簡便にするために、位置情報とは、座標情報だけではなくどの方向を向いているかを示す姿勢情報も含むものとする。そして、カメラ位置情報とマイク位置情報とに基づいて、デジタルカメラ４００から見た各ワイヤレスマイク５００の位置を特定する（ステップＳ３００ｃ）。そして、特定したマイク位置がスルー画像内に入っているか否かを判定し（ステップＳ３００ｄ）、入っていなかった場合は、スルー画面の中央付近を仮の注目被写体位置として決定（ステップＳ３００ｆ）した後、図７のステップＳ１０６に進み、入っていた場合は、そのマイク位置を注目被写体の位置として特定（ステップＳ３００ｅ）した後、図７のステップＳ１０６に進む。

したがって、この第４実施形態によれば、ＧＰＳ情報によって、複数の人物５０７、５０８が持っている各々のワイヤレスマイク５００の位置とデジタルカメラ４００の位置とを取得して、それらの位置関係からスルー画像内のワイヤレスマイク（図１４の例に従えば人物５０７が持っているワイヤレスマイク５００）の位置を特定し、そのマイク位置を注目被写体位置と認定して、その注目被写体位置からの音、つまり、撮影画角内の人物５０７が持っているワイヤレスマイク５００で集音した音（人物５０７の音）と動画とを対応付けして記録することができ、他の被写体の音（撮影画角外の人物５０８の音）を記録しない（又は抑制したレベルで記録する）という効果が得られる。

さらに、ＧＰＳ情報により、注目被写体までの距離も取得できるので、その距離情報に応じて音の録音レベルを制御（遠くの被写体の音を小さく、近くの被写体の音を大きく録音）すれば、前記の第３実施形態と同様に、再生時の違和感をなくして、より実際に即した音声記録を行うことができるというメリットも得られる。

また、ここでマイクは、ワイヤレスであるとしたが、当然有線式のものであっても構わない。

＜まとめ＞
以上、４つの実施形態（第１実施形態〜第４実施形態）を説明したが、これらをまとめると次のとおりになる。

まず、第１実施形態の特徴的事項は、撮影レンズ部１０１の画角αとマイク１１５の集音範囲βとを適切に設定した点にあり、これによって得られる効果は、画角α内の被写体の音と、画角α外の被写体の音との間に明確なレベル差を付けてマイク１１５で集音できることにある。

図１６は、第１実施形態の効果を具体的に説明する図である。この図において、第１実施形態によれば、ファインダ９００に捉えられている人物９０１の音を良好なレベルでマイク１１５（図１参照）で集音しつつ、ファインダ９００の外に位置する人物９０２、９０３の音についてはレベルゼロ又は抑制されたレベルでマイク１１５で集音することができ、その結果、注目被写体（この場合、人物９０１）の音と他の被写体（この場合、人物９０２、９０３）とを区別して記録できるようになり、再生時に、注目被写体の音に他の被写体の音がかぶって聞き取りにくくなるという不都合を解消することができるのである。

また、第２実施形態の特徴的事項は、登録済みの顔データとスルー画像中の顔データとを照合して注目被写体の位置を特定し、その注目被写体の位置に向けて単一指向性マイク２０１の向きを制御することにあり、これにより、注目被写体の音と他の被写体の音とを区別して記録することができるという特有の効果を奏するものである。加えて、この第２実施形態では、注目被写体の位置情報を、たとえば、ステレオシステムやサラウンドシステムに利用することにより、一つのマイクでそれらのステレオ効果やサラウンド効果が得られるというメリットも得られる。

また、第３実施形態の特徴的事項は、被写体に持たせたワイヤレスマイク３０２、３０３に識別情報３０２ｄ、３０３ｄを取り付けておき、この識別情報３０２ｄ、３０３ｄをカメラ側で認識して撮影画角内の被写体（注目被写体）の位置を特定することにあり、上記の第２実施形態と同様に、注目被写体の音と他の被写体の音とを区別して記録することができるという特有の効果を奏するものである。加えて、この第３実施形態では、たとえば、撮影レンズ部１０１の距離情報に応じて、ワイヤレスマイク３０２、３０３で集音した被写体の音レベルを調節することにより、近くの被写体の声を大きく、遠くの被写体の声を小さく記録することができ、再生時の違和感をなくして、より実際に即した音声記録を行うことができるというメリットも得られる。

また、第４実施形態の特徴的事項は、ＧＰＳ情報に基づいて被写体の位置とカメラの位置とを取得することにより、上記の第２実施形態と同様に、撮影画角内の被写体（注目被写体）の音と他の被写体の音とを区別して記録することができるという特有の効果を奏するものである。加えて、この第４実施形態でも、ＧＰＳ情報から得られた距離情報に応じて、マイクで集音した注目被写体の音レベルを調節することにより、近くの被写体の声を大きく、遠くの被写体の声を小さく記録することができ、再生時の違和感をなくして、より実際に即した音声記録を行うことができるというメリットも得られる。

本実施の形態の主要な機能は、マイクロコンピュータ（中央処理部１０３）を含むハードウェア資産と、内蔵フラッシュメモリ１１２に格納されたＯＳや各種プログラムなどのソフトウェア資産との有機的結合によって機能的に実現されるものであるが、ハードウェア資産およびＯＳは汎用のものを利用できるから、本発明にとって欠くことのできない必須の事項は、実質的に、前記の音データ付き画像記録処理プログラム（図３、図７参照）や、前記の注目被写体位置特定処理プログラム（図８、図１２、図１５参照）に集約されているということがいえる。したがって、本発明は、これらの処理プログラムのすべてまたはその要部、さらには、それらを格納した、フロッピー（登録商標）ディスク、ＭＯ、ＣＤ、ハードディスク、半導体メモリなどの記録媒体（それ自体が流通経路に乗るものはもちろん、ネットワーク上にあって記録内容だけを提供するものも含む）を包含するものである。

また、本実施の形態においては、動画データを撮影するものを記載したがこれに限らず、静止画を撮影すると共に、撮影画角を考慮した撮影時の音データをこの静止画と関連付けて保存するように構成してもよい。

また、本実施の形態においては、画角の変更に伴い、集音範囲を変更するものとしたが、これに限らず、集音範囲の変更に伴い、画角を変更するものとしても構わない。

第１実施形態に係る音データ付きの画像撮影機能を備えたデジタルカメラ１００の概略構成を示すブロック図である。 第１実施形態のマイク１１５に使用することができる集音範囲可変機構付マイクの一例構造図である。 中央処理部１０３で実行される音データ付き画像記録処理の手順を示す図である。 集音範囲βと画角αとの対応関係を示す図である。 第２実施形態に係る音データ付きの画像撮影機能を備えたデジタルカメラ２００の概略構成を示すブロック図である。 マイク２０１の外観図（ａ）及びマイク２０１の他の構成を示す図（ｂ）である。 中央処理部１０３で実行される音データ付き画像記録処理の手順を示す要部図である。 注目被写体位置特定処理の手順を示す要部図である。 図８の注目被写体位置特定処理の動作概念図である。 第３実施形態に係る音データ付きの画像撮影機能を備えたデジタルカメラ３００の概略構成を示すブロック図である。 複数の被写体にそれぞれ持たせる識別情報付きのワイヤレスマイク３０２、３０３を示す図である。 第３実施形態における注目被写体位置特定処理の手順を示す要部図である。 第４実施形態に係る音データ付きの画像撮影機能を備えたデジタルカメラ４００の概略構成を示すブロック図（ａ）及びＧＰＳ機能付きのワイヤレスマイク５００を示す図（ｂ）である。 ワイヤレスマイク５００とデジタルカメラ４００の使用状態を示す図である。 第４実施形態における注目被写体位置特定処理の手順を示す要部図である。 第１実施形態の効果を具体的に説明する図である。

符号の説明

α 画角
β 集音範囲（録音範囲）
１００ デジタルカメラ（音データ付き画像記録装置）
１０１ 撮影レンズ部（撮像手段）
１０２ 撮像素子（撮像手段）
１０３ 中央処理部（画角取得手段、集音範囲変更手段、集音範囲制御手段、コンピュータ、方向認識手段、認識手段、状態取得手段、距離取得手段、録音制御手段、位置認識手段）
１０３ａ 画角内ワイヤレスマイク認識部（認識手段）
１０４ 画角変更駆動部（画角変更手段）
１１５ マイク（録音手段）
１１６ 集音範囲変更駆動部（集音範囲変更手段、録音方向制御手段）
２００ デジタルカメラ（音データ付き画像記録装置）
２０１ｂ マイク指向方向駆動部（録音方向制御手段）
３０１ ワイヤレス音声受信部（受信手段）
３００ デジタルカメラ（音データ付き画像記録装置）
３０２ ワイヤレスマイク（録音手段）
３０２ｄ 識別情報
３０３ ワイヤレスマイク（録音手段）
３０３ｄ 識別情報
４００ デジタルカメラ（音データ付き画像記録装置）
４０１ ＧＰＳ及びワイヤレス受信部（受信手段）
４０３ ＧＰＳ受信部（受信手段）
５００ ワイヤレスマイク（録音手段）
５１０ ＧＰＳ衛星

Claims (25)

1. 被写体を撮像する撮像手段と、
   複数の異なる位置に設置された複数の録音装置であって、画像により各々の録音装置を識別可能な識別情報が付加された複数の録音装置から取得した音データの記録を行う録音手段と、
   複数の被写体の各々から発せられる複数の音データのうち、撮影または録音の対象となる注目被写体から発せられる音データを前記録音手段により選択的に記録させる録音対象制御手段と、
   前記撮像手段により撮像された撮影画像内より前記複数の被写体を検出し、この検出結果に応じて前記注目被写体を特定するとともに、前記撮像手段により撮像された撮影画像内における前記識別情報の位置を特定する特定手段と、
   を備え、
   前記録音対象制御手段は、前記特定手段により特定された注目被写体の近くに設置されている録音装置を、前記特定手段により特定された識別情報の位置に応じて選択して記録させることを特徴とする音データ付き画像記録装置。
2. 前記複数の被写体は複数の人物であり、
   前記特定手段は、前記複数の人物の中で、前記撮影画像内に検出された人物を前記注目被写体として特定することを特徴とする請求項１記載の音データ付き画像記録装置。
3. 前記特定手段は、前記撮影画像内に検出された複数の人物の中で、予め指定された人物を前記注目被写体として特定することを特徴とする請求項２記載の音データ付き画像記録装置。
4. 人物の顔の特徴を示す顔情報を登録する顔情報登録手段を更に備え、
   前記特定手段は、前記撮影画像内に検出された複数の人物の中で、前記顔情報登録手段に顔情報が登録されている人物を前記注目被写体として特定することを特徴とする請求項３記載の音データ付き画像記録装置。
5. 前記録音手段は、録音方向を変化させることが可能であり、
   前記特定手段は、前記撮影画像内における前記注目被写体の位置を更に特定し、
   前記録音対象制御手段は、前記特定手段により特定された注目被写体の撮影画像内における位置に応じて、前記録音手段の録音方向を変化させることを特徴とする請求項１乃至４のいずれか記載の音データ付き画像記録装置。
6. 被写体までの距離を測定する測定手段を更に備え、
   前記録音手段は、前記撮像手段と同じ位置に設けられ、
   前記録音対象制御手段は、前記測定手段により測定された被写体までの距離に応じて前記録音手段の録音音量を変化させることを特徴とする請求項５記載の音データ付き画像記録装置。
7. 前記録音対象制御手段は、前記複数の録音装置の中で、前記特定手段により特定された注目被写体に最も近く設置されている録音装置を選択して記録を行うことを特徴とする請求項１乃至６のいずれかに記載の音データ付き画像記録装置。
8. 前記録音手段は、複数の異なる位置に設置された複数の録音装置の各々で録音された音データを受信する受信手段を備えることを特徴とする請求項１乃至７のいずれかに記載の音データ付き画像記録装置。
9. 被写体を撮像する撮像手段と、
   複数の異なる位置に設置された複数の録音装置であって、各々が自己を識別可能な所定形態で音データを送信する複数の録音装置からなる録音手段と、
   前記撮像手段により撮像された撮影画像に基づく画像認識処理によって、音を発する複数の被写体の中から録音対象となる音を発する注目被写体の位置を特定する被写体特定手段と、
   前記被写体特定手段により特定された注目被写体の近くに設置されている録音装置を特定する録音装置特定手段と、
   前記録音装置特定手段により特定された録音装置から送信されてくる音データを、前記録音手段に含まれる複数の録音装置の各々から送信されてくる音データの前記所定形態に基づいて選択して記録させる録音制御手段と、
   を備えたことを特徴とする音データ付き画像記録装置。
10. 前記注目被写体までの距離を測定する測定手段を更に備え、
    前記録音対象制御手段は、前記測定手段により測定された注目被写体までの距離に応じて前記録音手段の録音音量を変化させることを特徴とする請求項９記載の音データ付き画像記録装置。
11. 前記録音対象制御手段は、前記注目被写体までの距離が近いほど前記録音手段の録音音量が大きくなるように録音音量を制御することを特徴とする請求項１０記載の音データ付き画像記録装置。
12. 被写体を撮像する撮像手段と、
    複数の異なる位置に設置された複数の録音装置であって、各々が自己を識別可能な所定形態で音データを送信する複数の録音装置からなる録音手段と、
    前記撮像手段の撮影位置または撮影方向を特定する撮影状態特定手段と、
    前記撮影方向特定手段により特定された撮影位置または撮影方向に設置されている録音装置を特定する録音装置特定手段と、
    前記録音装置特定手段により特定された録音装置から送信されてくる音データを、前記録音手段に含まれる複数の録音装置の各々から送信されてくる音データの前記所定形態に基づいて選択して記録させる録音制御手段と、
    を備えたことを特徴とする音データ付き画像記録装置。
13. 前記撮影状態特定手段は、前記撮像手段の位置を特定し、
    前記録音装置特定手段は、前記撮影状態特定手段により特定される前記撮像手段の位置情報と、前記録音位置特定手段により特定される各々の録音装置の位置情報とに応じて録音装置を選択することを特徴とする請求項１２記載の音データ付き画像記録装置。
14. 前記撮影状態特定手段は、前記撮像手段の撮像方向を特定し、
    前記録音対象制御手段は、前記撮影状態特定手段により特定される前記撮像手段の位置情報および撮像方向と、前記録音位置特定手段により特定される各々の録音装置の位置情報とに応じて録音装置を選択することを特徴とする請求項１３記載の音データ付き画像記録装置。
15. 被写体を撮像する撮像手段と、
    複数の異なる位置に設置された複数の録音装置からなる録音手段と、
    前記撮像手段により撮像された撮影画像に基づく画像認識処理によって、録音対象となる音を発する注目被写体の位置を特定する被写体特定手段と、
    前記撮像手段により撮像された撮影画像に基づく画像認識処理によって、前記被写体特定手段により特定された注目被写体の近くに設置されている録音装置を特定する録音装置特定手段と、
    前記録音手段に含まれる複数の録音装置の中から前記録音装置特定手段により特定された録音装置を選択して記録させる録音制御手段と、
    を備えたことを特徴とする音データ付き画像記録装置。
16. 前記被写体特定手段は、前記撮像手段により撮像された撮影画像に基づく画像認識処理によって、音を発する複数の被写体の中から録音対象となる音を発する注目被写体を選択し、この選択された注目被写体の位置を特定し、
    前記録音制御手段は、前記録音手段に含まれる複数の録音装置の中から録音に用いる録音装置を選択することで、複数の被写体から発せられる複数の音うち、前記注目被写体から発せられる音を選択的に記録させることを特徴とする請求項１５記載の音データ付き画像記録装置。
17. 前記複数の録音装置の各々には、画像認識処理により各々の録音装置を識別可能な識別情報が付加されており、
    前記録音装置特定手段は、前記撮像手段により撮像された撮影画像に基づく画像認識処理によって、撮影画像内における前記識別情報の位置を特定し、この識別情報の位置に基づいて前記注目被写体の近くに設置されている録音装置を特定することを特徴とする請求項１５または１６に記載の音データ付き画像記録装置。
18. 被写体を撮像する撮像手段と、
    音データの録音を行う録音手段と、
    前記撮像手段の画角を変化させる画角変更手段と、
    前記画角変更手段により変化する画角に対応させて前記録音手段の集音範囲を変化させる集音範囲制御手段と、
    を備え、
    前記録音手段は、各々が異なる集音範囲を持つ複数の録音装置から音データを選択的に取得して録音し、
    前記集音範囲制御手段は、前記画角の変化に応じて前記録音手段により音データを取得させる複数の録音装置の組み合わせを変化させることを特徴とする音データ付き画像記録装置。
19. 前記集音範囲制御手段は、前記録音手段により音データを取得させる各録音装置の集音範囲を合わせた全体の集音範囲が前記画角に対応する集音範囲となるように、複数の録音装置の組み合わせを変化させることを特徴とする請求項１８記載の音データ付き画像記録装置。
20. 前記複数の録音装置の現在位置を取得する録音位置取得手段と、
    自身の現在位置と方向の情報を取得する状態取得手段と、
    前記録音位置取得手段によって取得された複数の録音装置の現在位置と、前記状態取得手段によって取得された自身の前記現在位置と方向の情報と、前記撮像手段の画角と、に基づいて、前記撮像手段の画角内に位置する録音装置を認識する認識手段とを更に備え、
    前記集音範囲制御手段は、前記認識手段により認識された録音装置を選択して前記録音手段により音データを取得させるように、前記認識手段による認識結果に応じて複数の録音装置の組み合わせを変化させることを特徴とする請求項１９記載の音データ付き画像記録装置。
21. コンピュータを、
    被写体を撮像する撮像手段と、
    複数の異なる位置に設置された複数の録音装置であって、画像により各々の録音装置を識別可能な識別情報が付加された複数の録音装置から取得した音データの記録を行う録音手段と、
    複数の被写体の各々から発せられる複数の音データのうち、撮影または録音の対象となる注目被写体から発せられる音データを前記録音手段により選択的に録音させる録音対象制御手段と、
    前記撮像手段により撮像された撮影画像内より前記複数の被写体を検出し、この検出結果に応じて前記注目被写体を特定するとともに、前記撮像手段により撮像された撮影画像内における前記識別情報の位置を特定する特定手段と、
    して機能させるためのプログラムであって、
    前記録音対象制御手段は、前記特定手段により特定された注目被写体の近くに設置されている録音装置を、前記特定手段により特定された識別情報の位置に応じて選択して記録させることを特徴とするプログラム。
22. コンピュータを、
    被写体を撮像する撮像手段と、
    複数の異なる位置に設置された複数の録音装置であって、各々が自己を識別可能な所定形態で音データを送信する複数の録音装置からなる録音手段と、
    前記撮像手段により撮像された撮影画像に基づく画像認識処理によって、音を発する複数の被写体の中から録音対象となる音を発する注目被写体の位置を特定する被写体特定手段と、
    前記被写体特定手段により特定された注目被写体の近くに設置されている録音装置を特定する録音装置特定手段と、
    前記録音装置特定手段により特定された録音装置から送信されてくる音データを、前記録音手段に含まれる複数の録音装置の各々から送信されてくる音データの前記所定形態に基づいて選択して記録させる録音制御手段と、
    して機能させるためのプログラム。
23. コンピュータを、
    被写体を撮像する撮像手段と、
    複数の異なる位置に設置された複数の録音装置であって、各々が自己を識別可能な所定形態で音データを送信する複数の録音装置からなる録音手段と、
    前記撮像手段の撮影位置または撮影方向を特定する撮影方向特定手段と、
    前記撮影方向特定手段により特定された撮影位置または撮影方向に設置されている録音装置を特定する録音装置特定手段と、
    前記録音装置特定手段により特定された録音装置から送信されてくる音データを、前記録音手段に含まれる複数の録音装置の各々から送信されてくる音データの前記所定形態に基づいて選択して記録させる録音制御手段と、
    して機能させるためのプログラム。
24. コンピュータを、
    被写体を撮像する撮像手段と、
    複数の異なる位置に設置された複数の録音装置からなる録音手段と、
    前記撮像手段により撮像された撮影画像に基づく画像認識処理によって、録音対象となる音を発する注目被写体の位置を特定する被写体特定手段と、
    前記撮像手段により撮像された撮影画像に基づく画像認識処理によって、前記被写体特定手段により特定された注目被写体の近くに設置されている録音装置を特定する録音装置特定手段と、
    前記録音手段に含まれる複数の録音装置の中から前記録音装置特定手段により特定された録音装置を選択して記録させる録音制御手段と、
    して機能させるためのプログラム。
25. コンピュータを、
    被写体を撮像する撮像手段と、
    音データの録音を行う録音手段と、
    前記撮像手段の画角を変化させる画角変更手段と、
    前記画角変更手段により変化する画角に対応させて前記録音手段の集音範囲を変化させる集音範囲制御手段と、
    して機能させるためのプログラムであって、
    前記録音手段は、各々が異なる集音範囲を持つ複数の録音装置から音データを選択的に取得して記録し、
    前記集音範囲制御手段は、前記画角の変化に応じて前記録音手段により音データを取得させる複数の録音装置の組み合わせを変化させることを特徴とするプログラム。
    

Images