JP5353854B2 - 遠隔会議装置 - Google Patents

Description

本発明は、複数の拠点にそれぞれ配設されて、各拠点間でネットワークを介して実行される遠隔会議に用いられる遠隔会議装置に関する。

従来、ユーザの画像や音声を入出力可能な会議端末を各拠点に設置し、各拠点のユーザの画像や音声が会議端末で合成出力される遠隔会議システムが知られている。このような遠隔会議システムにおいて、会議テーブルと会議参加者との距離に応じて、会議テーブルに設けられた複数のマイクロホンを自動的に切り換えるマイクロホン自動切換装置が知られている（例えば、特許文献１参照）。

特開昭５７−１１９５９５号公報

近年では、会議端末がユーザの音声を取得するためのマイクとして、従来の有線マイクと併せて、無線マイクも使用される場合がある。この場合、例えば無線マイクを身に付けたユーザが有線マイクに近づくと、有線マイクと無線マイクとの両方に同一ユーザの音声が入力されてしまい、他の会議端末で合成出力される音声にエコーのような雑音が含まれるおそれがあった。

本発明は、上述した課題を解決するためになされたものであり、有線マイクと無線マイクとが併用される場合でも、合成出力される音声の品質劣化を抑制することができる遠隔会議装置を提供することを目的とする。

本発明の一態様に係る遠隔会議装置は、ネットワークを介して接続された相手側端末との間で、少なくとも音声を送受信する遠隔会議装置であって、有線で接続された第１マイクから音声を取得する第１音声取得手段と、無線で接続された第２マイクから音声を取得する第２音声取得手段と、遠隔会議に参加する人間の数である人数を特定する人数特定手段と、前記第２マイクとの無線通信によって、前記第２音声取得手段と接続されている前記第２マイクの数であるマイク数を特定するマイク数特定手段と、前記人数特定手段によって特定された前記人数と、前記マイク数特定手段によって特定された前記マイク数とに基づいて、前記第１マイクの集音性能を調整する集音性能調整手段とを備えている。

上記遠隔会議装置では、有線で接続された第１マイクと、無線で接続された第２マイクとを用いて、音声を取得可能である。遠隔会議に参加する人数と、第２マイクとの無線通信によって特定されたマイク数とに基づいて、第１マイクの集音性能が調整される。したがって、遠隔会議装置を使用するユーザの人数と、ユーザが使用可能な無線マイクの数量とに応じて、第１マイクの集音性能を最適化することができる。ひいては、有線の第１マイクと無線の第２マイクとが併用される場合でも、合成出力される音声の品質劣化を抑制できる。

本態様の遠隔会議装置において、前記集音性能調整手段は、前記マイク数特定手段によって特定された前記マイク数が、前記人数特定手段によって特定された前記人数以上である場合、前記第１マイクによる集音を中止させてもよい。これによれば、第２マイクの数量がユーザの人数以上である場合、全てのユーザがそれぞれ第２マイクを使用可能であるため、第１マイクによる集音が中止される。したがって、同一の音声が第１マイクおよび第２マイクで重複して集音されることを抑制できる。ひいては、遠隔会議で出力される音声に、エコーやノイズが生じにくくすることができる。

本態様の遠隔会議装置において、接続されたカメラから画像を取得する画像取得手段と、前記マイク数特定手段によって特定された前記マイク数が前記人数特定手段によって特定された前記人数未満である場合に、前記画像取得手段によって取得された前記画像に基づいて、前記第２マイクが装着されていない前記人間である非装着者を特定する非装着者特定手段と、前記画像取得手段によって取得された前記画像に基づいて、前記非装着者特定手段によって特定された前記非装着者と前記第１マイクとの離間距離を特定する距離特定手段とを備え、前記集音性能調整手段は、前記距離特定手段によって特定された前記離間距離が所定値未満である場合は、前記第１マイクの集音性能を低くしてもよい。

これによれば、第２マイクの数量がユーザの人数未満である場合、第２マイクの非装着者と第１マイクとの離間距離が特定される。この離間距離が所定値未満である場合は、第１マイクの集音性能が低くされる。したがって、第２マイクの装着者が第１マイクから離間した位置に存在する場合、その装着者の音声は第２マイクのみによって集音される。その結果、第２マイクの装着者の音声が、第１マイクおよび第２マイクで重複して集音されにくくすることができる。

本態様の遠隔会議装置において、前記距離特定手段は、前記非装着者特定手段によって特定された前記非装着者が複数である場合、前記第１マイクから最も離間している前記非装着者を基準に前記離間距離を特定してもよい。これによれば、第１マイクから最も離間している非装着者を基準に、第１マイクとの離間距離が特定される。したがって、第２マイクの非装着者が複数存在する場合でも、第１マイクの集音性能を適切に調整することができる。

本態様の遠隔会議装置において、前記距離特定手段は、前記画像取得手段によって取得された前記画像に含まれる前記非装着者の表示サイズに基づいて、前記離間距離を特定してもよい。これによれば、非装着者の離間距離を、遠隔会議装置に接続されているカメラを使用して特定することができる。

本態様の遠隔会議装置において、前記第２マイクの発光態様に基づいて、前記画像取得手段によって取得された前記画像における前記第２マイクの表示位置を検出する位置検出手段と、前記位置検出手段によって検出された前記第２マイクの表示位置と、前記画像取得手段によって取得された前記画像における前記人間の表示位置とに基づいて、前記第２マイクが装着されている前記人間である装着者を特定する装着者特定手段とを備え、前記非装着者特定手段は、前記画像に映し出される前記人間のうちで、前記装着者特定手段によって特定された前記装着者以外を前記非装着者に特定してもよい。

これによれば、画像における第２マイクの表示位置が、第２マイクの発光態様に基づいて特定される。さらに、画像における第２マイクの表示位置と人間の表示位置とに基づいて、第２マイクの装着者が特定され、ひいては第２マイクの非装着者が特定される。したがって、第２マイクの発光態様に基づいて、画像中のいずれの人間に第２マイクが装着されているかを正確に特定することができる。

本態様の遠隔会議装置において、前記人数特定手段は、前記画像取得手段によって取得された前記画像を解析して、前記人数を特定してもよい。この場合、遠隔会議に参加する人数を、遠隔会議装置に接続されているカメラを使用して特定することができる。

テレビ会議システム１の全体構成図である。 テレビ会議端末３の電気的構成を示すブロック図である。 テレビ会議端末３の会議環境を示す平面図である。 図３に示す会議環境を撮影した画像データ１００を例示する図である。 マイク調整処理を示すフローチャートである。 他の会議環境を撮影した画像データ１００を例示する図である。

本発明を具体化した実施の形態について、図面を参照して説明する。参照する図面は、本発明が採用しうる技術的特徴を説明するために用いられるものであり、単なる説明例である。

図１を参照して、テレビ会議システム１の構成について説明する。テレビ会議システム１では、複数のテレビ会議端末がネットワーク２を介して接続されている。テレビ会議システム１では、複数のテレビ会議端末によってネットワーク２を介して画像および音声が互いに送受信されることで、各テレビ会議端末が設置されている拠点間で公知のテレビ会議が実施される。

図１に示す例では、３台のテレビ会議端末３，４，５がネットワーク２に接続されているが、ネットワーク２に接続されるテレビ会議端末の数量は限定されない。以下の説明では、テレビ会議端末３を中心に説明するが、他のテレビ会議端末４，５についても同様である。また、テレビ会議端末３が設置されている拠点を「自拠点」といい、他のテレビ会議端末４，５が設置されている拠点を「他拠点」という。

図２を参照して、テレビ会議端末３の電気的構成について、図２を参照して説明する。テレビ会議端末３は、ノート型のパーソナルコンピュータ３１（以下、ＰＣ３１という）と、入出力装置３４（以下、ＩＯ装置３４という。）とを備えている。ＩＯ装置３４は、自拠点に存在するユーザの画像や音声を取得したり、他拠点のユーザの音声を出力したりする。ＰＣ３１は、ネットワーク２に接続して、他のテレビ会議端末４，５と各種データの通信を行ったり、他拠点のユーザの画像を表示したりする。

ＰＣ３１の電気的構成の詳細について説明する。ＰＣ３１は、ＰＣ３１の制御を司るコントローラとしてのＣＰＵ８を備えている。ＣＰＵ８には、ＲＯＭ３１２、ＲＡＭ３１３、ハードディスクドライブ３１４（以下、ＨＤＤ３１４という。）、通信インターフェイス３１５（以下、通信Ｉ／Ｆ３１５という。）、入力部３１６、ＣＤ−ＲＯＭドライブ３１７、映像デコーダ３２０、電源制御部３２２、およびＵＳＢ（Ｕｎｉｖｅｒｓａｌ Ｓｅｒｉａｌ Ｂｕｓ）インターフェイス３２５（以下、ＵＳＢ−Ｉ／Ｆ３２５という。）が、各々接続されている。

ＨＤＤ３１４には、ＣＰＵ８にテレビ会議を実行させるプログラムや、テレビ会議に必要なデータが記憶されている。テレビ会議の実行時には、自拠点で取得される音声や画像のデータ、および他拠点から取得された音声や画像のデータも、ＨＤＤ３１４も格納される。本実施形態では、テレビ会議を実行させるプログラムや、テレビ会議に必要なデータなどが、あらかじめＣＤ−ＲＯＭ３１８に記憶されている。ＣＤ−ＲＯＭドライブ３１７は、ＣＤ−ＲＯＭ３１８からこれらのプログラムやデータ等を読み出して、ＨＤＤ３１４にセットアップすることができる。

通信Ｉ／Ｆ３１５は、ネットワーク２を介したデータ通信を行うためのインターフェイスである。入力部３１６は、ユーザが各種の入力指示を行う操作部であり、例えばマウス、キーボード、タッチパネルなどである。映像デコーダ３２０は、画像データを復号化してディスプレイ３１９に表示させる。本実施形態では、映像デコーダ３２０が、ネットワーク２を介して他のテレビ会議端末４，５から受信された画像データを復号して、ＰＣ３１に外付けされているディスプレイ３１９に表示する。これによって、自拠点のユーザは、テレビ会議の画像（つまり、他拠点に存在するユーザの画像）を見ることができる。

電源制御部３２２は、ＰＣ３１に内蔵された電池（図示外）の電力を、ＣＰＵ８やその他の各種デバイスに供給して駆動させる。電源制御部３２２は、ＡＣアダプタ（図示外）と接続されることによって、電池を充電することが可能である。ＵＳＢ−Ｉ／Ｆ３２５は、ＵＳＢケーブル３２６を介して、後述するＩＯ装置３４のＵＳＢ−Ｉ／Ｆ３５１に接続されている。

ＩＯ装置３４の電気的構成の詳細について説明する。ＩＯ装置３４は、ＩＯ装置３４の制御を司るコントローラとしてのＣＰＵ９を備えている。ＣＰＵ９には、ＲＯＭ３４２、ＲＡＭ３４３、映像エンコーダ３４５、音声エンコーダ３４６、音声デコーダ３４９、電源制御部３５３、およびＵＳＢ−Ｉ／Ｆ３５１が、各々接続されている。映像エンコーダ３４５は、カメラ３４４に接続されている。音声エンコーダ３４６および音声デコーダ３４９は、それぞれエコーキャンセラ３４７に接続されている。本実施形態では、ＣＰＵ９に後述のマイク調整処理（図５参照）を実行させるプログラムが、ＲＯＭ３４２に記憶されている。

映像エンコーダ３４５は、カメラ３４４によって撮像される画像を符号化して、画像データを作成する。つまり、カメラ３４４で撮像された自拠点の画像データが、映像エンコーダ３４５によって作成される。本実施形態では、作成された画像データは、ＵＳＢケーブル３２６を介してＩＯ装置３４からＰＣ３１に転送され、さらにネットワーク２を介して他のテレビ会議端末４，５に送信される。

エコーキャンセラ３４７は、エコーやハウリングの発生を防止する回路である。エコーキャンセラ３４７には、スピーカ３５０、有線マイクインターフェイス３５８（以下、有線マイクＩ／Ｆ３５８という。）、および無線マイクインターフェイス３６８（以下、無線マイクＩ／Ｆ３６８という。）が、各々接続されている。スピーカ３５０は、他拠点の音声（例えば、テレビ会議時に他拠点に存在するユーザの音声）を出力する。

有線マイクＩ／Ｆ３５８は、外付けの有線マイク３６０と有線接続されている。有線マイク３６０は、その設置箇所を中心として相対的に広い集音範囲を集音可能である。本実施形態では、有線マイクＩ／Ｆ３５８は、有線マイク３６０で集音された自拠点の音声（詳細には、テレビ会議時に自拠点に存在するユーザの音声）を、有線マイク３６０から有線通信で取得する。さらに、本実施形態の有線マイクＩ／Ｆ３５８は、ＣＰＵ９からの指示に応じて、無線マイク３７０の集音性能を変更することができるが、詳細は後述する。

無線マイクＩ／Ｆ３６８は、無線通信によって、所定の通信範囲内に存在する無線マイク３７０に接続されている。無線マイク３７０は、その設置箇所を中心として相対的に狭い集音範囲を集音可能である。本実施形態では、無線マイクＩ／Ｆ３６８は、無線マイク３７０を装着しているユーザの音声を、無線マイク３７０から無線通信で取得する。さらに、本実施形態の無線マイク３７０には、外部に向けて発光するＬＥＤが設けられている。

音声エンコーダ３４６は、有線マイク３６０で収集された音声と、無線マイクＩ／Ｆ３６８によって取得された音声（つまり、無線マイク３７０で収集された音声）とを符号化して、音声データを作成する。本実施形態では、作成された音声データは、ＵＳＢケーブル３２６を介してＩＯ装置３４からＰＣ３１に転送され、さらにネットワーク２を介して他のテレビ会議端末４，５に送信される。

音声デコーダ３４９は、音声データを復号化してスピーカ３５０に出力させる。本実施形態では、音声デコーダ３４９が、ネットワーク２およびＵＳＢケーブル３２６を介して他のテレビ会議端末４，５から受信された音声データを復号して、スピーカ３５０から音声として出力させる。これによって、自拠点のユーザは、テレビ会議の音声（つまり、他拠点に存在するユーザの音声）を聞くことができる。

電源制御部３５３は、接続されているＡＣアダプタ（図示外）の電力を、ＣＰＵ９やその他の各種デバイスに供給して駆動させる。ＵＳＢ−Ｉ／Ｆ３５１は、ＵＳＢケーブル３２６を介して、ＰＣ３１のＵＳＢ−Ｉ／Ｆ３２５に接続されている。

図３および図４を参照して、テレビ会議システム１における各拠点の会議環境の一例について説明する。図３および図４に示す会議環境では、テレビ会議端末３が設置されている自拠点で、５人のユーザがテレビ会議に参加している。より具体的には、会議テーブルＴの前端側（図３では下側）に、テレビ会議端末３が設置されている。テレビ会議端末３よりも後方側（図３では上側）に、５人のユーザが会議テーブルＴを囲んで着席している。

図３に示すように、５人のユーザのうち、テレビ会議端末３から最も離間した位置に存在するユーザＡは、テレビ会議端末３と正対する会議テーブルＴの後端側に席っている。ユーザＡの前側には、ユーザＢとユーザＣとが会議テーブルＴを挟んで向かい合って座っている。さらに、ユーザＢの前側にはユーザＤが座っており、ユーザＣの前側にはユーザＥが座っている。ユーザＤとユーザＥは、会議テーブルＴを挟んで向かい合っており、５人のユーザのうちでテレビ会議端末３から最も近接した位置に存在している。

テレビ会議端末３のＩＯ装置３４は、自拠点全体の画像及び音声をバランスよく取得するために、会議テーブルＴの前端側の中央部に設置されている。そして、カメラ３４４および有線マイク３６０が、それぞれ会議テーブルＴの後方側に向けられている。また、テレビ会議端末３のＰＣ３１は、ＩＯ装置３４の背後に設置された大型のディスプレイ３１９に接続されている。ディスプレイ３１９も、カメラ３４４および有線マイク３６０と同様に、会議テーブルＴの後方側に向けられている。

このような会議環境のもと、テレビ会議の実行時には、他拠点の画像がディスプレイ３１９に表示され、かつ他拠点の音声がスピーカ３５０から出力される。そのため、自拠点のユーザＡ〜Ｅが会議テーブルＴの前端側を向いた状態で、テレビ会議が進行する。このとき、ユーザＡ〜Ｅの表情が、カメラ３４４の正面側から撮影されて、他拠点で表示される。

また、有線マイク３６０には、自拠点でテレビ会議に参加する全ユーザを含む集音範囲（例えば、前方側の１０メートル）内の音声を集音することを想定して、あらかじめノーマルの集音性能が標準設定してある。有線マイク３６０の集音性能は、少なくとも有線マイク３６０の集音範囲を規定する各種要素を含み、この集音性能が高いほど集音範囲が広くなる。集音範囲を規定する各種要素としては、有線マイク３６０の入力感度、ダイナミックレンジ、周波数特性、指向特性などが例示される。

したがって、有線マイク３６０にノーマルの集音性能が設定されている状態では、有線マイク３６０の前方側１０メートルの範囲内に存在するユーザＡ〜Ｅの声が集音されて、他拠点で出力される。これにより、相手方の拠点に存在するユーザの画像および音声を確実に認識できるため、自拠点および他拠点の間でテレビ会議がスムーズに進行する。ただし、本実施形態では、有線マイク３６０の集音性能が変更されると、後述するように有線マイク３６０の集音範囲も変更される。

さらに、５人のユーザのうち、ユーザＡおよびユーザＢは、それぞれ小型・軽量の無線マイク３７０（例えば、ピンマイク型の無線マイク）を装着している。つまり、ユーザＡ，Ｂの音声は、有線マイク３６０で集音できない場合でも、無線マイク３７０で集音可能である。その結果、ユーザＡおよびユーザＢの音声は、他のユーザよりも確実に集音されて他拠点に出力される。

図３に示す自拠点の会議環境では、カメラ３４４によって図４に示す画像データ１００が取得されて、他拠点で表示される。画像データ１００では、５人のユーザＡ〜Ｅが撮影されており、カメラ３４４からの離間距離に応じて表示サイズが異なる。例えば、カメラ３４４から最も遠いユーザＡは相対的に小さく表示され、カメラ３４４から最も近いユーザＤ，Ｅは相対的に大きく表示される。さらに、画像データ１００では、ユーザＡ，Ｂに装着された２つの無線マイク３７０も映し出されている。特に、無線マイク３７０に設けられたＬＥＤ（図示外）によって、無線マイク３７０の装着位置を容易に認識できるようになっている。

図５を参照して、テレビ会議端末３で実行されるマイク調整処理について説明する。本処理は、テレビ会議システム１でテレビ会議が実行されている間、ＲＯＭ３４２に記憶されているプログラムに基づいてＣＰＵ９によって実行される。なお、本処理の開始時には、有線マイク３６０にノーマルの集音性能が設定されている。

図５に示すマイク調整処理では、まずカメラ３４４から自拠点を撮影した画像が取得される（Ｓ１）。ステップＳ１で取得された画像について公知の画像認識が実行され、画像中に含まれる人間の数（人数）が特定される（Ｓ３）。無線マイクＩ／Ｆ３６８を介した無線通信によって、通信範囲内にある無線マイク３７０の数（マイク数）が特定される（Ｓ５）。例えば、無線マイク３７０との間で実行される無線通信のプロトコルによって、無線マイク３７０から返信されたマイクＩＤの数量を割り出せばよい。ステップＳ５で特定されたマイク数が、ステップＳ３で特定された人数未満である否かが判断される（Ｓ７）。

マイク数が人数以上である場合（Ｓ７：ＮＯ）、自拠点に存在する全てのユーザが無線マイク３７０を着用していると推定することができる。この場合、有線マイク３６０で集音される音声と、無線マイク３７０で集音される音声とが重複して、エコーやノイズを生じやすい状態になりやすい。そのため、有線マイク３６０の集音性能がオフに設定される（Ｓ９）。例えば、有線マイク３６０で集音されなくするために、有線マイク３６０を電源ＯＦＦにする。これにより、自拠点に存在するユーザの音声は、各ユーザが着用している無線マイク３７０のみで集音されるため、他拠点のユーザがテレビ会議の音声を聞き取りやすくなる。ステップＳ９の実行後、処理はステップＳ１に戻る。

一方、マイク数が人数未満である場合（Ｓ７：ＹＥＳ）、ステップＳ１で取得された画像について公知の画像認識が実行され、画像中に含まれる無線マイク３７０が検出される（Ｓ１１）。例えば、画像中における無線マイク３７０の表示位置が、無線マイク３７０が備えるＬＥＤ（図示外）の発光パターンによって特定される。そして、全ての無線マイク３７０が検出されたか否かが判断される（Ｓ１３）。具体的には、ステップＳ５で特定されたマイク数と同数の無線マイク３７０が画像中から検出された場合、全ての無線マイク３７０が検出されたと判断される（Ｓ１３：ＹＥＳ）。

この場合、無線マイク３７０の装着者が特定される（Ｓ１５）。例えば、ステップＳ１で取得された画像中で、ステップＳ１１で検出された無線マイク３７０と表示位置が重複する人物が、無線マイク３７０の装着者として特定される。そして、ステップＳ１１で検出された無線マイク３７０の全てについて、それぞれの装着者が特定されたか否かが判断される（Ｓ１７）。全ての無線マイク３７０について装着者が特定された場合（Ｓ１７：ＹＥＳ）、無線マイク３７０の非装着者が特定される（Ｓ１９）。具体的には、ステップＳ１で取得された画像中に含まれる人物のうちで、ステップＳ１５で特定された装着者を除く人物が、無線マイク３７０の非装着者として特定される。

ステップＳ１９で特定された非装着者のうち、有線マイク３６０から最も遠くに位置する非装着者までの離間距離が特定される（Ｓ２１）。例えば、ステップＳ１で取得された画像中に含まれる非装着者のうちで、最も小さく表示されている非装着者までの離間距離が、公知の画像処理に基づく測距法で特定される。なお、ステップＳ１９で特定された非装着者が一人の場合には、その非装着者までの離間距離が特定される。

ステップＳ２１で特定された離間距離が、所定値未満であるか否かが判断される（Ｓ２３）。例えば、ステップＳ２１で特定された離間距離が５メートル以内である場合は、所定値未満であると判断される（Ｓ２３：ＹＥＳ）。この場合、最も遠くに位置する非装着者が有線マイク３６０から近い位置に存在しているため、有線マイク３６０の集音性能を低くしても全てのユーザの音声を確実に集音可能である。よって、有線マイク３６０の集音性能がダウンに設定される（Ｓ２５）。例えば、有線マイク３６０の集音範囲が狭くなるように、有線マイク３６０の入力感度が低く設定される。これにより、有線マイク３６０から離間した位置に存在する装着者の音声は、無線マイク３７０のみによって集音されるため、装着者の音声が重複して集音されにくくすることができる。

一方、全ての無線マイク３７０が検出されなかった場合（Ｓ１３：ＮＯ）、および全ての無線マイク３７０について装着者が特定されなかった場合（Ｓ１７：ＮＯ）、いずれも有線マイク３６０の集音性能がノーマルに設定される（Ｓ２７）。つまり、有線マイク３６０の集音性能がノーマルに設定されている場合には、その集音性能がノーマルのまま維持される。一方、有線マイク３６０の集音性能がオフまたはダウンに設定されている場合には、その集音性能がノーマルにリセットされる。

また、離間距離が所定値以上である場合は（Ｓ２３：ＮＯ）、最も遠くに位置する非装着者が有線マイク３６０から遠い位置にいるため、有線マイク３６０の集音性能が低くすると、その非装着者の音声を集音できないおそれがある。この場合も、有線マイク３６０の集音性能がノーマルに設定される（Ｓ２７）。ステップＳ２７の実行後、処理がステップＳ１に戻る。そして、ステップＳ１にて所定間隔で画像が取得されるごとに、上記処理が繰り返される。

例えば、図３に示す自拠点の会議環境では、以下のように有線マイク３６０の集音性能が調整される。すなわち、カメラ３４４によって、図４に示す画像データ１００が取得される（Ｓ１）。画像データ１００の画像認識で人数「５」が特定され、無線マイク３７０との無線通信でマイク数「２」が特定される（Ｓ３、Ｓ５）。マイク数は人数よりも少ないから、画像データ１００に基づいて２つの無線マイク３７０の表示位置が検出され、各無線マイク３７０の装着者としてユーザＡ，Ｂが特定される（Ｓ７：ＹＥＳ、Ｓ１１、Ｓ１３：ＹＥＳ、Ｓ１５）。また、無線マイク３７０の非装着者として、ユーザＣ，Ｄ，Ｅが特定される（Ｓ１７：ＹＥＳ、Ｓ１９）。

ユーザＣ，Ｄ，Ｅのうち、有線マイク３６０から最も遠くに位置するユーザＣまでの離間距離が、画像データ１００に映し出されたユーザＣの表示サイズに基づいて特定される（Ｓ２１）。例えば、ユーザＣの離間距離が４メートルに特定されたものとする。この場合、ユーザＣの離間距離は所定値（例えば、５メートル）未満であるから、有線マイク３６０の集音性能がダウンに設定される（Ｓ２３：ＹＥＳ、Ｓ２５）。その結果、有線マイク３６０から近い位置に存在するユーザＢ〜Ｄの音声は、有線マイク３６０で集音される。一方、有線マイク３６０から遠い位置に存在するユーザＡの音声は、無線マイク３７０によって集音される。よって、少なくともユーザＡの音声については重複して集音されることが抑制され、テレビ会議の音声品質が向上する。

一方、図６に示す自拠点の会議環境は、図３に示す会議環境と同様であるが、無線マイク３７０がユーザＢ，Ｅに着用されている点が異なる。この場合、無線マイク３７０の装着者としてユーザＢ，Ｅが特定され、無線マイク３７０の非装着者としてユーザＡ，Ｃ，Ｄが特定される（Ｓ７〜Ｓ１９）。ユーザＡ，Ｃ，Ｄのうち、有線マイク３６０から最も遠くに位置するユーザＡまでの離間距離が、画像データ１００に映し出されたユーザＡの表示サイズに基づいて特定される（Ｓ２１）。例えば、ユーザＡの離間距離が７メートルに特定されたものとする。この場合、ユーザＡの離間距離は所定値以上であるから、有線マイク３６０の集音性能はノーマルに設定される（Ｓ２３：ＮＯ）。その結果、全てのユーザＡ〜Ｅの音声は有線マイク３６０で集音されるため、有線マイク３６０から遠い位置に存在するユーザＡの音声も確実に集音できる。

上記の例では、無線マイク３７０の非装着者が複数検出された場合には、有線マイク３６０から最も離間している非装着者を基準に離間距離が特定されるので、有線マイク３６０の集音性能が適切に調整することができる。また、テレビ会議端末３が備えるカメラ３４４を使用して、画像に含まれる非装着者の表示サイズに基づいて離間距離を特定できる。さらに、無線マイク３７０の発光態様に基づいて、画像中のいずれのユーザに無線マイク３７０が装着されているかを正確に特定することができる。

以上説明したように、本実施形態のテレビ会議端末３によれば、有線マイク３６０と無線マイク３７０とを用いて、自拠点に存在するユーザの音声を取得可能である。カメラ３４４から取得された画像に基づいて特定されたユーザの人数と、無線マイク３７０との無線通信によって特定されたマイク数とに基づいて、有線マイク３６０の集音性能が調整される。したがって、テレビ会議端末３を使用するユーザの人数と、ユーザが使用可能な無線マイク３７０の数量とに応じて、有線マイク３６０の集音性能を最適化することができる。ひいては、有線マイク３６０と無線マイク３７０とが併用される場合でも、合成出力される音声の品質劣化を抑制できる。

上記実施形態において、テレビ会議端末３、４、５が、本発明の「遠隔会議装置」にそれぞれ相当する。有線マイク３６０が本発明の「第１マイク」に相当し、有線マイクＩ／Ｆ３５８が本発明の「第１音声取得手段」に相当する。無線マイク３７０が本発明の「第２マイク」に相当し、無線マイクＩ／Ｆ３６８が本発明の「第２音声取得手段」に相当する。ステップＳ１を実行するＣＰＵ９が、本発明の「画像取得手段」に相当する。ステップＳ３を実行するＣＰＵ９が、本発明の「人数特定手段」に相当する。ステップＳ５を実行するＣＰＵ９が、本発明の「マイク数特定手段」に相当する。ステップＳ９、Ｓ２５を実行するＣＰＵ９が、本発明の「集音性能調整手段」にそれぞれ相当する。

さらに、ステップＳ１９を実行するＣＰＵ９が、本発明の「非装着者特定手段」に相当する。ステップＳ２１を実行するＣＰＵ９が、本発明の「距離特定手段」に相当する。ステップＳ１１を実行するＣＰＵ９が、本発明の「位置検出手段」に相当する。ステップＳ１５を実行するＣＰＵ９が、本発明の「装着者特定手段」に相当する。

なお、本発明は上記実施形態に限定されるものではなく、発明の要旨を変更しない範囲での変更が可能である。例えば、有線マイク３６０の集音性能は、さまざまな手法で調整することができる。具体的には、ステップＳ９において、有線マイク３６０の集音性能をオフにするために、有線マイク３６０を電源ＯＦＦするのに代えて、有線マイク３６０の入力感度をゼロに変更してもよい。また、ステップＳ２５において、有線マイク３６０の集音性能をダウンにするために、有線マイク３６０の入力感度を低くするのに代えて、有線マイク３６０のダイナミックレンジを低くしてもよい。

また、上記実施形態では、最も遠くに位置する非装着者の離間距離が所定値以上である場合（Ｓ２３：ＮＯ）、有線マイク３６０の集音性能がノーマルに設定されているが（Ｓ２７）、これに代えて有線マイク３６０の集音性能をアップに設定されてもよい。例えば、有線マイク３６０の集音範囲が広くなるように、有線マイク３６０の入力感度が高く設定される等である。これにより、有線マイク３６０から離間した位置に存在する非装着者の音声を、有線マイク３６０で確実に集音することができる。

また、上記実施形態では、遠隔会議に参加する人数が画像認識によって特定されているが（Ｓ３）、他の手法で人数が特定されてもよい。例えば、遠隔会議に参加する人数を、ユーザが入力部３１６を用いて入力してもよいし、テレビ会議端末３に予め登録されている会議予定表から特定してもよい。また、遠隔会議に参加するユーザが無線タグを携行している場合、テレビ会議端末３がＲＦＩＤで無線タグを検出して人数を特定してもよい。

１ テレビ会議システム
２ ネットワーク
３ テレビ会議端末
４ テレビ会議端末
５ テレビ会議端末
９ ＣＰＵ
３１ パーソナルコンピュータ
３４ 入出力装置
１００ 画像データ
３１９ ディスプレイ
３４４ カメラ
３５８ 有線マイクインターフェイス
３６０ 有線マイク
３６８ 無線マイクインターフェイス
３７０ 無線マイク

Claims (7)

1. ネットワークを介して接続された相手側端末との間で、少なくとも音声を送受信する遠隔会議装置であって、
   有線で接続された第１マイクから音声を取得する第１音声取得手段と、
   無線で接続された第２マイクから音声を取得する第２音声取得手段と、
   遠隔会議に参加する人間の数である人数を特定する人数特定手段と、
   前記第２マイクとの無線通信によって、前記第２音声取得手段と接続されている前記第２マイクの数であるマイク数を特定するマイク数特定手段と、
   前記人数特定手段によって特定された前記人数と、前記マイク数特定手段によって特定された前記マイク数とに基づいて、前記第１マイクの集音性能を調整する集音性能調整手段と
   を備えたことを特徴とする遠隔会議装置。
2. 前記集音性能調整手段は、前記マイク数特定手段によって特定された前記マイク数が、前記人数特定手段によって特定された前記人数以上である場合、前記第１マイクによる集音を中止させることを特徴とする請求項１に記載の遠隔会議装置。
3. 接続されたカメラから画像を取得する画像取得手段と、
   前記マイク数特定手段によって特定された前記マイク数が前記人数特定手段によって特定された前記人数未満である場合に、前記画像取得手段によって取得された前記画像に基づいて、前記第２マイクが装着されていない前記人間である非装着者を特定する非装着者特定手段と、
   前記画像取得手段によって取得された前記画像に基づいて、前記非装着者特定手段によって特定された前記非装着者と前記第１マイクとの離間距離を特定する距離特定手段とを備え、
   前記集音性能調整手段は、前記距離特定手段によって特定された前記離間距離が所定値未満である場合は、前記第１マイクの集音性能を低くすることを特徴とする請求項１または２に記載の遠隔会議装置。
4. 前記距離特定手段は、前記非装着者特定手段によって特定された前記非装着者が複数である場合、前記第１マイクから最も離間している前記非装着者を基準に前記離間距離を特定することを特徴とする請求項３に記載の遠隔会議装置。
5. 前記距離特定手段は、前記画像取得手段によって取得された前記画像に含まれる前記非装着者の表示サイズに基づいて、前記離間距離を特定することを特徴とする請求項３または４に記載の遠隔会議装置。
6. 前記第２マイクの発光態様に基づいて、前記画像取得手段によって取得された前記画像における前記第２マイクの表示位置を検出する位置検出手段と、
   前記位置検出手段によって検出された前記第２マイクの表示位置と、前記画像取得手段によって取得された前記画像における前記人間の表示位置とに基づいて、前記第２マイクが装着されている前記人間である装着者を特定する装着者特定手段とを備え、
   前記非装着者特定手段は、前記画像に映し出される前記人間のうちで、前記装着者特定手段によって特定された前記装着者以外を前記非装着者に特定することを特徴とする請求項３〜５のいずれかに記載の遠隔会議装置。
7. 前記人数特定手段は、前記画像取得手段によって取得された前記画像を解析して、前記人数を特定することを特徴とする請求項３〜６のいずれかに記載の遠隔会議装置。

Images