JP5391175B2 - 遠隔会議方法、遠隔会議システム及び遠隔会議プログラム - Google Patents

Description

本発明は、通信ネットワークを介して遠隔会議する技術に関する。

現在、二酸化炭素排出量を抑制する環境保護の観点や、企業活動上の出張費等を抑える目的から、遠隔地の人々が通信ネットワーク等を介して情報を共有し、意見を交換等する遠隔会議システムの需要が伸びており、企業を含めた一般社会に広く浸透している。

その遠隔会議システムには、例えば、電話回線等を介した音声会議システムや、ブラウザ上で動作するＷｅｂによる通信ネットワークを介した映像会議システム等がある。このような遠隔会議システムは、導入コストや使用コストが低いために容易に利用され得るが、高精細な映像や遅延の少ない音声を送受できないため、会議中の発話者が誰であるかを把握し難いという問題がある。

発話者の音声を聞き取り易くするために、発話者のマイクのみをオンに制御する機能を備えた遠隔会議システムが多く存在するが、その場合には以下の問題が生じる。

第１の問題は、発話者以外の会議参加者の情報を僅かしか得られないため（音声会議の場合には、得られる情報は全くないため）、会議参加者が発話者の話を聞いているか否かを把握できない点にある。このため、発話者は、自分の話がどの程度受け入れられているのか、そもそも自分の声が届いているのかが分からない。

第２の問題は、誰がいつ発話し始めるか把握できない点にある。このため、２人以上の会議参加者が同時に発話し始める場合も多く、発話の衝突が頻繁に発生し、会議の進行が滞ってしまう。

すなわち、従来の遠隔会議システムは、その利用において手軽かつ便利である反面、発話者及び被発話者が誰であるかを把握し難く、会議参会者の様子を認知し難いという問題があった。

一方、特許文献１には、遠隔会議での発言権を制御するためにトークンという概念を導入し、発言を希望する会議参加者がトークンを獲得することにより、明示的に発言権を獲得する技術が開示されている。

しかしながら、発話するにはトークンを取得するという普段の対面コミュニケーションで行われない特別な操作をする必要があるため、自然な話者交替をすることができず、この特別な話者交替のプロトコルを習得しなければならない。また、主に発言権を制御する技術であるため、上述した被発話者が誰であるかや、会議参会者の様子を認知することはできない。

特開２００４−２４８１４５号公報

本発明は、上記を鑑みてなされたものであり、誰が話を聞いているかや誰がいつ話し始めるかを容易に把握することを課題とする。

請求項１に記載の遠隔会議方法は、コンピュータにより行う遠隔会議方法において、会議参加者毎の固有の背景雑音データを記憶手段に記憶させる記憶ステップと、被発話者の動作を検知する検知ステップと、検知された被発話者の背景雑音データを前記記憶手段から読み出して、発話者の発する発話音声データに合成して再生する合成・再生ステップと、を有することを特徴とする。

本発明によれば、被発話者の動作を検知し、検知された被発話者の背景雑音データを再生するため、誰が話を聞いているのかを容易に把握できる。

請求項２に記載の遠隔会議方法は、請求項１に記載の遠隔会議方法において、前記検知ステップは、前記被発話者の頷く動作、手部の動作、頭部の動作を検知することを特徴とする。

本発明によれば、被発話者の頷く動作を検知するため、誰が話を聞いているかや、その話に納得しているかを把握できる。又は、被発話者の手部の動作、頭部の動作を検知するため、誰がいつ話し始めるかを容易に把握できる。

請求項３に記載の遠隔会議方法は、請求項１又は２に記載の遠隔会議方法において、前記検知ステップは、カメラにより撮影された被発話者の画像を時系列で取り込み、手部又は頭部に対応する画像特徴点が所定の閾値を超えて移動する場合に、被発話者が動作したことを検知することを特徴とする。

請求項４に記載の遠隔会議システムは、会議参加者毎の固有の背景雑音データを記憶する記憶手段と、被発話者の動作を検知する検知手段と、検知された被発話者の背景雑音データを前記記憶手段から読み出して、発話者の発する発話音声データに合成して再生する合成・再生手段と、を有することを特徴とする。

本発明によれば、被発話者の動作を検知し、検知された被発話者の背景雑音データを再生するため、誰が話を聞いているのかを容易に把握できる。

請求項５に記載の遠隔会議システムは、請求項４に記載の遠隔会議システムにおいて、前記検知手段は、前記被発話者の頷く動作、手部の動作、頭部の動作を検知することを特徴とする。

本発明によれば、被発話者の頷く動作を検知するため、誰が話を聞いているかや、その話に納得しているかを把握できる。又は、被発話者の手部の動作、頭部の動作を検知するため、誰がいつ話し始めるかを容易に把握できる。

請求項６に記載の遠隔会議システムは、請求項４又は５に記載の遠隔会議システムにおいて、前記検知手段は、カメラにより撮影された被発話者の画像を時系列で取り込み、手部又は頭部に対応する画像特徴点が所定の閾値を超えて移動する場合に、被発話者が動作したことを検知することを特徴とする。

請求項７に記載の遠隔会議プログラムは、請求項１乃至３のいずれかに記載の遠隔会議方法における各ステップをコンピュータに実行させることを特徴とする。

本発明によれば、誰が話を聞いているかや誰がいつ話し始めるかを容易に把握することができる。

遠隔会議システムの全体構成を示す図である。 遠隔会議システムの動作を示す図である。 動作及び音声の検出動作フローを示す図である。

以下、本発明を実施する一実施の形態について図面を用いて説明する。但し、本発明は多くの異なる様態で実施することが可能であり、本実施の形態の記載内容に限定して解釈すべきではない。

最初に、本実施の形態に係る遠隔会議システムの構成について説明する。図１は、遠隔会議システムの全体構成を示す図である。この遠隔会議システム１は、背景雑音データ生成装置１００と、通信ネットワーク５００を介して背景雑音データ生成装置１００や他の遠隔会議端末３００に通信可能に接続された複数の遠隔会議端末３００とで構成されている。以下、それら装置・端末の有する機能について説明する。

背景雑音データ生成装置１００は、背景雑音データ生成部１１と、データ送受信部１２とで構成されている。

背景雑音データ生成部１１は、会議参加者の有する特徴周波数を用いて会議参加者を個別に識別可能な固有の背景雑音データを生成する機能を有している。この特徴周波数としては、例えば、会議参加者により発せられる音声の周波数が一例に挙げられる。なお、雑音データではなく背景雑音データとする理由は、生成された雑音データが他の音声データの背景として再生されるためである。

データ送受信部１２は、各会議参加者のＩＤ（会議参加者の識別情報）がそれぞれ対応付けられた全ての会議参加者の背景雑音データを全ての遠隔会議端末３００に送信する機能を有している。なお、このＩＤは、背景雑音データ生成装置１００又は遠隔会議の主催者により、遠隔会議システム１への会議参加者のログイン順や任意の順番等で予め割り振られており、遠隔会議端末３００のＩＤと同一視可能である。

遠隔会議端末３００は、会議参加者によって利用されるものであり、データ送受信部３１と、背景雑音データ記憶メモリ３２と、映像取込部３３と、動作検出部３４と、音声取込部３５と、音声検出部３６と、背景雑音データ合成部３７と、合成音データ出力部３８とで構成されている。

また、遠隔会議端末３００には、ビデオカメラ３０１、マイク３０２、モニタ３０３、スピーカ３０４が外部接続されている。外部接続に代えて、遠隔会議端末３００の内部に具備させることも可能である。

データ送受信部３１は、通信ネットワーク５００を介して背景雑音データ生成装置１００から送信された全ての会議参加者の背景雑音データを受信して、各会議参加者のＩＤにそれぞれ対応付けて背景雑音データ記憶メモリ３２に記憶させる機能を有している。

また、データ送受信部３１は、ビデオカメラ３０１により撮影された会議参加者の映像や、マイク３０２により集音された会議参加者の発話音声を他の全ての遠隔会議端末３００に送信する機能や、他の遠隔会議端末３００から送信された会議参加者の映像や発話音声を受信して、モニタ３０３やスピーカ３０４から出力させる機能を有している。

また、データ送受信部３１は、動作検出部３４や音声検出部３６から所定の検出信号を受信した場合に、自機の遠隔会議端末３００を使用している会議参加者のＩＤを他の全ての遠隔会議端末３００に送信する機能や、他の遠隔会議端末３００から送信された会議参加者のＩＤを受信する機能を有している。ここで送信・受信される会議参加者のＩＤは、上述したように予め割り振られた会議参加者のＩＤであり、遠隔会議端末３００のメモリ（不図示）に予め記憶されている。

映像取込部３３は、ビデオカメラ３０１で撮影された会議参加者の映像を取り込み、その映像を構成する各画像を時系列順で動作検出部３４に出力する機能を有している。

動作検出部３４は、撮影された会議参加者の画像を画像処理して画像領域内の画像特徴点を抽出し、時間的に前後する複数の画像における画像特徴点が所定の移動距離閾値を超えて移動する場合に、その会議参加者が動作したことを検知し、動作を検知した場合に、検出信号をデータ送受信部３１に送信する機能を有している。

音声取込部３５は、マイク３０２で集音された会議参加者の発話音声を取り込み、音声検出部３６に出力する機能を有している。

音声検出部３６は、発話された会議参加者の発話音声から音声強度を算出し、所定の音声強度閾値を超える場合に、その会議参加者が発話したことを検知し、発話を検知した場合に、検出信号をデータ送受信部３１に送信する機能を有している。

なお、このような移動距離閾値や音声強度閾値は、遠隔会議システム１の設備導入者や設定者等によって予め設定された所期値であり、遠隔会議端末３００のメモリ（不図示）に事前に記憶されている。

背景雑音データ合成部３７は、他の遠隔会議端末３００から会議参加者のＩＤを受信した場合に、そのＩＤに対応する背景雑音データを背景雑音データ記憶メモリ３２から取得し、発話者の発する発話音声データや、発話者・被発話者の動作・発話音声に基づいて再生される背景雑音データに合成して、合成音データ出力部に出力する機能を有している。

合成音データ出力部３８は、合成された合成音データをスピーカ３０４に出力する機能を有している。

次に、遠隔会議システム１の動作について説明する。図２は、遠隔会議システムの動作を示す図である。

図２では、複数の会議参加者のうち、現在発話中の発話者Ａが使用する遠隔会議端末を３００ａ、第１被発話者Ｂが使用する遠隔会議端末を３００ｂ、第２被発話者Ｃが使用する遠隔会議端末を３００ｃとする。

また、発話者Ａ、第１被発話者Ｂ、第２被発話者Ｃにはそれぞれａ、ｂ、ｃのＩＤが予め割り振られており、各遠隔会議端末３００ａ〜３００ｃのメモリ（不図示）にそれぞれ記憶されている。

また、それら各ＩＤに対応付けられた発話者Ａ、第１被発話者Ｂ、第２被発話者Ｃの各背景雑音データが、全ての遠隔会議端末３００ａ〜３００ｃの背景雑音データ記憶メモリにそれぞれ記憶されている。

また、発話者Ａの発話音声が遠隔会議端末３００ａのマイク３０２ａから入力され、通信ネットワーク５００を介して、第１被発話者Ｂの使用する遠隔会議端末３００ｂのスピーカ３０４ｂと第２被発話者Ｃの使用する遠隔会議端末３００ｃのスピーカ３０４ｃとからそれぞれ出力されているものとする。

なお、発話者・被発話者という立場の違いによって動作する遠隔会議端末３００の機能部が異なるため、図２で示す各遠隔会議端末３００ａ〜３００ｃには、図１で示した遠隔会議端末の機能部の一部が省略（すなわち、一部のみフォーカスして記載）されている。

まず、遠隔会議端末３００ａにおいて、音声取込部３５ａにより、マイク３０２ａで集音された発話者Ａの発話音声が遠隔会議端末３００ａの内部に取り込まれ、音声検出部３６ａにより、その発話者Ａの発話音声の音声強度が算出されて、予め設定された音声強度閾値を超えるか否かが判定される（Ｓ１０１）。

次いで、Ｓ１０１の判定の結果が「超える」場合、音声検出部３６ａにより、発話者Ａの発話が検知され、検出信号がデータ送受信部３１に送信され、データ送受信部３１により、通信ネットワーク５００又は背景雑音データ生成装置１００を介して、発話者Ａを識別する「ａ」のＩＤが遠隔会議端末３００ｂ、３００ｃに送信される（Ｓ１０２）。

次いで、遠隔会議端末３００ｂにおいて、データ送受信部３１ｂにより、遠隔会議端末３００ａから送信された「ａ」のＩＤが受信され、背景雑音データ合成部３７ｂにより、その「ａ」のＩＤに対応する背景雑音データが背景雑音データ記憶メモリ３２ｂから読み出され、発話者Ａによって既に発せられている発話音声データに合成される（Ｓ１０３）。

次いで、合成音データ出力部３８ｂにより、合成された合成音データがスピーカ３０４ｂに出力される（Ｓ１０４）。

同様に、遠隔会議端末３００ｃにおいて、データ送受信部３１ｃにより、遠隔会議端末３００ａから送信された「ａ」のＩＤが受信され、背景雑音データ合成部３７ｃにより、その「ａ」のＩＤに対応する背景雑音データが背景雑音データ記憶メモリ３２ｃから読み出され、発話者Ａによって既に発せられている発話音声データに合成される（Ｓ１０３’）。

次いで、合成音データ出力部３８ｃにより、合成された合成音データがスピーカ３０４ｃに出力される（Ｓ１０４’）。

以上のＳ１０１〜Ｓ１０４（Ｓ１０３’、Ｓ１０４’を含む）により、遠隔会議端末３００ｂ、３００ｃのスピーカ３０４ｂ、３０４ｃから、発話者Ａの発話音声データに基づく発話者Ａの発話音声が出力され、その発話音声に重畳して、発話者Ａの背景雑音データに基づく発話者Ａの背景雑音が再生されることになる。

したがって、発話者Ａを識別する背景雑音が発話者Ａの発話音声に重畳して再生されるため、映像信号や音声信号の伝送に遅延が発生する場合であっても、誰が発話しているのかを容易に把握できる。

引き続き、発話者Ａの発話内容に対して、第１被発話者Ｂが、頷きや手を動作、頭を動作させたケース１の場合と、声を出して頷いているケース２の場合とにおける遠隔会議システム１の動作について以下説明を続ける。

最初に、ケース１の場合について説明する。

遠隔会議端末３００ｂにおいて、映像取込部３３ｂにより、ビデオカメラ３０１ｂで撮影された第１被発話者Ｂの画像が動作検出部３４ｂに随時出力され、動作検出部３４ｂにより、その画像領域内の画像特徴点が抽出され、時間的に前後する複数の画像において画像特徴点が予め設定された移動距離閾値を超えて移動するか否かが判定される（Ｓ１０５）。

次いで、Ｓ１０１の判定の結果、頷きや手の動作、頭の動作によって、手部又は頭部に対応する画像特徴点が移動距離閾値を超えて移動する場合に、動作検出部３４ｂにより、第１被発話者Ｂの動作が検知され、データ送受信部３１ｂにより、通信ネットワーク５００又は背景雑音データ生成装置１００を介して、第１被発話者Ｂを識別する「ｂ」のＩＤが遠隔会議端末３００ａ、３００ｃに送信される（Ｓ１０６）。

次いで、遠隔会議端末３００ｃにおいて、データ送受信部３１ｃにより、遠隔会議端末３００ｂから送信された「ｂ」のＩＤが受信され、背景雑音データ合成部３７ｃにより、その「ｂ」のＩＤに対応する背景雑音データが背景雑音データ記憶メモリ３２ｃから読み出され、発話者Ａによって既に発せられている発話音声データに合成される（Ｓ１０７）。

次いで、合成音データ出力部３８ｃにより、合成された合成音データがスピーカ３０４ｃに出力される（Ｓ１０８）。ここで出力される合成音データは、発話者Ａの発話音声データと発話者Ａの背景雑音データと第１被発話者Ｂの背景雑音データとが合成されたものでもよく、発話者Ａの発話音声データと第１被発話者Ｂの背景雑音データとが合成されたものでもよい。

以上のＳ１０１〜Ｓ１０８により、遠隔会議端末３００ｃのスピーカ３０４ｃから、発話者Ａの発話音声データに基づいて発話音声が出力され、その発話音声に重畳して、背景雑音データに基づく第１被発話者Ｂの背景雑音が再生されることになる。

したがって、頷く動作をしている第１被発話者Ｂの背景雑音データが再生されるため、誰が話を聞いているかや、その話に納得しているかを把握できる。また、頷きや手を動作、頭を動作させた第１被発話者Ｂの背景雑音データが再生されるため、誰がいつ話し始めるかを容易に把握できる。

次に、ケース２の場合について説明する。

遠隔会議端末３００ｂにおいて、音声取込部３５ｂにより、マイク３０２ｂで集音された第１被発話者Ｂの発話音声が音声検出部３６ｂに随時出力され、音声検出部３６ｂにより、その第１被発話者Ｂの発話音声の音声強度が算出されて、予め設定された音声強度閾値を超えるか否かが判定される（Ｓ１０５’）。

次いで、Ｓ１０５’の判定の結果、声を出して頷いている動作によって、その発話音声の音声強度が音声強度閾値を超える場合に、音声検出部３６ｂにより、第１被発話者Ｂの発話が検知され、データ送受信部３１ｂにより、通信ネットワーク５００又は背景雑音データ生成装置１００を介して、第１被発話者Ｂを識別する「ｂ」のＩＤが遠隔会議端末３００ａ、３００ｃに送信される（Ｓ１０６’）。

次いで、遠隔会議端末３００ｃにおいて、データ送受信部３１ｃにより、遠隔会議端末３００ｂから送信された「ｂ」のＩＤが受信され、背景雑音データ合成部３７ｃにより、その「ｂ」のＩＤに対応する背景雑音データが背景雑音データ記憶メモリ３２ｃから読み出され、発話者Ａによって既に発せられている発話音声データに合成される（Ｓ１０７’）。

次いで、合成音データ出力部３８ｃにより、合成された合成音データがスピーカ３０４ｃに出力される（Ｓ１０８’）。ここで出力される合成音データも、発話者Ａの発話音声データと発話者Ａの背景雑音データと第１被発話者Ｂの背景雑音データとが合成されたものでもよく、発話者Ａの発話音声データと第１被発話者Ｂの背景雑音データとが合成されたものでもよい。

以上のＳ１０１〜Ｓ１０４、Ｓ１０５’〜Ｓ１０８’により、遠隔会議端末３００ｃのスピーカ３０４ｃから、発話者Ａの発話音声データに基づいて発話音声が出力され、その発話音声に重畳して、背景雑音データに基づく第１被発話者Ｂの背景雑音が再生されることになる。

したがって、声を出しながら頷いている第１被発話者Ｂの背景雑音データが再生されるため、被発話者が誰であるかを容易に把握でき、会議参加者のうち誰が発話者の話を聞いているか、その話に納得しているか、誰がいつ話し始めるかを容易に把握できる。

なお、Ｓ１０７〜Ｓ１０８とＳ１０７’〜Ｓ１０８’との各動作は、遠隔操作端末３００ａでも同様に実行される。

ここで、図１及び図３を参照しながら、動作及び音声の検出動作について説明しておく。図３は、動作及び音声の検出動作フローを示す図である。

まず、動作検出部３４により、被発話者の頷きや手の動き、頭の動きが検出されたか否かが判定される（Ｓ３０１）。

次いで、Ｓ３０１の判定の結果、動作が検出されない場合には、音声検出部３６により、発話者又は被発話者の発話音声が検出されたか否かが判定される（Ｓ３０２）。

次いで、Ｓ３０２の判定の結果、発話音声が検出されない場合には、そのまま処理を終了する。一方、Ｓ３０１の判定の結果、動作が検出された場合、又はＳ３０２の判定の結果、発話音声が検出された場合には、ＩＤが送信される（Ｓ３０３）。

なお、動作検出部３４では、上述したように、頷きや手の動き、頭の動きを画像処理によって検出するが、これは従来技術で実現可能である。例えば、特に、頷く動作については顔向き検出を行い、顔向きが上下に動いたときに頷き動作ありと判定する。手の動作については、例えば、顔に隣接していない肌色領域上の特徴点が単位時間当たりに予め定めた閾値を超えて移動した場合に、手の動きありと判定する。頭の動作については、例えば、顔検出を行い、顔の画像領域の中心点が、単位時間当たりに予め定めた閾値を超えて移動した場合に、頭の動きありと判定する。

また、本遠隔会議システムに携帯電話端末を利用する場合には、携帯電話端末に加速度センサを組み込み、頷き動作や頭の動作を検知して、背景雑音を再生するようにしてもよい。

以上より、会議参加者毎に固有の背景雑音データを生成し、その会議参加者が発話する際には、生成した背景雑音データを発話音声データと合成して再生するため、誰が発話しているのかを確実に把握できる。また、頷きや手の動き、頭の動きを検出し、その都度、上記生成した背景雑音データを再生するため、画質の悪いＷｅｂ会議や姿の見えない又は見え難い音声会議においても、頷きや手の動き、頭の動きを伝えることができ、誰が話に頷いているのかが把握できる。さらに、発話しようとして頭を動かすといった予備動作から、誰がいつ発話しそうかという気配を感じることができる。

これにより、画質の悪い遠隔会議や音声会議を行う際に，他の会議参加者の姿がよく見えない又は全く見えない状況においても誰が発話しているのかが分かるので、会話の流れをつかみやすく、発話している最中に誰が聞いているのかが分かりやすく、誰が次に発話しそうかが分かりやすくなり、話者交替を円滑に行うことが可能となり、円滑なる会議進行が実現できる。

また、発言権獲得の際に社会的立場を意識するといった精神的敷居をなくし、また発言権獲得のために普段の対面した会議では行わないような特別な操作を必要としない方法で、各参加者に平等な発言機会を与え、円滑な話者交替を実現できる。

さらに、背景雑音データをそのまま送受信するのではなく、ＩＤを送受信し、再生する遠隔会議端末３００でＩＤに応じた背景雑音を再生するため、通信ネットワークによる遅延や音質の劣化を防ぐことができる。この結果、遅延のあるシステムにおいても、他の会議参加者の様子を素早く認知することができるようになる。

最後に、本実施の形態で説明した遠隔会議システム１は、コンピュータで構成される。すなわち、背景雑音データ記憶メモリ３２は、メモリやハードディスク等の記憶手段で実現される。また、背景雑音データ生成部１１と、データ送受信部１２と、データ送受信部３１と、映像取込部３３と、動作検出部３４と、音声取込部３５と、音声検出部３６と、背景雑音データ合成部３７と、合成音データ出力部３８とは、ＣＰＵ等の演算手段で実現され、プログラムで実行される。

また、本実施の形態で説明した遠隔会議システム１をプログラムとして光記憶装置や磁気記憶装置等の記録媒体に読出可能に記録し、この記録媒体をコンピュータに組み込んだり、若しくは記録媒体に記録されたプログラムを、任意の通信回線を介してコンピュータにダウンロードしたり、又は記録媒体からインストールし、該プログラムでコンピュータを動作させることにより、上述した各処理動作を遠隔会議システム１として機能させることができるのは勿論である。

１…遠隔会議システム
１００…背景雑音データ生成装置
１１…背景雑音データ生成部（生成手段）
１２…データ送受信部
３００…遠隔会議端末
３１…データ送受信部
３２…背景雑音データ記憶メモリ
３３…映像取込部（検知手段）
３４…動作検出部（検知手段）
３５…音声取込部
３６…音声検出部
３７…背景雑音データ合成部（合成・再生手段）
３８…合成音データ出力部（合成・再生手段）
３０１…ビデオカメラ（検知手段）
３０２…マイク
３０３…モニタ
３０４…スピーカ（合成・再生手段）
５００…通信ネットワーク
Ｓ…ステップ

Claims (7)

1. コンピュータにより行う遠隔会議方法において、
   会議参加者毎の固有の背景雑音データを記憶手段に記憶させる記憶ステップと、
   被発話者の動作を検知する検知ステップと、
   検知された被発話者の背景雑音データを前記記憶手段から読み出して、発話者の発する発話音声データに合成して再生する合成・再生ステップと、
   を有することを特徴とする遠隔会議方法。
2. 前記検知ステップは、
   前記被発話者の頷く動作、手部の動作、頭部の動作を検知することを特徴とする請求項１に記載の遠隔会議方法。
3. 前記検知ステップは、
   カメラにより撮影された被発話者の画像を時系列で取り込み、手部又は頭部に対応する画像特徴点が所定の閾値を超えて移動する場合に、被発話者が動作したことを検知することを特徴とする請求項１又は２に記載の遠隔会議方法。
4. 会議参加者毎の固有の背景雑音データを記憶する記憶手段と、
   被発話者の動作を検知する検知手段と、
   検知された被発話者の背景雑音データを前記記憶手段から読み出して、発話者の発する発話音声データに合成して再生する合成・再生手段と、
   を有することを特徴とする遠隔会議システム。
5. 前記検知手段は、
   前記被発話者の頷く動作、手部の動作、頭部の動作を検知することを特徴とする請求項４に記載の遠隔会議システム。
6. 前記検知手段は、
   カメラにより撮影された被発話者の画像を時系列で取り込み、手部又は頭部に対応する画像特徴点が所定の閾値を超えて移動する場合に、被発話者が動作したことを検知することを特徴とする請求項４又は５に記載の遠隔会議システム。
7. 請求項１乃至３のいずれかに記載の遠隔会議方法における各ステップをコンピュータに実行させることを特徴とする遠隔会議プログラム。

Images