JP5994974B2 - 情報処理装置、プログラム及び情報処理方法 - Google Patents

Description

本技術は、再生コンテンツをユーザに提示する情報処理装置、プログラム及び情報処理方法に関する。

録画再生機器やインターネット等の普及により、ユーザが利用可能なコンテンツの量は増加しており、ユーザが自らの嗜好に合致するコンテンツを膨大なコンテンツの中から選択する必要がある。ここで、近年、ユーザが再生あるいは記録等したコンテンツに関連するコンテンツを検索し、ユーザに提示する技術が存在する。

例えば特許文献１には、ユーザの嗜好に合わせてコンテンツを提示するコンテンツ推薦システムが開示されている。当該システムは、再生されたコンテンツから取得される情報に基づいてユーザの嗜好を把握し、ユーザに嗜好に合致するコンテンツをユーザに提示するものである。

ＷＯ２０１０／０２７０３４

しかしながら、上記特許文献１に記載のようなシステムでは、推薦されるコンテンツの基準となる情報が再生されたコンテンツから取得されたものであるため、推薦されるコンテンツの幅は特定のジャンル等に限定されたものとなる。

以上のような事情に鑑み、本技術の目的は、ユーザの潜在する嗜好に合致する多彩なコンテンツを提示することが可能な情報処理装置、プログラム及び情報処理方法を提供することにある。

本技術の一形態に係る情報処理装置は、コンテンツ再生部と、コンテンツ部分指定部と、クラスタリング部と、クラス検出部と、共通クラス抽出部と、コンテンツ検索部とを具備する。
上記コンテンツ再生部は、再生コンテンツを再生する。
上記コンテンツ部分指定部は、上記再生コンテンツに含まれる複数のコンテンツ部分を指定する。
上記クラスタリング部は、上記複数のコンテンツ部分を複数のクラスタに分類する。
上記クラス検出部は、上記複数のクラスタのそれぞれに含まれる上記複数のコンテンツ部分からクラスを検出する。
上記共通クラス抽出部は、上記クラス検出部によって検出されたクラスのうち、上記複数のクラスタの間で共通する共通クラスを抽出する。
上記コンテンツ検索部は、上記共通クラスに該当するコンテンツを検索する。

この構成によれば、本情報処理装置は、複数のクラスタに分類されたコンテンツ部分（動画コンテンツのシーン等）から検出されたクラス（概念）のうち、当該複数のクラスタ間で共通するクラスに該当するコンテンツを検索するため、ユーザの嗜好を反映しつつ新たなコンテンツをユーザに提示することが可能である。

上記コンテンツ部分指定部は、ユーザによる指定を受けて上記複数のコンテンツ部分を指定してもよい。

この構成によれば、本情報処理装置は、ユーザによって指定（例えばお気に入りとしての登録）されたコンテンツ部分に基づいて共通クラスを抽出することが可能となる。

上記コンテンツ部分指定部は、上記再生コンテンツから抽出された特徴量に基づいて、上記複数のコンテンツ部分を指定してもよい。

この構成によれば、本情報処理装置は、再生コンテンツの重要シーン（例えば盛り上がりシーン）をコンテンツ部分として指定し、当該コンテンツ部分から共通クラスを抽出することが可能となる。

上記クラス検出部は、記複数のクラスタのそれぞれに含まれる上記複数のコンテンツ部分に対してオントロジー処理を実行し、上記複数のコンテンツ部分からクラスを検出してもよい。

この構成によれば、本情報処理装置は、クラスタに含まれる複数のコンテンツ部分に共通するクラスを幅広く検出することが可能となり、即ち、より多くの共通クラスを抽出することが可能となる。

上記クラスタリング部は、上記複数のコンテンツ部分からそれぞれ検出された特徴量に基づいて、上記複数のコンテンツ部分を上記複数のクラスタに分類してもよい。

この構成によれば、本情報処理装置は、各コンテンツ部分から検出された特徴量とデータベースを照合することにより、各コンテンツ部分に含まれる物体を認識することができ、当該物体に応じてコンテンツ部分をクラスタリングすることが可能である。

上記コンテンツ部分指定部は、上記再生コンテンツから抽出された画像の特徴量に基づいて、上記複数のコンテンツ部分を指定してもよい。

この構成によれば、本情報処理装置は、再生コンテンツから抽出された画像の特徴量、例えば画像の動きベクトルから当該再生コンテンツを撮影したカメラの動きを取得することができ、再生コンテンツの重要シーンをコンテンツ部分として指定することが可能となる。

上記コンテンツ部分指定部は、上記再生コンテンツから抽出された音声の特徴量に基づいて、上記複数のコンテンツ部分を指定してもよい。
この構成によれば、本情報処理装置は、再生コンテンツから抽出された音声の特徴量、例えば音声パワースペクトルから音声の盛り上がりを取得することができ、再生コンテンツの重要シーンをコンテンツ部分として指定することが可能となる。

上記コンテンツ再生部は、上記再生コンテンツの再生に上記共通クラスを反映させてもよい。

この構成によれば、本情報処理装置は、抽出した共通クラスに該当するコンテンツ部分を推奨シーンとしてユーザに提供することができ、これにより例えば、ユーザが推奨シーンのみを再生させることが可能となる。

本技術の一形態に係るプログラムは、コンテンツ再生部と、コンテンツ部分指定部と、クラスタリング部と、クラス検出部と、共通クラス抽出部と、コンテンツ検索部として情報処理装置を機能させる。
上記コンテンツ再生部は、再生コンテンツを再生する。
上記コンテンツ部分指定部は、上記再生コンテンツに含まれる複数のコンテンツ部分を指定する。
上記クラスタリング部は、上記複数のコンテンツ部分を複数のクラスタに分類する。
上記クラス検出部は、上記複数のクラスタのそれぞれに含まれる上記複数のコンテンツ部分からクラスを検出する。
上記共通クラス抽出部は、上記クラス検出部によって検出されたクラスのうち、上記複数のクラスタの間で共通する共通クラスを抽出する。
上記コンテンツ検索部は、上記共通クラスに該当するコンテンツを検索する。

本技術の一形態に係る情報処理方法は、コンテンツ再生部が、再生コンテンツを再生する。
コンテンツ部分指定部が、上記再生コンテンツに含まれる複数のコンテンツ部分を指定する。
クラスタリング部が、上記複数のコンテンツ部分を複数のクラスタに分類する。
クラス検出部が、上記複数のクラスタのそれぞれに含まれる上記複数のコンテンツ部分からクラスを検出する。
共通クラス抽出部が、上記クラス検出部によって検出されたクラスのうち、上記複数のクラスタの間で共通する共通クラスを抽出する。
コンテンツ検索部が、上記共通クラスに該当するコンテンツを検索する。

以上のように、本技術によれば、ユーザの潜在する嗜好に合致する多彩なコンテンツを提示することが可能な情報処理装置、プログラム及び情報処理方法を提供することが可能となる。

本技術の実施形態に係る情報処理装置の構成を示す模式図である。 同情報処理装置の機能的構成を示す模式図である。 同情報処理装置の機能的構成を説明するための模式図である。 同情報処理装置の動作を示すフローチャートである。 同情報処理装置の動作を示す模式図である。 同情報処理装置による重要シーンの検出に係る模式図である。

本技術の実施形態に係る情報処理装置について説明する。図１は、情報処理装置１００の構成を示すブロック図である。情報処理装置１００は、動画コンテンツの録画、再生が可能な録画再生機器（例えば、ＨＤＤ（Hard Disc Drive）レコーダー、ＢＤ（Blu-ray Disc （登録商標））レコーダー等）であるものとすることができるが、これに限られない。

同図に示すように、情報処理装置１００は、ネットワークＩＦ（interface）１１、チューナー部１２、記録処理部１３、情報処理部１４、入力ＩＦ１５、メモリ１６、ディスクドライブ１７、記録媒体１８、再生処理部１９、表示処理部２０、画像音声特徴抽出部２１、システムコントローラ２２、データバス２３及びコントロールバス２４を有する。

ネットワークＩＦ１１、チューナー部１２、記録処理部１３、情報処理部１４、入力ＩＦ１５、メモリ１６、ディスクドライブ１７、記録媒体１８、再生処理部１９、表示処理部２０、画像音声特徴抽出部２１及びシステムコントローラ２２はそれぞれ、データバス２３及びコントロールバス２４に接続されている。ネットワークＩＦ１１はネットワーク（インターネット等）Ｎに接続されており、チューナー部１２にはアンテナ２５が接続されている。入力ＩＦ１５には入力機器（リモートコントローラ、キーボード、マウス等）２６が接続され、表示処理部２０にはディスプレイ２７が接続されている。

ネットワークＩＦ１１は、ネットワークＮとの間で情報を授受する。チューナー部１２は、アンテナ２５を介して放送波を受信し、映像信号を生成する。記録処理部１３は、チューナー部１２によって生成された映像信号に記録処理を実行する。情報処理部１４は、後述するコンテンツの属性の推定等の処理を実行する。入力ＩＦ１５は、ユーザの操作を受けて入力機器２６において生成された入力信号を受信する。

メモリ１６は、情報処理部１４において処理されるプログラム等が書き込まれ、あるいは読み出される。ディスクドライブ１７は、ディスク状記録媒体１７ａに記録されている情報、例えばコンテンツを読み出し、あるいはディスク状記録媒体１７ａに情報を記録する。記録媒体１８は、プログラムやコンテンツを記憶する。再生処理部１９は、ディスクドライブ１７あるいは記録媒体１８に記憶されているコンテンツに対して再生処理を実行する。

表示処理部２０は、再生処理部１９によって再生されているコンテンツから映像信号を生成し、ディスプレイ２７に供給する。画像音声特徴抽出部２１は、再生処理部１９によって再生されているコンテンツに対して、画像又は音声のいずれか、又は両方の特徴量（後述）を抽出し、情報処理部１４に供給する。システムコントローラ２２は、上記各部によるデータバス２３及びコントロールバス２４を介した各種信号の授受を制御する。なお、上記情報処理部１４における所定処理は、ネットワークＮを介して接続された所定のサーバーなど（図１では図示せず）で行うことも可能である。

情報処理装置１００は以上のような構成を有するものとすることができる。なお、情報処理装置１００の構成はここに示すものに限られず適宜変更することが可能である。情報処理装置１００は以上のようなハードウェア構成と、それに読み込まれるソフトウェアの協働によって次のような機能的構成を実現する。

図２は、情報処理装置１００の機能的構成を示すブロック図であり、図３は情報処理装置１００の機能的構成を説明するための模式図である。図２に示すように、情報処理装置１００は機能的構成として、コンテンツ再生部１０１、コンテンツ部分指定部１０２、クラスタリング部１０３、クラス検出部１０４、共通クラス抽出部１０５及びコンテンツ検索部１０６を有する。これらの各構成は相互に接続されているとともに、コンテンツ検索部１０６はネットワークＮ及びディスプレイ２７に接続されている。

コンテンツ再生部１０１は、コンテンツ（以下、再生コンテンツ）を再生する。再生コンテンツは、動画コンテンツや音声コンテンツ等の各種コンテンツを含む。コンテンツ再生部１０１は、ネットワークＮからダウンロードしたコンテンツや、記録媒体１８から読み出したコンテンツを再生コンテンツとして再生するものとすることができる。図３（ａ）に、ユーザ１によって再生されている再生コンテンツＡ及びユーザ２によって再生されている再生コンテンツＢを示す。なお、再生コンテンツの数は２つ以上であってもよい。

再生コンテンツは、複数のコンテンツ部分を含むものとする。コンテンツ部分は、再生コンテンツの部分であり、典型的には動画コンテンツのシーンである。図３（ａ）に示す再生コンテンツＡにはコンテンツ部分ａ１、ａ２、ａ３、ａ４及びａ５が含まれており、再生コンテンＢにはコンテンツ部分ｂ１、ｂ２、ｂ３、ｂ４及びｂ５が含まれているものとする。

コンテンツ部分指定部１０２は、再生コンテンツＡ及び再生コンテンツＢにおいて、コンテンツ部分を指定する。コンテンツ部分指定部１０２は、ユーザによって指定された（例えば、お気に入りとして登録された）コンテンツ部分を指定するものとすることができ、又は後述する手法によってコンテンツ部分指定部１０２が検出したコンテンツ部分を指定するものとすることができる。図３（ａ）に示すように、コンテンツ部分指定部１０２は、コンテンツＡについてコンテンツ部分ａ１〜ａ５を指定し、コンテンツＢについてコンテンツ部分ｂ１〜ｂ５を指定したものとする。コンテンツ部分指定部１０２は、指定した複数のコンテンツ部分をクラスタリング部１０３に供給する。

クラスタリング部１０３は、コンテンツ部分指定部１０２から供給されたコンテンツ部分を、各コンテンツ部分にそれぞれ含まれる特徴量に基づいて複数のクラスタに分類する。クラスタリング部１０３は、各コンテンツ部分の画像の特徴量（動きベクトル、色特徴量、輝度特徴量、エッジ特徴量等）あるいは各コンテンツ部分の音声の特徴量（所定周波数帯域の音声パワースペクトル、所定区間における平均音声レベルの特徴量等）を利用して、各コンテンツ部分をクラスタリングするものとすることが可能である。図３（ｂ）に、クラスタリング部１０３によってコンテンツ部分がクラスタリングされたクラスタＣ１及びクラスタＣ２を示す。なお、クラスタリング部１０３は、コンテンツ部分を２つ以上のクラスタにクラスタリングすることも可能である。クラスタリング部１０３は、各クラスタ毎のコンテンツ部分をクラス検出部１０４に供給する。

クラス検出部１０４は、各クラスタに含まれるコンテンツ部分から「クラス」を検出する。クラスとは、各コンテンツ部分から共通して抽出できる概念である。図３（ｃ）には、各クラスタ毎に検出されたクラスを示す。ここではクラスタＣ１からクラス１及びクラス２が検出され、クラスタＣ２からクラス２及びクラス３が検出されたものとする。クラス検出部１０４は、各クラスタに含まれるコンテンツ部分の特徴量を用いた「オントロジー処理（概念体系化処理）」によって、各クラスタのクラスを検出するものとすることができる。クラス検出部１０４は、各クラスタについて検出したクラスを共通クラス抽出部１０５に供給する。

共通クラス抽出部１０５は、クラス検出部１０４によって各クラスタについて検出されたクラスのうち、複数のクラスタ間で共通するクラス（以下、共通クラスとする）を抽出する。図３（ｄ）には、抽出された共通クラス（ここではクラス２）を示す。なお、共通クラス抽出部１０５はネットワークＮを介して、複数ユーザのそれぞれのクラスから共通クラスを抽出するものとすることも可能である。共通クラス抽出部１０５は、抽出した共通クラスをコンテンツ検索部１０６に供給する。

コンテンツ検索部１０６は、共通クラスに該当するコンテンツを検索する。図３（ｅ）には、コンテンツ検索部１０６によって取得されたコンテンツを示す。コンテンツ検索部１０６は、各共通クラスの特徴量に基づいて、ネットワークＮ上に存在するコンテンツ、あるいは情報処理装置１００に記録されているコンテンツの中から、当該共通クラスに該当する一つ又は複数のコンテンツを検索するものとすることができる。

なお、コンテンツ検索部１０６が検索するコンテンツは動画コンテンツに限られず、静止画像や音声コンテンツやテキストコンテンツであってもよい。コンテンツ検索部１０６は、検索したコンテンツダウンロードし、あるいは記録媒体から読み出し、ディスプレイ２７等に表示させることによってユーザに提示するものとすることができる。ここで、上記図２における各部１０３〜１０６は、ネットワークＮを介して接続されている所定のサーバ（図２では図示せず）で行うことも可能である。その場合には、上記図２におけるコンテンツ部分指定部１０２から出力されたデータを上記、ネットワークＮを介して接続された所定サーバ（図２では図示せず）に入力して各所定処理を行うことができる。

[情報処理装置の動作]
情報処理装置１００の動作について説明する。図４は情報処理装置１００の動作を示すフローチャートであり、図５は情報処理装置１００の動作を示す模式図である。

まず、コンテンツ部分指定部１０２は、カウンタを初期化（ｎ＝０）する（Ｓｔ１０１）。カウンタは、コンテンツ部分指定部１０２が指定したコンテンツ部分の数を示すものであり、後述するステップにおいて利用されるものである。

続いて、情報処理装置１００は、ユーザによって本技術に係る検索モードの利用が指示されているか否かを確認する（Ｓｔ１０２）。本技術に係る検索モードの利用が指示されなかった場合（Ｓｔ１０２：Ｎｏ）には情報処理装置１００は、指示された動作モードへ移行する。本技術に係る検索モードの利用が指示された場合（Ｓｔ１０２：Ｙｅｓ）には、コンテンツ再生部１０１が、ユーザによって選択されたコンテンツを再生する（Ｓｔ１０３）。

続いて、画像音声特徴抽出部２１によって、再生されているコンテンツに対して特徴量抽出処理が実行される（Ｓｔ１０４）。画像音声特徴抽出部２１は、コンテンツから画像特徴量又は音声特徴量あるいはその両方を抽出するものとすることができる。

続いて、ユーザによってコンテンツ部分の指定が手動で実行されるか、自動で実行されるかが選択される（Ｓｔ１０５）。手動によるコンテンツ部分の指定が選択された場合（Ｓｔ１０５：Ｙｅｓ）、ユーザによってコンテンツ部分が指定される（Ｓｔ１０６）。ユーザはリモートコントローラや所定のカーソル手段、タッチパネルの場合には直接タッチすることでコンテンツ部分を指定するものとすることが可能である。

コンテンツ部分指定部１０２は、ユーザによって指定されたコンテンツ部分（例えば、ユーザがお気に入りとして登録したシーン）を指定する。コンテンツ部分の指定と同時に、コンテンツ部分指定部１０２は、指定したコンテンツ部分の数に応じてカウンタをプラス（ｎ^＋＋）する。

また、自動によるコンテンツ部分の指定が選択された場合（Ｓｔ１０５：Ｎｏ）、コンテンツ部分指定部１０２は、画像音声特徴抽出部２１によって抽出されたコンテンツの特徴量に基づいてコンテンツ部分を指定する（Ｓｔ１０７）。詳細は後述するが、コンテンツ部分指定部１０２は、コンテンツの特徴量（例えば所定区間の動きベクトル、色特徴量、輝度特徴量等の画像特徴量及び音声パワースペクトル、所定区間における平均音声レベル等の音声特徴量）から、コンテンツにおける重要シーン（例えば盛り上がりシーン）を特定し、コンテンツ部分として指定するものとすることができる。図５（ａ）に、コンテンツ部分指定部１０２によって指定されたコンテンツ部分ａ１〜ａ６を示す。

続いて、情報処理装置１００は、コンテンツの再生が終了した場合（Ｓｔ１０８：Ｙｅｓ）にはカウンタの確認（Ｓｔ１０９）を実行する。一方、情報処理装置１００は、コンテンツの再生が終了していない場合（Ｓｔ１０８：Ｎｏ）には、コンテンツ部分の指定方法の選択（Ｓｔ１０５）に戻る。

続いて、クラスタリング部１０３は、カウンタ数が１以上の場合（Ｓｔ１０９：Ｙｅｓ）、クラスタリングを実行する（Ｓｔ１１０）。クラスタリング部１０３は、画像音声特徴抽出部２１によって抽出された各コンテンツ部分の特徴量をデータベースと照合することにより、各コンテンツ部分に含まれる物体を認識するものとすることができる。この物体の認識は、動画コンテンツの場合、各フレーム画像を画像セグメンテーション処理を行った後、各セグメンテーション領域における所定の画像特徴量を用いて処理を行うことも可能である。静止画像の場合には各画像ごとに同様の処理を行うことができる。続いてクラスタリング部１０３は、認識された物体に応じて各コンテンツ部分を各クラスタに分類（クラスタリング）する。図５（ｂ）に、クラスタリングされたコンテンツ部分の例を示す。図５（ｂ）に示すようにコンテンツ分部ａ１〜ａ３がクラスタＣ１として、コンテンツ部分ａ４〜ａ６がクラスタＣ２としてクラスタリングされたものとする。

なお、カウンタ数が０の場合（Ｓｔ１０９：Ｎｏ）、クラスタリングが実行できないため、情報処理装置１００は本技術に係る検索が実行できない旨の警告を生成する（Ｓｔ１１５）。

クラスタリング部１０３は、ｋ−ｍｅａｎｓ法、ファジーｃ−ｍｅａｎｓ法等の公知のクラスタリング処理によって、クラスタリングを実行するものとすることができる。また、クラスタリング部１０３は、機械学習手法に基づいて、コンテンツ部分をデータベース上で予め処理された所定のクラスに分類するものとすることも可能である。機械学習手法としは、ニューラルネットワークやＳＶＭ（サポートベクターマシン）が知られている。ここで、上記図５（ａ）〜（ｂ）の処理は、初めに特徴量に基づいてクラスタリング処理を行い、その後、クラスタリング処理された各クラスに毎に物体の認識処理を行うことも考えられる。その場合、各クラスの各コンテンツのデータごとに所定特徴量に基づいて認識処理を行い、その結果を多数決処理し認識判定処理を行うことも可能である。また、各クラスにおける各コンテンツの所定特徴量の平均データに基づいて認識処理を行うことも可能である。

続いて、クラス検出部１０４は、各クラスタに含まれる各コンテンツ部分の特徴量を用いたオントロジー処理によって、各クラスタのクラスを検出する。（Ｓｔ１１１）。例えば、図５（ｃ）に示すように、クラスタＣ１に含まれるコンテンツ部分が「ケーキ」のシーンである場合、クラス検出部１０４はオントロジー処理によって、「ケーキ」に関連するクラスを検出する。ここではクラス検出部１０４によって、「スイーツ」、「代官山」、「フルーツ」、「レシピ」、「ダイエット」、「ファッション」、「健康」及び「季節」の各クラスが検出されたものとする。以下、これらを検出クラスＤ１とする。

同様に、クラスタＣ２に含まれるコンテンツ部分が「スポーツ」のシーンである場合、クラス検出部１０４は、オントロジー処理によって、「スポーツ」に関連するクラスを検出する。ここではクラス検出部１０４によって「オリンピック」、「ワールドカップ」、「怪我」「ダイエット」、「ファッション」、「健康」、「季節」の各クラスが検出されたものとする。以下、これらを検出クラスＤ２とする。

続いて、共通クラス抽出部１０５は、検出クラスＤ１と検出クラスＤ２の間で共通するクラス（共通クラス）を抽出する（Ｓｔ１１２）。図５（ｃ）においては、「ダイエット」、「ファッション」、「健康」及び「季節」が検出クラスＤ１と検出クラスＤ２に共に含まれる共通クラスである。

続いて、コンテンツ検索部１０６は、共通クラスに該当するコンテンツを検索する（Ｓｔ１１３）。図５（ｄ）に示すように、コンテンツ検索部１０６は、例えば、共通クラスを検索キーワードとして検索し、あるいはコンテンツに付与されているメタ情報（ＥＰＧ：電子番組ガイド等）の中から共通クラスに一致するものを検索するものとすることが可能である。

続いて情報処理装置１００は、コンテンツ検索部１０６によって検索されたコンテンツをユーザに提示する（Ｓｔ１１４）。情報処理装置１００は、当該コンテンツをディスプレイ２７等に表示させることによってユーザに提示するものとすることができる。また、情報処理装置１００は、コンテンツ検索部１０６によって検索されたコンテンツ以外にも、共通クラス抽出部１０５によって抽出された共通クラスをキーワードとしてユーザに提示するものとすることも可能である。

以上のように、本実施形態に係る情報処理装置１００は、ユーザによって指定され、又は再生コンテンツから抽出された複数のコンテンツ部分の間で、共通するクラスに該当するコンテンツが検索される。したがって、情報処理装置１００は、ユーザが潜在的に興味を有していると推定されるコンテンツを検索し、ユーザに提供することが可能であり、単に類似あるいは関連するコンテンツをユーザに提供する場合に比べ、多彩なコンテンツをユーザに提供することが可能である。

[特徴量抽出について]
上述のように、自動によるコンテンツ部分の指定が選択された場合（Ｓｔ１０５：Ｎｏ）、コンテンツ部分指定部１０２は、画像音声特徴抽出部２１によって抽出されたコンテンツの特徴量に基づいてコンテンツ部分を指定する（Ｓｔ１０７）。コンテンツ部分指定部１０２は、再生コンテンツの特徴量を利用して、当該再生コンテンツにおける重要シーン（盛り上がりシーン）を検出し、検出した重要シーンをコンテンツ部分として指定するものとすることが可能である。

図６は、コンテンツ部分指定部１０２の、重要シーンの検出に係る模式図である。同図に示すように、コンテンツ部分指定部１０２は、再生コンテンツの画像データに対して動きベクトル検出（Ｓｔ１１）を実行し、検出された画像の動きベクトルから、カメラ動き特徴（カメラ特徴）を判定（Ｓｔ１２）することができる。カメラ特徴は、当該コンテンツが撮影された際のカメラのパン、チルト、ズーム等のカメラの動作であり、それぞれについてアフィン係数が抽出されるものとすることができる。

また、コンテンツ部分指定部１０２は、再生コンテンツの音声データに対して音声信号処理（Ｓｔ１３）を実行し、検出された所定周波数帯域における音声パワースペクトルや所定区間における平均音声レベル等から、音声の盛り上がりを判定（Ｓｔ１４）することができる。

コンテンツ部分指定部１０２は、コンテンツの画像データから抽出された画像特徴量であるカメラ特徴のアフィン係数及び音声特徴量である所定周波数帯域におけるパワースペクトル値を用いて重要区間評価値を算出する（Ｓｔ１５）。コンテンツ部分指定部１０２は、下記の[式１]を用いて重要区間評価値（Ｇ）を算出することが可能である。

Ｇ＝ｋ１（パン係数）＋ｋ２（チルト係数）＋ｋ３（ズーム係数）＋ｋ４（所定周波数帯域におけるパワースペクトル値） （式１）
ｋ１〜ｋ４：重み係数（ｋ１＋ｋ２＋ｋ３＋ｋ４＝１）

コンテンツ部分指定部１０２は、上記[式１]を用いて算出した重要区間評価値を利用して、再生コンテンツにおける重要シーンを検出し、コンテンツ部分として指定するものとすることが可能である。なお、再生コンテンツにおける重要シーンの検出については、特開２０１１−７８０２８、ＷＯ０６／０１６６０５、特開２００７−３１８２００等に、カメラ特徴とアフィン係数等の特徴量の抽出については特開２００９−４９５４６等にも開示されている。コンテンツ部分指定部１０２は、各種の手法によって再生コンテンツから重要シーンを検出するものとすることが可能である。

本技術は、上記各実施形態にのみ限定されるものではなく、本技術の要旨を逸脱しない範囲内において変更することが可能である。

上記実施形態において、コンテンツ再生部は、ユーザによって選択された再生コンテンツを再生するものとしたが、この際、共通クラス抽出部によって抽出された共通クラスを、再生コンテンツの再生に反映させるものとすることが可能である。具体的には、コンテンツ再生部は、再生コンテンツにおいて共通クラスに該当するコンテンツ部分（シーン）を推奨シーンとしてユーザに提供することができる。これにより、ユーザは例えば推奨シーンのみを再生させることが可能となる。

なお、本技術は以下のような構成も採ることができる。

（１）
再生コンテンツを再生するコンテンツ再生部と、
上記再生コンテンツに含まれる複数のコンテンツ部分を指定するコンテンツ部分指定部と、
上記複数のコンテンツ部分を複数のクラスタに分類するクラスタリング部と、
上記複数のクラスタのそれぞれに含まれる上記複数のコンテンツ部分からクラスを検出するクラス検出部と、
上記クラス検出部によって検出されたクラスのうち、上記複数のクラスタの間で共通する共通クラスを抽出する共通クラス抽出部と、
上記共通クラスに該当するコンテンツを検索するコンテンツ検索部と
を具備する情報処理装置。

（２）
上記（１）に記載の情報処理装置であって、
上記コンテンツ部分指定部は、ユーザによる指定を受けて上記複数のコンテンツ部分を指定する
情報処理装置。

（３）
上記(１)又は（２）に記載の情報処理装置であて、
上記コンテンツ部分指定部は、上記再生コンテンツから抽出された特徴量に基づいて、上記複数のコンテンツ部分を指定する
情報処理装置。

（４）
上記（１）から（３）のいずれか一つに記載の情報処理装置であって、
上記クラス検出部は、記複数のクラスタのそれぞれに含まれる上記複数のコンテンツ部分に対してオントロジー処理を実行し、上記複数のコンテンツ部分からクラスを検出する
情報処理装置。

（５）
上記（１）から（４）のいずれか一つに記載の情報処理装置であって、
上記クラスタリング部は、上記複数のコンテンツ部分からそれぞれ検出された特徴量に基づいて、上記複数のコンテンツ部分を上記複数のクラスタに分類する
情報処理装置。

（６）
上記（１）から（５）のいずれか一つに記載の情報処理装置であって、
上記コンテンツ部分指定部は、上記再生コンテンツから抽出された画像の特徴量に基づいて、上記複数のコンテンツ部分を指定する
情報処理装置。

（７）
上記（１）から（６）のいずれか一つに記載の情報処理装置であって、
上記コンテンツ部分指定部は、上記再生コンテンツから抽出された音声の特徴量に基づいて、上記複数のコンテンツ部分を指定する
情報処理装置。

（８）
上記（１）から（７）のいずれか一つに記載の情報処理装置であって、
上記コンテンツ再生部は、上記再生コンテンツの再生に上記共通クラスを反映させる
情報処理装置。

（９）
再生コンテンツを再生するコンテンツ再生部と、
上記再生コンテンツに含まれる複数のコンテンツ部分を指定するコンテンツ部分指定部と、
上記複数のコンテンツ部分を複数のクラスタに分類するクラスタリング部と、
上記複数のクラスタのそれぞれに含まれる上記複数のコンテンツ部分からクラスを検出するクラス検出部と、
上記クラス検出部によって検出されたクラスのうち、上記複数のクラスタの間で共通する共通クラスを抽出する共通クラス抽出部と、
上記共通クラスに該当するコンテンツを検索するコンテンツ検索部と
として情報処理装置を機能させるプログラム。

（１０）
コンテンツ再生部が、再生コンテンツを再生し、
コンテンツ部分指定部が、上記再生コンテンツに含まれる複数のコンテンツ部分を指定し、
クラスタリング部が、上記複数のコンテンツ部分を複数のクラスタに分類し、
クラス検出部が、上記複数のクラスタのそれぞれに含まれる上記複数のコンテンツ部分からクラスを検出し、
共通クラス抽出部が、上記クラス検出部によって検出されたクラスのうち、上記複数のクラスタの間で共通する共通クラスを抽出し、
コンテンツ検索部が、上記共通クラスに該当するコンテンツを検索する
情報処理方法。

１００…情報処理装置
１０１…コンテンツ再生部
１０２…コンテンツ部分指定部
１０３…クラスタリング部
１０４…クラス検出部
１０５…共通クラス抽出部
１０６…コンテンツ検索部

Claims (9)

1. 再生コンテンツを再生するコンテンツ再生部と、
   前記再生コンテンツに含まれる複数のコンテンツ部分をユーザによる指定を受けて指定するコンテンツ部分指定部と、
   前記複数のコンテンツ部分を複数のクラスタに分類するクラスタリング部と、
   前記複数のクラスタのそれぞれに含まれる前記複数のコンテンツ部分からクラスを検出するクラス検出部と、
   前記クラス検出部によって検出されたクラスのうち、前記複数のクラスタの間で共通する共通クラスを抽出する共通クラス抽出部と、
   前記共通クラスに該当するコンテンツを検索するコンテンツ検索部と
   を具備する情報処理装置。
2. 請求項１に記載の情報処理装置であって、
   前記コンテンツ部分指定部は、前記再生コンテンツから抽出された特徴量に基づいて、前記複数のコンテンツ部分を指定する
   情報処理装置。
3. 請求項１に記載の情報処理装置であって、
   前記クラス検出部は、記複数のクラスタのそれぞれに含まれる前記複数のコンテンツ部分に対してオントロジー処理を実行し、前記複数のコンテンツ部分からクラスを検出する
   情報処理装置。
4. 請求項１に記載の情報処理装置であって、
   前記クラスタリング部は、前記複数のコンテンツ部分からそれぞれ検出された特徴量に基づいて、前記複数のコンテンツ部分を前記複数のクラスタに分類する
   情報処理装置。
5. 請求項２に記載の情報処理装置であって、
   前記コンテンツ部分指定部は、前記再生コンテンツから抽出された画像の特徴量に基づいて、前記複数のコンテンツ部分を指定する
   情報処理装置。
6. 請求項２に記載の情報処理装置であって、
   前記コンテンツ部分指定部は、前記再生コンテンツから抽出された音声の特徴量に基づいて、前記複数のコンテンツ部分を指定する
   情報処理装置。
7. 請求項１に記載の情報処理装置であって、
   前記コンテンツ再生部は、前記再生コンテンツの再生に前記共通クラスを反映させる
   情報処理装置。
8. 再生コンテンツを再生するコンテンツ再生部と、
   前記再生コンテンツに含まれる複数のコンテンツ部分をユーザによる指定を受けて指定するコンテンツ部分指定部と、
   前記複数のコンテンツ部分を複数のクラスタに分類するクラスタリング部と、
   前記複数のクラスタのそれぞれに含まれる前記複数のコンテンツ部分からクラスを検出するクラス検出部と、
   前記クラス検出部によって検出されたクラスのうち、前記複数のクラスタの間で共通する共通クラスを抽出する共通クラス抽出部と、
   前記共通クラスに該当するコンテンツを検索するコンテンツ検索部と
   として情報処理装置を機能させるプログラム。
9. コンテンツ再生部が、再生コンテンツを再生し、
   コンテンツ部分指定部が、前記再生コンテンツに含まれる複数のコンテンツ部分をユーザによる指定を受けて指定し、
   クラスタリング部が、前記複数のコンテンツ部分を複数のクラスタに分類し、
   クラス検出部が、前記複数のクラスタのそれぞれに含まれる前記複数のコンテンツ部分からクラスを検出し、
   共通クラス抽出部が、前記クラス検出部によって検出されたクラスのうち、前記複数のクラスタの間で共通する共通クラスを抽出し、
   コンテンツ検索部が、前記共通クラスに該当するコンテンツを検索する
   情報処理方法。