JP6933163B2 - 通信装置、通信システム、通信方法およびプログラム - Google Patents

Description

本発明は、通信装置、通信システム、通信方法およびプログラムに関する。

近年、ネットワーク及びマルチメディア伝送技術の発達により、遠隔地のサテライトオフィス同士、または地方のサテライトオフィスと本社を結ぶテレワークの導入が容易となっている。このため、経営改革の一環として、テレワークの導入を推進している企業が増加している。

同一空間で一緒に作業を行っているメンバー間の会話は、あるメンバーが他のメンバーに声をかけ、他のメンバーも自分への声かけを認知することにより開始される。テレワークにおいては、遠隔地のメンバー間の会話が電話で行われる。この電話での会話も、各メンバーが同一空間に存在する感覚で行われることが望ましい。しかし、電話での会話は、一般的に、あるメンバーが電話番号を指定して架電し、他のメンバーの電話機の呼出音が鳴り、他のメンバーが呼出音に気付いて電話を取ることにより開始される。このように開始される会話では、各メンバーが同一空間に存在する感覚を得ることは難しい。

この点に関し、特許文献１には、発呼元ユーザが相手ユーザの名前を声に出すと、音声認識により相手ユーザを特定し、相手ユーザに発呼する電話機が開示されている。

特開２００２−３３８２０号公報 特許第５６９２２０４号公報

しかし、特許文献１に記載の電話機では、呼び名が同一である複数のユーザが存在する場合に、複数のユーザから発呼先を選択するためのユーザ操作が必要になり得る。各ユーザの呼び名として異なる呼び名を登録しておくことも考えられるが、普段と異なる呼び名の利用は面倒および不自然である。また、各ユーザの呼び名として、相手に対して失礼な呼び名が利用されることも懸念される。

そこで、本発明は、上記問題に鑑みてなされたものであり、本発明の目的とするところは、呼び名が同一である複数のユーザが存在する場合にも、各ユーザが同一空間に存在するかのような感覚でユーザ間の会話が開始されることを支援する、新規かつ改良された通信装置、通信システム、通信方法およびプログラムを提供することにある。

上記課題を解決するために、本発明のある観点によれば、入力音声から、呼び名を含む接続コマンドを検出する音声認識部と、俯瞰映像を受信する受信部と、前記俯瞰映像を出力する映像出力部と、前記接続コマンドに含まれる呼び名に複数の通信装置が関連付けられている場合、前記複数の通信装置のうちのいずれかの通信装置を接続先として選択する接続先選択部と、前記接続先選択部により選択された通信装置との接続を処理する接続処理部と、を備え、前記接続先選択部は、前記映像出力部に出力される前記俯瞰映像の画角内の位置に関連付けられている通信装置を前記接続先として選択する、通信装置が提供される。

前記接続先選択部は、前記接続コマンドに含まれる呼び名に関連付けられている２以上の通信装置が前記俯瞰映像の画角内の位置に関連付けられている場合、前記２以上の通信装置の各々に関連付けられている位置に基づき前記接続先を選択してもよい。

前記接続先選択部は、前記２以上の通信装置のうちで、前記俯瞰映像の視点に最も近い位置に関連付けられている通信装置を前記接続先として選択してもよい。

前記通信装置は、各通信装置に関連付けられた位置の第１の物理座標および前記俯瞰映像を取得する俯瞰撮像装置の第２の物理座標を記憶する情報記憶部をさらに備え、前記接続先選択部は、前記２以上の通信装置の各々に関連付けられた位置と前記俯瞰撮像装置との距離を前記第１の物理座標および前記第２の物理座標に基づいて算出し、前記俯瞰撮像装置との距離が最も小さい位置に関連付けられた通信装置を前記接続先として選択してもよい。

前記接続先選択部は、前記俯瞰映像の画角内の位置に関連付けられている２以上の通信装置のうちで、前記俯瞰映像において最も下側の位置に関連付けられている通信装置を前記接続先として選択してもよい。

また、上記課題を解決するために、本発明の別の観点によれば、入力音声から、呼び名を含む接続コマンドを検出する音声認識部と、俯瞰映像を受信する受信部と、前記俯瞰映像を出力する映像出力部と、前記接続コマンドに含まれる呼び名に複数の通信装置が関連付けられている場合、前記複数の通信装置のうちのいずれかの通信装置を接続先として選択する接続先選択部と、前記接続先選択部により選択された通信装置との接続を処理する接続処理部と、を備え、前記接続先選択部は、前記映像出力部に出力される前記俯瞰映像の画角内の位置に関連付けられている通信装置を前記接続先として選択する、通信システムが提供される。

また、上記課題を解決するために、本発明の別の観点によれば、入力音声から、呼び名を含む接続コマンドを検出することと、俯瞰映像を受信することと、前記俯瞰映像を出力することと、前記接続コマンドに含まれる呼び名に複数の通信装置が関連付けられている場合、前記複数の通信装置のうちのいずれかの通信装置を接続先として選択することと、選択された通信装置との接続を処理することと、を備え、前記接続先を選択することは、出力される前記俯瞰映像の画角内の位置に関連付けられている通信装置を前記接続先として選択することを含む、通信方法が提供される。

また、上記課題を解決するために、本発明の別の観点によれば、コンピュータを、入力音声から、呼び名を含む接続コマンドを検出する音声認識部と、俯瞰映像を受信する受信部と、前記俯瞰映像を出力する映像出力部と、前記接続コマンドに含まれる呼び名に複数の通信装置が関連付けられている場合、前記複数の通信装置のうちのいずれかの通信装置を接続先として選択する接続先選択部と、前記接続先選択部により選択された通信装置との接続を処理する接続処理部と、を備え、前記接続先選択部は、前記映像出力部に出力される前記俯瞰映像の画角内の位置に関連付けられている通信装置を前記接続先として選択する、通信装置、として機能させるための、プログラムが提供される。

以上説明した本発明によれば、呼び名が同一である複数のユーザが存在する場合にも、各ユーザが同一空間に存在するかのような感覚でユーザ間の会話が開始されることを支援することが可能である。

本発明の実施形態による遠隔コミュニケーションシステムの構成の一例を示す説明図である。 撮像装置１０の構成の一例を示す説明図である。 端末管理サーバ１１の構成の一例を示す説明図である。 コミュニケーション端末２０の外観構成を示す説明図である。 本発明の実施形態によるコミュニケーション端末２０の構成を示す説明図である。 映像出力部２４０により出力される俯瞰映像の具体例を示す説明図である。 接続コマンドの構成および接続コマンドの検出に用いられる辞書の一例を示す説明図である。 拠点Ｂの物理空間および俯瞰映像を示す説明図である。 拠点Ｂの物理空間の平面図である。 拠点Ｂの物理空間の平面図である。 本発明の実施形態によるコミュニケーション端末２０の動作を示すフローチャートである。 コミュニケーション端末２０のハードウェア構成を示したブロック図である。 変形例による接続先の選択方法を示す説明図である。

以下に添付図面を参照しながら、本発明の実施の形態について詳細に説明する。なお、本明細書及び図面において、実質的に同一の機能構成を有する構成要素については、同一の符号を付することにより重複説明を省略する。

また、本明細書及び図面において、実質的に同一の機能構成を有する複数の構成要素を、同一の符号の後に異なるアルファベットを付して区別する場合もある。例えば、実質的に同一の機能構成または論理的意義を有する複数の構成を、必要に応じてコミュニケーション端末２０Ａ及び２０Ｂのように区別する。ただし、実質的に同一の機能構成を有する複数の構成要素の各々を特に区別する必要がない場合、複数の構成要素の各々に同一符号のみを付する。例えば、コミュニケーション端末２０Ａ及び２０Ｂを特に区別する必要が無い場合には、各コミュニケーション端末を単にコミュニケーション端末２０と称する。

＜１．遠隔コミュニケーションシステムの概要＞
本発明の実施形態は、遠隔する拠点間でのコミュニケーションを実現する遠隔コミュニケーションシステムに関する。以下、図１を参照し、遠隔コミュニケーションシステムの概要を説明する。

図１は、本発明の実施形態による遠隔コミュニケーションシステムの構成の一例を示す説明図である。本発明の実施形態による遠隔コミュニケーションシステムは、図１に示したように、撮像装置１０と、コミュニケーション端末２０と、端末管理サーバ１１と、を有する。

図１は、２か所の拠点間でのコミュニケーションを例示しており、ネットワーク１２は、拠点Ａに設けられる撮像装置１０Ａ及びコミュニケーション端末２０Ａと、拠点Ｂに設けられる撮像装置１０Ｂ及びコミュニケーション端末２０Ｂと、コミュニケーション端末２０に関する端末情報を管理する端末管理サーバ１１とを接続している。

なお、ネットワーク１２は、電話回線網、インターネット、衛星通信網などの公衆回線網や、ＬＡＮ（Ｌｏｃａｌ Ａｅｒａ Ｎｅｔｗｏｒｋ）、ＷＡＮ（Ｗｉｄｅ Ａｒｅａ Ｎｅｔｗｏｒｋ）などを含んでもよい。また、ネットワーク１２は、ＩＰ−ＶＰＮ（Ｉｎｔｅｒｎｅｔ Ｐｒｏｔｏｃｏｌ−Ｖｉｒｔｕａｌ Ｐｒｉｖａｔｅ Ｎｅｔｗｏｒｋ）などの専用回線網を含んでもよい。

（撮像装置）
撮像装置１０は、拠点の俯瞰映像を撮像する機能と、拠点の環境音を収音する機能と、かかる俯瞰映像と環境音とを送信する機能を有する、俯瞰映像撮像装置である。図２は、撮像装置１０の構成の一例を示す説明図である。図２に示したように、撮像装置１０は、撮像部１０２と、集音部１０３と、通信部１０４を有することができる。

撮像部１０２は、拠点の映像を撮像する機能を有する。集音部１０３は、拠点の音声を収音する機能を有する。通信部１０４は、撮像部１０２により撮像された俯瞰映像と、集音部１０３で集音された環境音とを、ネットワーク１２を介して他の拠点に送信する機能を有する。

かかる撮像装置１０により、拠点Ａに設けられる撮像装置１０Ａは、拠点Ａの俯瞰映像及び環境音を、ネットワーク１２を介して拠点Ｂに送信し、同様に、拠点Ｂに設けられる撮像装置１０Ｂは、拠点Ｂの俯瞰映像及び環境音を、ネットワーク１２を介して拠点Ａに送信することができる。ここで、撮像装置１０は、撮像部１０２と集音部１０３の双方を必ずしも備えなくてもよく、集音部１０３を備えなくてもよい。また、一方の拠点で撮像した俯瞰映像と、集音した環境音とは、他方の拠点に必ずしも送信されなくてもよい。さらに、集音部１０３は、オフィスの中央等に設置して必要な音声を収音できるように、撮像部１０２と分離されてもよい。

なお、図１においては各拠点に２つの撮像装置１０が配置される例を示しているが、各拠点に配置される撮像装置１０の数は、２つに限定されず、１つであってもよいし、３つ以上であってもよい。

（端末管理サーバ）
端末管理サーバ１１は、コミュニケーション端末２０に関する端末情報を管理する機能を有する。端末情報は、コミュニケーション端末２０のＩＤ、コミュニケーション端末２０を利用するメンバーの呼び名などの情報、実空間における位置を示す座標データを含む。このような端末管理サーバ１１は、図３に示したように、端末情報記憶部１１２と、端末情報管理部１１３と、通信部１１４とを備える。

端末情報記憶部１１２は、上述した端末情報を記憶する機能を有する。端末情報管理部１１３は、端末情報記憶部１１２へ端末情報を記憶させる機能、および端末情報記憶部１１２から端末情報を検索する機能を有する。通信部１１４は、ネットワーク１２を介した通信を行う機能を有し、例えば、通信部１１４は、各コミュニケーション端末２０に、全てのコミュニケーション端末２０についての端末情報を送信する。

このような端末管理サーバ１１の機能は、例えば、ＸＭＰＰ（ｅＸｔｅｎｓｉｂｌｅ Ｍｅｓｓａｇｉｎｇ ａｎｄ Ｐｒｅｓｅｎｃｅ Ｐｒｏｔｏｃｏｌ）を用いて独立した管理サーバに実装されてもよいし、複数備えられるコミュニケーション端末２０のいずれか１つへ実装されてもよいし、複数のコミュニケーション端末２０へ分散して実装されてもよい。

（コミュニケーション端末）
コミュニケーション端末２０は、複数の拠点間でのコミュニケーションを支援するための通信装置である。例えば、コミュニケーション端末２０は、拠点Ａにいるコミュニケーション端末２０のユーザである対話要求送信側のメンバーが発する音声から、拠点Ｂに居る対話要求受信側のメンバーに関する名称等を含む接続コマンドを認識すると、対話要求送信側のメンバーと、対話要求受信側のメンバーとが対話できるような状態を確立する。

図４は、コミュニケーション端末２０の外観構成を示す説明図である。図４に示したように、コミュニケーション端末２０は、映像を取得する撮像部２２０と、音声を取得する集音部２３０と、映像出力部２４０と、音声出力部２５０とを備える。映像出力部２４０は、他の拠点の撮像装置１０から送信された他の拠点の俯瞰映像を表示し、音声出力部２５０は、他の拠点の撮像装置１０から送信された他の拠点の環境音を出力する。

＜２．コミュニケーション端末の構成＞
以上、本発明の実施形態による遠隔コミュニケーションシステムの概要を説明した。続いて、図５を参照し、本発明の実施形態によるコミュニケーション端末２０の構成をより具体的に説明する。

図５は、本発明の実施形態によるコミュニケーション端末２０の構成を示す説明図である。図５に示したように、本発明の実施形態によるコミュニケーション端末２０は、撮像部２２０、通信部２２４、集音部２３０、映像出力部２４０、操作部２４２、音声出力部２５０、情報記憶部２６０、センシング部２６２、音声認識部２６４、接続先選択部２６６および接続処理部２６８を有する。これらの機能のうちの一部の機能は、図示しないサーバに実装されてもよい。

（撮像部）
撮像部２２０は、被写体を撮像し、被写体の映像を取得する。撮像部２２０の撮像方向がコミュニケーション端末２０を利用するメンバーに向けられる場合、撮像部２２０はコミュニケーション端末２０を利用するメンバーの映像を取得する。コミュニケーション端末２０が他の拠点のコミュニケーション端末２０と接続された場合、当該撮像部２２０により取得されたメンバーの映像が他の拠点のコミュニケーション端末２０に通信部２２４から送信される。

（通信部）
通信部２２４は、他の装置のインタフェースである。例えば、通信部２２４は、他の拠点の撮像装置１０から他の拠点の俯瞰映像および環境音を受信する受信部としての機能、および通信部２２４により取得されたメンバーの映像および集音部２３０により取得されたメンバーの音声を他の拠点のコミュニケーション端末２０に送信する送信部としての機能を有する。また、通信部２２４は、端末管理サーバ１１から他の拠点の全てのコミュニケーション端末２０の座標データを受信する。

（集音部）
集音部２３０は、空気振動を電気信号に変換することにより、音声信号を取得する。例えば、集音部２３０は、コミュニケーション端末２０を利用するメンバーが発した音声の音声信号を取得する。なお、本明細書では、説明の便宜上、集音部２３０により取得される音声信号を単に音声または入力音声と称する場合もある。コミュニケーション端末２０が他の拠点のコミュニケーション端末２０と接続された場合、当該集音部２３０により取得されたメンバーの音声が他の拠点のコミュニケーション端末２０に通信部２２４から送信される。

（映像出力部）
映像出力部２４０は、通信部２２４により他の拠点の撮像装置１０から受信された他の拠点の俯瞰映像を出力する表示部である。コミュニケーション端末２０が他の拠点のコミュニケーション端末２０と接続された場合には、通信部２２４により他の拠点のコミュニケーション端末２０を利用するメンバーの映像が受信され、当該メンバーの映像が映像出力部２４０により出力される。

（操作部）
操作部２４２は、コミュニケーション端末２０を利用するメンバーがコミュニケーション端末２０に指示や情報を入力するための構成である。操作部２４２は、例えば、タッチパネルであってもよいし、メンバーのジェスチャーを認識する機能であってもよい。コミュニケーション端末２０を利用するメンバーは、操作部２４２を操作することにより、映像出力部２４０に出力される俯瞰映像の画角変更、および俯瞰映像の送信元の撮像装置１０の切り替え、などを行うことが可能である。ここで、図６を参照して、映像出力部２４０により出力される俯瞰映像、および操作部２４２への操作による画角変更の具体例を説明する。

図６は、映像出力部２４０により出力される俯瞰映像の具体例を示す説明図である。図６の上段には、メンバーＭ１〜Ｍ３を含む俯瞰映像が示されている。当該俯瞰映像の画角には、メンバーＭ１が利用するコミュニケーション端末２０＃１、メンバーＭ２が利用するコミュニケーション端末２０＃２およびメンバーＭ３が利用するコミュニケーション端末２０＃３も含まれている。

図６の下段には、操作部２４２への操作により、図６の上段において２点鎖線で示した範囲に画角が変更された俯瞰映像を示している。当該俯瞰映像では、メンバーＭ２およびＭ３が拡大され、メンバーＭ１、およびメンバーＭ１が利用するコミュニケーション端末２０＃１が含まれなくなっている。

（音声出力部）
音声出力部２５０は、通信部２２４により他の拠点の撮像装置１０から受信された他の拠点の環境音を出力する。コミュニケーション端末２０が他の拠点のコミュニケーション端末２０と接続された場合には、通信部２２４により他の拠点のコミュニケーション端末２０を利用するメンバーの音声が受信され、当該メンバーの音声が音声出力部２５０により出力される。当該音声出力部２５０は例えばスピーカーで構成され得る。

（情報記憶部）
情報記憶部２６０は、コミュニケーション端末２０のＩＤ、およびコミュニケーション端末２０を利用するメンバーの情報などの端末情報を記憶する。また、情報記憶部２６０は、通信部２２４により端末管理サーバ１１から受信される、他の拠点の全てのコミュニケーション端末２０の座標データ（第１の物理座標）を含む端末情報、および他の拠点の撮像装置１０の座標データ（第２の物理座標）を記憶する。

（センシング部）
センシング部２６２は、コミュニケーション端末２０を利用するメンバーが他の拠点のメンバーへの呼びかけを行い得る状況、すなわち、コミュニケーション端末２０を利用するメンバーの対話意思を検出する。例えば、センシング部２６２は、撮像部２２０により取得された映像に基づきコミュニケーション端末２０を利用するメンバーがコミュニケーション端末２０を見ていることを上記対話意思として検出する機能であってもよいし、コミュニケーション端末２０を利用するメンバーのジェスチャーまたはタッチ操作から上記対話意思を検出する機能であってもよい。

（音声認識部）
音声認識部２６４は、センシング部２６２により対話意思が検出されたことに基づき、集音部２３０により取得される入力音声の認識処理を開始する。ここで、音声認識部２６４は、入力音声から、呼び名を含む接続コマンドを検出する。以下、接続コマンドの検出について具体的に説明する。

図７は、接続コマンドの構成および接続コマンドの検出に用いられる辞書の一例を示す説明図である。図７に示したように、名称Ｃ１２および敬称Ｃ１４からなる呼び名と、呼出確認Ｃ１６とを含む。呼び名は、単なる氏名だけでなく、あだ名及び通称等の対話希望先の相手を特定するために通常用いることができるようなものを含む。音声認識部２６４は、これらの呼び名および呼出確認Ｃ１６の各々を、接続コマンド辞書Ｊ１を参照して検出する。

接続コマンド辞書Ｊ１は、名称検出用辞書Ｊ１２と、敬称検出用辞書Ｊ１４と、呼出検出用辞書Ｊ１６とを有する。名称検出用辞書Ｊ１２に含まれる名称としては、「佐藤」、「鈴木」、「高橋」等が例示され、敬称検出用辞書Ｊ１４に登録されるフレーズとしては、「さん」、「くん」、「ちゃん」、「部長」等が例示され、呼出確認検出用辞書Ｊ１６に登録されるフレーズとしては、「ちょっといい？」、「ちょっといいですか？」、「いま時間ある？」等が例示される。

音声認識部２６４は、入力音声と、上述した接続コマンド辞書Ｊ１に予め登録されたコマンド候補とを比較して接続コマンドＣ１を検出する。そして、検出した接続コマンドに含まれる呼び名を接続先選択部２６６に出力する。

（接続先選択部）
接続先選択部２６６は、音声認識部２６４から出力される呼び名に基づき、他のコミュニケーション端末２０から接続先のコミュニケーション端末２０を選択する。例えば、接続先選択部２６６は、情報記憶部２６０に記憶される他の拠点のコミュニケーション端末２０の端末情報を参照し、音声認識部２６４から出力される呼び名に１つコミュニケーション端末２０のみが関連付けられている場合、当該コミュニケーション端末２０を接続先として選択する。

一方、音声認識部２６４から出力される呼び名に複数のコミュニケーション端末２０が関連付けられている場合、接続先選択部２６６は、当該複数のコミュニケーション端末２０のうちのいずれかのコミュニケーション端末２０を接続先として選択する。ここで、コミュニケーション端末２０を利用するメンバーは、対話希望先のメンバーの状況を俯瞰映像で確認した後に当該メンバーへの呼びかけを行うことが想定されるので、当該メンバーは映像出力部２４０に出力される俯瞰映像に含まれると考えられる。このため、接続先選択部２６６は、情報記憶部２６０に各コミュニケーション端末２０と関連付けて記憶されている位置に基づき、映像出力部２４０に出力される俯瞰映像の画角内の位置に関連付けられているコミュニケーション端末２０を特定し、当該コミュニケーション端末２０を接続先として選択する。かかる構成により、コミュニケーション端末２０を利用するメンバーによる明示的な操作無しに、コミュニケーション端末２０を利用するメンバーが希望する接続先を適切に選択することが可能となる。

ただし、映像出力部２４０に出力される俯瞰映像の画角内の位置に２以上のコミュニケーション端末２０が関連付けられている場合も起こり得る。この場合、音声認識部２６４は、２以上のコミュニケーション端末２０のうちで、映像出力部２４０に出力される俯瞰映像の視点（撮像位置）に最も近い位置に関連付けられているコミュニケーション端末２０を接続先として選択する。以下、図８〜図１０を参照し、このような接続先選択部２６６による接続先の選択についてより具体的に説明する。

図８は、拠点Ｂの物理空間および俯瞰映像を示す説明図である。図８の上段は拠点Ｂの物理空間を示し、図８の上段には拠点Ｂにおいて業務を行っている６人のメンバーが示されている。６人のメンバーにはメンバーＭ１〜Ｍ３が含まれ、メンバーＭ１〜Ｍ３が利用するコミュニケーション端末２０＃１〜＃３も示されている。

拠点Ｂの物理空間中の位置は、ｘ、ｙおよびｚの軸で表される３次元の座標データを用いて表現される。各メンバーが利用するコミュニケーション端末２０には当該３次元の座標データを用いて表現される位置が関連付けられている。例えば、メンバーＭ２が利用するコミュニケーション端末２０＃２の位置は（ｘ１、ｙ１、ｚ１）と表現される。コミュニケーション端末２０に関連付けられる位置は、コミュニケーション端末２０の位置であってもよいし、コミュニケーション端末２０を利用するメンバーの座席付近の位置であってもよい。

図８の下段は、拠点Ｂの俯瞰映像を示す、俯瞰映像中の位置は、Ｘ、Ｙの軸で表される２次元の座標データを用いて表現される。例えば、メンバーＭ２が利用するコミュニケーション端末２０＃２の俯瞰映像における位置は（Ｘ１、Ｙ１）と表現される。

図９は、図８を参照して説明した拠点Ｂの物理空間の平面図である。すなわち、図９は、拠点Ｂの、図８を参照して説明したｘおよびｙ軸で表現される平面を示す。図９に示した撮像装置１０＃１および撮像装置１０＃２から伸びる１点鎖線は、撮像装置１０＃１および撮像装置１０＃２の画角を示す。

拠点Ａのコミュニケーション端末２０において図９に示した撮像装置１０＃１から送信される俯瞰映像が出力されており、メンバーＭ１〜Ｍ３の呼び名が同一であり、メンバーＭ１〜Ｍ３の呼び名を含む接続コマンドが検出された場合、コミュニケーション端末２０の接続先選択部２６６は、メンバーＭ１〜Ｍ３が利用するコミュニケーション端末２０＃１〜＃３のいずれかのコミュニケーション端末２０を接続先として選択する。この時、コミュニケーション端末２０＃１〜＃３の各々に関連付けられている位置Ｐ１〜Ｐ３はいずれも撮像装置１０＃１の画角に含まれている。このため、接続先選択部２６６は、位置Ｐ１〜Ｐ３の各々と撮像装置１０＃１の距離ｄ１〜ｄ３を算出し、撮像装置１０＃１との距離が最も短い位置Ｐ１に関連付けられているコミュニケーション端末２０＃１を接続先として選択する。

同様に、拠点Ａのコミュニケーション端末２０において図９に示した撮像装置１０＃２から送信される俯瞰映像が出力されており、メンバーＭ１〜Ｍ３の呼び名が同一であり、メンバーＭ１〜Ｍ３の呼び名を含む接続コマンドが検出された場合、コミュニケーション端末２０の接続先選択部２６６は、メンバーＭ１〜Ｍ３が利用するコミュニケーション端末２０＃１〜＃３のいずれかのコミュニケーション端末２０を接続先として選択する。具体的には、位置Ｐ１〜Ｐ３の各々と撮像装置１０＃２の距離を算出し、撮像装置１０＃２との距離が最も短い位置Ｐ３に関連付けられているコミュニケーション端末２０＃３を接続先として選択する。

一方、撮像装置１０＃１の画角が図１０に示すように変更され、メンバーＭ１〜Ｍ３の呼び名が同一であり、メンバーＭ１〜Ｍ３の呼び名を含む接続コマンドが検出された場合、位置Ｐ１が撮像装置１０＃１の画角から外れるので、接続先選択部２６６は、メンバーＭ２またはＭ３が利用するコミュニケーション端末２０＃２または＃３のいずれかのコミュニケーション端末２０を接続先として選択する。ここで、接続先選択部２６６は、位置Ｐ２およびＰ３の各々と撮像装置１０＃１の距離を算出し、撮像装置１０＃１との距離が最も短い位置Ｐ２に関連付けられているコミュニケーション端末２０＃２を接続先として選択する。

かかる構成により、コミュニケーション端末２０を利用するメンバーは、呼び名が同一である複数のメンバーが存在する場合に、俯瞰映像の画角に対話希望先のメンバーが利用するコミュニケーション端末２０が含まれ、当該コミュニケーション端末２０が他のメンバーが利用するコミュニケーション端末２０よりも俯瞰映像において手前側に位置するように調整することにより、対話希望先のメンバーが利用するコミュニケーション端末２０を接続先とすることが可能である。

（接続処理部）
接続処理部２６８は、コミュニケーション端末２０と、音声認識部２６４により選択された他の拠点のコミュニケーション端末２０との接続処理を実行する。その後、コミュニケーション端末２０と他の拠点のコミュニケーション端末２０との間で映像および音声が送受信され、メンバー間での対話が可能となる。

＜３．コミュニケーション端末の動作＞
以上、本発明の実施形態によるコミュニケーション端末２０の構成を説明した。続いて、図１１を参照し、本発明の実施形態によるコミュニケーション端末２０の動作を整理する。

図１１は、本発明の実施形態によるコミュニケーション端末２０の動作を示すフローチャートである。ここでは、動作の特徴を明確にするため、コミュニケーション端末２０の動作を中心に説明し、異常系およびエラー系に関する処理フローは省略する。

図１１に示したように、まず、メンバーがコミュニケーション端末２０を起動すると、コミュニケーション端末２０は端末管理サーバ１１にコミュニケーション端末２０の端末情報を送信し、端末管理サーバ１１においてコミュニケーション端末２０の端末情報が登録される（Ｓ３０４）。そして、コミュニケーション端末２０の通信部２２４は、端末管理サーバ１１から全てのコミュニケーション端末２０の端末情報を受信し、情報記憶部２６０が当該全てのコミュニケーション端末２０の端末情報を記憶する（Ｓ３０８）。

続いて、通信部２２４は、撮像装置１０から送信される他の拠点の俯瞰映像を受信し、映像出力部２４０が当該俯瞰映像を出力する（Ｓ３１２）。その後、例えばコミュニケーション端末２０を利用するメンバーの顔が撮像部２２０により取得された映像に含まれるなど、コミュニケーション端末２０を利用するメンバーの対話意思がセンシング部２６２により検出されると（Ｓ３１６／Ｙｅｓ）、音声認識部２６４が音声認識を開始する（Ｓ３２０）。当該音声認識は、音声認識部２６４により接続コマンドが検出されるまで（Ｓ３２４／Ｙｅｓ）、または、タイムアウトが発生するまで（Ｓ３２８／Ｎｏ）、継続される。

接続コマンドが検出され（Ｓ３２４／Ｙｅｓ）、接続コマンドに含まれる呼び名に関連付けられているメンバーが１人である場合（Ｓ３３２／Ｎｏ）、接続先選択部２６６が当該メンバーに関連付けられているコミュニケーション端末２０を接続先として選択し、接続処理部２６８が当該コミュニケーション端末２０との接続処理を実行する（Ｓ３４０）。ただし、接続先のコミュニケーション端末２０を利用するメンバーが不在の場合には、コミュニケーション端末２０の映像出力部２４０が相手不在の旨を表示してもよい。

一方、接続コマンドに含まれる呼び名に関連付けられている複数のメンバーが存在する場合（Ｓ３３２／Ｙｅｓ）、音声認識部２６４は、複数のメンバーの各々が利用するコミュニケーション端末２０のうちで、映像出力部２４０に出力される俯瞰映像の視点（撮像位置）に最も近い位置に関連付けられているコミュニケーション端末２０を接続先として選択する（Ｓ３３６）。そして、接続処理部２６８が当該コミュニケーション端末２０との接続処理を実行する（Ｓ３４０）。

コミュニケーション端末２０が他のコミュニケーション端末２０と接続されると、双方のコミュニケーション端末２０の間で映像および音声の送受信が行われ（Ｓ３４４）、メンバー間の対話が実現される。その後、対話終了が検出されれば（Ｓ３４８／Ｙｅｓ）、コミュニケーション端末２０は他のコミュニケーション端末２０との接続を切断し（Ｓ３５２）、Ｓ３１２からの処理を繰り返す。

＜４．作用効果＞
以上説明した本発明の実施形態によれば、多様な作用効果が得られる。

例えば、コミュニケーション端末２０を利用するメンバーは、呼び名が同一である複数のメンバーが存在する場合に、俯瞰映像の画角に対話希望先のメンバーが利用するコミュニケーション端末２０が含まれ、当該コミュニケーション端末２０が他のメンバーが利用するコミュニケーション端末２０よりも俯瞰映像において手前側に位置するように調整することにより、対話希望先のメンバーが利用するコミュニケーション端末２０を接続先とすることが可能である。このため、呼び名が同一である複数のメンバーに普段と異なる呼び名を適用することなく、コミュニケーション端末２０を利用するメンバーが意図しないメンバーが利用するコミュニケーション端末２０との誤接続の発生を低減することが可能である。普段と異なる呼び名の利用は面倒および不自然であり、相手に対して失礼な呼び名が利用されることも懸念されるところ、本発明の実施形態によればこのような問題を解決することが可能である。

結果、呼び名が同一である複数のメンバーのうちの一人のメンバーに話しかける際に、当該メンバーが異なる拠点にいても、あたかも当該メンバーが隣にいるかのように呼びかけて対話を開始できる。従って、互いに離れたオフィスにいる各メンバーが同一空間に存在するかのような感覚を一層強めることが可能である。

＜５．ハードウェア構成＞
以上、本発明の実施形態を説明した。上述した音声認識および接続先の選択などの情報処理は、ソフトウェアと、以下に説明するコミュニケーション端末２０のハードウェアとの協働により実現される。

図１２は、コミュニケーション端末２０のハードウェア構成を示したブロック図である。コミュニケーション端末２０は、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）２７１と、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）２７２と、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）２７３と、ホストバス２７４と、を備える。また、コミュニケーション端末２０は、ブリッジ２７５と、外部バス２７６と、インタフェース２７７と、入力装置２７８と、表示装置２７９と、音声出力装置２８０と、ストレージ装置（ＨＤＤ）２８１と、ドライブ２８２と、ネットワークインタフェース２８３とを備えることができる。

ＣＰＵ２７１は、演算処理装置及び制御装置として機能し、各種プログラムに従ってコミュニケーション端末２０内の動作全般を制御する。また、ＣＰＵ２７１は、マイクロプロセッサであってもよい。ＲＯＭ２７２は、ＣＰＵ２７１が使用するプログラムや演算パラメータ等を記憶する。ＲＡＭ２７３は、ＣＰＵ２７１の実行において使用するプログラムや、その実行において適宜変化するパラメータ等を一時記憶する。これらはＣＰＵバスなどから構成されるホストバス２７４により相互に接続されている。ＣＰＵ２７１、ＲＯＭ２７２及びＲＡＭ２７３とソフトウェアとの協働により、センシング部２６２、音声認識部２６４、接続先選択部２６６、および接続処理部２６８などの機能が実現され得る。

ホストバス２７４は、ブリッジ２７５を介して、ＰＣＩ（Ｐｅｒｉｐｈｅｒａｌ Ｃｏｍｐｏｎｅｎｔ Ｉｎｔｅｒｃｏｎｎｅｃｔ／Ｉｎｔｅｒｆａｃｅ）バスなどの外部バス２７６に接続されている。なお、必ずしもホストバス２７４、ブリッジ２７５及び外部バス２７６を分離構成する必要はなく、１つのバスにこれらの機能を実装してもよい。

入力装置２７８は、マウス、キーボード、タッチパネル、ボタン、マイクロフォン、センサー、スイッチ及びレバーなどメンバーが情報を入力するための入力手段と、メンバーによる入力に基づいて入力信号を生成し、ＣＰＵ２７１に出力する入力制御回路などから構成され得る。コミュニケーション端末２０の操作は、通常は、音声による操作を行うが、該入力装置２７８を操作することにより、コミュニケーション端末２０に対して各種のデータを入力したり処理動作を指示することもできる。

表示装置２７９は、例えば、ＣＲＴ（Ｃａｔｈｏｄｅ Ｒａｙ Ｔｕｂｅ）ディスプレイ装置、液晶ディスプレイ（ＬＣＤ）装置、プロジェクター装置、ＯＬＥＤ（Ｏｒｇａｎｉｃ Ｌｉｇｈｔ Ｅｍｉｔｔｉｎｇ Ｄｉｏｄｅ）装置及びランプなどの表示装置を含む。表示装置２７９は、例えば映像出力部２４０に対応する。また、音声出力装置２８０は、スピーカー及びヘッドホンなどの音声出力装置を含む。音声出力装置２８０は、例えば、音声出力部２５０に対応する。

ストレージ装置２８１は、本実施形態にかかるコミュニケーション端末２０の記憶部の一例として構成されたデータ記憶用の装置である。ストレージ装置２８１は、記憶媒体、記憶媒体にデータを記録する記録装置、記憶媒体からデータを読み出す読出し装置及び記憶媒体に記録されたデータを削除する削除装置などを含んでもよい。ストレージ装置２８１は、例えば、ＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）やＳＳＤ（Ｓｏｌｉｄ Ｓｔｒａｇｅ Ｄｒｉｖｅ）、あるいは同等の機能を有するメモリ等で構成される。このストレージ装置２８１は、ストレージを駆動し、ＣＰＵ２７１が実行するプログラムや各種データを記憶する。

ドライブ２８２は、記憶媒体用リーダライタであり、コミュニケーション端末２０に内蔵、あるいは外付けされる。ドライブ２８２は、装着されている磁気ディスク、光ディスク、光磁気ディスク、または半導体メモリ等のリムーバブル記憶媒体２４に記録されている情報を読み出して、ＲＡＭ２７３またはストレージ装置２８１に出力する。また、ドライブ２８２は、リムーバブル記憶媒体２４に情報を書き込むこともできる。

ネットワークインタフェース２８３は、例えば、ネットワーク１２に接続するための通信デバイス等で構成された通信インタフェースである。また、ネットワークインタフェース２８３は、無線ＬＡＮ（Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ）対応端末であっても、有線による通信を行うワイヤー端末であってもよい。

＜６．変形例＞
続いて、本発明の実施形態の幾つかの変形例を説明する。なお、以下に説明する各変形例は、単独で本発明の実施形態に適用されてもよいし、組み合わせで本発明の実施形態に適用されてもよい。また、各変形例は、本発明の実施形態で説明した構成に代えて適用されてもよいし、本発明の実施形態で説明した構成に対して追加的に適用されてもよい。

（第１の変形例）
上記では、映像出力部２４０に出力される俯瞰映像の視点（撮像位置）に最も近い位置に関連付けられているコミュニケーション端末２０を接続先として選択するために、俯瞰映像の視点と各コミュニケーション端末２０に関連付けられている位置との２次元での距離を計算する例を説明した。しかし、接続先の選択のための演算はかかる例に限られず、例えば、接続先選択部２６６は、俯瞰映像の視点と各コミュニケーション端末２０に関連付けられている位置との３次元での距離を計算してもよい。

（第２の変形例）
また、接続先の選択のための演算に関し、接続先選択部２６６は、物理空間における各コミュニケーション端末２０に関連付けられている位置でなく、各コミュニケーション端末２０に関連付けられている位置の俯瞰映像における投影先の位置を用いてもよい。図８を参照して説明したように、例えば、物理空間において（ｘ１、ｙ１、ｚ１）と表現される位置は、俯瞰映像において（Ｘ１、Ｙ１）と表現される。物理空間の座標系における位置から俯瞰映像の座標系における位置への変換は、俯瞰映像を取得する撮像装置１０の座標、向きおよびレンズ特性に基づく演算によって実現可能である。当該変換を開示する文献としては、例えば特許第５６９２２０４号が挙げられる。

接続先選択部２６６は、俯瞰映像の座標系に変換された位置に基づき、俯瞰映像において最も下側の位置に関連付けられているコミュニケーション端末２０を接続先として選択してもよい。これは、俯瞰映像において下側の位置ほど目視による確認し易さが高いと考えられることに基づく。例えば、図１３に示したように、接続先選択部２６６は、俯瞰映像への投影後の各コミュニケーション端末２０に関連付けられた位置Ｐ１’〜Ｐ３’と俯瞰映像の下端との距離Ｌ１〜Ｌ３を算出する。そして、接続先選択部２６６は、俯瞰映像の下端との距離が最も小さい位置Ｐ１’に関連付けられているコミュニケーション端末２０＃１を接続先として選択する。

俯瞰映像の画角が図６に示したように変更された場合、接続先選択部２６６は、Ｐ１’が画角から外れることからＰ１’に関連付けられている２０＃１を接続先の候補から除外し、俯瞰映像の下端に最も近い位置Ｐ’２に関連付けられている２０＃２を接続先として選択する。なお、俯瞰映像の座標系における位置を物理空間の座標系における位置から得る例を説明したが、各コミュニケーション端末２０に関連付けられた位置として俯瞰映像の座標系における位置のみを管理、運用することで、当該変形例を実現することも可能である。

（第３の変形例）
上記では、本発明の実施形態が２つの拠点に適用される例を説明したが、拠点の数は２つに限定されず、３つ以上の拠点に本発明の実施形態を適用することも可能である。また、各拠点に設けられる撮像装置１０の数も２つに限定されず、各拠点には３つ以上の撮像装置１０が設けられてもよい。より多くの撮像装置１０が設けられることにより、出力する俯瞰映像の切り替えの自由度が高まるので、コミュニケーション端末２０を利用するメンバーは他の拠点の様子をより良く伺うことが可能となる。なお、俯瞰映像の切り替えは、音声操作によって実現されてもよい。例えば、拠点Ｂにおける異なる部門間での俯瞰映像の変更は、コミュニケーション端末２０を利用するメンバーが部門名を発することで実現されてもよい。

（その他）
なお、添付図面を参照しながら本発明の好適な実施形態について詳細に説明したが、本発明はかかる例に限定されない。本発明の属する技術の分野における通常の知識を有する者であれば、特許請求の範囲に記載された技術的思想の範疇内において、各種の変更例または修正例に想到し得ることは明らかであり、これらについても、当然に本発明の技術的範囲に属するものと了解される。

例えば、本発明の実施形態は、オフィス間におけるテレワークシステムのコミュニケーション端末２０として利用でき、さらに、オフィスとオフィス外の業務空間との間、及びオフィス外の業務空間同士を結ぶシステムにおいても利用可能である。オフィス外の業務空間とは、例えば、在宅勤務者が業務を行う自宅の業務スペース等が挙げられる。

また、本明細書のコミュニケーション端末２０の処理における各ステップは、必ずしもフローチャートとして記載された順序に沿って時系列に処理する必要はない。例えば、コミュニケーション端末２０の処理における各ステップは、フローチャートとして記載した順序と異なる順序で処理されても、並列的に処理されてもよい。

また、コミュニケーション端末２０に内蔵されるＣＰＵ、ＲＯＭおよびＲＡＭなどのハードウェアに、上述したコミュニケーション端末２０の各構成と同等の機能を発揮させるためのコンピュータプログラムも作成可能である。また、該コンピュータプログラムを記憶させた記憶媒体も提供される。また、図５で示した機能ブロックの一部をハードウェアで構成することもできる。

１０ 撮像装置
１０２ 撮像部
１０３ 集音部
１０４ 通信部
１１ 端末管理サーバ
１１２ 端末情報記憶部
１１３ 端末情報管理部
１１４ 通信部
１２ ネットワーク
２０ コミュニケーション端末
２２０ 撮像部
２２４ 通信部
２３０ 集音部
２４０ 映像出力部
２４２ 操作部
２５０ 音声出力部
２６０ 情報記憶部
２６２ センシング部
２６４ 音声認識部
２６６ 接続先選択部
２６８ 接続処理部

Claims (8)

1. 入力音声から、呼び名を含む接続コマンドを検出する音声認識部と、
   俯瞰映像を受信する受信部と、
   前記俯瞰映像を出力する映像出力部と、
   前記接続コマンドに含まれる呼び名に複数の通信装置が関連付けられている場合、前記複数の通信装置のうちのいずれかの通信装置を接続先として選択する接続先選択部と、
   前記接続先選択部により選択された通信装置との接続を処理する接続処理部と、
   を備え、
   前記接続先選択部は、前記映像出力部に出力される前記俯瞰映像の画角内の位置に関連付けられている通信装置を前記接続先として選択する、通信装置。
2. 前記接続先選択部は、前記接続コマンドに含まれる呼び名に関連付けられている２以上の通信装置が前記俯瞰映像の画角内の位置に関連付けられている場合、前記２以上の通信装置の各々に関連付けられている位置に基づき前記接続先を選択する、請求項１に記載の通信装置。
3. 前記接続先選択部は、前記２以上の通信装置のうちで、前記俯瞰映像の視点に最も近い位置に関連付けられている通信装置を前記接続先として選択する、請求項２に記載の通信装置。
4. 前記通信装置は、各通信装置に関連付けられた位置の第１の物理座標および前記俯瞰映像を取得する俯瞰撮像装置の第２の物理座標を記憶する情報記憶部をさらに備え、
   前記接続先選択部は、前記２以上の通信装置の各々に関連付けられた位置と前記俯瞰撮像装置との距離を前記第１の物理座標および前記第２の物理座標に基づいて算出し、前記俯瞰撮像装置との距離が最も小さい位置に関連付けられた通信装置を前記接続先として選択する、請求項３に記載の通信装置。
5. 前記接続先選択部は、前記俯瞰映像の画角内の位置に関連付けられている２以上の通信装置のうちで、前記俯瞰映像において最も下側の位置に関連付けられている通信装置を前記接続先として選択する、請求項３に記載の通信装置。
6. 入力音声から、呼び名を含む接続コマンドを検出する音声認識部と、
   俯瞰映像を受信する受信部と、
   前記俯瞰映像を出力する映像出力部と、
   前記接続コマンドに含まれる呼び名に複数の通信装置が関連付けられている場合、前記複数の通信装置のうちのいずれかの通信装置を接続先として選択する接続先選択部と、
   前記接続先選択部により選択された通信装置との接続を処理する接続処理部と、
   を備え、
   前記接続先選択部は、前記映像出力部に出力される前記俯瞰映像の画角内の位置に関連付けられている通信装置を前記接続先として選択する、通信システム。
7. 入力音声から、呼び名を含む接続コマンドを検出することと、
   俯瞰映像を受信することと、
   前記俯瞰映像を出力することと、
   前記接続コマンドに含まれる呼び名に複数の通信装置が関連付けられている場合、前記複数の通信装置のうちのいずれかの通信装置を接続先として選択することと、
   選択された通信装置との接続を処理することと、
   を備え、
   前記接続先を選択することは、出力される前記俯瞰映像の画角内の位置に関連付けられている通信装置を前記接続先として選択することを含む、通信方法。
8. コンピュータを、
   入力音声から、呼び名を含む接続コマンドを検出する音声認識部と、
   俯瞰映像を受信する受信部と、
   前記俯瞰映像を出力する映像出力部と、
   前記接続コマンドに含まれる呼び名に複数の通信装置が関連付けられている場合、前記複数の通信装置のうちのいずれかの通信装置を接続先として選択する接続先選択部と、
   前記接続先選択部により選択された通信装置との接続を処理する接続処理部と、
   を備え、
   前記接続先選択部は、前記映像出力部に出力される前記俯瞰映像の画角内の位置に関連付けられている通信装置を前記接続先として選択する、通信装置、として機能させるための、プログラム。
   
   
   
   
   

Images