JP7307565B2 - 撮像装置、制御方法、およびプログラム - Google Patents

Description

本発明は、音声認識機能を備える撮像装置に関する。

特許文献１には、ユーザがシャッターボタンを半押ししている最中に、音声認識のトリガーとなる音声を撮像装置に記録させ、そのトリガーを利用して音声認識を行い、撮影を実行する撮像装置が記載されている。

特開２０１２－１８５３４３公報

特許文献１では、音声認識を実行するためのトリガーが登録された音声であり、ユーザは所定の音声を発声した後に、実際に認識させたい音声を発声する必要があるため、スムーズな音声認識ができず、利便性を損ねている。

本発明は、上記課題に鑑みてなされ、その目的は、音声認識機能をより簡単に利用できる技術を実現することである。

上記課題を解決し、目的を達成するために、本発明の撮像装置は、被写体を視認可能なファインダと、前記ファインダに対する接眼状態を検出可能な検出手段と、前記接眼状態が検出された場合に、前記音声認識機能により入力された音声を認識し、認識された音声に基づいて前記撮像装置の設定を行う制御手段と、前記ファインダに情報を表示する表示手段と、を有し、前記制御手段は、前記接眼状態が検出された場合に前記音声認識機能を有効にし、前記撮像装置の設定を前記音声認識機能により認識された音声に応じた設定に変更し、前記表示手段は、前記音声認識機能を用いないで設定された第１の設定内容を表示する第１の表示領域と、前記音声認識機能により認識された音声により設定された第２の設定内容を表示する第２の表示領域とを有する。

本発明によれば、ユーザが音声認識機能をより簡単に利用できるようになる。

実施形態１の装置構成を示すブロック図。 実施形態１の撮影時の処理を示すフローチャート。 実施形態１のファインダの表示例を示す図。 実施形態２の装置構成を示すブロック図。 実施形態２の撮影時の処理を示すフローチャート。 実施形態２のファインダの表示例を示す図。 実施形態２の画像再生時の処理を示すフローチャート。

以下、添付図面を参照して実施形態を詳しく説明する。尚、以下の実施形態は特許請求の範囲に係る発明を限定するものでするものでない。実施形態には複数の特徴が記載されているが、これらの複数の特徴の全てが発明に必須のものとは限らず、また、複数の特徴は任意に組み合わせられてもよい。さらに、添付図面においては、同一若しくは同様の構成に同一の参照番号を付し、重複した説明は省略する。

［実施形態１］以下、図１を参照して、実施形態１について説明する。

＜装置構成＞まず、図１を参照して、実施形態１の撮像装置１００の構成について説明する。

なお、本実施形態では、静止画や動画を撮影可能なデジタルカメラなどの撮像装置について述べるが、これに限られず、カメラ機能付きのタブレットデバイスやパーソナルコンピュータなどの情報処理装置、監視カメラ、医療用カメラなどであってもよい。

撮像装置１００は、操作部１０１、制御部１０２、ファインダ制御部１０３、メモリ１０４、レンズ部１０５、撮像部１０６、集音部１０７、音声認識部１０８、ファインダ部１０９、接眼検出部１１０、を備える。

操作部１０１は、ユーザからの各種操作を受け付ける各種スイッチ、ボタン、ダイヤル、レバー、タッチパネルなどの操作部材からなる。操作部１０１は、ユーザ操作を制御部１０２に送信する。操作部１０１は、不図示の電源スイッチやシャッターボタン、カメラの各種設定を行うための設定ダイヤルや４方向ボタンなどを含む。操作部１０１は、ユーザ操作を制御部１０２に送信する。ユーザは、操作部１０１を操作することによって、撮像装置１００の操作や撮像装置１００に関する各種設定を行える。

制御部１０２は、撮像装置１００の全体を統括して制御するＣＰＵやＭＰＵ、ＲＯＭ、ＲＡＭなどを備え、ＲＯＭに格納されたプログラムを実行することで、後述するフローチャートの各処理を実現する。ＲＡＭは、制御部１０２の動作用の定数、変数、ＲＯＭから読み出したプログラムなどを展開するワークメモリとしても使用される。ＲＯＭには、撮像時に音声入力により変更された設定内容や手動による設定内容などの情報が記憶される。また、制御部１０２は、ファインダ部１０９の表示制御を行うファインダ制御部１０３の機能も備える。

ファインダ制御部１０３は、ファインダ部１０９の表示画面に、撮像装置１００の設定情報や動作状態などを表示する。また、ファインダ制御部１０３は、制御部１０２により画像処理が施された画像データをファインダ部１０９に表示することもできる。本実施形態では、ファインダ制御部１０３は、制御部１０２に含まれる機能ブロックの１つであるが、これに限定されず、例えば、制御部１０２と通信するプロセッサチップとして別体としてもよい。

メモリ１０４は、ＲＡＭチップなどで構成され、制御部１０２により画像処理が施された画像データなど様々なデータを記憶する。

レンズ部１０５は、少なくとも１枚の光学レンズを含むレンズ群と、レンズ群を駆動するための駆動部を備え、被写体像光を撮像部１０６の撮像面に結像させる。

撮像部１０６は、絞り機能を備えるシャッター、レンズ部１０５により結像された被写体像光を電気信号に変換するＣＣＤやＣＭＯＳ素子等で構成される撮像素子、撮像素子から出力されるアナログ画像信号をデジタル信号に変換するＡ／Ｄ変換器を有する。撮像部１０６は、制御部１０２の制御により、撮像部１０６に含まれるレンズにより結像された被写体像光を、撮像素子により電気信号に変換し、ノイズ低減処理などを行って、デジタル信号からなる撮像データを出力する。

制御部１０２は、撮像部１０６から出力される撮像データに対して各種の画像処理を行って画像データを生成し、不図示のメモリカードやハードディスクなどの記録媒体に記録する。また、制御部１０２は、画像データを用いて所定の演算処理を行い、得られた演算結果に基づきレンズ部１０５や撮像部１０６の絞り／シャッターを制御することで、ＡＦ（オートフォーカス）処理やＡＥ（自動露出）処理を行う。

集音部１０７は、撮像装置１００の周辺の音声を入力するマイクであり、撮像装置１００の周辺の音声を収集して、音声信号として音声認識部１０８に送信する。

音声認識部１０８は、集音部１０７から入力された音声信号を認識可能であり、様々な音声認識アルゴリズムが実行可能となるライブラリ、通信機能、演算機能を有する。音声認識部１０８は、音声認識アルゴリズムを用いて集音部１０７から送信される音声信号の中から、ユーザの意図する設定や指示を認識し、認識結果を制御部１０２へ送信する。

ファインダ部１０９は、ユーザが接眼して覗き込むことにより、被写体が視認可能である。

接眼検出部１１０は、ユーザの眼がファインダ部１０９に所定の距離まで接近した状態または接触した状態（以下、接眼状態）を検出可能である。ファインダ部１０９は、ユーザの接眼状態を検出すると、検出結果を制御部１０２に送信する。

なお、撮像装置１００の各構成要素には、不図示の電源から電力が供給され、各構成要素は供給される電力によって動作する。

＜撮影時の処理＞次に、図２を参照して、実施形態１の撮影時の処理を説明する。

なお、図２の処理は、制御部１０２がＲＯＭに記憶されたプログラムを実行することで実現される。後述する図５や図７でも同様である。

以下では、制御部１０２に接続されている各構成要素は、特に明記していない場合は、制御部１０２からの制御信号を受けて動作するものとする。

Ｓ２００では、ユーザが撮像装置１００の電源をオンし撮像装置１００の動作モードを撮影モードに設定する、あるいは、前回の電源オフ時の動作モードの設定が撮影モードの状態で撮像装置１００の電源がオンされると、制御部１０２は撮像装置１００の動作モードを撮影モードに設定し、撮影処理を開始する。ユーザは撮像装置１００を被写体に向け、撮像部１０６が被写体像を撮像し、撮像した画像をファインダ部１０９に表示する。この場合、ユーザは操作部１０１により撮像装置１００の設定を完了し、図３（ａ）に示すファインダ部１０９の手動設定表示領域３０２には、撮像装置１００の設定情報が表示される。図３（ａ）の詳細は後述する。

Ｓ２０１では、制御部１０２は、接眼検出部１１０によりユーザの接眼状態を検出する。制御部１０２は、接眼検出部１１０から検出結果を受信し、ユーザの接眼状態が検出されたと判定した場合は処理をＳ２０２に進め、検出していないと判定した場合は処理をＳ２１０に進める。

Ｓ２０２では、制御部１０２は、ユーザの接眼状態が検出されているので音声認識機能を有効に設定する。音声認識機能が有効に設定されると、集音部１０７が起動し、ユーザが発声した音声など、撮像装置１００の周囲の音声が入力可能な状態となる。また、音声認識部１０８は、集音部１０７から送信された音声信号について、有効な音声か否かを音声認識アルゴリズムによって認識する。なお、上述した音声認識部１０８の音声認識アルゴリズムの代わりとして、機械学習された学習済みモデルを用いて処理してもよい。その場合には、例えば、その音声認識部への入力データと出力データとの組合せを学習データとして複数個準備し、それらの学習データを使った機械学習によって知識を獲得し、獲得した知識に基づいて入力データに対する出力データを結果として出力する学習済みモデルを生成する。学習済みモデルは、例えばニューラルネットワークモデルで構成可能である。そして、その学習済みモデルは、上記音声認識部と同等の処理をするためのプログラムとして、ＣＰＵあるいはＧＰＵなどと協働で動作することにより、上記処理を行う。なお、上記学習済みモデルは、必要に応じて一定の処理後に更新してもよい。

Ｓ２０３では、制御部１０２は、音声認識部１０８が、集音部１０７から入力された音声信号を有効な音声であると認識したか否かを判定する。制御部１０２は、音声認識部１０８により有効な音声であると認識された場合は処理をＳ２０４に進め、有効な音声ではないと認識された場合は処理をＳ２０６に進める。有効な音声とは、音声認識部１０８による音声認識結果が、撮像装置１００の動作や設定に結びつくような音声のことを意味する。判定方法は様々なアルゴリズムが存在するが、有効な音声が入力されたか否かを判定できる方法であれば、特定の方法に限定されず、あらゆる方法を採用できる。

Ｓ２０４では、制御部１０２は、集音部１０７から入力された音声信号が有効な音声であると認識されているので、音声認識部１０８から音声認識結果を受信する。

Ｓ２０５では、制御部１０２は、音声認識部１０８から受信した音声認識結果に基づき、撮像装置１００の設定を行う。

Ｓ２０６では、制御部１０２は、ファインダ制御部１０３により、制御部１０２が設定した撮像装置１００の設定内容を、図３（ｂ）に示すファインダ部１０９の音声設定表示領域３１０に表示する。図３（ｂ）の詳細は後述するが、ファインダ部１０９の音声設定表示領域３１０に、ユーザにより音声入力された設定内容を表示することにより、ユーザは音声認識された設定を容易に確認することができる。

Ｓ２０７では、制御部１０２は、ユーザから撮影指示が入力されたか否かを判定し、撮影指示が入力されたと判定した場合は処理をＳ２０８に進め、撮影指示が入力されていないと判定した場合は処理をＳ２０１に戻す。撮影指示は、ユーザが操作部１０１の、例えばシャッターボタンを操作することで制御部１０２へ送信される。

Ｓ２０８では、制御部１０２は、ユーザの撮影指示に従い、撮像装置１００の各構成要素を制御して撮影処理を実行する。撮影処理の詳細は省略するが、概ね以下のような処理を行う。

ユーザからの撮影指示を受け付けると、撮像部１０６は、レンズ部１０５から入射した被写体像光を電気信号に変換したアナログ信号をデジタル信号に変換し、撮像データとして、制御部１０２へ送信する。制御部１０２は、撮像部１０６から受信した撮像データをメモリ１０４に一時的に記憶し、順次画像処理を施すことで最終的な画像データを生成して不図示のメモリカードやハードディスクなどの記録媒体に記録する。撮像から記録までの一連の処理が完了すると、制御部１０２は処理をＳ２０９に進め、撮影処理を終了する。

Ｓ２１０では、制御部１０２は、接眼検出部１１０によりユーザの接眼状態が検出されていない非接眼状態のままで所定の時間が経過したか否かを判定する。制御部１０２は、非接眼状態のままで所定の時間が経過したと判定した場合は処理をＳ２１１に進め、所定の時間が経過していないと判定した場合は処理をＳ２０７に進める。

Ｓ２１１では、制御部１０２は、ファインダ部１０９の音声設定表示領域３１０に設定内容を表示しているか否かを判定する。制御部１０２は、ファインダ部１０９の音声設定表示領域３１０に設定内容を表示していると判定した場合は処理をＳ２１２に進め、表示していないと判定した場合は処理をＳ２０７に戻す。

Ｓ２１２では、制御部１０２は、音声設定表示領域３１０に表示されている設定内容を無効にし、手動設定表示領域３０２に表示されている設定内容を有効にする。これにより、制御部１０２は、手動設定表示領域３０２に表示されている設定内容に従って、撮像装置１００を制御する。

Ｓ２１３では、制御部１０２は、ファインダ制御部１０３によりファインダ部１０９の音声設定表示領域３１０に表示されていた設定内容を非表示にし、処理をＳ２０７に進める。非表示にする理由は、音声入力された設定内容は、あくまで一時的な設定であり、恒久的には手動による設定内容がユーザの意思に沿った設定であると考えられるからである。

上述したＳ２１０からＳ２１３の処理を実行することで、撮像装置１００の設定を、音声入力による一時的な設定内容から、手動による設定内容に簡単に戻すことができる。

＜ファインダの表示例＞次に、図３を参照して、実施形態１のファインダ部１０９の表示例を説明する。

図３（ａ）は、図２のＳ２００における撮影開始時におけるファインダ部１０９の表示例を示している。

ファインダ部１０９は、被写体表示領域３０１、手動設定表示領域３０２および音声設定表示領域３１０を含む。

被写体表示領域３０１は、撮像部１０６により撮像され、制御部１０２により生成された画像データを表示する領域である。ユーザは、被写体表示領域３０１に表示される画像を見て被写体の状態や構図などを確認できる。

手動設定表示領域３０２は、ユーザが操作部１０１に含まれる操作部材などを用いて手動で設定可能な項目（アイテム）が表示される領域である。各設定項目には、各種設定内容その他の撮影に関する設定値や絵柄（アイコン）などの情報が表示される。なお、本実施形態では、手動設定表示領域３０２に表示される項目としてユーザが手動で設定した項目を例示しているが、音声認識機能を用いないで設定された項目であればよく、例えば、撮像装置１００のデフォルトの設定内容、オートモードにおいて撮像装置１００が自動で生成した設定内容などでもよい。図３（ａ）の手動設定表示領域３０２には、ユーザが手動で設定した項目が例示されている。

アイテム３０２１はユーザが手動で設定したフォーカスモードを表示する。アイテム３０２２はユーザが手動で設定した測光モードを表示する。アイテム３０２３はユーザが手動で設定したフラッシュのオン／オフの設定を表示する。アイテム３０２４はユーザが手動で設定したシャッタースピードを表示する。アイテム３０２５はユーザが手動で設定した絞り値を表示する。アイテム３０２６はユーザが手動で設定した露出補正値を表示する。アイテム３０２７はユーザが手動で設定したＩＳＯ感度を表示する。アイテム３０２８は現在の撮影可能枚数を表示する。アイテム３０２９は現在の電池残量を表示する。

本実施形態では９項目を例示しているが、音声入力された設定内容は少なくとも１項目でもよい。

被写体３０３は、ユーザが撮影しようとする撮影対象である。

次に、図２のＳ２０１からＳ２０６において、ユーザがファインダ部１０９に接眼した状態で音声を入力して撮像装置１００の設定が一時的に変更されると、ファインダ部１０９の表示は、図３（ａ）から図３（ｂ）に遷移する。

図３（ｂ）は、図２のＳ２０６におけるファインダ部１０９の表示例を示し、図３（ａ）と同様の表示については同一の符号を付して説明を省略する。

音声設定表示領域３１０は、図２のＳ２０１からＳ２０６において音声入力された設定項目と設定内容が表示される領域である。図３（ｂ）の音声設定表示領域３１０には、ユーザにより音声入力された設定内容が例示されている。

アイテム３１１１は音声入力により設定（変更）されたフォーカスモードを表示する。アイテム３１１２は音声入力により設定（変更）された露出補正値を表示する。アイテム３１１３は音声入力により設定（変更）されたＩＳＯ感度を表示する。アイテム３１１４は音声入力により設定（変更）された測光モードを表示する。アイテム３１１５は音声入力により設定（変更）されたシャッタースピードを表示する。

図３（ｂ）に示すように、手動設定表示領域３０２と音声設定表示領域３１０に同じカテゴリの設定が表示されている場合、そのカテゴリの設定に関しては、手動設定表示領域３０２の設定は無効とされ、音声設定表示領域３１０の設定が有効とされる。例えば、手動で設定されたフォーカスモード（アイテム３０２１）は無効となり、音声入力による設定されたフォーカスモード（アイテム３１１１）が有効となる。このようにする理由は、音声入力された直後の撮影においては、音声入力により変更された設定を優先することが、ユーザの意思に沿っていると考えられるからである。

また、図３（ｂ）の例では、音声設定表示領域３１０に表示されていない設定内容については、手動設定表示領域３０２に表示されている設定内容が有効となる。例えば、手動で設定されたストロボ設定（アイテム３０２３）および絞り値（アイテム３０２５）は有効となる。

図３（ｂ）に示すように音声設定表示領域３１０に音声入力された設定内容が表示された状態で、Ｓ２０７およびＳ２０８においてユーザが撮影を実行することにより、ユーザは音声入力した設定内容で撮影を実行することができる。

また、音声設定表示領域３１０に音声入力した設定内容が表示されている場合に、ユーザがファインダ部１０９への接眼をやめ、所定の時間が経過した場合は、Ｓ２１０～Ｓ２１３の処理となる。この場合、ファインダ部１０９の表示は、図３（ｂ）から図３（ａ）に戻る。これは、音声入力により変更された設定内容は、あくまで一時的なものであり、恒久的には手動による設定内容がユーザの意思に沿った設定内容であると考えられるからである。

このような制御を行うことにより、撮像装置１００の設定を、音声入力した一時的な設定内容から、手動による設定内容に簡単に戻すことができる。

本実施形態の撮像装置１００は、ファインダ部１０９への接眼状態を検出し、接眼状態の場合は音声認識機能を有効にすることで、撮影時の設定変更のためにブラインドタッチを必要とする機会が減少し、ユーザがストレスなく撮影可能となる。

なお、撮像装置１００は、ファインダ部１０９とは別に不図示の液晶パネルなどを備えていてもよい。そして、ユーザがファインダ部１０９に接眼していない非接眼状態においては、図３と同様の表示を不図示の液晶パネルに表示するようにしてもよい。

また、被写体表示領域３０１、手動設定表示領域３０２および音声設定表示領域３１０は、図３に示す配置に限らない。例えば、手動設定表示領域３０２と音声設定表示領域３１０が、ファインダ部１０９において左右や上下に分かれて配置されるレイアウトなどであってもよい。

また、手動設定表示領域３０２および音声設定表示領域３１０は、被写体表示領域３０１に対して重なっていても重なっていなくてもよい。例えば、図３（ｂ）では、被写体表示領域３０１に対して、音声設定表示領域３１０は重なっているが、手動設定表示領域３０２は重なっていない。

さらに、手動設定表示領域３０２または音声設定表示領域３１０において、被写体表示領域３０１と重なっている領域は、被写体表示領域３０１の画像が視認可能に透過されていてもよい。あるいは、表示されている設定をユーザが視認できればよいので、重なった領域を完全に透過させてもよい。

［実施形態２］以下、図４から図７を参照して、実施形態２について説明する。

まず、図４を参照して、実施形態２の撮像装置４００の構成について説明する。

撮像装置４００は、操作部４０１、制御部４０２、表示部４０３、記録部４０４を備える。また、撮像装置４００は、実施形態１の撮像装置１００と同様の構成要素として、ファインダ制御部１０３、メモリ１０４、レンズ部１０５、撮像部１０６、集音部１０７、音声認識部１０８、ファインダ部１０９、接眼検出部１１０、を備える。

以下では、実施形態１の撮像装置１００の同様の構成要素には同一の符号を付して説明を省略し、異なる構成を中心に説明する。

操作部４０１は、実施形態１の操作部１０１と同等の機能に加え、ユーザ操作により物理的な位置を選択することで撮像装置４００の設定を行う設定ダイヤル４０１１を備える。設定ダイヤル４０１１は、撮像装置４００の設定を切り替えるための回転式の操作部材であり、ユーザは設定ダイヤル４０１１を回転させて所望の設定位置を選択することで、フォーカスモードなどを変更することができる。

制御部４０２は、実施形態１の制御部１０２と同等の機能に加え、撮像部１０６で撮像され、画像処理が施された画像データを記録部４０４に記録する。制御部４０２は、撮影時の設定や、それらの設定内容が手動設定されたものなのか、音声入力されたものなのか、などを示すメタデータを、画像データに付加して記録する。また、制御部４０２は、記録部４０４に記録されている画像データを読み出し、表示部４０３に表示する画像再生処理を行う。

表示部４０３は、液晶パネルや有機ＥＬパネルなどで構成され、記録部４０４に記録されている画像データを再生し表示する。ユーザは、表示部４０３に表示された画像一覧から操作部４０１を介して所望の画像を選択することにより、選択された画像が表示部４０３に表示される。また、表示部４０３は、ユーザに報知する機能も備える。

記録部４０４は、不図示のメモリカードやハードディスクなどの記録媒体であり、制御部４０２で生成された画像データを記録する。

＜撮影時の動作＞次に、図５を参照して、実施形態２の撮影時の処理を説明する。

以下では、実施形態１の図２と同等の処理には、図２と同様のステップ番号を付して説明を省略し、異なる処理を中心に説明する。また、図５の処理において、実施形態１の操作部１０１および制御部１０２は、本実施形態では操作部４０１および制御部４０２と読み替えるものとする。

また、制御部４０２に接続されている各構成要素は、特に明記していない場合は、制御部４０２からの制御信号を受けて動作するものとする。

Ｓ２００～Ｓ２０６は、図２と同様の処理である。

Ｓ５０１では、制御部４０２は、手動設定表示領域３０２に表示されている設定内容を、音声設定表示領域３１０に表示されている設定内容で上書きするユーザ指示を受け付けたか否かを判定する。制御部４０２は、指示が入力されたと判定した場合は処理をＳ５０２に進め、指示が入力されていないと判定した場合は処理をＳ２０７に進める。

ユーザは、操作部４０１を介して所定の操作を行うことにより、手動設定表示領域３０２に表示されている設定内容を、音声設定表示領域３１０に表示されている設定内容に置き換えることができる。所定の操作は、決められた語句（「設定上書き」など）を発声（音声入力）する、操作部４０１の所定のボタンを長押しあるいは二度押しするなど、設定内容の上書きを実行するための操作あればどのような操作であってもよい。このような設定内容を上書きする操作を受け付け可能としたことで、簡単な操作で、音声入力した一時的な設定内容を、撮像装置４００の恒久的な設定内容とすることができる。

Ｓ５０２では、制御部４０２は、音声設定表示領域３１０に表示されている設定内容が、設定ダイヤル４０１１によって選択されている設定内容と競合または相反（以下、相反）しているか否かを判定する。制御部４０２は、相反していないと判定した場合は処理をＳ５０３に進め、相反していると判定した場合は処理をＳ５１１に進める。例えば、設定ダイヤル４０１１で設定されたフォーカスモード（アイテム３０２１）が「ＡＦ（オートフォーカスモード）」であるとする。この場合、図３（ｂ）に示すように、音声入力により設定されたフォーカスモード（アイテム３１１１）が「ＭＦ（マニュアルフォーカスモード）」であった場合、相反していると判定される。

Ｓ５０３では、制御部４０２は、設定ダイヤル４０１１で設定されている設定内容と、音声入力された設定内容が相反していないので、手動設定表示領域３０２に表示されている設定内容を、音声設定表示領域３１０に表示されている設定内容で上書きして表示する。

Ｓ５０４では、制御部４０２は、音声設定表示領域３１０の設定内容を非表示にする。Ｓ５０３およびＳ５０４の処理が終了した時点で、ファインダ部１０９の表示は、図３（ｂ）から図６（ａ）に遷移する。

図６（ａ）は、図５のＳ５０４におけるファインダ部１０９の表示例を示し、図３と同様の表示については同一の符号を付して説明を省略する。

アイテム６０１は手動設定されたフォーカスモードが音声入力で設定されたフォーカスモードで上書きされた設定内容を表示する。

アイテム６０２は手動設定された測光モードが音声入力で設定された測光モードで上書きされた設定内容を表示する。

アイテム６０３は手動設定されたシャッタースピードが音声入力で設定されたシャッタースピードで上書きされた設定内容を表示する。

アイテム６０４は手動設定された露出補正値が音声入力で設定された露出補正値で上書きされた設定内容を表示する。

アイテム６０５は手動設定されたＩＳＯ感度が音声入力で設定されたＩＳＯ感度で上書きされた設定内容を表示する。

このような制御を行うことにより、手動で設定した撮像装置１００の設定内容を、音声入力した設定内容に簡単に変更することができる。

Ｓ５１１では、制御部４０２は、設定ダイヤル４０１１によって選択されている設定内容と、音声入力された設定内容が相反しており、音声入力された設定内容をそのまま反映することができないので、音声設定表示領域３１０の表示を継続する。

Ｓ５１２では、制御部４０２は、設定ダイヤル４０１１によって選択されている設定内容と相反していない設定内容については音声入力された設定内容をそのまま反映してもよいので、音声設定表示領域３１０に表示されている設定内容を、手動設定表示領域３０２に表示する。

Ｓ５１３では、制御部４０２は、音声設定表示領域３１０に表示されていた設定内容のうち、Ｓ５１２において手動設定表示領域３０２に表示された設定内容に反映したものを非表示とする。

Ｓ５１１～Ｓ５１３の処理が終了した時点で、ファインダ部１０９の表示は、図３（ｂ）から図６（ｂ）に遷移する。

図６（ｂ）は、図５のＳ５１３におけるファインダ部１０９の表示例を示し、図６（ａ）と同様の表示については同一の符号を付して説明を省略する。

アイテム６１１は音声入力により設定されたフォーカスモードを表示する。

アイテム６１２は設定ダイヤル４０１１によって選択されているフォーカスモードを表示する。

ここで、音声入力により設定されたフォーカスモード（アイテム６１１）は、設定ダイヤル４０１１によって選択されているフォーカスモード（アイテム６１２）と相反し、手動設定表示領域３０２に上書きできなかったため、音声設定表示領域３１０の表示が残っている。

これにより、ユーザは、音声入力された設定内容のうち、手動による設定内容と相反して、撮像装置４００の設定を変更できなかった設定内容を容易に把握できる。

Ｓ２０７～Ｓ２０８は、図２と同様の処理である。

Ｓ５０５では、制御部４０２は、Ｓ２０８で得られた画像データを記録部４０４に記録する。この場合、制御部４０２は、画像データに対して、様々なメタデータを付加することができる。制御部４０２は、画像データの撮影時の設定が、手動設定表示領域３０２に表示されている設定内容か、音声設定表示領域３１０に表示されている設定内容か、を示すような情報を、メタデータ中に付加して記録する。

Ｓ２０９は、図２と同様の処理である。

このように制御することにより、ユーザが画像を再生する際に、音声入力された設定内容で撮影されたか否かを容易に把握することが可能となる。

＜画像再生時の処理＞次に、図７を参照して、撮像装置４００の画像再生時の処理について説明する。

Ｓ７００では、制御部４０２は、操作部４０１がユーザによる画像再生指示を受け付け、画像再生処理を開始する。

Ｓ７０１では、制御部４０２は、記録部４０４から画像データおよび画像データに付加されたメタデータを読み出す。

Ｓ７０２では、制御部４０２は、記録部４０４から読み出した画像データを、表示部４０３に表示する。

Ｓ７０３では、制御部４０２は、記録部４０４から読み出した画像データのメタデータに、図５のＳ５０５において記録された、音声設定表示領域３１０に表示されていた設定内容を示すデータがあるか否かを判定する。制御部４０２は、音声設定表示領域３１０に表示されていた設定内容を示すデータがあると判定した場合は処理をＳ７０４に進め、ないと判定した場合は処理をＳ７１０に進める。

Ｓ７０４では、制御部４０２は、Ｓ７０３で読み出した音声設定表示領域３１０に表示されていた設定内容を、現在の撮像装置４００の設定として有効化するか否かをユーザが選択できる選択肢を表示部４０３に表示する。

Ｓ７０５では、制御部４０２は、Ｓ７０４において表示された選択肢からユーザが［有効化する］を選択したか否かを判定する。制御部４０２は、［有効化する」が選択されたと判定した場合は処理をＳ７０６に進め、［有効化しない］が選択されたと判定した場合は処理をＳ７１０に進める。

Ｓ７０６では、制御部４０２は、有効化する設定内容が、設定ダイヤル４０１１により設定された設定内容と相反しているか否かを判定し、相反している場合は処理をＳ７０７に進め、相反していない場合は処理をＳ７０８に進める。

Ｓ７０７では、Ｓ７０６で設定内容が相反していないので、制御部４０２は、メタデータに記録された音声入力された設定内容を有効化し、撮像装置４００の現在の設定として反映する。この場合は、設定が相反していないため、ユーザの意図通り、撮像装置４００の現在の設定内容を、音声入力された設定内容に置き換えることができる。

Ｓ７０８では、Ｓ７０６で設定内容が相反しているため、制御部４０２は、メタデータに記録されている音声入力された設定内容のうち、画像再生時に設定ダイヤル４０１１で設定された設定内容と相反していない設定のみを有効化する。この場合は、設定内容が相反しているため、ユーザの意図に反して、撮像装置４００の現在の設定の中に、音声入力された設定内容を反映できなかったものが存在する。

Ｓ７０９では、制御部４０２は、メタデータに記録されている音声入力された設定内容のうち、画像再生時に設定ダイヤル４０１１で設定された設定内容と相反している設定内容は有効化できなかったことを表示部４０３に表示し、ユーザに報知する。このようにすることで、ユーザは、撮像装置４００の現在の設定として反映できなかった音声入力した設定内容が何であるかを確認することができる。

Ｓ７１０では、制御部４０２は、画像再生処理を終了する。

ユーザは、音声入力された一時的な設定内容で撮影した画像を再生して、音声入力した設定内容が良かったかどうかを確認でき、よかった場合には撮像装置４００の現在の設定として簡単に反映することができる。

ところで、図７のＳ７０４での選択肢の表示や、Ｓ７０９での報知は表示部４０３を通じた表示に限らず、例えば、不図示のスピーカによる音声であってもよい。

以上のように、本実施形態によれば、撮影時にユーザが接眼している状態で、撮像装置４００の音声認識機能が有効となるので、音声入力による撮影や設定が可能となり、撮影時の設定変更のためにブラインドタッチを必要とする機会が減少し、ユーザがストレスなく撮影可能となる。

また、音声入力された設定内容と、手動による設定内容とを、ユーザが接眼しているファインダに明示的に分けて表示することにより、撮像装置４００の現在の設定がどちらであるかをユーザが容易に把握することができる。また、ユーザが望む場合は、音声入力された設定内容を、撮像装置４００の現在の設定として簡単に反映させることができる。

また、画像データのメタデータに、音声入力された設定内容と、手動による設定内容とを明示的に分けて記録することにより、音声入力された設定内容で撮影した画像データの再生時において、ユーザは音声入力した設定内容を撮像装置４００の現在の設定として簡単に反映させることができる。

また、実施形態１と同様に、ファインダ部１０９の表示内容、図６は一例であり、これらの表示に限定されるものではない。

［他の実施形態］
本発明は、上述の実施形態の１以上の機能を実現するプログラムを、ネットワーク又は記憶媒体を介してシステム又は装置に供給し、そのシステム又は装置のコンピュータにおける１つ以上のプロセッサがプログラムを読出し実行する処理でも実現可能である。また、１以上の機能を実現する回路（例えば、ＡＳＩＣ）によっても実現可能である。

発明は上記実施形態に制限されるものではなく、発明の精神及び範囲から離脱することなく、様々な変更及び変形が可能である。従って、発明の範囲を公にするために請求項を添付する。

１００…撮像装置、１０１…操作部、１０２…制御部、１０３…ファインダ制御部、１０６…撮像部、１０８…音声認識部、１０９…ファインダ部、１１０…接眼検出部

Claims (10)

1. 音声認識機能を有する撮像装置であって、
   被写体を視認可能なファインダと、
   前記ファインダに対する接眼状態を検出可能な検出手段と、
   前記接眼状態が検出された場合に、前記音声認識機能により入力された音声を認識し、認識された音声に基づいて前記撮像装置の設定を行う制御手段と、
   前記ファインダに情報を表示する表示手段と、を有し、
   前記制御手段は、前記接眼状態が検出された場合に前記音声認識機能を有効にし、前記撮像装置の設定を前記音声認識機能により認識された音声に応じた設定に変更し、
   前記表示手段は、前記音声認識機能を用いないで設定された第１の設定内容を表示する第１の表示領域と、前記音声認識機能により認識された音声により設定された第２の設定内容を表示する第２の表示領域とを有することを特徴とする撮像装置。
2. 前記制御手段は、前記第２の表示領域に第２の設定内容が表示されている状態において前記検出手段が接眼状態を検出しなくなってから所定の時間が経過した場合は、前記第２の設定内容を無効にして前記第２の設定内容を非表示にし、前記第１の設定内容を有効にすることを特徴とする請求項１に記載の撮像装置。
3. 前記制御手段は、前記第２の表示領域に第２の設定内容が表示されている状態において所定の指示を受け付けた場合は、前記第１の表示領域に表示されている第１の設定内容を、前記第２の表示領域に表示されている第２の設定内容に置き換え、前記第２の表示領域の第２の設定内容を非表示にすることを特徴とする請求項１または２に記載の撮像装置。
4. ユーザ操作により物理的な位置を選択することで前記撮像装置の設定を行う設定手段をさらに有し、
   前記制御手段は、前記第２の表示領域に表示されている第２の設定内容と、前記設定手段により設定された第１の設定内容とが相反している場合、前記相反している第１の設定内容を前記第２の設定内容に置き換えないで、前記第２の表示領域の第２の設定内容の表示を継続することを特徴とする請求項３に記載の撮像装置。
5. 撮像手段と、
   前記撮像手段により撮像された画像データを記録する記録手段と、をさらに有し、
   前記制御手段は、前記撮像装置が前記第２の設定内容で前記撮像手段により画像の撮像を行った場合は、撮像された画像データに前記第２の設定内容を付加して前記記録手段に記録することを特徴とする請求項４に記載の撮像装置。
6. 前記記録手段に記録されている画像データを再生する再生手段をさらに有し、
   前記制御手段は、前記再生手段により前記記録手段から読み出した画像データに付加されている第２の設定内容を参照し、
   前記画像データに付加された第２の設定内容を、前記撮像装置の現在の設定として有効にするか否かを判定することを特徴とする請求項５に記載の撮像装置。
7. 前記制御手段は、前記画像データに付加された第２の設定内容を、前記撮像装置の現在の設定として有効にすると判定した場合に、前記第２の設定内容のうち、前記設定手段により設定された第１の設定内容と相反していない設定を有効にし、
   前記設定手段により設定された第１の設定内容と相反する前記第２の設定内容の表示を継続し、前記設定手段により設定された第１の設定内容と相反する前記第２の設定内容を報知することを特徴とする請求項６に記載の撮像装置。
8. 前記第１の設定内容は、ユーザ操作により手動で設定された設定内容を含むことを特徴とする請求項１から７のいずれか１項に記載の撮像装置。
9. 音声認識手段と、被写体を視認可能なファインダと、前記ファインダに対する接眼状態を検出可能な検出手段と、を有する撮像装置の制御方法であって、
   前記接眼状態が検出された場合に、前記音声認識手段により入力された音声を認識するステップと、
   認識された音声に基づいて前記撮像装置の設定を行うステップと、
   前記ファインダに情報を表示するステップと、を有し、
   前記設定を行うステップでは、前記接眼状態が検出された場合に前記音声認識手段を有効にし、前記撮像装置の設定を前記音声認識手段により認識された音声に応じた設定に変更し、
   前記表示するステップでは、前記音声認識手段を用いないで設定された第１の設定内容を第１の表示領域に表示し、前記音声認識手段により認識された音声により設定された第２の設定内容を第２の表示領域に表示することを特徴とする制御方法。
10. コンピュータを、請求項１から８のいずれか１項に記載された撮像装置として機能させるためのプログラム。

Images