JP7393245B2 - 撮像装置及びその制御方法、プログラム、記憶媒体 - Google Patents

Description

本発明は、撮像装置において、音声コマンドを用いて撮影を制御する技術に関するものである。

近年、ユーザが撮影指示を与えることなく、定期的および継続的に撮影を行う自動撮影カメラが開発され実用化が進んでいる。例えば、ストラップ等でユーザの身体に装着された状態で用いられ、ユーザが日常生活で目にする光景を一定時間間隔で映像として記録する、所謂ライフログカメラが知られている。

他には、笑顔や人の顔、犬や猫、急な動きなどを認識してシャッターを切る自動撮影カメラや、ＰＴＺ（Pan/Tilt/Zoom）の制御機構を持ち、自在に撮影範囲を切り替えながら自動撮影を行うカメラも存在する。

自動撮影カメラは、通常自動的に撮影を行うが、例えば自撮り写真や集合写真、建物やモニュメントの写真など、ユーザが意図的に撮影を行いたい場合もある。そこで、このような自動カメラにおいても、音声コマンドに対応していて、動画や静止画の撮影を音声で指示できるようなものもある。

上記のように音声コマンドで撮影を指示する機能を実現する技術として、複数の集音部、検出部を用いて音声の音源の方向を検出し、検出した音源の方向に撮像部の撮像方向を向けるよう駆動部を制御して撮影を行う技術が、特許文献１に記載されている。

特開２０１９－１１７３７４号公報

上述の特許文献１に開示された従来技術では、入力された音声を解析して、撮影指示であると認識されれば撮影を実行できる。また、音源の方向を特定して向きを変え、撮影を実行することもできる。

しかしながら、自動撮影カメラは随時ＰＴＺの制御、特にパン角を切り替えながら自動的に撮影を行っているため、音声で撮影指示をした際に目的の被写体をフレーム内に収めて撮影することは容易ではない。また、音源の方向を特定できる場合であっても、音声指示をした人とは別の人物や建物などを撮りたい場合には、意図した撮影をすることができない。

本発明は上述した課題に鑑みてなされたものであり、その目的は、撮影の方向を自動的に駆動する手段を有する撮像装置において、音声コマンドで撮影を指示した際に、目的の被写体をフレーム内に収めて撮影できるようにすることである。

本発明に係わる撮像装置は、画像を撮像する撮像手段と、前記撮像手段の向きを変更する駆動を行う駆動手段と、音声を入力する入力手段と、入力された前記音声が撮影を指示する音声である場合に、前記駆動手段を停止させて、前記撮像手段の向きの変更が停止した停止位置で前記撮像手段に撮像を行わせるとともに、前記停止位置から前記撮像手段の向きを前記駆動手段の駆動方向のプラス方向とマイナス方向にそれぞれ所定量移動させて、前記プラス方向に移動させた位置と前記マイナス方向に移動させた位置とにおいて、それぞれ前記撮像手段に撮像を行わせるように制御する制御手段と、を備えることを特徴とする。

本発明によれば、撮影の方向を自動的に駆動する手段を有する撮像装置において、音声コマンドで撮影を指示した際に、目的の被写体をフレーム内に収めて撮影することが可能となる。

本発明の第１の実施形態に係わる遠隔撮影システムの構成を模式的に示す図。 第１の実施形態の遠隔撮影システムの機能構成例を示すブロック図。 撮影指示コマンド検出時の制御例の説明図。 パン角度変更量を決定するルックアップテーブルを示す図。 第１の実施形態における音声コマンドによる撮影処理を説明するフローチャート。 第２の実施形態における音声コマンドによる撮影処理を説明するフローチャート。 第３の実施形態における音声コマンドによる撮影処理を説明するフローチャート。

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はない。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。

なお、以下の実施形態では、本発明の制御をスマートフォンで実施する場合について説明する。しかし、本発明は撮像装置と通信可能な任意の電子機器に対して適用可能である。このような電子機器には、コンピュータ機器（パーソナルコンピュータ、タブレットコンピュータ、メディアプレーヤ、ＰＤＡなど）、携帯電話機、ゲーム機などが含まれる。これらは例示であり、本発明は他の電子機器にも適用可能である。

（第１の実施形態）
図１は、本発明の第１の実施形態に係わる遠隔撮影システムの構成を模式的に示す図である。遠隔撮影システムは、図１（ａ）に示すように、撮像装置１００と、撮像装置１００を遠隔操作する外部機器であるスマートフォン１１０とが相互に通信可能に接続されて構成されている。

撮像装置１００は鏡筒１０１、チルトユニット１０２、パンユニット１０３、制御ボックス１０４を有する。

鏡筒１０１は、撮像光学系としての撮影レンズ群や撮像素子を有し、制御ボックス１０４の制御に従って撮影を行い、得られた画像データを制御ボックス１０４に出力する。撮影レンズ群には、フォーカスレンズや変倍レンズなどの可動レンズと、その駆動回路が含まれる。可動レンズは制御ボックス１０４によって駆動される。

鏡筒１０１は、チルトユニット１０２により回転駆動される。チルトユニット１０２は、制御ボックス１０４の指示に従って、鏡筒１０１を撮像光学系の光軸に直交する水平軸周りに回転駆動する。チルトユニット１０２により、鏡筒１０１（光軸）の仰角または俯角が変化する。

チルトユニット１０２は、パンユニット１０３に取り付けられている。パンユニット１０３は、制御ボックス１０４の指示に従ってパンユニット１０２を撮像光学系の光軸に直交する垂直軸周りに回転駆動する。パンユニット１０３がチルトユニット１０２を回転させることにより、チルトユニット１０２に取り付けられた鏡筒１０１（光軸）の方位角が変化する。

図１（ｂ）は、撮影光学系の光軸をＺ軸とし、撮像素子と光軸の交点を原点とする直交座標系を示している。チルトユニット１０２はＸ軸周り（ピッチ方向）、パンユニット１０３はＹ軸周り（ヨー方向）にそれぞれ回転軸を有する。

制御ボックス１０４は、スマートフォン１１０もしくは撮像装置１００が有する操作部からの指示に応じて、鏡筒１０１に含まれる可動レンズの駆動、鏡筒１０１による撮影動作、チルトユニット１０２およびパンユニット１０３の動作を制御する。制御ボックス１０４は、撮像画像のデータや、撮像装置１００の情報をスマートフォン１１０に送信する。

また、制御ボックス１０４は実装されているマイク（図示しない）から周囲の音を集音し、解析することでコマンドとして認識し、コマンドの内容に基づいて撮像装置１００を制御する。

スマートフォン１１０は、例えば撮像装置１００の遠隔操作アプリケーションを実行可能な電子機器の一例である。スマートフォン１１０と撮像装置１００は無線または有線による直接的な通信１０５や、コンピュータネットワークや電話ネットワークなどを介した通信１０６により、相互に通信可能である。なお、撮像装置１００とスマートフォン１１０とは、両者がサポートする任意の通信プロトコルを用いて通信することができる。

図２は、遠隔撮影システムの機能構成例を示すブロック図であり、図１と同じ構成については同じ参照符号を付している。

鏡筒１０１は、レンズユニット２０１（撮影光学系）および撮像部２０２を有し、チルトユニット１０２およびパンユニット１０３によって光軸の向きを調整することができる。

レンズユニット２０１が有する変倍レンズやフォーカスレンズなどの可動レンズは、制御ボックス１０４のレンズ駆動部２０５によって駆動される。レンズユニット２０１は、撮像部２０２が有する撮像素子の撮像面に光学像を形成する。

撮像部２０２は、例えばＣＭＯＳイメージセンサである撮像素子を有し、複数の光電変換素子により、レンズユニット２０１が形成する光学像をアナログ信号群（アナログ画像信号）に変換する。そして、撮像部２０２は、アナログ画像信号にＡ／Ｄ変換やノイズ低減処理などを適用し、画像データとして制御ボックス１０４に出力する。

チルトユニット１０２は、鏡筒１０１を図１（ｂ）のピッチ方向に回転させる駆動機構を有する。また、パンユニット１０３はチルトユニット１０２を図１（ｂ）のヨー方向に回転させる駆動機構を有する。鏡筒駆動部２０６から入力される駆動指示によって鏡筒１０１を回転駆動する。

制御ボックス１０４は、画像処理部２０３、画像記録部２０４、レンズ駆動部２０５、鏡筒駆動部２０６、制御部２０７、構図決定部２０８、顔検出部２０９、通信部２１０、ＲＯＭ２１１、システムメモリ２１２、音声解析部２１３、マイク（集音部）２１４を有する。

画像処理部２０３は、鏡筒１０１の撮像部２０２から出力された画像データに対して、歪曲補正処理、ホワイトバランス調整処理、色補間処理、符号化処理などの画像処理を適用し、記録用および表示用の画像データを生成する。表示用の画像データは記録用の画像データの解像度を下げたものであってもよい。また、画像処理部２０３は記録用の画像データのみを生成してもよい。

記録用の画像データは画像記録部２０４に出力される。画像記録部２０４は、画像処理部２０３から出力されたデジタル画像データをＪＰＥＧやＭＰＥＧといった仕様に応じた形式のデータファイルに格納して不揮発性メモリなどの記録媒体に記録する。画像処理部２０３が生成する画像データは顔検出部２０９および通信部２１０にも出力される。

顔検出部２０９は、画像処理部２０３から入力される画像データに対し、公知の顔検出処理を適用し、人物の顔と思われる領域（顔領域）を検出する。顔検出部２０９は検出結果（顔領域の数および位置情報）を構図決定部２０８に出力する。なお、顔領域は撮像装置１００が追尾機能や構図を自動決定する機能の対象とする被写体領域の一例である。したがって、顔検出部２０９は、予め定められた被写体の領域を検出する構成の一例である。

通信部２１０は、スマートフォン１１０や他の外部機器と撮像装置１００との通信を実現するための通信インタフェースである。通信部２１０は有線通信および無線通信の１種類以上に対応した構成を有する。通信部２１０が対応可能な通信規格には例えばＵＳＢ、イーサネット（登録商標）、ＨＤＭＩ（登録商標）、無線ＬＡＮ（ＩＥＥＥ８０２．１１シリーズ）、ブルートゥース（登録商標）、３ＧＰＰ ３Ｇ、４Ｇ、５Ｇなどがあるが、これらに限定されない。

レンズ駆動部２０５は、制御部２０７から入力される指示（例えば目標位置と駆動速度）に基づいて、レンズユニット２０１に含まれるズームレンズや焦点レンズを駆動する。

鏡筒駆動部２０６は、制御部２０７から入力される指示（例えば回転方向と回転量）に基づいてチルトユニット１０２およびパンユニット１０３を駆動する。

制御部２０７は、例えばＣＰＵなどのマイクロプロセッサであり、ＲＯＭ２１１に記憶されたプログラムをシステムメモリ２１２に読み込んで実行することにより、撮像装置１００の各部の動作を制御し、撮像装置１００の機能を実現する。

ＲＯＭ２１１は、書き換え可能な不揮発性メモリであり、制御部２０７が実行するプログラム、登録音声コマンド、撮像装置１００の各種の設定値を記憶する。システムメモリ２１２は、制御部２０７がプログラムを実行する際に用いるメモリである。

制御部２０７は、構図決定部２０８から入力される倍率情報と位置情報、および音声解析部２１３から入力されるにコマンド情報とに基づいて、レンズ駆動部２０５および鏡筒駆動部２０６を制御するための指示または命令（例えば目標位置と駆動速度）を生成する。そして、制御部２０７は、生成した指示をレンズ駆動部２０５および鏡筒駆動部２０６に出力する。

構図決定部２０８は、顔検出部２０９から入力される、撮像画像中で検出された顔領域の位置情報に基づいて、構図を決定する。構図決定部２０８は例えば、顔領域の大きさが予め定められたサイズ以上になるように倍率を決定することができる。また、構図決定部２０８は例えば、顔領域の位置が画像の中央に位置するように撮影方向を決定することができる。そして、構図決定部２０８は、決定した倍率および撮影方向を実現するための倍率および目標位置（パン角度およびチルト角度）を求め、制御部２０７に出力する。なお、ここで説明した構図決定方法は単なる例示であり、他の方法を用いてもよい。

また、構図決定部２０８は、通信部２１０を通してスマートフォン１１０からパン、チルト、またはズーム動作を指示する命令を受信した場合には、命令に基づいた目標位置や目標倍率を決定して制御部２０７および通信部２１０に出力する。なお、構図決定部２０８は、独立したブロックとして図示しているが、制御部２０７によって実現されてもよい。

音声解析部２１３は、マイク２１４により集音した音声データが、音声コマンドであるか否か、並びに、ＲＯＭ２１１に記憶されている登録音声コマンドに一致するか否かの判定を行う。そして音声解析部２１３は、ＲＯＭ２１１に記憶されている登録音声コマンドに一致する音声データを検出した場合に、何を指示するコマンドであるかを示すコマンド情報を制御部２０７に出力する。なお、音声認識そのものは周知技術であるため、ここでの説明は省略する。

マイク２１４は、撮像装置１００の電源がＯＮ状態の場合に、入力される音声を集音し、音声データとして音声解析部２１３に出力する。

次に、スマートフォン１１０の構成について説明する。通信部２５４は、撮像装置１００や他の機器とスマートフォン１１０との通信を実現するための通信インタフェースである。通信部２５４は、撮像装置１００が有する通信部２１０と基本的に同様の構成を有するものであってもよい。ただし、スマートフォン１１０は通話機能を有するため、通信部２５４は電話通信網との通信機能を含んでいる。

制御部２６１は、例えばＣＰＵなどのマイクロプロセッサであり、記憶部２５２に記憶されたプログラムをシステムメモリ２６２に読み込んで実行することにより、スマートフォン１１０の各部の動作を制御し、スマートフォン１１０の機能を実現する。

記憶部２５２は、書き換え可能な不揮発性メモリであり、制御部２６１が実行するプログラム、スマートフォン１１０の各種の設定値、ＧＵＩデータなどを記憶する。後述する遠隔撮影アプリケーションも記憶部２５２に記憶されている。システムメモリ２６２は、制御部２６１がプログラムを実行する際に用いるメモリである。システムメモリ２６２の一部は、表示部２５７のビデオメモリとしても用いられる。

電源部２６０は、スマートフォン１１０内の構成要素に電源を供給する。表示部２５７は、例えばタッチディスプレイである。表示部２５７は、指紋センサやスピーカなど、他の機能を有していてもよい。表示部２５７には、スマートフォン１１０のＯＳやアプリケーションが提供するＵＩ（ユーザインタフェース）や撮像画像などが表示される。

操作部２５８は、例えばユーザがスマートフォン１１０に指示を与えるための入力デバイスの総称である。音量調整ボタン、電源ボタンなどが含まれる。なお、表示部２５７に設けられているタッチパネルも操作部に含まれる。

音声処理部２５９は、例えばスマートフォン１１０に内蔵されたマイクから得られる音声信号を処理する。音声処理部２５９は音声認識機能を有していてもよい。この場合、ユーザは命令やテキストの入力に音声を用いることができる。なお、音声認識機能は通信部２５４を通じて通信可能な外部装置の機能を用いて実現してもよい。

ＧＰＳ(Global positioning system)レシーバ２５５は、ＧＰＳ衛星から受信した信号に基づく測位処理によりスマートフォン１１０の位置情報（経度・緯度情報）を取得する。なお、スマートフォン１１０の位置情報は、ＷＰＳ(Wi－Fi Positioning System)など、他の方法を用いて取得してもよい。

制御部２６１は、スマートフォン１１０の現在の位置情報が予め設定されている地理的範囲に含まれることや、現在位置の所定の変化の検出を、撮像装置１００を制御するためのイベント情報として用いることができる。例えば制御部２６１は、イベント情報を撮像装置１００の撮影開始や停止のトリガとして用いることができる。

撮像装置１００とスマートフォン１１０は、通信部２１０と通信部２５４を通じて双方向の通信を行う。例えば、撮像装置１００は、撮像部２０２で得られた音声信号および画像信号や、撮像装置１００の情報などをスマートフォン１１０に送信したり、スマートフォン１１０から各種のコマンドを受信したりする。また、スマートフォン１１０は、パン、チルト、ズーム、撮影の開始および停止などのコマンドを撮像装置１００に送信したり、コマンドの実行結果を受信したりする。

通信部２１０と通信部２５４は、異なる通信規格に基づく複数の通信路を同時に、あるいは選択的に用いて通信することができる。例えば通信部２１０と通信部２５４は、第１の規格（例えば無線ＬＡＮ規格）に基づく第１の通信路２３１と、第２の規格（例えばＢＬＥ規格）に基づく第２の通信路２３２とを用いて通信することができる。例えば、通信の目的に応じて、適切な消費電力、通信可能な距離、および通信速度の複数の規格に基づく通信を行うことにより、消費電力を低減したり、通信の効率化を図ることができる。

例えば、撮像装置１００の制御部２０７は、撮像装置１００の起動後、通信部２１０を通じた通信要求の受信を監視している。この状態で動画を撮影したり静止画を周期的に撮影したりして、得られた画像データを画像記録部２０４に記録してもよい。

スマートフォン１１０において遠隔撮影アプリケーションが実行されると、制御部２６１は、撮像装置１００に対して通信要求を送信する。なお、撮像装置１００との通信に必要な情報は記憶部２５２に設定されているものとする。

制御部２０７は、スマートフォン１１０からの通信要求を受信すると、通信規格に定められた手順で制御部２６１との間で情報の交換を行い、通信を確立する。制御部２０７は、スマートフォン１１０との通信が確立すると、撮像装置１００の情報をスマートフォン１１０に送信する。撮像装置１００の情報には機種や撮像素子のサイズに関する情報、撮像光学系に関する情報が含まれていてもよい。また、撮影光学系の情報には、ズーム倍率１倍に相当する焦点距離、レンズ情報（撮影光学系のズーム倍率、チルトユニットの回転角、パンユニットの回転角）、撮影光学系の調整可能範囲（例えば倍率および回転角の最小値ならびに最大値）が含まれていてもよい。

また、制御部２０７は、スマートフォン１１０への撮像画像の送信を開始する。スマートフォン１１０に送信する撮像画像は、画像処理部２０３が生成する表示用の画像データであってもよい。画像処理部２０３が表示用の画像データを生成しない場合には、制御部２０７が記録用の画像データから表示用の画像データを生成してもよい。なお、ここでは撮像装置１００は所定のフレームレートを有する動画を撮影するものとするが、スマートフォン１１０からの指示に応じて静止画を撮影してもよい。

制御部２６１は、通信が確立した撮像装置１００から、撮像装置１００の情報を受信すると、システムメモリ２６２に記憶する。また、制御部２６１は、撮像装置１００から撮像画像の受信を開始すると、遠隔撮影アプリケーションが生成するＧＵＩ画面を表示部２５７に表示する。

図３は、撮像装置１００が「撮影」を指示する音声コマンドを検出した際の制御例を示す図である。

図３（ａ）は、ユーザが音声コマンド指示によって撮影したい被写体３００を撮像装置１００が画角の中心に捉えている状況を示している。ここで扇形３０２は撮像装置１００の画角範囲を、実線３０１は画角中心をそれぞれ示す。

ここで、撮像装置１００は、撮影する被写体を探すためにパン角度を自動的に変更制御する。本実施形態においては、最大角速度５０degree/sec(以下deg/s)で変更制御可能としている。また、ユーザは音声コマンドによって撮影指示をすることができる。撮像装置１００は撮影指示を検出すると、パン角度変更動作を停止して撮影を行う。撮像装置１００がパン角度を変更中にユーザが音声コマンドで撮影指示をする場合には、音声を発するタイミングおよび撮像装置１００によって音声コマンドが検出されるタイミングによってユーザが意図した位置とは異なる位置で停止して撮影されることが考えられる。

図３（ｂ）は、図３（ａ）の位置での撮像装置１００が左回りに５０deg/sでパン角度を変更制御していた場合に、被写体３００の中心が撮像装置１００の画角中心３０１となる位置で止める意図でユーザが発した撮影指示音声の検出が１秒遅延した場合に停止した状態を示す。

この状態での撮像装置１００の画角中心３０４は、本来撮影したかった図３（ａ）の位置での画角中心３０１に対して、左回りに５０°進んだ位置となる。その結果、この位置で撮影を行った場合、被写体３００を画角内に収めた画像を撮影することができないことを示している。

図３（ｃ）は、図３（ｂ）の状態から撮像装置１００が右回りに３０°パン角度を変更して停止した状態を示す。この状態での撮像装置１００の画角中心３０５は、図３（ｂ）の位置での画角中心３０４に対して右回りに３０°の位置となっていて、画角範囲を示す扇形３０２は被写体３００を含んでいる。

図３（ｄ）は、図３（ｃ）の状態から撮像装置１００が左回りに６０°パン角度を変更して停止した状態を示す。この状態での撮像装置１００の画角中心３０６は図３（ｃ）の位置での画角中心３０５に対して左回りに６０°の位置となっていて、図３（ｂ）の位置での画角中心３０４からは左回りに３０°の位置となっている。

この例では、ユーザが撮影を意図した位置に対して撮像装置１００のパン位置が１秒分進んで止まった場合について記載したため、図３（ｄ）の位置では扇形３０２は被写体３００を収められていない。しかし、実際には、ユーザが撮像装置１００のパン動作を考慮して、撮影を意図した位置に対して事前に撮影指示を行うことで、パン位置が手前で停止することも考えられる。その際に、１秒程度手前で停止した場合には図３（ｄ）の位置で被写体３００を画角に収めることができる。

つまり、ユーザが撮影したいと意図した鏡筒１０１の位置に対して、ユーザが撮影指示の音声を発するタイミングにより、鏡筒１０１が行き過ぎた位置で止まったり、手前の位置で止まったりすることがある。その場合には、鏡筒１０１の停止目標位置に対してズレた量の大小により、被写体３００を撮像装置１００の画角内に収められない場合が発生する。そのため、本実施形態では、鏡筒１０１の停止位置に対して、鏡筒１０１の駆動方向のプラス方向とマイナス方向（左右方向）にそれぞれ所定角度ずつ鏡筒１０１の向きをシフトさせて（所定量移動させて）、それぞれの位置で撮影を行わせる。これにより、ユーザの目的の被写体を撮影画角内に収めることが可能となる。

なお、本実施形態では、左右に変更する（シフトさせる）パン角度を固定値の３０°とする例を示したが、変更するパン角度は、音声コマンド受信時のパン角度の変更速度（deg/s）、ズーム倍率やその他の条件に応じて決定してもよい。なぜならば、音声コマンド受信時のパン角度の変更速度が早ければ、音声コマンドのタイミングのズレにより、鏡筒１０１の目標位置に対して行き過ぎてしまったり、手前で止まったりするズレ量が大きくなるからである。その場合には、鏡筒１０１の向きをシフトさせる量も大きくすることにより、目標の被写体を画角内に収められるようにする。また、同様に、音声コマンド受信時のズーム倍率が大きいと、画角が狭くなるので、鏡筒１０１の停止位置がズレた場合に、被写体が画角から外れやすくなる。そのため、この場合も、鏡筒１０１の向きをシフトさせる量を大きくして、目標の被写体を画角内に収められるようにする。

一例として、図４に音声コマンド受信時のパン角度の変更速度とズーム倍率に応じて決定するパン角度変更量（鏡筒１０１をシフトさせる角度）のルックアップテーブルを示す。この例では、目的の被写体をより的確にフレームに収められるよう、音声コマンド受信時のパン角度の変更速度が速いほど、ズーム倍率が高いほどパン角度変更量を大きくしている。

また、音声コマンド受信時にズームをワイド端(広角端)に戻したり、特定のズーム倍率に変更してからパン角度の変更および静止画撮影を行うようにしてもよい。

図５は、第１の実施形態における音声コマンドによる撮影処理を説明するフローチャートである。この図を用いて、音声コマンド入力時に撮像装置１００が行うパン角度変更および静止画撮影を制御する処理について以下に説明する。

ステップＳ５０１では、制御部２０７は、撮像装置１００に音声入力があった際、音声解析部２１３に、入力された音声データの解析を行わせる。

ステップＳ５０２では、制御部２０７は、ステップＳ５０１での解析の結果、撮影を指示するコマンドが検出されたか否かを判定する。制御部２０７は、撮影を指示するコマンドが検出された場合は、処理をステップＳ５０３に進め、検出されないと判断した場合は、このフローの処理を終了する。

ステップＳ５０３では、制御部２０７は、鏡筒駆動部２０６にパン駆動停止指示を行ってパン駆動を停止させる。

ステップＳ５０４では、制御部２０７は、鏡筒１０１に静止画を撮影させる。

ステップＳ５０５では、制御部２０７は、撮影した画像について、画像処理部２０３を用いて画像処理を行い、処理した画像を画像記録部２０４に保存する。

ステップＳ５０６では、制御部２０７は、右回りにパン角度を一定量変更する指示を鏡筒駆動部２０６に出力して、パン角度を変更する。

ステップＳ５０７では、制御部２０７は、右回りのパン角度変更量が３０°に達したか否かを判定する。制御部２０７は、パン角度変更量が３０°に達していないと判断した場合は、処理をステップＳ５０６に戻し、パン角度変更量が３０°に達するまで、ステップＳ５０６とＳ５０７を繰り返す。制御部２０７は、パン角度変更量が３０°に達したと判断すると、処理をステップＳ５０８に進める。

ステップＳ５０８では、制御部２０７は、鏡筒１０１に静止画撮影を行わせる。

ステップＳ５０９では、制御部２０７は、撮影した画像を画像記録部２０４へ保存する。

ステップＳ５１０では、制御部２０７は、左回りにパン角度を一定量変更する指示を鏡筒駆動部２０６に出力して、パン角度を変更する。

ステップＳ５１１では、制御部２０７は、左回りのパン角度変更量が６０°に達したか否かを判定する。制御部２０７は、パン角度変更量が６０°に達していないと判断した場合は、処理をステップＳ５１０に戻し、パン角度変更量が６０°に達するまで、ステップＳ５１０とＳ５１１を繰り返す。制御部２０７は、パン角度変更量が６０°に達したと判断すると、処理をステップＳ５１２に進める。

ステップＳ５１２では、制御部２０７は、鏡筒１０１に静止画撮影を行わせる。

ステップＳ５１３では、制御部２０７は、撮影した画像を画像記録部２０４へ保存する。

なお、本実施形態においては、パン角度は制限なく３６０°自由に変更可能であることを前提として記載したが、パン駆動範囲に制限がある場合についても同様に処理可能である。具体的にはＳ５０７、Ｓ５１１において回転可能な制限位置に達したか否かを併せて確認し、制限位置に達していた場合にも、それぞれＳ５０８、Ｓ５１２の静止画撮影処理に進めることで対処することができる。

また、本実施形態においては、撮影を指示するコマンドが検出された際に停止した位置から左右３０°にパン角度を変更した位置でそれぞれ撮影を行う例を示した。これはこの範囲の中に目的の被写体が含まれることを意図しているからである。撮影を指示するコマンドが検出された後しばらくは、被写体探索のためのパン駆動範囲を上述の左右３０°の範囲に制限して自動撮影を行うことも、目的の被写体を撮影するために有効である。

以上説明したように、本実施形態によれば、撮影の向きを自動的に変更することが可能な撮像装置において、ユーザが音声コマンドで撮影指示をした際に、目的の被写体をフレーム内に収めて撮影することが可能となる。

なお、本実施形態においては音声コマンドとして撮影指示によってパン駆動を停止して撮影を実行する例について説明したが、停止指示と撮影指示のコマンドが分かれている場合の処理についても同様である。

（第２の実施形態）
この第２の実施形態におけるシステム構成は、第１の実施形態と同じであるため、構成についての説明は省略し、第１の実施形態と異なる部分について以下に説明する。

図６は、第２の実施形態における音声コマンドによる撮影処理を説明するフローチャートである。この図を用いて、音声コマンド入力時に撮像装置１００が行うパン角度変更および静止画撮影を制御する処理について以下に説明する。

ここで、本フローチャートは、被写体検出状態を確認する処理（ステップＳ６０１、Ｓ６０３）および、検出した被写体に構図を調整する処理（ステップＳ６０２、Ｓ６０４）が追加される以外は、図５で説明した第１の実施形態のフローチャートと同じである。そのため、ステップＳ６０１、Ｓ６０２、Ｓ６０３、Ｓ６０４以外の処理には、第１の実施形態と同じステップ番号を付して説明を省略する。

ステップＳ５０６において、制御部２０７が右回りにパン角度を一定量変更する指示を鏡筒駆動部２０６に出力してパン角度を変更した後、ステップＳ６０１では、制御部２０７は、その位置において被写体の検出状態を確認する。制御部２０７は、被写体が検出されないと判断した場合には、処理をステップＳ５０７に進め、被写体が検出されたと判断した場合には、処理をステップＳ６０２へ進める。ステップＳ６０２では、制御部２０７は、鏡筒駆動部２０６に鏡筒１０１の駆動を指示して、検出された被写体に合わせて構図を調整する。ステップＳ５０７とＳ５０８の処理は、第１の実施形態で説明した通りである。

また、同様に、ステップＳ５１０において、制御部２０７が左回りにパン角度を一定量変更する指示を鏡筒駆動部２０６に出力してパン角度を変更した後、ステップＳ６０３では、制御部２０７は、その位置において被写体の検出状態を確認する。制御部２０７は、被写体が検出されないと判断した場合には、処理をステップＳ５１１に進め、被写体が検出されたと判断した場合には、処理をステップＳ６０４へ進める。ステップＳ６０４では、制御部２０７は、鏡筒駆動部２０６に鏡筒１０１の駆動を指示して、検出された被写体に合わせて構図を調整する。ステップＳ５１１とＳ５１２の処理は、第１の実施形態で説明した通りである。

なお、ステップＳ６０２、Ｓ６０４からステップＳ５０８、Ｓ５１２の静止画撮影処理に進む場合には、被写体が検出されているため、ズームの変更や構図の変更（日の丸構図、三分割構図など）を行ってもよい。

以上説明したように、本実施形態によれば、撮影の向きを自動的に変更することが可能な撮像装置において、ユーザが音声コマンドで撮影指示をした際に、目的の被写体をフレーム内に収めて撮影することが可能となる。

（第３の実施形態）
この第３の実施形態におけるシステム構成は、第１の実施形態と同じであるため、構成についての説明は省略し、第１の実施形態と異なる部分について以下に説明する。

図７は、第３の実施形態における音声コマンドによる撮影処理を説明するフローチャートである。この図を用いて、音声コマンド入力時に撮像装置１００が行うパン角度変更および静止画撮影を制御する処理について以下に説明する。

ここで本実施形態のフローチャートは、第１の実施形態でのパン駆動停止処理（ステップＳ５０３）が、パン位置を初期位置に変更する処理（ステップＳ７０１）に置き代わる以外は、図５で説明した第１の実施形態のフローチャートと同じである。そのため、ステップＳ７０１以外の処理には、第１の実施形態と同じステップ番号をつけて説明を省略する。

ステップＳ５０２で、制御部２０７が「撮影」を指示するコマンドが検出されたと判断した場合に、ステップＳ７０１では、制御部２０７は、鏡筒駆動部２０６にパン位置を初期位置に変更する指示を行い、パン位置を初期位置に変更する。その後のステップＳ５０４以下の処理は、第１の実施形態で説明した通りである。

以上説明したように、本実施形態によれば、撮影の向きを自動的に変更することが可能な撮像装置において、ユーザがあらかじめ初期位置を把握して目的の被写体に初期位置をおおよそ正対させた状態で音声コマンド撮影指示をした際に、所定の初期位置にパン位置を変更することで、目的の被写体をフレーム内に収めて撮影することができる。

（他の実施形態）
また本発明は、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ーがプログラムを読み出し実行する処理でも実現できる。また、１以上の機能を実現する回路（例えば、ＡＳＩＣ）によっても実現できる。

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：鏡筒、１０２：チルトユニット、１０３：パンユニット、１０４：制御ボックス、２０１：レンズユニット、２０２：撮像部、２０３：画像処理部、２０４：画像記録部、２０５：レンズ駆動部、２０６：鏡筒回転駆動部、２０７：制御部、２０８：構図決定部、２０９：顔検出部、２１３：音声解析部、２１４：マイク

Claims (12)

1. 画像を撮像する撮像手段と、
   前記撮像手段の向きを変更する駆動を行う駆動手段と、
   音声を入力する入力手段と、
   入力された前記音声が撮影を指示する音声である場合に、前記駆動手段を停止させて、前記撮像手段の向きの変更が停止した停止位置で前記撮像手段に撮像を行わせるとともに、前記停止位置から前記撮像手段の向きを前記駆動手段の駆動方向のプラス方向とマイナス方向にそれぞれ所定量移動させて、前記プラス方向に移動させた位置と前記マイナス方向に移動させた位置とにおいて、それぞれ前記撮像手段に撮像を行わせるように制御する制御手段と、
   を備えることを特徴とする撮像装置。
2. 前記駆動手段は、前記撮像手段の向きを左右方向に変更することを特徴とする請求項１に記載の撮像装置。
3. 入力された前記音声を解析する解析手段をさらに備えることを特徴とする請求項１に記載の撮像装置。
4. 前記解析手段は、入力された前記音声を解析して、該音声が撮影を指示する音声であるか否かを判定することを特徴とする請求項３に記載の撮像装置。
5. 被写体を検出する検出手段と、前記撮像手段の撮像の構図を調整する調整手段とをさらに備え、前記制御手段は、前記撮像手段を前記プラス方向に移動させた位置あるいは前記マイナス方向に移動させた位置に移動させる場合に、前記撮像手段を移動させながら前記検出手段により被写体を検出させ、被写体が検出された場合に、検出された被写体に合わせて、前記調整手段により撮像の構図を調整させることを特徴とする請求項１乃至４のいずれか１項に記載の撮像装置。
6. 前記検出手段は、前記撮像手段により撮像した画像から被写体を検出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、前記撮像手段が前記停止位置で停止した後の所定の時間の間は、前記検出手段により被写体を探索する範囲を、前記プラス方向に移動させた位置と前記マイナス方向に移動させた位置の間に制限することを特徴とする請求項５または６に記載の撮像装置。
8. 前記撮像手段は、ズームの倍率を変更するズーム手段を有し、前記制御手段は、前記検出手段により被写体が検出された場合に、前記ズーム手段にズームの倍率を変更させることを特徴とする請求項５乃至７のいずれか１項に記載の撮像装置。
9. 前記制御手段は、入力された前記音声が撮影を指示する音声である場合に、前記駆動手段を所定の初期位置で停止させ、前記初期位置で前記撮像手段に撮像を行わせることを特徴とする請求項１乃至４のいずれか１項に記載の撮像装置。
10. 画像を撮像する撮像手段を備える撮像装置を制御する方法であって、
    前記撮像手段の向きを変更する駆動を行う駆動工程と、
    音声を入力する入力工程と、
    入力された前記音声が撮影を指示する音声である場合に、前記駆動工程を停止させて、前記撮像手段の向きの変更が停止した停止位置で前記撮像手段に撮像を行わせるとともに、前記停止位置から前記撮像手段の向きを前記駆動工程の駆動方向のプラス方向とマイナス方向にそれぞれ所定量移動させて、前記プラス方向に移動させた位置と前記マイナス方向に移動させた位置とにおいて、それぞれ前記撮像手段に撮像を行わせるように制御する制御工程と、
    を有することを特徴とする撮像装置の制御方法。
11. コンピュータを、請求項１乃至９のいずれか１項に記載の撮像装置の各手段として機能させるためのプログラム。
12. コンピュータを、請求項１乃至９のいずれか１項に記載の撮像装置の各手段として機能させるためのプログラムを記憶したコンピュータが読み取り可能な記憶媒体。

Images