JP7483421B2 - 撮像装置、制御方法、及びプログラム - Google Patents

Description

本発明は、音声に基づいて動作を制御する撮像装置、制御方法、及びプログラムに関する。

深層学習に基づいた自然言語処理（ＮＬＰ）の技術革新によって音声認識の技術が発達している。結果として、ユーザが発した音声をより精度良く認識できるようになり、音声入力による機器制御の需要が向上している。

特許文献１は、制御用音声が入力された直前の位置まで記録手段を巻き戻すことによって、制御用音声が記録手段に記録されることを防止する技術を開示する。

特開２００１－２０３９７４号公報

特許文献１（特に、巻き戻し制御に関する部分）においては、録画停止を指示する制御用音声に基づく制御が説明されており、複数の制御用音声を用いる構成は想定されていない。例えば、複数の制御用音声が存在する構成に特許文献１の技術を適用する場合、いずれの制御用音声に基づいて巻き戻し処理を実行すべきかは、特許文献１の内容から明らかでない。

以上の事情に鑑み、本発明は、不要な制御用音声を動画から適切に排除可能な撮像装置、制御方法、及びプログラムを提供することを目的とする。

上記目的を達成するために、本発明の撮像装置は、動画を取得する撮像手段と、音声を集音する音声入力手段と、前記音声入力手段が集音した前記音声に含まれるウェイクワード及び制御ワードに基づいて前記動画の記録を制御する制御手段と、を有し、前記動画の記録を停止することを指示する前記制御ワードが前記音声に含まれる場合、前記制御手段は、前記動画の記録を停止すると共に、前記ウェイクワードの開始時刻までの動画データを動画ファイルとして記録させる、ことを特徴とする。

本発明によれば、不要な制御音声を動画から適切に排除可能である。

本発明の実施形態に係る撮像装置の一例としてのデジタルカメラの外観図である。 本発明の実施形態に係るデジタルカメラの機能的構成を示すブロック図である。 本発明の実施形態におけるメイン処理を示すフローチャートである。 本発明の実施形態における初期化処理を示すフローチャートである。 本発明の実施形態における設定変更処理を示すフローチャートである。 本発明の実施形態における設定変更処理を示すフローチャートである。 本発明の実施形態における設定変更画面の一例を示す説明図である。 本発明の実施形態における音声入力処理を示すフローチャートである。 本発明の実施形態における音声入力処理を示すフローチャートである。 本発明の実施形態における動画編集処理を示すフローチャートである。

以下、本発明の実施形態について添付図面を参照しながら詳細に説明する。以下に説明される各実施形態は、本発明を実現可能な構成の一例に過ぎない。以下の各実施形態は、本発明が適用される装置の構成や各種の条件に応じて適宜に修正又は変更することが可能である。したがって、本発明の範囲は、以下の各実施形態に記載される構成によって限定されるものではない。例えば、相互に矛盾のない限りにおいて実施形態内に記載された複数の構成を組み合わせた構成も採用可能である。

図１は、本発明の実施形態に係る撮像装置の一例としてのデジタルカメラ１００の外観図である。デジタルカメラ１００は、表示部２８、モード切替スイッチ６０、シャッターボタン６１、操作部７０、電源スイッチ７２、コントローラホイール７３、コネクタ１１２、記録媒体スロット２０１、及び蓋２０２を有する。

表示部２８は、撮像画像や各種情報を表示する表示手段であって、例えば、液晶ディスプレイによって構成される。

モード切替スイッチ６０は、動画撮影モード、静止画撮影モード等の種々のモードを切り替える操作部材である。

シャッターボタン６１は、デジタルカメラ１００に対して動画、静止画等の画像の撮影を指示する操作部材である。

操作部７０は、ユーザからの種々の操作を受け付ける操作部材であって、スイッチ、ボタン、表示部２８と一体に構成されるタッチパネル等を含む。コントローラホイール７３は、ユーザからの回転操作を受け付ける操作部材である。

モード切替スイッチ６０、シャッターボタン６１、操作部７０、及びコントローラホイール７３が、本実施形態に係る操作手段を構成する。

電源スイッチ７２は、デジタルカメラ１００の電源オン状態と電源オフ状態とを切り替える操作部材である。

コネクタ１１２は、デジタルカメラ１００と接続ケーブル１１１とを接続する要素である。接続ケーブル１１１は、パーソナルコンピュータ、プリンタ等の外部機器とデジタルカメラ１００とを接続する要素である。

記録媒体スロット２０１は、メモリカード、ハードディスク等の記録媒体２００を格納する構造である。記録媒体スロット２０１に格納された記録媒体２００は、記録媒体スロット２０１の端子を介してデジタルカメラ１００と電気的に接続されて通信可能となる。結果として、記録媒体２００に対するデータの記録や記録媒体２００からのデータの読み出しが可能となる。

蓋２０２は、閉状態において記録媒体スロット２０１に格納された記録媒体２００を覆う構造である。図１において、蓋２０２は開状態にあり、記録媒体スロット２０１から記録媒体２００の一部が露出している。

図２は、本実施形態に係るデジタルカメラ１００の構成を示すブロック図である。以下、デジタルカメラ１００に設けられている要素についてそれぞれ説明する。

システム制御部５０は、例えば、ＣＰＵ（Central Processing Unit）等の１以上のプロセッサを用いて構成され、デジタルカメラ１００に含まれる複数の要素の動作を統合的に制御する。

不揮発性メモリ５６は、不揮発性であり電気的に記録及び消去が可能な記憶媒体であって、例えばＥＥＰＲＯＭ（Electrically Erasable Programmable Read-Only Memory）によって構成される。不揮発性メモリ５６は、システム制御部５０によって用いられる動作用の値（定数、変数等）及び制御用のプログラムを格納している。

システムメモリ５２は、揮発性の記憶媒体であって、例えばＲＡＭ（Random Access Memory）によって構成される。システムメモリ５２は、システム制御部５０が使用する動作用の値（定数、変数等）が記憶されプログラムが展開されるワーキングメモリとして機能する。

フローチャート等を参照して後述される本実施形態の種々の処理は、システム制御部５０が有する１以上のプロセッサが、不揮発性メモリ５６に格納されているプログラムをシステムメモリ５２に展開して実行することによって実現される。なお、本実施形態の種々の処理の少なくとも一部が、システム制御部５０による制御の下、システム制御部５０以外の要素によって実現されてもよい。

撮影レンズ１０３は、ズームレンズ及びフォーカスレンズを含むレンズ群である。図示の簡単のため、図２では模式的に１枚のレンズで撮影レンズ１０３が表現されている。シャッター１０１は、システム制御部５０に制御されて開閉するフォーカルプレーンシャッターである。撮像部２２は、ＣＣＤ素子やＣＭＯＳ素子によって構成される撮像素子であって、撮像面に結像した被写体の光学像を電気信号に変換してＡ／Ｄ変換器２３に出力する。Ａ／Ｄ変換器２３は、撮像部２２から出力される電気信号（アナログ信号）をデジタル信号（画像データ）に変換して、メモリ制御部１５及び画像処理部２４の少なくともいずれかに出力する。

撮像部２２は、撮影レンズ１０３及びシャッター１０１と共に撮像手段を構成する。バリア１０２は、以上の撮像手段を覆うことによって汚れや破損を防止する。

画像処理部２４は、Ａ／Ｄ変換器２３又はメモリ制御部１５から供給されるデジタル信号（画像データ）に対して種々の画像処理（画素補間処理、リサイズ処理、色変換処理等）を実行する集積回路である。画像処理部２４は、撮像された画像データに基づいて種々の演算処理を実行する。システム制御部５０は、以上の演算処理の結果に基づいて、露光制御処理及び測距制御処理を実行することができる。以上の制御処理によって、ＴＴＬ（Through-The-Lens）方式のＡＦ処理、ＡＥ処理、ＥＦ処理（フラッシュプリ発光処理）が実現される。また、画像処理部２４は、以上の演算処理の結果に基づいて、ＴＴＬ方式のオートホワイトバランス（ＡＷＢ）処理を実行できる。

メモリ３２は、撮像部２２にて取得されＡ／Ｄ変換器２３によってデジタル信号に変換された画像データ、表示部２８に表示すべき画像データ等のデータを記憶する記憶媒体である。Ａ／Ｄ変換器２３から出力された画像データは、画像処理部２４の処理後にメモリ制御部１５を介して、又は、直接的にメモリ制御部１５を介して、メモリ３２に書き込まれる。メモリ３２は、所定枚数の静止画や所定時間に亘る動画及び音声を格納するのに十分な容量を有している。メモリ３２は、画像表示用のビデオメモリとしても機能する。

Ｄ／Ａ変換器１３は、メモリ３２に格納されている画像表示用のデータをアナログ信号に変換して表示部２８に供給する。

表示部２８は、液晶ディスプレイ等の表示器を有しており、メモリ３２に書き込まれＤ／Ａ変換器１３を介して供給された表示用の画像データ（アナログ信号）を表示器に表示する。表示部２８は、撮像部２２、Ａ／Ｄ変換器２３、メモリ制御部１５、メモリ３２、Ｄ／Ａ変換器１３等を介して逐次的に供給される画像データを表示することによって、スルー画像を継続的に表示する電子ビューファインダーとして機能する。すなわち、デジタルカメラ１００は、撮像手段を用いた逐次的な撮影によって取得される撮像画像を表示部２８に表示することで、ライブビュー表示（ＬＶ表示）を実現できる。以上のライブビュー表示による画像を「ＬＶ画像」と称することがある。

システム制御部５０は、上述したメモリ３２、Ｄ／Ａ変換器１９、表示部２８等の表示関連要素を制御することによって表示制御を実現する。

システムタイマー５３は、種々の制御に用いられるタイミング生成部であると共に不図示の内蔵時計の時間を計測する計時部である。システム制御部５０は、システムタイマー５３が生成するタイミングに基づいて各部の動作を制御する。

前述したように、モード切替スイッチ６０、シャッターボタン６１、操作部７０（後述されるタッチパネル７０ａを含む）、及びコントローラホイール７３が、本実施形態に係る操作手段を構成する。以上の操作手段は、システム制御部５０に対して各種の動作指示を入力する。

モード切替スイッチ６０は、種々の動作モードを切り替えるのに用いられる。以上の動作モードには、静止画を取得する静止画モード、動画を取得する動画モード、及び静止画・動画を再生する再生モードが含まれる。静止画モードは、オート撮影モード、オートシーン判別モード、マニュアルモード、絞り優先モード（Ａｖモード）、シャッター速度優先モード（Ｔｖモード）、撮影シーン別の撮影設定となる各種シーンモード、プログラムＡＥモード、カスタムモードを含む。同様に、動画撮影モードにも、以上のような複数のモードが含まれる。ユーザがモード切替スイッチ６０を操作することによって、以上のいずれかのモードが直接的に選択される。また、モード切替スイッチ６０の操作によって表示されたモード一覧画面から、後述されるタッチパネル７０ａ等の他の操作部材を用いてモードが選択されてもよい。

シャッターボタン６１は、押下操作の途中で（すなわち、半押しによって）ＯＮ状態となる第１シャッタースイッチ６２と、押下操作の完了によって（すなわち、全押しによって）ＯＮ状態となる第２シャッタースイッチ６４とを含む。第１シャッタースイッチ６２がＯＮ状態になると、第１シャッタースイッチ信号ＳＷ１が出力され、ＡＦ処理、ＡＥ処理、ＡＷＢ処理、ＥＦ処理等の撮影準備動作の開始がシステム制御部５０に指示される。一方、第２シャッタースイッチ６４がＯＮ状態になると、第２シャッタースイッチ信号ＳＷ２が出力され、信号読出し処理、現像処理、圧縮・伸長処理、データ書込み処理等の一連の撮影動作の開始がシステム制御部５０に指示される。

操作部７０は、前述したように複数の操作部材を有する。各操作部材に対しては、場面ごとに相異なる複数の機能を割り当てることができる。すなわち、各操作部材は、押下によって場面に応じた機能をトリガする機能ボタンとして機能し得る。機能の割当ては、例えば、設定画面において表示部２８に表示される種々の機能アイコンを選択することによって行われる。以上の機能ボタンとして、終了ボタン、戻りボタン、画像送りボタン、ジャンプボタン、絞り込みボタン、属性変更ボタン、動画記録ボタンが非限定的に例示される。メニューボタンが押下されると、各種の設定を行うためのメニュー画面が表示部２８に表示される。ユーザは、表示部２８に表示されたメニュー画面と、十字キー及びＳＥＴボタンとを用いて直感的に各種の設定を指示することができる。

コントローラホイール７３は、選択項目の指示等に対応するユーザの回転操作を検出する操作部材であって、例えば、回転操作の操作量に応じて回転してパルス信号を出力するダイヤル部材である。システム制御部５０は、以上のパルス信号によって特定した回転操作の角度や回転した数に基づいてデジタルカメラ１００の各部を制御する。なお、コントローラホイール７３が、自身は回転せずに回転動作によるユーザの指の動きを検出して信号を出力するタッチセンサを有するタッチホイール部材であってもよい。

電源部３０は、デジタルカメラ１００に電源を供給する要素であって、一次電池（アルカリ電池、リチウム電池等）、二次電池（ＮｉＣｄ電池、ＮｉＭＨ電池、Ｌｉ電池等）、及びＡＣアダプタの少なくともいずれかによって構成される。電源制御部８０は、電池検出回路、ＤＣ－ＤＣコンバータ、通電するブロックを切り替えるスイッチ回路等により構成されている。電源制御部８０は、電池が装着されているか否か、装着されている電池の種別、及び電池残量を検出することができる。電源制御部８０は、以上の検出結果及びシステム制御部５０からの指示に基づいてＤＣ－ＤＣコンバータを制御し、所要の電圧を所要の期間に亘ってデジタルカメラ１００の各部（記録媒体２００を含む）の各部に供給する。

記録媒体Ｉ／Ｆ１８は、デジタルカメラ１００に接続可能な記録媒体２００との接続インタフェースである。記録媒体２００は、デジタルカメラ１００にて取得された画像や動画を記録するメモリカード等の外部記録媒体であって、半導体メモリ、磁気ディスク等の記憶素子から構成される。システム制御部５０は、後述される本実施形態の処理に従って取得された動画を、記録媒体Ｉ／Ｆ１８を介して記録媒体２００に記録できる。

通信部５４は、有線又は無線によってデジタルカメラ１００と他の装置とを接続し、映像信号や音声信号等の信号を送受信する通信インタフェースであって、無線ＬＡＮやインターネット等のネットワークにも接続できる。通信部５４は、デジタルカメラ１００で取得された静止画及び動画（ＬＶ画像を含む）、並びに記録媒体２００に記録されている静止画及び動画を外部に送信でき、外部機器から画像及び各種の情報を受信できる。

姿勢検知部５５は、重力方向におけるデジタルカメラ１００の姿勢を検知し、姿勢情報をシステム制御部５０に出力する。姿勢検知部５５は、例えば、加速度センサーやジャイロセンサーを用いて構成される。システム制御部５０は、姿勢検知部５５からの姿勢情報に対応する向き情報を画像に添付したり、姿勢情報に基づいて画像の向きを変換して記録したりすることができる。画像に添付された向き情報は、その画像を撮影した時点におけるデジタルカメラ１００の向き（横構え又は縦構え）を示す情報である。

操作部７０は、操作部材として、表示部２８に対するユーザの接触操作を検知するタッチパネル７０ａを有する。タッチパネル７０ａは、表示部２８の表示面に取り付けられるように一体的に構成される。タッチパネル７０ａの光の透過率は、表示部２８による表示を妨げない値に設定されると好適である。タッチパネル７０ａの入力座標と表示部２８の表示座標とを対応付けることによって、ユーザが表示部２８による表示画面を直接的に操作できるようなＧＵＩ（Graphical User Interface）が提供される。システム制御部５０は、タッチパネル７０ａから入力される入力座標に基づいて、タッチパネル７０ａに対する以下のようなタッチ操作を検出できる。

－タッチダウン：指やペン等の接触体が、タッチパネル７０ａに対する接触を開始したこと
－タッチオン：接触体が、動かずにタッチパネル７０ａに接触している状態であること
－タッチムーブ：接触体が、タッチパネル７０ａに接触したまま移動していること
－タッチアップ：タッチパネル７０ａに接触していた接触体が、タッチパネル７０ａから離れたこと
－タッチオフ：接触体が、タッチパネル７０ａに接触していないこと
タッチダウンが検出されると、同時にタッチオンも検出される。タッチダウンの後、タッチアップが検出されない限り、通常はタッチオンが検出され続ける。タッチムーブは、タッチオンが検出されている状態において検出される。タッチオンが検出されていても、タッチ位置が移動していなければタッチムーブは検出されない。タッチしていた全ての接触帯がタッチアップしたことが検出された後、タッチオフが検出される。

音声入力部９０は、マイクロフォンによって集音された音を電気信号（音信号）に変換して、システム制御部５０に出力する。システム制御部５０は、入力された音信号を音データとして動画と共に記録できる他、入力された音信号を音声入力（音声による操作指示）に用いることができる。音声入力処理について以下に説明する。

システム制御部５０は、任意の好適な音声認識アルゴリズムを用いて、入力された音信号からユーザ音声以外の音を除去し、音声言語の最小単位である音素を抽出し、抽出された音素に基づいて文字を認識する。なお、システム制御部５０は、さらに、認識された複数の文字に基づいて単語を認識してもよい。システム制御部５０は、以上の音声認識で取得された複数の文字の組合せ、単語、又は単語の組合せが、ウェイクワード又は制御ワードに該当するか否かを判定する。

ウェイクワードに該当すると判定された場合、システム制御部５０は、制御ワードを受付可能な状態（後述される「制御用音声入力有効状態」）に遷移する。以上の状態において制御ワードが音声入力部９０を介して入力されると、システム制御部５０は、入力された制御ワードに対応する制御動作を実行する。システム制御部５０は、例えば、制御ワードに応じて動画記録を開始したり停止したりすることができる。なお、ウェイクワード及び制御ワードは、「制御関連ワード」と総称されることがある。

なお、以上の音声認識（音素解析や単語解析）は、デジタルカメラ１００以外の装置で行われてもよい。例えば、音声入力部９０を介して入力された音信号を、システム制御部５０が通信部５４を介して外部装置に供給し、外部装置が音声認識を実行して、その認識結果をデジタルカメラ１００に返送してもよい。

図３は、本発明の実施形態におけるメイン処理を示すフローチャートである。本実施形態のメイン処理は、デジタルカメラ１００の電源投入後に実行される処理であって、ユーザ音声の認識、音声操作による動画記録の開始及び停止、並びに動画データ編集を含む一連の処理である。前述したように、本フローは、システム制御部５０が有する１以上のプロセッサが、不揮発性メモリ５６に格納されているプログラムをシステムメモリ５２に展開して実行することによって実現される。

ステップＳ３０１において、システム制御部５０は初期化処理を実行する。本ステップの初期化処理については図４を参照して後に詳述される。

ステップＳ３０２において、システム制御部５０は、操作手段に対するユーザ操作によって設定変更が指示されているか否かを判定する。設定変更は、「動画記録停止のウェイクワード」の登録又は削除、「動画記録停止の制御ワード」の登録又は削除、「動画編集設定」の変更、及び「動画編集方法」の変更を含む概念である。設定変更が指示されている場合（Ｓ３０２：ＹＥＳ）、システム制御部５０は処理をステップＳ３０３の設定変更処理（図５）に進める。一方、設定変更が指示されていない場合（Ｓ３０２：ＮＯ）、システム制御部５０は処理をステップＳ３０４の音声入力処理（図７）に進める。

ステップＳ３０３において、システム制御部５０は設定変更処理を実行する。本ステップの設定変更処理については図５及び図６を参照して後に詳述される。

ステップＳ３０４において、システム制御部５０は音声入力処理を実行する。本ステップの音声入力処理については図７を参照して後に詳述される。

ステップＳ３０５において、システム制御部５０は、電源スイッチ７２に対する押下等の操作によってメイン処理の終了が指示されているか否かを判定する。処理終了が指示されている場合（Ｓ３０５：ＹＥＳ）、システム制御部５０は処理をステップＳ３０６に進める。一方、処理終了が指示されていない場合（Ｓ３０５：ＮＯ）、システム制御部５０は処理をステップＳ３０２に戻す。

ステップＳ３０６において、システム制御部５０は、設定値を不揮発性メモリ５６に記憶してメイン処理を終了する。設定値は、「動画記録停止のウェイクワード」、「動画記録停止の制御ワード」、「動画編集設定」、及び「動画編集方法」を示す値である。

図４は、図３のステップＳ３０１の初期化処理の詳細を示すフローチャートである。概略的には、本処理では、音声入力及び動画編集の設定値に関する初期化（システムメモリ５２の初期化）が実行される。

ステップＳ４０１において、システム制御部５０は、システムメモリ５２内の「音声入力の受付状態」を示す箇所（領域）に「制御用音声入力無効状態」を設定する。ここで、不揮発性メモリ５６内の「音声入力の受付状態」を示す箇所に設定値が記憶されている場合、システム制御部５０は、その設定値をシステムメモリ５２内の「音声入力の受付状態」を示す箇所に設定する。

ステップＳ４０２において、システム制御部５０は、システムメモリ５２内の「動画記録停止のウェイクワード」を示す箇所をクリアする。ここで、不揮発性メモリ５６内の「動画記録停止のウェイクワード」を示す箇所に設定値が記憶されている場合、システム制御部５０は、その設定値をシステムメモリ５２内の「動画記録停止のウェイクワード」を示す箇所に設定する。

ステップＳ４０３において、システム制御部５０は、システムメモリ５２内の「動画記録停止の制御ワード」を示す箇所をクリアする。ここで、不揮発性メモリ５６内の「動画記録停止の制御ワード」を示す箇所に設定値が記憶されている場合、システム制御部５０は、その設定値をシステムメモリ５２内の「動画記録停止の制御ワード」を示す箇所に設定する。

ステップＳ４０４において、システム制御部５０は、システムメモリ５２内の「動画編集設定」を示す箇所を「編集しない」に設定する。ここで、不揮発性メモリ５６内の「動画編集設定」を示す箇所に設定値が記憶されている場合、システム制御部５０は、その設定値をシステムメモリ５２内の「動画編集設定」を示す箇所に設定する。

ステップＳ４０５において、システム制御部５０は、システムメモリ５２内の「動画編集方法」を示す箇所を「自動削除」に設定する。ここで、不揮発性メモリ５６内の「動画編集方法」を示す箇所に設定値が記憶されている場合、システム制御部５０は、その設定値をシステムメモリ５２内の「動画編集方法」を示す箇所に設定する。

ステップＳ４０６において、システム制御部５０は、システムメモリ５２内の「音素の文字と時間値」を示す箇所をクリアする。

ステップＳ４０７において、システム制御部５０は、システムメモリ５２内の「単語解析結果」を示す箇所をクリアする。

図５は、図３のステップＳ３０３の設定変更処理の詳細を示すフローチャートである。図６は、設定変更画面を例示する説明図である。本処理では、ユーザからの指示入力に従って音声入力及び動画編集に関する設定が変更される。概略的には、本処理では、動画記録処理に関する音声入力設定であるウェイクワード及び制御ワードが、ユーザからの指示に基づいて変更される。

ステップＳ５０１において、システム制御部５０は、ユーザによる操作手段への操作が、「動画記録停止の音声入力」に関する変更指示であるか否かを判定する。ステップＳ５０１の判定が肯定的（ＹＥＳ）である場合、システム制御部５０は処理をステップＳ５０２に進めると共に、図６（ａ）に示す設定変更画面を表示部２８に表示させる。図６（ａ）に示す設定変更画面には、「動画記録停止のウェイクワード」を入力可能なテキストボックス８０１、「動画記録停止の制御ワード」を入力可能なテキストボックス８０２、及びＯＫボタン８０３が含まれる。一方、ステップＳ５０１の判定が否定的（ＮＯ）である場合、システム制御部５０は処理をステップＳ５１６に進める。

ステップＳ５０２において、システム制御部５０は、「動画記録停止のウェイクワード」がユーザに入力されたか否かを判定する。より具体的には、テキストボックス８０１にウェイクワードを示す文字列が入力された状態でＯＫボタン８０３がタッチされると、システム制御部５０は、「動画記録停止のウェイクワード」が入力されたと判定する（Ｓ５０２：ＹＥＳ）。他方、テキストボックス８０１が空白の状態でＯＫボタン８０３がタッチされると、システム制御部５０は、「動画記録停止のウェイクワード」が入力されなかったと判定する（Ｓ５０２：ＮＯ）。ステップＳ５０２の判定が肯定的（ＹＥＳ）である場合、システム制御部５０は処理をステップＳ５０３に進め、ステップＳ５０２の判定が否定的（ＮＯ）である場合、システム制御部５０は処理をステップＳ５０４に進める。

ステップＳ５０３において、システム制御部５０は、ユーザが入力した「動画記録停止のウェイクワード」を、システムメモリ５２内の「動画記録停止のウェイクワード」を示す箇所に記憶する（すなわち、登録する）。システム制御部５０は、「動画記録停止のウェイクワード」を文字列として記憶してもよいし単語として記憶してもよい。「動画記録停止のウェイクワード」が単語として記憶される場合、システム制御部５０が入力文字列に対して単語解析を行ってもよいし、ユーザが入力時に単語の切れ目を特定してもよい。

ステップＳ５０４において、システム制御部５０は、システムメモリ５２内の「動画記録停止のウェイクワード」を示す箇所をクリアする。

ステップＳ５０５において、システム制御部５０は、「動画記録停止の制御ワード」がユーザに入力されたか否かを判定する。より具体的には、テキストボックス８０２に制御ワードを示す文字列が入力された状態でＯＫボタン８０３がタッチされると、システム制御部５０は、「動画記録停止の制御ワード」が入力されたと判定する（Ｓ５０５：ＹＥＳ）。他方、テキストボックス８０２が空白の状態でＯＫボタン８０３がタッチされると、システム制御部５０は、「動画記録停止の制御ワード」が入力されなかったと判定する（Ｓ５０５：ＮＯ）。ステップＳ５０５の判定が肯定的（ＹＥＳ）である場合、システム制御部５０は処理をステップＳ５０６に進め、ステップＳ５０５の判定が否定的（ＮＯ）である場合、システム制御部５０は処理をステップＳ５０７に進める。

ステップＳ５０６において、システム制御部５０は、ユーザが入力した「動画記録停止の制御ワード」を、システムメモリ５２内の「動画記録停止の制御ワード」を示す箇所に記憶する（すなわち、登録する）。システム制御部５０は、「動画記録停止の制御ワード」を文字列として記憶してもよいし単語として記憶してもよい。「動画記録停止の制御ワード」が単語として記憶される場合の解析についてはステップＳ５０３と同様である。

ステップＳ５０７において、システム制御部５０は、システムメモリ５２内の「動画記録停止の制御ワード」を示す箇所をクリアする。

ステップＳ５０８において、システム制御部５０は、システムメモリ５２に「動画記録停止のウェイクワード」が記録されているか否かを判定する。ステップＳ５０８の判定が肯定的（ＹＥＳ）である場合、システム制御部５０は処理をステップＳ５１１に進め、ステップＳ５０８の判定が否定的（ＮＯ）である場合、システム制御部５０は処理をステップＳ５０９に進める。

ステップＳ５０９において、システム制御部５０は、図６（ｂ）に示す設定変更画面を表示部２８に表示させ、「動画編集設定」を「動画記録停止のウェイクワードの前まで」に変更する指示がなされたか否かを判定する。より具体的には、図６（ｂ）に示す設定変更画面の「ウェイクワードの前まで」を示すチェックボックス８０４がチェックされた状態でＹＥＳボタン８０５がタッチされると、システム制御部５０は、ステップＳ５０９の判定が肯定的（ＹＥＳ）であると判定する。他方、図６（ｂ）に示す設定変更画面の「ウェイクワードの前まで」を示すチェックボックス８０４がチェックされた状態でＮＯボタン８０６がタッチされると、システム制御部５０は、ステップＳ５０９の判定が否定的（ＮＯ）であると判定する。ステップＳ５０９の判定が肯定的（ＹＥＳ）である場合、システム制御部５０は処理をステップＳ５１０に進め、ステップＳ５０９の判定が否定的（ＮＯ）である場合、システム制御部５０は処理をステップＳ５１６に進める。なお、ステップＳ５０９において、「ウェイクワードの前まで」を示すチェックボックス８０４が、チェックされた状態で変更不可能であるように表示されると好適である。

ステップＳ５１０において、システム制御部５０は、システムメモリ５２内の「動画編集設定」を示す箇所に「動画記録停止のウェイクワードの前まで」を設定し、処理をステップＳ５１６に進める。

ステップＳ５１１において、システム制御部５０は、システムメモリ５２に「動画記録停止の制御ワード」が記録されているか否かを判定する。ステップＳ５１１の判定が肯定的（ＹＥＳ）である場合、システム制御部５０は処理をステップＳ５１４に進め、ステップＳ５１１の判定が否定的（ＮＯ）である場合、システム制御部５０は処理をステップＳ５１２に進める。

ステップＳ５１２において、システム制御部５０は、「動画編集設定」を「動画記録停止の制御ワードの前まで」に変更する指示がなされたか否かを判定する。ステップＳ５１２の判定が肯定的（ＹＥＳ）である場合、システム制御部５０は処理をステップＳ５１３に進め、ステップＳ５１２の判定が否定的（ＮＯ）である場合、システム制御部５０は処理をステップＳ５１６に進める。

ステップＳ５１３において、システム制御部５０は、システムメモリ５２内の「動画編集設定」を示す箇所に「動画記録停止の制御ワードの前まで」を設定し、処理をステップＳ５１６に進める。

ステップＳ５１４において、システム制御部５０は、「動画編集設定」を「編集しない」に変更する指示がなされたか否かを判定する。ステップＳ５１４の判定が肯定的（ＹＥＳ）である場合、システム制御部５０は処理をステップＳ５１５に進め、ステップＳ５１４の判定が否定的（ＮＯ）である場合、システム制御部５０は処理をステップＳ５１６に進める。

ステップＳ５１５において、システム制御部５０は、システムメモリ５２内の「動画編集設定」を示す箇所に「編集しない」を設定し、処理をステップＳ５１６に進める。

ステップＳ５１６において、システム制御部５０は、ユーザによる操作手段への操作が、「動画編集設定」に関する変更指示であるか否かを判定する。ステップＳ５１６の判定が肯定的（ＹＥＳ）である場合、システム制御部５０は処理をステップＳ５１７に進めると共に、図６（ｃ）に示す設定変更画面を表示部２８に表示させる。図６（ｃ）に示す設定変更画面には、「ウェイクワードの前まで」を示すチェックボックス８０７及びＯＫボタン８０８等の要素が含まれる。一方、ステップＳ５１６の判定が否定的（ＮＯ）である場合、システム制御部５０は処理をステップＳ５２２に進める。

ステップＳ５１７において、システム制御部５０は、「動画編集設定」を「動画記録停止のウェイクワードの前まで」に変更する指示がなされたか否かを判定する。より具体的には、チェックボックス８０７がチェックされた状態でＯＫボタン８０８がタッチされると、システム制御部５０は、「動画記録停止のウェイクワードの前まで」に変更する指示がなされたと判定する（Ｓ５１７：ＹＥＳ）。ステップＳ５１７の判定が肯定的（ＹＥＳ）である場合、システム制御部５０は処理をステップＳ５１８に進め、ステップＳ５１７の判定が否定的（ＮＯ）である場合、システム制御部５０は処理をステップＳ５１９に進める。なお、図６（ｃ）に示す設定変更画面において、複数のチェックボックスのうち最後にチェックされたもののみがチェックされると好適である。

ステップＳ５１８において、システム制御部５０は、システムメモリ５２内の「動画編集設定」を示す箇所に「動画記録停止のウェイクワードの前まで」を設定し、処理をステップＳ５２２に進める。

ステップＳ５１９において、システム制御部５０は、「動画編集設定」を「動画記録停止の制御ワードの前まで」に変更する指示がなされたか否かを判定する。より具体的には、「動画停止ワードの前まで」を示すチェックボックスがチェックされた状態でＯＫボタン８０８がタッチされると、システム制御部５０は、「動画記録停止の制御ワードの前まで」に変更する指示がなされたと判定する（Ｓ５１９：ＹＥＳ）。ステップＳ５１９の判定が肯定的（ＹＥＳ）である場合、システム制御部５０は処理をステップＳ５２０に進め、ステップＳ５１９の判定が否定的（ＮＯ）である場合、システム制御部５０は処理をステップＳ５２１に進める。

ステップＳ５２０において、システム制御部５０は、システムメモリ５２内の「動画編集設定」を示す箇所に「動画記録停止の制御ワードの前まで」を設定し、処理をステップＳ５２２に進める。

ステップＳ５２１において、システム制御部５０は、システムメモリ５２内の「動画編集設定」を示す箇所に「編集しない」を設定し、処理をステップＳ５２２に進める。

ステップＳ５２２において、システム制御部５０は、ユーザによる操作手段への操作が、「動画編集方法」に関する変更指示であるか否かを判定する。ステップＳ５２２の判定が肯定的（ＹＥＳ）である場合、システム制御部５０は処理をステップＳ５２３に進めると共に、図６（ｄ）に示す設定変更画面を表示部２８に表示させる。図６（ｄ）に示す設定変更画面には、「自動削除」を示すチェックボックス８０９及びＯＫボタン８１０等の要素が含まれる。一方、ステップＳ５２２の判定が否定的（ＮＯ）である場合、システム制御部５０は本フローの設定変更処理を終了する。

ステップＳ５２３において、システム制御部５０は、「動画編集方法」を「自動削除」に変更する指示がなされたか否かを判定する。より具体的には、チェックボックス８０９がチェックされた状態でＯＫボタン８１０がタッチされると、システム制御部５０は、「動画編集方法」を「自動削除」に変更する指示がなされたと判定する（Ｓ５２３：ＹＥＳ）。ステップＳ５２３の判定が肯定的（ＹＥＳ）である場合、システム制御部５０は処理をステップＳ５２４に進め、ステップＳ５２３の判定が否定的（ＮＯ）である場合、システム制御部５０は処理をステップＳ５２５に進める。なお、図６（ｄ）に示す設定変更画面において、複数のチェックボックスのうち最後にチェックされたもののみがチェックされると好適である。

ステップＳ５２４において、システム制御部５０は、システムメモリ５２内の「動画編集方法」を示す箇所に「自動削除」を設定し、本フローの設定変更処理を終了する。

ステップＳ５２５において、システム制御部５０は、システムメモリ５２内の「動画編集方法」を示す箇所に「情報付与」を設定し、本フローの設定変更処理を終了する。

図７は、図３のステップＳ３０４の音声入力処理の詳細を示すフローチャートである。概略的には、本処理では、入力された音信号が解析され、解析結果に基づいて動画記録の開始及び停止が制御される。図３のフローチャートから明らかなように、メイン処理が実行されている間、図７の音声入力処理が繰り返して実行される。なお、本処理に含まれる各ステップにおいて、任意の好適な音声認識アルゴリズムを用いることができる。

ステップＳ７０１において、システム制御部５０は、マイクロフォン及び音声入力部９０を通して音信号が入力されているか否かを判定する。ステップＳ７０１の判定が肯定的（ＹＥＳ）である場合、システム制御部５０は処理をステップＳ７０２に進め、ステップＳ７０１の判定が否定的（ＮＯ）である場合、システム制御部５０は処理をステップＳ７２４に進める。

ステップＳ７０２において、システム制御部５０は、入力された音信号からユーザ音声以外の音を除去する。

ステップＳ７０３において、システム制御部５０は、ステップＳ７０２にてノイズ除去された音信号に対して、文字に相当する音声の最小単位波形である音素を抽出する音素解析を実行する。

ステップＳ７０４において、システム制御部５０は、ステップＳ７０３における音素解析の結果に基づいて、入力された音信号に音素（文字に可換な音）が存在するか否かを判定する。ステップＳ７０４の判定が肯定的（ＹＥＳ）である場合、システム制御部５０は処理をステップＳ７０５に進め、ステップＳ７０４の判定が否定的（ＮＯ）である場合、システム制御部５０は処理をステップＳ７２４に進める。

ステップＳ７０５において、システム制御部５０は、ステップＳ７０３における音素解析の結果に基づいて、取得された複数の音素の各々に関する波形開始の時間値及び対応する文字を、テーブルとしてシステムメモリ５２に記憶する。

ステップＳ７０６において、システム制御部５０は、ステップＳ７０５においてシステムメモリ５２に格納された音信号に対応する文字に対して単語解析を行う。単語解析の結果はシステムメモリ５２に記憶されてよい。

ステップＳ７０７において、システム制御部５０は、システムメモリ５２内の「音声入力の受付状態」を示す箇所が「制御用音声入力有効状態」を示すか否かを判定する。ステップＳ７０７の判定が肯定的（ＹＥＳ）である場合、システム制御部５０は処理をステップＳ７１３に進め、ステップＳ７０７の判定が否定的（ＮＯ）である場合、システム制御部５０は処理をステップＳ７０８に進める。

ステップＳ７０８において、システム制御部５０は、音声認識で取得された複数の文字の組合せ、単語、又は単語の組合せが、ウェイクワードに該当するか否かを判定する。ステップＳ７０８の判定が肯定的（ＹＥＳ）である場合、システム制御部５０は処理をステップＳ７０９に進め、ステップＳ７０８の判定が否定的（ＮＯ）である場合、システム制御部５０は処理をステップＳ７２４に進める。

ここで、ステップＳ７０８において、システム制御部５０は、ステップＳ７０５にて取得された文字を結合した文字列に基づいて判定してもよいし、ステップＳ７０６の単語解析の結果として取得された単語（又は単語の組合せ）に基づいて判定してもよい。なお、システムメモリ５２に「動画記録停止のウェイクワード」が記憶され、かつ動画記録中である場合、システム制御部５０は、「動画記録停止のウェイクワード」もステップＳ７０８の判定におけるウェイクワードとして用いることができる。

ステップＳ７０９において、システム制御部５０は、ステップＳ７０８の判定に係る文字又は単語（ウェイクワード）に相当する音信号に含まれる最初の音素が開始する時間値を、ウェイクワード開始時刻Ｘとしてシステムメモリ５２に記憶する。システム制御部５０は、ステップＳ７０５において記憶された音素及び時間値を示すテーブルから、本ステップの必要情報を読み出すことができる。

ステップＳ７１０において、システム制御部５０は、システムメモリ５２に記憶されている、今回の処理に係る音素の文字及び時間値のデータをクリアする。

ステップＳ７１１において、システム制御部５０は、システムメモリ５２に記憶されている、今回の処理に係る単語情報のデータをクリアする。

ステップＳ７１２において、システム制御部５０は、システムメモリ５２内の「音声入力の受付状態」を「制御用音声入力有効状態」に遷移させ、処理をステップＳ７２４に進める。

ステップＳ７１３において、システム制御部５０は、音声認識で取得された複数の文字の組合せ、単語、又は単語の組合せが、動画記録開始を示す制御ワードに該当するか否かを判定する。ステップＳ７１３の判定が肯定的（ＹＥＳ）である場合、システム制御部５０は処理をステップＳ７１４に進め、ステップＳ７１３の判定が否定的（ＮＯ）である場合、システム制御部５０は処理をステップＳ７１８に進める。

ここで、ステップＳ７１３において、システム制御部５０は、ステップＳ７０５にて取得された文字を結合した文字列に基づいて判定してもよいし、ステップＳ７０６の単語解析の結果として取得された単語（又は単語の組合せ）に基づいて判定してもよい。

ステップＳ７１４において、システム制御部５０は、動画記録を開始する処理を実行し、処理をステップＳ７１５に進める。

ステップＳ７１５において、システム制御部５０は、システムメモリ５２に記憶されている、今回の処理に係る音素の文字及び時間値のデータをクリアする。

ステップＳ７１６において、システム制御部５０は、システムメモリ５２に記憶されている、今回の処理に係る単語情報のデータをクリアする。

ステップＳ７１７において、システム制御部５０は、システムメモリ５２内の「音声入力の受付状態」を「制御用音声入力無効状態」に遷移させる。ステップＳ７１７が終了すると、システム制御部５０は処理をステップＳ７２４に進める。

ステップＳ７１８において、システム制御部５０は、音声認識で取得された複数の文字の組合せ、単語、又は単語の組合せが、動画記録停止を示す制御ワードに該当するか否かを判定する。ステップＳ７１８の判定が肯定的（ＹＥＳ）である場合、システム制御部５０は処理をステップＳ７１９に進め、ステップＳ７１８の判定が否定的（ＮＯ）である場合、システム制御部５０は処理をステップＳ７２２に進める。

ここで、ステップＳ７１８において、システム制御部５０は、ステップＳ７０５にて取得された文字を結合した文字列に基づいて判定してもよいし、ステップＳ７０６の単語解析の結果として取得された単語（又は単語の組合せ）に基づいて判定してもよい。なお、システムメモリ５２に「動画記録停止の制御ワード」が記憶され、かつ動画記録中である場合、システム制御部５０は、「動画記録停止の制御ワード」もステップＳ７１８の判定における制御ワードとして用いることができる。

ステップＳ７１９において、システム制御部５０は、ステップＳ７１８の判定に係る文字又は単語（動画記録停止の制御ワード）に相当する音信号に含まれる最初の音素が開始する時間値を、制御ワード開始時刻Ｙとしてシステムメモリ５２に記憶する。システム制御部５０は、ステップＳ７０５において記憶された音素及び時間値を示すテーブルから、本ステップの必要情報を読み出すことができる。

ステップＳ７２０において、システム制御部５０は、動画記録を停止する処理を実行する。

ステップＳ７２１において、システム制御部５０は、動画データを編集する処理を実行し、処理をステップＳ７１５に進める。本ステップの動画編集処理については図８を参照して後に詳述される。

ステップＳ７２２において、システム制御部５０は、音声認識で取得された複数の文字の組合せ、単語、又は単語の組合せが、その他の制御ワードに該当するか否かを判定する。ステップＳ７２２の判定が肯定的（ＹＥＳ）である場合、システム制御部５０は処理をステップＳ７２３に進め、ステップＳ７２２の判定が否定的（ＮＯ）である場合、システム制御部５０は処理をステップＳ７２４に進める。

ここで、ステップＳ７２２において、システム制御部５０は、ステップＳ７０５にて取得された文字を結合した文字列に基づいて判定してもよいし、ステップＳ７０６の単語解析の結果として取得された単語（又は単語の組合せ）に基づいて判定してもよい。

ステップＳ７２３において、システム制御部５０は、ステップＳ７２２の判定に係るその他の制御ワードに基づいた処理を実行し、処理をステップＳ７１５に進める。

ステップＳ７２４において、システム制御部５０は、ステップＳ７０４における音素の存在判定が、一定時間以上に亘って継続的に否定的（ＮＯ）であるか否かを判定する。一定時間以上に亘って継続的に音素が存在していない場合、システム制御部５０は処理をステップＳ７２５に進め、一定時間未満において音素が存在したことがある場合、システム制御部５０は本フローの音声入力処理を終了する。

ステップＳ７２５において、システム制御部５０は、システムメモリ５２に記憶されている、今回の処理に係る音素の文字及び時間値のデータをクリアする。

ステップＳ７２６において、システム制御部５０は、システムメモリ５２に記憶されている、今回の処理に係る単語情報のデータをクリアする。

ステップＳ７２７において、システム制御部５０は、システムメモリ５２内の「音声入力の受付状態」を「制御用音声入力無効状態」に遷移させる。ステップＳ７２７が終了すると、システム制御部５０は、今回の本フローの音声入力処理を終了する。

図８は、図７のステップＳ７２１の動画編集処理の詳細を示すフローチャートである。概略的には、本処理では、制御関連ワードの開始時刻までの動画データを動画ファイルとして切り出す、又は、制御関連ワードの開始時刻を示す参照情報を動画データに付与する。

ステップＳ８０１において、システム制御部５０は、システムメモリ５２内の「動画編集方法」を示す箇所が「自動削除」を示すか否かを判定する。ステップＳ８０１の判定が肯定的（ＹＥＳ）である場合、システム制御部５０は処理をステップＳ８０２に進め、ステップＳ８０１の判定が否定的（ＮＯ）である場合、システム制御部５０は処理をステップＳ８０６に進める。

ステップＳ８０２において、システム制御部５０は、システムメモリ５２内の「動画編集設定」を示す箇所が「動画記録停止のウェイクワードの前まで」を示すか否かを判定する。ステップＳ８０２の判定が肯定的（ＹＥＳ）である場合、システム制御部５０は処理をステップＳ８０３に進め、ステップＳ８０２の判定が否定的（ＮＯ）である場合、システム制御部５０は処理をステップＳ８０４に進める。

ステップＳ８０３において、システム制御部５０は、ステップＳ７２０にて停止した動画記録処理に係る動画データのうち、システムメモリ５２内のウェイクワード開始時刻Ｘまでのデータを動画ファイルとして切り出し、記録媒体２００に記録する。

ステップＳ８０４において、システム制御部５０は、システムメモリ５２内の「動画編集設定」を示す箇所が「動画記録停止の制御ワードの前まで」を示すか否かを判定する。ステップＳ８０４の判定が肯定的（ＹＥＳ）である場合、システム制御部５０は処理をステップＳ８０５に進め、ステップＳ８０４の判定が否定的（ＮＯ）である場合、システム制御部５０は本フローの動画編集処理を終了する。

ステップＳ８０５において、システム制御部５０は、ステップＳ７２０にて停止した動画記録処理に係る動画データのうち、システムメモリ５２内の制御ワード開始時刻Ｙまでのデータを動画ファイルとして切り出し、記録媒体２００に記録する。

ステップＳ８０６において、システム制御部５０は、システムメモリ５２内の「動画編集設定」を示す箇所が「動画記録停止のウェイクワードの前まで」を示すか否かを判定する。ステップＳ８０６の判定が肯定的（ＹＥＳ）である場合、システム制御部５０は処理をステップＳ８０７に進め、ステップＳ８０６の判定が否定的（ＮＯ）である場合、システム制御部５０は処理をステップＳ８０８に進める。

ステップＳ８０７において、システム制御部５０は、ステップＳ７２０にて停止した動画記録処理に係る動画データ内のウェイクワード開始時刻Ｘに対応するフレームに、ウェイクワード開始時刻Ｘを示す参照情報を付与して、記録媒体２００に記録する。ユーザは、ウェイクワード開始時刻Ｘを示す参照情報が付与されたフレーム以降の動画データを、以上の参照情報に基づいて動画ファイルから後に削除することができる。

ステップＳ８０８において、システム制御部５０は、システムメモリ５２内の「動画編集設定」を示す箇所が「動画記録停止の制御ワードの前まで」を示すか否かを判定する。ステップＳ８０８の判定が肯定的（ＹＥＳ）である場合、システム制御部５０は処理をステップＳ８０９に進め、ステップＳ８０８の判定が否定的（ＮＯ）である場合、システム制御部５０は本フローの動画編集処理を終了する。

ステップＳ８０９において、システム制御部５０は、ステップＳ７２０にて停止した動画記録処理に係る動画データ内の制御ワード開始時刻Ｙに対応するフレームに、制御ワード開始時刻Ｙを示す参照情報を付与して、記録媒体２００に記録する。ユーザは、制御ワード開始時刻Ｙを示す参照情報が付与されたフレーム以降の動画データを、以上の参照情報に基づいて動画ファイルから後に削除することができる。

上記した本実施形態の構成によれば、不要な制御音声を動画から適切に排除可能である。制御関連ワード（ウェイクワード又は制御ワード）の開始時刻までの動画データを動画ファイルとして記録する構成によれば、制御関連ワードの音声が動画ファイルから適切に排除できる。また、制御関連ワードの開始時刻に対応する動画データ内のフレームに参照情報を付与して動画データを動画ファイルとして記録する構成によれば、参照情報が示すフレーム以降に含まれる制御関連ワードの音声を含む部分を動画ファイルから容易に排除できる。加えて、動画データの記録範囲や参照情報の付与箇所をユーザが切り替えられる構成によれば、ユーザが所望する部分を動画ファイルに残すことが容易になる。

＜その他の実施形態＞
以上の実施形態は多様に変形される。具体的な変形の態様を以下に例示する。以上の実施形態及び以下の例示から任意に選択された２以上の態様は、相互に矛盾しない限り適宜に併合され得る。

システム制御部５０が、図７及び図８の音声関連処理において、ニューラルネットワークを用いた音声認識処理を実行してもよい。この場合、例えば制御関連ワードの音声を入力とし、そのワードに対応する処理の識別情報を教師データとしてニューラルネットワークを学習させることで生成した学習済みモデルを構築する。例えば「動画ストップ」などの音声を入力とし、対応する処理として動画の記録を停止する処理の識別情報を教師データとして学習する。以上の音声認識処理において、入力された音信号に制御関連ワード（ウェイクワード又は制御ワード）が含まれる確率がニューラルネットワークから出力されてよい。システム制御部５０は、以上の確率に基づいて動画編集を実行することができる。例えば、システム制御部５０は、確率が所定閾値以上である場合、制御関連ワードの開始時刻Ｘ，Ｙまでのデータを動画ファイルとして切り出し、確率が所定閾値未満である場合、制御関連ワードの開始時刻Ｘ，Ｙに対応するフレームに参照情報を付与してよい。以上の構成によれば、制御関連ワードが含まれる確率が高い場合には自動的に不要部分が削除されるので、ユーザの利便性が高まる。他方、制御関連ワードが含まれる確率がそれ程高くない場合には、自動削除が実行されずに参照情報が付与されるので、誤った削除が抑制される上、参照情報による後からの削除処理もユーザにとって容易である。

なお、ニューラルネットワークで構築された学習済みモデルの実行にはある程度のマシンパワーが必要となる。そこで、例えばニューラルネットワークをインターネット経由で接続したサーバで実行するようにしてもよい。すなわち、デジタルカメラ１００は、入力される音声を、例えばＷｉ－Ｆｉを介して所定のサーバにアップロードし、サーバが音声認識を実行する。そして、認識結果として出力される処理の識別情報をダウンロードする。このようにすることで、システム制御部５０の処理速度が不足していても学習モデルによる実装が可能となる。

また、音声認識はユーザが話しかけてくるというシーンで利用されるため、ユーザによる発声から処理の実行までの時間はできるだけ短いほうが好ましい。そこで、ウェイクワードの認識はデジタルカメラ１００で実行し、ウェイクワードに続く音声コマンドの認識はサーバで実行するようにしてもよい。このようにすることで、サーバにアップロードするデータ量を減らすことができるため、アップロードに要する時間を短縮することができる。なお、ウェイクワードがあらかじめ定められたものであればニューラルネットワークの層は、音声コマンドの認識をするニューラルネットワークに比べて少なく抑えられる。そのため、デジタルカメラ１００でニューラルネットワークで構築された学習済みモデルを実行することが可能なように実装することが可能である。

以上の実施形態においては、システム制御部５０が種々の制御処理を実行している。以上の制御処理は、単一のハードウェアによって実行されてもよいし、複数のハードウェア（例えば、複数のプロセッサ又は回路）によって分担して実行されてもよい。

以上の実施形態においては、本発明に係る撮像装置としてデジタルカメラ１００が例示されている。しかしながら、本発明は、撮像手段及び音声入力手段を有する任意の機器に適用できる。例えば、本発明を、パーソナルコンピュータ、ＰＤＡ、携帯電話端末、ゲーム機、音声認識装置等の機器に適用することが可能である。

以上、本発明の好ましい実施の形態について説明したが、本発明は上述した実施の形態に限定されず、その要旨の範囲内で種々の変形及び変更が可能である。例えば、本発明は、上述の実施の形態の１以上の機能を実現するプログラムを、ネットワークや記憶媒体を介してシステムや装置に供給し、そのシステム又は装置のコンピュータの１つ以上のプロセッサがプログラムを読み出して実行する処理でも実現可能である。また、本発明は、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。

２２ 撮像部（撮像手段）
５０ システム制御部（制御手段）
９０ 音声入力部（音声入力手段）
１００ デジタルカメラ（撮像装置）
１０１ シャッター（撮像手段）
１０３ 撮影レンズ（撮像手段）

Claims (15)

1. 動画を取得する撮像手段と、
   音声を集音する音声入力手段と、
   前記音声入力手段が集音した前記音声に含まれるウェイクワード及び制御ワードに基づいて前記動画の記録を制御する制御手段と、を備え、
   前記動画の記録を停止することを指示する前記制御ワードが前記音声に含まれる場合、前記制御手段は、前記動画の記録を停止すると共に、前記ウェイクワードの開始時刻までの動画データを動画ファイルとして記録させる、ことを特徴とする撮像装置。
2. 前記動画の記録停止のためのウェイクワードをユーザが設定でき、
   前記ウェイクワードの前記開始時刻までの前記動画データを前記動画ファイルとして記録させる設定と、前記制御ワードの前記開始時刻までの前記動画データを前記動画ファイルとして記録させる設定とを、前記ユーザが切り替えられる、ことを特徴とする請求項１に記載の撮像装置。
3. 前記動画の記録停止のためのウェイクワード及び前記制御ワードをユーザが設定でき、
   前記ウェイクワードの前記開始時刻までの前記動画データを前記動画ファイルとして記録させる設定と、前記動画の記録が停止された時刻までの前記動画データを前記動画ファイルとして記録させる設定とを、前記ユーザが切り替えられる、ことを特徴とする請求項１に記載の撮像装置。
4. 前記ウェイクワードの前記開始時刻までの前記動画データを前記動画ファイルとして記録させる設定と、前記制御ワードの前記開始時刻までの前記動画データを前記動画ファイルとして記録させる設定と、前記動画の記録が停止された時刻までの前記動画データを前記動画ファイルとして記録させる設定とを、ユーザが切り替えられる、ことを特徴とする請求項１に記載の撮像装置。
5. 動画を取得する撮像手段と、
   音声を集音する音声入力手段と、
   前記音声入力手段が集音した前記音声に含まれるウェイクワード及び制御ワードに基づいて前記動画の記録を制御する制御手段と、を備え、
   前記動画の記録を停止することを指示する前記制御ワードが前記音声に含まれる場合、前記制御手段は、前記動画の記録を停止すると共に、前記ウェイクワードの開始時刻に対応する動画データ内のフレームに参照情報を付与して、動画データを動画ファイルとして記録させる、ことを特徴とする撮像装置。
6. 前記動画の記録停止のためのウェイクワードをユーザが設定でき、
   前記ウェイクワードの前記開始時刻に対応する前記フレームに前記参照情報を付与した前記動画データを前記動画ファイルとして記録させる設定と、前記制御ワードの前記開始時刻に対応する前記フレームに前記参照情報を付与した前記動画データを前記動画ファイルとして記録させる設定とを、前記ユーザが切り替えられる、ことを特徴とする請求項５に記載の撮像装置。
7. 前記動画の記録停止のためのウェイクワード及び前記制御ワードをユーザが設定でき、
   前記ウェイクワードの前記開始時刻に対応する前記フレームに前記参照情報を付与した前記動画データを前記動画ファイルとして記録させる設定と、前記動画データに前記参照情報を付与せずに前記動画ファイルとして記録させる設定とを、前記ユーザが切り替えられる、ことを特徴とする請求項５に記載の撮像装置。
8. 前記ウェイクワードの前記開始時刻に対応する前記フレームに前記参照情報を付与した前記動画データを前記動画ファイルとして記録させる設定と、前記制御ワードの前記開始時刻に対応する前記フレームに前記参照情報を付与した前記動画データを前記動画ファイルとして記録させる設定と、前記動画データに前記参照情報を付与せずに前記動画ファイルとして記録させる設定とを、ユーザが切り替えられる、ことを特徴とする請求項５に記載の撮像装置。
9. 前記制御手段は、前記開始時刻を示す前記参照情報が付与された前記フレーム以降の前記動画データを前記動画ファイルから削除する、ことを特徴とする請求項５から請求項８のいずれか１項に記載の撮像装置。
10. 動画を取得する撮像手段と、
    音声を集音する音声入力手段と、
    前記音声入力手段が集音した前記音声に含まれるウェイクワード及び制御ワードに基づいて前記動画の記録を制御する制御手段と、を備え、
    前記動画の記録を停止することを指示する前記制御ワードが前記音声に含まれる場合に、前記動画の記録を停止すると共に前記ウェイクワードの開始時刻までの動画データを動画ファイルとして記録させる設定と、前記動画の記録を停止すると共に前記ウェイクワードの開始時刻に対応する動画データ内のフレームに参照情報を付与して動画データを動画ファイルとして記録させる設定とを、ユーザが切り替えられる、ことを特徴とする撮像装置。
11. 前記制御手段は、前記音声入力手段を介して前記ウェイクワードが入力されると前記制御ワードを受付可能な状態に遷移する、ことを特徴とする請求項１から請求項１０のいずれか１項に記載の撮像装置。
12. 動画を取得する撮像手段と、
    音声を集音する音声入力手段と、を備える撮像装置の制御方法であって、
    前記音声入力手段が集音した前記音声に含まれるウェイクワード及び制御ワードに基づいて前記動画の記録を制御することと、
    前記動画の記録を停止することを指示する前記制御ワードが前記音声に含まれる場合、前記動画の記録を停止すると共に、前記ウェイクワードの開始時刻までの動画データを動画ファイルとして記録させることと、を備えることを特徴とする制御方法。
13. 動画を取得する撮像手段と、
    音声を集音する音声入力手段と、を備える撮像装置の制御方法であって、
    前記音声入力手段が集音した前記音声に含まれるウェイクワード及び制御ワードに基づいて前記動画の記録を制御することと、
    前記動画の記録を停止することを指示する前記制御ワードが前記音声に含まれる場合、前記動画の記録を停止すると共に、前記ウェイクワードの開始時刻に対応する動画データ内のフレームに参照情報を付与して、動画データを動画ファイルとして記録させることと、を備えること特徴とする制御方法。
14. 動画を取得する撮像手段と、
    音声を集音する音声入力手段と、を備える撮像装置の制御方法であって、
    前記音声入力手段が集音した前記音声に含まれるウェイクワード及び制御ワードに基づいて前記動画の記録を制御することと、
    前記動画の記録を停止することを指示する前記制御ワードが前記音声に含まれる場合に、前記動画の記録を停止すると共に前記ウェイクワードの開始時刻までの動画データを動画ファイルとして記録させる設定と、前記動画の記録を停止すると共に前記ウェイクワードの開始時刻に対応する動画データ内のフレームに参照情報を付与して動画データを動画ファイルとして記録させる設定とを切り替えることと、を備えること特徴とする制御方法。
15. コンピュータを、請求項１乃至１１のいずれか１項に記載された撮像装置の各手段として機能させるためのプログラム。

Images