JPH01158880A - テレビ会議システムの話者撮影用カメラ制御装置 - Google Patents

Abstract

(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。

Description

【発明の詳細な説明】 ［目次］ 概要 産業上の利用分野 従来の技術 発明が解決しようとする問題点 問題点を解決するための手段 作用 実施例 発明の効果 ［概要］ 本発明は、 テレビ会議で現在話者の出席者を自動検出してその出席
者がテレビ撮影されるように出席者撮影用のカメラを駆
動する制御装置に関するものであり、 現在の話者を常に確実に自動検出することが可能となる
装置の提供を目的とし、 このため、出席者毎に設けられたマイクロホンの入力時
間を過去約４秒に亘って保持し、その間に約２秒に設定
された時間以上の通線入力が確認されたマイクロホンの
出席者を現在の話者とした検出を行う、ことを特徴とし
ている。

［産業上の利用分野］ 本発明は、テレビ会議で現在の話者となっている出席者
を自動的に特定してその話者がテレビ撮影されるように
出席者撮影用のカメラを駆動する制御装置に関するもの
である。

テレビ会議では、会議室の全景を撮影するカメラのほか
に別のカメラが設けられる。

このカメラの撮影対象として現在発言中の話者が出席者
から選択されており、その選択は特定の出席者（例えば
司会者）により行われていた。

ところがこれを行うことはその出席者にとって大きな負
担となり、誤りを招き易い。

そこで、テレビ会議のシステムにこの種の装置が利用さ
れる。

［従来の技術］ この種の装置では出席者毎にマイクロホンが設けられ、
入力の確認されたマイクロホンの出席者が現在発言中の
話者として特定される。

そしてこの話者がテレビ撮影されるように１台の出席者
撮影用カメラが駆動され、その結果、話者が変わる毎に
それらが逐次撮影される。

ここで従来においては、第７図（Ａ）のように２秒以上
のマイク入力が確認されたときに、そのマイクロホンの
出席者が話者として特定されており、２秒以下のマイク
入力は雑音として取り扱われている。

さらに同図（Ｂ）、（Ｃ）のように２Å以上の出席者が
発言中のときには、それらのマイク入力がなかったもの
とみなされる。

［発明が解決しようとする問題点］ しかしながら従来においては、第７図（Ｄ）のように間
欠的なマイク入力の発言をした出席者は話者として特定
されず、したがって、伯の出席者の様子をうかがうなど
のためにその発言を途切れさせると、実際には発言して
いるにもかかわらずその出席者は話者として特定されな
いという問題があった。

また、同図（Ｅ）で示される発言中に同図（Ｆ）の雑音
が発生したときには、それらが同図（Ｂ）。

（Ｃ）の同時入力とされ、したがってこのときの発言が
無視され、その出席者が話者として特定されないという
問題もあった。

本発明は上記従来の課題に鑑みて為されたものであり、
その目的は、話者の特定精度が高く、しかも雑音の影響
を受けない高性能な装置を提供することにある。

［問題点を解決するための手段］ 上記目的を解決するために、本発明にかかる装置は第１
図のように構成されている。

同図において、マイク入力判断手段１０ではテレビ会議
の出席者に対して各々用意されたマイクロホンの入力有
無が判断される。

そして判断結果保持手段１２では各マイク入力の判断結
果が現在から約４秒以前までの期間に亘って保持される
。

また時間通算手段１４では前記期間における各マイク入
力の通算時間が手段１２で保持中の判断結果から求めら
れる。

さらに話者特定手段１６では手段１４で求められた通算
時間が約２秒の設定時間を越えるマイクロホンの出席者
が現在の話者として特定される。

そして、手段１６で現在の話者として特定された出席者
が搬像範囲に収まるカメラ駆動がカメラ駆動手段１８で
行われる。

［作用］ 本発明では、過去約４秒間に亘って各マイク入力が保持
され、その間に約２秒以上の通算マイク入力が確認され
たマイクロホンの出席者が話者として特定される。

［実施例］ 以下、図面に基づいて本発明にかかる装置の好適な実施
例を説明する。

第２図には本発明が適用されたシステムの一例が示され
ており、テレビ会議の出席者２１−１゜２１−２．２１
−３，２１−４に対してマイクロホン２２−１．２２−
２．２２−３．２２−４が各々用意されている。

そしてこれらのマイクロホン２２−１．２２−２．２２
−３．２２−４の音声信号はマイクロホンミキサ２３に
与えられており、その音声信号は音声伝送装置２４に与
えられている。

またマイクロホンミキサ２３の音声信号は話者検出回路
２５に与えられており、話者検出回路２５では入力の音
声信号により話者が特定されている。

ざらにこれを内容とした話者検出回路２５の出力信号は
旋回台制御装置２６に与えられており、旋回台制御装置
２６で電動旋回台２７が制御されている。

これによりカメラ２８は話者検出回路２５で特定された
話者の出席者２１−１．２１−２．２’１−３または２
１−４へ指向され、画面内に話者の納まる映像の信号が
カメラ２８から映像伝送装置２９へ与えられる。

第３図には話者検出回路２５が示されており、サンプリ
ング回路３０にはマイクロホン２２−１゜２２−２．２
２−３．２２−４の音声信号がマイクロホンミキサ２３
を介して入力される。

このサンプリング回路３０では音声信号が所定レベル以
上のときにＯＮ、それ以下のときにＯＦＦとなるデジタ
ル信号が各マイクロホン２２−１゜２２−２．２２−３
．２２−４について得られており、それらのデジタル信
号の値はサンプリングされて入力バッファ３１に取り込
まれる。

入力バッファ３１では各マイクロホン２２−１゜２２−
２．２２−３．２２−４についてのデジタル信号値に応
じてフラグのセット、リセットが行なわれ、入力バッフ
ァ３１の各フラグ内容はマイクロホン２２−１．２２−
２．２２−３．２２−４に対して用意された蓄積バッフ
ァ３２−１．３２−２．３２−３．３２−４に各々分配
される。

これら蓄積バッファ３２−１．３２−２．３２−３．３
２−４のビット数は４秒間のサンプリング数と同一とさ
れており、最も古いビットの内容が最新のもので更新さ
れる。

その結果、音声信号が所定レベル以上となったときのビ
ットが最も古いものにセットされ、各蓄積バッファ３２
−１．３２−２．３２−３．３２−４におけるセットピ
ット数でマイクロホン２２−１．２２−２．２２−３．
２２−４の音声入力が確認された通算時間ＭＩＣ１ｏｎ
、ＭＩＣ２゜ｎ、ＭＩＣ３ｏｎ、ＭＩＣ４ｏｎが示され
る。

処理回路４４では第４図のようにまずそれらが逐次読み
込まれ（ステップ４０）、予め設定された検出時間（２
秒）と比較される（ステップ４１〉さらに現在読み込ま
れたマイク入力確認の通算時間ＭＩＣ（ｎ）Ｏｎが検出
時間を越えていたとき（ステップ４１でＹＥＳ）には、
マイクロホン２２−１．２−２．２２−３．２２−４に
対して付された番号のうち該当のものとこの通算時間Ｍ
ＩＣ（ｎ）ｏｎが記憶される（ステップ４２）。

そして全ての通算時間ＭＩＣ（ｎ）ｏｎと検出時間との
比較（ステップ４１）の完了が確認されると（ステップ
４３でＹＥＳ）　、前記通算時間ＭＩＣ（ｎ）ｏｎが検
出時間を越えたときに記憶されたマイク番号の総数が０
１Ｊ１．単数か、複数かが判断される（ステップ４４）
。

その際に記憶されていたマイク番号の数がＯのときには
全ての出席者２１−１．２１−２．２１−３．２１−４
が発言しておらず、話者が無い旨の判断が行なわれる（
ステップ４５）。

また記憶されていたマイク番号の数が単数のときにはそ
のマイク番号で示されるマイクロホン２２−１．２２−
２．２２〜３または２２−４の出席者２１−１．２１−
２．２１−３または２１−４が話者として特定され（ス
テップ４６）、このマイク番号を内容とする信号が旋回
台制御装置２６へ出力される（ステップ４７）。

その結果、このときのマイク番号で示されるマイクロホ
ン２２’−１，２２−２，２２−３または２２−４の出
席者２１−１．２１−２．２１−３または２１−４が画
面へ収まるようにカメラ２８が電動旋回台２７で旋回さ
れる。

さらに、通算時間ＭＩＣ（ｎ）ｏｎが検出時間を越えた
マイク番号の数が複数のときには、前記通算時間ＭＩＣ
（ｎ）ｏｎの最も長いものがサーチされ（ステップ４８
）、通算時間ＭＩＣ（ｎ＞Ｏｎが最も長いもののマイク
番号で示されるマイクロホン２２−１．２２−２．２２
−３または２２−４の出席者２１−１．２１−２．２１
−３または２１−４が話者として特定される（ステップ
４９）。

したがって、このように強制的に優先して特定された話
者のマイク番号が出力され（ステップ４７）、その話者
にカメラ２８が向けられる。

第５図では本実施例にあける話者特定作用が説明されて
おり、同図（Ａ＞のマイク入力が行なわれると、現在か
ら４秒以前までの通算時間ＭＩＣ（ｎｏｏｎは同図（Ｂ
）のように変化する。

ここでは同図（Ａ＞のように最初に雑音がマイク入力と
して与えられるが、その雑音は４秒の時間枠中で通算し
て２秒間以上発生しておらず、このためそのマイク方向
へカメラ２８が誤って向けられることはない。

また同図（Ａ＞のように雑音に続いて発言が開始される
と、４秒の時間内枠で発言時間が２秒となったときにそ
の発言元が話者として認識され、従来のように発言が２
秒継続することを待つことなく、その話者へ直ちににカ
メラ２８が向けられる。

さらに話者が他の同意を得たりそれらの様子をうかがう
ために発言を中断した場合であっても、通算時間で話者
の特定が行なわれるので同一人が話者としてそのまま認
識される。

ここで、雑音が２秒以上連続することが無いこと、−回
の発言中に２秒以上その発言の途切れることがないこと
、雑音が２秒以上連続して発生することのないことが確
認されている。

したがって、雑音による誤った話者特定を完全に排除で
きる。

また、その時間枠内で通算２秒以上のマイク入力が確認
されたときは必ず発言が行なわれているので、この発言
をした話者を確実に特定できる。

ざらに、その話者特定がマイク入力の時間通算で行なわ
れているので、最初に発言が途切れた場合であっても、
その話者が迅速に特定できる。

このように本実施例によれば、雑音の影響を完全に排除
しながら正確な話者認識を迅速に行なうことが可能とな
る。

第６図はある話者の発言中に他のマイク入力があったと
きの作用を説明するものであり、同図（Ａ＞のようにあ
る話者の発言中に同図（Ｂ）のように他で雑音がマイク
入力され、その発言が終了する前にこれに続いて他の発
言が開始される。

ここで、マイク入力の通算で話者の特定が行なわれ、雑
音入力の通算時間が前記検出時間を越えることがないの
で、同図（Ｃ）、（Ｄ＞から理解されるように、ある話
者の発言中に雑音が重なった場合でも前述した第７図の
ように誤った話者認識は行なわれない。

また、ある発言中に他の発言が行なわれた場合であって
も、発言継続時間が長い方が優先して話者と認識される
ので、撮影すべき話者の切り換えが観者に違和感を与え
ることなく円滑に行なわれる。

＝　１４　− このように本実施例によれば、マイク入力が重なった場
合においても、発言中の話者へ誤りなくカメラ２８をス
ムーズに向けることが可能となる。

［発明の効果］ 以上説明したように本発明によれば、現在から約４秒前
までの時間枠内で通算して２秒のマイク入力が確認され
た出席者が話者として特定されるので、その特定をきわ
めて正確に行なうことが可能となり、しかも雑音による
影響を完全に排除することも可能となる。

【図面の簡単な説明】

第１図は発明の原理説明図、第２図は実施例の全体構成
説明図、第３図は話者検出回路の構成説明図、第４図は
処理回路の作用を説明するフローチャート、第５図及び
第６図は実施例の作用説明図、第７図は従来例の説明図
である。 ２１−１．２１−２．２１−３．２１−４・・・出席者 ２２−１．２２−２．２２−３．２２−４・・・マイク
ロホン ２３・・・マイクロホンミキサ ２５・・・話者検出回路 ２６・・・旋回台制御装置 ２７・・・電動旋回台 ２８・・・カメラ ３０・・・サンプリング回路 ３１・・・入力バッファ ３２−１．３２−２．３２−３．３２−４・・・蓄積バ
ッファ ３３・・・処理回路 ベ ヘ ヤ シ く　　　　　　　ロ

Claims (2)

【特許請求の範囲】
1. （１）テレビ会議の出席者に対して各々用意されたマイ
   クロホンの入力有無を判断するマイク入力判断手段（１
   ０）と、 各マイク入力の有無判断結果を現在から約４秒以前まで
   の期間に亘って保持する判断結果保持手段（１２）と、 前記期間における各マイク入力の通算時間を手段（１２
   ）で保持中の判断結果により求める時間通算手段（１４
   ）と、 手段（１４）で求められた通算時間が約２秒の設定時間
   を越えるマイクロホンの出席者を現在の話者として特定
   する話者特定手段（１６）と、手段（１６）で現在の話
   者として特定された出席者が撮像範囲に収まるカメラ駆
   動を行なうカメラ駆動手段（１８）と、 を有する、ことを特徴とするテレビ会議システムの話者
   撮影用カメラ制御装置。
2. （２）手段（１４）で求められた通算時間が前記設定時
   間以上となるマイクロホンの数を算出する手段と、 算出されたマイクロホン数が複数のときに、前記通算時
   間が最も長いマイクロホンの出席者を現在の話者として
   強制選択する手段と、 が設けられた、ことを特徴とする特許請求の範囲第（１
   ）項に記載されたテレビ会議システムの話者撮影用カメ
   ラ制御装置。