JPH01206765A - テレビ会議システム - 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】 〔概　　要〕 複数のカメラとマイクにより会議参加者の画像と音声を
取り出して別の会議の参加者に送るテレビ会議システム
に関し、 できるだけ相手会議の立体感や臨場感を伝えることがで
きるようにすることを目的とし、会議参加者を複数ブロ
ックに分割し各ブロックに対応して設けたカメラ及びマ
イクと、相手会議室において各ブロックに対応して設け
た画面メモリ、モニタ及びスピーカと、該マイクの音声
出力から話者ブロックを検出する話者検出装置と、該話
者検出装置により、話者検出されたブロックの画像を撮
影しているカメラの動画像出力を選択して対応するブロ
ックの画面メモリに与える第１の選択スイッチと、該話
者検出装置の出力により、話者検出されたブロックの音
声を検出しているマイクの音声出力を選択して対応する
ブロックのスピーカに与える第２の選択スイッチと、を
備え、各画面メモリは、最新の入力画像を、対応するモ
ニタに出力するもの。

［産業上の利用分野］ 本発明はテレビ会議システムに関し、特に複数のカメラ
とマイクにより会議参加者の画像と音声を取り出して別
の会議の参加者に送るテレビ会議システムに関するもの
である。

テレビ会議が頻繁に利用されるようになると、一方の会
議の臨場感を他方の会議の参加者に伝えることが必要に
なって来ている。

〔従来の技術〕

従来のテレビ会議システムでは、一方の会議の全体の画
像を１つのカメラにより撮影して相手会議において１つ
のモニタ（プロジェクタ）により映し出し、また、発言
者の音声も１個のスピーカによって出力される。

この場合、会議参加者の中の発言者を自動的に検出して
カメラを自動的に追従させるテレビ会議システムが先に
本出願人により開示されている（昭和６２年１２月２１
日出願）。

第６図はかかるテレビ会議システム全体を示したもので
、会議の出席者１１−１〜１１−４に対してそれぞれマ
イク１２−１〜１２−４が用意されている。

これらのマイク１２−１〜１２−４から出力される音声
信号はミキサ１３で合成された音声信号として音声伝送
装置１４を経て伝送され、受信会議室側では、１つのス
ピーカから出力する。

また、マイク１２−１〜１２−４の各出力信号をサンプ
リング回路１５でザンプリングする。このサンプリング
回路１５ば、マイクからの音声信号が所定閾値レベル以
上の時にオンで、それ以下の時にオフとする２値のディ
ジタル信号に変換する回路であり、このサンプリング回
路１５の出力は話者認識回路１６　（」二記の出願では
サンプリング回路も含めて話者検出装置と称している）
に与えられて話者を検出し、その検出した話者を特定す
る信号が旋回台制御装置１７に送られ、この制御装置１
７によりカメラ１８の電動旋回台１９が制御されてカメ
ラ】８はその検出された話者の方向を向くようになる。

そして、このカメラ１８からの映像信号は映像伝送装置
２０を介して伝送される。そして、受信会議室では、１
つのモニタ（プロジェクタ）に表示する。

〔発明が解決しようとする課題〕

」二記の従来のテレビ会議システムでは、相手の会議室
において１つのモニタで表示し、１つのスピーカで出ノ
ｊするので、実際の会議が持つ立体感や臨場感が損なわ
れ、会議の参加者は普段の会議と違和感を覚えることと
なり、期待される会議の効果が減少することになってい
た。

従って、本発明は、音声／画像伝送用の回線容量を増加
させることなくできるだけ相手会議室の立体感や臨場感
を伝えることができるテレビ会議システムを実現するこ
とを目的とする。

〔課題を解決するだめの手段〕

本発明者は、上記の問題点の原因を、画像表示に１台の
モニタしか使用せず、音声も１個のスピーカで出力して
いたことに求めた。

そこで、第１図に概念的に示すように本発明に係るテレ
ビ会議システムでは、会議参加者を複数ブロックに分割
し各ブロックに対応してそれぞれカメラ１及びマイク２
を設げるとともに相手会議室においても同様に各ブロッ
クに対応して画面メモリ３、モニタ４及びスピーカ５を
設けた。

更に、マイク２の音声出力から話者ブロックを検出する
話者検出装Ｗ６と、話者検出装置６により、話者検出さ
れたブロックの画像を撮影しているカメラの動画像出力
を選択して対応するブロックの画面メモリに与える第１
の選択スインチアと、話者検出装置６の出力により、話
者検出されたブロックの音声を検出しているマイクの音
声出力を選択して対応するブロックのスピーカ５に与え
る第２の選択スイッチ８とを設け、各画面メモリ３が、
最新の入力画像を、対応するモニタ４に出力するものと
した。

〔作　　　用〕

第１図に示した本発明に係るテレビ会議システムにおい
ては、まず画像及び音声を送る方の会議室の参加者を複
数ブロックに分割し各ブロックに対応してそれぞれ設り
たカメラ１及びマイク２ののうち、マイク２の音声出力
から会議参加者中の話者ブロックを話者検出装置６で検
出する。この話者ブロック検出結果に従って、第１の選
択スイッチ７はその検出されたブロックの画像を撮影し
ているカメラ１の動画像出力を選択して対応するブロッ
クの画面メモリ３に与える。また、第２の選択スイッチ
８では、話者検出されたブロックの音声を検出している
マイクの音声出力を選択して対応するブロックのスピー
カ５に与える。

そして、各画面メモリ３は、最新の入力画像を、それぞ
れに対応したモニタ４に出力するものである。

これにより、モニタ４では、話者が存在するブロックの
画像が動画像となり、その他のブロックの画像は静止画
像として映し出される。そして、この動画像が表示され
ているモニタ４に対応するスピーカ５のみが音声を出力
することになり、実際に画像の中の人物がその場で発言
しているように感じることができる。

〔実　施　例〕

以下、本願発明に係るテレビ会議システムの実施例を説
明する。

第２図は本発明のテレビ会議システムの一実施例の全体
図を示したもので、この実施例では、第３図に分かり易
く示すように、送信側としてのＸ会議室に３台のカメラ
１ａ、１ｂ、ＩＣを用意し、それぞれ相対するブロック
Ａ、Ｂ、Ｃの会議参加者を撮影し、受信側の相手会議室
Ｙに、Ｘ会議室から伝送された画像を映し出すモニタ４
ａ、４ｂ、４ｃを用意し、カメラ１ａ〜１ｃからはそれ
ぞれモニタ４ａ〜４Ｃに対応して画像が送られるものと
し、立体的な人物構成が得られるようにする。

そして、これらのモニタ４ａ〜４Ｃにはそれぞれ画面メ
モリ３ａ〜３Ｃとスピーカ５３〜５Ｃが対応して設けら
れている。

カメラ１ａ〜１ｃからの各出力動画像は選択スイッチ２
１で選択され、画像伝送装置２２及び２３を経て第１の
選択スイッチ７で選択されて画面メモリ３ａ〜３Ｃのう
ちのいずれかに送られる。

また、マイク２ａ〜２ｃからの音声信号はミキサ１３で
分離されて話者検出装置（これは第６図のサンプリング
回路１５と話者認識回路１６とを組み合わせたものに相
当する）６と、音声伝送装置１４．２４に送られ、話者
検出装置６では、話者ブロック検出信号をスイッチ２１
に与えてカメラ１ａ−１ｃの内の１つを選択させる。こ
の話者ブロック検出信号はデータ送信部２５でデータに
変換されて送信され、データ受信部２６で受信された後
、スイッチ切り替えのための信号に切り替え制御部２７
で変換されてスイッチ７及び８に与えられている。尚、
マイク２ａ〜２ｃはそれぞれスピーカ５ａ〜５ｃと対応
している。

次に、上記実施例の動作を説明する。

会議参加者の発言は、各ブロックについて設けたマイク
により収音され、ミキサ１３及び音声伝送装置１４．２
４により相手会議室Ｙに伝送されるとともに話者検出装
置６にも送られる。この話者検出装置６は第６図に示す
ように、サンプリング回路１５と話者認識回路１６とを
組み合わせたものであるが、この話者認識回路１６は第
４図に示す如く、サンプリング回路１５のディジタル信
号出力を入力バッファ３１を介してマイク２ａ〜２ｃに
対して用意された蓄積バッファ３２−１〜３２−３にそ
れぞれ分配して蓄積する。これらの蓄積バッファ３２−
１〜３２−３のビット数は所定秒数、例えば４秒間のサ
ンプリング数に対応しており、蓄積バッファ３２−１〜
３２−３にセットされたビット数でマイク２ａ〜２ｃの
音声入力が確認された通算時間が示されることになる。

このビット数によって示された通算時間は処理回路３３
に入力され、この処理回路３３では、その通算時間が約
２秒間に相当するビット数、即ちほぼ半数のヒツトがセ
ットされている蓄積ハンファに対応するマイクに対する
話者ブロックを発言者として認識する。

この場合、認識された発言者に対応するマイクの数が複
数あった時には、蓄積バッファ３２−１〜３２−３にセ
ントされたヒノＩ・数、即ち通算時間の最も長いハンフ
ァに対応するマイクに対する話者ブロックを発言者と認
識する。

このようにして処理回路３３からは、検出された話者ブ
ロックに割り当てられた番号信号か話者ブロック検出信
号として出力される。

この話者ブロック検出信号はスイッチ２１に送られて、
話者検出されたブロックを撮影しているカメラの出力動
画像を受信側に伝送する。

また、話者ブロック検出信号はデータ送信部２５、デー
タ受信部２６を経て切り替え制御部２７で切り替え制御
のための信号に変換されてスイッチ７及び８に送られる
。

この切り替え信号により、スイッチ７は話者のいるブロ
ックを撮影しているカメラの動画像を選択して画像メモ
リに送り、一方、スイッチ８は話者ブロックの音声を選
択して対応するスピーカから出力するようにする。

今、第５図に示すように、発言者がブロックＡに居たと
すると、その伝送画像へ゛を動画像としてカメラ１ａの
出力画像が選択されて伝送され、画像メモリ３ａに入力
される。この場合、スイッチ２１で選択されなかった画
像は画像メモリに入力されないことになるが、画像メモ
リは最新の画像を記憶し且つモニタに出力するものであ
るので、選択されなかった画像は画像メモリから静止画
像Ｂ’、Ｃ’（既に伝送された最新の画像）として対応
するモニタに与えられるごとになる。即ち、この画面メ
モリは入力信号があればそれをそのまま出力するが、入
力信号が無いときにはそのまま同し最終の画像を出力す
る。

一方、音声は、マイク２ａからの出力がスピーカ５ａか
らのみ出力され、スピーカ５ｂ、５ｃは無出力となる。

また、スピーカは各ブロックに複数個設けても全く同様
に話者検出装置６でいずれかの話者ブロックを検出する
ことができることは言うまでもない。

更に、上記のように会議参加者を３つのブロックに分割
する場合に限らず、その他、色々な複数個に分割するこ
とができる。

〔発明の効果］ 以上のように、本発明のテレビ会議システムによれば、
会議参加者を複数ブロックに分割し各ブロックのマイク
の音声出力から話者ブロックを検出し、その話者検出さ
れたブロックの画像を撮影しているカメラの動画像出力
を選択して対応するブロックの画面メモリを介して対応
するモニタに出力し、音声もこれに対応したスピーカか
ら出力させるように構成したので、従来と同じ回線容量
を用いていながら、実際に相手と対話しているような立
体感と臨場感を得ることができ、会議が何らの違和感を
抱かせることなく円滑に進行させるごとができる。

【図面の簡単な説明】

第１図は本発明に係るテレビ会議システムを概念的に示
したブロック図、 第２図は本発明に係るテレビ会議システムの一実施例を
示したブロック図、 第３図は会議室間の画像表示の様子を示した図、第４図
は本発明に用いられる話者認識回路の具体例を示す図、 第５図は本発明により画像表示される動画像と静止画像
の関係を示した図、 第６図は従来のテレビ会議システムにおける送信側の構
成例を示す図、である。 第１図において、 １・・・カメラ、 ２・・・マイク、 ３・・・画面メモリ、 ４・・モニタ、 ５・・・スピーカ、 ６・・・話者検出装置、 ７・・・第１の選択スイッチ、 ８・・・第２の選択スイッチ。 図中、同一符号は同−又は相当部分を示す。 莞４図 Ｂ ノ【１１１　　　　　　　　ご【１１１１ト言名１勇（
良の異扛弧 憾５図

Claims (1)

1. 【特許請求の範囲】 会議参加者を複数ブロックに分割し各ブロックに対応し
   て設けたカメラ（１）及びマイク（２）と、相手会議室
   において各ブロックに対応して設けた画面メモリ（３）
   、モニタ（４）及びスピーカ（５）と、 該マイク（２）の音声出力から話者ブロックを検出する
   話者検出装置（６）と、 該話者検出装置（６）により、話者検出されたブロック
   の画像を撮影しているカメラの動画像出力を選択して対
   応するブロックの画面メモリに与える第１の選択スイッ
   チ（７）と、 該話者検出装置（６）の出力により、話者検出されたブ
   ロックの音声を検出しているマイクの音声出力を選択し
   て対応するブロックのスピーカ（５）に与える第２の選
   択スイッチ（８）と、 を備え、各画面メモリ（３）は、最新の入力画像を、対
   応するモニタ（４）に出力するものであることを特徴と
   したテレビ会議システム。