JPH11284971A - テレビ会議システム - Google Patents

Abstract

(57)【要約】 【課題】 自然であり、適切に会議を行うことを可能と
するテレビ会議システムを提供する。 【解決手段】 複数の端末から送られる音声信号を受け
取り、それぞれの端末毎に音声レベルの履歴情報を作成
する音声レベル履歴作成手段８５と、この音声レベル履
歴作成手段８５により作成された音声レベルの履歴情報
と少なくとも現時点の音声レベルに基づき話者の端末を
検出する話者端末検出手段８６と、この話者端末検出手
段８６の検出結果に基づき１つの端末を特定し、この端
末から送られてきた画像情報を各端末へ送出する画像切
換手段８７とを具備する。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】この発明は、話し中の人がい
る場所の画像を適切に各地点の端末に写し出すことの可
能なテレビ会議システムに関するものである。

【０００２】

【従来の技術】従来のテレビ会議システムにおいては、
各地点に設けられた端末から送られる音声のレベルを比
較して、最もレベルの高い地点の端末から送られてきた
画像情報を各地点の端末へ配信している。

【０００３】しかしながら、端末の設置された地点の環
境は種々であり、恒常的に騒音レベルが高い地点に端末
が設置されることもある。係る場合には、話者が一時的
に話しを中断させたときには、上記騒音レベルの高い地
点に設けられた端末から送られる音声のレベルが最も高
くなり、当該端末から送られてきた画像情報が各地点の
端末へ配信される。

【０００４】

【発明が解決しようとする課題】従って、頻繁に上記特
定の端末から送られてきた画像情報が各地点の端末へ配
信されることになり、極めて不自然であり、適切な会議
を行い難いという問題点があった。

【０００５】本発明は上記の従来テレビ会議システムが
有する問題点に鑑みてなされたもので、その目的は、恒
常的に騒音レベルが高い地点に設けられた端末から送ら
れてきた画像への切換えを抑制し、自然であり、適切に
会議を行うことを可能とするテレビ会議システムを提供
することである。

【０００６】

【課題を解決するための手段】請求項１に記載のテレビ
会議システムは、多地点に設けられ、音声を取り込みむ
信号化して送出する音声取込手段と、画像を撮像して画
像情報として送出する撮像手段と、音声を出力するため
の音声出力手段と、画像を出力するための画像出力手段
とを備える複数の端末と、前記複数の端末から送られる
音声信号を受け取り、それぞれの端末毎に音声レベルの
履歴情報を作成する音声レベル履歴作成手段と、この音
声レベル履歴作成手段により作成された音声レベルの履
歴情報と少なくとも現時点の音声レベルに基づき話者の
端末を検出する話者端末検出手段と、この話者端末検出
手段の検出結果に基づき１つの端末を特定し、この端末
から送られてきた画像情報を各端末へ送出する画像切換
手段とを具備することを特徴とする。これによって、音
声レベルの履歴情報と少なくとも現時点の音声レベルに
基づき話者の端末が検出され、この検出結果に基づき１
つの端末が特定され、この１つの端末から送られてきた
画像情報が各端末へ送出される。

【０００７】請求項２に記載のテレビ会議システムで
は、音声レベル履歴作成手段は、第１の時間にわたる音
声レベルを平均を記憶する第１のメモリを各端末毎に備
えると共に、前記第１の時間より短い第２の時間にわた
る音声レベルを平均を記憶する第１のメモリを各端末毎
に備え、話者端末検出手段は、各端末毎に、前記第１の
メモリに記憶された平均値と前記第２のメモリに記憶さ
れた平均値との差により話者端末を検出し、画像切換手
段は、前記話者端末における差が最大の端末から送られ
てきた画像情報を各端末へ送出することを特徴とする。
これによって、第１のメモリに第１の時間にわたる音声
レベルを平均を記憶し、第２のメモリに前記第１の時間
より短い第２の時間にわたる音声レベルを平均を記憶
し、各端末毎に、前記第１のメモリに記憶された平均値
と前記第２のメモリに記憶された平均値との差により話
者端末を検出し、前記話者端末における差が最大の端末
から送られてきた画像情報が各端末へ送出される。

【０００８】請求項３に記載のテレビ会議システムで
は、音声レベル履歴作成手段は、画像切換手段により特
定された端末に対応する音声レベルによる第１のメモリ
の更新を除外することを特徴とする。これにより、話者
音により音声レベルの平均が高くなることを防止でき
る。

【０００９】請求項４に記載のテレビ会議システムで
は、音声レベル履歴作成手段は、所定以上の音声レベル
の音声信号が入力された端末に対応する音声レベルによ
る第１のメモリの更新を除外することを特徴とする。こ
れにより、一時的な大きな音により音声レベルの平均が
高くなることを防止できる。

【００１０】

【発明の実施の形態】以下添付図面を参照して本発明の
テレビ会議システムの実施の形態を説明する各図におい
て同一の構成要素には、同一の符号を付し重複する説明
を省略する。図１に示されるテレビ会議システムは、４
地点を結ぶシステムであり、各地点に端末Ａ〜Ｄが設置
されている。端末Ａ〜Ｄはネットワークを介して多地点
制御装置１に接続されている。

【００１１】各端末Ａ〜Ｄは、例えば、図２に示される
ように構成されている。即ち、プロセッサ機能を有する
制御部１０を中心として構成され、制御部１０には、ス
ピーカ１１、マイクロホン１２、表示制御部１３、カメ
ラ制御部１５、データ端末１７、送受信部１８が接続さ
れている。スピーカ１１からは送られてきた音声が発生
され、マイクロホン１２からは当該端末における話者等
による音声が入力される。表示制御部１３にはＣＲＴ表
示装置１４が接続され、送られてきた画像情報に基づく
画像の表示がなされる。カメラ制御部１５には、テレビ
カメラ１６が接続され当該端末における話者等の撮像が
なされる。データ端末１７は、例えば、ファクシミリ装
置等であり、必要な書類等をデータ通信により送受可能
となっている。送受信部１８は、入力された音声信号、
画像情報、データを制御部から受けて送信し、また、送
られてくる音声信号、画像情報、データを受信して制御
部１０へ送出する。

【００１２】多地点制御装置１は、図３に示されるよう
に構成されている。即ち、端末Ａ〜Ｄにそれぞれ対応す
る回線制御装置２−Ａ〜２−Ｄと、回線制御装置２−Ａ
〜２−Ｄにそれぞれ接続される多重化部３−１〜３−４
及び分離部４−１〜４−４とを備える。更に、多重化部
３−１〜３−４及び分離部４−１〜４−４は音声処理部
５、画像処理部６、データ処理部７へそれぞれ接続され
ている。音声処理部５、画像処理部６、データ処理部７
は制御部８の制御下において動作を行う。制御部８に
は、画像の切換えを行う画像切換部９が備えられてい
る。

【００１３】回線制御装置２−Ａ〜２−Ｄは、音声信
号、画像情報、データの多重化信号を受信すると、分離
部４−１〜４−４へ送出する。分離部４−１〜４−４は
多重化された信号を音声信号、画像情報、データに分離
し、音声信号を音声処理部５へ送出し、画像情報を画像
処理部６へ送出し、データをデータ処理部７へ送出す
る。音声処理部５は、制御部８へ端末の識別情報共に順
に音声信号を送出すると共に、制御部８の制御により１
つの端末から到来した音声信号を全ての多重化部３−１
〜３−４へ送出し、画像処理部６は制御部８の制御によ
り１つの端末から到来した画像データを全ての多重化部
３−１〜３−４へ送出する。データ処理部７は、制御部
８の制御により各データを宛先に応じた多重化部３−１
〜３−４へ送出する。

【００１４】多重化部３−１〜３−４は与えられた音声
信号、画像情報、データを多重化し回線制御部２−Ａ〜
２−Ｄへ渡す。回線制御部２−Ａ〜２−Ｄは、多重化さ
れた信号を対応する端末Ａ〜Ｄへ送信する。

【００１５】図４には、画像切換制御部８の詳細構成が
示されている。画像切換制御部８は、話者検出制御回路
８０、バッファメモリ８１、８２を備える。話者検出制
御回路８０には、端末Ａ〜Ｄから送られる音声信号を受
け取り、それぞれの端末毎に音声レベルの履歴情報を作
成する音声レベル履歴作成手段８５、この音声レベル履
歴作成手段８５により作成された音声レベルの履歴情報
と少なくとも現時点の音声レベルに基づき話者の端末を
検出する話者端末検出手段８６、この話者端末検出手段
８６の検出結果に基づき１つの端末を特定し、この端末
から送られてきた画像情報を各端末Ａ〜Ｄへ送出する画
像切換手段８７を備える。

【００１６】バッファメモリ８１、８２は、図５に示さ
れるように各端末に対応して区分され、バッファメモリ
８１には、Ｔ１時間における音声レベルの平均値（Ｔ１
時間における音声レベル自体を含んでも良い）が記憶さ
れ、バッファメモリ８２には、Ｔ２（Ｔ２＜Ｔ１）時間
における音声レベルの平均値（Ｔ２時間における音声レ
ベル自体を含んでも良い）が記憶される。

【００１７】以上の通りに構成された多地点制御装置１
の画像切換え制御部９内の話者検出制御回路８０は、図
６に示されるフローチャートに対応するプログラムを実
行することにより、図４に示す各手段として機能するの
で、このフローチャートに従って動作を説明する。シス
テムが立ち上げられると、話者検出制御回路８０は、音
声処理部５から音声信号を取込んでこれを音声レベルデ
ータに変換し（Ｓ１）、保存してあるＴ２時間分の音声
レベルデータの平均を求めバッファメモリ８２における
当該音声対応の記憶領域に記憶する（Ｓ２）。そして、
上記の音声レベルが所定レベルより大きいか否かを検出
し（Ｓ３）、大きいときにはステップＳ１へ戻って処理
を継続する。

【００１８】一方、所定レベル以下の音声レベルであれ
ば、この音声レベルの音声が、選択されている端末（画
像の撮像対象の端末）から到来したかを付加されている
識別情報に基づき検出する（Ｓ４）。ここで、選択され
ている端末から到来した音声の音声レベルであるときに
は、ステップＳ１へ戻って処理を継続する。また、選択
されている端末以外の端末から到来した音声の音声レベ
ルであるときには、保存してあるＴ１時間分の音声レベ
ルデータの平均を求めバッファメモリ８１における当該
音声対応の記憶領域に記憶する（Ｓ５）。

【００１９】以上の処理により、バッファメモリ８１に
は或る程度長い時間Ｔ１における音声レベルの平均値、
つまり、背景の音声レベルが記憶され、一方、バッファ
メモリ８２には比較的近い時刻の時間Ｔ２の音声の平均
値。つまり、現状の音声レベルが記憶される。また、ス
テップＳ３の判断により、一時的に大きな音が入力され
た場合に、背景の音声レベルの平均値が上昇することを
防止し、更に、ステップＳ４の判断により、話者の音声
が或る程度続くことにより背景の音声レベルの平均値が
上昇することを防止することができる。

【００２０】そして、端末Ａ〜Ｄに対する音声レベルの
処理を一周させると、バッファメモリ８１と８２の対応
部分の平均値の差を求め、その差が最大で所定以上の端
末を検出し（Ｓ６）、選択されている端末と上記検出端
末が一致するかを、付加されている識別情報に基づき検
出する（Ｓ７）。ここで、一致しなければ画像処理部６
へ指示を与えて上記ステップＳ６にて求めた端末から送
られてきた画像情報への切換えを行わせて、更にステッ
プＳ１へ戻って処理を継続する。

【００２１】なお、上記の実施の形態では、２つのバッ
ファメモリのデータの差が最大で所定以上の端末を選択
したが、例えば、バッファメモリ８１のデータの大きさ
に応じて大きな係数をバッファメモリ８２のデータに掛
けるなど、所定の演算を行って決定しても良い。また、
バッファメモリ８２は必ずしも設ける必要はなく、ロー
パスフィルタ（ディジタルも含む）により平滑化した信
号（データ）を用いて現時点の音声レベルとバッファメ
モリ８２のデータに基づき話者の端末を検出するように
してもよい。

【００２２】

【発明の効果】以上説明したように本発明の請求項１の
テレビ会議システムによれば、音声レベルの履歴情報と
少なくとも現時点の音声レベルに基づき話者の端末が検
出され、この検出結果に基づき１つの端末が特定され、
この１つの端末から送られてきた画像情報が各端末へ送
出されるので、音声レベルの履歴により背景の音声レベ
ルを考慮して話者が話している端末を特定し適切な画像
切換えを行うことができる。

【００２３】以上説明したように本発明の請求項２のテ
レビ会議システムによれば、第１のメモリに第１の時間
にわたる音声レベルを平均を記憶し、第２のメモリに前
記第１の時間より短い第２の時間にわたる音声レベルを
平均を記憶し、各端末毎に、前記第１のメモリに記憶さ
れた平均値と前記第２のメモリに記憶された平均値との
差により話者端末を検出し、前記話者端末における差が
最大の端末から送られてきた画像情報が各端末へ送出さ
れるので、メモリのデータを用いて音声レベルの履歴に
より背景の音声レベルを考慮して話者が話している端末
を特定し適切な画像切換えを行うことができる。

【００２４】以上説明したように本発明の請求項３のテ
レビ会議システムによれば、話者音により音声レベルの
平均が高くなることを防止できるので、背景の音声レベ
ルに影響を与えることなく、話者が話している端末を特
定し適切な画像切換えを行うことができる。

【００２５】以上説明したように本発明の請求項４のテ
レビ会議システムによれば、一時的な大きな音により音
声レベルの平均が高くなることを防止できるので、背景
の音声レベルに影響を与えることなく、話者が話してい
る端末を特定し適切な画像切換えを行うことができる。

【図面の簡単な説明】

【図１】本発明の実施の形態に係るテレビ会議システム
の構成図。

【図２】本発明の実施の形態に係るテレビ会議システム
の端末の構成図。

【図３】本発明の実施の形態に係るテレビ会議システム
の多地点制御装置の構成図。

【図４】本発明の実施の形態に係るテレビ会議システム
の多地点制御装置における要部構成図。

【図５】本発明の実施の形態に係るテレビ会議システム
において、各端末にて得られる音声の平均レベルのデー
タを記憶するバッファメモリの説明図。

【図６】本発明の実施の形態に係るテレビ会議システム
の動作を説明するためのフローチャート。

【符号の説明】

Ａ〜Ｄ 端末 １ 多地点制御
装置 ２−Ａ〜２−Ｄ 回線制御部 ３−１〜３−４
多重化部 ４−１〜４−４ 分離部 ５ 音声処理部 ６ 画像処理部 ７ データ処理
部 ８ 制御部 ９ 画像切換制
御部 ８０ 話者検出制御回路 ８１、８２ バ
ッファメモリ ８５ 音声レベル履歴作成手段 ８６ 話者端末
検出手段 ８７ 画像切換手段

Claims (4)

【特許請求の範囲】
1. 【請求項１】 多地点に設けられ、音声を取り込みむ信
   号化して送出する音声取込手段と、画像を撮像して画像
   情報として送出する撮像手段と、音声を出力するための
   音声出力手段と、画像を出力するための画像出力手段と
   を備える複数の端末と、 前記複数の端末から送られる音声信号を受け取り、それ
   ぞれの端末毎に音声レベルの履歴情報を作成する音声レ
   ベル履歴作成手段と、 この音声レベル履歴作成手段により作成された音声レベ
   ルの履歴情報と少なくとも現時点の音声レベルに基づき
   話者の端末を検出する話者端末検出手段と、 この話者端末検出手段の検出結果に基づき１つの端末を
   特定し、この端末から送られてきた画像情報を各端末へ
   送出する画像切換手段とを具備することを特徴とするテ
   レビ会議システム。
2. 【請求項２】 音声レベル履歴作成手段は、 第１の時間にわたる音声レベルを平均を記憶する第１の
   メモリを各端末毎に備えると共に、前記第１の時間より
   短い第２の時間にわたる音声レベルを平均を記憶する第
   １のメモリを各端末毎に備え、 話者端末検出手段は、 各端末毎に、前記第１のメモリに記憶された平均値と前
   記第２のメモリに記憶された平均値との差により話者端
   末を検出し、 画像切換手段は、 前記話者端末における差が最大の端末から送られてきた
   画像情報を各端末へ送出することを特徴とする請求項１
   に記載のテレビ会議システム。
3. 【請求項３】 音声レベル履歴作成手段は、 画像切換手段により特定された端末に対応する音声レベ
   ルによる第１のメモリの更新を除外することを特徴とす
   る請求項２に記載のテレビ会議システム。
4. 【請求項４】 音声レベル履歴作成手段は、 所定以上の音声レベルの音声信号が入力された端末に対
   応する音声レベルによる第１のメモリの更新を除外する
   ことを特徴とする請求項２に記載のテレビ会議システ
   ム。