WO2022079768A1 - 分析装置、システム、方法及びプログラムが格納された非一時的なコンピュータ可読媒体 - Google Patents

分析装置、システム、方法及びプログラムが格納された非一時的なコンピュータ可読媒体 Download PDF

Info

Publication number
WO2022079768A1
WO2022079768A1 PCT/JP2020/038513 JP2020038513W WO2022079768A1 WO 2022079768 A1 WO2022079768 A1 WO 2022079768A1 JP 2020038513 W JP2020038513 W JP 2020038513W WO 2022079768 A1 WO2022079768 A1 WO 2022079768A1
Authority
WO
WIPO (PCT)
Prior art keywords
data
conference
analysis
message
emotion
Prior art date
Application number
PCT/JP2020/038513
Other languages
English (en)
French (fr)
Inventor
真 則枝
良志 田中
翔悟 赤崎
治樹 横田
雅美 坂口
Original Assignee
日本電気株式会社
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 日本電気株式会社 filed Critical 日本電気株式会社
Priority to US18/030,692 priority Critical patent/US20230377369A1/en
Priority to JP2022557240A priority patent/JP7468689B2/ja
Priority to PCT/JP2020/038513 priority patent/WO2022079768A1/ja
Publication of WO2022079768A1 publication Critical patent/WO2022079768A1/ja

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/174—Facial expression recognition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/172—Classification, e.g. identification
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/21—Server components or server architectures
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/23—Processing of content or additional data; Elementary server operations; Server middleware
    • H04N21/24—Monitoring of processes or resources, e.g. monitoring of server load, available bandwidth, upstream requests
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/25—Management operations performed by the server for facilitating the content distribution or administrating data related to end-users or client devices, e.g. end-user or client device authentication, learning user preferences for recommending movies
    • H04N21/258—Client or end-user data management, e.g. managing client capabilities, user preferences or demographics, processing of multiple end-users preferences to derive collaborative data
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/80—Generation or processing of content or additional data by content creator independently of the distribution process; Content per se
    • H04N21/83—Generation or processing of protective or descriptive data associated with content; Content structuring
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30196—Human being; Person
    • G06T2207/30201—Face

Definitions

  • the present invention relates to an analyzer, a system, a method and a program.
  • online conferences In online video conferences (hereinafter referred to as online conferences), techniques for evaluating the status and contents of conferences have been proposed.
  • the system described in Patent Document 1 has an image recognition unit that recognizes an image related to each attendee, a voice recognition unit that identifies a speaker of each remark in voice data, and a voice data of each attendee. It has a timeline management unit that outputs as a timeline in chronological order.
  • this system can be used to indicate, for example, that during a meeting, the tempo of speech by each attendee has changed from a slow state to a high tempo, or the state of the meeting has changed from a low state to a good state. To detect. Then, a plurality of attendees who have spoken during the transition are identified, and the keywords included in the content of each identified attendee's speech are weighted based on predetermined conditions and scored for each attendee. The contribution of the attendees.
  • the conference support system described in Patent Document 2 has an emotion discrimination unit that discriminates emotions for each attendee based on received video data, and a remark indicating the content of the remarks of attendees based on the received audio data. It has a text data generation unit that generates text data. In addition, the meeting support system records the content of the attendee's remarks and the feelings of each attendee when the remarks are made, based on the emotion data and the remark text data showing the result of the discrimination by the emotion discrimination unit. It has a minutes generation unit that generates data.
  • the above-mentioned technique determines the status of the meeting based on the content of the meeting's remarks and the like.
  • the evaluation target and judgment criteria change depending on the attributes of the conference to be evaluated.
  • This disclosure has been made in view of such issues, and an object of the present disclosure is to provide an analysis device, an analysis method, an analysis system, and a program for effectively operating an online conference.
  • the analyzer includes emotion data acquisition means, analysis data generation means, conference data acquisition means, storage means, and message control means.
  • the emotion data acquisition means acquires emotion data from an emotion data generator that generates emotion data from facial image data of conference participants in an online conference.
  • the analytical data generation means generates analytical data for the meeting based on the emotional data.
  • the conference data acquisition means acquires conference data including conference attribute data.
  • the storage means stores message data in which the pattern of the message presented to the user and the conference data are associated with each other.
  • the message control means selects a message based on the analysis data and the message data, and stores the analysis result including the selected message in the storage unit so that it can be output.
  • the computer executes the following method.
  • the computer acquires emotional data with time data from an emotional data generator that generates emotional data from the facial image data of conference participants in an online conference.
  • the computer generates analytical data for the meeting based on emotional data.
  • the computer acquires the conference data including the attribute data of the conference.
  • the computer stores message data in which the pattern of the message presented to the user and the conference data are associated with each other.
  • the computer selects the message based on the analysis data and the message data.
  • the computer stores the analysis result including the selected message so that it can be output.
  • the program according to one embodiment of the present disclosure causes a computer to perform the following steps.
  • the computer acquires emotional data with time data from an emotional data generator that generates emotional data from the facial image data of conference participants in an online conference.
  • the computer generates analytical data for the meeting based on emotional data.
  • the computer acquires the conference data including the attribute data of the conference.
  • the computer stores message data in which the pattern of the message presented to the user and the conference data are associated with each other.
  • the computer selects the message based on the analysis data and the message data.
  • the computer stores the analysis result including the selected message so that it can be output.
  • FIG. It is a block diagram which shows the structure of the analyzer which concerns on Embodiment 1.
  • FIG. It is a flowchart which shows the analysis method which concerns on Embodiment 1.
  • FIG. It is a block diagram which shows the structure of the analysis system which concerns on Embodiment 2.
  • FIG. It is a figure which shows the example of the data which the analysis data generation part processes.
  • FIG. It is a flowchart which shows the analysis method which concerns on Embodiment 2.
  • FIG. 1 is a block diagram showing a configuration of an analyzer 100 according to the first embodiment.
  • the analyzer 100 acquires emotion data of participants participating in the online conference, generates analysis data related to the online conference from the acquired emotion data, and outputs the generated analysis data to a predetermined terminal or the like.
  • the online conference means a conference held by using a plurality of conference terminals connected to each other so as to be able to communicate with each other via a communication line.
  • the conference terminal connected to the online conference is, for example, a personal computer, a smartphone, a tablet terminal, a mobile phone with a camera, or the like.
  • the conference terminal is not limited to the above as long as it is a device having a camera for photographing a participant, a microphone for picking up a participant's utterance, and a communication function for transmitting and receiving image data and voice data.
  • an online conference may be simply referred to as a "meeting".
  • the participants of the online conference indicate a person who is connected to the online conference through the conference terminal, and includes the organizer of the conference, the presenter of the conference, the presenter, and the listeners of the conference. For example, when a plurality of persons are participating in a conference through one conference terminal, each of the plurality of persons is a participant.
  • the participants shall participate in the conference in a state where the face image can be taken by the camera built in the conference terminal or connected to the conference terminal.
  • the analysis device 100 is communicably connected to an emotion data generation device that generates emotion data of participants in an online conference and a conference management device that operates the conference. Further, the analyzer 100 is communicably connected to a terminal (user terminal) owned by a user who uses the analyzer 100.
  • the analyzer 100 mainly includes an emotion data acquisition unit 111, a conference data acquisition unit 112, an analysis data generation unit 113, a message control unit 114, an output unit 115, and a storage unit 120.
  • the emotion data acquisition unit 111 acquires emotion data from the emotion data generation device.
  • the emotion data generation device generates emotion data from the facial image data of the participants of the conference in the online conference, and supplies the generated emotion data to the analyzer 100.
  • the emotional data is data that is an index showing the emotions that the participants of the conference have.
  • Emotional data includes multiple items such as attention, confusion, happiness and surprise. That is, the emotion data shows how much the participants feel these emotions for each of the above items.
  • the emotion data acquired by the emotion data acquisition unit 111 includes time data.
  • the emotion data generation device generates emotion data every predetermined period (for example, 1 second).
  • the emotion data acquisition unit 111 acquires emotion data at predetermined time intervals according to the progress time of the meeting.
  • the emotion data acquisition unit 111 acquires the emotion data
  • the acquired emotion data is supplied to the analysis data generation unit 113.
  • the conference data acquisition unit 112 acquires conference data from the conference management device.
  • the conference management device is, for example, a server device to which each of the participants of the conference can communicate with each other.
  • the conference management device may be included in the conference terminal used by the participants of the conference.
  • the conference data is data related to a conference accompanied by time data. More specifically, the conference data includes the start time and end time of the conference.
  • the meeting data also includes the time of breaks taken during the meeting.
  • the conference data acquisition unit 112 acquires conference data including the attribute data of the conference.
  • the meeting attribute data may include information indicating the type of meeting, such as a webinar (also referred to as a webinar or online seminar), a regular meeting, or a brainstorming.
  • the attribute data of the conference may include information on the type of business and occupation of the company to which the participants of the conference belong.
  • the attribute data of the conference may include information regarding the agenda of the conference, the purpose of the conference, the name of the conference body, and the like.
  • the conference data acquisition unit 112 supplies the acquired conference data to the analysis data generation unit 113 and the message control unit 114.
  • the analysis data generation unit 113 generates analysis data for the conference from the received emotion data, the conference data, and the data indicating the chapter.
  • the analysis data is data derived from emotion data, and is data extracted or calculated from items showing a plurality of emotions.
  • Analytical data is preferably an indicator that is useful for running the conference.
  • the analytical data may include attention, empathy and comprehension of the conference.
  • the analytical data may include the degree of emotional communication of the speaker to the listeners of the conference.
  • the analysis data generation unit 113 generates analysis data corresponding to a plurality of preset analysis items.
  • the analyzer 100 can generate analytical data from a plurality of viewpoints for efficiently holding a conference.
  • the analysis data generation unit 113 may set the method of calculating the analysis data according to the attribute data received from the conference data acquisition unit 112. That is, in this case, the analysis data generation unit 113 selects the analysis data calculation method according to the attribute data received from the conference data acquisition unit 112. As a result, the analyzer 100 can calculate the analysis data according to the attributes of the conference. When the analysis data generation unit 113 generates the analysis data, the analysis data generation unit 113 supplies the generated analysis data to the message control unit 114.
  • the message control unit 114 receives the analysis data from the analysis data generation unit 113 and reads the message data 121 from the storage unit 120. Further, the message control unit 114 receives the conference data from the conference data acquisition unit 112. Then, the message control unit 114 selects a corresponding message from these received data and generates an analysis result including the selected message.
  • the analysis result includes at least the analysis data for the meeting and the message corresponding to the analysis data.
  • the message control unit 114 stores the analysis result in the storage unit 120 so that it can be output.
  • the output unit 115 outputs the analysis result stored in the storage unit 120 to the user terminal.
  • the user who uses the analyzer 100 can recognize what kind of feeling the participant had toward the content of the meeting, the statement of the presenter, and the like. Further, the user who uses the analyzer 100 can recognize what kind of action the user should take for the next meeting by perceiving the message or advice included in the analysis result. Therefore, the user can perceive matters to be noted for the meeting to be held after that from the received analysis data.
  • the storage unit 120 is a storage device including a non-volatile memory such as an SSD (Solid State Drive) or a flash memory.
  • the storage unit 120 has a message data 121 and an analysis result storage area 122.
  • the message data 121 is data in which the pattern of the message presented to the user and the conference data are associated with each other.
  • the analysis result storage area 122 is an area for storing the analysis result generated by the message control unit 114.
  • FIG. 2 is a flowchart showing the analysis method according to the first embodiment.
  • the flowchart shown in FIG. 2 starts, for example, when the analyzer 100 receives a signal indicating the start of a conference from the conference management device.
  • the emotion data acquisition unit 111 acquires emotion data from the emotion data generation device (step S11).
  • the emotion data acquisition unit 111 may acquire the generated emotion data each time the emotion data generation device generates the emotion data, or may collectively acquire the generated emotion data at a plurality of different times.
  • the conference data acquisition unit 112 acquires conference data related to the conference accompanied by time data (step S12).
  • the conference data acquisition unit 112 may receive the conference data at predetermined intervals (for example, one minute), or may sequentially receive the conference data when there is information to be updated. Further, the conference data acquisition unit 112 may receive the conference data after the conference is completed.
  • the analysis data generation unit 113 generates analysis data for the conference from the emotion data received from the emotion data acquisition unit 111 and the conference data received from the conference data acquisition unit 112 (step S13).
  • the message control unit 114 selects a message corresponding to the analysis data from the message data 121 of the storage unit 120 (step S14). Further, the message control unit 114 stores the analysis result including the selected message in the analysis result storage area 122 of the storage unit 120 (step S15).
  • steps S11 and S12 may be in any order. Further, step S11 and step S12 may be executed in parallel. Alternatively, step S11 and step S12 may be executed alternately at predetermined intervals.
  • the analyzer 100 acquires emotional data and conference data of participants in an online conference and generates analysis data for the conference. Then, the analyzer 100 selects a message corresponding to the analysis data and stores it so that it can be output. As a result, the user who uses the analyzer 100 can grasp the analysis result by the message corresponding to the analysis data in the online conference. Therefore, according to the present embodiment, it is possible to provide an analyzer, an analysis method, an analysis system and a program for effectively operating an online conference.
  • the analyzer 100 has a processor and a storage device as a configuration (not shown).
  • the storage device included in the analyzer 100 includes a storage device including a non-volatile memory such as a flash memory and an SSD.
  • the storage device included in the analyzer 100 stores a computer program (hereinafter, also simply referred to as a program) for executing the analysis method according to the present embodiment.
  • the processor also reads a computer program from the storage device into the memory and executes the program.
  • Each configuration of the analyzer 100 may be realized by dedicated hardware. Further, a part or all of each component may be realized by a general-purpose or dedicated circuitry, a processor, or a combination thereof. These may be composed of a single chip or may be composed of a plurality of chips connected via a bus. A part or all of each component of each device may be realized by the combination of the circuit or the like and the program described above. Further, as a processor, a CPU (Central Processing Unit), a GPU (Graphics Processing Unit), an FPGA (field-programmable gate array), or the like can be used.
  • a CPU Central Processing Unit
  • GPU Graphics Processing Unit
  • FPGA field-programmable gate array
  • each component of the analyzer 100 when a part or all of each component of the analyzer 100 is realized by a plurality of arithmetic units, circuits, etc., the plurality of arithmetic units, circuits, etc. may be centrally arranged or distributed. You may.
  • the arithmetic unit, the circuit, and the like may be realized as a form in which each is connected via a communication network, such as a client-server system and a cloud computing system.
  • the function of the analyzer 100 may be provided in the SaaS (Software as a Service) format.
  • FIG. 3 is a block diagram showing the configuration of the analysis system according to the second embodiment.
  • the analysis system 10 shown in FIG. 3 includes an analysis device 200 and an emotion data generation device 300.
  • the analyzer 200 and the emotion data generation device 300 are communicably connected to each other via the network N.
  • the analysis system 10 is communicably connected to the conference management device 400 via the network N.
  • the conference management device 400 connects to the conference terminal group 90 via the network N to operate an online conference.
  • the conference terminal group 90 includes a plurality of conference terminals (900A, 900B, ..., 900N) and a user terminal 990.
  • FIG. 4 is a block diagram showing the configuration of the analyzer 200 according to the second embodiment.
  • the analyzer 200 according to the second embodiment is different from the analyzer 100 according to the first embodiment in that it has a person identification unit 116 and a chapter generation unit 117.
  • each configuration of the analyzer 200 will be described including differences from the analyzer 100.
  • the emotion data acquisition unit 111 acquires emotion data indicating a plurality of indicators indicating the emotional state numerically.
  • the analysis data generation unit 113 generates analysis data by calculating statistical values of emotion data in a predetermined period.
  • the emotion data acquisition unit 111 can acquire emotion data including the identification information of the conference terminal. That is, in this case, the emotion data acquisition unit 111 can acquire the emotion data of each participant in a distinguishable manner. Therefore, the emotion data acquisition unit 111 can, for example, acquire the emotion data of the presenter and the emotion data of the non-presenter at the conference in a distinguishable manner.
  • the emotion data acquisition unit 111 can acquire emotion data accompanied by time data related to the meeting.
  • the emotion data acquisition unit 111 can acquire emotion data for generating analysis data for each chapter, for example, as will be described later.
  • the conference data acquisition unit 112 acquires conference data from the conference management device 400 that operates the conference.
  • the conference data acquisition unit 112 acquires conference data including conference attribute data. Further, the conference data acquisition unit 112 can acquire the facial image data of the participants from the conference management device 400. Further, the conference data acquisition unit 112 can acquire conference data including data for identifying a presenter in the conference.
  • the conference data acquisition unit 112 may acquire conference data including data related to screen sharing in the conference.
  • the conference data may include, for example, a switching time of the authority to operate the shared screen shared by the participants (owner of the shared screen) and a switching time of the utterances of the participants.
  • the conference data acquisition unit 112 may acquire conference data including screen data shared in the conference.
  • the conference data may include times such as page turning and changes in the displayed image in the shared screen. Further, the conference data may include what each of the above-mentioned times indicates.
  • the conference data acquisition unit 112 supplies the acquired face image data to the person identification unit 116.
  • the conference data acquisition unit 112 can acquire conference data accompanied by time data. By acquiring the conference data accompanied by the time data, the conference data acquisition unit 112 can acquire the conference data for generating the analysis data for each chapter, for example, as will be described later.
  • the analysis data generation unit 113 generates analysis data for the conference from the received emotion data and conference data. Further, the analysis data generation unit 113 can generate analysis data for the conference for each chapter from the data indicating the chapters received from the chapter generation unit 117.
  • the analysis data generation unit 113 can generate analysis data by distinguishing between presenters and non-presenters.
  • the analysis data generation unit 113 acquires the emotion data and the conference data so that the participants can be distinguished.
  • the conference data includes data indicating which participant the presenter at the conference is.
  • the analysis data generation unit 113 can generate the respective analysis data after distinguishing between the emotion data of the presenter and the emotion data of the non-presenter.
  • the analysis data generation unit 113 supplies the analysis data generated as described above to the message control unit 114.
  • the analysis data generation unit 113 can generate analysis data including a relative comparison result corresponding to the attribute data of the conference from the attribute data of the conference and the analysis history data 124 stored in the storage unit 120. That is, the analysis data generation unit 113 extracts the analysis data having the attribute data corresponding to the attribute data included in the conference data to be analyzed from the analysis history data 124, and generates a relative comparison result. The analysis data generation unit 113 may preferentially extract the latest data from the analysis history data 124. Further, the analysis data generation unit 113 may calculate the statistical value of the score of the analysis data in the corresponding attribute data from the analysis history data 124 and then make a relative comparison.
  • the analysis data generation unit 113 can generate analysis data for the conference for each chapter when the data indicating the chapter is generated for the conference. As a result, the analyzer 200 can generate analysis data for each chapter and provide a message corresponding to the generated analysis data.
  • the message control unit 114 can select a message based on the analysis items. For example, when the analysis data includes a score for each of the analysis items of attention, empathy, and comprehension, the message control unit 114 sets a message for the score of attention, a message for empathy, and a message for comprehension. Can be selected respectively. As a result, the analyzer 200 can provide a detailed message or advice to the user.
  • the message control unit 114 can select as a message advice for the analysis data to fall within the threshold range when the analysis data exceeds the preset threshold range.
  • the analysis data generation unit 113 generates a score of "understanding", which is an analysis item, by a numerical value between 0 and 100, and the larger the numerical value, the higher the understanding of the participants.
  • the message control unit 114 sets a threshold value 50 for the comprehension level. In this case, when the comprehension analysis data falls below 50, the message control unit 114 selects advice for making the score higher than 50 from the messages stored in the message data 121. For example, in this case, the message "Let's improve understanding" is stored in the message data 121, and the message control unit 114 selects this message.
  • the analyzer 200 can provide the user with advice for holding an effective meeting.
  • the message control unit 114 When the message control unit 114 receives the analysis data that distinguishes between the presenter and the non-presenter from the analysis data generation unit 113, the message control unit 114 generates an analysis result including a message for the presenter from the received analysis data, and this analysis result. Is stored in the storage unit 120. With such a configuration, the analyzer 200 selects a message for each of the presenter's analysis data and the non-presenter's analysis data. Therefore, the user can grasp the analysis data and the message from the viewpoints of the presenter and the non-presenter.
  • the message control unit 114 selects a message for each of the generated analysis data for each chapter. Thereby, the analyzer 200 can provide a message or advice for each chapter.
  • the person identification unit 116 may have a function of extracting the face feature information of the person related to the face image from the face image data and estimating the classification to which the person belongs according to the extracted information.
  • the classification to which a person belongs indicates the characteristics or attributes of the person, such as the age or gender of the person.
  • the person identification unit 116 uses the above-mentioned function to specify the division to which the participant belongs to the face image data received from the conference data acquisition unit 112.
  • the person identification unit 116 supplies data regarding the classification of the person to the analysis data generation unit 113.
  • the person identification unit 116 may specify the category to which the specified participant belongs by using the person attribute data 123 stored in the storage unit 120.
  • the person identification unit 116 associates the face feature information extracted from the face image with the person attribute data 123, and specifies the classification of the participants corresponding to the face feature information.
  • the classification of the participants is, for example, the corporation to which the participants belong, the department within the corporation, or the occupation of the participants.
  • the analyzer 200 can extract data that can be used for the analysis data while considering the privacy of the participants.
  • the person identification unit 116 may specify the person related to the face image from the face image data received from the conference data acquisition unit 112.
  • the person identification unit 116 associates the face feature information extracted from the face image with the person attribute data 123 stored in the storage unit 120, and identifies the participant corresponding to the face feature information.
  • the person identification unit 116 can identify each participant of the conference.
  • the analyzer 200 can generate analytical data associated with the identified participants. Therefore, the analyzer 200 can perform a detailed analysis on the specified participant.
  • the chapter generation unit 117 generates chapters for the conference from the conference data received from the conference data acquisition unit 112.
  • the chapter generation unit 117 detects, for example, the time from the start of the conference to the end of the conference, detects the time that matches the preset conditions, and generates data indicating the chapter with each time as a delimiter. do.
  • the chapters of a meeting in the present disclosure are defined by whether the state of meeting the predetermined conditions is maintained at the meeting or whether the predetermined conditions have changed.
  • the chapter generation unit 117 may generate chapters based on, for example, data related to screen sharing. More specifically, the chapter generation unit 117 may generate chapters according to the switching timing of screen sharing. Further, the chapter generation unit 117 may generate chapters according to the switching time of the owner of the shared screen related to screen sharing.
  • the chapter generation unit 117 supplies the data indicating the generated chapters to the analysis data generation unit 113.
  • the storage unit 120 is a storage device including a non-volatile memory such as an SSD or a flash memory.
  • the storage unit 120 stores the person attribute data 123 and the analysis history data 124 in addition to the message data 121 and the analysis result storage area 122.
  • the person attribute data 123 is data in which the face feature information of a person is associated with information related to the classification and attributes of the person.
  • Information on the classification and attributes of a person is, for example, the person's name, gender, age, occupation, corporation to which the person belongs, or department to which the person belongs, but is not limited thereto.
  • the analysis history data 124 is the analysis data related to the analysis performed in the past by the analysis device 200, that is, the analysis data generated in the past by the analysis data generation unit 113 of the analysis device 200.
  • the storage unit 120 stores, for example, a program for executing the analysis method according to the present embodiment.
  • FIG. 5 is a diagram showing an example of data processed by the analysis data generation unit.
  • FIG. 5 shows an input data group received by the analysis data generation unit 113 and an output data group output by the analysis data generation unit 113.
  • the analysis data generation unit 113 receives emotion data as an input data group from the emotion data generation device 300.
  • the input data group includes, for example, indicators of attention, confusion, contempt, disgust, fear, happiness, empathy, surprise, and presence. These indicators are, for example, indicated by numerical values from 0 to 100 for each indicator.
  • the index shown here indicates that, for example, the larger the value, the greater the reaction of the participant to the emotion.
  • the emotional data of the input data group may be acquired from the facial image data by using an existing video processing technique, or may be generated and acquired by another method.
  • the analysis data generation unit 113 When the analysis data generation unit 113 receives the above-mentioned input data group, it performs a preset process and generates an output data group using the input data group.
  • the output data group is data that the user who uses the analysis system 10 refers to in order to efficiently hold the conference.
  • the output data group includes, for example, attention, empathy and comprehension.
  • the analysis data generation unit 113 extracts a preset index from the input data group. Further, the analysis data generation unit 113 performs preset arithmetic processing on the value related to the extracted index. Then, the analysis data generation unit 113 generates the above-mentioned output data group.
  • the degree of attention shown as the output data group may be the same as or different from the degree of attention included in the input data group.
  • the sympathy shown as the output data group may be the same as or different from the sympathy included in the input data group.
  • FIG. 6 is a block diagram showing the configuration of the emotion data generation device according to the second embodiment.
  • the emotion data generation device 300 has a participant data acquisition unit 311, an emotion data generation unit 312, and an emotion data output unit 313 as main configurations.
  • Participant data acquisition unit 311 acquires data related to participants from the conference management device 400.
  • the data about the participants is the face image data of the participants taken by the conference terminal.
  • the emotion data generation unit 312 generates emotion data from the face image data received by the emotion data generation device 300.
  • the emotion data output unit 313 outputs the emotion data generated by the emotion data generation unit 312 to the analyzer 200 via the network N.
  • the emotion data generation device 300 generates emotion data by performing predetermined image processing on the face image data of the participants. Predetermined image processing includes, for example, extraction of feature points (or feature quantities), matching with reference data for the extracted feature points, convolution processing of image data, processing using machine-learned teacher data, and teacher data by deep learning. It is a process that utilizes.
  • the method by which the emotion data generation device 300 generates emotion data is not limited to the above-mentioned processing.
  • the emotional data may be a numerical value indicating emotions, or may include image data used when generating emotional data.
  • the data on the participants may include data for distinguishing the participants.
  • the data about the participants may include the identifier of the conference terminal that captured the face image data of the participants.
  • the emotion data generation unit 312 can generate emotion data in a state in which the participants can be distinguished.
  • the emotion data output unit 313 generates emotion data corresponding to the conference terminal so as to be distinguishable from each conference terminal, and supplies the emotion data to the emotion data acquisition unit 111.
  • the emotion data generation device 300 has a processor and a storage device as a configuration (not shown).
  • the storage device included in the emotion data generation device 300 stores a program for executing emotion data generation according to the present embodiment.
  • the processor also reads the program from the storage device into the memory and executes the program.
  • Each configuration of the emotion data generation device 300 may be realized by dedicated hardware. Further, a part or all of each component may be realized by a general-purpose or dedicated circuit, a processor, or a combination thereof. These may be composed of a single chip or may be composed of a plurality of chips connected via a bus. A part or all of each component of each device may be realized by the combination of the circuit or the like and the program described above. Further, as a processor, a CPU, GPU, FPGA or the like can be used.
  • each component of the emotion data generation device 300 when a part or all of each component of the emotion data generation device 300 is realized by a plurality of arithmetic units, circuits, etc., the plurality of arithmetic units, circuits, etc. may be centrally arranged or distributed. It may be arranged.
  • the arithmetic unit, the circuit, and the like may be realized as a form in which each is connected via a communication network, such as a client-server system and a cloud computing system.
  • the function of the emotion data generation device 300 may be provided in the SaaS format.
  • FIG. 7 is a flowchart showing the analysis method according to the second embodiment.
  • the process shown in FIG. 7 is different from the process according to the first embodiment in that the analysis data is output every time a new chapter is generated in the ongoing meeting.
  • the analyzer 200 determines whether or not the online conference has been started (step S21).
  • the analyzer 200 determines the start of the conference by receiving a signal from the conference management device 400 indicating that the conference has started. If it is not determined that the online conference has started (step S21: NO), the analyzer 200 repeats step S21. If it is determined that the online conference has started (step S21: YES), the analyzer 200 proceeds to step S22.
  • the emotion data acquisition unit 111 starts acquiring emotion data from the emotion data generation device (step S22).
  • the emotion data acquisition unit 111 may acquire the generated emotion data each time the emotion data generation device generates the emotion data, or may collectively acquire the generated emotion data at a plurality of different times.
  • the conference data acquisition unit 112 acquires conference data related to the conference accompanied by time data (step S23).
  • the conference data acquisition unit 112 may receive the conference data at predetermined intervals (for example, one minute), or may sequentially receive the conference data when there is information to be updated.
  • step S24 determines whether or not a new chapter can be generated from the received conference data. If it is not determined that a new chapter can be generated (step S24: NO), the analyzer 200 returns to step S22. On the other hand, when it is determined that a new chapter can be generated (step S24: YES), the analyzer 200 proceeds to step S25.
  • step S25 the chapter generation unit 117 generates a chapter from the conference data received from the conference data acquisition unit 112 (step S25).
  • the analysis data generation unit 113 includes emotion data received from the emotion data acquisition unit 111, conference data received from the conference data acquisition unit 112, data indicating chapters received from the chapter generation unit 117, and a person identification unit. From the data received from 116, analysis data for the newly generated chapter is generated (step S26).
  • the message control unit 114 selects a message corresponding to the analysis data from the message data 121 of the storage unit 120 (step S27). Further, the message control unit 114 stores the analysis result including the selected message in the analysis result storage area 122 of the storage unit 120 so that it can be output (step S28).
  • the analyzer 200 determines whether or not the conference has ended (step S29).
  • the analyzer 200 determines the end of the conference by receiving a signal from the conference management device 400 indicating that the conference has ended. If it is not determined that the meeting has ended (step S29: NO), the analyzer 200 returns to step S22 and continues the process. On the other hand, when it is determined that the online conference has ended (step S29: YES), the analyzer 200 ends a series of processes.
  • the analyzer 200 can generate analysis data for the generated chapter each time a new chapter is generated at an ongoing meeting, and can select a message corresponding to the generated analysis data.
  • the user who uses the analysis system 10 can effectively proceed with the conference by using the message or advice provided every time a new chapter is generated in the conference being held.
  • the user can use the message or advice provided each time a new chapter is generated at the ongoing meeting to facilitate smooth communication.
  • FIG. 8 is a diagram showing an example of analysis data.
  • FIG. 8 shows a graph G11 showing the analysis data in chronological order in the upper part. Further, the conference data G12 corresponding to the above time series is shown in the middle row. Further, in the lower part, the analysis data G13 for each chapter corresponding to the conference data is shown.
  • the horizontal axis shows the time and the vertical axis shows the score of the analysis data.
  • the left end is the time T10
  • the right end is the time T15.
  • Time T10 is the start time of the conference
  • time T15 is the end time of the conference.
  • Times T11, T12, T13 and T14 between time T10 and time T15 indicate times corresponding to chapters described later.
  • the first analysis data L11 shown by the solid line, the second analysis data L12 shown by the dotted line, and the third analysis data L13 shown by the two-dot chain line are plotted.
  • the first analysis data L11 indicates the degree of attention in the analysis data.
  • the second analysis data L12 shows the sympathy in the analysis data.
  • the third analysis data L13 shows the degree of understanding in the analysis data.
  • the data related to the shared screen of the conference and the data related to the presenter are shown in chronological order. That is, the data relating to the display screen indicates that the shared screen from the time T10 to the time T11 was the screen D1. Further, the data related to the display screen indicates that the shared screen from the time T11 to the time T12 was the screen D2.
  • the shared screen in the conference is screen D3 from time T12 to time T13, screen D4 from time T13 to time T14, and screen D5 from time T14 to time T15. It is shown that.
  • the data regarding the presenter indicates that the presenter W1 was from time T10 to time T12.
  • the data about the presenter shows that the presenter W2 was from time T12 to time T14, and the presenter W1 was again from time T14 to time T15.
  • the relationship between the shared screen and the presenter in the above-mentioned conference data G12 will be explained in chronological order.
  • the presenter W1 is proceeding with the conference from the time T10 to the time T12 when the conference is started, and the presenter W1 displays the screen D1 as a shared screen from the time T10 to the time T11. (That is, the screen D1 is shared).
  • the presenter W1 continued the presentation by switching the front screen from the screen D1 to the screen D2 from the time T11 to the time T12.
  • the presenter changed from presenter W1 to presenter W2.
  • the presenter W2 shared the screen D3 from the time T12 to the time T13, and shared the screen D4 from the time T13 to the time T14. From time T14 to time T15, the presenter W1 who was replaced by the presenter W2 shared the screen D5.
  • the conference data shown in FIG. 8 includes data on the period during which the screen data on the shared screen was displayed and data on who the presenter was.
  • the chapter generation unit 117 generates chapters according to the data related to the shared screen among the above-mentioned conference data.
  • the data indicating the chapter corresponding to the above-mentioned conference data and the analysis data corresponding to the chapter are shown in chronological order.
  • the data indicating the chapter corresponds to the data related to the shared screen in the conference data. That is, the first chapter C11 is from the time T10 to the time T11 when the screen D1 was shared. Similarly, the second chapter C12 is from the time T11 to the time T12 when the screen D2 was shared. The third chapter C13 is from the time T12 to the time T13 when the screen D3 was shared. The fourth chapter C14 is from the time T13 to the time T14 when the screen D4 was shared. The fifth chapter C15 is from the time T14 to the time T15 when the screen D5 was shared.
  • the analysis data G13 includes analysis data corresponding to each chapter.
  • the analytical data shows attention, empathy, comprehension and the total score.
  • the degree of attention is 65
  • the sympathy is 50
  • the degree of understanding is 43
  • the total score is shown as 158 as a total of these.
  • attention is shown as 61
  • empathy is 45
  • comprehension is 32
  • overall score is 138.
  • the above analysis data corresponds to the data plotted in the graph G11. That is, the analysis data shown as the analysis data G13 is an average value of the analysis data calculated for each predetermined period (for example, 1 minute) in the corresponding chapter period.
  • the chapter generation unit 117 sets the timing at which the shared screen is switched among the conference data to the chapter switching timing. Then, the analysis data generation unit 113 calculates the analysis data from the start of the meeting to the end of the meeting for each of the above-mentioned chapters. Thereby, the analysis system 10 can provide the analysis data for each displayed shared screen.
  • the analysis system 10 calculates and plots the analysis data at predetermined intervals as shown in the graph G11 described above. This allows the analysis system 10 to show detailed changes in the analysis data at the conference. However, instead of calculating as shown in the graph G11, the analysis data generation unit 113 first calculates the statistical value (for example, the average value) of the emotion data in the chapter after the chapter is completed, and then the analysis data. May be calculated. With such a configuration, the analysis system 10 can improve the processing speed of the analysis data.
  • the statistical value for example, the average value
  • the chapter generation unit 117 generated chapters according to the data related to the shared screen among the conference data in the conference data G12.
  • the chapter generation unit 117 may generate chapters at the timing when the presenter switches.
  • FIG. 9 is a diagram showing an example of message data.
  • the table shown in FIG. 9 shows the meeting type, analysis items, scores and messages, respectively.
  • the meeting type is an item included in the attribute data of the meeting and is for classifying the meeting into a preset type.
  • the message data 121 shown in FIG. 9 shows the items “seminar” and "problem countermeasure meeting” as the meeting type.
  • the meeting type may include, for example, "brainstorming", “kick-off meeting”, “regular meeting", “management meeting”, etc., but is not limited to the above-mentioned items.
  • the message data 121 stores the conference type, the analysis item, the score of the analysis item, and the message in association with each other.
  • the message control unit 114 collates the conference data received from the conference data acquisition unit 112 with the analysis data received from the analysis data generation unit 113 with the message data 121, and selects the corresponding message. Therefore, the analyzer 200 can provide the user with a message appropriately selected according to the attribute data of the conference, the score of the analysis data, and the like.
  • the message data 121 may employ, for example, the title of the conference, the organizer, the purpose of the conference, or the like as the attribute data of the conference.
  • FIG. 10 is a diagram showing a display example of the analysis result.
  • FIG. 10 shows the analysis result K10 generated by the message control unit 114.
  • the analysis result K10 is a screen configured to be displayable on the display device of the user terminal 990.
  • the analysis result K10 includes a first display unit K11, a second display unit K12, a third display unit K13, a fourth display unit K14, and a fifth display unit K15.
  • the first display unit K11 displays the conference type and the conference name.
  • the second display unit K12 displays the date and time of the conference and the presenter.
  • the data displayed on the first display K11 and the second display are included in the conference data received from the conference data acquisition unit 112.
  • the third display unit K13 displays the message selected by the message control unit 114.
  • “selection range: chapter # 1” is displayed on the third display unit K13. That is, the message displayed on the third display unit K13 in FIG. 10 is a message corresponding to chapter # 1 in the conference.
  • On the third display unit K13 as “analysis result message”, "attention is relatively high”, “empathy is medium”, and “understanding is lower than the previous time” is displayed. Further, on the third display unit K13, "Let's confirm the degree of understanding with the participants" is displayed as "advice for the future".
  • the analysis data in chapter # 1 is shown as a radar chart.
  • the analysis data of chapter # 1 is plotted by a solid line as the “current analysis data”.
  • the analysis data in the previous meeting is plotted by the dotted line as the "previous analysis data”.
  • the previous analysis data is analysis data in a similar conference type held in the past, and is data stored in the analysis history data 124.
  • the message control unit 114 utilizes the analysis history data 124 to make a relative comparison of the analysis data as a graph or a chart. As a result, the analyzer 200 can present data that is intuitively easy to understand.
  • the fifth display unit K15 shows the analysis data of the entire conference and the analysis data calculated for each chapter.
  • the chapter # 1 surrounded by the thick line is shown to have an attention level of 65, an empathy level of 50, and a comprehension level of 43.
  • These values correspond to the radar chart shown in the fourth display unit K14. Further, these values correspond to the messages and advices displayed on the third display unit K13.
  • the user selects an arbitrary chapter of the fifth display unit K15 or an area displayed as the whole, so that the third display unit K13 and the fourth display unit K13 and the fourth display unit K10 are displayed.
  • the contents of the unit K14 the data corresponding to the selected area is displayed.
  • the analyzer 200 can generate messages in various modes other than the above-mentioned contents.
  • the analyzer 200 may express the tendency of the analysis data as a color tone, and may include an image in such a color tone in the message.
  • the analysis system 10 may include a conference management device 400.
  • the analyzer 200, the emotion data generation device 300, and the conference management device 400 may exist separately, or a part or all of them may be integrated.
  • the function of the emotion data generation device 300 is configured as a program and may be included in the analysis device 200 or the conference management device 400.
  • Non-temporary computer-readable media include various types of tangible recording media.
  • Examples of non-temporary computer-readable media include magnetic recording media (eg, flexible disks, magnetic tapes, hard disk drives), magneto-optical recording media (eg, magneto-optical disks), CD-ROM (Read Only Memory) CD-R, CDs. -R / W, including semiconductor memory (for example, mask ROM, PROM (Programmable ROM), EPROM (Erasable PROM), flash ROM, RAM (RandomAccessMemory)).
  • the program may also be supplied to the computer by various types of temporary computer-readable media. Examples of temporary computer readable media include electrical, optical, and electromagnetic waves.
  • the temporary computer-readable medium can supply the program to the computer via a wired communication path such as an electric wire and an optical fiber, or a wireless communication path.
  • An emotion data acquisition means for acquiring the emotion data from an emotion data generator that generates emotion data from the facial image data of a conference participant in an online conference, and an emotion data acquisition means.
  • Analytical data generation means for generating analytical data for the conference based on the emotional data
  • a conference data acquisition means for acquiring conference data including the attribute data of the conference
  • a storage means for storing message data in which a message pattern presented to a user and the conference data are associated with each other
  • a message control means that selects the message based on the analysis data and the message data and stores the analysis result including the selected message in the storage means so that the analysis result can be output.
  • An analyzer equipped with An analyzer equipped with.
  • the analysis data generation means selects a calculation method of the analysis data based on the attribute data and generates the analysis data.
  • the analyzer according to Appendix 1. (Appendix 3) The analysis data generation means generates a plurality of preset analysis items and generates them.
  • the storage means stores message data set based on the plurality of analysis items, and stores the message data.
  • the message control means selects a message based on the analysis item for the conference.
  • the storage means further stores the analysis history data related to the analysis result generated in the past.
  • the analysis data generation means generates the analysis data including the relative comparison result of the conference corresponding to the attribute data based on the attribute data and the analysis history data.
  • the analyzer according to any one of Supplementary note 1 to 3. (Appendix 5)
  • the emotion data acquisition means can acquire the emotion data of the presenter and the emotion data of the non-presenter at the conference in a distinguishable manner.
  • the conference data acquisition means acquires the conference data including data for identifying a presenter at the conference.
  • the analysis data generation means distinguishes between the presenter and the non-presenter to generate the analysis data.
  • the message control means stores the analysis result including a message for the presenter in the storage means so as to be able to output based on the result of the distinction.
  • the analyzer according to any one of Supplementary note 1 to 4.
  • the conference data acquisition means acquires the face image data of the participant and obtains the face image data of the participant.
  • the person identification means identifies the category to which the participant belongs from the face image data, and then The analysis data generation means generates the analysis data in consideration of the classification.
  • the analyzer according to any one of Supplementary note 1 to 4.
  • the conference data acquisition means acquires the face image data of the participant and obtains the face image data of the participant.
  • the person identification means identifies the participant from the face image data and obtains the participant.
  • the analysis data generation means generates the analysis data of the participant related to the identification.
  • the analyzer according to any one of Supplementary note 1 to 4.
  • the message control means selects as the message advice for the analysis data to fall within the threshold range when the analysis data exceeds a preset threshold range.
  • the analyzer according to any one of Supplementary note 1 to 7.
  • the emotion data acquisition means acquires the emotion data accompanied by the time data related to the conference, and obtains the emotion data.
  • the conference data acquisition means further acquires conference data related to the conference accompanied by time data, and obtains the conference data.
  • the chapter generation means generates a chapter for the conference based on the conference data.
  • the analysis data generation means generates analysis data for the conference for each chapter.
  • the message control means selects the message for each chapter.
  • the analyzer according to any one of Supplementary Provisions 1 to 8. (Appendix 10)
  • the emotional data acquisition means acquires the emotional data in which a plurality of indicators indicating the emotional state are numerically indicated.
  • the analysis data generation means generates the analysis data by calculating statistical values of the emotion data in a predetermined period.
  • the analyzer according to any one of Supplementary note 1 to 9.
  • the analyzer according to any one of Supplementary note 1 to 10 and the analyzer.
  • An emotion data generator that generates emotion data of the participants and provides the emotion data to the analyzer. Analytical system with.
  • Processing to generate analysis data for the conference based on the emotion data The process of acquiring the conference data including the attribute data of the conference and Processing to store message data that associates the message pattern presented to the user with the conference data, and The process of selecting the message based on the analysis data and the message data, The process of storing the analysis results including the selected message so that they can be output, and A non-temporary computer-readable medium containing an analysis program that causes a computer to run.
  • Analysis system 90 Conference terminal group 100 Analyzer 111 Emotion data acquisition unit 112 Conference data acquisition unit 113 Analysis data generation unit 114 Message control unit 115 Output unit 116 Person identification unit 117 Chapter generation unit 120 Storage unit 121 Message data 122 Analysis result storage Area 123 Person attribute data 124 Analysis history data 200 Analysis device 300 Emotion data generation device 311 Participant data acquisition unit 312 Emotion data generation unit 313 Emotion data output unit 400 Conference management device 990 User terminal N network

Abstract

分析装置（１００）は、感情データ取得部（１１１）、分析データ生成部（１１３）、会議データ取得部（１１２）、記憶部（１２０）およびメッセージ制御部（１１４）を有する。感情データ取得部（１１１）は、オンライン会議における会議の参加者の顔画像データから感情データを生成する感情データ生成装置からの感情データを取得する。分析データ生成部（１１３）は、感情データに基づいて会議に対する分析データを生成する。会議データ取得部（１１２）は、会議の属性データを含む会議データを取得する。記憶部（１２０）は、ユーザに提示するメッセージのパターンと会議データとを紐付けたメッセージデータを記憶する。メッセージ制御部（１１４）は、分析データとメッセージデータとに基づいてメッセージを選択し、選択したメッセージを含む分析結果を出力可能に記憶部に記憶させる。

Description

分析装置、システム、方法及びプログラムが格納された非一時的なコンピュータ可読媒体
　本発明は分析装置、システム、方法及びプログラムに関する。
　オンラインでのビデオ会議（以下オンライン会議と称する）において、会議の状況や内容を評価する技術が提案されている。
　例えば、特許文献１に記載のシステムは、各出席者に係る画像を認識する画像認識部と、音声データにおける各発言の発言者を特定する音声認識部と、各出席者の音声データを発言の時系列でタイムラインとして出力するタイムライン管理部とを有する。またこのシステムは、例えば、会議中において各出席者による発言のテンポが落ちた状態からテンポが上がった状態に遷移した場合や、会議の状態が低調な状態から好調な状態に遷移したことを、検出する。そして、その遷移の間に発言した複数の出席者を特定し、特定された各出席者の発言内容にそれぞれ含まれるキーワードを所定の条件に基づいて重み付けして出席者毎にスコアリングし、各出席者の貢献度とする。
　また、特許文献２に記載の会議支援システムは、受信した映像データに基づいて出席者ごとの感情を判別する感情判別部と、受信した音声データに基づいて、出席者の発言の内容を示す発言テキストデータを生成するテキストデータ生成部と、を有する。また会議支援システムは、感情判別部による判別の結果を示す感情データおよび発言テキストデータに基づいて、出席者の発言の内容とその発言があったときの各出席者の感情とを記録した議事録データを生成する議事録生成部を有する。
特開２０１９－０６１５９４号公報 特開２００５－２７７４６２号公報
　上述の技術は、会議の発言内容等に基づいて会議の状況を判定するものである。しかしながら、評価の対象となる会議の属性により、評価の対象や判断基準等は変化する。
　本開示はこのような課題を鑑みてなされたものであり、オンライン会議を効果的に運営するための分析装置、分析方法、分析システムおよびプログラムを提供することを目的とする。
　本開示の１実施形態にかかる分析装置は、感情データ取得手段、分析データ生成手段、会議データ取得手段、記憶手段およびメッセージ制御手段を有する。感情データ取得手段は、オンライン会議における会議の参加者の顔画像データから感情データを生成する感情データ生成装置からの感情データを取得する。分析データ生成手段は、感情データに基づいて会議に対する分析データを生成する。会議データ取得手段は、会議の属性データを含む会議データを取得する。記憶手段は、ユーザに提示するメッセージのパターンと会議データとを紐付けたメッセージデータを記憶する。メッセージ制御手段は、分析データとメッセージデータとに基づいてメッセージを選択し、選択したメッセージを含む分析結果を出力可能に記憶部に記憶させる。
　本開示の１実施形態にかかる申請情報処理方法は、以下の方法をコンピュータが実行する。コンピュータは、オンライン会議における会議の参加者の顔画像データから感情データを生成する感情データ生成装置からの時刻データを伴う感情データを取得する。コンピュータは、感情データに基づいて会議に対する分析データを生成する。コンピュータは、会議の属性データを含む会議データを取得する。コンピュータは、ユーザに提示するメッセージのパターンと会議データとを紐付けたメッセージデータを記憶する。コンピュータは、分析データとメッセージデータとに基づいてメッセージを選択する。コンピュータは、選択したメッセージを含む分析結果を出力可能に記憶する。
　本開示の１実施形態にかかるプログラムは、コンピュータに、以下のステップを実行させるものである。コンピュータは、オンライン会議における会議の参加者の顔画像データから感情データを生成する感情データ生成装置からの時刻データを伴う感情データを取得する。コンピュータは、感情データに基づいて会議に対する分析データを生成する。コンピュータは、会議の属性データを含む会議データを取得する。コンピュータは、ユーザに提示するメッセージのパターンと会議データとを紐付けたメッセージデータを記憶する。コンピュータは、分析データとメッセージデータとに基づいてメッセージを選択する。コンピュータは、選択したメッセージを含む分析結果を出力可能に記憶する。
　本開示によれば、オンライン会議を効果的に運営するための分析装置、分析方法、分析システムおよびプログラムを提供することができる。
実施形態１にかかる分析装置の構成を示すブロック図である。 実施形態１にかかる分析方法を示すフローチャートである。 実施形態２にかかる分析システムの構成を示すブロック図である。 実施形態２にかかる分析装置の構成を示すブロック図である。 分析データ生成部が処理するデータの例を示す図である。 実施形態２にかかる感情データ生成装置の構成を示すブロック図である。 実施形態２にかかる分析方法を示すフローチャートである。 分析データの例を示す図である。 メッセージデータの例を示す図である。 分析結果の表示例を示す図である。
　以下では、本開示の実施形態について、図面を参照しながら詳細に説明する。各図面において、同一又は対応する要素には同一の符号が付されており、説明の明確化のため、必要に応じて重複説明は省略される。
　＜実施形態１＞
　図１を参照して実施形態１について説明する。図１は、実施形態１にかかる分析装置１００の構成を示すブロック図である。分析装置１００は、オンライン会議に参加する参加者の感情データを取得し、取得した感情データから当該オンライン会議にかかる分析データを生成して、生成した分析データを所定の端末等に出力する。
　なお、本実施形態にいて、オンライン会議とは、通信回線を介して互いに通信可能に接続された複数の会議端末を利用して開催される会議をいう。オンライン会議に接続する会議端末は、例えばパソコン、スマートフォン、タブレット端末、カメラ付き携帯電話等である。また会議端末は、参加者を撮影するカメラ、参加者の発話を収音するマイクおよび画像データや音声データを送受信する通信機能を有する装置であれば上記のものに限られない。また以降の説明においてオンライン会議を、単に「会議」と称する場合がある。
　本実施形態においてオンライン会議の参加者とは、会議端末を通じてオンライン会議に接続している人物を示すものであって、会議の主催者、会議の発表者、プレゼンタおよび会議の傍聴者を含む。例えば１つの会議端末を通じて複数の人物が会議に参加している場合には複数の人物それぞれが参加者である。本実施形態において参加者は会議端末が内蔵するまたは会議端末に接続されたカメラにより顔画像が撮影可能な状態で会議に参加するものとする。
　分析装置１００は、オンライン会議における参加者の感情データを生成する感情データ生成装置および会議を運営する会議運営装置と通信可能にそれぞれ接続する。また分析装置１００は、分析装置１００を利用するユーザが有する端末（ユーザ端末）と通信可能に接続する。分析装置１００は主な構成として、感情データ取得部１１１、会議データ取得部１１２、分析データ生成部１１３、メッセージ制御部１１４、出力部１１５および記憶部１２０を有する。
　感情データ取得部１１１は、感情データ生成装置から感情データを取得する。感情データ生成装置は、オンライン会議における会議の参加者の顔画像データから感情データを生成し、生成した感情データを分析装置１００に供給する。感情データは、会議の参加者がそれぞれ有する感情を示す指標となるデータである。
　感情データは、例えば、注目度、困惑度、幸福度および驚きなど複数の項目を含む。すなわち感情データは、上述のそれぞれの項目ごとに、参加者がどの程度これらの感情を感じているかを示すものである。感情データ取得部１１１が取得する感情データは、時刻データを伴う。感情データ生成装置は、所定期間（例えば１秒間）毎の感情データを生成する。感情データ取得部１１１は、会議の進行時刻に沿った所定時間ごとの感情データを取得する。感情データ取得部１１１は、感情データを取得すると、取得した感情データを、分析データ生成部１１３に供給する。
　会議データ取得部１１２は、会議運営装置から会議データを取得する。会議運営装置は、例えば会議の参加者のそれぞれが通信可能に接続するサーバ装置である。会議運営装置は、会議の参加者が利用する会議端末に含まれるものであってもよい。会議データは、時刻データを伴う会議に関するデータである。より具体的には、会議データは、会議の開始時刻および終了時刻を含む。また会議データは、会議中に取られた休憩の時刻を含む。
　会議データ取得部１１２は、会議の属性データを含む会議データを取得する。会議の属性データとは、例えば、ウェビナー（ウェブセミナーまたはオンラインセミナーとも称する）、定例ミーティング、またはブレーンストーミングなどの、会議の種別を示す情報を含み得る。また会議の属性データとは、会議の参加者が所属する会社の業種や職種に関する情報を含み得る。また会議の属性データは、会議の議題、会議の目的または会議体の名称等に関する情報を含み得る。会議データ取得部１１２は、取得した会議データを、分析データ生成部１１３およびメッセージ制御部１１４に供給する。
　分析データ生成部１１３は、受け取った感情データ、会議データおよびチャプタを示すデータから、会議に対する分析データを生成する。分析データは、感情データから導出されるデータであって、複数の感情を示す項目から抽出または算出されるデータである。分析データは、会議の運営に役立つような指標であることが好ましい。例えば分析データは、会議に対する注目度、共感度および理解度を含むものであってもよい。あるいは分析データは、会議の傍聴者に対する発言者の感情伝達度を含むものであってもよい。このように、分析データ生成部１１３は、予め設定された複数の分析項目に応じた分析データを生成する。これにより分析装置１００は、効率よく会議を行うための複数の観点から分析データを生成できる。
　なお、分析データ生成部１１３は、会議データ取得部１１２から受け取った属性データに応じて、分析データの算出の方法を設定するものであってもよい。すなわちこの場合、分析データ生成部１１３は、会議データ取得部１１２から受け取った属性データに応じて、分析データの算出方法を選択する。これにより、分析装置１００は、会議の属性に応じた分析データを算出できる。分析データ生成部１１３は、分析データを生成すると、生成した分析データをメッセージ制御部１１４に供給する。
　メッセージ制御部１１４は、分析データ生成部１１３から分析データを受け取ると共に、記憶部１２０からメッセージデータ１２１を読み取る。またメッセージ制御部１１４は、会議データ取得部１１２から会議データを受け取る。そしてメッセージ制御部１１４は、受け取ったこれらのデータから、対応するメッセージを選択し、選択したメッセージを含む分析結果を生成する。分析結果は、少なくとも、会議に対する分析データと当該分析データに対応するメッセージとを含む。メッセージ制御部１１４は、分析結果を出力可能に記憶部１２０に記憶させる。
　出力部１１５は、記憶部１２０に格納される分析結果をユーザ端末に出力する。分析装置１００を利用するユーザは、ユーザ端末が受け取った分析結果を知覚することにより、参加者が会議の内容またはプレゼンタの発言等に対してどのような感情を抱いていたかを認識できる。また分析装置１００を利用するユーザは、分析結果に含まれるメッセージまたはアドバイスを知覚することにより、ユーザが次の会議に向けてどのようなアクションを取れば良いかを認識できる。そのため、ユーザは、受け取った分析データから、その後に開催される会議に対して、留意すべき事項等を知覚し得る。
　記憶部１２０は、ＳＳＤ（Solid State Drive）またはフラッシュメモリ等の不揮発メモリを含む記憶装置である。記憶部１２０は、メッセージデータ１２１と分析結果格納領域１２２とを有する。メッセージデータ１２１は、ユーザに提示するメッセージのパターンと会議データとが紐づけられたデータである。分析結果格納領域１２２は、メッセージ制御部１１４が生成した分析結果を格納する領域である。
　次に、図２を参照して、実施形態１にかかる分析装置１００の処理について説明する。図２は、実施形態１にかかる分析方法を示すフローチャートである。図２に示すフローチャートは、例えば分析装置１００が会議運営装置から会議の開始を示す信号を受け取ることにより開始する。
　まず、感情データ取得部１１１は、感情データ生成装置から感情データを取得する（ステップＳ１１）。感情データ取得部１１１は、感情データ生成装置が感情データを生成する都度、生成された感情データを取得してもよいし、複数の異なる時刻における感情データをまとめて取得してもよい。
　次に、会議データ取得部１１２は、時刻データを伴う会議に関する会議データを取得する（ステップＳ１２）。会議データ取得部１１２はかかる会議データを、所定期間（例えば１分間）毎に受け取ってもよいし、会議データに更新すべき情報がある場合に逐次受け取ってもよい。また会議データ取得部１１２は会議データを、会議が終了した後に受け取ってもよい。
　次に、分析データ生成部１１３は、感情データ取得部１１１から受け取った感情データと、会議データ取得部１１２から受け取った会議データとから、会議に対する分析データを生成する（ステップＳ１３）。
　次に、メッセージ制御部１１４は、記憶部１２０のメッセージデータ１２１から分析データに対応するメッセージを選択する（ステップＳ１４）。さらに、メッセージ制御部１１４は、選択したメッセージを含む分析結果を出力可能に記憶部１２０の分析結果格納領域１２２に記憶させる（ステップＳ１５）。
　以上、分析装置１００が行う処理について説明した。なお、上述の処理のうち、ステップＳ１１とステップＳ１２とは、順序を問わない。またステップＳ１１とステップＳ１２とは平行して実行されてもよい。あるいは、ステップＳ１１とステップＳ１２とは、所定期間ごとに交互に実行されてもよい。
　以上、実施形態１について説明した。上述のとおり、実施形態１にかかる分析装置１００は、オンライン会議における参加者の感情データおよび会議データを取得し、会議に対する分析データを生成する。そして分析装置１００は、分析データに対応したメッセージを選択し、出力可能に記憶する。これにより分析装置１００を利用するユーザは、オンライン会議における分析データに対応するメッセージにより分析結果を把握できる。よって、本実施形態によれば、オンライン会議を効果的に運営するための分析装置、分析方法、分析システムおよびプログラムを提供することができる。
　尚、分析装置１００は、図示しない構成としてプロセッサ及び記憶装置を有するものである。分析装置１００が有する記憶装置は、フラッシュメモリやＳＳＤなどの不揮発性メモリを含む記憶装置を含む。分析装置１００が有する記憶装置には、本実施形態に係る分析方法を実行するためのコンピュータプログラム（以降、単にプログラムとも称する）が記憶されている。またプロセッサは、記憶装置からコンピュータプログラムをメモリへ読み込ませ、当該プログラムを実行する。
　分析装置１００が有する各構成は、それぞれが専用のハードウェアで実現されていてもよい。また、各構成要素の一部又は全部は、汎用または専用の回路（circuitry）、プロセッサ等やこれらの組合せによって実現されてもよい。これらは、単一のチップによって構成されてもよいし、バスを介して接続される複数のチップによって構成されてもよい。各装置の各構成要素の一部又は全部は、上述した回路等とプログラムとの組合せによって実現されてもよい。また、プロセッサとして、ＣＰＵ（Central Processing Unit）、ＧＰＵ（Graphics Processing Unit）、ＦＰＧＡ（field-programmable gate array）等を用いることができる。
　また、分析装置１００の各構成要素の一部又は全部が複数の演算装置や回路等により実現される場合には、複数の演算装置や回路等は、集中配置されてもよいし、分散配置されてもよい。例えば、演算装置や回路等は、クライアントサーバシステム、クラウドコンピューティングシステム等、各々が通信ネットワークを介して接続される形態として実現されてもよい。また、分析装置１００の機能がＳａａＳ（Software as a Service）形式で提供されてもよい。
　＜実施形態２＞
　次に、実施形態２について説明する。図３は、実施形態２にかかる分析システムの構成を示すブロック図である。図３に示す分析システム１０は、分析装置２００と感情データ生成装置３００とを含む。分析装置２００と感情データ生成装置３００とは、ネットワークＮを介して互いに通信可能に接続している。また分析システム１０は、ネットワークＮを介して会議運営装置４００と通信可能に接続している。会議運営装置４００は、ネットワークＮを介して会議端末群９０に接続してオンライン会議を運営する。会議端末群９０は、複数の会議端末（９００Ａ、９００Ｂ、・・・、９００Ｎ）およびユーザ端末９９０を含む。
　次に、図４を参照して実施形態２にかかる分析装置について説明する。図４は、実施形態２にかかる分析装置２００の構成を示すブロック図である。実施形態２にかかる分析装置２００は、人物特定部１１６およびチャプタ生成部１１７を有する点が、実施形態１にかかる分析装置１００と異なる。以下に、分析装置２００の各構成について、分析装置１００と異なる点を含めて説明する。
　本実施形態にかかる感情データ取得部１１１は、感情の状態を示す複数の指標を数値により示した感情データを取得する。分析データ生成部１１３は、感情データの所定期間における統計値を算出することにより、分析データを生成する。なお、感情データ取得部１１１は、会議端末の識別情報を含んだ感情データを取得し得る。すなわちこの場合、感情データ取得部１１１は、参加者それぞれの感情データを区別可能に取得し得る。したがって、感情データ取得部１１１は例えば、会議における発表者の感情データと非発表者の感情データとを区別可能に取得できる。
　また感情データ取得部１１１は、会議に関する時刻データを伴う感情データを取得し得る。会場データが時刻データを伴うことにより、感情データ取得部１１１は、後述するように、例えばチャプタごとの分析データを生成するための感情データを取得できる。
　会議データ取得部１１２は、会議を運営する会議運営装置４００から会議データを取得する。会議データ取得部１１２は、会議の属性データを含む会議データを取得する。また会議データ取得部１１２は、会議運営装置４００から参加者の顔画像データを取得し得る。さらに会議データ取得部１１２は、会議における発表者を特定するためのデータを含む会議データを取得し得る。
　会議データ取得部１１２は、会議における画面共有に関するデータを含む会議データを取得するものであってもよい。この場合、会議データは、例えば参加者に共有される共有画面を操作する権限（共有画面のオーナー）の切替え時刻や、参加者の発話の切替え時刻を含み得る。会議データ取得部１１２は、会議において共有された画面データを含む会議データを取得するものであってもよい。この場合、会議データは、共有画面中のページ送りや表示画像の変化などの時刻を含み得る。さらに会議データは、上述した時刻が、それぞれ何を示すものであるかを含み得る。会議データ取得部１１２は取得した顔画像データを人物特定部１１６に供給する。
　また会議データ取得部１１２は、時刻データを伴う会議データを取得し得る。時刻データを伴う会議データを取得することにより、会議データ取得部１１２は、後述するように、例えばチャプタごとの分析データを生成するための会議データを取得できる。
　分析データ生成部１１３は、受け取った感情データ、会議データから、会議に対する分析データを生成する。また分析データ生成部１１３は、チャプタ生成部１１７から受け取ったチャプタを示すデータから、会議に対する分析データをチャプタごとに生成し得る。
　また分析データ生成部１１３は、発表者と非発表者とを区別して分析データを生成し得る。この場合、分析データ生成部１１３は、参加者を区別可能に感情データと会議データとを取得する。このとき会議データは、会議における発表者がどの参加者であるかを示すデータを含む。これにより分析データ生成部１１３は、発表者の感情データと非発表者の感情データとを区別したうえでそれぞれの分析データを生成できる。分析データ生成部１１３は、上述のように生成した分析データを、メッセージ制御部１１４に供給する。
　また分析データ生成部１１３は、会議の属性データと記憶部１２０が記憶する分析履歴データ１２４とから、会議の属性データに対応した相対比較結果を含む分析データを生成できる。すなわち、分析データ生成部１１３は、分析にかかる会議データに含まれる属性データに対応する属性データを有する分析データを、分析履歴データ１２４から抽出し、相対比較結果を生成する。なお、分析データ生成部１１３は、分析履歴データ１２４から直近のデータを優先的に抽出してもよい。また分析データ生成部１１３は、分析履歴データ１２４から対応する属性データにおける分析データのスコアの統計値を算出したうえで相対比較してもよい。
　また分析データ生成部１１３は、会議に対してチャプタを示すデータが生成されている場合には、チャプタごとに会議に対する分析データを生成しうる。これにより、分析装置２００は、チャプタごとの分析データを生成し、生成した分析データに対応したメッセージを提供できる。
　メッセージ制御部１１４は、分析データ生成部１１３から受け取った分析データに、複数の分析項目が含まれている場合、分析項目に基づいたメッセージを選択できる。例えば分析データに、注目度、共感度および理解度という分析項目それぞれに対するスコアが含まれる場合、メッセージ制御部１１４は、注目度のスコアに対するメッセージと、共感度に対するメッセージと、理解度に対するメッセージと、をそれぞれ選択できる。これにより分析装置２００はユーザに対してきめ細かいメッセージないしアドバイスを提供できる。
　メッセージ制御部１１４は、分析データが予め設定された閾値の範囲を越えた場合に、分析データが閾値の範囲内に入るためのアドバイスをメッセージとして選択できる。例えば、分析データ生成部１１３が分析項目である「理解度」のスコアをゼロから１００の間の数値により生成するものであって、数値が大きい程、参加者の理解度が高いものとする。またメッセージ制御部１１４は、理解度に対して閾値５０を設定しているものとする。この場合、メッセージ制御部１１４は、理解度の分析データが５０を下回ると、メッセージデータ１２１に記憶されているメッセージから、スコアを５０より高くするためのアドバイスを選択する。例えばこの場合、メッセージデータ１２１には、「理解度を高めましょう」というメッセージが記憶されており、メッセージ制御部１１４はこのメッセージを選択する。このような構成により、分析装置２００は、ユーザに対して効果的な会議を行うためのアドバイスを提供できる。
　メッセージ制御部１１４は、分析データ生成部１１３から発表者と非発表者とを区別した分析データを受け取った場合、受け取った分析データから、発表者に対するメッセージを含む分析結果を生成し、この分析結果を記憶部１２０に記憶させる。このような構成により、分析装置２００は、発表者の分析データと非発表者の分析データとのそれぞれに対するメッセージを選択する。そのためユーザは、発表者と非発表者とのそれぞれの観点における分析データおよびメッセージを把握できる。
　またメッセージ制御部１１４は、チャプタごとに分析データが生成されている場合には、生成されているチャプタごとの分析データのそれぞれに対してメッセージを選択する。これにより、分析装置２００は、チャプタごとのメッセージないしアドバイスを提供できる。
　人物特定部１１６は、顔画像データから顔画像にかかる人物の顔特徴情報を抽出し、抽出した情報に応じて、人物の属する区分を推定する機能を有し得る。人物の属する区分とは、例えば人物の年齢または性別など、人物の特徴ないし属性を示すものである。人物特定部１１６は、上述の機能を使って、会議データ取得部１１２から受け取った顔画像データにかかる参加者が属する区分を特定する。人物特定部１１６は、人物の区分に関するデータを、分析データ生成部１１３に供給する。
　また人物特定部１１６は、記憶部１２０が記憶する人物属性データ１２３を利用して、特定した参加者が属する区分を特定してもよい。この場合、人物特定部１１６は、顔画像から抽出した顔特徴情報と、人物属性データ１２３とを紐づけ、顔特徴情報に対応する参加者の区分を特定する。この場合における参加者の区分は、例えば参加者の所属する法人、当該法人内の部署または参加者の職種などである。このような構成により、分析装置２００は、参加者のプライバシーに配慮しつつ、分析データに利用可能なデータを抽出できる。
　また人物特定部１１６は、会議データ取得部１１２から受け取った顔画像データから顔画像にかかる人物を特定するものであってもよい。この場合、人物特定部１１６は、顔画像から抽出した顔特徴情報と、記憶部１２０が記憶する人物属性データ１２３とを紐づけ、顔特徴情報に対応する参加者を特定する。これにより人物特定部１１６は会議の参加者それぞれを特定できる。会議の参加者を特定することにより、分析装置２００は特定された参加者に紐づいた分析データを生成できる。よって、分析装置２００は、特定した参加者における詳細な分析を行うことができる。
　チャプタ生成部１１７は、会議データ取得部１１２から受け取った会議データから、会議に対するチャプタを生成する。チャプタ生成部１１７は、例えば会議の開始から会議の終了までの時刻を検出し、さらに、予め設定された条件に合致する時刻を検出して、それぞれの時刻を区切りとして、チャプタを示すデータを生成する。本開示における会議のチャプタは、会議において所定の条件に合致する状態が維持されているか、あるいは所定の条件が変化したかにより定義される。チャプタ生成部１１７は、例えば画面共有に関するデータに基づいてチャプタを生成してもよい。より具体的には、チャプタ生成部１１７は、画面共有の切替えタイミングに応じてチャプタを生成してもよい。またチャプタ生成部１１７は、画面共有にかかる共有画面のオーナーの切替え時刻に応じてチャプタを生成してもよい。チャプタ生成部１１７は、生成したチャプタを示すデータを、分析データ生成部１１３に供給する。
　記憶部１２０は、ＳＳＤまたはフラッシュメモリ等の不揮発メモリを含む記憶装置である。記憶部１２０は、メッセージデータ１２１および分析結果格納領域１２２に加えて、人物属性データ１２３および分析履歴データ１２４を記憶する。
　人物属性データ１２３は、人物の顔特徴情報と、人物の区分や属性に関する情報とが紐づけられたデータである。人物の区分や属性に関する情報とは、例えば人物の氏名、性別、年齢、職種、所属する法人または所属する部署であるが、これらに限定されない。
　分析履歴データ１２４は、分析装置２００が過去に実行した分析にかかる分析データ、すなわち分析装置２００の分析データ生成部１１３が過去に生成した分析データである。なお、記憶部１２０は、上述のデータの他に、例えば本実施形態にかかる分析方法を実行させるためのプログラムなどを記憶する。
　図５を参照して、分析データ生成部１１３についてさらに説明する。図５は、分析データ生成部が処理するデータの例を示す図である。図５は、分析データ生成部１１３が受け取る入力データ群と、分析データ生成部１１３が出力する出力データ群とが示されている。分析データ生成部１１３は、感情データ生成装置３００から、入力データ群としての感情データを受け取る。入力データ群は例えば、注目度、困惑度、軽蔑度、嫌悪感、恐怖感、幸福度、共感度、驚き、および存在感に関するそれぞれの指標を含む。これらの指標は例えばそれぞれの指標が０から１００までの数値により示される。ここで示す指標は、例えば値が大きい程その感情に対する参加者の反応が大きいことを示している。入力データ群の感情データは、顔画像データから既存の映像処理技術を用いて生成されたものが取得されてもよく、その他の方法により生成、取得されてもよい。
　分析データ生成部１１３は、上述の入力データ群を受け取ると、予め設定された処理を行い、入力データ群を用いて出力データ群を生成する。出力データ群は、分析システム１０を利用するユーザが会議を効率良く行うために参照するデータである。出力データ群は例えば、注目度、共感度および理解度を含む。分析データ生成部１１３は、入力データ群から予め設定された指標を抽出する。また分析データ生成部１１３は、抽出した指標にかかる値に対して予め設定された演算処理を行う。そして分析データ生成部１１３は、上述の出力データ群を生成する。なお、出力データ群として示す注目度は、入力データ群に含まれる注目度と同じものであってもよいし、異なるものであってもよい。同様に、出力データ群として示す共感度は、入力データ群に含まれる共感度と同じものであってもよいし、異なるものであってもよい。
　次に、図６を参照して感情データ生成装置３００について説明する。図６は、実施形態２にかかる感情データ生成装置の構成を示すブロック図である。感情データ生成装置３００は、主な構成として、参加者データ取得部３１１、感情データ生成部３１２および感情データ出力部３１３を有している。
　参加者データ取得部３１１は、会議運営装置４００から参加者に関するデータを取得する。参加者に関するデータとは、会議端末が撮影した参加者の顔画像データである。感情データ生成部３１２は、感情データ生成装置３００が受け取った顔画像データから感情データを生成する。感情データ出力部３１３は、感情データ生成部３１２が生成した感情データを、ネットワークＮを介して分析装置２００に出力する。なお、感情データ生成装置３００は、参加者の顔画像データに対して所定の画像処理を施すことにより感情データを生成する。所定の画像処理とは例えば、特徴点（または特徴量）の抽出、抽出した特徴点に対する参照データとの照合、画像データの畳み込み処理および機械学習した教師データを利用した処理、ディープラーニングによる教師データを活用した処理等である。ただし、感情データ生成装置３００が感情データを生成する手法は、上述の処理に限られない。感情データは、感情を示す指標である数値であってもよいし、感情データを生成する際に利用した画像データを含むものであってもよい。
　なお、参加者に関するデータには、参加者を区別するためのデータが含まれていてもよい。例えば、参加者に関するデータには、参加者の顔画像データを撮影した会議端末の識別子が含まれていてもよい。これにより、感情データ生成部３１２は、参加者を区別可能な状態で感情データ生成できる。そして感情データ出力部３１３は、会議端末に対応する感情データを、会議端末それぞれを区別可能に生成して感情データ取得部１１１に供給する。
　尚、感情データ生成装置３００は、図示しない構成としてプロセッサ及び記憶装置を有するものである。感情データ生成装置３００が有する記憶装置には、本実施形態に係る感情データ生成を実行するためのプログラムが記憶されている。またプロセッサは、記憶装置からプログラムをメモリへ読み込ませ、当該プログラムを実行する。
　感情データ生成装置３００が有する各構成は、それぞれが専用のハードウェアで実現されていてもよい。また、各構成要素の一部又は全部は、汎用または専用の回路、プロセッサ等やこれらの組合せによって実現されてもよい。これらは、単一のチップによって構成されてもよいし、バスを介して接続される複数のチップによって構成されてもよい。各装置の各構成要素の一部又は全部は、上述した回路等とプログラムとの組合せによって実現されてもよい。また、プロセッサとして、ＣＰＵ、ＧＰＵ、ＦＰＧＡ等を用いることができる。
　また、感情データ生成装置３００の各構成要素の一部又は全部が複数の演算装置や回路等により実現される場合には、複数の演算装置や回路等は、集中配置されてもよいし、分散配置されてもよい。例えば、演算装置や回路等は、クライアントサーバシステム、クラウドコンピューティングシステム等、各々が通信ネットワークを介して接続される形態として実現されてもよい。また、感情データ生成装置３００の機能がＳａａＳ形式で提供されてもよい。
　次に、図７を参照して分析装置２００が実行する処理について説明する。図７は、実施形態２にかかる分析方法を示すフローチャートである。図７に示す処理は、開催中の会議において、新たなチャプタが生成される度に分析データを出力する点において、実施形態１にかかる処理と異なる。
　まず、分析装置２００は、オンライン会議が開始されたか否かを判定する（ステップＳ２１）。分析装置２００は、会議運営装置４００から会議が開始されたことを示す信号を受け取ることにより、会議の開始を判定する。オンライン会議が開始されたと判定しない場合（ステップＳ２１：ＮＯ）、分析装置２００は、ステップＳ２１を繰り返す。オンライン会議が開始されたと判定した場合（ステップＳ２１：ＹＥＳ）、分析装置２００は、ステップＳ２２に進む。
　ステップＳ２２において、感情データ取得部１１１は、感情データ生成装置から感情データの取得を開始する（ステップＳ２２）。感情データ取得部１１１は、感情データ生成装置が感情データを生成する都度、生成された感情データを取得してもよいし、複数の異なる時刻における感情データをまとめて取得してもよい。
　次に、会議データ取得部１１２は、時刻データを伴う会議に関する会議データを取得する（ステップＳ２３）。会議データ取得部１１２はかかる会議データを、所定期間（例えば１分間）毎に受け取ってもよいし、会議データに更新すべき情報がある場合に逐次受け取ってもよい。
　次に、分析装置２００は、受け取った会議データから新しいチャプタを生成可能か否かについて判定する（ステップＳ２４）。新しいチャプタを生成可能と判定しない場合（ステップＳ２４：ＮＯ）、分析装置２００は、ステップＳ２２に戻る。一方、新しいチャプタを生成可能と判定した場合（ステップＳ２４：ＹＥＳ）、分析装置２００は、ステップＳ２５に進む。
　ステップＳ２５において、チャプタ生成部１１７は、会議データ取得部１１２から受け取った会議データからチャプタを生成する（ステップＳ２５）。
　次に、分析データ生成部１１３は、感情データ取得部１１１から受け取った感情データと、会議データ取得部１１２から受け取った会議データと、チャプタ生成部１１７から受け取ったチャプタを示すデータと、人物特定部１１６から受け取ったデータとから、新しく生成したチャプタに対する分析データを生成する（ステップＳ２６）。
　次に、メッセージ制御部１１４は、記憶部１２０のメッセージデータ１２１から分析データに対応するメッセージを選択する（ステップＳ２７）。さらに、メッセージ制御部１１４は、選択したメッセージを含む分析結果を出力可能に記憶部１２０の分析結果格納領域１２２に記憶させる（ステップＳ２８）。
　次に、分析装置２００は、会議が終了したか否かを判定する（ステップＳ２９）。分析装置２００は、会議運営装置４００から会議が終了したことを示す信号を受け取ることにより、会議の終了を判定する。会議が終了したと判定しない場合（ステップＳ２９：ＮＯ）、分析装置２００は、ステップＳ２２に戻り、処理を続ける。一方、オンライン会議が終了したと判定した場合（ステップＳ２９：ＹＥＳ）、分析装置２００は、一連の処理を終了する。
　以上、実施形態２にかかる分析装置２００の処理について説明した。上述のフローチャートによれば、分析装置２００は、開催中の会議において、新しいチャプタが生成される度に生成されたチャプタに対する分析データを生成し、生成した分析データに対応したメッセージを選択できる。これにより、分析システム１０を利用するユーザは、開催中の会議において、新しいチャプタが生成される度に提供されるメッセージないしアドバイスを利用して会議を効果的に進めることができる。あるいは、ユーザは、開催中の会議において、新しいチャプタが生成される度に提供されるメッセージないしアドバイスを利用して、円滑なコミュニケーションを図ることができる。
　次に、図８を参照して、分析データ生成部１１３が生成する分析データの例について説明する。図８は、分析データの例を示す図である。図８は、上段において分析データを時系列に沿って示したグラフＧ１１が示されている。また中段において上記時系列に対応した会議データＧ１２が示されている。さらに、下段において、上記会議データに対応したチャプタごとの分析データＧ１３が示されている。
　グラフＧ１１は、横軸が時間を示し、縦軸が分析データのスコアを示している。横軸は左端が時刻Ｔ１０であり、右に進むほど時間が経過し、右端が時刻Ｔ１５となっている。時刻Ｔ１０は、会議の開始時刻であり、時刻Ｔ１５は会議の終了時刻である。時刻Ｔ１０と時刻Ｔ１５の間の時刻Ｔ１１、Ｔ１２、Ｔ１３およびＴ１４は、後述するチャプタに対応する時刻を示している。
　またグラフＧ１１は、実線により示された第１分析データＬ１１と、点線により示された第２分析データＬ１２と、二点鎖線により示された第３分析データＬ１３とがプロットされている。第１分析データＬ１１は、分析データの内の、注目度を示している。第２分析データＬ１２は、分析データの内の共感度を示している。第３分析データＬ１３は、分析データの内の理解度を示している。
　会議データＧ１２は、会議の共有画面に関するデータと、発表者（プレゼンタ）に関するデータとが時系列に沿って示されている。すなわち、表示画面に関するデータには、時刻Ｔ１０から時刻Ｔ１１までの共有画面が画面Ｄ１であったことが示されている。また表示画面に関するデータには、時刻Ｔ１１から時刻Ｔ１２までの共有画面が画面Ｄ２であったことが示されている。以下同様に、会議データＧ１２によれば、会議における共有画面は、時刻Ｔ１２から時刻Ｔ１３までが画面Ｄ３、時刻Ｔ１３から時刻Ｔ１４までが画面Ｄ４、そして時刻Ｔ１４から時刻Ｔ１５までが画面Ｄ５であったことが示されている。
　また会議データＧ１２において、発表者に関するデータには、時刻Ｔ１０から時刻Ｔ１２までが発表者Ｗ１であったことが示されている。同様に、発表者に関するデータには、時刻Ｔ１２から時刻Ｔ１４までが発表者Ｗ２、そして時刻Ｔ１４から時刻Ｔ１５までが再び発表者Ｗ１であったことが示されている。
　上述の会議データＧ１２における共有画面と発表者との関係について、時系列に沿って説明する。会議が開始された時刻Ｔ１０から時刻Ｔ１２までの間は、発表者Ｗ１が会議の進行を行っており、時刻Ｔ１０から時刻Ｔ１１までの間、発表者Ｗ１は共有画面として画面Ｄ１を共有画面として表示（すなわち画面Ｄ１を共有）させていた。次に発表者Ｗ１は、時刻Ｔ１１から時刻Ｔ１２までの間、表有画面を画面Ｄ１から画面Ｄ２に切り替えて発表を続けた。次に、時刻Ｔ１２に、発表者が発表者Ｗ１から発表者Ｗ２に交代した。発表者Ｗ２は、時刻Ｔ１２から時刻Ｔ１３までの間、画面Ｄ３を共有させ、時刻Ｔ１３から時刻Ｔ１４までの間は、画面Ｄ４を共有させた。時刻Ｔ１４から時刻Ｔ１５までの間は、発表者Ｗ２から交代した発表者Ｗ１が、画面Ｄ５を共有させていた。
　以上、会議データＧ１２における共有画面と発表者との関係について、時系列に沿って説明した。上述のように、図８に示す会議データは、共有画面における画面データが表示されていた期間についてのデータと、発表者が誰であったかについてのデータが含まれる。チャプタ生成部１１７は、上述の会議データの内、共有画面に関するデータに応じてチャプタを生成している。
　分析データＧ１３は、上述の会議データに対応するチャプタを示すデータと、チャプタに対応する分析データとが時系列に沿って示されている。図８に示す例において、チャプタを示すデータは、会議データの内の共有画面に関するデータに対応している。すなわち、第１チャプタＣ１１は、画面Ｄ１が共有されていた時刻Ｔ１０から時刻Ｔ１１である。同様に、第２チャプタＣ１２は、画面Ｄ２が共有されていた時刻Ｔ１１から時刻Ｔ１２である。第３チャプタＣ１３は、画面Ｄ３が共有されていた時刻Ｔ１２から時刻Ｔ１３である。第４チャプタＣ１４は、画面Ｄ４が共有されていた時刻Ｔ１３から時刻Ｔ１４である。第５チャプタＣ１５は、画面Ｄ５が共有されていた時刻Ｔ１４から時刻Ｔ１５である。
　図８に示すように、分析データＧ１３には、それぞれのチャプタに対応する分析データが含まれる。分析データは、注目度、共感度、理解度およびこれらを合計した総合スコアが示されている。分析データＧ１３において、例えば、チャプタＣ１１に対応する分析データとして、注目度が６５、共感度が５０、理解度が４３と示されている。また総合スコアはこれらの合計として１５８と示されている。同様に、例えばチャプタＣ１２に対応する分析データとして、注目度が６１、共感度が４５、理解度が３２そして総合スコアが１３８と示されている。
　上記分析データは、グラフＧ１１においてそれぞれプロットされているデータに対応したものである。すなわち、分析データＧ１３として示されている分析データは、対応するチャプタの期間において所定期間（例えば１分間）毎に算出された分析データの平均値である。
　以上、分析データの例について説明した。図８に示す例において、チャプタ生成部１１７は、会議データのうち共有画面が切り替わるタイミングを、チャプタの切替えタイミングに設定している。そして分析データ生成部１１３は、会議の開始から会議の終了までの間の分析データを、上述のチャプタごとに算出する。これにより、分析システム１０は、表示されている共有画面ごとの分析データを提供できる。
　図８に示した例において、分析システム１０は、上述のグラフＧ１１に示すように、分析データを所定期間毎に算出してプロットしている。これことにより、分析システム１０は、会議における分析データの詳細な変化を示すことができる。ただし、分析データ生成部１１３は、グラフＧ１１に示すように算出するのに代えて、チャプタが終了した後に、まず当該チャプタにおける感情データの統計値（例えば平均値）を算出し、その後に分析データを算出してもよい。このような構成により、分析システム１０は、分析データの処理速度を向上させることができる。
　なお、上述の例において、チャプタ生成部１１７は、会議データＧ１２における会議データの内、共有画面に関するデータに応じてチャプタを生成していた。しかしチャプタ生成部１１７は、発表者が切り替わるタイミングによりチャプタを生成してもよい。
　次に図９を参照して、メッセージデータ１２１について説明する。図９は、メッセージデータの例を示す図である。図９に示す表は、会議種別、分析項目、スコアおよびメッセージがそれぞれ示されている。
　会議種別は、会議の属性データに含まれる項目であって、会議を予め設定された種別に分類するためのものである。図９に示すメッセージデータ１２１は会議種別として、「セミナー」および「問題対策会議」という項目が示されている。会議種別はこの他に、例えば、「ブレーンストーミング」、「キックオフミーティング」、「定例会議」、「経営会議」などが含まれていてもよいが、上述の項目に限られない。
　図９に示すメッセージデータ１２１は、「セミナー」に対応する分析項目として、「注目度」および「共感度」が示されている。これは、会議種別がセミナーとして分類される会議において、分析データに含まれる分析項目のうち、「注目度」と「共感度」に着目してメッセージを選択することを示している。
　図９に示す表において、「注目度」の右側にはスコア「５０－１００」およびスコア「０－４９」が示されている。またそれぞれのスコアの右側には対応するメッセージとして、「注目を集めていました」および「注目を集めましょう」が示されている。これらは、会議種別「セミナー」において、分析項目である「注目度」のスコアが「５０から１００」の場合に、メッセージとして「注目を集めていました」を選択可能であることを示している。同様に、会議種別「セミナー」において、分析項目である「注目度」のスコアが「０から４９」の場合に、メッセージとして「注目を集めましょう」を選択可能であることを示している。
　また図９に示す表において、「セミナー」の分析項目として、「発表者の共感度」および「非発表者の共感度」が示されている。また「発表者の共感度」に対応するスコアには「０－４０」が示され、さらにメッセージとして「発表者の笑顔を増やしましょう」と示されている。また「非発表者の共感度」に対応するスコアには「０－３０」が示され、さらにメッセージとして「聴衆の笑顔を増やしましょう」と示されている。
　さらに、会議種別「セミナー」の下の欄には、「問題対策会議」が示されている。問題対策会議に対応する分析項目には、「共感度」と「理解度」とが示されている。問題対策会議における共感度に対応するスコアは「０－４０」が示され、対応するメッセージには「共感度が低いようです」と示されている。また理解度に対応するスコアは「３６－６０」が示され、対応するメッセージには「参加者へ理解度の確認をしましょう」と示されている。
　以上、図９に示す例において、メッセージデータ１２１は、会議種別、分析項目、分析項目のスコアおよびメッセージをそれぞれ紐づけて記憶している。メッセージ制御部１１４は、会議データ取得部１１２から受け取った会議データと、分析データ生成部１１３から受け取った分析データと、メッセージデータ１２１とを照合して、対応するメッセージを選択する。よって、分析装置２００は、会議の属性データや分析データのスコア等に応じて、適宜選択されるメッセージをユーザに提供できる。なお、メッセージデータ１２１は、会議の属性データとして、会議種別の他に、例えば会議の題名、主催者または会議の目的等を採用してもよい。
　次に、図１０を参照して、分析結果の例について説明する。図１０は、分析結果の表示例を示す図である。図１０は、メッセージ制御部１１４が生成した分析結果Ｋ１０が示されている。分析結果Ｋ１０は、ユーザ端末９９０が有する表示装置に表示可能に構成された画面である。分析結果Ｋ１０は、第１表示部Ｋ１１、第２表示部Ｋ１２、第３表示部Ｋ１３、第４表示部Ｋ１４および第５表示部Ｋ１５を含む。
　第１表示部Ｋ１１は、会議種別および会議名称が表示される。第２表示部Ｋ１２は、会議の開催日時および発表者が表示される。第１表示Ｋ１１および第２表示に表示されるデータは、会議データ取得部１１２から受け取った会議データに含まれるものである。
　第３表示部Ｋ１３は、メッセージ制御部１１４が選択したメッセージが表示される。図１０において、第３表示部Ｋ１３には、「選択範囲：チャプタ＃１」と表示されている。すなわち図１０において第３表示部Ｋ１３に表示されているメッセージは、会議におけるチャプタ＃１に対応したメッセージとなっている。第３表示部Ｋ１３には、「分析結果メッセージ」として、「注目度は比較的高いです」「共感度は中程度です」「理解度は前回より低いです」と表示されている。また第３表示部Ｋ１３には、「今後へ向けてのアドバイス」として「参加者へ理解度の確認をしましょう」と表示されている。
　第４表示部Ｋ１４は、チャプタ＃１における分析データが、レーダーチャートとして示されている。第４表示部Ｋ１４に示すレーダーチャートは、「今回の分析データ」として実線によりチャプタ＃１の分析データがプロットされている。また第４表示部Ｋ１４に示すレーダーチャートは、「前回の分析データ」として、点線により前回の会議における分析データがプロットされている。前回の分析データは、過去に開催された類似の会議種別における分析データであって、分析履歴データ１２４に記憶されているデータである。図に示すように、メッセージ制御部１１４は、分析履歴データ１２４を利用して、分析データをグラフまたはチャートとして相対比較する。これにより分析装置２００は、直感的に理解しやすいデータを示すことが出来る。
　第５表示部Ｋ１５は、会議全体の分析データおよびチャプタごとに算出された分析データを示している。第５表示部Ｋ１５において、太線により囲まれているチャプタ＃１は、注目度が６５、共感度が５０、そして理解度が４３と示されている。これらの値と、第４表示部Ｋ１４に示したレーダーチャートとは対応している。またこれらの値と、第３表示部Ｋ１３において表示されているメッセージおよびアドバイスとは、対応している。
　なお、分析結果Ｋ１０がユーザ端末９９０に表示された場合において、例えばユーザが第５表示部Ｋ１５の任意のチャプタまたは全体と表示された領域を選択することで、第３表示部Ｋ１３および第４表示部Ｋ１４の内容は選択された領域に対応したデータが表示される。
　以上、分析結果の例について説明した。分析装置２００は、上述の内容の他にも様々な態様のメッセージを生成できる。例えば、分析装置２００は、分析データの傾向を色調として表現し、かかる色調によるイメージをメッセージに含んでも良い。
　以上、実施形態２について説明したが、実施形態２にかかる分析システム１０は上述の構成に限られない。例えば、分析システム１０は、会議運営装置４００を含んでもよい。その場合、分析装置２００、感情データ生成装置３００および会議運営装置４００は、それぞれ別個に存在してもよいし、これらのうち一部または全部が一体となった構成であってもよい。また例えば感情データ生成装置３００が有する機能は、プログラムとして構成されており、分析装置２００または会議運営装置４００に含まれるものであってもよい。
　なお、上述したプログラムは、様々なタイプの非一時的なコンピュータ可読媒体を用いて格納され、コンピュータに供給することができる。非一時的なコンピュータ可読媒体は、様々なタイプの実体のある記録媒体を含む。非一時的なコンピュータ可読媒体の例は、磁気記録媒体（例えばフレキシブルディスク、磁気テープ、ハードディスクドライブ）、光磁気記録媒体（例えば光磁気ディスク）、ＣＤ－ＲＯＭ（Read Only Memory）ＣＤ－Ｒ、ＣＤ－Ｒ／Ｗ、半導体メモリ（例えば、マスクＲＯＭ、ＰＲＯＭ（Programmable ROM）、ＥＰＲＯＭ（Erasable PROM）、フラッシュＲＯＭ、ＲＡＭ（Random Access Memory））を含む。また、プログラムは、様々なタイプの一時的なコンピュータ可読媒体によってコンピュータに供給されてもよい。一時的なコンピュータ可読媒体の例は、電気信号、光信号、及び電磁波を含む。一時的なコンピュータ可読媒体は、電線及び光ファイバ等の有線通信路、又は無線通信路を介して、プログラムをコンピュータに供給できる。
　なお、本発明は上記実施形態に限られたものではなく、趣旨を逸脱しない範囲で適宜変更することが可能である。
　上記の実施形態の一部又は全部は、以下の付記のようにも記載され得るが、以下には限られない。
（付記１）
　オンライン会議における会議の参加者の顔画像データから感情データを生成する感情データ生成装置からの前記感情データを取得する感情データ取得手段と、
　前記感情データに基づいて前記会議に対する分析データを生成する分析データ生成手段と、
　前記会議の属性データを含む会議データを取得する会議データ取得手段と、
　ユーザに提示するメッセージのパターンと前記会議データとを紐付けたメッセージデータを記憶する記憶手段と、
　前記分析データと前記メッセージデータとに基づいて前記メッセージを選択し、選択したメッセージを含む分析結果を出力可能に前記記憶手段に記憶させるメッセージ制御手段と、
を備える分析装置。
（付記２）
　前記分析データ生成手段は、前記属性データに基づいて前記分析データの算出方法を選択して前記分析データを生成する、
付記１に記載の分析装置。
（付記３）
　前記分析データ生成手段は、予め設定された複数の分析項目を生成し、
　前記記憶手段は、前記複数の分析項目に基づいて設定されたメッセージデータを記憶し、
　前記メッセージ制御手段は、前記会議に対して前記分析項目に基づいたメッセージを選択する、
付記１または２に記載の分析装置。
（付記４）
　前記記憶手段は、過去に生成した前記分析結果にかかる分析履歴データをさらに記憶し、
　前記分析データ生成手段は、前記属性データと前記分析履歴データとに基づいて前記属性データに対応した前記会議の相対比較結果を含む前記分析データを生成する、
付記１～３のいずれか一項に記載の分析装置。
（付記５）
　前記感情データ取得手段は、前記会議における発表者の前記感情データと非発表者の前記感情データとを区別可能に取得し、
　前記会議データ取得手段は、前記会議における発表者を特定するためのデータを含む前記会議データを取得し、
　前記分析データ生成手段は前記発表者と前記非発表者とを区別して前記分析データを生成し、
　前記メッセージ制御手段は、前記区別の結果に基づいて前記発表者に対するメッセージを含む前記分析結果を出力可能に前記記憶手段に記憶させる、
付記１～４のいずれか一項に記載の分析装置。
（付記６）
　顔画像データに基づいて人物を特定する人物特定手段をさらに備え、
　前記会議データ取得手段は、前記参加者の顔画像データを取得し、
　前記人物特定手段は、前記顔画像データから前記参加者が属する区分を特定し、
　前記分析データ生成手段は、前記区分を加味して前記分析データを生成する、
付記１～４のいずれか一項に記載の分析装置。
（付記７）
　顔画像データに基づいて人物を特定する人物特定手段をさらに備え、
　前記会議データ取得手段は、前記参加者の顔画像データを取得し、
　前記人物特定手段は、前記顔画像データから前記参加者を特定し、
　前記分析データ生成手段は、前記特定にかかる前記参加者の前記分析データを生成する、
付記１～４のいずれか一項に記載の分析装置。
（付記８）
　前記メッセージ制御手段は、前記分析データが予め設定された閾値の範囲を越えた場合に、前記分析データが前記閾値の範囲内に入るためのアドバイスを前記メッセージとして選択する、
付記１～７のいずれか一項に記載の分析装置。
（付記９）
　前記会議に対してチャプタを生成するチャプタ生成手段をさらに備え、
　前記感情データ取得手段は、前記会議に関する時刻データを伴う前記感情データを取得し、
　会議データ取得手段は、時刻データを伴う前記会議に関する会議データをさらに取得し、
　前記チャプタ生成手段は、前記会議データに基づいて前記会議に対してチャプタを生成し、
　前記分析データ生成手段は、前記チャプタごとに前記会議に対する分析データを生成し、
　前記メッセージ制御手段は、前記チャプタごとに前記メッセージを選択する、
付記１～８のいずれか一項に記載の分析装置。
（付記１０）
　前記感情データ取得手段は、感情の状態を示す複数の指標を数値により示した前記感情データを取得し、
　前記分析データ生成手段は、前記感情データの所定期間における統計値を算出することにより、前記分析データを生成する、
付記１～９のいずれか一項に記載の分析装置。
（付記１１）
　付記１～１０のいずれか一項に記載の分析装置と、
　前記参加者の感情データを生成して前記分析装置に前記感情データを提供する感情データ生成装置と、
を備える
分析システム。
（付記１２）
　コンピュータが、
　オンライン会議における会議の参加者の顔画像データから感情データを生成する感情データ生成装置からの時刻データを伴う前記感情データを取得し、
　前記感情データに基づいて前記会議に対する分析データを生成し、
　前記会議の属性データを含む会議データを取得し、
　ユーザに提示するメッセージのパターンと前記会議データとを紐付けたメッセージデータを記憶し、
　前記分析データと前記メッセージデータとに基づいて前記メッセージを選択し、
　選択したメッセージを含む分析結果を出力可能に記憶する、
分析方法。
（付記１３）
　オンライン会議における会議の参加者の顔画像データから感情データを生成する感情データ生成装置からの時刻データを伴う前記感情データを取得する処理と、
　前記感情データに基づいて前記会議に対する分析データを生成する処理と、
　前記会議の属性データを含む会議データを取得する処理と、
　ユーザに提示するメッセージのパターンと前記会議データとを紐付けたメッセージデータを記憶する処理と、
　前記分析データと前記メッセージデータとに基づいて前記メッセージを選択する処理と、
　選択したメッセージを含む分析結果を出力可能に記憶する処理と、
をコンピュータに実行させる分析プログラムが格納された非一時的なコンピュータ可読媒体。
　１０　分析システム
　９０　会議端末群
　１００　分析装置
　１１１　感情データ取得部
　１１２　会議データ取得部
　１１３　分析データ生成部
　１１４　メッセージ制御部
　１１５　出力部
　１１６　人物特定部
　１１７　チャプタ生成部
　１２０　記憶部
　１２１　メッセージデータ
　１２２　分析結果格納領域
　１２３　人物属性データ
　１２４　分析履歴データ
　２００　分析装置
　３００　感情データ生成装置
　３１１　参加者データ取得部
　３１２　感情データ生成部
　３１３　感情データ出力部
　４００　会議運営装置
　９９０　ユーザ端末
　Ｎ　ネットワーク

Claims (13)

  1. 　オンライン会議における会議の参加者の顔画像データから感情データを生成する感情データ生成装置からの前記感情データを取得する感情データ取得手段と、
    　前記感情データに基づいて前記会議に対する分析データを生成する分析データ生成手段と、
    　前記会議の属性データを含む会議データを取得する会議データ取得手段と、
    　ユーザに提示するメッセージのパターンと前記会議データとを紐付けたメッセージデータを記憶する記憶手段と、
    　前記分析データと前記メッセージデータとに基づいて前記メッセージを選択し、選択したメッセージを含む分析結果を出力可能に前記記憶手段に記憶させるメッセージ制御手段と、
    を備える分析装置。
  2. 　前記分析データ生成手段は、前記属性データに基づいて前記分析データの算出方法を選択して前記分析データを生成する、
    請求項１に記載の分析装置。
  3. 　前記分析データ生成手段は、予め設定された複数の分析項目を生成し、
    　前記記憶手段は、前記複数の分析項目に基づいて設定されたメッセージデータを記憶し、
    　前記メッセージ制御手段は、前記会議に対して前記分析項目に基づいたメッセージを選択する、
    請求項１または２に記載の分析装置。
  4. 　前記記憶手段は、過去に生成した前記分析結果にかかる分析履歴データをさらに記憶し、
    　前記分析データ生成手段は、前記属性データと前記分析履歴データとに基づいて前記属性データに対応した前記会議の相対比較結果を含む前記分析データを生成する、
    請求項１～３のいずれか一項に記載の分析装置。
  5. 　前記感情データ取得手段は、前記会議における発表者の前記感情データと非発表者の前記感情データとを区別可能に取得し、
    　前記会議データ取得手段は、前記会議における発表者を特定するためのデータを含む前記会議データを取得し、
    　前記分析データ生成手段は前記発表者と前記非発表者とを区別して前記分析データを生成し、
    　前記メッセージ制御手段は、前記区別の結果に基づいて前記発表者に対するメッセージを含む前記分析結果を出力可能に前記記憶手段に記憶させる、
    請求項１～４のいずれか一項に記載の分析装置。
  6. 　顔画像データに基づいて人物を特定する人物特定手段をさらに備え、
    　前記会議データ取得手段は、前記参加者の顔画像データを取得し、
    　前記人物特定手段は、前記顔画像データから前記参加者が属する区分を特定し、
    　前記分析データ生成手段は、前記区分を加味して前記分析データを生成する、
    請求項１～４のいずれか一項に記載の分析装置。
  7. 　顔画像データに基づいて人物を特定する人物特定手段をさらに備え、
    　前記会議データ取得手段は、前記参加者の顔画像データを取得し、
    　前記人物特定手段は、前記顔画像データから前記参加者を特定し、
    　前記分析データ生成手段は、前記特定にかかる前記参加者の前記分析データを生成する、
    請求項１～４のいずれか一項に記載の分析装置。
  8. 　前記メッセージ制御手段は、前記分析データが予め設定された閾値の範囲を越えた場合に、前記分析データが前記閾値の範囲内に入るためのアドバイスを前記メッセージとして選択する、
    請求項１～７のいずれか一項に記載の分析装置。
  9. 　前記会議に対してチャプタを生成するチャプタ生成手段をさらに備え、
    　前記感情データ取得手段は、前記会議に関する時刻データを伴う前記感情データを取得し、
    　会議データ取得手段は、時刻データを伴う前記会議に関する会議データをさらに取得し、
    　前記チャプタ生成手段は、前記会議データに基づいて前記会議に対してチャプタを生成し、
    　前記分析データ生成手段は、前記チャプタごとに前記会議に対する分析データを生成し、
    　前記メッセージ制御手段は、前記チャプタごとに前記メッセージを選択する、
    請求項１～８のいずれか一項に記載の分析装置。
  10. 　前記感情データ取得手段は、感情の状態を示す複数の指標を数値により示した前記感情データを取得し、
    　前記分析データ生成手段は、前記感情データの所定期間における統計値を算出することにより、前記分析データを生成する、
    請求項１～９のいずれか一項に記載の分析装置。
  11. 　請求項１～１０のいずれか一項に記載の分析装置と、
    　前記参加者の感情データを生成して前記分析装置に前記感情データを提供する感情データ生成装置と、
    を備える
    分析システム。
  12. 　コンピュータが、
    　オンライン会議における会議の参加者の顔画像データから感情データを生成する感情データ生成装置からの時刻データを伴う前記感情データを取得し、
    　前記感情データに基づいて前記会議に対する分析データを生成し、
    　前記会議の属性データを含む会議データを取得し、
    　ユーザに提示するメッセージのパターンと前記会議データとを紐付けたメッセージデータを記憶し、
    　前記分析データと前記メッセージデータとに基づいて前記メッセージを選択し、
    　選択したメッセージを含む分析結果を出力可能に記憶する、
    分析方法。
  13. 　オンライン会議における会議の参加者の顔画像データから感情データを生成する感情データ生成装置からの時刻データを伴う前記感情データを取得する処理と、
    　前記感情データに基づいて前記会議に対する分析データを生成する処理と、
    　前記会議の属性データを含む会議データを取得する処理と、
    　ユーザに提示するメッセージのパターンと前記会議データとを紐付けたメッセージデータを記憶する処理と、
    　前記分析データと前記メッセージデータとに基づいて前記メッセージを選択する処理と、
    　選択したメッセージを含む分析結果を出力可能に記憶する処理と、
    をコンピュータに実行させる分析プログラムが格納された非一時的なコンピュータ可読媒体。
PCT/JP2020/038513 2020-10-12 2020-10-12 分析装置、システム、方法及びプログラムが格納された非一時的なコンピュータ可読媒体 WO2022079768A1 (ja)

Priority Applications (3)

Application Number Priority Date Filing Date Title
US18/030,692 US20230377369A1 (en) 2020-10-12 2020-10-12 Analysis apparatus, analysis method, and non-transitory computer readable medium storing program
JP2022557240A JP7468689B2 (ja) 2020-10-12 2020-10-12 分析装置、分析方法及び分析プログラム
PCT/JP2020/038513 WO2022079768A1 (ja) 2020-10-12 2020-10-12 分析装置、システム、方法及びプログラムが格納された非一時的なコンピュータ可読媒体

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2020/038513 WO2022079768A1 (ja) 2020-10-12 2020-10-12 分析装置、システム、方法及びプログラムが格納された非一時的なコンピュータ可読媒体

Publications (1)

Publication Number Publication Date
WO2022079768A1 true WO2022079768A1 (ja) 2022-04-21

Family

ID=81207800

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2020/038513 WO2022079768A1 (ja) 2020-10-12 2020-10-12 分析装置、システム、方法及びプログラムが格納された非一時的なコンピュータ可読媒体

Country Status (3)

Country Link
US (1) US20230377369A1 (ja)
JP (1) JP7468689B2 (ja)
WO (1) WO2022079768A1 (ja)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2014511620A (ja) * 2011-02-27 2014-05-15 アフェクティヴァ，インコーポレイテッド 感情に基づく映像推薦
JP2019061594A (ja) * 2017-09-28 2019-04-18 株式会社野村総合研究所 会議支援システムおよび会議支援プログラム
JP2020005030A (ja) * 2018-06-25 2020-01-09 シャープ株式会社 情報処理装置、情報処理方法及びプログラム
JP2020048149A (ja) * 2018-09-21 2020-03-26 ヤマハ株式会社 画像処理装置、カメラ装置、および画像処理方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2014511620A (ja) * 2011-02-27 2014-05-15 アフェクティヴァ，インコーポレイテッド 感情に基づく映像推薦
JP2019061594A (ja) * 2017-09-28 2019-04-18 株式会社野村総合研究所 会議支援システムおよび会議支援プログラム
JP2020005030A (ja) * 2018-06-25 2020-01-09 シャープ株式会社 情報処理装置、情報処理方法及びプログラム
JP2020048149A (ja) * 2018-09-21 2020-03-26 ヤマハ株式会社 画像処理装置、カメラ装置、および画像処理方法

Also Published As

Publication number Publication date
JP7468689B2 (ja) 2024-04-16
US20230377369A1 (en) 2023-11-23
JPWO2022079768A1 (ja) 2022-04-21

Similar Documents

Publication Publication Date Title
Han et al. From hard to soft: Towards more human-like emotion recognition by modelling the perception uncertainty
US10706873B2 (en) Real-time speaker state analytics platform
JP2019148852A (ja) 理解度判定システムおよび理解度判定プログラム
Kim et al. Automatic detection of conflict escalation in spoken conversations.
JP2019045978A (ja) 対話制御装置、学習装置、対話制御方法、学習方法、制御プログラム、および、記録媒体
JP2018005011A (ja) プレゼンテーション支援装置、プレゼンテーション支援システム、プレゼンテーション支援方法及びプレゼンテーション支援プログラム
WO2022079768A1 (ja) 分析装置、システム、方法及びプログラムが格納された非一時的なコンピュータ可読媒体
US20230093298A1 (en) Voice conference apparatus, voice conference system and voice conference method
WO2022079773A1 (ja) 分析装置、システム、方法及びプログラムが格納された非一時的なコンピュータ可読媒体
US11318373B2 (en) Natural speech data generation systems and methods
JP7468690B2 (ja) 分析装置、分析方法、および分析プログラム
WO2022079774A1 (ja) 分析装置、分析システム、分析方法、およびプログラムが格納された非一時的なコンピュータ可読媒体
WO2022079767A1 (ja) 分析装置、システム、方法及びプログラムが格納された非一時的なコンピュータ可読媒体
JP2021072497A (ja) 分析装置及びプログラム
US20240105072A1 (en) Analysis apparatus, analysis method, and non-transitory computer-readable medium
JP7313518B1 (ja) 評価方法、評価装置、および、評価プログラム
JP2019148849A (ja) 理解度判定システムおよび理解度判定プログラム
JP6651985B2 (ja) 雑談検出装置、画像表示システム、雑談検出方法及び雑談検出プログラム
JP7465012B2 (ja) ビデオミーティング評価端末、ビデオミーティング評価システム及びビデオミーティング評価プログラム
JP7465013B2 (ja) ビデオミーティング評価端末、ビデオミーティング評価システム及びビデオミーティング評価プログラム
de Andrade et al. Edge emotion recognition: applying fast Fourier transform on speech Mel spectrograms to classify emotion on a Raspberry Pi for near real-time analytics
US20240029474A1 (en) Person evaluation information generation method
JP7471683B2 (ja) 反応通知システム
US20220198293A1 (en) Systems and methods for evaluation of interpersonal interactions to predict real world performance
WO2022269802A1 (ja) 動画像分析システム

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 20957597

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2022557240

Country of ref document: JP

Kind code of ref document: A

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 20957597

Country of ref document: EP

Kind code of ref document: A1