特許ウォッチ

公開番号2024130681
公報種別公開特許公報(A)
公開日2024-09-30
出願番号2023040541
出願日2023-03-15
発明の名称マスク処理方法、マスク処理装置、およびプログラム
出願人ヤマハ株式会社
代理人弁理士法人楓国際特許事務所
主分類G10K 11/175 20060101AFI20240920BHJP(楽器;音響)
要約【課題】イベントの非参加者の音声または顔画像を適切にマスクすることができるマスク処理方法を提供する。
【解決手段】マスク処理方法は、予め過去のイベントに参加した参加者を示す第1参加者情報と顔画像との対応、または前記第1参加者情報と音声との対応を蓄積し、現在のイベントに参加する参加者を示す第2参加者情報を受け付けて、カメラで撮影された顔画像またはマイクで取得した音声を含むセンサ信号を受け付けて、前記対応に基づいて前記第2参加者情報および前記センサ信号を対比することで、前記センサ信号に含まれる前記顔画像または前記音声に対して参加者および非参加者を判定し、前記センサ信号のうち前記非参加者に対応するセンサ信号にマスク処理を行う。
【選択図】図3
特許請求の範囲【請求項１】
予め過去のイベントに参加した参加者を示す第１参加者情報と顔画像との対応、または前記第１参加者情報と音声との対応を蓄積し、
現在のイベントに参加する参加者を示す第２参加者情報を受け付けて、
カメラで撮影された顔画像またはマイクで取得した音声を含むセンサ信号を受け付けて、
前記対応に基づいて前記第２参加者情報および前記センサ信号を対比することで、前記センサ信号に含まれる前記顔画像または前記音声に対して参加者および非参加者を判定し、
前記センサ信号のうち前記非参加者に対応するセンサ信号にマスク処理を行う、
マスク処理方法。
続きを表示（約 1,300 文字）【請求項２】
前記対応は、第１参加者情報と顔画像との対応、および前記第１参加者情報と音声との対応を含み、
前記センサ信号は、顔画像および音声を含み、
前記マスク処理は、前記非参加者に対応する顔画像のセンサ信号、および前記非参加者に対応する音声のセンサ信号に対して行われる、
請求項１に記載のマスク処理方法。
【請求項３】
前記マスク処理は、前記センサ信号に含まれる前記非参加者の顔画像にエフェクト処理を施すことを含む、
請求項１または請求項２に記載のマスク処理方法。
【請求項４】
前記マスク処理は、前記マイクの指向性を制御する処理を含み、前記非参加者の方向に前記マイクの指向性を向けないように設定する、
請求項１または請求項２に記載のマスク処理方法。
【請求項５】
前記マスク処理は、前記センサ信号に含まれる前記非参加者の音声にマスキング音を重畳する、またはマスキング音に置換する処理を含む、
請求項１または請求項２に記載のマスク処理方法。
【請求項６】
前記判定は、前記センサ信号に含まれる顔画像または音声に一致する前記第１参加者情報の顔画像または音声がある場合に、対応する前記第２参加者情報を参加者とし、
前記センサ信号に含まれる顔画像または音声に一致しない前記第２参加者情報を非参加者とする、
請求項１または請求項２に記載のマスク処理方法。
【請求項７】
前記判定は、前記センサ信号を変数として入力し、前記第２参加者情報を対応として出力する所定の関数を前記対応に基づいて適応させた適応推定器を用いて行われる、
請求項６に記載のマスク処理方法。
【請求項８】
前記判定は、第１参加者情報と顔画像との対応、または前記第１参加者情報と音声との対応を入力とし、前記センサ信号と前記第２参加者情報との対応を出力として訓練された訓練済モデルを用いて行われる、
請求項１または請求項２に記載のマスク処理方法。
【請求項９】
予め過去のイベントに参加した参加者を示す第１参加者情報と顔画像との対応、または前記第１参加者情報と音声との対応を蓄積し、
現在のイベントに参加する参加者を示す第２参加者情報を受け付けて、
カメラで撮影された顔画像またはマイクで取得した音声を含むセンサ信号を受け付けて、
前記対応に基づいて前記第２参加者情報および前記センサ信号を対比することで、前記センサ信号に含まれる前記顔画像または前記音声に対して参加者および非参加者を判定し、
前記センサ信号のうち前記非参加者に対応するセンサ信号にマスク処理を行う、
プロセッサを備えたマスク処理装置。
【請求項１０】
前記対応は、第１参加者情報と顔画像との対応、および前記第１参加者情報と音声との対応を含み、
前記センサ信号は、顔画像および音声を含み、
前記マスク処理は、前記非参加者に対応する顔画像のセンサ信号、および前記非参加者に対応する音声のセンサ信号に対して行われる、
請求項９に記載のマスク処理装置。
（【請求項１１】以降は省略されています）
発明の詳細な説明【技術分野】
【０００１】
本発明の一実施形態は、マスク処理方法、マスク処理装置、およびプログラムに関する。
続きを表示（約 1,300 文字）【背景技術】
【０００２】
特許文献１には、利用者の視線を検出して音声を増強する。表示部を注視していると判断した場合に指向性を向ける音処理システムが開示されている。
【先行技術文献】
【特許文献】
【０００３】
特開２０１２－２９２０９号公報
【発明の概要】
【発明が解決しようとする課題】
【０００４】
特許文献１の処理は、会議参加者ではない利用者（非会議参加者）の音声を取得する可能性がある。
【０００５】
そこで、本発明の一実施形態の目的は、イベントの非参加者の音声または顔画像を適切にマスクすることができるマスク処理方法を提供することを目的とする。
【課題を解決するための手段】
【０００６】
マスク処理方法は、予め過去のイベントに参加した参加者を示す第１参加者情報と顔画像との対応、または前記第１参加者情報と音声との対応を蓄積し、現在のイベントに参加する参加者を示す第２参加者情報を受け付けて、カメラで撮影された顔画像またはマイクで取得した音声を含むセンサ信号を受け付けて、前記対応に基づいて前記第２参加者情報および前記センサ信号を対比することで、前記センサ信号に含まれる前記顔画像または前記音声に対して参加者および非参加者を判定し、前記センサ信号のうち前記非参加者に対応するセンサ信号にマスク処理を行う。
【発明の効果】
【０００７】
本発明の一実施形態によれば、イベントの非参加者の音声または顔画像を適切にマスクすることができる
【図面の簡単な説明】
【０００８】
音信号処理装置１の構成を示すブロック図である。
プロセッサ１２の機能的ブロック図である。
プロセッサ１２により実行される音信号処理方法の動作を示すフローチャートである。
データベース１４２の構築時の動作を示すフローチャートである。
データベース１４２に蓄積される当該対応を示す図である。
データベース１４２に蓄積される当該対応および現在の会議における対応を示す図である。
データベース１４２に蓄積される当該対応および現在の会議における対応を示す図である。
変形例２に係るプロセッサ１２の機能的ブロック図である。
変形例３に係るプロセッサ１２の機能的ブロック図である。
【発明を実施するための形態】
【０００９】
図１は、音信号処理装置１の構成を示すブロック図である。音信号処理装置１は、本発明のマスク処理装置の一例である。音信号処理装置１は、情報処理装置（例えばパーソナルコンピュータ）である。
【００１０】
音信号処理装置１は、カメラ１１、プロセッサ１２、フラッシュメモリ１４、ＲＡＭ１５、ユーザインタフェース（Ｉ／Ｆ）１６、スピーカ１７、６個のマイク１８Ａ～１８Ｆ、および通信Ｉ／Ｆ１９を備えている。なお、本実施形態において、信号とはデジタル信号を意味する。
（【００１１】以降は省略されています）

関連特許