特許ウォッチ

公開番号2025019630
公報種別公開特許公報(A)
公開日2025-02-07
出願番号2023123337
出願日2023-07-28
発明の名称話者位置検出方法、話者位置検出装置、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H04N 23/611 20230101AFI20250131BHJP(電気通信技術)
要約【課題】話者位置を一意に求めることができる話者位置検出方法を提供する。
【解決手段】話者位置検出方法は、話者の音声をマイクで取得し、取得した前記話者の音声に基づいて、前記話者の方向情報を求めて、前記方向情報に基づいて、カメラで取得した画像から前記話者の顔画像を取得し、取得した前記話者の顔画像に基づいて、前記話者の高さ情報を含む位置情報を検出する。
【選択図】図4
特許請求の範囲【請求項１】
話者の音声をマイクで取得し、
取得した前記話者の音声に基づいて、前記話者の方向情報を求めて、
前記方向情報と、カメラで取得した画像と、に基づいて前記話者の顔画像を取得し、
取得した前記話者の顔画像に基づいて、前記話者の高さ情報を含む位置情報を検出する、
話者位置検出方法。
続きを表示（約 1,200 文字）【請求項２】
検出した前記話者の位置情報を表示器に表示する、
請求項１に記載の話者位置検出方法。
【請求項３】
前記カメラまたは前記マイクのフォーカス領域を受け付けて、
受け付けた前記フォーカス領域のうち前記方向情報に対応するフォーカス領域に基づいて、前記話者の画像を取得する、
請求項１または請求項２に記載の話者位置検出方法。
【請求項４】
検出した前記話者の位置情報に基づいて、前記カメラまたは前記マイクのフォーカス領域を求めて、
求めた前記フォーカス領域、または前記フォーカス領域以外の非フォーカス領域を表示器に表示する、
請求項１または請求項２に記載の話者位置検出方法。
【請求項５】
検出した前記話者の位置情報に基づいて、前記カメラまたは前記マイクのフォーカス領域を求めて、
求めた前記フォーカス領域に基づいて、前記カメラまたは前記マイクのフォーカス制御を行う、
請求項１または請求項２に記載の話者位置検出方法。
【請求項６】
前記カメラまたは前記マイクのフォーカス制御は、話者以外の顔画像または音声をマスキングする制御を含む、
請求項５に記載の話者位置検出方法。
【請求項７】
前記カメラと前記マイクの相対位置情報を取得し、
前記相対位置情報および前記方向情報に基づいて、前記カメラの画像における前記話者の方向を求め、
前記カメラの画像における前記話者の方向に基づいて、前記カメラで取得した画像から前記話者の顔画像を取得する、
請求項１または請求項２に記載の話者位置検出方法。
【請求項８】
前記カメラと前記マイクの相対位置情報を取得し、
前記方向情報は、前記マイクからの仰角および水平角を含み、
前記方向情報、前記相対位置情報、および前記高さ情報に基づいて、前記カメラの仰角、水平角、および拡大量を求める、
請求項１または請求項２に記載の話者位置検出方法。
【請求項９】
前記話者の位置情報は、複数の話者の位置情報を含む、
請求項１または請求項２に記載の話者位置検出方法。
【請求項１０】
イベントの開始および終了を検知し、
前記イベントの終了を検知した時、前記位置情報をリセットし、
前記イベントの開始を検知した時、その時点で取得した前記話者の音声に基づいて、前記話者の方向情報を求めて、前記方向情報に基づいて、カメラで取得した画像から前記話者の顔画像を取得し、取得した前記話者の顔画像に基づいて、前記話者の高さ情報を含む位置情報を検出する、
請求項１または請求項２に記載の話者位置検出方法。
（【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、話者位置検出方法、話者位置検出装置、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、テレビカメラ・超音波センサ・赤外線センサ等のいずれか１つのセンサからの入力信号を処理して人物位置を検出し、マイクロホンアレイからの入力信号を処理して音源位置を検出し、前記２種類の情報を合わせて処理することにより、話者位置を判定する、話者位置の判定方法が開示されている。
【先行技術文献】
【特許文献】
【０００３】
特開平１１－４１５７７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の判定方法は、話者の高さ情報を考慮していないため、カメラ画像上に話者位置を一意に求めることができていない。
【０００５】
そこで、本発明の一実施形態は、話者位置を一意に求めることができる話者位置検出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】
話者位置検出方法は、話者の音声をマイクで取得し、取得した前記話者の音声に基づいて、前記話者の方向情報を求めて、前記方向情報に基づいて、カメラで取得した画像から前記話者の顔画像を取得し、取得した前記話者の顔画像に基づいて、前記話者の高さ情報を含む位置情報を検出する。
【発明の効果】
【０００７】
本発明の一実施形態によれば、話者位置を一意に求めることができる。
【図面の簡単な説明】
【０００８】
話者位置検出装置１の構成を示すブロック図である。
話者位置検出装置１が設置された室内の立面図である。
話者位置検出装置１が設置された室内の平面図である。
制御部１２の動作を示すフローチャートである。
表示器に表示されるユーザインタフェースの一例を示す図である。
変形例１に係るユーザインタフェースの一例を示す図である。
非フォーカス領域を表示する場合のユーザインタフェースの一例を示す図である。
変形例２に係るユーザインタフェースの一例を示す図である。
変形例３に係るユーザインタフェースの一例を示す図である。
変形例４に係るユーザインタフェースの一例を示す図である。
変形例５における話者位置検出装置１が設置された室内の立面図である。
変形例５における話者位置検出装置１が設置された室内の立平面図である。
変形例１１に係るユーザインタフェースの一例を示す図である。
変形例１１に係るユーザインタフェースの一例を示す図である。
表示器に表示されるユーザインタフェースの一例を示す図である。
【発明を実施するための形態】
【０００９】
図１は、話者位置検出装置１の構成を示すブロック図である。図２は、話者位置検出装置１が設置された室内の立面図模式であり、図３は平面模式図である。
【００１０】
話者位置検出装置１は、カメラ１１、制御部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、複数のマイク１８Ａ～１８Ｄ、および通信Ｉ／Ｆ１９を備えている。
（【００１１】以降は省略されています）

関連特許