音判定システム、音判定方法および音判定プログラム
【課題】音によるコンテキストの理解の妨げとなる類似音を認識対象音と区別して、正しいコンテキストの理解を可能とする。
【解決手段】１つ以上の集音手段によって収集された音のデータを用いて、集音手段が配された空間内の特性であって音源からの音に基づく音特性を計測する音特性計測手段１０１と、音特性計測手段１０１によって計測された音特性が認識対象音の音特性と合致するか否かを判定して、収集された音が認識対象音であるか類似音であるかを判別する類似音判別手段１０２とを備える。
【解決手段】１つ以上の集音手段によって収集された音のデータを用いて、集音手段が配された空間内の特性であって音源からの音に基づく音特性を計測する音特性計測手段１０１と、音特性計測手段１０１によって計測された音特性が認識対象音の音特性と合致するか否かを判定して、収集された音が認識対象音であるか類似音であるかを判別する類似音判別手段１０２とを備える。
【発明の詳細な説明】
【技術分野】
【０００１】
本発明は、音を利用してコンテキストを理解するシステムにおいて、収集された音が認識対象音であるか否かを判定する音判定システム、音判定方法および音判定プログラムに関し、特に、認識対象音と該認識対象音に類似する類似音とを区別して、収集された音が認識対象音であるか否かを判定する音判定システム、音判定方法および音判定プログラムに関する。
【背景技術】
【０００２】
人の発話や、機械の動作状況など、さまざまなコンテキストを理解するシステムが知られている。コンテキストを理解するシステムの１つとして、音を活用してコンテキストを理解する音認識システムがある。音認識システムの構成の一例を図１７に示す。類似の音認識システムは、例えば、非特許文献１に記載されている。
【０００３】
図１７に示す音認識システムは、マイクロフォン９０１と、前処理部９０２と、特徴抽出部９０３と、識別部９０４と、識別辞書９０５とを備えている。図１７に示す音認識システムでは、マイクロフォン９０１で収集された音はアナログ信号に変換され、前処理部９０２に入力される。前処理部９０２は、収集されたアナログ信号をデジタル信号に変換し、さらにノイズを抑制する処理を行う。次いで特徴抽出部９０３が、ノイズが抑制されたデジタル信号から特徴を抽出する。そして、識別部９０４が、抽出された特徴と識別辞書９０５を基に、収集された音を識別する。なお、識別辞書９０５には、音の特徴とラベルとが対応付けられて保存されている。
【０００４】
図１７に示す音認識システムには、ノイズを抑制するノイズ抑制システムと、音の特徴を抽出し、その音の特徴に基づいて入力音を識別する音識別システムとが含まれていると言える。
【０００５】
ノイズ抑制システムの一例として、例えば、特許文献１には、エンジン音、エアコン音等の定常雑音が発生する環境下でも、電子音、サイレン音等の非定常雑音を抑制するノイズ抑制システムが記載されている。特許文献１に記載されているノイズ抑制システムでは、取得した音データからフレームが生成され、フレーム単位の音信号がスペクトルに変換される。次いで、変換されたスペクトルに基づいてスペクトル包絡が算出され、算出されたスペクトル包絡がそのスペクトルから差し引かれる。そして、スペクトル包絡を差し引いた後のスペクトルを用いてスペクトルピークが検出され、検出されたスペクトルピークがノイズとして抑制される。このようにすることで、エンジン音、エアコン音等の帯域幅の広い緩やかなピークの定常雑音が発生する環境下でも、電子音、サイレン音等の非定常雑音の帯域幅の狭い鋭いピークを検出して抑制できるとしている。
【０００６】
また、特許文献２には、音識別システムの一例が記載されている。特許文献２に記載されている音識別システムでは、被判別信号から音種に関係するさまざまな特徴量を抽出し、抽出された特徴量と予め収録してある学習データとを基に音種毎の尤度を求めて、被判別信号の音種を識別している。なお、特許文献２に記載されている音識別システムでは、被判別信号から、定常性と非定常性とを判別する第１特徴量、ピッチ成分を表す第２特徴量、ノイズ性の尺度となる第３特徴量、第３特徴量であるノイズ性の尺度となる相関係数の概形を規定する減衰の傾斜を表す第４特徴量、スペクトルのパワーを表す第５特徴量を抽出している。
【０００７】
また、特許文献３には、ドアチャイムや電話のベル等の現実の報知音とテレビやラジオ等の音声とを区別した上で、現実の報知の発生をユーザに告知する音識別システムの例が記載されている。特許文献３に記載されている音識別システムでは、予め現実の報知音が収録され音響データにして記憶される。また、常時周囲の環境音がマイクロフォンを介してモニター手段によってモニターされる。また、テレビやラジオ等の特定の機器の音響出力も別途モニターされる。そして、特定の機器の音響出力のモニターにより、その機器からの音響出力に報知音の音響データと類似する類似音が含まれていることが検知されると、モニター手段に入力される周囲の環境音の音響データに対して、特定の機器からの類似音の音響成分を加工または消音する処理が施される。このようにして、モニター手段に入力される周囲の環境音に特定機器からの類似音がそのままの音響成分で入り込むことを防いでいる。
【０００８】
また、収集した音の情報だけでなく音以外の情報も利用してコンテキストを理解するシステムの一例が特許文献４に記載されている。特許文献４に記載されている音振動認識システムは、複数のマイクロフォンを用いて音の音圧レベルを測定し、測定された音圧レベルを基に音源方向の水平角θを特定する。その一方で、複数の振動センサを用いて振動レベルを測定し、測定された振動レベルを基に振動源方向の水平角θ’を特定する。そして、特定した音源方向の水平角θと振動源方向の水平角θ’とを比較することによって、観測された音が音の発生を伴う振動源からの音であるか、振動を伴わない音源からの音であるかの判定や、振動源が音を伴わない振動源であるかどうかを判定する。
【先行技術文献】
【特許文献】
【０００９】
【特許文献１】特開２００８−７６６７６号公報
【特許文献２】特開２００４−２４０２１４号公報
【特許文献３】特開平９−２６３５４号公報
【特許文献４】特開２０１０−２３６９４４号公報
【非特許文献】
【００１０】
【非特許文献１】荒木雅弘、「フリーソフトでつくる音声認識システム」、森北出版、２００７年１０月、ｐ．１２−５２（特に、ｐ．１２，１９，３５）
【発明の概要】
【発明が解決しようとする課題】
【００１１】
音を利用してコンテキストを理解するシステムにおいて問題となるのは「類似音」の存在である。例えば、ある家の居間に設置されているインターホンの呼び出し音を認識して、外部からその家へ来訪者があったというコンテキストを理解するシステムを考える。
【００１２】
このようなシステムにおいては、例えば、家の居間で掃除機が大きな音を出していたり、置き時計が定時毎に時報音を出していたりすると、このような周囲の音が雑音となってシステムの動作を妨げる課題となり得る。そこで、例えば、一般に掃除機の音とインターホンの呼び出し音では周波数の高さが違うことを利用して上述のノイズ抑制システムを適用すれば、このような周囲の雑音（ここでは掃除機の音）を除外することができる可能性がある。また、例えば、上述の音識別システムを適用すれば、時報音といった認識対象音（インターホンの呼び出し音）との間に使用周波数帯域の違いがあまりない音であっても、メロディなどの特徴が異なれば雑音として除去できる。
【００１３】
しかし、周波数の高さやメロディといった認識対象音そのものの音に関する特徴によって認識対象音と周囲の雑音とを区別しようという上述の方法では、例えば、家の居間に設置されているテレビからその家のインターホンと同一機種のインターホンの呼び出し音が鳴った場合に、その音と認識対象音とを区別することは困難である。すると、誤って外部からその家へ来訪者があったと解釈してしまうおそれがある。実際、我々人間でも、テレビから鳴るインターホンの呼び出し音や電話の着信音に対して、実際の音と誤認識して、反応してしまうことが良くある。
【００１４】
このように、イベントによって切り出された個々の音の特徴（周波数など）を比較、分析することによってその音がどのような音であるかを識別する音識別システムでは、認識対象音と同じ特徴をもつ音を、認識対象音とは異なるものとして識別することが極めて困難である。そのため、コンテキストの理解を誤ってしまうという問題があった。
【００１５】
なお、本発明では、音を活用してコンテキストを理解するために認識の対象となる音を「認識対象音」と呼び、認識の対象ではないにもかかわらず、認識対象音と同一もしくは類似の音を「類似音」と呼ぶ。例えば、鳥の鳴き声を電話の着信音とし、コンテキストの認識の対象の１つとして電話の着信を着信音から認識したい場合、この電話の着信音は認識対象音であり、実際の鳥の鳴き声は類似音である。
【００１６】
例えば、特許文献２に記載されたような音識別システムが、認識対象音と類似音の相違を十分に学習すれば、これらを識別できるように構成することもできる可能性がある。しかし、テレビから発せられる音のように、本発明が判別対象とする類似音の多くは実際に十分な数の学習データを集めることが困難である。従って、学習手段を利用して、認識対象音と類似音を識別するのは現実的ではない。
【００１７】
なお、例えば特許文献３に記載されている技術を適用することによって、ある特定のテレビから発せられる類似音については、テレビから発せられる音の特性を利用して、認識対象の音とは異なるものとして識別することは可能である。しかし、特許文献３に記載された技術は、類似音を発する可能性のある全ての音源を常時モニター入力端子と接続しなければ、認識対象音と類似音とを正しく区別することはできない。現実には、予め類似音の発生源となりうる全ての音源を予測して、かつそれら全てを常時モニター入力端子と接続させるのは困難である。
【００１８】
なお、特許文献３には、登録されている報知音の発生源とされる位置情報と、検出した類似する音の発生源とされる位置情報との相関性の高さを求め、求めた結果から検出した音が複数あるうちのどの報知音であるかを特定したり、報知音の発生源が移動したものとして報知音の種類とその発生位置とをユーザに提示することが記載されている。しかし、これはあくまでテレビからの類似音を除去した後で、複数登録されている報知音との間で発生位置による相関性による判別をしているのであって、音源の位置関係から認識対象音と類似音とを区別しようというものではない。なお、特許文献３に記載されているような音の発生源の位置情報を比較して音を識別する技術を、認識対象音と類似音との判別に利用すれば、モニター入力端子に類似音を発する可能性のある全ての音源を常時接続しなくても、これらの音の発生位置の違いから認識対象音と類似音とを区別することができる可能性がある。しかし、音の発生源の違いから認識対象音と類似音とを区別するためには、少なくとも認識対象音の発生位置が予めわかっていることを要する。このため、例えば、認識対象音の発生位置が未知の場合や認識対象音の発生位置が定まらないような場合には適用できない。また、認識対象音の発生源と類似音の発生源との間の位置関係によっては、音の発生位置を高精度に推定できなければならず、そのための機構が複雑化するという問題がある。
【００１９】
また、例えば特許文献４に記載されている音振動認識システムを利用すれば、音の情報だけで認識対象音と類似音を識別できなくても、振動の情報から、振動を伴うコンテキストを正しく理解できる可能性がある。しかし、マイクロフォン以外に振動センサが使用されるため、部品が増え、電源線や信号線の配線が必要になるという問題がある。また、そもそも振動が殆ど無い事象に対しては、特許文献４に記載されている音振動システムを適用することは困難である。
【００２０】
本発明は、これらの問題点に鑑み、音によるコンテキストの理解の妨げとなる類似音を容易に認識対象音と区別して、正しいコンテキストの理解を可能とする音判定システム、音判定方法および音判定プログラム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】
【００２１】
本発明による音判定システムは、１つ以上の集音手段によって収集された音のデータを用いて、集音手段が配された空間内の特性であって音源からの音に基づく音特性を計測する音特性計測手段と、音特性計測手段によって計測された音特性が認識対象音の音特性と合致するか否かを判定して、収集された音が認識対象音であるか類似音であるかを判別する類似音判別手段とを備えたことを特徴とする。
【００２２】
また、本発明による音判定方法は、１つ以上の集音手段によって収集された音のデータを用いて、集音手段が配された空間内の特性であって音源からの音に基づく音特性を計測し、計測された音特性が認識対象音の音特性と合致するか否かを判定して、収集された音が認識対象音であるか類似音であるかを判別することを特徴とする。
【００２３】
また、本発明による音判定プログラムは、コンピュータに、１つ以上の集音手段によって収集された音のデータを用いて、集音手段が配された空間内の特性であって音源からの音に基づく音特性を計測する音特性計測処理、および音特性計測処理で計測された音特性が認識対象音の音特性と合致するか否かを判定して、収集された音が認識対象音であるか類似音であるかを判別する類似音判別処理を実行させる。
【発明の効果】
【００２４】
本発明によれば、音によるコンテキストの理解の妨げとなる類似音と認識対象音とを容易に区別することができる。また、本発明によれば、理解の妨げとなる類似音と認識対象音とを区別した正しいコンテキスト認識結果を提供することができる。
【図面の簡単な説明】
【００２５】
【図１】第１の実施形態の音判別システムの構成例を示すブロック図である。
【図２】第１の実施形態の音判別システムの動作の一例を示すフローチャートである。
【図３】第１の実施形態と音認識システムを組み合わせた音判定システムの構成例を示すブロック図である。
【図４】第１の実施形態と音検出システムを組み合わせた音判定システムの構成例を示すブロック図である。
【図５】マイクロフォン１１の設置位置の例および発生した音の広がり方の例を示す説明図である。
【図６】マイクロフォン１１の設置位置の例および発生した音の広がり方の例を示す説明図である。
【図７】マイクロフォン１１の設置位置の他の例および発生した音の広がり方の例を示す説明図である。
【図８】マイクロフォン１１の設置位置の他の例および発生した音の広がり方の例を示す説明図である。
【図９】第２の実施形態の音判別システムの構成例を示すブロック図である。
【図１０】第２の実施形態によるイベント音蓄積動作の一例を示すフローチャートである。
【図１１】第２の実施形態による類似音判別動作の一例を示すフローチャートである。
【図１２】マイクロフォン１１の設置位置の例および音源となる物の位置例を示す説明図である。
【図１３】第３の実施形態の音判別システムの構成例を示すブロック図である。
【図１４】第３の実施形態の音判別システムの動作の一例を示すフローチャートである。。
【図１５】周波数分布の解析結果の例を示す説明図である。
【図１６】本発明の概要を示すブロック図である。
【図１７】音認識システムの一例の構成例を示すブロック図である。
【発明を実施するための形態】
【００２６】
以下、本発明の実施形態を図面を参照して説明する。
【００２７】
実施形態１．
図１は、本発明の第１の実施形態の音判別システムの構成例を示すブロック図である。図１に示す音判別システムは、複数のマイクロフォン１１（マイクロフォン１１−１〜１１−ｎ）と、音圧比較部２１と、マイクロフォン位置データベース２２と、類似音判別部２３とを備えている。
【００２８】
マイクロフォン１１−１〜１１−ｎは、それぞれ周囲の音を収集する。例えば、当該マイクロフォンが設置された空間内の人、物、機器などが発生する音を収集する。
【００２９】
音圧比較部２１は、各マイクロフォン１１から収集した音の音圧を比較し、マイクロフォン１１−１〜１１−ｎが配された空間内における音圧の分布を示す音圧分布情報を作成する。音圧比較部２１は、音圧分布情報を作成するとき、後述するマイクロフォン位置データベース２２から各マイクロフォン１１の位置を示す位置情報を取得し、取得した各マイクロフォンの位置情報と、各マイクロフォンで収集された音とに基づいて、音圧分布情報を作成する。
【００３０】
マイクロフォン位置データベース２２は、各マイクロフォン１１が、空間のどこに設置されたかを示す位置情報を記憶している。なお、マイクロフォンの位置情報は、複数のマイクロフォンの相対的な位置関係がわかるような情報であればよい。すなわち、経度緯度などの絶対的な座標や、ある点を原点としたＸＹ座標などの距離や方向に厳密なものに限定されない。例えば、部屋の名前といった距離や方向に無関係な情報であっても、他のマイクロフォンと異なる位置にあることを示す情報であれば、本実施形態におけるマイクロフォンの位置情報に含まれる。
【００３１】
類似音判別部２３は、音圧比較部２１により作成された音圧分布情報に基づいて、各マイクロフォン１１により収集された音が、認識対象音であるか類似音であるかを判定する。なお、本実施形態では、予め認識対象音が当該空間内で発生した場合にどのような音圧の分布となるかデータとして保持されているとする。類似音判別部２３は、例えば、音圧比較部２１により作成された音圧分布情報と、予め登録されている認識対象音の音圧分布情報とを比較して、音の発生位置の相違や、発生位置からの広がり方の相違などに基づいて、収集した音が認識対象音であるか否かを判定してもよい。
【００３２】
なお、本実施形態において、音圧比較部２１、類似音判別部２３は、例えば、プログラムに従って動作するＣＰＵによって実現される。また、マイクロフォン位置データベース２２は、例えば、データベースシステムや記憶装置によって実現される。
【００３３】
次に、本実施形態の動作について説明する。図２は、本実施形態の音判別システムの動作の一例を示すフローチャートである。図２に示す例では、各マイクロフォン１１が音を収集する（ステップＳ０１）。各マイクロフォン１１の少なくともいずれかで音が収集されると、音比較部２１は、各マイクロフォン１１で収集された音とマイクロフォン位置データベースに保存された各マイクロフォン１１の位置とに基づいて、音圧分布情報を作成する（ステップＳ０２）。そして、類似音判別部２３が、音圧分布情報を基にして、各マイクロフォン１１により収集された音が認識対象音であるか類似音であるかを判定する（ステップＳ０３）。
【００３４】
なお、ステップＳ０１からステップＳ０３までは、パイプライン方式を用いて並列的に実行されてもよい。これらの実装以外でも、本発明の構成と原理を用いて目的の効果を得られれば、どのような情報処理機構を用いてもよい。
【００３５】
以上のように、本実施形態によれば、予め認識対象音を発する音源と類似音を発する音源との位置関係が不明な場合であっても、類似音と認識対象音とを区別して正しいコンテキストを理解できる。これは、それぞれが異なる位置に配された複数のマイクロフォンで音を収集し、収集された音と各マイクロフォンの位置とを用いて音圧分布情報を作成し、作成された音圧分布情報を基に、その音が認識対象音であるかまたは類似音であるかを判別するからである。
【００３６】
例えば、ドアの開閉音とテレビから発せられる類似音とを区別したい場合、音の発生位置が異なるという相違だけでは区別が困難な場合であっても、ドアの開閉音はドアの位置から空間上をほぼ同心円状に広がるのに対し、一般的なテレビの音はスピーカから正面方向にある程度の指向性をもって広がるという音の広がり方の相違を基に判断することによって、容易に区別することができる。
【００３７】
さらに、図３に示すように、音認識システムと組み合わせて音判定システムとして実装することも可能である。図３に示す音判定システムは、図１に示す構成に加えて、さらに前処理部３１と、特徴抽出部３２と、識別部３３と、識別辞書３４と、判定部３５とを備えている。
【００３８】
前処理部３１、特徴抽出部３２、識別部３３、識別辞書３４は、一般的な音認識システムの構成要素と同様でよい。
【００３９】
判定部３５は、識別部３３による識別結果を、類似音判別部２３による判定結果に応じて変更する。
【００４０】
このような構成により、例えば、識別部３３の識別結果が、「モータの始動音」であったとしても、類似音判別部２３が、「類似音」と判定した場合、判定部３５は、「モータの始動音」とではなく「類似音」と判定し、結果出力を変更できるため、コンテキストの認識精度がより高まる。
【００４１】
また、例えば図４に示すように、音検出システムと組み合わせて音判定システムとして実装することも可能である。図４に示す音判定システムは、図１に示す構成に加えて、さらにイベント音検出部４１と、判定部４２とを備えている。
【００４２】
イベント音検出部４１は、例えば音圧の変化を基に、イベントによって発生した音を検出する。
【００４３】
判定部４２は、類似音判別部２３による判定結果に応じて、イベント音検出部４１による検出結果を変更する。
【００４４】
このような構成により、例えば、イベント音検出部４１が、イベントによって発生した音を検出し、「イベントが発生した」と結果を出力したとする。そのイベントによって発声した音に対して、類似音判別部２３が「類似音」（すなわち「認識対象音」でない）と判定したとする。そのような場合に、判定部３５は、イベント音検出部４１による検出結果を「イベントが発生していない」と変更して出力できるため、イベントを検出する精度がより高まる。
【００４５】
次に、具体的な例を用いて本実施形態の動作を説明する。図５および図６は、マイクロフォン１１の設置位置の例および発生した音の広がり方の例を示す説明図である。図５および図６に示すように、部屋に複数のマイクロフォン１１ａ−１〜１１ａ−９が格子状に配置されている。なお、部屋は、音の反射を無視または音の到達時間により除去できるほどに広いとする。また、音の発生源からマイクロフォンまでは遮蔽物がないとする。これは、各マイクロフォン１１ａを天井に設置することで容易に実現可能である。マイクロフォンを設置する密度は、後述するスピーカ１２２の音圧分布に指向性を示すムラが現れる程度が好ましい。
【００４６】
この部屋で一般的な花瓶１２１を落下させた場合、図５に示すように、花瓶１２１を落下させたことで発生する音はほぼ同心円状に広がる。このため、図５の例であれば、マイクロフォン１１ａ−２、１１ａ−３、１１ａ−５、１１ａ−６では、ほぼ同じ音圧の音を収集できるのに対して、マイクロフォン１１ａ−７では、上述のマイクロフォン１１ａ−２、１１ａ−３、１１ａ−５、１１ａ−６で収集された音の音圧に対して低い音圧の音が収集される。
【００４７】
一方、図６に示すように、同一の部屋で一般的なスピーカ１２２から音を発生させた場合、スピーカ１２２によって発生する音はスピーカ１２２の前方に広がる。このため、図６の例であれば、マイクロフォン１１ａ−４、１１ａ−５、１１ａ−７、１１ａ−８では、他のマイクロフォンに対して高い音圧の音が収集される。
【００４８】
これらの音圧のデータと、マイクロフォン１１ａ−１〜１１ａ−９が部屋のどこに設置されているかを示すマイクロフォンの位置とを組み合わせて、図５および図６に示される部屋の内部の音圧分布情報を作成する。そして、作成した音圧分布情報を基に、音源からの音が同心円状に広がっている場合には、実際に部屋で発生した音（認識対象音）であると判定し、音源からの音が同心円状に広がっていない場合には、スピーカによって再現された音（類似音）と判定する。
【００４９】
なお、部屋は、音の反射を無視できるほどに広いと仮定したが、実際には部屋は有限の大きさの部屋であり、また壁以外に物があれば、それらによって生じる反射もある。このため、音圧分布情報に基づく音の広がり方の判断に関し、厳密に同心円か否かで判断することは難しく、ある程度の余裕が必要である。ただし、どの程度の余裕とするかは適用先の部屋による。
【００５０】
また、図７および図８は、マイクロフォン１１の設置位置の他の例および発生した音の広がり方の例を示す説明図である。図７および図８に示すように、複数のマイクロフォンを異なる空間に設置している。具体的には、部屋と廊下に１つずつ、マイクロフォン１１ｂ−１、１１ｂ−２を設置している。本例では、ドアのように空間を仕切る物体の発する音を認識対象音としている。
【００５１】
部屋と廊下を仕切る扉を閉じた場合、図７に示すように、扉を閉じたことで発生する音は、部屋のマイクロフォン１１ｂ−１でも廊下のマイクロフォン１１ｂ−２でも収集される。
【００５２】
一方、図８に示すように、部屋に設置したスピーカから扉の開閉音を発生させた場合、この音はマイクロフォン１１ｂ−２では収集されるが、マイクロフォン１１ｂ−１では収集されない、または実際に部屋の扉を閉じたときに発生する音やマイクロフォン１１ｂ−２で収集される音よりも低い音圧の音が収集される。
【００５３】
これらの音圧データと、マイクロフォン１１ｂ−１〜１１ｂ−２がどの空間に設置されているかを示すマイクロフォンの位置とを組み合わせて、部屋と廊下の音圧分布情報を作成する。そして、作成した音圧分布情報を基に、複数の空間で音が所定の音圧差以内で収集された場合には、実際の扉の開閉によって発生した音（認識対象音）と判断し、音が所定の音圧差より大きく収集された場合には、スピーカによって再現された音（類似音）と判断する。
【００５４】
本例は、認識対象音が複数の空間を仕切る物によって発せられる音に限定されるが、音の広がりの形状までを判定の材料としないため、音の反射を考慮しなくてはならない部屋の場合であっても対応できる。また、マイクロフォンの位置についても、どの部屋であるか程度がわかればよく、正確な座標まで考慮する必要がない。なお、判断の際の閾値とする所定の音圧差は、本発明を実施した空間に応じて定めればよい。
【００５５】
実施形態２．
次に、本発明の第２の実施形態について説明する。図９は、本発明の第２の実施形態の音判別システムの構成例を示すブロック図である。図９に示す音判別システムは、図１に示す第１の実施形態に、イベント音記録部５２、イベント音データベース５３、音類似判定部５４が加わっている。また、図１の音圧比較部２１に代わり、音源位置推定部５１が構成要素となっている。また、図１の類似音判別部２３に代わり、類似音判別部５５が構成要素となっている。なお、類似音判別部５５は、入力される情報と判断手法が、第１の実施形態における類似音判別部２３と異なる。
【００５６】
音源位置推定部５１は、各マイクロフォン１１（マイクロフォン１１−１〜１１−ｎ）から収集された音のデータに基づいて音源の位置を推定し、推定音源位置を決定する。音源位置の推定方法は、例えば、各マイクロフォン１１から収集された音の音圧データを基に、各マイクロフォン１１の中で最も高い音圧を検出したマイクロフォン１１の位置を、近似的に音源の位置とする方法を用いてもよい。この方法の場合、空間内にマイクロフォン１１を多数設置する必要があるが、第１の実施形態の音圧比較部２１とほぼ同様の構成を活用できる。音源位置の推定方法としては、この他にもさまざまな手法があり、例えば以下の方法を用いてもよい。
【００５７】
例えば、各マイクロフォンでの音の到着時間差を活用して推定する方法を用いてもよい。また、例えば指向性の高いマイクロフォンを使用し、各マイクロフォンの向きを変えて走査することで音源位置を推定する方法を用いることも可能である。
【００５８】
イベント音記録部５２は、各マイクロフォン１１から収集された音のデータから、イベントにより発生した音を切り出し、切り出した音のデータとその音に対して音源位置推定部５１から出力される音源位置（推定音源位置）と組にして、イベント音データベース５３に記録する。これらのイベントは、例えば、音圧が一定レベル以上に変化したときをイベントの発生として判断できる。また、イベント音データベース５３には、例えば、イベントが発生したときから所定の時間分の音を記録する。なお、イベントの検知のために所定時間音を一時的に記録している場合などには、イベントが発生した前後の所定の時間分の音を記録してもよい。
【００５９】
イベントは、イベント音記録部５２が検知可能な事象であればよく、例えば、機械の始動、人の発話、扉の開閉などがある。なお、どのような事象をイベントとして検知するかは予め定められた条件による。例えば、上記以外にも、特定のパターンの波形が検出されたとき、一定レベル以上の急峻の変化を検出したとき、特定の変化率で変化したときなどが挙げられる。また、イベントの検知は、音以外のもの（照度、温度、振動など）を利用して行うことも可能である。例えば、空間が明るくなる、振動が発生するなどであってもよい。音以外のものを利用する場合には、例えば、イベント音記録部５２がそのようなイベントを検知するためのデバイスを備え、そのデバイスのセンシング結果を基に、イベントによって発生した音（イベント前後の音を含む）を録音するようにすればよい。
【００６０】
イベント音データベース５３は、イベント音記録部５１により切り出された音のデータと、音源位置推定部によって推定されたその音の推定音源位置を示す推定音源位置情報とを組にして、履歴情報として保持する。
【００６１】
音類似判定部５４は、各マイクロフォンにより収集された音と、これまでに各マイクロフォンで収集されてイベント音データベース５３に記録されている推定音源位置が同一の過去のイベント音とを比較して、それらの類似性の有無を判定する。判定にあたって、例えば、推定音源位置をキーに、イベント音データベース５３を検索して、検索された過去のイベント音と、今回収集された音とで、音の類似性の有無を判定する方法がある。さらに、音の類似性の判定方法に関して、例えば、パターンマッチングの手法を活用することで音の類似性の有無を判定する方法を実現できるが、これらの方法に限定されない。また、音類似判定部５４は、判定の結果、類似性ありと判定されたイベント音の発生回数や発生頻度等の統計を算出して出力してもよい。
【００６２】
類似音判別部５５は、音類似判定部５４の結果の統計を基に、発生した音が、認識対象音であるか、類似音であるかを判定する。例えば、類似性のある音が所定の期間に所定の回数以上収集された場合、認識対象音と判定し、一方、同じ位置で、これまでに複数のマイクロフォンで収集されていない音が収集された場合または所定の期間で所定の回数未満収集された場合、類似音と判定してもよい。
【００６３】
式を用いて説明すると、例えば、所定の期間を観測して以下の式（１）が成立する場合には認識対象音と判定し、成立しない場合には類似音と判定してもよい。なお、式（１）において「同一の音」とは、音類似判定部５４によって入力音と類似すると判定されたイベント音データベース５３内にある過去の同一発生源の音（今回の入力音を含んでもよい）をいう。
【００６４】
［同一の音］が発生した回数＞［所定の回数］ ・・・式（１）
【００６５】
また、所定の期間に収集された特定のイベントの音の回数のみでは、イベントの発生回数が少ないという場合に対応できない。その場合、例えば、イベントの音の種類（どのような音か）を基準に特定のイベント音の発生頻度を考えることで解決できる。特定の音が他の音も含めた合計に対して所定の割合以上の回数で発生する場合、認識対象音と判定し、特定の音が他の音も含めた合計に対して所定の割合未満の回数で発生する場合、類似音と判定する。この場合、観測期間を指定しなくてもよい。なお、特定の音は、評価の対象となる音である。より具体的には、音自体の特徴から認識対象の音とその他の音とを区別しようとした場合に、認識対象の音として区分けされる音をいう。なお、実際の処理では、［同一の音］と同様に、音類似判定部５４によって入力音と類似すると判定されたイベント音データベース５３内にある過去の同一発生源の音（今回の入力音を含んでもよい）を用いればよい。なお、本例の場合は、音類似判定部５４での類似性の判定において、もっと大まかな分類の音の区分けによって入力音と同じ種類の音に属するものを類似性ありとしてもよい。
【００６６】
特定の音の具体例として、例えば「扉の開閉音」を考えた場合、認識対象音となる扉の開閉音（実際の扉の開閉によって発生する音）は、扉が設置されている場所で発生する。このため、その場所（扉が設置されている位置）からは扉の開閉音が最も多く発生すると考えられる。一方、テレビから発生する扉の開閉音（実際には、スタジオや収録現場などで発生した扉の開閉音やその疑似音）は、テレビが設置されている場所で発生する。テレビは、扉の開閉音以外にも多くの種類の音を発生させる。すなわち、テレビが置いてある位置からは、多くの種類の音（例えば、扉の開閉以外にも、人の発話、車の走行音など）が認識される。このことから、本実施形態では、多くの種類の音が認識される位置から発生する音は、すべて類似音と判定する。
【００６７】
式を用いて説明すると、例えば、所定の期間を観測して以下の式（２）が成立する場合には認識対象音と判定し、成立しない場合には類似音と判定してもよい。
【００６８】
［特定の音］が発生した回数／（［特定の音］が発生した回数＋［その他の音］が発生した回数）＞［所定の割合］ ・・・式（２）
【００６９】
なお、式（２）において「特定の音」とは、音の特徴から認識対象音と認識される音をいう。より具体的には、音類似判定部５４によって入力音と類似すると判定されたイベント音データベース５３内にある過去の同一発生源の音（今回の入力音を含んでもよい）をいう。
【００７０】
この他にも、上述の式（１）と式（２）の２つの基準を組み合わせてもよいし、これらの方法以外にもさまざまな統計の方法を採ることができる。
【００７１】
なお、本実施形態において、音源位置推定部５１、イベント音記録部５２、類似音判定部５４、類似音判別部５５は、例えば、プログラムに従って動作するＣＰＵによって実現される。また、マイクロフォン位置データベース２２、イベント音データベース５３は、例えば、データベースシステムや記憶装置によって実現される。
【００７２】
次に、本実施形態の動作について説明する。本実施形態の動作は、大別して２つの動作に分けられる。１つは、イベントの音を収集し、イベント音データベース５３に蓄積する動作（以下、イベント音蓄積動作という。）である。もう１つは、イベント音データベース５３に保存された音データを活用して、発生した音が認識対象音か類似音かを判定する動作（以下、類似音判別動作という。）である。
【００７３】
まず、イベント音蓄積動作について説明する。図１０は、本実施形態によるイベント音蓄積動作の一例を示すフローチャートである。図１０に示す例では、まず各マイクロフォンが音を収集すると（ステップＳ１１）、音源位置推定部５１が、各マイクロフォンで収集された音のデータと、マイクロフォン位置データベース２２に保存されたマイクロフォンの位置情報とを基に、その音の音源の位置を推定し、推定音源位置を決定する（ステップＳ１２）。
【００７４】
また、イベント音記録部５２は、各マイクロフォンで収集された音からイベントの音を切り出す（ステップＳ１３）。イベントの音が切り出されると、切り出したイベントの音のデータと、音源位置推定部５１により推定されたその音の推定音源位置を示す推定音源位置情報とを対応づけて、イベント音データベース５３に記録する（ステップＳ１４）。
【００７５】
なお、ステップＳ１１からステップＳ１４までは、パイプライン方式を用いて並列的に実行されてもよい。さらに、ステップＳ１２とステップＳ１３とを別のハードウェアで実装し、並列的に実行してもよい。
【００７６】
次に、本実施形態の類似音判別動作について説明する。図１１は、本実施形態による類似音判別動作の一例を示すフローチャートである。図１１に示す例では、各マイクロフォン１１が音を収集する（ステップＳ２１）。次いで、音源位置推定部５１が、各マイクロフォン１１で収集された音のデータと、マイクロフォン位置データベース２２に保存された各マイクロフォン１１の位置情報とを基にして、音源の位置を推定し、推定音源位置を決定する（ステップＳ２２）。
【００７７】
次いで、音類似判定部５４が、各マイクロフォン１１で収集された音のデータと推定音源位置情報との組みと、イベント音データベース５３に保存された過去のイベントの音のデータと推定音源位置情報との組みとを基に、収集された音の推定音源位置における音の類似性の有無を判定する（ステップＳ２３）。そして、類似音判別部５５が、判定された音の類似性の有無から、ステップＳ２１で各マイクロフォン１１により収集された音が認識対象音か類似音かを判定する（ステップ２４）。
【００７８】
なお、ステップＳ２１からステップＳ２４までは、パイプライン方式を用いて並列的に実行されてもよい。
【００７９】
以上のように、本実施形態によれば、異なる位置に配置された複数のマイクロフォンで音を収集し、それにより収集された音と各マイクロフォンの位置から音源の位置を推定し、さらに推定された音源の位置と収集された音の組を基に、過去に収集されたイベントの音の中から類似の組の有無を検索し、そして、その有無の確率を基にした同一位置での音の類似性を基に、その音が認識対象音か類似音かを判定するので、各マイクロフォン１１で収集された音が、認識対象音であるか類似音であるかを判定できる。
【００８０】
また、本実施形態によれば、予め認識対象音を発する音源と類似音を発する音源の位置関係が不明な場合であっても、いずれかの音源の位置が変化しない場合には、同一の推定音源位置から過去に発せられたイベント音の履歴と照合することにより、認識対象音と類似音とを区別することができる。
【００８１】
例えば、テレビの音が認識対象音もしくは類似音である場合に、テレビの位置からは様々なイベント音が発せられるため、予め認識対象音を発する音源と類似音を発する音源の位置関係が不明な場合であっても、同一の推定音源位置から過去に発せられたイベント音の履歴を照合すれば、多様な音がその音源から発せられているか否かで、どちらがテレビの音であるかを判別することができる。
【００８２】
なお、本実施形態においても、図３および図４に示すような音認識システムや音検出システムを組み合わせて音判定システムとして実装することが可能である。そのような場合には、判定部３５は、識別部３３による識別結果を、類似音判別部５５による判定結果に応じて変更すればよい。なお、本実施形態では、収集した音がどのような種類の音かを識別するための処理部が、イベント音記録部５２にも含まれていてもよい。
【００８３】
次に、具体的な例を用いて本実施形態の動作を説明する。図１２は、マイクロフォン１１の設置位置の例および音源となる物の位置例を示す説明図である。図１２に示すように、同一の空間にマイクロフォン１１ｃ−１〜１１ｃ−９が配置されている。また、マイクロフォン１１ｃ−３の近くには扉３２１があり、マイクロフォン１１ｃ−６の近くにはＴＶのスピーカ３２２がある。
【００８４】
このような部屋で扉３２１を閉めると、マイクロフォン１１ｃ−３が扉に最も近いため、扉の音は、マイクロフォン１１ｃ−３で最も大きな音圧で収集される。この場合には、音源位置推定部５１は、収集した音（扉の音）の音源をマイクロフォン１１ｃ−３の近傍と推定する。
【００８５】
このとき、マイクロフォン１１ｃ−３を推定音源位置とする扉の開閉音は、過去２４時間に１０回収集されており、さらに推定音源位置をマイクロフォン１１−ｃ−３とするイベント音の中で扉３２１の開閉音が収集される割合が８０％以上である状態であったとする。この状態でマイクロフォン１１ｃ−３を推定音源位置とする扉の音を収集した場合、類似音判別部５５は、音類似判定部５４の上述のような類似性の判定結果の統計に基づき、この扉の音は認識対象音であると判断する。
【００８６】
一方、この部屋でスピーカ３２２を鳴らすと、マイクロフォン１１ｃ−６が最も近いため、スピーカ３２２からの音はマイクロフォン１１ｃ−６で最も大きな音圧で収集される。この場合には、音源位置推定部５１は、収集した音（スピーカから発せられる音）の音源をマイクロフォン１１ｃ−６の近傍と推定する。
【００８７】
このとき、マイクロフォン１１ｃ−６を推定音源位置とする扉の開閉音は、過去２４時間で１回も収集されていない状態であったとする。この状態でマイクロフォン１１ｃ−６を推定音源位置とする扉の音を収集した場合、類似音判別部５５は、この扉の音は類似音であると判断する。
【００８８】
または、マイクロフォン１１ｃ−６を推定音源位置とする扉の音はこれまでにも数回収集されているが、マイクロフォン１１ｃ−６では扉の音以外にも爆発音やサイレンの音を収集しており、同一の推定音源位置からのイベント音の中では、扉の音が収集される割合は８０％未満であったとする。この状態でマイクロフォン１１ｃ−６を推定音源位置とする扉の音を収集した場合、類似音判別部５５は、この扉の音は類似音であると判定する。
【００８９】
実施形態３．
次に、本発明の第３の実施形態について説明する。図１３は、本発明の第３の実施形態の音判別システムの構成例を示すブロック図である。図１３に示す音判別システムは、マイクロフォン１１と、周波数解析部６１と、類似音判別部６２とを備えている。
【００９０】
マイクロフォン１１は、周囲の音を収集する。例えば、当該マイクロフォン１１が設置された空間内の物体、人などが発生する音を収集する。なお、マイクロフォン１１は１つであっても複数であってもよい。
【００９１】
周波数解析部６１は、マイクロフォン１１から収集された音の周波数の分布を解析する。周波数解析部６１は、例えば、音圧が一定以上の周波数成分をピックアップし、それらをマイクロフォン１１の有効範囲内の空間において発現する周波数成分であるとして所定の空間上にマッピングすることにより、所定の空間内における周波数分布を作成してもよい。なお、マイクロフォンが１つである場合には、ピックアップした周波数成分のみで表される当該マイクロフォンの有効範囲内の空間における音の周波数分布を作成すればよい。または、単純に、検出した周波数成分を示す情報を周波数分布としてもよい。
【００９２】
類似音判別部６２は、周波数解析部６１による解析結果である音の周波数分布を基にして、マイクロフォン１１で収集された音が認識対象音であるか類似音であるかを判定する。
【００９３】
なお、本実施形態において、周波数解析部６１、類似音判別部６２は、例えば、プログラムに従って動作するＣＰＵによって実現される。
【００９４】
次に、本実施形態の動作について説明する。図１４は、本実施形態の音判別システムの動作の一例を示すフローチャートである。図１４に示す例では、まずマイクロフォン１１が音を収集する（ステップＳ３１）。次いで、周波数解析部６１が、マイクロフォン１１によって収集された音の周波数の分布を解析する（ステップＳ３２）。そして、類似音判別部６２が、周波数の分布の解析結果を基にして、マイクロフォン１１で収集された音が認識対象音であるか類似音であるかを判定する（ステップＳ３３）。
【００９５】
以上のように、本実施形態によれば、音の発生位置関係が区別できない場合であっても、認識対象音と類似音とを区別できる。
【００９６】
例えば、一般的なテレビのスピーカは、さほど周波数特性が優れておらず、特に周波数が低い低音域では音圧が低くなる傾向があることに加え、テレビ放送の規格により伝送できる最高周波数にも制約があるため、テレビから発せられる音には周波数の分布に一定の限界が現れる。従って、そのような音源からの音の周波数分布の特性に基づいて収集された音が認識対象音であるか類似音であるかを判定すれば、音の発生位置関係だけでは認識対象音と類似音とを区別できない場合であっても認識対象音と類似音とを区別できる。
【００９７】
なお、本実施形態においても、図３および図４に示すような音認識システムや音検出システムを組み合わせて音判定システムとして実施することが可能である。そのような場合には、判定部３５は、識別部３３による識別結果を、類似音判別部６２による判定結果に応じて変更すればよい。
【００９８】
次に、具体的な例を用いて本実施形態の動作を説明する。図１５は、周波数分布の解析結果の例を示す説明図である。例えば、図１５（ａ）に示されるように、収集された音に対して周波数の分布を解析した結果、マイクロフォン１１が設置された空間内におけるその音の周波数の分布に、５０Ｈｚ以下と１８，０００Ｈｚ以上にもパワーがある場合には、その音は認識対象音であると判定する。一方、図１５（ｂ）に示されるように、マイクロフォン１１が設置された空間内におけるその音の周波数の分布に、５０Ｈｚ以下、かつ、１８，０００Ｈｚ以上にパワーがない場合には、その音は類似音であると判定する。
【００９９】
なお、上記各実施形態では、１つ以上のマイクロフォン１１が配された所定の空間内において発現する音特性として、特に、その音の音源によって特徴づけられる音特性に着目した結果、音の音圧分布、同一音源位置における音の類似性の有無、周波数の分布のいずれかを用いる例を説明したが、これらの音特性を１つ以上組み合わせて使用することも可能である。そのような場合には、１つ以上の類似音判別部からの判別結果を入力とし、それらを総合して最終的な判別結果を出力する手段を備えればよい。
【０１００】
次に、本発明の概要について説明する。図１６は、本発明の概要を示すブロック図である。図１６に示すように、本発明による音判定システムは、音特性計測手段１０１と、類似音判別手段１０２とを備えたことを特徴とする。
【０１０１】
音特性計測手段１０１は、１つ以上の集音手段によって収集された音のデータを用いて、集音手段が配された空間内の特性であって音源からの音に基づく音特性を計測する。
【０１０２】
類似音判別手段１０２は、音特性計測手段１０１によって計測された音特性が認識対象音の音特性と合致するか否かを判定して、収集された音が認識対象音であるか類似音であるかを判別する。
【０１０３】
上述の音特性は、音圧の分布、同一音源位置における音の類似性の有無、および周波数の分布のうちの少なくとも１つであってもよい。
【０１０４】
例えば、上述の第１の実施形態では、音特性として、音圧の分布を用いる例が示されている。具体的には、複数の集音手段を配することで得られる当該集音手段が配されている所定の空間における音圧の分布を示す音圧分布情報を基に、認識対象音と類似音とで発生位置の相違や、発生位置からの広がり方の相違を判定することにより、収集された音が認識対象音か類似音かを判別する例が示されている。すなわち、第１の実施形態においては、音特性計測手段１０１は、音圧比較部２１により実現されている。
【０１０５】
また、例えば、上述の第２の実施形態では、音特性として、同一音源位置における音の類似性の有無を用いる例が示されている。なお、「同一音源位置における音の類似性の有無」をより具体的にいうと、同一音源位置において発生する音の間にある、音の特徴の類似性の有無である。上述の第２の実施形態では、複数の集音手段を配しかつ過去に発生したイベント音を履歴として蓄積することで得られる音源位置と音の種類ごとの発生回数や発生確率を基に、多様な音がその音源から発せられているか否かを判定することにより、収集された音が認識対象音か類似音かを判別する例が示されている。すなわち、第２の実施形態においては、音特性計測手段１０１は、音源位置推定部５１、イベント音記録部５２、類似音判定部５４により実現されている。
【０１０６】
また、例えば、上述の第３の実施形態では、音特性として、周波数の分布を用いる例が示されている。具体的には、集音手段から得られた音のデータが有する周波数の分布を示す情報を基に、認識対象音または類似音にのみ現れる特性の有無を判定することにより、収集された音が認識対象音か類似音かを判別する例が示されている。すなわち、第３の実施形態においては、音特性計測手段１０１は、周波数解析部６１により実現されている。
【０１０７】
また、本発明による音判定システムは、複数の集音手段（例えば、マイクロフォン１１〜１−１１〜ｎ）の各々の位置を示す集音位置情報を記憶する集音位置情報記憶手段（例えば、マイクロフォン位置データベース２２）と、複数の集音手段により収集された音のデータと集音位置情報とに基づいて、集音手段が配された所定の空間内における音圧の分布を示す音圧分布情報を作成する音圧分布情報作成手段（例えば、音圧比較部２１）と、音圧分布情報作成手段によって作成された音圧分布情報に基づいて、収集された音が認識対象音であるか類似音であるかを判定する類似音判別手段（例えば、類似音判別部２３）とを備えていてもよい。
【０１０８】
そのような構成によれば、音そのものの周波数帯域や特徴からは認識対象音と類似音とを区別できない場合であっても、音の発生位置の相違や発生位置からの音の広がり方の相違を利用して、認識対象音と類似音とを区別することができる。
【０１０９】
また、本発明による音判定システムは、複数の集音手段（例えば、マイクロフォン１１−１〜１１−ｎ）の各々の位置を示す集音位置情報を記憶する集音位置情報記憶手段（例えば、マイクロフォン位置データベース２２）と、複数の集音手段により収集された音のデータと集音位置情報とに基づいて、収集された音の音源の位置を推定する音源位置推定手段（例えば、音源位置推定部５１）と、予め定められたイベントにより発生した音のデータと、その音について推定された音源の位置を示す推定音源位置情報とを対応づけて、履歴情報として保持するイベント音履歴記憶手段（例えば、イベント音データベース５３）と、予め定められたイベントの発生を検知すると、複数の集音手段によって収集された音からイベントにより発生した音を切り出し、切り出した音のデータとその音について音源位置推定手段により推定された音源の位置を示す推定音源位置情報とを対応づけてイベント音履歴記憶手段に記憶させるイベント音記録手段（例えば、イベント音記録部５２）と、複数の集音手段によって新たに収集された音のデータと推定音源位置情報の組と、イベント音履歴記憶手段に保持されている過去に収集された音のデータと推定音源位置情報の組みとに基づいて、今回収集した音と、音と同じ推定音源位置を有する過去のイベント音との間にある音の類似性の有無またはその度合いを判定する音類似判定手段（たとえば、音類似判定部５４）と、音類似判定手段による判定結果に基づいて、収集された音が認識対象音であるか類似音であるかを判定する類似音判別手段（例えば、類似音判別部５５）とを備えていてもよい。
【０１１０】
このような構成によれば、予め認識対象音を発する音源と類似音を発する音源の位置関係が不明な場合であっても、いずれかの音源の位置が変化しない場合には、認識対象音と類似音を区別することが可能である。
【０１１１】
また、本発明による音判定システムは、１つ以上の集音手段（例えば、マイクロフォン１１）により収集された音のデータに基づいて、集音手段が配された所定の空間内における音の周波数の分布を解析する周波数解析手段（例えば、周波数解析部６１）と、周波数解析手段による解析結果に基づいて、収集された音が認識対象音であるか類似音であるかを判定する類似音判別手段（例えば、類似音判別部６２）とを備えていてもよい。
【０１１２】
このような構成によれば、音の発生位置関係だけでは認識対象音と類似音とを区別できない場合であっても、一方の音源からの音の周波数分布に現れる一定の限界等を利用して、認識対象音と類似音とを区別することが可能である。
【０１１３】
また、本発明による音判定システムは、上記の各音判定システムで示した音特性に基づく判別方法を組み合わせて構成することも可能である。
【０１１４】
また、本発明による音判定システムは、さらに、収集された音のデータから得られる音そのものの特徴量に基づいて、収集された音が認識対象音か否かを識別する音識別手段（例えば、図３に示す音認識システムや図４に示す音検出システム）と、音識別手段による識別結果と、類似音判別手段による判定結果とに基づいて、収集された音が認識対象音であるか否かを判定する判定手段（例えば、判定部３５，４３）とを備えていてもよい。
【０１１５】
以上、実施形態および実施例を参照して本願発明を説明したが、本願発明は、上記実施形態および実施例に限定されるものではない。本願発明の構成や詳細には、本願発明のスコープ内で当業者が理解し得る様々な変更をすることができる。
【産業上の利用可能性】
【０１１６】
本発明によれば、認識対象音と類似音とを容易に区別できるため、例えば、ラジオやテレビが動作している時であっても音声を認識しなくてはならないカーナビゲーションシステムや、ラジオやテレビが動作している時であっても機械の動作状況を確認しなくてはならない工場、事務所での異常検出システム等にも好適に適用可能である。
【符号の説明】
【０１１７】
１１、１１ａ、１１ｂ、１１ｃ マイクロフォン
２１ 音圧比較部
２２ マイクロフォン位置データベース
２３、５５、６２ 類似音判別部
３１ 前処理部
３２ 特徴抽出部
３３ 識別部
３４ 識別辞書
３５ 判定部
４１ イベント音検出部
５１ 音源位置推定部
５２ イベント音記録部
５３ イベント音データベース
５４ 音類似判定部
６１ 周波数解析部
１２１ 花瓶
１２２、２２１、３２２ スピーカ
２２２、３２１ 扉
１０１ 音特性計測手段
１０２ 類似音判別手段
【技術分野】
【０００１】
本発明は、音を利用してコンテキストを理解するシステムにおいて、収集された音が認識対象音であるか否かを判定する音判定システム、音判定方法および音判定プログラムに関し、特に、認識対象音と該認識対象音に類似する類似音とを区別して、収集された音が認識対象音であるか否かを判定する音判定システム、音判定方法および音判定プログラムに関する。
【背景技術】
【０００２】
人の発話や、機械の動作状況など、さまざまなコンテキストを理解するシステムが知られている。コンテキストを理解するシステムの１つとして、音を活用してコンテキストを理解する音認識システムがある。音認識システムの構成の一例を図１７に示す。類似の音認識システムは、例えば、非特許文献１に記載されている。
【０００３】
図１７に示す音認識システムは、マイクロフォン９０１と、前処理部９０２と、特徴抽出部９０３と、識別部９０４と、識別辞書９０５とを備えている。図１７に示す音認識システムでは、マイクロフォン９０１で収集された音はアナログ信号に変換され、前処理部９０２に入力される。前処理部９０２は、収集されたアナログ信号をデジタル信号に変換し、さらにノイズを抑制する処理を行う。次いで特徴抽出部９０３が、ノイズが抑制されたデジタル信号から特徴を抽出する。そして、識別部９０４が、抽出された特徴と識別辞書９０５を基に、収集された音を識別する。なお、識別辞書９０５には、音の特徴とラベルとが対応付けられて保存されている。
【０００４】
図１７に示す音認識システムには、ノイズを抑制するノイズ抑制システムと、音の特徴を抽出し、その音の特徴に基づいて入力音を識別する音識別システムとが含まれていると言える。
【０００５】
ノイズ抑制システムの一例として、例えば、特許文献１には、エンジン音、エアコン音等の定常雑音が発生する環境下でも、電子音、サイレン音等の非定常雑音を抑制するノイズ抑制システムが記載されている。特許文献１に記載されているノイズ抑制システムでは、取得した音データからフレームが生成され、フレーム単位の音信号がスペクトルに変換される。次いで、変換されたスペクトルに基づいてスペクトル包絡が算出され、算出されたスペクトル包絡がそのスペクトルから差し引かれる。そして、スペクトル包絡を差し引いた後のスペクトルを用いてスペクトルピークが検出され、検出されたスペクトルピークがノイズとして抑制される。このようにすることで、エンジン音、エアコン音等の帯域幅の広い緩やかなピークの定常雑音が発生する環境下でも、電子音、サイレン音等の非定常雑音の帯域幅の狭い鋭いピークを検出して抑制できるとしている。
【０００６】
また、特許文献２には、音識別システムの一例が記載されている。特許文献２に記載されている音識別システムでは、被判別信号から音種に関係するさまざまな特徴量を抽出し、抽出された特徴量と予め収録してある学習データとを基に音種毎の尤度を求めて、被判別信号の音種を識別している。なお、特許文献２に記載されている音識別システムでは、被判別信号から、定常性と非定常性とを判別する第１特徴量、ピッチ成分を表す第２特徴量、ノイズ性の尺度となる第３特徴量、第３特徴量であるノイズ性の尺度となる相関係数の概形を規定する減衰の傾斜を表す第４特徴量、スペクトルのパワーを表す第５特徴量を抽出している。
【０００７】
また、特許文献３には、ドアチャイムや電話のベル等の現実の報知音とテレビやラジオ等の音声とを区別した上で、現実の報知の発生をユーザに告知する音識別システムの例が記載されている。特許文献３に記載されている音識別システムでは、予め現実の報知音が収録され音響データにして記憶される。また、常時周囲の環境音がマイクロフォンを介してモニター手段によってモニターされる。また、テレビやラジオ等の特定の機器の音響出力も別途モニターされる。そして、特定の機器の音響出力のモニターにより、その機器からの音響出力に報知音の音響データと類似する類似音が含まれていることが検知されると、モニター手段に入力される周囲の環境音の音響データに対して、特定の機器からの類似音の音響成分を加工または消音する処理が施される。このようにして、モニター手段に入力される周囲の環境音に特定機器からの類似音がそのままの音響成分で入り込むことを防いでいる。
【０００８】
また、収集した音の情報だけでなく音以外の情報も利用してコンテキストを理解するシステムの一例が特許文献４に記載されている。特許文献４に記載されている音振動認識システムは、複数のマイクロフォンを用いて音の音圧レベルを測定し、測定された音圧レベルを基に音源方向の水平角θを特定する。その一方で、複数の振動センサを用いて振動レベルを測定し、測定された振動レベルを基に振動源方向の水平角θ’を特定する。そして、特定した音源方向の水平角θと振動源方向の水平角θ’とを比較することによって、観測された音が音の発生を伴う振動源からの音であるか、振動を伴わない音源からの音であるかの判定や、振動源が音を伴わない振動源であるかどうかを判定する。
【先行技術文献】
【特許文献】
【０００９】
【特許文献１】特開２００８−７６６７６号公報
【特許文献２】特開２００４−２４０２１４号公報
【特許文献３】特開平９−２６３５４号公報
【特許文献４】特開２０１０−２３６９４４号公報
【非特許文献】
【００１０】
【非特許文献１】荒木雅弘、「フリーソフトでつくる音声認識システム」、森北出版、２００７年１０月、ｐ．１２−５２（特に、ｐ．１２，１９，３５）
【発明の概要】
【発明が解決しようとする課題】
【００１１】
音を利用してコンテキストを理解するシステムにおいて問題となるのは「類似音」の存在である。例えば、ある家の居間に設置されているインターホンの呼び出し音を認識して、外部からその家へ来訪者があったというコンテキストを理解するシステムを考える。
【００１２】
このようなシステムにおいては、例えば、家の居間で掃除機が大きな音を出していたり、置き時計が定時毎に時報音を出していたりすると、このような周囲の音が雑音となってシステムの動作を妨げる課題となり得る。そこで、例えば、一般に掃除機の音とインターホンの呼び出し音では周波数の高さが違うことを利用して上述のノイズ抑制システムを適用すれば、このような周囲の雑音（ここでは掃除機の音）を除外することができる可能性がある。また、例えば、上述の音識別システムを適用すれば、時報音といった認識対象音（インターホンの呼び出し音）との間に使用周波数帯域の違いがあまりない音であっても、メロディなどの特徴が異なれば雑音として除去できる。
【００１３】
しかし、周波数の高さやメロディといった認識対象音そのものの音に関する特徴によって認識対象音と周囲の雑音とを区別しようという上述の方法では、例えば、家の居間に設置されているテレビからその家のインターホンと同一機種のインターホンの呼び出し音が鳴った場合に、その音と認識対象音とを区別することは困難である。すると、誤って外部からその家へ来訪者があったと解釈してしまうおそれがある。実際、我々人間でも、テレビから鳴るインターホンの呼び出し音や電話の着信音に対して、実際の音と誤認識して、反応してしまうことが良くある。
【００１４】
このように、イベントによって切り出された個々の音の特徴（周波数など）を比較、分析することによってその音がどのような音であるかを識別する音識別システムでは、認識対象音と同じ特徴をもつ音を、認識対象音とは異なるものとして識別することが極めて困難である。そのため、コンテキストの理解を誤ってしまうという問題があった。
【００１５】
なお、本発明では、音を活用してコンテキストを理解するために認識の対象となる音を「認識対象音」と呼び、認識の対象ではないにもかかわらず、認識対象音と同一もしくは類似の音を「類似音」と呼ぶ。例えば、鳥の鳴き声を電話の着信音とし、コンテキストの認識の対象の１つとして電話の着信を着信音から認識したい場合、この電話の着信音は認識対象音であり、実際の鳥の鳴き声は類似音である。
【００１６】
例えば、特許文献２に記載されたような音識別システムが、認識対象音と類似音の相違を十分に学習すれば、これらを識別できるように構成することもできる可能性がある。しかし、テレビから発せられる音のように、本発明が判別対象とする類似音の多くは実際に十分な数の学習データを集めることが困難である。従って、学習手段を利用して、認識対象音と類似音を識別するのは現実的ではない。
【００１７】
なお、例えば特許文献３に記載されている技術を適用することによって、ある特定のテレビから発せられる類似音については、テレビから発せられる音の特性を利用して、認識対象の音とは異なるものとして識別することは可能である。しかし、特許文献３に記載された技術は、類似音を発する可能性のある全ての音源を常時モニター入力端子と接続しなければ、認識対象音と類似音とを正しく区別することはできない。現実には、予め類似音の発生源となりうる全ての音源を予測して、かつそれら全てを常時モニター入力端子と接続させるのは困難である。
【００１８】
なお、特許文献３には、登録されている報知音の発生源とされる位置情報と、検出した類似する音の発生源とされる位置情報との相関性の高さを求め、求めた結果から検出した音が複数あるうちのどの報知音であるかを特定したり、報知音の発生源が移動したものとして報知音の種類とその発生位置とをユーザに提示することが記載されている。しかし、これはあくまでテレビからの類似音を除去した後で、複数登録されている報知音との間で発生位置による相関性による判別をしているのであって、音源の位置関係から認識対象音と類似音とを区別しようというものではない。なお、特許文献３に記載されているような音の発生源の位置情報を比較して音を識別する技術を、認識対象音と類似音との判別に利用すれば、モニター入力端子に類似音を発する可能性のある全ての音源を常時接続しなくても、これらの音の発生位置の違いから認識対象音と類似音とを区別することができる可能性がある。しかし、音の発生源の違いから認識対象音と類似音とを区別するためには、少なくとも認識対象音の発生位置が予めわかっていることを要する。このため、例えば、認識対象音の発生位置が未知の場合や認識対象音の発生位置が定まらないような場合には適用できない。また、認識対象音の発生源と類似音の発生源との間の位置関係によっては、音の発生位置を高精度に推定できなければならず、そのための機構が複雑化するという問題がある。
【００１９】
また、例えば特許文献４に記載されている音振動認識システムを利用すれば、音の情報だけで認識対象音と類似音を識別できなくても、振動の情報から、振動を伴うコンテキストを正しく理解できる可能性がある。しかし、マイクロフォン以外に振動センサが使用されるため、部品が増え、電源線や信号線の配線が必要になるという問題がある。また、そもそも振動が殆ど無い事象に対しては、特許文献４に記載されている音振動システムを適用することは困難である。
【００２０】
本発明は、これらの問題点に鑑み、音によるコンテキストの理解の妨げとなる類似音を容易に認識対象音と区別して、正しいコンテキストの理解を可能とする音判定システム、音判定方法および音判定プログラム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】
【００２１】
本発明による音判定システムは、１つ以上の集音手段によって収集された音のデータを用いて、集音手段が配された空間内の特性であって音源からの音に基づく音特性を計測する音特性計測手段と、音特性計測手段によって計測された音特性が認識対象音の音特性と合致するか否かを判定して、収集された音が認識対象音であるか類似音であるかを判別する類似音判別手段とを備えたことを特徴とする。
【００２２】
また、本発明による音判定方法は、１つ以上の集音手段によって収集された音のデータを用いて、集音手段が配された空間内の特性であって音源からの音に基づく音特性を計測し、計測された音特性が認識対象音の音特性と合致するか否かを判定して、収集された音が認識対象音であるか類似音であるかを判別することを特徴とする。
【００２３】
また、本発明による音判定プログラムは、コンピュータに、１つ以上の集音手段によって収集された音のデータを用いて、集音手段が配された空間内の特性であって音源からの音に基づく音特性を計測する音特性計測処理、および音特性計測処理で計測された音特性が認識対象音の音特性と合致するか否かを判定して、収集された音が認識対象音であるか類似音であるかを判別する類似音判別処理を実行させる。
【発明の効果】
【００２４】
本発明によれば、音によるコンテキストの理解の妨げとなる類似音と認識対象音とを容易に区別することができる。また、本発明によれば、理解の妨げとなる類似音と認識対象音とを区別した正しいコンテキスト認識結果を提供することができる。
【図面の簡単な説明】
【００２５】
【図１】第１の実施形態の音判別システムの構成例を示すブロック図である。
【図２】第１の実施形態の音判別システムの動作の一例を示すフローチャートである。
【図３】第１の実施形態と音認識システムを組み合わせた音判定システムの構成例を示すブロック図である。
【図４】第１の実施形態と音検出システムを組み合わせた音判定システムの構成例を示すブロック図である。
【図５】マイクロフォン１１の設置位置の例および発生した音の広がり方の例を示す説明図である。
【図６】マイクロフォン１１の設置位置の例および発生した音の広がり方の例を示す説明図である。
【図７】マイクロフォン１１の設置位置の他の例および発生した音の広がり方の例を示す説明図である。
【図８】マイクロフォン１１の設置位置の他の例および発生した音の広がり方の例を示す説明図である。
【図９】第２の実施形態の音判別システムの構成例を示すブロック図である。
【図１０】第２の実施形態によるイベント音蓄積動作の一例を示すフローチャートである。
【図１１】第２の実施形態による類似音判別動作の一例を示すフローチャートである。
【図１２】マイクロフォン１１の設置位置の例および音源となる物の位置例を示す説明図である。
【図１３】第３の実施形態の音判別システムの構成例を示すブロック図である。
【図１４】第３の実施形態の音判別システムの動作の一例を示すフローチャートである。。
【図１５】周波数分布の解析結果の例を示す説明図である。
【図１６】本発明の概要を示すブロック図である。
【図１７】音認識システムの一例の構成例を示すブロック図である。
【発明を実施するための形態】
【００２６】
以下、本発明の実施形態を図面を参照して説明する。
【００２７】
実施形態１．
図１は、本発明の第１の実施形態の音判別システムの構成例を示すブロック図である。図１に示す音判別システムは、複数のマイクロフォン１１（マイクロフォン１１−１〜１１−ｎ）と、音圧比較部２１と、マイクロフォン位置データベース２２と、類似音判別部２３とを備えている。
【００２８】
マイクロフォン１１−１〜１１−ｎは、それぞれ周囲の音を収集する。例えば、当該マイクロフォンが設置された空間内の人、物、機器などが発生する音を収集する。
【００２９】
音圧比較部２１は、各マイクロフォン１１から収集した音の音圧を比較し、マイクロフォン１１−１〜１１−ｎが配された空間内における音圧の分布を示す音圧分布情報を作成する。音圧比較部２１は、音圧分布情報を作成するとき、後述するマイクロフォン位置データベース２２から各マイクロフォン１１の位置を示す位置情報を取得し、取得した各マイクロフォンの位置情報と、各マイクロフォンで収集された音とに基づいて、音圧分布情報を作成する。
【００３０】
マイクロフォン位置データベース２２は、各マイクロフォン１１が、空間のどこに設置されたかを示す位置情報を記憶している。なお、マイクロフォンの位置情報は、複数のマイクロフォンの相対的な位置関係がわかるような情報であればよい。すなわち、経度緯度などの絶対的な座標や、ある点を原点としたＸＹ座標などの距離や方向に厳密なものに限定されない。例えば、部屋の名前といった距離や方向に無関係な情報であっても、他のマイクロフォンと異なる位置にあることを示す情報であれば、本実施形態におけるマイクロフォンの位置情報に含まれる。
【００３１】
類似音判別部２３は、音圧比較部２１により作成された音圧分布情報に基づいて、各マイクロフォン１１により収集された音が、認識対象音であるか類似音であるかを判定する。なお、本実施形態では、予め認識対象音が当該空間内で発生した場合にどのような音圧の分布となるかデータとして保持されているとする。類似音判別部２３は、例えば、音圧比較部２１により作成された音圧分布情報と、予め登録されている認識対象音の音圧分布情報とを比較して、音の発生位置の相違や、発生位置からの広がり方の相違などに基づいて、収集した音が認識対象音であるか否かを判定してもよい。
【００３２】
なお、本実施形態において、音圧比較部２１、類似音判別部２３は、例えば、プログラムに従って動作するＣＰＵによって実現される。また、マイクロフォン位置データベース２２は、例えば、データベースシステムや記憶装置によって実現される。
【００３３】
次に、本実施形態の動作について説明する。図２は、本実施形態の音判別システムの動作の一例を示すフローチャートである。図２に示す例では、各マイクロフォン１１が音を収集する（ステップＳ０１）。各マイクロフォン１１の少なくともいずれかで音が収集されると、音比較部２１は、各マイクロフォン１１で収集された音とマイクロフォン位置データベースに保存された各マイクロフォン１１の位置とに基づいて、音圧分布情報を作成する（ステップＳ０２）。そして、類似音判別部２３が、音圧分布情報を基にして、各マイクロフォン１１により収集された音が認識対象音であるか類似音であるかを判定する（ステップＳ０３）。
【００３４】
なお、ステップＳ０１からステップＳ０３までは、パイプライン方式を用いて並列的に実行されてもよい。これらの実装以外でも、本発明の構成と原理を用いて目的の効果を得られれば、どのような情報処理機構を用いてもよい。
【００３５】
以上のように、本実施形態によれば、予め認識対象音を発する音源と類似音を発する音源との位置関係が不明な場合であっても、類似音と認識対象音とを区別して正しいコンテキストを理解できる。これは、それぞれが異なる位置に配された複数のマイクロフォンで音を収集し、収集された音と各マイクロフォンの位置とを用いて音圧分布情報を作成し、作成された音圧分布情報を基に、その音が認識対象音であるかまたは類似音であるかを判別するからである。
【００３６】
例えば、ドアの開閉音とテレビから発せられる類似音とを区別したい場合、音の発生位置が異なるという相違だけでは区別が困難な場合であっても、ドアの開閉音はドアの位置から空間上をほぼ同心円状に広がるのに対し、一般的なテレビの音はスピーカから正面方向にある程度の指向性をもって広がるという音の広がり方の相違を基に判断することによって、容易に区別することができる。
【００３７】
さらに、図３に示すように、音認識システムと組み合わせて音判定システムとして実装することも可能である。図３に示す音判定システムは、図１に示す構成に加えて、さらに前処理部３１と、特徴抽出部３２と、識別部３３と、識別辞書３４と、判定部３５とを備えている。
【００３８】
前処理部３１、特徴抽出部３２、識別部３３、識別辞書３４は、一般的な音認識システムの構成要素と同様でよい。
【００３９】
判定部３５は、識別部３３による識別結果を、類似音判別部２３による判定結果に応じて変更する。
【００４０】
このような構成により、例えば、識別部３３の識別結果が、「モータの始動音」であったとしても、類似音判別部２３が、「類似音」と判定した場合、判定部３５は、「モータの始動音」とではなく「類似音」と判定し、結果出力を変更できるため、コンテキストの認識精度がより高まる。
【００４１】
また、例えば図４に示すように、音検出システムと組み合わせて音判定システムとして実装することも可能である。図４に示す音判定システムは、図１に示す構成に加えて、さらにイベント音検出部４１と、判定部４２とを備えている。
【００４２】
イベント音検出部４１は、例えば音圧の変化を基に、イベントによって発生した音を検出する。
【００４３】
判定部４２は、類似音判別部２３による判定結果に応じて、イベント音検出部４１による検出結果を変更する。
【００４４】
このような構成により、例えば、イベント音検出部４１が、イベントによって発生した音を検出し、「イベントが発生した」と結果を出力したとする。そのイベントによって発声した音に対して、類似音判別部２３が「類似音」（すなわち「認識対象音」でない）と判定したとする。そのような場合に、判定部３５は、イベント音検出部４１による検出結果を「イベントが発生していない」と変更して出力できるため、イベントを検出する精度がより高まる。
【００４５】
次に、具体的な例を用いて本実施形態の動作を説明する。図５および図６は、マイクロフォン１１の設置位置の例および発生した音の広がり方の例を示す説明図である。図５および図６に示すように、部屋に複数のマイクロフォン１１ａ−１〜１１ａ−９が格子状に配置されている。なお、部屋は、音の反射を無視または音の到達時間により除去できるほどに広いとする。また、音の発生源からマイクロフォンまでは遮蔽物がないとする。これは、各マイクロフォン１１ａを天井に設置することで容易に実現可能である。マイクロフォンを設置する密度は、後述するスピーカ１２２の音圧分布に指向性を示すムラが現れる程度が好ましい。
【００４６】
この部屋で一般的な花瓶１２１を落下させた場合、図５に示すように、花瓶１２１を落下させたことで発生する音はほぼ同心円状に広がる。このため、図５の例であれば、マイクロフォン１１ａ−２、１１ａ−３、１１ａ−５、１１ａ−６では、ほぼ同じ音圧の音を収集できるのに対して、マイクロフォン１１ａ−７では、上述のマイクロフォン１１ａ−２、１１ａ−３、１１ａ−５、１１ａ−６で収集された音の音圧に対して低い音圧の音が収集される。
【００４７】
一方、図６に示すように、同一の部屋で一般的なスピーカ１２２から音を発生させた場合、スピーカ１２２によって発生する音はスピーカ１２２の前方に広がる。このため、図６の例であれば、マイクロフォン１１ａ−４、１１ａ−５、１１ａ−７、１１ａ−８では、他のマイクロフォンに対して高い音圧の音が収集される。
【００４８】
これらの音圧のデータと、マイクロフォン１１ａ−１〜１１ａ−９が部屋のどこに設置されているかを示すマイクロフォンの位置とを組み合わせて、図５および図６に示される部屋の内部の音圧分布情報を作成する。そして、作成した音圧分布情報を基に、音源からの音が同心円状に広がっている場合には、実際に部屋で発生した音（認識対象音）であると判定し、音源からの音が同心円状に広がっていない場合には、スピーカによって再現された音（類似音）と判定する。
【００４９】
なお、部屋は、音の反射を無視できるほどに広いと仮定したが、実際には部屋は有限の大きさの部屋であり、また壁以外に物があれば、それらによって生じる反射もある。このため、音圧分布情報に基づく音の広がり方の判断に関し、厳密に同心円か否かで判断することは難しく、ある程度の余裕が必要である。ただし、どの程度の余裕とするかは適用先の部屋による。
【００５０】
また、図７および図８は、マイクロフォン１１の設置位置の他の例および発生した音の広がり方の例を示す説明図である。図７および図８に示すように、複数のマイクロフォンを異なる空間に設置している。具体的には、部屋と廊下に１つずつ、マイクロフォン１１ｂ−１、１１ｂ−２を設置している。本例では、ドアのように空間を仕切る物体の発する音を認識対象音としている。
【００５１】
部屋と廊下を仕切る扉を閉じた場合、図７に示すように、扉を閉じたことで発生する音は、部屋のマイクロフォン１１ｂ−１でも廊下のマイクロフォン１１ｂ−２でも収集される。
【００５２】
一方、図８に示すように、部屋に設置したスピーカから扉の開閉音を発生させた場合、この音はマイクロフォン１１ｂ−２では収集されるが、マイクロフォン１１ｂ−１では収集されない、または実際に部屋の扉を閉じたときに発生する音やマイクロフォン１１ｂ−２で収集される音よりも低い音圧の音が収集される。
【００５３】
これらの音圧データと、マイクロフォン１１ｂ−１〜１１ｂ−２がどの空間に設置されているかを示すマイクロフォンの位置とを組み合わせて、部屋と廊下の音圧分布情報を作成する。そして、作成した音圧分布情報を基に、複数の空間で音が所定の音圧差以内で収集された場合には、実際の扉の開閉によって発生した音（認識対象音）と判断し、音が所定の音圧差より大きく収集された場合には、スピーカによって再現された音（類似音）と判断する。
【００５４】
本例は、認識対象音が複数の空間を仕切る物によって発せられる音に限定されるが、音の広がりの形状までを判定の材料としないため、音の反射を考慮しなくてはならない部屋の場合であっても対応できる。また、マイクロフォンの位置についても、どの部屋であるか程度がわかればよく、正確な座標まで考慮する必要がない。なお、判断の際の閾値とする所定の音圧差は、本発明を実施した空間に応じて定めればよい。
【００５５】
実施形態２．
次に、本発明の第２の実施形態について説明する。図９は、本発明の第２の実施形態の音判別システムの構成例を示すブロック図である。図９に示す音判別システムは、図１に示す第１の実施形態に、イベント音記録部５２、イベント音データベース５３、音類似判定部５４が加わっている。また、図１の音圧比較部２１に代わり、音源位置推定部５１が構成要素となっている。また、図１の類似音判別部２３に代わり、類似音判別部５５が構成要素となっている。なお、類似音判別部５５は、入力される情報と判断手法が、第１の実施形態における類似音判別部２３と異なる。
【００５６】
音源位置推定部５１は、各マイクロフォン１１（マイクロフォン１１−１〜１１−ｎ）から収集された音のデータに基づいて音源の位置を推定し、推定音源位置を決定する。音源位置の推定方法は、例えば、各マイクロフォン１１から収集された音の音圧データを基に、各マイクロフォン１１の中で最も高い音圧を検出したマイクロフォン１１の位置を、近似的に音源の位置とする方法を用いてもよい。この方法の場合、空間内にマイクロフォン１１を多数設置する必要があるが、第１の実施形態の音圧比較部２１とほぼ同様の構成を活用できる。音源位置の推定方法としては、この他にもさまざまな手法があり、例えば以下の方法を用いてもよい。
【００５７】
例えば、各マイクロフォンでの音の到着時間差を活用して推定する方法を用いてもよい。また、例えば指向性の高いマイクロフォンを使用し、各マイクロフォンの向きを変えて走査することで音源位置を推定する方法を用いることも可能である。
【００５８】
イベント音記録部５２は、各マイクロフォン１１から収集された音のデータから、イベントにより発生した音を切り出し、切り出した音のデータとその音に対して音源位置推定部５１から出力される音源位置（推定音源位置）と組にして、イベント音データベース５３に記録する。これらのイベントは、例えば、音圧が一定レベル以上に変化したときをイベントの発生として判断できる。また、イベント音データベース５３には、例えば、イベントが発生したときから所定の時間分の音を記録する。なお、イベントの検知のために所定時間音を一時的に記録している場合などには、イベントが発生した前後の所定の時間分の音を記録してもよい。
【００５９】
イベントは、イベント音記録部５２が検知可能な事象であればよく、例えば、機械の始動、人の発話、扉の開閉などがある。なお、どのような事象をイベントとして検知するかは予め定められた条件による。例えば、上記以外にも、特定のパターンの波形が検出されたとき、一定レベル以上の急峻の変化を検出したとき、特定の変化率で変化したときなどが挙げられる。また、イベントの検知は、音以外のもの（照度、温度、振動など）を利用して行うことも可能である。例えば、空間が明るくなる、振動が発生するなどであってもよい。音以外のものを利用する場合には、例えば、イベント音記録部５２がそのようなイベントを検知するためのデバイスを備え、そのデバイスのセンシング結果を基に、イベントによって発生した音（イベント前後の音を含む）を録音するようにすればよい。
【００６０】
イベント音データベース５３は、イベント音記録部５１により切り出された音のデータと、音源位置推定部によって推定されたその音の推定音源位置を示す推定音源位置情報とを組にして、履歴情報として保持する。
【００６１】
音類似判定部５４は、各マイクロフォンにより収集された音と、これまでに各マイクロフォンで収集されてイベント音データベース５３に記録されている推定音源位置が同一の過去のイベント音とを比較して、それらの類似性の有無を判定する。判定にあたって、例えば、推定音源位置をキーに、イベント音データベース５３を検索して、検索された過去のイベント音と、今回収集された音とで、音の類似性の有無を判定する方法がある。さらに、音の類似性の判定方法に関して、例えば、パターンマッチングの手法を活用することで音の類似性の有無を判定する方法を実現できるが、これらの方法に限定されない。また、音類似判定部５４は、判定の結果、類似性ありと判定されたイベント音の発生回数や発生頻度等の統計を算出して出力してもよい。
【００６２】
類似音判別部５５は、音類似判定部５４の結果の統計を基に、発生した音が、認識対象音であるか、類似音であるかを判定する。例えば、類似性のある音が所定の期間に所定の回数以上収集された場合、認識対象音と判定し、一方、同じ位置で、これまでに複数のマイクロフォンで収集されていない音が収集された場合または所定の期間で所定の回数未満収集された場合、類似音と判定してもよい。
【００６３】
式を用いて説明すると、例えば、所定の期間を観測して以下の式（１）が成立する場合には認識対象音と判定し、成立しない場合には類似音と判定してもよい。なお、式（１）において「同一の音」とは、音類似判定部５４によって入力音と類似すると判定されたイベント音データベース５３内にある過去の同一発生源の音（今回の入力音を含んでもよい）をいう。
【００６４】
［同一の音］が発生した回数＞［所定の回数］ ・・・式（１）
【００６５】
また、所定の期間に収集された特定のイベントの音の回数のみでは、イベントの発生回数が少ないという場合に対応できない。その場合、例えば、イベントの音の種類（どのような音か）を基準に特定のイベント音の発生頻度を考えることで解決できる。特定の音が他の音も含めた合計に対して所定の割合以上の回数で発生する場合、認識対象音と判定し、特定の音が他の音も含めた合計に対して所定の割合未満の回数で発生する場合、類似音と判定する。この場合、観測期間を指定しなくてもよい。なお、特定の音は、評価の対象となる音である。より具体的には、音自体の特徴から認識対象の音とその他の音とを区別しようとした場合に、認識対象の音として区分けされる音をいう。なお、実際の処理では、［同一の音］と同様に、音類似判定部５４によって入力音と類似すると判定されたイベント音データベース５３内にある過去の同一発生源の音（今回の入力音を含んでもよい）を用いればよい。なお、本例の場合は、音類似判定部５４での類似性の判定において、もっと大まかな分類の音の区分けによって入力音と同じ種類の音に属するものを類似性ありとしてもよい。
【００６６】
特定の音の具体例として、例えば「扉の開閉音」を考えた場合、認識対象音となる扉の開閉音（実際の扉の開閉によって発生する音）は、扉が設置されている場所で発生する。このため、その場所（扉が設置されている位置）からは扉の開閉音が最も多く発生すると考えられる。一方、テレビから発生する扉の開閉音（実際には、スタジオや収録現場などで発生した扉の開閉音やその疑似音）は、テレビが設置されている場所で発生する。テレビは、扉の開閉音以外にも多くの種類の音を発生させる。すなわち、テレビが置いてある位置からは、多くの種類の音（例えば、扉の開閉以外にも、人の発話、車の走行音など）が認識される。このことから、本実施形態では、多くの種類の音が認識される位置から発生する音は、すべて類似音と判定する。
【００６７】
式を用いて説明すると、例えば、所定の期間を観測して以下の式（２）が成立する場合には認識対象音と判定し、成立しない場合には類似音と判定してもよい。
【００６８】
［特定の音］が発生した回数／（［特定の音］が発生した回数＋［その他の音］が発生した回数）＞［所定の割合］ ・・・式（２）
【００６９】
なお、式（２）において「特定の音」とは、音の特徴から認識対象音と認識される音をいう。より具体的には、音類似判定部５４によって入力音と類似すると判定されたイベント音データベース５３内にある過去の同一発生源の音（今回の入力音を含んでもよい）をいう。
【００７０】
この他にも、上述の式（１）と式（２）の２つの基準を組み合わせてもよいし、これらの方法以外にもさまざまな統計の方法を採ることができる。
【００７１】
なお、本実施形態において、音源位置推定部５１、イベント音記録部５２、類似音判定部５４、類似音判別部５５は、例えば、プログラムに従って動作するＣＰＵによって実現される。また、マイクロフォン位置データベース２２、イベント音データベース５３は、例えば、データベースシステムや記憶装置によって実現される。
【００７２】
次に、本実施形態の動作について説明する。本実施形態の動作は、大別して２つの動作に分けられる。１つは、イベントの音を収集し、イベント音データベース５３に蓄積する動作（以下、イベント音蓄積動作という。）である。もう１つは、イベント音データベース５３に保存された音データを活用して、発生した音が認識対象音か類似音かを判定する動作（以下、類似音判別動作という。）である。
【００７３】
まず、イベント音蓄積動作について説明する。図１０は、本実施形態によるイベント音蓄積動作の一例を示すフローチャートである。図１０に示す例では、まず各マイクロフォンが音を収集すると（ステップＳ１１）、音源位置推定部５１が、各マイクロフォンで収集された音のデータと、マイクロフォン位置データベース２２に保存されたマイクロフォンの位置情報とを基に、その音の音源の位置を推定し、推定音源位置を決定する（ステップＳ１２）。
【００７４】
また、イベント音記録部５２は、各マイクロフォンで収集された音からイベントの音を切り出す（ステップＳ１３）。イベントの音が切り出されると、切り出したイベントの音のデータと、音源位置推定部５１により推定されたその音の推定音源位置を示す推定音源位置情報とを対応づけて、イベント音データベース５３に記録する（ステップＳ１４）。
【００７５】
なお、ステップＳ１１からステップＳ１４までは、パイプライン方式を用いて並列的に実行されてもよい。さらに、ステップＳ１２とステップＳ１３とを別のハードウェアで実装し、並列的に実行してもよい。
【００７６】
次に、本実施形態の類似音判別動作について説明する。図１１は、本実施形態による類似音判別動作の一例を示すフローチャートである。図１１に示す例では、各マイクロフォン１１が音を収集する（ステップＳ２１）。次いで、音源位置推定部５１が、各マイクロフォン１１で収集された音のデータと、マイクロフォン位置データベース２２に保存された各マイクロフォン１１の位置情報とを基にして、音源の位置を推定し、推定音源位置を決定する（ステップＳ２２）。
【００７７】
次いで、音類似判定部５４が、各マイクロフォン１１で収集された音のデータと推定音源位置情報との組みと、イベント音データベース５３に保存された過去のイベントの音のデータと推定音源位置情報との組みとを基に、収集された音の推定音源位置における音の類似性の有無を判定する（ステップＳ２３）。そして、類似音判別部５５が、判定された音の類似性の有無から、ステップＳ２１で各マイクロフォン１１により収集された音が認識対象音か類似音かを判定する（ステップ２４）。
【００７８】
なお、ステップＳ２１からステップＳ２４までは、パイプライン方式を用いて並列的に実行されてもよい。
【００７９】
以上のように、本実施形態によれば、異なる位置に配置された複数のマイクロフォンで音を収集し、それにより収集された音と各マイクロフォンの位置から音源の位置を推定し、さらに推定された音源の位置と収集された音の組を基に、過去に収集されたイベントの音の中から類似の組の有無を検索し、そして、その有無の確率を基にした同一位置での音の類似性を基に、その音が認識対象音か類似音かを判定するので、各マイクロフォン１１で収集された音が、認識対象音であるか類似音であるかを判定できる。
【００８０】
また、本実施形態によれば、予め認識対象音を発する音源と類似音を発する音源の位置関係が不明な場合であっても、いずれかの音源の位置が変化しない場合には、同一の推定音源位置から過去に発せられたイベント音の履歴と照合することにより、認識対象音と類似音とを区別することができる。
【００８１】
例えば、テレビの音が認識対象音もしくは類似音である場合に、テレビの位置からは様々なイベント音が発せられるため、予め認識対象音を発する音源と類似音を発する音源の位置関係が不明な場合であっても、同一の推定音源位置から過去に発せられたイベント音の履歴を照合すれば、多様な音がその音源から発せられているか否かで、どちらがテレビの音であるかを判別することができる。
【００８２】
なお、本実施形態においても、図３および図４に示すような音認識システムや音検出システムを組み合わせて音判定システムとして実装することが可能である。そのような場合には、判定部３５は、識別部３３による識別結果を、類似音判別部５５による判定結果に応じて変更すればよい。なお、本実施形態では、収集した音がどのような種類の音かを識別するための処理部が、イベント音記録部５２にも含まれていてもよい。
【００８３】
次に、具体的な例を用いて本実施形態の動作を説明する。図１２は、マイクロフォン１１の設置位置の例および音源となる物の位置例を示す説明図である。図１２に示すように、同一の空間にマイクロフォン１１ｃ−１〜１１ｃ−９が配置されている。また、マイクロフォン１１ｃ−３の近くには扉３２１があり、マイクロフォン１１ｃ−６の近くにはＴＶのスピーカ３２２がある。
【００８４】
このような部屋で扉３２１を閉めると、マイクロフォン１１ｃ−３が扉に最も近いため、扉の音は、マイクロフォン１１ｃ−３で最も大きな音圧で収集される。この場合には、音源位置推定部５１は、収集した音（扉の音）の音源をマイクロフォン１１ｃ−３の近傍と推定する。
【００８５】
このとき、マイクロフォン１１ｃ−３を推定音源位置とする扉の開閉音は、過去２４時間に１０回収集されており、さらに推定音源位置をマイクロフォン１１−ｃ−３とするイベント音の中で扉３２１の開閉音が収集される割合が８０％以上である状態であったとする。この状態でマイクロフォン１１ｃ−３を推定音源位置とする扉の音を収集した場合、類似音判別部５５は、音類似判定部５４の上述のような類似性の判定結果の統計に基づき、この扉の音は認識対象音であると判断する。
【００８６】
一方、この部屋でスピーカ３２２を鳴らすと、マイクロフォン１１ｃ−６が最も近いため、スピーカ３２２からの音はマイクロフォン１１ｃ−６で最も大きな音圧で収集される。この場合には、音源位置推定部５１は、収集した音（スピーカから発せられる音）の音源をマイクロフォン１１ｃ−６の近傍と推定する。
【００８７】
このとき、マイクロフォン１１ｃ−６を推定音源位置とする扉の開閉音は、過去２４時間で１回も収集されていない状態であったとする。この状態でマイクロフォン１１ｃ−６を推定音源位置とする扉の音を収集した場合、類似音判別部５５は、この扉の音は類似音であると判断する。
【００８８】
または、マイクロフォン１１ｃ−６を推定音源位置とする扉の音はこれまでにも数回収集されているが、マイクロフォン１１ｃ−６では扉の音以外にも爆発音やサイレンの音を収集しており、同一の推定音源位置からのイベント音の中では、扉の音が収集される割合は８０％未満であったとする。この状態でマイクロフォン１１ｃ−６を推定音源位置とする扉の音を収集した場合、類似音判別部５５は、この扉の音は類似音であると判定する。
【００８９】
実施形態３．
次に、本発明の第３の実施形態について説明する。図１３は、本発明の第３の実施形態の音判別システムの構成例を示すブロック図である。図１３に示す音判別システムは、マイクロフォン１１と、周波数解析部６１と、類似音判別部６２とを備えている。
【００９０】
マイクロフォン１１は、周囲の音を収集する。例えば、当該マイクロフォン１１が設置された空間内の物体、人などが発生する音を収集する。なお、マイクロフォン１１は１つであっても複数であってもよい。
【００９１】
周波数解析部６１は、マイクロフォン１１から収集された音の周波数の分布を解析する。周波数解析部６１は、例えば、音圧が一定以上の周波数成分をピックアップし、それらをマイクロフォン１１の有効範囲内の空間において発現する周波数成分であるとして所定の空間上にマッピングすることにより、所定の空間内における周波数分布を作成してもよい。なお、マイクロフォンが１つである場合には、ピックアップした周波数成分のみで表される当該マイクロフォンの有効範囲内の空間における音の周波数分布を作成すればよい。または、単純に、検出した周波数成分を示す情報を周波数分布としてもよい。
【００９２】
類似音判別部６２は、周波数解析部６１による解析結果である音の周波数分布を基にして、マイクロフォン１１で収集された音が認識対象音であるか類似音であるかを判定する。
【００９３】
なお、本実施形態において、周波数解析部６１、類似音判別部６２は、例えば、プログラムに従って動作するＣＰＵによって実現される。
【００９４】
次に、本実施形態の動作について説明する。図１４は、本実施形態の音判別システムの動作の一例を示すフローチャートである。図１４に示す例では、まずマイクロフォン１１が音を収集する（ステップＳ３１）。次いで、周波数解析部６１が、マイクロフォン１１によって収集された音の周波数の分布を解析する（ステップＳ３２）。そして、類似音判別部６２が、周波数の分布の解析結果を基にして、マイクロフォン１１で収集された音が認識対象音であるか類似音であるかを判定する（ステップＳ３３）。
【００９５】
以上のように、本実施形態によれば、音の発生位置関係が区別できない場合であっても、認識対象音と類似音とを区別できる。
【００９６】
例えば、一般的なテレビのスピーカは、さほど周波数特性が優れておらず、特に周波数が低い低音域では音圧が低くなる傾向があることに加え、テレビ放送の規格により伝送できる最高周波数にも制約があるため、テレビから発せられる音には周波数の分布に一定の限界が現れる。従って、そのような音源からの音の周波数分布の特性に基づいて収集された音が認識対象音であるか類似音であるかを判定すれば、音の発生位置関係だけでは認識対象音と類似音とを区別できない場合であっても認識対象音と類似音とを区別できる。
【００９７】
なお、本実施形態においても、図３および図４に示すような音認識システムや音検出システムを組み合わせて音判定システムとして実施することが可能である。そのような場合には、判定部３５は、識別部３３による識別結果を、類似音判別部６２による判定結果に応じて変更すればよい。
【００９８】
次に、具体的な例を用いて本実施形態の動作を説明する。図１５は、周波数分布の解析結果の例を示す説明図である。例えば、図１５（ａ）に示されるように、収集された音に対して周波数の分布を解析した結果、マイクロフォン１１が設置された空間内におけるその音の周波数の分布に、５０Ｈｚ以下と１８，０００Ｈｚ以上にもパワーがある場合には、その音は認識対象音であると判定する。一方、図１５（ｂ）に示されるように、マイクロフォン１１が設置された空間内におけるその音の周波数の分布に、５０Ｈｚ以下、かつ、１８，０００Ｈｚ以上にパワーがない場合には、その音は類似音であると判定する。
【００９９】
なお、上記各実施形態では、１つ以上のマイクロフォン１１が配された所定の空間内において発現する音特性として、特に、その音の音源によって特徴づけられる音特性に着目した結果、音の音圧分布、同一音源位置における音の類似性の有無、周波数の分布のいずれかを用いる例を説明したが、これらの音特性を１つ以上組み合わせて使用することも可能である。そのような場合には、１つ以上の類似音判別部からの判別結果を入力とし、それらを総合して最終的な判別結果を出力する手段を備えればよい。
【０１００】
次に、本発明の概要について説明する。図１６は、本発明の概要を示すブロック図である。図１６に示すように、本発明による音判定システムは、音特性計測手段１０１と、類似音判別手段１０２とを備えたことを特徴とする。
【０１０１】
音特性計測手段１０１は、１つ以上の集音手段によって収集された音のデータを用いて、集音手段が配された空間内の特性であって音源からの音に基づく音特性を計測する。
【０１０２】
類似音判別手段１０２は、音特性計測手段１０１によって計測された音特性が認識対象音の音特性と合致するか否かを判定して、収集された音が認識対象音であるか類似音であるかを判別する。
【０１０３】
上述の音特性は、音圧の分布、同一音源位置における音の類似性の有無、および周波数の分布のうちの少なくとも１つであってもよい。
【０１０４】
例えば、上述の第１の実施形態では、音特性として、音圧の分布を用いる例が示されている。具体的には、複数の集音手段を配することで得られる当該集音手段が配されている所定の空間における音圧の分布を示す音圧分布情報を基に、認識対象音と類似音とで発生位置の相違や、発生位置からの広がり方の相違を判定することにより、収集された音が認識対象音か類似音かを判別する例が示されている。すなわち、第１の実施形態においては、音特性計測手段１０１は、音圧比較部２１により実現されている。
【０１０５】
また、例えば、上述の第２の実施形態では、音特性として、同一音源位置における音の類似性の有無を用いる例が示されている。なお、「同一音源位置における音の類似性の有無」をより具体的にいうと、同一音源位置において発生する音の間にある、音の特徴の類似性の有無である。上述の第２の実施形態では、複数の集音手段を配しかつ過去に発生したイベント音を履歴として蓄積することで得られる音源位置と音の種類ごとの発生回数や発生確率を基に、多様な音がその音源から発せられているか否かを判定することにより、収集された音が認識対象音か類似音かを判別する例が示されている。すなわち、第２の実施形態においては、音特性計測手段１０１は、音源位置推定部５１、イベント音記録部５２、類似音判定部５４により実現されている。
【０１０６】
また、例えば、上述の第３の実施形態では、音特性として、周波数の分布を用いる例が示されている。具体的には、集音手段から得られた音のデータが有する周波数の分布を示す情報を基に、認識対象音または類似音にのみ現れる特性の有無を判定することにより、収集された音が認識対象音か類似音かを判別する例が示されている。すなわち、第３の実施形態においては、音特性計測手段１０１は、周波数解析部６１により実現されている。
【０１０７】
また、本発明による音判定システムは、複数の集音手段（例えば、マイクロフォン１１〜１−１１〜ｎ）の各々の位置を示す集音位置情報を記憶する集音位置情報記憶手段（例えば、マイクロフォン位置データベース２２）と、複数の集音手段により収集された音のデータと集音位置情報とに基づいて、集音手段が配された所定の空間内における音圧の分布を示す音圧分布情報を作成する音圧分布情報作成手段（例えば、音圧比較部２１）と、音圧分布情報作成手段によって作成された音圧分布情報に基づいて、収集された音が認識対象音であるか類似音であるかを判定する類似音判別手段（例えば、類似音判別部２３）とを備えていてもよい。
【０１０８】
そのような構成によれば、音そのものの周波数帯域や特徴からは認識対象音と類似音とを区別できない場合であっても、音の発生位置の相違や発生位置からの音の広がり方の相違を利用して、認識対象音と類似音とを区別することができる。
【０１０９】
また、本発明による音判定システムは、複数の集音手段（例えば、マイクロフォン１１−１〜１１−ｎ）の各々の位置を示す集音位置情報を記憶する集音位置情報記憶手段（例えば、マイクロフォン位置データベース２２）と、複数の集音手段により収集された音のデータと集音位置情報とに基づいて、収集された音の音源の位置を推定する音源位置推定手段（例えば、音源位置推定部５１）と、予め定められたイベントにより発生した音のデータと、その音について推定された音源の位置を示す推定音源位置情報とを対応づけて、履歴情報として保持するイベント音履歴記憶手段（例えば、イベント音データベース５３）と、予め定められたイベントの発生を検知すると、複数の集音手段によって収集された音からイベントにより発生した音を切り出し、切り出した音のデータとその音について音源位置推定手段により推定された音源の位置を示す推定音源位置情報とを対応づけてイベント音履歴記憶手段に記憶させるイベント音記録手段（例えば、イベント音記録部５２）と、複数の集音手段によって新たに収集された音のデータと推定音源位置情報の組と、イベント音履歴記憶手段に保持されている過去に収集された音のデータと推定音源位置情報の組みとに基づいて、今回収集した音と、音と同じ推定音源位置を有する過去のイベント音との間にある音の類似性の有無またはその度合いを判定する音類似判定手段（たとえば、音類似判定部５４）と、音類似判定手段による判定結果に基づいて、収集された音が認識対象音であるか類似音であるかを判定する類似音判別手段（例えば、類似音判別部５５）とを備えていてもよい。
【０１１０】
このような構成によれば、予め認識対象音を発する音源と類似音を発する音源の位置関係が不明な場合であっても、いずれかの音源の位置が変化しない場合には、認識対象音と類似音を区別することが可能である。
【０１１１】
また、本発明による音判定システムは、１つ以上の集音手段（例えば、マイクロフォン１１）により収集された音のデータに基づいて、集音手段が配された所定の空間内における音の周波数の分布を解析する周波数解析手段（例えば、周波数解析部６１）と、周波数解析手段による解析結果に基づいて、収集された音が認識対象音であるか類似音であるかを判定する類似音判別手段（例えば、類似音判別部６２）とを備えていてもよい。
【０１１２】
このような構成によれば、音の発生位置関係だけでは認識対象音と類似音とを区別できない場合であっても、一方の音源からの音の周波数分布に現れる一定の限界等を利用して、認識対象音と類似音とを区別することが可能である。
【０１１３】
また、本発明による音判定システムは、上記の各音判定システムで示した音特性に基づく判別方法を組み合わせて構成することも可能である。
【０１１４】
また、本発明による音判定システムは、さらに、収集された音のデータから得られる音そのものの特徴量に基づいて、収集された音が認識対象音か否かを識別する音識別手段（例えば、図３に示す音認識システムや図４に示す音検出システム）と、音識別手段による識別結果と、類似音判別手段による判定結果とに基づいて、収集された音が認識対象音であるか否かを判定する判定手段（例えば、判定部３５，４３）とを備えていてもよい。
【０１１５】
以上、実施形態および実施例を参照して本願発明を説明したが、本願発明は、上記実施形態および実施例に限定されるものではない。本願発明の構成や詳細には、本願発明のスコープ内で当業者が理解し得る様々な変更をすることができる。
【産業上の利用可能性】
【０１１６】
本発明によれば、認識対象音と類似音とを容易に区別できるため、例えば、ラジオやテレビが動作している時であっても音声を認識しなくてはならないカーナビゲーションシステムや、ラジオやテレビが動作している時であっても機械の動作状況を確認しなくてはならない工場、事務所での異常検出システム等にも好適に適用可能である。
【符号の説明】
【０１１７】
１１、１１ａ、１１ｂ、１１ｃ マイクロフォン
２１ 音圧比較部
２２ マイクロフォン位置データベース
２３、５５、６２ 類似音判別部
３１ 前処理部
３２ 特徴抽出部
３３ 識別部
３４ 識別辞書
３５ 判定部
４１ イベント音検出部
５１ 音源位置推定部
５２ イベント音記録部
５３ イベント音データベース
５４ 音類似判定部
６１ 周波数解析部
１２１ 花瓶
１２２、２２１、３２２ スピーカ
２２２、３２１ 扉
１０１ 音特性計測手段
１０２ 類似音判別手段
【特許請求の範囲】
【請求項１】
１つ以上の集音手段によって収集された音のデータを用いて、前記集音手段が配された空間内の特性であって音源からの音に基づく音特性を計測する音特性計測手段と、
前記音特性計測手段によって計測された音特性が認識対象音の音特性と合致するか否かを判定して、収集された音が認識対象音であるか類似音であるかを判別する類似音判別手段とを備えた
ことを特徴とする音判定システム。
【請求項２】
音特性は、音圧の分布、同一音源位置における音の類似性の有無、および周波数の分布のうちの少なくとも１つである
請求項１に記載の音判定システム。
【請求項３】
複数の集音手段の各々の位置を示す集音位置情報を記憶する集音位置情報記憶手段と、
前記複数の集音手段により収集された音のデータと前記集音位置情報とに基づいて、前記集音手段が配された所定の空間内における音圧の分布を示す音圧分布情報を作成する音圧分布情報作成手段と、
前記音圧分布情報作成手段によって作成された音圧分布情報に基づいて、収集された音が認識対象音であるか類似音であるかを判定する類似音判別手段とを備えた
請求項１または請求項２に記載の音判定システム。
【請求項４】
複数の集音手段の各々の位置を示す集音位置情報を記憶する集音位置情報記憶手段と、
前記複数の集音手段により収集された音のデータと前記集音位置情報とに基づいて、収集された音の音源の位置を推定する音源位置推定手段と、
予め定められたイベントにより発生した音のデータと、その音について推定された音源の位置を示す推定音源位置情報とを対応づけて、履歴情報として保持するイベント音履歴記憶手段と、
予め定められたイベントの発生を検知すると、前記複数の集音手段によって収集された音から前記イベントにより発生した音を切り出し、切り出した音のデータとその音について前記音源位置推定手段により推定された音源の位置を示す推定音源位置情報とを対応づけて前記イベント音履歴記憶手段に記憶させるイベント音記録手段と、
前記複数の集音手段によって新たに収集された音のデータと推定音源位置情報の組と、前記イベント音履歴記憶手段に保持されている過去に収集された音のデータと推定音源位置情報の組みとに基づいて、今回収集した音と、前記音と同じ推定音源位置を有する過去のイベント音との間にある音の類似性の有無またはその度合いを判定する音類似判定手段と、
前記音類似判定手段による判定結果に基づいて、収集された音が認識対象音であるか類似音であるかを判定する類似音判別手段とを備えた
請求項１または請求項２に記載の音判定システム。
【請求項５】
１つ以上の集音手段により収集された音のデータに基づいて、前記集音手段が配された所定の空間内における音の周波数の分布を解析する周波数解析手段と、
前記周波数解析手段による解析結果に基づいて、収集された音が認識対象音であるか類似音であるかを判定する類似音判別手段とを備えた
請求項１または請求項２に記載の音判定システム。
【請求項６】
収集された音のデータから得られる音そのものの特徴量に基づいて、収集された音が認識対象音か否かを識別する音識別手段と、
前記音識別手段による識別結果と、類似音判別手段による判定結果とに基づいて、収集された音が認識対象音であるか否かを判定する判定手段とを備えた
請求項１から請求項５のうちのいずれか１項に記載の音判定システム。
【請求項７】
１つ以上の集音手段によって収集された音のデータを用いて、前記集音手段が配された空間内の特性であって音源からの音に基づく音特性を計測し、
計測された前記音特性が認識対象音の音特性と合致するか否かを判定して、収集された音が認識対象音であるか類似音であるかを判別する
ことを特徴とする音判定方法。
【請求項８】
音特性は、音圧の分布、同一音源位置における音の類似性の有無、および周波数の分布のうちの少なくとも１つである
請求項７に記載の音判定方法。
【請求項９】
コンピュータに、
１つ以上の集音手段によって収集された音のデータを用いて、前記集音手段が配された空間内の特性であって音源からの音に基づく音特性を計測する音特性計測処理、および
前記音特性計測処理で計測された音特性が認識対象音の音特性と合致するか否かを判定して、収集された音が認識対象音であるか類似音であるかを判別する類似音判別処理
を実行させるための音判定プログラム。
【請求項１０】
コンピュータに、
音特性計測処理で、集音手段が配された所定の空間内における音圧の分布、該所定の空間内の同一音源位置における音の類似性の有無、および、該所定の空間内における音の周波数の分布のうちの少なくとも１つの音特性を計測させる
請求項９に記載の音判定プログラム。
【請求項１】
１つ以上の集音手段によって収集された音のデータを用いて、前記集音手段が配された空間内の特性であって音源からの音に基づく音特性を計測する音特性計測手段と、
前記音特性計測手段によって計測された音特性が認識対象音の音特性と合致するか否かを判定して、収集された音が認識対象音であるか類似音であるかを判別する類似音判別手段とを備えた
ことを特徴とする音判定システム。
【請求項２】
音特性は、音圧の分布、同一音源位置における音の類似性の有無、および周波数の分布のうちの少なくとも１つである
請求項１に記載の音判定システム。
【請求項３】
複数の集音手段の各々の位置を示す集音位置情報を記憶する集音位置情報記憶手段と、
前記複数の集音手段により収集された音のデータと前記集音位置情報とに基づいて、前記集音手段が配された所定の空間内における音圧の分布を示す音圧分布情報を作成する音圧分布情報作成手段と、
前記音圧分布情報作成手段によって作成された音圧分布情報に基づいて、収集された音が認識対象音であるか類似音であるかを判定する類似音判別手段とを備えた
請求項１または請求項２に記載の音判定システム。
【請求項４】
複数の集音手段の各々の位置を示す集音位置情報を記憶する集音位置情報記憶手段と、
前記複数の集音手段により収集された音のデータと前記集音位置情報とに基づいて、収集された音の音源の位置を推定する音源位置推定手段と、
予め定められたイベントにより発生した音のデータと、その音について推定された音源の位置を示す推定音源位置情報とを対応づけて、履歴情報として保持するイベント音履歴記憶手段と、
予め定められたイベントの発生を検知すると、前記複数の集音手段によって収集された音から前記イベントにより発生した音を切り出し、切り出した音のデータとその音について前記音源位置推定手段により推定された音源の位置を示す推定音源位置情報とを対応づけて前記イベント音履歴記憶手段に記憶させるイベント音記録手段と、
前記複数の集音手段によって新たに収集された音のデータと推定音源位置情報の組と、前記イベント音履歴記憶手段に保持されている過去に収集された音のデータと推定音源位置情報の組みとに基づいて、今回収集した音と、前記音と同じ推定音源位置を有する過去のイベント音との間にある音の類似性の有無またはその度合いを判定する音類似判定手段と、
前記音類似判定手段による判定結果に基づいて、収集された音が認識対象音であるか類似音であるかを判定する類似音判別手段とを備えた
請求項１または請求項２に記載の音判定システム。
【請求項５】
１つ以上の集音手段により収集された音のデータに基づいて、前記集音手段が配された所定の空間内における音の周波数の分布を解析する周波数解析手段と、
前記周波数解析手段による解析結果に基づいて、収集された音が認識対象音であるか類似音であるかを判定する類似音判別手段とを備えた
請求項１または請求項２に記載の音判定システム。
【請求項６】
収集された音のデータから得られる音そのものの特徴量に基づいて、収集された音が認識対象音か否かを識別する音識別手段と、
前記音識別手段による識別結果と、類似音判別手段による判定結果とに基づいて、収集された音が認識対象音であるか否かを判定する判定手段とを備えた
請求項１から請求項５のうちのいずれか１項に記載の音判定システム。
【請求項７】
１つ以上の集音手段によって収集された音のデータを用いて、前記集音手段が配された空間内の特性であって音源からの音に基づく音特性を計測し、
計測された前記音特性が認識対象音の音特性と合致するか否かを判定して、収集された音が認識対象音であるか類似音であるかを判別する
ことを特徴とする音判定方法。
【請求項８】
音特性は、音圧の分布、同一音源位置における音の類似性の有無、および周波数の分布のうちの少なくとも１つである
請求項７に記載の音判定方法。
【請求項９】
コンピュータに、
１つ以上の集音手段によって収集された音のデータを用いて、前記集音手段が配された空間内の特性であって音源からの音に基づく音特性を計測する音特性計測処理、および
前記音特性計測処理で計測された音特性が認識対象音の音特性と合致するか否かを判定して、収集された音が認識対象音であるか類似音であるかを判別する類似音判別処理
を実行させるための音判定プログラム。
【請求項１０】
コンピュータに、
音特性計測処理で、集音手段が配された所定の空間内における音圧の分布、該所定の空間内の同一音源位置における音の類似性の有無、および、該所定の空間内における音の周波数の分布のうちの少なくとも１つの音特性を計測させる
請求項９に記載の音判定プログラム。
【図１】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図１１】
【図１２】
【図１３】
【図１４】
【図１５】
【図１６】
【図１７】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図１１】
【図１２】
【図１３】
【図１４】
【図１５】
【図１６】
【図１７】
【公開番号】特開２０１３−７２９１９（Ｐ２０１３−７２９１９Ａ）
【公開日】平成２５年４月２２日（２０１３．４．２２）
【国際特許分類】
【出願番号】特願２０１１−２１０２０３（Ｐ２０１１−２１０２０３）
【出願日】平成２３年９月２７日（２０１１．９．２７）
【出願人】（０００００４２３７）日本電気株式会社 (19,353)
【Ｆターム（参考）】
【公開日】平成２５年４月２２日（２０１３．４．２２）
【国際特許分類】
【出願日】平成２３年９月２７日（２０１１．９．２７）
【出願人】（０００００４２３７）日本電気株式会社 (19,353)
【Ｆターム（参考）】
[ Back to top ]