音源方向推定装置
【課題】瞬間的なノイズに対する誤検出を低減し、かつ、演算量を低減することが可能な音源方向推定装置を提供すること。
【解決手段】音源方向推定装置２０では、音源で生じた音を入力し音を電気信号に変換する複数のマイクロフォン１〜４と、複数のマイクロフォン１〜４によって変換された電気信号に基づいて、音源の方向を時間的に連続して推定して、時系列の音源方向角度を出力する音源方向演算部２６と、最新の所定数の時系列の音源方向角度を基に、複数の角度範囲毎の音源方向の推定の頻度を示すヒストグラムを算出するヒストグラム登録部２８と、ヒストグラムにおいて頻度が最大の角度範囲を基にして、音源の方向を決定する音源方向再演算部２９と、を備える。
【解決手段】音源方向推定装置２０では、音源で生じた音を入力し音を電気信号に変換する複数のマイクロフォン１〜４と、複数のマイクロフォン１〜４によって変換された電気信号に基づいて、音源の方向を時間的に連続して推定して、時系列の音源方向角度を出力する音源方向演算部２６と、最新の所定数の時系列の音源方向角度を基に、複数の角度範囲毎の音源方向の推定の頻度を示すヒストグラムを算出するヒストグラム登録部２８と、ヒストグラムにおいて頻度が最大の角度範囲を基にして、音源の方向を決定する音源方向再演算部２９と、を備える。
【発明の詳細な説明】
【技術分野】
【０００１】
本発明は、音源方向推定装置に関する。
【背景技術】
【０００２】
従来、下記特許文献１〜４に示されるように、テレビ会議システム等に適用される音源の方向を決定するシステムであって、マイクロフォンから入力された信号を基に発言者の方向を検出してカメラをその方向に回転させるように制御するシステムが知られている。これらのシステムでは、算出した方向に撮像装置が向けられるようカメラの角度を制御することで、発言者を撮像できるようにしている。
【０００３】
このようなシステムでは、音声と共に集音されたノイズの影響をいかに低減するかが問題となる。下記特許文献４では、マイクロフォンによって生成された音声信号を周波数成分に分解し、周波数成分毎の音声パワーに対応する度数を、位相毎の分布に加算して、最も大きい加算値が位置する位相を基に音源の方向を検出している。
【先行技術文献】
【特許文献】
【０００４】
【特許文献１】特許第３６７２３２０号
【特許文献２】特開平５−２４４５８７号公報
【特許文献３】特許第３５５５１５１号
【特許文献４】特開２００９−８６０５５号公報
【発明の概要】
【発明が解決しようとする課題】
【０００５】
しかしながら、上記特許文献４に記載された方法では、瞬間的に発生するノイズに対する誤検出を防止することは困難である。具体的には、瞬間的なノイズを含んだ音声データにおいては、そのノイズレベルが発言者の音声レベルを超える場合があるため、周波数成分毎に位相の度数分布を取ったとしても、音源方向の誤検出を防止することはできない。また、上記特許文献４に記載された方法では、音源方向の演算タイミング毎に度数分布を集計する必要があるために演算量が多くなり、演算速度が低下する傾向にある。
【０００６】
そこで、本発明は、かかる課題に鑑みて為されたものであり、瞬間的なノイズに対する誤検出を低減し、かつ、演算量を低減することが可能な音源方向推定装置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】
【０００７】
本発明に係る音源方向推定装置は、音源で生じた音を入力し音を電気信号に変換する複数のマイクロフォンと、複数のマイクロフォンによって変換された電気信号に基づいて、音源の方向を時間的に連続して推定して、時系列の音源方向角度を出力する音源方向推定手段と、最新の所定数の時系列の音源方向角度を基に、複数の角度範囲毎の音源方向の推定の頻度を示す度数分布を算出する度数分布算出手段と、度数分布において頻度が最大の角度範囲を基にして、音源の方向を決定する音源方向決定手段と、を備える。
【０００８】
本発明に係る音源方向推定装置によれば、複数のマイクロフォンのそれぞれから出力された電気信号に基づいて音源の方向が時間的に連続して推定されることにより、時系列の音源方向角度が出力され、これらの音源方向角度を基に複数の角度範囲毎の度数分布が算出され、度数が最大の角度範囲を基に音源の方向が決定される。従って、瞬間的なノイズに影響されることなく、連続的に音声を発する音源の方向が音源方向として決定されやすくなるので、算出される音源方向角度の精度が向上する。また、時系列の演算結果を基に度数分布が計算されるので、演算量が増大することもなく、演算速度の高速化が図れる。
【０００９】
ここで、音源方向決定手段は、度数分布において最大の頻度と所定の閾値とを比較した結果、該頻度が大きいと判定された場合に、最大の頻度に対応する角度範囲を基にして、音源の方向を決定する、ことが好適である。
【００１０】
このような構成によれば、無音状態での音源方向の誤検出を防止することができる。
【００１１】
また、音源方向決定手段は、最大の頻度に対応する角度範囲と該角度範囲の近傍の角度範囲とに含まれる音源方向角度の推定結果を用いて、音源の方向を決定する、ことも好適である。
【００１２】
このような構成によれば、音源方向の推定結果に対して平均化等の処理を加えることで、算出される音源方向の精度をさらに向上させることができる。
【発明の効果】
【００１３】
本発明によれば、瞬間的なノイズに対する誤検出を低減し、かつ、演算量を低減することができる。
【図面の簡単な説明】
【００１４】
【図１】本発明の一実施形態に係る音源方向推定装置が適用されたテレビ会議用カメラの斜視図である。
【図２】図２（ａ）は図１のテレビ会議用カメラにおける開口を含む位置の断面図であり、図２（ｂ）は図２（ａ）中の筒状体の軸線方向から見た側面図である。
【図３】図１のテレビ会議用カメラの機能構成を示すブロック図である。
【図４】筒状体の軸線に対して音源の方向がなす角度を示す模式図である。
【図５】図３のヒストグラム登録部が生成するヒストグラムの一例を示すグラフである。
【図６】図１のテレビ会議用カメラの動作を示すフローチャートである。
【発明を実施するための形態】
【００１５】
以下、本発明の一実施形態に係る音源方向推定装置について図面を参照しながら説明する。以下の説明では、音源方向推定装置がテレビ会議用カメラに適用される場合について説明する。
【００１６】
図１〜図３に示すように、テレビ会議用カメラＡは、例えばテレビ会議に参加する複数の参加者により囲まれた位置に設置されて、発言する参加者（以下、「発言者」という）の方向を推定してその方向へカメラ３５を向けることにより、発言者の映像を取得するものである。テレビ会議用カメラＡは、ネットワークを介して相手方のテレビ会議システムと通信可能になっている。
【００１７】
テレビ会議用カメラＡは、テーブル等に載置される直径約１０ｃｍの略円筒形状で樹脂製の第１筺体１０ａと、第１筺体１０ａの軸線に沿って鉛直方向に配置された軸（図示せず）を介して第１筺体１０ａの上側に取り付けられ、その軸を中心として第１筺体１０ａに対して回転可能な略直方体形状で樹脂製の第２筺体１０ｂとを有している。カメラ３５は、第２筺体１０ｂ内に収納されている。
【００１８】
第１筺体１０ａの側面には、同じ高さで周方向に９０°ずつ離間する位置に４つの円形の開口１１〜１４が形成されている。各開口１１〜１４は、テレビ会議用カメラＡの周囲で発せられた発言者の音声を第１筺体１０ａ内に取り込むための穴であり、内径が約８ｍｍになっている。
【００１９】
第１筺体１０ａの内面側には、各開口１１〜１４から第１筺体１０ａ内に向けて第１筺体１０ａの半径方向に延びる円筒形状の４本の筒状体１６〜１９が固定されている。各筒状体１６〜１９の内径は約８ｍｍであり、各開口１１〜１４の内周面と各筒状体１６〜１９の内壁面とは略面一になっている。各筒状体１６〜１９は、これらの内部に直径約８ｍｍの円柱形上の伝搬路Ｂ１〜Ｂ４を形成している。すなわち、各伝搬路Ｂ１〜Ｂ４は、各開口１１〜１４から第１筺体１０ａ内に向けて第１筺体１０ａの半径方向に水平に延びるように形成されている。なお、各開口１１〜１４は、第１筺体１０ａの外壁に形成された穴を意味しており、各開口１１〜１４には、各筒状体１６〜１９及び各伝搬路Ｂ１〜Ｂ４は含まれない。
【００２０】
更に、第１筺体１０ａの中心側に位置する各筒状体１６〜１９の端部には、前面が各開口１１〜１４に平行になるようにして円柱形状の４個のマイクロフォン（以下、「マイク」という）１〜４が埋設されている。各マイク１〜４は、例えば直径約７ｍｍ、厚さ約４ｍｍの、前面側でのみ集音可能な無指向性のエレクトリックコンデンサマイクである。各マイク１〜４は、直径約５ｍｍの円形のダイヤフラムからなる振動板１ａ〜４ａを内蔵している。各開口１１〜１４から各マイク１〜４の前面までの最短距離は約１０ｍｍであり、各開口１１〜１４の内径よりも長くなっている。また、上記したように、伝搬路Ｂ１〜Ｂ４の内径（断面）は、振動板１ａ〜４ａよりも大きくなっている（図２参照）。これにより、伝搬路Ｂ１〜Ｂ４を通る音は振動板１ａ〜４ａに確実に伝達されるようになっている。各マイク１〜４と各筒状体１６〜１９の内壁面との間には、スペーサ（図示せず）が配設されている。
【００２１】
このような構成により、テレビ会議用カメラＡでは、会議における発言者の音声が開口１１〜１４及び伝搬路Ｂ１〜Ｂ４を通じてマイク１〜４に入力される仕組みとなっている。そして、マイク１〜４に入力される音声により振動板１ａ〜４ａが振動させられ、この振動に応じて音声が電気信号に変換され、電気信号がマイク１〜４からアンプ５〜８へ出力される（図３参照）。なお、マイク１〜４の背面側の内部空間Ｓには第１筺体１０ａの外部の音が伝搬しない構成になっている。
【００２２】
図３に示すように、テレビ会議用カメラＡは、マイク１〜４に入力された音声に基づいて所定の処理を施すことにより、発言者の方向を推定する機能を備えている。具体的には、テレビ会議用カメラＡは、各マイク１〜４から出力された電気信号を入力し、入力した電気信号を増幅させる４個のアンプ５〜８と、各アンプ５〜８によって増幅された各電気信号における所定範囲の周波数成分を通過させるバンドパスフィルタ（以下、「ＢＰＦ」という）２１〜２４と、各ＢＰＦ２１〜２４を通過した各周波数成分をアナログーデジタル（Ａｎａｌｏｇ−Ｄｉｇｉｔａｌ）変換するＡＤ変換部２５と、ＡＤ変換部２５でデジタル変換された各周波数成分を用いて音源の方向を推定する音源方向演算部（音源方向推定手段）２６、音源方向登録部２７、ヒストグラム登録部（度数分布算出手段）２８、及び音源方向再演算部（音源方向決定手段）２９とを備えている。
【００２３】
アンプ５〜８は、マイク１〜４に各々接続されており、各マイク１〜４から出力された電気信号を増幅回路により増幅させる。各アンプ５〜８は、増幅させた電気信号を各ＢＰＦ２１〜２４に出力する。
【００２４】
各ＢＰＦ２１〜２４は、各アンプ５〜８から出力された電気信号を入力し、入力した電気信号のうち、例えば２．５ｋＨｚ以下及び６．５ｋＨｚ以上の周波数成分を遮断することにより、２．５ｋＨｚ〜６．５ｋＨｚの範囲の周波数成分を通過させる。各ＢＰＦ２１〜２４によって通過させられる周波数の範囲は、可聴域内にある所定の範囲とされる。各ＢＰＦ２１〜２４は、２．５ｋＨｚ以下の周波数成分を遮断するハイパスフィルタと、６．５ｋＨｚ以上の周波数成分を遮断するローパスフィルタとを組み合わせることにより構成される。
【００２５】
ＡＤ変換部２５は、各ＢＰＦ２１〜２４を通過した各周波数成分をアナログ信号からデジタル信号に変換する。ＡＤ変換部２５は、ＢＰＦ２１〜２４のいずれから出力された周波数成分であるかを識別する機能を有してもよいし、各アンプ５〜８に対応して複数設けられてもよい。ＡＤ変換部２５は、デジタル信号に変換した周波数成分を生成し、その周波数成分がマイク１〜４のいずれに対応する周波数成分であるかを示す信号と共にその周波数成分を音源方向演算部２６に出力する。
【００２６】
音源方向演算部２６、音源方向登録部２７、ヒストグラム登録部２８、及び音源方向再演算部２９は、例えばＣＰＵ（Central Processing Unit)、ＲＯＭ(Read Only Memory)、ＲＡＭ(Random Access Memory)等により構成されている。音源方向演算部２６、音源方向登録部２７、ヒストグラム登録部２８、及び音源方向再演算部２９は、ＡＤ変換部２５から出力された周波数成分に基づいて発言者の方向を演算することにより、発言者の方向を推定する。
【００２７】
具体的には、音源方向演算部２６は、ＡＤ変換部２５から出力された各周波数成分に基づいて、各マイク１〜４に対応する周波数成分の出力値（音の大きさ）を比較することにより、音声が発せられた音源の方向を演算する。音源方向演算部２６での音源の方向の演算処理としては、公知の技術を用いることができる。テレビ会議用カメラＡにおける音源の方向は、第１筺体１０ａの周方向の所定位置（例えば開口１１の中心位置）を基準として、第１筺体１０ａの上方から見た場合に時計回りを正とした角度（０°〜３６０°）（以下、「音源方向角度」という。）で表される。音源方向演算部２６による音源の方向の演算は、所定時間毎に連続して、例えば４０ミリ秒毎に連続して実行され、その結果生成された時系列の音源方向角度が、逐次音源方向登録部２７に渡される。
【００２８】
前述したように、マイク１〜４は、開口１１〜１４から第１筺体１０ａ内に所定長（例えば約１０ｍｍ）入り込んだ位置に埋設されているため、周波数が高い音ほど、マイク１〜４に達する音は回折により減衰する。例えば、図４に示すように、マイク１の中心と開口１１の中心とを結ぶ方向線（すなわち筒状体１６の軸線）に対して音源の位置する方向が角度θだけずれていると、周波数の高い音は、角度θずれている分減衰してマイク１に達する。そして、各ＢＰＦ２１〜２４により２．５ｋＨｚ以上の周波数成分が通過させられるため、角度の影響を受けた出力値が音源方向演算部２６に入力され、各マイク１〜４に対応する出力値の比較により、音源方向演算部２６における音源の方向の演算が精度良く行われる。
【００２９】
音源方向登録部２７は、音源方向演算部２６から渡された時系列の音源方向角度を、最新の所定数分だけ記憶する部分である。例えば、音源方向登録部２７は、リングバッファを含んで構成されており、音源方向角度に関する最新の２０回分の演算結果を記憶する機能を有する。
【００３０】
ヒストグラム登録部２８は、音源方向登録部２７から最新の所定数の音源方向角度を読み出し、その音源方向角度を基に、０度〜３６０度の角度範囲を所定角度間隔で分割した複数の角度範囲毎に、音源方向の推定頻度を示すヒストグラム（度数分布）を算出する。例えば、ヒストグラム登録部２８は、音源方向を２０°間隔で１８段階の角度範囲に分割し、これらの角度範囲毎に度数を計数したヒストグラムを生成する。図５には、ヒストグラム登録部２８によって算出されたヒストグラムの一例を示している。同図に示すヒストグラムにおいては、例えば、角度範囲“２０度〜４０度”に対応する度数“１”、角度範囲“６０度〜８０度”に対応する度数“２”、角度範囲“８０度〜１００度”に対応する度数“６”、角度範囲“１００度〜１２０度”に対応する度数“４”・・・が算出されている。また、ヒストグラム登録部２８は、生成したヒストグラムを音源方向再演算部２９に出力する。
【００３１】
音源方向再演算部２９は、ヒストグラム登録部２８から出力されたヒストグラムを入力し、入力したヒストグラムの中で度数が最大である角度範囲を特定する。併せて、音源方向再演算部２９は、特定した最大度数と所定の閾値（例えば、“５”）とを比較し、最大度数が閾値よりも大きいか否かを判定する。
【００３２】
そして、音源方向再演算部２９は、最大度数が閾値よりも大きい場合に、最大度数に対応する角度範囲を基に音源方向角度を決定する。すなわち、音源方向再演算部２９は、ピーク位置の角度範囲に属する音源方向演算部２６による角度推定結果と、この角度範囲の近傍の角度範囲に属する音源方向演算部２６による角度推定結果とに基づいて角度平均値を算出することにより、音源の方向を再演算する。例えば、図５の例によれば、閾値“５”よりも大きい最大度数“６”を有する角度範囲として“８０度〜１００度”を特定し、その角度範囲の近傍の前後の２つの角度範囲“６０度〜８０度”，“１００度〜１２０度”を特定する。さらに、音源方向再演算部２９は、特定した３つの角度範囲に属する全ての角度推定結果を音源方向登録部２７から読み出し、それらの平均値を音源の方向として決定する。これにより、ノイズによって度数がカウントされた音源とは関連の無い角度範囲（例えば、角度範囲“１８０度〜２００度”、“２４０度〜２６０度”、“２６０度〜２８０度”等）は、音源方向の演算結果に影響を与えなくなる。ここで、音源方向再演算部２９は、最大度数に対応する角度範囲の近傍の角度範囲を選択する際には、前後の４つの角度範囲を選択してもよく、選択する角度範囲の個数は適宜変更されてよい。さらに、音源方向再演算部２９は、決定した音源の方向を発言者の方向としてモータ制御部３１に出力する。
【００３３】
こうして、音源方向演算部２６、音源方向登録部２７、ヒストグラム登録部２８、及び音源方向再演算部２９による音源の方向の演算処理が行われ、発言者の方向が推定される。図１及び図３に示すように、テレビ会議用カメラＡでは、第１筺体１０ａ、開口１１〜１４、筒状体１６〜１９、マイク１〜４、アンプ５〜８、ＢＰＦ２１〜２４、ＡＤ変換部２５、音源方向演算部２６、音源方向登録部２７、ヒストグラム登録部２８、及び音源方向再演算部２９を備えて音源方向推定装置２０が構成されている。
【００３４】
更に、図３に示すように、テレビ会議用カメラＡは、音源方向推定装置２０によって推定された音源の方向へカメラ３５を向け、カメラ３５により発言者の映像を取得する機能を備えている。具体的には、テレビ会議用カメラＡは、音源方向再演算部２９から出力された音源の方向に基づいてモータ駆動部３２を制御するモータ制御部３１と、モータ制御部３１により制御されてモータ３３を駆動させるモータ駆動部３２と、モータ駆動部３２により駆動させられてカメラ回転機構３４に回転力を与えるモータ３３と、モータ３３に連結されて回転により第２筺体１０ｂと共にカメラ３５を旋回させるカメラ回転機構３４と、映像を取得するカメラ３５と、カメラ３５より取得された映像の映像データを映像処理する映像処理部３６と、映像処理部３６により処理された映像データを転送するデータ転送部３７と、データ転送部３７により転送された映像データをネットワークに送信するネットワーク通信部３８とを備えている。
【００３５】
次に、このようなテレビ会議用カメラＡにおける動作について説明する。図６は、テレビ会議用カメラＡによるカメラの回転制御時の動作を示すフローチャートである。
【００３６】
まず、マイク１〜４によって発言者の発した音声が電気信号に変換され、それぞれ、ＡＭＰ５〜８、ＢＰＦ２１〜２４、及びＡＤ変換部２５を経由して、所定の周波数範囲の周波数成分として音源方向演算部２６に入力される（ステップＳ１０１）。次に、音源方向演算部２６により、４つのマイク１〜４に対応する周波数成分を基に、音源の方向が音源方向角度として算出される（ステップＳ１０２）。そして、時系列で算出された音源方向角度は、最新の所定数分だけ音源方向登録部２７に記憶される（ステップＳ１０３）。
【００３７】
その後、ヒストグラム登録部２８は、音源方向登録部２７から、最新の所定数分の音源方向角度を読み出す（ステップＳ１０４）。次に、ヒストグラム登録部２８は、読み出した音源方向角度を基に、２０度間隔の複数の角度範囲毎に推定頻度を計数することによってヒストグラムを生成し、音源方向再演算部２９は、そのヒストグラムを基に、最大頻度を有する角度範囲を検出する（ステップＳ１０５）。さらに、音源方向再演算部２９は、検出した最大頻度が予め定めた閾値を超えているか否かを判定する（ステップＳ１０６）。判定の結果、検出した最大頻度が予め定めた閾値を超えていない場合には（ステップＳ１０６；ＮＯ）、次回のカメラの回転制御処理のタイミングまで処理を中断する。
【００３８】
一方、音源方向再演算部２９は、検出した最大頻度が予め定めた閾値を超えている場合には（ステップＳ１０６；ＹＥＳ）、最大頻度に対応する角度範囲及びその角度範囲近傍の角度範囲を特定する（ステップＳ１０７）。その後、音源方向再演算部２９は、特定した角度範囲に含まれる音源方向角度の演算結果を音源方向登録部２７から読み出し、それらの演算結果の平均値を音源の方向として算出してモータ制御部３１に出力する（ステップＳ１０８）。
【００３９】
モータ制御部３１は、音源方向推定装置２０から入力された音源方向角度を基に現在のカメラ回転機構３４の角度からの移動量を算出し（ステップＳ１０９）、その移動量を基にモータ駆動部３２を制御してモータ３３を駆動させ、カメラ３５が音源方向角度を示す方向へ向くように、カメラ回転機構３４によってカメラ３５を第２筺体１０ｂと共に旋回させる（ステップＳ１１０）。
【００４０】
その後、カメラ３５は、前方の映像を取得し、取得した映像を示す映像データを生成する。カメラ３５は、生成した映像データを映像処理部３６に出力する。映像処理部３６は、カメラ３５から出力された映像データを入力し、入力した映像データに映像処理を施し、映像処理後の映像データをデータ転送部３７に出力する。データ転送部３７は、映像処理部３６から出力された映像データを入力し、入力した映像データをネットワーク通信部３８に転送する。そして、ネットワーク通信部３８は、データ転送部３７から転送された映像データをネットワークを介して相手方のテレビ会議システムに送信する。
【００４１】
本実施形態の音源方向推定装置２０によれば、複数のマイク１〜４のそれぞれから出力された電気信号に基づいて音源の方向が時間的に連続して推定されることにより、時系列の音源方向角度が出力され、これらの音源方向角度を基に複数の角度範囲毎のヒストグラムが算出され、度数が最大の角度範囲を基に音源の方向が決定される。従って、瞬間的なノイズに影響されることなく、連続的に音声を発する音源の方向が音源方向として決定されやすくなるので、算出される音源方向角度の精度が向上する。また、時系列の演算結果を基に度数分布が計算されるので、フーリエ変換等により分解された周波数成分毎に度数分布を算出するのに比して演算量が増大することもなく、演算速度の高速化が図れる。
【００４２】
また、ヒストグラムにおける最大頻度と所定の閾値とを比較し、所定の閾値を超える最大頻度に対応する角度範囲を基にして、音源の方向を決定するので、無音状態での音源方向の誤検出を防止することができる。例えば、発言者が無言の状態でのノイズによる音源方向の誤推定を防止でき、カメラの回転方向が安定しないといった事態を防ぐことができる。
【００４３】
また、最大頻度に対応する角度範囲と該角度範囲の近傍の角度範囲とに含まれる音源方向角度の推定結果を用いて、音源の方向を決定するので、音源方向の推定結果に対して平均化等の処理を加えることで、算出される音源方向の精度をさらに向上させることができる。さらに、演算時間の短縮のためにヒストグラムを生成する角度間隔を広げた場合であっても、音源方向の推定精度をある程度維持することができる。
【００４４】
以上、本発明の好適な実施形態について説明したが、本発明は上記実施形態に限られるものではない。
【００４５】
上記実施形態では、音源方向再演算部２９が、特定した角度範囲に属する全ての角度推定結果を音源方向登録部２７から読み出し、それらの平均値を音源方向として決定していたが、他の実施形態として、角度推定結果を音源方向登録部２７から読み出すこと無しに、音源方向を決定するように処理してもよい。このような形態は、特定した角度範囲が複数の場合に適用できる。具体的には、音源方向再演算部２９’は、複数の角度範囲を特定した後、角度推定結果を音源方向登録部２７から読み出さずに、特定した複数の角度範囲における各々の中央値と、それに対応する度数とから、それらの角度平均値を算出し、その算出結果を音源方向としてモータ制御部３１に出力する。なお、この他の実施形態におけるテレビ会議用カメラＡ’における動作は、図６のステップＳ１０８の処理のみが上述した実施形態と異なる。
【００４６】
また、上記実施形態では、４個のマイク１〜４が設けられる場合について説明したが、マイクの設置個数は２又は３個であってもよく、５個以上であってもよい。また、ＢＰＦ２１〜２４によって通過させられる周波数の範囲は、マイクの特性に応じて可聴域内の範囲で適宜設定することができる。このように可聴域内の範囲とすることで、人によって聴くことのできるあらゆる周波数の音源に音源方向推定装置を適用することができ、音源方向推定装置としての汎用性が高められる。
【００４７】
更にまた、上記実施形態では、音源方向推定装置２０がテレビ会議用カメラＡに適用される場合について説明したが、複数のマイクを備えて音源の方向を推定し、推定した音源の方向を利用する装置であればこれに限られない。例えば、本発明の音源方向推定装置は、異常音を検知して、その異常音が発生した音源の方向を映す監視カメラ等にも適用できる。
【符号の説明】
【００４８】
１〜４…マイクロフォン、２０…音源方向推定装置、２６…音源方向演算部（音源方向推定手段）、２７…音源方向登録部、２８…ヒストグラム登録部（度数分布算出手段）、２９…音源方向再演算部（音源方向決定手段）、Ａ…テレビ会議用カメラ。
【技術分野】
【０００１】
本発明は、音源方向推定装置に関する。
【背景技術】
【０００２】
従来、下記特許文献１〜４に示されるように、テレビ会議システム等に適用される音源の方向を決定するシステムであって、マイクロフォンから入力された信号を基に発言者の方向を検出してカメラをその方向に回転させるように制御するシステムが知られている。これらのシステムでは、算出した方向に撮像装置が向けられるようカメラの角度を制御することで、発言者を撮像できるようにしている。
【０００３】
このようなシステムでは、音声と共に集音されたノイズの影響をいかに低減するかが問題となる。下記特許文献４では、マイクロフォンによって生成された音声信号を周波数成分に分解し、周波数成分毎の音声パワーに対応する度数を、位相毎の分布に加算して、最も大きい加算値が位置する位相を基に音源の方向を検出している。
【先行技術文献】
【特許文献】
【０００４】
【特許文献１】特許第３６７２３２０号
【特許文献２】特開平５−２４４５８７号公報
【特許文献３】特許第３５５５１５１号
【特許文献４】特開２００９−８６０５５号公報
【発明の概要】
【発明が解決しようとする課題】
【０００５】
しかしながら、上記特許文献４に記載された方法では、瞬間的に発生するノイズに対する誤検出を防止することは困難である。具体的には、瞬間的なノイズを含んだ音声データにおいては、そのノイズレベルが発言者の音声レベルを超える場合があるため、周波数成分毎に位相の度数分布を取ったとしても、音源方向の誤検出を防止することはできない。また、上記特許文献４に記載された方法では、音源方向の演算タイミング毎に度数分布を集計する必要があるために演算量が多くなり、演算速度が低下する傾向にある。
【０００６】
そこで、本発明は、かかる課題に鑑みて為されたものであり、瞬間的なノイズに対する誤検出を低減し、かつ、演算量を低減することが可能な音源方向推定装置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】
【０００７】
本発明に係る音源方向推定装置は、音源で生じた音を入力し音を電気信号に変換する複数のマイクロフォンと、複数のマイクロフォンによって変換された電気信号に基づいて、音源の方向を時間的に連続して推定して、時系列の音源方向角度を出力する音源方向推定手段と、最新の所定数の時系列の音源方向角度を基に、複数の角度範囲毎の音源方向の推定の頻度を示す度数分布を算出する度数分布算出手段と、度数分布において頻度が最大の角度範囲を基にして、音源の方向を決定する音源方向決定手段と、を備える。
【０００８】
本発明に係る音源方向推定装置によれば、複数のマイクロフォンのそれぞれから出力された電気信号に基づいて音源の方向が時間的に連続して推定されることにより、時系列の音源方向角度が出力され、これらの音源方向角度を基に複数の角度範囲毎の度数分布が算出され、度数が最大の角度範囲を基に音源の方向が決定される。従って、瞬間的なノイズに影響されることなく、連続的に音声を発する音源の方向が音源方向として決定されやすくなるので、算出される音源方向角度の精度が向上する。また、時系列の演算結果を基に度数分布が計算されるので、演算量が増大することもなく、演算速度の高速化が図れる。
【０００９】
ここで、音源方向決定手段は、度数分布において最大の頻度と所定の閾値とを比較した結果、該頻度が大きいと判定された場合に、最大の頻度に対応する角度範囲を基にして、音源の方向を決定する、ことが好適である。
【００１０】
このような構成によれば、無音状態での音源方向の誤検出を防止することができる。
【００１１】
また、音源方向決定手段は、最大の頻度に対応する角度範囲と該角度範囲の近傍の角度範囲とに含まれる音源方向角度の推定結果を用いて、音源の方向を決定する、ことも好適である。
【００１２】
このような構成によれば、音源方向の推定結果に対して平均化等の処理を加えることで、算出される音源方向の精度をさらに向上させることができる。
【発明の効果】
【００１３】
本発明によれば、瞬間的なノイズに対する誤検出を低減し、かつ、演算量を低減することができる。
【図面の簡単な説明】
【００１４】
【図１】本発明の一実施形態に係る音源方向推定装置が適用されたテレビ会議用カメラの斜視図である。
【図２】図２（ａ）は図１のテレビ会議用カメラにおける開口を含む位置の断面図であり、図２（ｂ）は図２（ａ）中の筒状体の軸線方向から見た側面図である。
【図３】図１のテレビ会議用カメラの機能構成を示すブロック図である。
【図４】筒状体の軸線に対して音源の方向がなす角度を示す模式図である。
【図５】図３のヒストグラム登録部が生成するヒストグラムの一例を示すグラフである。
【図６】図１のテレビ会議用カメラの動作を示すフローチャートである。
【発明を実施するための形態】
【００１５】
以下、本発明の一実施形態に係る音源方向推定装置について図面を参照しながら説明する。以下の説明では、音源方向推定装置がテレビ会議用カメラに適用される場合について説明する。
【００１６】
図１〜図３に示すように、テレビ会議用カメラＡは、例えばテレビ会議に参加する複数の参加者により囲まれた位置に設置されて、発言する参加者（以下、「発言者」という）の方向を推定してその方向へカメラ３５を向けることにより、発言者の映像を取得するものである。テレビ会議用カメラＡは、ネットワークを介して相手方のテレビ会議システムと通信可能になっている。
【００１７】
テレビ会議用カメラＡは、テーブル等に載置される直径約１０ｃｍの略円筒形状で樹脂製の第１筺体１０ａと、第１筺体１０ａの軸線に沿って鉛直方向に配置された軸（図示せず）を介して第１筺体１０ａの上側に取り付けられ、その軸を中心として第１筺体１０ａに対して回転可能な略直方体形状で樹脂製の第２筺体１０ｂとを有している。カメラ３５は、第２筺体１０ｂ内に収納されている。
【００１８】
第１筺体１０ａの側面には、同じ高さで周方向に９０°ずつ離間する位置に４つの円形の開口１１〜１４が形成されている。各開口１１〜１４は、テレビ会議用カメラＡの周囲で発せられた発言者の音声を第１筺体１０ａ内に取り込むための穴であり、内径が約８ｍｍになっている。
【００１９】
第１筺体１０ａの内面側には、各開口１１〜１４から第１筺体１０ａ内に向けて第１筺体１０ａの半径方向に延びる円筒形状の４本の筒状体１６〜１９が固定されている。各筒状体１６〜１９の内径は約８ｍｍであり、各開口１１〜１４の内周面と各筒状体１６〜１９の内壁面とは略面一になっている。各筒状体１６〜１９は、これらの内部に直径約８ｍｍの円柱形上の伝搬路Ｂ１〜Ｂ４を形成している。すなわち、各伝搬路Ｂ１〜Ｂ４は、各開口１１〜１４から第１筺体１０ａ内に向けて第１筺体１０ａの半径方向に水平に延びるように形成されている。なお、各開口１１〜１４は、第１筺体１０ａの外壁に形成された穴を意味しており、各開口１１〜１４には、各筒状体１６〜１９及び各伝搬路Ｂ１〜Ｂ４は含まれない。
【００２０】
更に、第１筺体１０ａの中心側に位置する各筒状体１６〜１９の端部には、前面が各開口１１〜１４に平行になるようにして円柱形状の４個のマイクロフォン（以下、「マイク」という）１〜４が埋設されている。各マイク１〜４は、例えば直径約７ｍｍ、厚さ約４ｍｍの、前面側でのみ集音可能な無指向性のエレクトリックコンデンサマイクである。各マイク１〜４は、直径約５ｍｍの円形のダイヤフラムからなる振動板１ａ〜４ａを内蔵している。各開口１１〜１４から各マイク１〜４の前面までの最短距離は約１０ｍｍであり、各開口１１〜１４の内径よりも長くなっている。また、上記したように、伝搬路Ｂ１〜Ｂ４の内径（断面）は、振動板１ａ〜４ａよりも大きくなっている（図２参照）。これにより、伝搬路Ｂ１〜Ｂ４を通る音は振動板１ａ〜４ａに確実に伝達されるようになっている。各マイク１〜４と各筒状体１６〜１９の内壁面との間には、スペーサ（図示せず）が配設されている。
【００２１】
このような構成により、テレビ会議用カメラＡでは、会議における発言者の音声が開口１１〜１４及び伝搬路Ｂ１〜Ｂ４を通じてマイク１〜４に入力される仕組みとなっている。そして、マイク１〜４に入力される音声により振動板１ａ〜４ａが振動させられ、この振動に応じて音声が電気信号に変換され、電気信号がマイク１〜４からアンプ５〜８へ出力される（図３参照）。なお、マイク１〜４の背面側の内部空間Ｓには第１筺体１０ａの外部の音が伝搬しない構成になっている。
【００２２】
図３に示すように、テレビ会議用カメラＡは、マイク１〜４に入力された音声に基づいて所定の処理を施すことにより、発言者の方向を推定する機能を備えている。具体的には、テレビ会議用カメラＡは、各マイク１〜４から出力された電気信号を入力し、入力した電気信号を増幅させる４個のアンプ５〜８と、各アンプ５〜８によって増幅された各電気信号における所定範囲の周波数成分を通過させるバンドパスフィルタ（以下、「ＢＰＦ」という）２１〜２４と、各ＢＰＦ２１〜２４を通過した各周波数成分をアナログーデジタル（Ａｎａｌｏｇ−Ｄｉｇｉｔａｌ）変換するＡＤ変換部２５と、ＡＤ変換部２５でデジタル変換された各周波数成分を用いて音源の方向を推定する音源方向演算部（音源方向推定手段）２６、音源方向登録部２７、ヒストグラム登録部（度数分布算出手段）２８、及び音源方向再演算部（音源方向決定手段）２９とを備えている。
【００２３】
アンプ５〜８は、マイク１〜４に各々接続されており、各マイク１〜４から出力された電気信号を増幅回路により増幅させる。各アンプ５〜８は、増幅させた電気信号を各ＢＰＦ２１〜２４に出力する。
【００２４】
各ＢＰＦ２１〜２４は、各アンプ５〜８から出力された電気信号を入力し、入力した電気信号のうち、例えば２．５ｋＨｚ以下及び６．５ｋＨｚ以上の周波数成分を遮断することにより、２．５ｋＨｚ〜６．５ｋＨｚの範囲の周波数成分を通過させる。各ＢＰＦ２１〜２４によって通過させられる周波数の範囲は、可聴域内にある所定の範囲とされる。各ＢＰＦ２１〜２４は、２．５ｋＨｚ以下の周波数成分を遮断するハイパスフィルタと、６．５ｋＨｚ以上の周波数成分を遮断するローパスフィルタとを組み合わせることにより構成される。
【００２５】
ＡＤ変換部２５は、各ＢＰＦ２１〜２４を通過した各周波数成分をアナログ信号からデジタル信号に変換する。ＡＤ変換部２５は、ＢＰＦ２１〜２４のいずれから出力された周波数成分であるかを識別する機能を有してもよいし、各アンプ５〜８に対応して複数設けられてもよい。ＡＤ変換部２５は、デジタル信号に変換した周波数成分を生成し、その周波数成分がマイク１〜４のいずれに対応する周波数成分であるかを示す信号と共にその周波数成分を音源方向演算部２６に出力する。
【００２６】
音源方向演算部２６、音源方向登録部２７、ヒストグラム登録部２８、及び音源方向再演算部２９は、例えばＣＰＵ（Central Processing Unit)、ＲＯＭ(Read Only Memory)、ＲＡＭ(Random Access Memory)等により構成されている。音源方向演算部２６、音源方向登録部２７、ヒストグラム登録部２８、及び音源方向再演算部２９は、ＡＤ変換部２５から出力された周波数成分に基づいて発言者の方向を演算することにより、発言者の方向を推定する。
【００２７】
具体的には、音源方向演算部２６は、ＡＤ変換部２５から出力された各周波数成分に基づいて、各マイク１〜４に対応する周波数成分の出力値（音の大きさ）を比較することにより、音声が発せられた音源の方向を演算する。音源方向演算部２６での音源の方向の演算処理としては、公知の技術を用いることができる。テレビ会議用カメラＡにおける音源の方向は、第１筺体１０ａの周方向の所定位置（例えば開口１１の中心位置）を基準として、第１筺体１０ａの上方から見た場合に時計回りを正とした角度（０°〜３６０°）（以下、「音源方向角度」という。）で表される。音源方向演算部２６による音源の方向の演算は、所定時間毎に連続して、例えば４０ミリ秒毎に連続して実行され、その結果生成された時系列の音源方向角度が、逐次音源方向登録部２７に渡される。
【００２８】
前述したように、マイク１〜４は、開口１１〜１４から第１筺体１０ａ内に所定長（例えば約１０ｍｍ）入り込んだ位置に埋設されているため、周波数が高い音ほど、マイク１〜４に達する音は回折により減衰する。例えば、図４に示すように、マイク１の中心と開口１１の中心とを結ぶ方向線（すなわち筒状体１６の軸線）に対して音源の位置する方向が角度θだけずれていると、周波数の高い音は、角度θずれている分減衰してマイク１に達する。そして、各ＢＰＦ２１〜２４により２．５ｋＨｚ以上の周波数成分が通過させられるため、角度の影響を受けた出力値が音源方向演算部２６に入力され、各マイク１〜４に対応する出力値の比較により、音源方向演算部２６における音源の方向の演算が精度良く行われる。
【００２９】
音源方向登録部２７は、音源方向演算部２６から渡された時系列の音源方向角度を、最新の所定数分だけ記憶する部分である。例えば、音源方向登録部２７は、リングバッファを含んで構成されており、音源方向角度に関する最新の２０回分の演算結果を記憶する機能を有する。
【００３０】
ヒストグラム登録部２８は、音源方向登録部２７から最新の所定数の音源方向角度を読み出し、その音源方向角度を基に、０度〜３６０度の角度範囲を所定角度間隔で分割した複数の角度範囲毎に、音源方向の推定頻度を示すヒストグラム（度数分布）を算出する。例えば、ヒストグラム登録部２８は、音源方向を２０°間隔で１８段階の角度範囲に分割し、これらの角度範囲毎に度数を計数したヒストグラムを生成する。図５には、ヒストグラム登録部２８によって算出されたヒストグラムの一例を示している。同図に示すヒストグラムにおいては、例えば、角度範囲“２０度〜４０度”に対応する度数“１”、角度範囲“６０度〜８０度”に対応する度数“２”、角度範囲“８０度〜１００度”に対応する度数“６”、角度範囲“１００度〜１２０度”に対応する度数“４”・・・が算出されている。また、ヒストグラム登録部２８は、生成したヒストグラムを音源方向再演算部２９に出力する。
【００３１】
音源方向再演算部２９は、ヒストグラム登録部２８から出力されたヒストグラムを入力し、入力したヒストグラムの中で度数が最大である角度範囲を特定する。併せて、音源方向再演算部２９は、特定した最大度数と所定の閾値（例えば、“５”）とを比較し、最大度数が閾値よりも大きいか否かを判定する。
【００３２】
そして、音源方向再演算部２９は、最大度数が閾値よりも大きい場合に、最大度数に対応する角度範囲を基に音源方向角度を決定する。すなわち、音源方向再演算部２９は、ピーク位置の角度範囲に属する音源方向演算部２６による角度推定結果と、この角度範囲の近傍の角度範囲に属する音源方向演算部２６による角度推定結果とに基づいて角度平均値を算出することにより、音源の方向を再演算する。例えば、図５の例によれば、閾値“５”よりも大きい最大度数“６”を有する角度範囲として“８０度〜１００度”を特定し、その角度範囲の近傍の前後の２つの角度範囲“６０度〜８０度”，“１００度〜１２０度”を特定する。さらに、音源方向再演算部２９は、特定した３つの角度範囲に属する全ての角度推定結果を音源方向登録部２７から読み出し、それらの平均値を音源の方向として決定する。これにより、ノイズによって度数がカウントされた音源とは関連の無い角度範囲（例えば、角度範囲“１８０度〜２００度”、“２４０度〜２６０度”、“２６０度〜２８０度”等）は、音源方向の演算結果に影響を与えなくなる。ここで、音源方向再演算部２９は、最大度数に対応する角度範囲の近傍の角度範囲を選択する際には、前後の４つの角度範囲を選択してもよく、選択する角度範囲の個数は適宜変更されてよい。さらに、音源方向再演算部２９は、決定した音源の方向を発言者の方向としてモータ制御部３１に出力する。
【００３３】
こうして、音源方向演算部２６、音源方向登録部２７、ヒストグラム登録部２８、及び音源方向再演算部２９による音源の方向の演算処理が行われ、発言者の方向が推定される。図１及び図３に示すように、テレビ会議用カメラＡでは、第１筺体１０ａ、開口１１〜１４、筒状体１６〜１９、マイク１〜４、アンプ５〜８、ＢＰＦ２１〜２４、ＡＤ変換部２５、音源方向演算部２６、音源方向登録部２７、ヒストグラム登録部２８、及び音源方向再演算部２９を備えて音源方向推定装置２０が構成されている。
【００３４】
更に、図３に示すように、テレビ会議用カメラＡは、音源方向推定装置２０によって推定された音源の方向へカメラ３５を向け、カメラ３５により発言者の映像を取得する機能を備えている。具体的には、テレビ会議用カメラＡは、音源方向再演算部２９から出力された音源の方向に基づいてモータ駆動部３２を制御するモータ制御部３１と、モータ制御部３１により制御されてモータ３３を駆動させるモータ駆動部３２と、モータ駆動部３２により駆動させられてカメラ回転機構３４に回転力を与えるモータ３３と、モータ３３に連結されて回転により第２筺体１０ｂと共にカメラ３５を旋回させるカメラ回転機構３４と、映像を取得するカメラ３５と、カメラ３５より取得された映像の映像データを映像処理する映像処理部３６と、映像処理部３６により処理された映像データを転送するデータ転送部３７と、データ転送部３７により転送された映像データをネットワークに送信するネットワーク通信部３８とを備えている。
【００３５】
次に、このようなテレビ会議用カメラＡにおける動作について説明する。図６は、テレビ会議用カメラＡによるカメラの回転制御時の動作を示すフローチャートである。
【００３６】
まず、マイク１〜４によって発言者の発した音声が電気信号に変換され、それぞれ、ＡＭＰ５〜８、ＢＰＦ２１〜２４、及びＡＤ変換部２５を経由して、所定の周波数範囲の周波数成分として音源方向演算部２６に入力される（ステップＳ１０１）。次に、音源方向演算部２６により、４つのマイク１〜４に対応する周波数成分を基に、音源の方向が音源方向角度として算出される（ステップＳ１０２）。そして、時系列で算出された音源方向角度は、最新の所定数分だけ音源方向登録部２７に記憶される（ステップＳ１０３）。
【００３７】
その後、ヒストグラム登録部２８は、音源方向登録部２７から、最新の所定数分の音源方向角度を読み出す（ステップＳ１０４）。次に、ヒストグラム登録部２８は、読み出した音源方向角度を基に、２０度間隔の複数の角度範囲毎に推定頻度を計数することによってヒストグラムを生成し、音源方向再演算部２９は、そのヒストグラムを基に、最大頻度を有する角度範囲を検出する（ステップＳ１０５）。さらに、音源方向再演算部２９は、検出した最大頻度が予め定めた閾値を超えているか否かを判定する（ステップＳ１０６）。判定の結果、検出した最大頻度が予め定めた閾値を超えていない場合には（ステップＳ１０６；ＮＯ）、次回のカメラの回転制御処理のタイミングまで処理を中断する。
【００３８】
一方、音源方向再演算部２９は、検出した最大頻度が予め定めた閾値を超えている場合には（ステップＳ１０６；ＹＥＳ）、最大頻度に対応する角度範囲及びその角度範囲近傍の角度範囲を特定する（ステップＳ１０７）。その後、音源方向再演算部２９は、特定した角度範囲に含まれる音源方向角度の演算結果を音源方向登録部２７から読み出し、それらの演算結果の平均値を音源の方向として算出してモータ制御部３１に出力する（ステップＳ１０８）。
【００３９】
モータ制御部３１は、音源方向推定装置２０から入力された音源方向角度を基に現在のカメラ回転機構３４の角度からの移動量を算出し（ステップＳ１０９）、その移動量を基にモータ駆動部３２を制御してモータ３３を駆動させ、カメラ３５が音源方向角度を示す方向へ向くように、カメラ回転機構３４によってカメラ３５を第２筺体１０ｂと共に旋回させる（ステップＳ１１０）。
【００４０】
その後、カメラ３５は、前方の映像を取得し、取得した映像を示す映像データを生成する。カメラ３５は、生成した映像データを映像処理部３６に出力する。映像処理部３６は、カメラ３５から出力された映像データを入力し、入力した映像データに映像処理を施し、映像処理後の映像データをデータ転送部３７に出力する。データ転送部３７は、映像処理部３６から出力された映像データを入力し、入力した映像データをネットワーク通信部３８に転送する。そして、ネットワーク通信部３８は、データ転送部３７から転送された映像データをネットワークを介して相手方のテレビ会議システムに送信する。
【００４１】
本実施形態の音源方向推定装置２０によれば、複数のマイク１〜４のそれぞれから出力された電気信号に基づいて音源の方向が時間的に連続して推定されることにより、時系列の音源方向角度が出力され、これらの音源方向角度を基に複数の角度範囲毎のヒストグラムが算出され、度数が最大の角度範囲を基に音源の方向が決定される。従って、瞬間的なノイズに影響されることなく、連続的に音声を発する音源の方向が音源方向として決定されやすくなるので、算出される音源方向角度の精度が向上する。また、時系列の演算結果を基に度数分布が計算されるので、フーリエ変換等により分解された周波数成分毎に度数分布を算出するのに比して演算量が増大することもなく、演算速度の高速化が図れる。
【００４２】
また、ヒストグラムにおける最大頻度と所定の閾値とを比較し、所定の閾値を超える最大頻度に対応する角度範囲を基にして、音源の方向を決定するので、無音状態での音源方向の誤検出を防止することができる。例えば、発言者が無言の状態でのノイズによる音源方向の誤推定を防止でき、カメラの回転方向が安定しないといった事態を防ぐことができる。
【００４３】
また、最大頻度に対応する角度範囲と該角度範囲の近傍の角度範囲とに含まれる音源方向角度の推定結果を用いて、音源の方向を決定するので、音源方向の推定結果に対して平均化等の処理を加えることで、算出される音源方向の精度をさらに向上させることができる。さらに、演算時間の短縮のためにヒストグラムを生成する角度間隔を広げた場合であっても、音源方向の推定精度をある程度維持することができる。
【００４４】
以上、本発明の好適な実施形態について説明したが、本発明は上記実施形態に限られるものではない。
【００４５】
上記実施形態では、音源方向再演算部２９が、特定した角度範囲に属する全ての角度推定結果を音源方向登録部２７から読み出し、それらの平均値を音源方向として決定していたが、他の実施形態として、角度推定結果を音源方向登録部２７から読み出すこと無しに、音源方向を決定するように処理してもよい。このような形態は、特定した角度範囲が複数の場合に適用できる。具体的には、音源方向再演算部２９’は、複数の角度範囲を特定した後、角度推定結果を音源方向登録部２７から読み出さずに、特定した複数の角度範囲における各々の中央値と、それに対応する度数とから、それらの角度平均値を算出し、その算出結果を音源方向としてモータ制御部３１に出力する。なお、この他の実施形態におけるテレビ会議用カメラＡ’における動作は、図６のステップＳ１０８の処理のみが上述した実施形態と異なる。
【００４６】
また、上記実施形態では、４個のマイク１〜４が設けられる場合について説明したが、マイクの設置個数は２又は３個であってもよく、５個以上であってもよい。また、ＢＰＦ２１〜２４によって通過させられる周波数の範囲は、マイクの特性に応じて可聴域内の範囲で適宜設定することができる。このように可聴域内の範囲とすることで、人によって聴くことのできるあらゆる周波数の音源に音源方向推定装置を適用することができ、音源方向推定装置としての汎用性が高められる。
【００４７】
更にまた、上記実施形態では、音源方向推定装置２０がテレビ会議用カメラＡに適用される場合について説明したが、複数のマイクを備えて音源の方向を推定し、推定した音源の方向を利用する装置であればこれに限られない。例えば、本発明の音源方向推定装置は、異常音を検知して、その異常音が発生した音源の方向を映す監視カメラ等にも適用できる。
【符号の説明】
【００４８】
１〜４…マイクロフォン、２０…音源方向推定装置、２６…音源方向演算部（音源方向推定手段）、２７…音源方向登録部、２８…ヒストグラム登録部（度数分布算出手段）、２９…音源方向再演算部（音源方向決定手段）、Ａ…テレビ会議用カメラ。
【特許請求の範囲】
【請求項１】
音源で生じた音を入力し前記音を電気信号に変換する複数のマイクロフォンと、
前記複数のマイクロフォンによって変換された前記電気信号に基づいて、前記音源の方向を時間的に連続して推定して、時系列の音源方向角度を出力する音源方向推定手段と、
最新の所定数の前記時系列の音源方向角度を基に、複数の角度範囲毎の音源方向の推定の頻度を示す度数分布を算出する度数分布算出手段と、
前記度数分布において前記頻度が最大の前記角度範囲を基にして、前記音源の方向を決定する音源方向決定手段と、
を備えることを特徴とする音源方向推定装置。
【請求項２】
前記音源方向決定手段は、前記度数分布において最大の前記頻度と所定の閾値とを比較した結果、該頻度が大きいと判定された場合に、前記最大の頻度に対応する前記角度範囲を基にして、前記音源の方向を決定する、
ことを特徴とする請求項１記載の音源方向推定装置。
【請求項３】
前記音源方向決定手段は、前記最大の頻度に対応する角度範囲と該角度範囲の近傍の角度範囲とに含まれる前記音源方向角度の推定結果を用いて、前記音源の方向を決定する、ことを特徴とする請求項１又は２記載の音源方向推定装置。
【請求項１】
音源で生じた音を入力し前記音を電気信号に変換する複数のマイクロフォンと、
前記複数のマイクロフォンによって変換された前記電気信号に基づいて、前記音源の方向を時間的に連続して推定して、時系列の音源方向角度を出力する音源方向推定手段と、
最新の所定数の前記時系列の音源方向角度を基に、複数の角度範囲毎の音源方向の推定の頻度を示す度数分布を算出する度数分布算出手段と、
前記度数分布において前記頻度が最大の前記角度範囲を基にして、前記音源の方向を決定する音源方向決定手段と、
を備えることを特徴とする音源方向推定装置。
【請求項２】
前記音源方向決定手段は、前記度数分布において最大の前記頻度と所定の閾値とを比較した結果、該頻度が大きいと判定された場合に、前記最大の頻度に対応する前記角度範囲を基にして、前記音源の方向を決定する、
ことを特徴とする請求項１記載の音源方向推定装置。
【請求項３】
前記音源方向決定手段は、前記最大の頻度に対応する角度範囲と該角度範囲の近傍の角度範囲とに含まれる前記音源方向角度の推定結果を用いて、前記音源の方向を決定する、ことを特徴とする請求項１又は２記載の音源方向推定装置。
【図１】
【図２】
【図３】
【図４】
【図５】
【図６】
【図２】
【図３】
【図４】
【図５】
【図６】
【公開番号】特開２０１１−２３２２３７（Ｐ２０１１−２３２２３７Ａ）
【公開日】平成２３年１１月１７日（２０１１．１１．１７）
【国際特許分類】
【出願番号】特願２０１０−１０３９６６（Ｐ２０１０−１０３９６６）
【出願日】平成２２年４月２８日（２０１０．４．２８）
【出願人】（０００００１２２５）日本電産コパル株式会社 (755)
【Ｆターム（参考）】
【公開日】平成２３年１１月１７日（２０１１．１１．１７）
【国際特許分類】
【出願日】平成２２年４月２８日（２０１０．４．２８）
【出願人】（０００００１２２５）日本電産コパル株式会社 (755)
【Ｆターム（参考）】
[ Back to top ]