JPH0792988A - 音声検出装置と映像切り替え装置 - Google Patents
音声検出装置と映像切り替え装置Info
- Publication number
- JPH0792988A JPH0792988A JP5238579A JP23857993A JPH0792988A JP H0792988 A JPH0792988 A JP H0792988A JP 5238579 A JP5238579 A JP 5238579A JP 23857993 A JP23857993 A JP 23857993A JP H0792988 A JPH0792988 A JP H0792988A
- Authority
- JP
- Japan
- Prior art keywords
- voice
- microphone
- speaker
- input signal
- signal
- Prior art date
- Legal status (The legal status 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 status listed.)
- Pending
Links
Landscapes
- Circuit For Audible Band Transducer (AREA)
Abstract
(57)【要約】
【目的】 話者の音声が判別でき話者に対応したマイク
ロホンを正確に特定できる音声検出装置と、この特定に
より映像を自動的に話者に切り換えることができる映像
切り替え装置を提供することを目的とする。 【構成】 音声判定部３が、マイクロホン１に入力され
た信号からスペクトルの特徴量を抽出し、予め求めた音
声の特徴量との類似性の有無によりその信号が音声であ
るか否かを判定する。話者検出部２が、隣接したマイク
ロホン１の入力信号の間の差異を検出することにより話
者の位置を推定し、この話者に対応したマイクロホン１
を特定する。以上の音声判定部３と話者検出部２の出力
結果に基づいて、総合判定部４がそれぞれのマイクロホ
ン１に対応した話者の音声のみを判定する。
ロホンを正確に特定できる音声検出装置と、この特定に
より映像を自動的に話者に切り換えることができる映像
切り替え装置を提供することを目的とする。 【構成】 音声判定部３が、マイクロホン１に入力され
た信号からスペクトルの特徴量を抽出し、予め求めた音
声の特徴量との類似性の有無によりその信号が音声であ
るか否かを判定する。話者検出部２が、隣接したマイク
ロホン１の入力信号の間の差異を検出することにより話
者の位置を推定し、この話者に対応したマイクロホン１
を特定する。以上の音声判定部３と話者検出部２の出力
結果に基づいて、総合判定部４がそれぞれのマイクロホ
ン１に対応した話者の音声のみを判定する。
Description
【０００１】
【産業上の利用分野】本発明は、テレビ会議システム等
における話者の位置を特定する音声検出装置とこの出力
により映像を切り替える映像切り替え装置に関するもの
である。
における話者の位置を特定する音声検出装置とこの出力
により映像を切り替える映像切り替え装置に関するもの
である。
【０００２】
【従来の技術】近年、ＩＳＤＮ等ディジタル通信網の発
達により、企業の間では遠隔地間で積極的にテレビ会議
システムを利用し始めている。
達により、企業の間では遠隔地間で積極的にテレビ会議
システムを利用し始めている。
【０００３】現在のテレビ会議システムにおいて、限ら
れた大きさのモニター画面を用いてより自然な会議進行
を実現するためには、発言者が誰であるのかを知らせる
ためにリアルタイムにモニター画面を発言者に切り換え
る必要がある。現在の多くの会議システムでは、発言者
が切り替わる度に操作卓を使ってマニュアルで映像を切
り換えなければならず、自然な会議の進行の妨げになっ
ていた。そこで会議中の発言者の音声を自動的に検出し
発言者の映像に自動的に切り換えるための音声検出装置
の実現が望まれている。
れた大きさのモニター画面を用いてより自然な会議進行
を実現するためには、発言者が誰であるのかを知らせる
ためにリアルタイムにモニター画面を発言者に切り換え
る必要がある。現在の多くの会議システムでは、発言者
が切り替わる度に操作卓を使ってマニュアルで映像を切
り換えなければならず、自然な会議の進行の妨げになっ
ていた。そこで会議中の発言者の音声を自動的に検出し
発言者の映像に自動的に切り換えるための音声検出装置
の実現が望まれている。
【０００４】実際に複数の参加者が存在するテレビ会議
の場面を想定すると、会議中には参加者の発言した音声
以外に様々な雑音が発生する。また全参加者の音声を収
音するために会議室には複数のマイクロホンが設置され
ることになるが、ある話者の音声は自分自信のマイクロ
ホンだけでなく隣接した位置にあるマイクロホンにも入
力される。さらに会議の相手方の音声が拡声され各マイ
クロホンに混入する。このような状況下で上記の音声検
出装置を実現するためには、入力信号から音声信号の部
分を正確に判別すると共に、どのマイクロホンに対応し
た位置にいる話者の発声した音声であるかを的確に判定
できなければならない。
の場面を想定すると、会議中には参加者の発言した音声
以外に様々な雑音が発生する。また全参加者の音声を収
音するために会議室には複数のマイクロホンが設置され
ることになるが、ある話者の音声は自分自信のマイクロ
ホンだけでなく隣接した位置にあるマイクロホンにも入
力される。さらに会議の相手方の音声が拡声され各マイ
クロホンに混入する。このような状況下で上記の音声検
出装置を実現するためには、入力信号から音声信号の部
分を正確に判別すると共に、どのマイクロホンに対応し
た位置にいる話者の発声した音声であるかを的確に判定
できなければならない。
【０００５】このような音声検出装置を実現するため
に、各マイクロホンに入力される信号のパワーを算出
し、パワーが検出されたときにそのマイクロホンに音声
が入力されていると判断することによって、予め記憶さ
れたそのマイクロホンに対応する話者の位置へ自動的に
カメラを向け映像を切り換える試みが行われている。こ
こでパワーが検出された区間が一定時間以下の場合は音
声と判定しないことで突発的な雑音による誤判定を防止
している。またある話者の音声が同時に隣接した複数の
マイクロホンに混入し、複数のマイクロホン入力が音声
であると判定される場合に対応するため、パワー強度の
大きい方を選択する方法もある。
に、各マイクロホンに入力される信号のパワーを算出
し、パワーが検出されたときにそのマイクロホンに音声
が入力されていると判断することによって、予め記憶さ
れたそのマイクロホンに対応する話者の位置へ自動的に
カメラを向け映像を切り換える試みが行われている。こ
こでパワーが検出された区間が一定時間以下の場合は音
声と判定しないことで突発的な雑音による誤判定を防止
している。またある話者の音声が同時に隣接した複数の
マイクロホンに混入し、複数のマイクロホン入力が音声
であると判定される場合に対応するため、パワー強度の
大きい方を選択する方法もある。
【０００６】
【発明が解決しようとする課題】しかしながら上記の構
成では、突発的な雑音は取り除けるが、パワーの大きな
連続的な信号であれば音声あるいは雑音にかかわらず反
応してしまい、発言していない話者に誤って映像が切り
替わる場合が発生するという問題点がある。
成では、突発的な雑音は取り除けるが、パワーの大きな
連続的な信号であれば音声あるいは雑音にかかわらず反
応してしまい、発言していない話者に誤って映像が切り
替わる場合が発生するという問題点がある。
【０００７】また、発言者は必ずしもマイクロホンの正
面から発声するとは限らず、口元とマイクロホンとの位
置関係は変化するため、パワー強度の違いだけでは、ど
の話者の発声した音声であるかは正確には判定すること
ができないという問題点もある。
面から発声するとは限らず、口元とマイクロホンとの位
置関係は変化するため、パワー強度の違いだけでは、ど
の話者の発声した音声であるかは正確には判定すること
ができないという問題点もある。
【０００８】本発明は、上記従来の課題を解決するもの
であり、入力された信号が突発的、連続的なものにかか
わらず正確に音声信号であるか否かが判別できる共に、
その音声信号がそれぞれのマイクロホンに対応した話者
から発声されたものであるかが正確に判定することがで
きる音声検出装置と、この音声検出装置の判定結果に基
づいて自動的に話者の映像を切り換えることができる映
像切り替え装置を提供することを目的とする。
であり、入力された信号が突発的、連続的なものにかか
わらず正確に音声信号であるか否かが判別できる共に、
その音声信号がそれぞれのマイクロホンに対応した話者
から発声されたものであるかが正確に判定することがで
きる音声検出装置と、この音声検出装置の判定結果に基
づいて自動的に話者の映像を切り換えることができる映
像切り替え装置を提供することを目的とする。
【０００９】
【課題を解決するための手段】請求項１に記載の音声検
出装置は、音響を検出する複数のマイクロホンと、これ
らのマイクロホンに入力された信号からスペクトルの特
徴量を抽出し、予め求めた音声の特徴量との類似性の有
無によりその信号が音声であるか否かを判定する音声判
定部と、任意のマイクロホンの入力信号とこのマイクロ
ホンに隣接した位置にあるマイクロホンの入力信号との
間の差異を検出することにより音響の発生源である話者
の位置を推定し、この話者に対応したマイクロホンを特
定する話者検出部と、前記音声判定部と話者検出部の出
力結果を用いて予め定めた判定条件をもとにそれぞれの
マイクロホンに対応した話者の音声のみを判定する総合
判定部とを備えたことを特徴とする。
出装置は、音響を検出する複数のマイクロホンと、これ
らのマイクロホンに入力された信号からスペクトルの特
徴量を抽出し、予め求めた音声の特徴量との類似性の有
無によりその信号が音声であるか否かを判定する音声判
定部と、任意のマイクロホンの入力信号とこのマイクロ
ホンに隣接した位置にあるマイクロホンの入力信号との
間の差異を検出することにより音響の発生源である話者
の位置を推定し、この話者に対応したマイクロホンを特
定する話者検出部と、前記音声判定部と話者検出部の出
力結果を用いて予め定めた判定条件をもとにそれぞれの
マイクロホンに対応した話者の音声のみを判定する総合
判定部とを備えたことを特徴とする。
【００１０】請求項３に記載の音声検出装置は、話者方
向に向いた第１のマイクロホンと、話者と反対方向に向
いた第２のマイクロホンと、前記第１のマイクロホンと
第２のマイクロホンのそれぞれの入力信号の差異を検出
することにより第１のマイクロホンの前方より発せられ
た信号のみを検出する前方音検出部と、第１のマイクロ
ホンに入力された信号からスペクトルの特徴量を抽出
し、予め求めた音声の特徴量との類似性の有無によりそ
の信号が音声であるか否かを判定する音声判定部と、前
記前方音検出部と音声判定部の出力結果を用いてそれぞ
れの第１のマイクロホンに対応した話者の音声のみを判
定する総合判定部とを備えたことを特徴とする。
向に向いた第１のマイクロホンと、話者と反対方向に向
いた第２のマイクロホンと、前記第１のマイクロホンと
第２のマイクロホンのそれぞれの入力信号の差異を検出
することにより第１のマイクロホンの前方より発せられ
た信号のみを検出する前方音検出部と、第１のマイクロ
ホンに入力された信号からスペクトルの特徴量を抽出
し、予め求めた音声の特徴量との類似性の有無によりそ
の信号が音声であるか否かを判定する音声判定部と、前
記前方音検出部と音声判定部の出力結果を用いてそれぞ
れの第１のマイクロホンに対応した話者の音声のみを判
定する総合判定部とを備えたことを特徴とする。
【００１１】請求項４に記載の音声検出装置は、話者方
向に向いた第１のマイクロホンと話者と反対方向に向い
た第２のマイクロホンとを一組とする複数組のマイクロ
ホンと、それぞれの組の前記第１のマイクロホンと第２
のマイクロホンのそれぞれの入力信号の差異を検出する
ことにより第１のマイクロホンの前方より発せられた信
号のみを検出する前方音検出部と、それぞれの組の第１
のマイクロホンに入力された信号からスペクトルの特徴
量を抽出し、予め求めた音声の特徴量との類似性の有無
によりその信号が音声であるか否かを判定する音声判定
部と、任意の第１のマイクロホンの入力信号とこのマイ
クロホンに隣接した位置にある第１のマイクロホンの入
力信号との間の差異を検出することにより話者の位置を
推定し、この話者に対応したマイクロホンを特定する話
者検出部と、前記前方音検出部と音声判定部及び話者検
出部の出力結果を用いて予め定めた判定条件をもとにそ
れぞれの組の第１のマイクロホンに対応した話者の音声
のみを判定する総合判定部とを備えたことを特徴とす
る。
向に向いた第１のマイクロホンと話者と反対方向に向い
た第２のマイクロホンとを一組とする複数組のマイクロ
ホンと、それぞれの組の前記第１のマイクロホンと第２
のマイクロホンのそれぞれの入力信号の差異を検出する
ことにより第１のマイクロホンの前方より発せられた信
号のみを検出する前方音検出部と、それぞれの組の第１
のマイクロホンに入力された信号からスペクトルの特徴
量を抽出し、予め求めた音声の特徴量との類似性の有無
によりその信号が音声であるか否かを判定する音声判定
部と、任意の第１のマイクロホンの入力信号とこのマイ
クロホンに隣接した位置にある第１のマイクロホンの入
力信号との間の差異を検出することにより話者の位置を
推定し、この話者に対応したマイクロホンを特定する話
者検出部と、前記前方音検出部と音声判定部及び話者検
出部の出力結果を用いて予め定めた判定条件をもとにそ
れぞれの組の第１のマイクロホンに対応した話者の音声
のみを判定する総合判定部とを備えたことを特徴とす
る。
【００１２】請求項２５に記載の映像切り替え装置は、
請求項１に記載の音声検出装置と、各話者の映像を出力
するために、それぞれの話者の位置を予め記憶し出力映
像を制御するカメラ制御部と、前記音声検出部の出力に
基づいて音声が入力されているマイクロホンを特定し、
対応する話者の映像に切り換えるための制御信号を前記
カメラ制御部に出力する映像切り替え制御部とを備えた
ことを特徴とする。
請求項１に記載の音声検出装置と、各話者の映像を出力
するために、それぞれの話者の位置を予め記憶し出力映
像を制御するカメラ制御部と、前記音声検出部の出力に
基づいて音声が入力されているマイクロホンを特定し、
対応する話者の映像に切り換えるための制御信号を前記
カメラ制御部に出力する映像切り替え制御部とを備えた
ことを特徴とする。
【００１３】
【作用】請求項１の構成によると、音声判定部が、マイ
クロホンに入力された信号からスペクトルの特徴量を抽
出し、予め求めた音声の特徴量との類似性の有無により
その信号が音声であるか否かを判定する。話者検出部
が、隣接したマイクロホンの入力信号の間の差異を検出
することにより話者の位置を推定し、この話者に対応し
たマイクロホンを特定する。以上の音声判定部と話者検
出部の出力結果に基づいて、総合判定部がそれぞれのマ
イクロホンに対応した話者の音声のみを判定する。
クロホンに入力された信号からスペクトルの特徴量を抽
出し、予め求めた音声の特徴量との類似性の有無により
その信号が音声であるか否かを判定する。話者検出部
が、隣接したマイクロホンの入力信号の間の差異を検出
することにより話者の位置を推定し、この話者に対応し
たマイクロホンを特定する。以上の音声判定部と話者検
出部の出力結果に基づいて、総合判定部がそれぞれのマ
イクロホンに対応した話者の音声のみを判定する。
【００１４】請求項３の構成によると、前方音検出部
が、話者方向に向いた第１のマイクロホンと話者と反対
方向に向いた第２のマイクロホンに入力された信号の差
異を検出して、第１のマイクロホンの前方より発せられ
た信号のみを検出する。音声判定部が、第１のマイクロ
ホンに入力された信号からスペクトルの特徴量を抽出
し、予め求めた音声の特徴量との類似性の有無によりそ
の信号が音声であるか否かを判定する。以上の前方音検
出部と音声判定部の出力結果に基づいて、総合判定部が
それぞれの第１のマイクロホンに対応した話者の音声の
みを判定する。
が、話者方向に向いた第１のマイクロホンと話者と反対
方向に向いた第２のマイクロホンに入力された信号の差
異を検出して、第１のマイクロホンの前方より発せられ
た信号のみを検出する。音声判定部が、第１のマイクロ
ホンに入力された信号からスペクトルの特徴量を抽出
し、予め求めた音声の特徴量との類似性の有無によりそ
の信号が音声であるか否かを判定する。以上の前方音検
出部と音声判定部の出力結果に基づいて、総合判定部が
それぞれの第１のマイクロホンに対応した話者の音声の
みを判定する。
【００１５】請求項４の構成によると、前方音検出部
が、一組にされた話者方向に向いた第１のマイクロホン
と話者と反対方向に向いた第２のマイクロホンに入力さ
れた信号の差異を検出して、第１のマイクロホンの前方
より発せられた信号のみを検出する。音声判定部が、各
組の第１のマイクロホンに入力された信号からスペクト
ルの特徴量を抽出し、予め求めた音声の特徴量との類似
性の有無によりその信号が音声であるか否かを判定す
る。話者検出部が、隣接した第１のマイクロホンの入力
信号の間の差異を検出することにより話者の位置を推定
し、この話者に対応したマイクロホンを特定する。以上
の前方音検出部と音声判定部と話者検出部の出力結果に
基づいて、総合判定部が各組の第１のマイクロホンに対
応した話者の音声のみを判定する。
が、一組にされた話者方向に向いた第１のマイクロホン
と話者と反対方向に向いた第２のマイクロホンに入力さ
れた信号の差異を検出して、第１のマイクロホンの前方
より発せられた信号のみを検出する。音声判定部が、各
組の第１のマイクロホンに入力された信号からスペクト
ルの特徴量を抽出し、予め求めた音声の特徴量との類似
性の有無によりその信号が音声であるか否かを判定す
る。話者検出部が、隣接した第１のマイクロホンの入力
信号の間の差異を検出することにより話者の位置を推定
し、この話者に対応したマイクロホンを特定する。以上
の前方音検出部と音声判定部と話者検出部の出力結果に
基づいて、総合判定部が各組の第１のマイクロホンに対
応した話者の音声のみを判定する。
【００１６】請求項２５の構成によると、請求項１に記
載の音声検出装置の出力に基づいて、映像切り替え制御
部が、特定したマイクロホンに対応した話者に映像を切
り換える制御信号をカメラ制御部に出力する。この制御
信号により、カメラ制御部は予め記憶した話者の位置情
報に基づいて出力映像の切り替えを制御する。
載の音声検出装置の出力に基づいて、映像切り替え制御
部が、特定したマイクロホンに対応した話者に映像を切
り換える制御信号をカメラ制御部に出力する。この制御
信号により、カメラ制御部は予め記憶した話者の位置情
報に基づいて出力映像の切り替えを制御する。
【００１７】
【実施例】以下、本発明の音声検出装置の第１の実施例
について図面を参照しながら説明する。
について図面を参照しながら説明する。
【００１８】図１は本実施例の構成を示すブロック図で
ある。図１において、Ｗは音声を発する話者、１はマイ
クロホン、２は隣接したマイクロホンの入力信号間の波
形上の類似性を調べることにより話者の位置を推定する
話者検出部、３は各マイクロホンの入力信号から音韻の
特徴を抽出し、音声信号であるか否かを判定する音声判
定部、４は音声判定部および話者検出部の結果をもと
に、それぞれのマイクロホンに対してそれぞれの前方に
位置する話者の音声信号が入力されているかを否かを判
定し、この判定結果を出力する総合判定部である。
ある。図１において、Ｗは音声を発する話者、１はマイ
クロホン、２は隣接したマイクロホンの入力信号間の波
形上の類似性を調べることにより話者の位置を推定する
話者検出部、３は各マイクロホンの入力信号から音韻の
特徴を抽出し、音声信号であるか否かを判定する音声判
定部、４は音声判定部および話者検出部の結果をもと
に、それぞれのマイクロホンに対してそれぞれの前方に
位置する話者の音声信号が入力されているかを否かを判
定し、この判定結果を出力する総合判定部である。
【００１９】以下、上記音声検出装置の動作を説明す
る。ここでは一般的なテレビ会議の場面を想定し、話者
が横一線に並んでいるとし、また各話者にそれぞれマイ
クロホンが設置されているものとする。
る。ここでは一般的なテレビ会議の場面を想定し、話者
が横一線に並んでいるとし、また各話者にそれぞれマイ
クロホンが設置されているものとする。
【００２０】まず、マイクロホン１に入力された音響信
号はアナログ／ディジタル変換され、話者検出部２、音
声判定部３にそれぞれ入力される。話者検出部２では隣
合うマイクロホン同志での入力信号間の相関関係を調べ
ることにより話者の位置を推定する。ここで例えば話者
Ｗ２が発言している場合を考える。話者Ｗ２の発声した
音声はマイクロホンＭ２はもちろんその隣のマイクロホ
ンＭ１、Ｍ３にも入力される（その他のマイクロホンに
も入力されるがそのパワーは小さくなる）。また話者Ｗ
２は常にマイクロホンＭ２の正面方向にいるわけではな
く、話者Ｗ１、あるいは話者Ｗ３の方向に寄って発声し
ているかもしれない。これらの位置関係を示したのが図
２である。もし話者がマイクロホンＭ２、Ｍ３から等距
離の地点ｘにいるときは、音声信号の各マイクロホンへ
の到達時間は等しいが、話者が左右にずれることによっ
て到達時間に差が生じる。そこでこの到達時間の差を検
出することにより、話者のおおよその位置を推定するこ
とが可能となる。
号はアナログ／ディジタル変換され、話者検出部２、音
声判定部３にそれぞれ入力される。話者検出部２では隣
合うマイクロホン同志での入力信号間の相関関係を調べ
ることにより話者の位置を推定する。ここで例えば話者
Ｗ２が発言している場合を考える。話者Ｗ２の発声した
音声はマイクロホンＭ２はもちろんその隣のマイクロホ
ンＭ１、Ｍ３にも入力される（その他のマイクロホンに
も入力されるがそのパワーは小さくなる）。また話者Ｗ
２は常にマイクロホンＭ２の正面方向にいるわけではな
く、話者Ｗ１、あるいは話者Ｗ３の方向に寄って発声し
ているかもしれない。これらの位置関係を示したのが図
２である。もし話者がマイクロホンＭ２、Ｍ３から等距
離の地点ｘにいるときは、音声信号の各マイクロホンへ
の到達時間は等しいが、話者が左右にずれることによっ
て到達時間に差が生じる。そこでこの到達時間の差を検
出することにより、話者のおおよその位置を推定するこ
とが可能となる。
【００２１】図３は話者検出部２の動作を示す要部フロ
ーチャートである。以下図３のフローチャートに沿って
説明する。図３のステップ３１で、まず隣合う２つのマ
イクロホンそれぞれの組について入力信号の相互相関係
数を一定時間間隔毎（以下フレームと呼ぶ）に式１によ
り算出する。
ーチャートである。以下図３のフローチャートに沿って
説明する。図３のステップ３１で、まず隣合う２つのマ
イクロホンそれぞれの組について入力信号の相互相関係
数を一定時間間隔毎（以下フレームと呼ぶ）に式１によ
り算出する。
【００２２】
【数１】
【００２３】ここでｂt 、Ｃt は任意の時刻ｔにおける
サンプル値、ｎは１フレームのサンプル数、ｍは話者の
左右のずれを検出するために予め設定された値であり、
分析条件、マイクロホンと話者の位置関係により多少変
わってくる。次にステップ３２で、各マイクロホンの組
毎に得られたそれぞれの−ｍ次からｍ次までの相互相関
係数のうち最大値を与える相関係数の値及びその次数を
記憶する。ステップ３３では、各マイクロホンの組毎の
相互相関係数の最大値の中から最大値を与えるマイクロ
ホンの組を選択する。次にステップ３４で、選択された
マイクロホンの組の最大相関値を与える次数から話者の
左右へのずれ幅を推定し、話者が対応するマイクロホン
の正面方向に存在するか否かを判定する。例えば図２に
おいて話者Ｗ２の位置から発声された音声信号のマイク
ロホンＭ２、マイクロホンＭ３への到達時間の差Ｔは音
の速度をｃ、話者Ｗ２からマイクロホンＭ２までの距離
ｌ、マイクロホンＭ３までの距離ｋとして式２で表され
る。
サンプル値、ｎは１フレームのサンプル数、ｍは話者の
左右のずれを検出するために予め設定された値であり、
分析条件、マイクロホンと話者の位置関係により多少変
わってくる。次にステップ３２で、各マイクロホンの組
毎に得られたそれぞれの−ｍ次からｍ次までの相互相関
係数のうち最大値を与える相関係数の値及びその次数を
記憶する。ステップ３３では、各マイクロホンの組毎の
相互相関係数の最大値の中から最大値を与えるマイクロ
ホンの組を選択する。次にステップ３４で、選択された
マイクロホンの組の最大相関値を与える次数から話者の
左右へのずれ幅を推定し、話者が対応するマイクロホン
の正面方向に存在するか否かを判定する。例えば図２に
おいて話者Ｗ２の位置から発声された音声信号のマイク
ロホンＭ２、マイクロホンＭ３への到達時間の差Ｔは音
の速度をｃ、話者Ｗ２からマイクロホンＭ２までの距離
ｌ、マイクロホンＭ３までの距離ｋとして式２で表され
る。
【００２４】
【数２】
【００２５】ここで最大相関値を与える次数がｍ1 であ
ったとすると、ＴはＴS ×ｍ1 （秒）に相当し、話者Ｗ
２は地点ｘからほぼこの時間に相当する距離分だけ左に
いることがわかる。ＴS はサンプリング周期である。そ
こで予めマイクロホン正面方向の話者の音声を捉えるべ
き範囲を設定しておき、検出の結果その範囲内であれば
話者が存在すると判定する。またマイクロホンＭ２及び
Ｍ３からほぼ等距離の地点ｘを含む線上の近傍に音源が
存在する場合は、特に入力されているマイクロホンは特
定しないようにする。
ったとすると、ＴはＴS ×ｍ1 （秒）に相当し、話者Ｗ
２は地点ｘからほぼこの時間に相当する距離分だけ左に
いることがわかる。ＴS はサンプリング周期である。そ
こで予めマイクロホン正面方向の話者の音声を捉えるべ
き範囲を設定しておき、検出の結果その範囲内であれば
話者が存在すると判定する。またマイクロホンＭ２及び
Ｍ３からほぼ等距離の地点ｘを含む線上の近傍に音源が
存在する場合は、特に入力されているマイクロホンは特
定しないようにする。
【００２６】最後にステップ３５で、判定結果として、
話者が発声していると特定されたマイクロホンについて
はオン信号を、特定されなかったマイクロホンについて
はオフの信号を送出する。ここで誤判定、及び短い発
言、突発的な雑音による判定結果の短時間での切り替わ
りを防止するため、同一の判定結果が一定フレーム続い
た場合に判定結果をオンにし、またマイクロホンの特定
が一つもできない状態が一定フレーム以上続いたときに
オフにするよう制御する。以上が話者検出部２の動作説
明である。
話者が発声していると特定されたマイクロホンについて
はオン信号を、特定されなかったマイクロホンについて
はオフの信号を送出する。ここで誤判定、及び短い発
言、突発的な雑音による判定結果の短時間での切り替わ
りを防止するため、同一の判定結果が一定フレーム続い
た場合に判定結果をオンにし、またマイクロホンの特定
が一つもできない状態が一定フレーム以上続いたときに
オフにするよう制御する。以上が話者検出部２の動作説
明である。
【００２７】次に音声判定部３の動作について説明す
る。図４は音声判定部３に関するブロック構成図であ
る。図４において４１は音声検出のための複数の特徴量
を抽出する特徴抽出部で、１フレーム毎の特徴量を算出
する。これらの特徴量は音声を検出するために用いられ
るものであり、音声に特有の性質を有している。本実施
例では１次以上のケプストラム係数を用いる。他の特徴
量としてたとえば線形予測分析の際に得られる自己相関
係数や線形予測係数、ＰＡＲＣＯＲ係数、メルケプスト
ラム係数等を用いても差し支えない。あるいは他の音声
分析、たとえばＦＦＴ分析により得られるスペクトル情
報を用いても、音声の特徴を捉えていることでは同じで
あるので使用可能である。また、入力信号をアナログフ
ィルタあるいはディジタルフィルタにより周波数軸上で
数個の帯域に分割し、各帯域のエネルギーを算出してそ
れをひとつの特徴量として扱うこともできる。また各帯
域毎に求めた零交差回数を特徴量として使用すること
や、各帯域毎にＦＦＴ分析して得られるメルケプストラ
ム係数をひとつの特徴量として扱う、また各帯域毎にＬ
ＰＣ分析により得られるスペクトルをひとつの特徴量と
して扱うことも可能である。
る。図４は音声判定部３に関するブロック構成図であ
る。図４において４１は音声検出のための複数の特徴量
を抽出する特徴抽出部で、１フレーム毎の特徴量を算出
する。これらの特徴量は音声を検出するために用いられ
るものであり、音声に特有の性質を有している。本実施
例では１次以上のケプストラム係数を用いる。他の特徴
量としてたとえば線形予測分析の際に得られる自己相関
係数や線形予測係数、ＰＡＲＣＯＲ係数、メルケプスト
ラム係数等を用いても差し支えない。あるいは他の音声
分析、たとえばＦＦＴ分析により得られるスペクトル情
報を用いても、音声の特徴を捉えていることでは同じで
あるので使用可能である。また、入力信号をアナログフ
ィルタあるいはディジタルフィルタにより周波数軸上で
数個の帯域に分割し、各帯域のエネルギーを算出してそ
れをひとつの特徴量として扱うこともできる。また各帯
域毎に求めた零交差回数を特徴量として使用すること
や、各帯域毎にＦＦＴ分析して得られるメルケプストラ
ム係数をひとつの特徴量として扱う、また各帯域毎にＬ
ＰＣ分析により得られるスペクトルをひとつの特徴量と
して扱うことも可能である。
【００２８】次に、４２は予め信頼性の高い多数の学習
用音声データについて特徴抽出部４１で抽出した特徴量
を用いて、音声の周波数的なの標準パターンを作成する
周波数パターン作成部である。標準パターンとしては、
予め多数の音声データからスペクトルに関する特徴量を
抽出しておき、各音韻毎にその特徴量を用いて標準パタ
ーンを作成する。本実施例では標準パターンとしては、
特徴量の分布を多次元正規分布としたときの平均、共分
散を用い、これを音韻毎に作成しておく。また他の分布
として、たとえばガンマ分布やポアソン分布等を用いて
も差し支えない。さらにこの標準パターンとしては、学
習用音声データを音韻毎に分類した後各音韻毎に作成し
た最適な標準パターンを用いたり、学習用音声データを
ベクトル量子化によりクラスタリングすることにより得
られたコードを用いても、より精度の高い判定が可能と
なる。
用音声データについて特徴抽出部４１で抽出した特徴量
を用いて、音声の周波数的なの標準パターンを作成する
周波数パターン作成部である。標準パターンとしては、
予め多数の音声データからスペクトルに関する特徴量を
抽出しておき、各音韻毎にその特徴量を用いて標準パタ
ーンを作成する。本実施例では標準パターンとしては、
特徴量の分布を多次元正規分布としたときの平均、共分
散を用い、これを音韻毎に作成しておく。また他の分布
として、たとえばガンマ分布やポアソン分布等を用いて
も差し支えない。さらにこの標準パターンとしては、学
習用音声データを音韻毎に分類した後各音韻毎に作成し
た最適な標準パターンを用いたり、学習用音声データを
ベクトル量子化によりクラスタリングすることにより得
られたコードを用いても、より精度の高い判定が可能と
なる。
【００２９】４３は特徴抽出部４１から出力される入力
信号のフレーム毎のケプストラム係数について周波数パ
ターン作成部４２にて作成した音韻毎の特徴量分布との
距離すなわち尤度を計算し、ある閾値と比較することで
音声であるかそれ以外かを判定する尤度判定部である。
信号のフレーム毎のケプストラム係数について周波数パ
ターン作成部４２にて作成した音韻毎の特徴量分布との
距離すなわち尤度を計算し、ある閾値と比較することで
音声であるかそれ以外かを判定する尤度判定部である。
【００３０】４４は予め信頼性の高い多数の学習用音声
データから作成した音声の時間的な特徴を表現する時間
パターンを作成する時間パターン作成部である。本実施
例においては、多数の学習用音声データから作成した、
音韻毎の継続時間に関する最大値、最小値を用いる。ま
た、他の例として、継続時間分布たとえば正規分布やガ
ンマ分布、ポアソン分布等を用いても差し支えない。
データから作成した音声の時間的な特徴を表現する時間
パターンを作成する時間パターン作成部である。本実施
例においては、多数の学習用音声データから作成した、
音韻毎の継続時間に関する最大値、最小値を用いる。ま
た、他の例として、継続時間分布たとえば正規分布やガ
ンマ分布、ポアソン分布等を用いても差し支えない。
【００３１】４５は、尤度判定部４３にて入力信号のう
ち音声と判定された部分について、時間パターン作成部
４４にて作成した時間パターンとを比較することで、入
力信号が音声であったかそれ以外であったかを判定する
最終判定部である。本実施例では、入力信号から各音韻
がどの程度継続しているかを示す継続時間を求め、予め
多数の音声から求めておいた音声の継続時間の最大値お
よび最小値を用いて、最大値より小さくしかも前記最小
値より大きいときのみ音声が検出されたとする。ここ
で、音声の継続時間の最大値および最小値にかえて、継
続時間が統計的な分布特性を持つと仮定し、入力信号か
ら得られた音声の継続時間をもとに確率を求め、その確
率がある閾値より大きければ音声であると断定すること
も可能である。また、時間パターンとして多数の音声デ
ータから標準的な音声のスペクトル系列を標準パターン
として登録しておき、入力信号とこの標準パターンとの
非線形伸縮（ＤＰマッチング）により、入力信号のどの
部分に各標準パターンが存在するかを検出（スポッティ
ング）することで、音声であるかそれ以外かを判定する
ことが可能である。また、時間パターンとして多数の音
声スペクトル系列から隠れマルコフモデル（ＨＭＭ）を
予め標準パターンとして作成しておき、入力信号とこの
ＨＭＭモデルとの確率計算により、入力信号のどの部分
に各標準パターンが存在するかを検出（スポッティン
グ）し、音声であるかどうかを判定することも可能であ
る。また、時間パターンを用いて音声を検出するのでは
なく、入力信号を音声分析して得られた特徴量の変化量
を時々刻々求め、その変化量を閾値判定することで音声
中の音韻を検出し、音声と雑音を判別することも可能で
ある。さらに話者の発声した音声中の音韻性を特徴付け
る特徴量や、フィルタリング処理により各帯域毎に音声
分析して得られた特徴量をベクトル量子化して求めたコ
ードブックを用いて、入力信号をベクトル量子化した際
の量子化歪みを閾値判定することで音声であるか雑音で
あるかを判定したり、さらに入力信号をベクトル量子化
した際のコード列の変化のパターンに変換し、その各コ
ードの出現頻度や、各コードの継続時間により、音声で
あるかどうかを判定することも可能である。
ち音声と判定された部分について、時間パターン作成部
４４にて作成した時間パターンとを比較することで、入
力信号が音声であったかそれ以外であったかを判定する
最終判定部である。本実施例では、入力信号から各音韻
がどの程度継続しているかを示す継続時間を求め、予め
多数の音声から求めておいた音声の継続時間の最大値お
よび最小値を用いて、最大値より小さくしかも前記最小
値より大きいときのみ音声が検出されたとする。ここ
で、音声の継続時間の最大値および最小値にかえて、継
続時間が統計的な分布特性を持つと仮定し、入力信号か
ら得られた音声の継続時間をもとに確率を求め、その確
率がある閾値より大きければ音声であると断定すること
も可能である。また、時間パターンとして多数の音声デ
ータから標準的な音声のスペクトル系列を標準パターン
として登録しておき、入力信号とこの標準パターンとの
非線形伸縮（ＤＰマッチング）により、入力信号のどの
部分に各標準パターンが存在するかを検出（スポッティ
ング）することで、音声であるかそれ以外かを判定する
ことが可能である。また、時間パターンとして多数の音
声スペクトル系列から隠れマルコフモデル（ＨＭＭ）を
予め標準パターンとして作成しておき、入力信号とこの
ＨＭＭモデルとの確率計算により、入力信号のどの部分
に各標準パターンが存在するかを検出（スポッティン
グ）し、音声であるかどうかを判定することも可能であ
る。また、時間パターンを用いて音声を検出するのでは
なく、入力信号を音声分析して得られた特徴量の変化量
を時々刻々求め、その変化量を閾値判定することで音声
中の音韻を検出し、音声と雑音を判別することも可能で
ある。さらに話者の発声した音声中の音韻性を特徴付け
る特徴量や、フィルタリング処理により各帯域毎に音声
分析して得られた特徴量をベクトル量子化して求めたコ
ードブックを用いて、入力信号をベクトル量子化した際
の量子化歪みを閾値判定することで音声であるか雑音で
あるかを判定したり、さらに入力信号をベクトル量子化
した際のコード列の変化のパターンに変換し、その各コ
ードの出現頻度や、各コードの継続時間により、音声で
あるかどうかを判定することも可能である。
【００３２】以下、音声判定部３の動作について図４の
ブロック構成図を参照しながら詳細に説明する。音響信
号がマイクロホンを通して入力されると、特徴抽出部４
１でまず複数の特徴量が抽出される。本実施例ではケプ
ストラム係数を用いて判定する。一定時間毎にＫ次の自
己相関係数Ａi(k)が算出され、さらにＡi(k)は０次の自
己相関係数Ａi(0)で正規化される。ここで一定の時間間
隔は、例えばサンプリング周波数を１０ＫＨｚとして、
２００点（２０ｍｓ）とし、この時間単位をフレームと
呼ぶ。フレームｉでのＬ次のケプストラム係数Ｃi(l)を
線形予測分析により求める。ここでは、これらの特徴量
が互いに独立であるとして、一括して１つのベクトル
（ｍ次元）ｘとして扱うことにする。
ブロック構成図を参照しながら詳細に説明する。音響信
号がマイクロホンを通して入力されると、特徴抽出部４
１でまず複数の特徴量が抽出される。本実施例ではケプ
ストラム係数を用いて判定する。一定時間毎にＫ次の自
己相関係数Ａi(k)が算出され、さらにＡi(k)は０次の自
己相関係数Ａi(0)で正規化される。ここで一定の時間間
隔は、例えばサンプリング周波数を１０ＫＨｚとして、
２００点（２０ｍｓ）とし、この時間単位をフレームと
呼ぶ。フレームｉでのＬ次のケプストラム係数Ｃi(l)を
線形予測分析により求める。ここでは、これらの特徴量
が互いに独立であるとして、一括して１つのベクトル
（ｍ次元）ｘとして扱うことにする。
【００３３】周波数パターン作成部４２では、予め多数
の学習用音声データを用いて、各音韻毎に特徴抽出部４
１で得られる特徴量を抽出し、各音韻毎の周波数パター
ンを作成する。音韻としては母音や無声摩擦音、鼻音、
有声破裂音、破擦音、流音、半母音等が考えられる。こ
こでは次の方法により音韻毎の平均値μkcと共分散行列
Σkcを周波数パターンとして使用する。ただし、ｋは音
韻番号、ｃは特徴量分布作成部にて得られた値であるこ
とを示し、μkcはｍ次元のベクトル、Σkcはｍ×ｍ次元
のマトリックスである。学習用音韻データとしては、例
えばある標準話者の音韻ｋの部分を学習用データから切
り出して用いればよい。また、複数の話者の音声データ
を用いることで、話者の発声の変動に強い標準モデルを
作成することができる。
の学習用音声データを用いて、各音韻毎に特徴抽出部４
１で得られる特徴量を抽出し、各音韻毎の周波数パター
ンを作成する。音韻としては母音や無声摩擦音、鼻音、
有声破裂音、破擦音、流音、半母音等が考えられる。こ
こでは次の方法により音韻毎の平均値μkcと共分散行列
Σkcを周波数パターンとして使用する。ただし、ｋは音
韻番号、ｃは特徴量分布作成部にて得られた値であるこ
とを示し、μkcはｍ次元のベクトル、Σkcはｍ×ｍ次元
のマトリックスである。学習用音韻データとしては、例
えばある標準話者の音韻ｋの部分を学習用データから切
り出して用いればよい。また、複数の話者の音声データ
を用いることで、話者の発声の変動に強い標準モデルを
作成することができる。
【００３４】尤度判定部４３は、特徴抽出部４１から出
力されるフレーム毎の入力信号のいくつかの特徴量につ
いて、周波数パターン作成部４２にて作成した各音韻毎
の標準パターンと対数尤度を計算する部分である。ここ
で対数尤度とは、各特徴量の分布を多次元正規分布と仮
定した場合の統計的距離尺度であり、ある音韻の標準パ
ターンｋに対するｉフレーム目の入力ベクトルｘi の特
徴量尤度Ｌikは、式３により計算される。
力されるフレーム毎の入力信号のいくつかの特徴量につ
いて、周波数パターン作成部４２にて作成した各音韻毎
の標準パターンと対数尤度を計算する部分である。ここ
で対数尤度とは、各特徴量の分布を多次元正規分布と仮
定した場合の統計的距離尺度であり、ある音韻の標準パ
ターンｋに対するｉフレーム目の入力ベクトルｘi の特
徴量尤度Ｌikは、式３により計算される。
【００３５】
【数３】
【００３６】ただし、ｘi はｍ次元のベクトル（ｍ次元
の特徴量）であり、ｔは転値、−１は逆行列を示す。そ
して式４により、各音韻毎の対数尤度と予め決めておい
た各音韻毎との閾値とを比較することで音韻の検出を行
う。
の特徴量）であり、ｔは転値、−１は逆行列を示す。そ
して式４により、各音韻毎の対数尤度と予め決めておい
た各音韻毎との閾値とを比較することで音韻の検出を行
う。
【００３７】
【数４】
【００３８】ただし、ＬkTH は各音韻ｋに関する判定閾
値（対数尤度の閾値）である。時間パターン作成部４４
では、予め多数の学習用音声データを用いて、各音韻毎
の継続時間の最大値Ｄmax 、最小値Ｄmin を求め、最終
判定部４５において、最終的な音声かそれ以外の雑音で
あるかの判定を行う。まず尤度判定部４３にて検出され
た音韻の情報を最終判定部４５に送り、各音韻が何フレ
ーム継続したかすなわち各音韻毎の継続時間Ｄk を求め
る。そして、この継続時間Ｄk と時間パターン作成部４
３にて求めておいた各音韻毎の継続時間の最大値より大
きくかつ最小値より小さいとき音韻が検出されたと判定
し、最終的に入力信号が音声であるかそれ以外であるか
を判定する。
値（対数尤度の閾値）である。時間パターン作成部４４
では、予め多数の学習用音声データを用いて、各音韻毎
の継続時間の最大値Ｄmax 、最小値Ｄmin を求め、最終
判定部４５において、最終的な音声かそれ以外の雑音で
あるかの判定を行う。まず尤度判定部４３にて検出され
た音韻の情報を最終判定部４５に送り、各音韻が何フレ
ーム継続したかすなわち各音韻毎の継続時間Ｄk を求め
る。そして、この継続時間Ｄk と時間パターン作成部４
３にて求めておいた各音韻毎の継続時間の最大値より大
きくかつ最小値より小さいとき音韻が検出されたと判定
し、最終的に入力信号が音声であるかそれ以外であるか
を判定する。
【００３９】さらに、このような音韻がある区間内でど
のくらいの頻度で出現するかを、ファジィ推論により判
定することもできる。たとえば予め多数の音声データか
ら各音韻毎の出現数に関するメンバシップ関数を決定し
ておき、実際に入力信号の各音韻毎の出現数を上記音韻
判定部４３にて求め、メンバシップ関数から算出される
ファジィ出力を最終的に判定することで音声が検出され
たのか雑音が検出されたのかを決定することができる。
以上が音声判定部３の動作説明である。
のくらいの頻度で出現するかを、ファジィ推論により判
定することもできる。たとえば予め多数の音声データか
ら各音韻毎の出現数に関するメンバシップ関数を決定し
ておき、実際に入力信号の各音韻毎の出現数を上記音韻
判定部４３にて求め、メンバシップ関数から算出される
ファジィ出力を最終的に判定することで音声が検出され
たのか雑音が検出されたのかを決定することができる。
以上が音声判定部３の動作説明である。
【００４０】最後に総合判定部４では、話者検出部２に
おいて対応する話者が発言しているとして特定されたマ
イクロホンの入力について、音声判定部３で音声信号が
入力されていると判定されている場合に、そのマイクロ
ホンはオンであるという信号を外部に送出する。
おいて対応する話者が発言しているとして特定されたマ
イクロホンの入力について、音声判定部３で音声信号が
入力されていると判定されている場合に、そのマイクロ
ホンはオンであるという信号を外部に送出する。
【００４１】以上のように本実施例によれば隣接マイク
ロホン間の相関関係から話者方向から信号が入力されて
いるマイクロホンを特定し、また音韻性を用いて入力信
号が音声か否かを正確に判別することにより、突発雑
音、連続的な雑音が入力されたときに誤って音声と誤判
定するのを防ぐことができ、また音声信号が隣接するマ
イクロホンへ入力された場合でも話者に対応するマイク
ロホンを特定することができ、さらに周囲騒音等による
誤反応をも防止することができる。
ロホン間の相関関係から話者方向から信号が入力されて
いるマイクロホンを特定し、また音韻性を用いて入力信
号が音声か否かを正確に判別することにより、突発雑
音、連続的な雑音が入力されたときに誤って音声と誤判
定するのを防ぐことができ、また音声信号が隣接するマ
イクロホンへ入力された場合でも話者に対応するマイク
ロホンを特定することができ、さらに周囲騒音等による
誤反応をも防止することができる。
【００４２】次に本発明の音声検出装置の第２の実施例
について図面を参照しながら説明する。図５は第２の実
施例の音声検出装置の構成を示すブロック図である。図
５において、Ｗは音声を発する話者（例えば、話者Ｗ
１，Ｗ２などで構成されている）、５１は話者方向に向
いた第１のマイクロホン（例えば、マイクロホンＭ１
１，Ｍ２１などで構成されている）、５２は話者と反対
方向の向いた第２のマイクロホン（例えば、マイクロホ
ンＭ１２，Ｍ２２などで構成されている）、５３はマイ
クロホン５１とマイクロホン５２の入力信号から話者方
向からの信号のみを検出する前方音検出部、５４は第１
のマイクロホンの入力信号からスペクトルの特徴量を検
出し、音声であるか否かを判定する音声判定部、５５は
上記結果から話者方向からの音声信号のみを判定し、こ
の判定結果を出力する最終判定部である。
について図面を参照しながら説明する。図５は第２の実
施例の音声検出装置の構成を示すブロック図である。図
５において、Ｗは音声を発する話者（例えば、話者Ｗ
１，Ｗ２などで構成されている）、５１は話者方向に向
いた第１のマイクロホン（例えば、マイクロホンＭ１
１，Ｍ２１などで構成されている）、５２は話者と反対
方向の向いた第２のマイクロホン（例えば、マイクロホ
ンＭ１２，Ｍ２２などで構成されている）、５３はマイ
クロホン５１とマイクロホン５２の入力信号から話者方
向からの信号のみを検出する前方音検出部、５４は第１
のマイクロホンの入力信号からスペクトルの特徴量を検
出し、音声であるか否かを判定する音声判定部、５５は
上記結果から話者方向からの音声信号のみを判定し、こ
の判定結果を出力する最終判定部である。
【００４３】以下、上記音声検出装置の動作を説明す
る。音響信号が各第１のマイクロホン５１、第２のマイ
クロホン５２に入力され、両方の信号が前方音検出部５
３に、第１のマイクロホンへの入力信号のみが音声判定
部５４に送出される。ここでは話者毎に第１のマイクロ
ホンと第２のマイクロホンが一組として設置されている
ものとする。
る。音響信号が各第１のマイクロホン５１、第２のマイ
クロホン５２に入力され、両方の信号が前方音検出部５
３に、第１のマイクロホンへの入力信号のみが音声判定
部５４に送出される。ここでは話者毎に第１のマイクロ
ホンと第２のマイクロホンが一組として設置されている
ものとする。
【００４４】前方音検出部５３ではマイクロホン５１、
５２のそれぞれの入力信号の差によりマイクロホン５１
の前方からの信号であるか否かを判定する。また、どの
話者からの音声であるかの推定は、前方音検出部５３に
よりマイクロホン５１とマイクロホン５２のそれぞれの
入力信号のパワーの差を求め、この差が最も大きな値と
なるマイクロホン５１の前方の話者からの音声であると
判定することにより行う。話者方向から発せられた音響
信号が入力された場合、マイクロホン５１のパワー強度
はマイクロホン５２のそれに比べて当然大きな値とな
る。そこで、フレーム毎のマイクロホン５１のパワー値
をＰ1 、マイクロホン５２のパワー値をＰ 2 とすると式
５の条件式を満たす場合に話者方向からの信号（前方
音）であると判定することができる。
５２のそれぞれの入力信号の差によりマイクロホン５１
の前方からの信号であるか否かを判定する。また、どの
話者からの音声であるかの推定は、前方音検出部５３に
よりマイクロホン５１とマイクロホン５２のそれぞれの
入力信号のパワーの差を求め、この差が最も大きな値と
なるマイクロホン５１の前方の話者からの音声であると
判定することにより行う。話者方向から発せられた音響
信号が入力された場合、マイクロホン５１のパワー強度
はマイクロホン５２のそれに比べて当然大きな値とな
る。そこで、フレーム毎のマイクロホン５１のパワー値
をＰ1 、マイクロホン５２のパワー値をＰ 2 とすると式
５の条件式を満たす場合に話者方向からの信号（前方
音）であると判定することができる。
【００４５】
【数５】
【００４６】ここでｃ1 は予め設定された前方音検出の
ためのパワー差の閾値である。なお前方音の判定は式６
の条件式を用いても同様の判定をすることができる。
ためのパワー差の閾値である。なお前方音の判定は式６
の条件式を用いても同様の判定をすることができる。
【００４７】
【数６】
【００４８】ここでｃ2 は予め設定された前方音検出の
ためにパワー比の閾値である。上記フレーム毎に得られ
た判定結果から、短時間での判定結果の切り替わりを防
止するため、前方音として判定されたフレームが連続し
て一定フレーム数以上続いたときに前方音判定結果をオ
ンにし、また前方音と判定されないフレームが一定フレ
ーム数以上続いたときに前方音判定結果をオフにして、
そのオン、オフの情報を外部に出力する。上記の処理に
より話者方向からの信号のみを検出することが可能とな
る。
ためにパワー比の閾値である。上記フレーム毎に得られ
た判定結果から、短時間での判定結果の切り替わりを防
止するため、前方音として判定されたフレームが連続し
て一定フレーム数以上続いたときに前方音判定結果をオ
ンにし、また前方音と判定されないフレームが一定フレ
ーム数以上続いたときに前方音判定結果をオフにして、
そのオン、オフの情報を外部に出力する。上記の処理に
より話者方向からの信号のみを検出することが可能とな
る。
【００４９】音声判定部５４では第１のマイクロホン５
１への入力信号が音声であるか否かを判定する。音声判
定部５４の動作は上記音声検出装置の第１の実施例の音
声判定部３の動作と同一であるので説明は省略する。
１への入力信号が音声であるか否かを判定する。音声判
定部５４の動作は上記音声検出装置の第１の実施例の音
声判定部３の動作と同一であるので説明は省略する。
【００５０】総合判定部５５では前方音検出部５３、音
声判定部５４から一定時間間隔毎に送られてくる出力結
果をもとに、各マイクロホンの組の中で話者方向からの
入力が存在すると判定された第１のマイクロホンの入力
信号について、音声判定部５４でそれが音声信号である
と判定されている場合にそのマイクロホンはオンである
という信号を外部に出力する。
声判定部５４から一定時間間隔毎に送られてくる出力結
果をもとに、各マイクロホンの組の中で話者方向からの
入力が存在すると判定された第１のマイクロホンの入力
信号について、音声判定部５４でそれが音声信号である
と判定されている場合にそのマイクロホンはオンである
という信号を外部に出力する。
【００５１】以上のように本実施例によれば、話者の前
後に向いた２本のマイクロホンの組を用いて、それぞれ
の入力信号のパワー値の違いから話者方向からの信号で
あるか否かを判定し、また入力信号の音韻性から音声信
号であるか否かを判定するようにしたことにより、雑音
による誤判定を防止し、話者方向から発せられる音声信
号のみを正確に検出することができる。
後に向いた２本のマイクロホンの組を用いて、それぞれ
の入力信号のパワー値の違いから話者方向からの信号で
あるか否かを判定し、また入力信号の音韻性から音声信
号であるか否かを判定するようにしたことにより、雑音
による誤判定を防止し、話者方向から発せられる音声信
号のみを正確に検出することができる。
【００５２】次に本発明の音声検出装置の第３の実施例
について図面を参照しながら説明する。図６は本実施例
の動作を示すブロック図である。図６において、Ｗは音
声を発する話者（例えば、話者Ｗ１，Ｗ２などで構成さ
れている）、６１は話者方向を向いた第１のマイクロホ
ン（例えば、マイクロホンＭ１１，Ｍ２１などで構成さ
れている）、６２は話者と反対方向を向いた第２のマイ
クロホン（例えば、マイクロホンＭ１２，Ｍ２２などで
構成されている）、ここで、第１のマイクロホン６１と
第２のマイクロホン６２は、一対ごとに一組のマイクロ
ホン（例えば、マイクロホンの組Ｍｃ１，Ｍｃ２など）
として複数組のマイクロホンで構成されている。また図
６において、６３は第１のマイクロホンと第２のマイク
ホンのそれぞれの入力信号の差から話者方向からの信号
のみを検出する前方音検出部、６４は各第１のマイクロ
ホンの入力信号についてそのスペクトルの特徴量を検出
することにより音声信号であるか否かを判定する音声判
定部、６５は隣合う第１のマイクロホンの組毎に入力信
号間の相関をみることにより話者の位置を推定し、その
話者に対応するマイクロホンを特定する話者検出部、６
６は上記前方音検出部６３，音声判定部６４，話者検出
部６５の出力結果をもとに最終的に各第１のマイクロホ
ンについて前方からの音声信号がの入力されているか否
かを判定し、この判定結果を出力する総合判定部であ
る。
について図面を参照しながら説明する。図６は本実施例
の動作を示すブロック図である。図６において、Ｗは音
声を発する話者（例えば、話者Ｗ１，Ｗ２などで構成さ
れている）、６１は話者方向を向いた第１のマイクロホ
ン（例えば、マイクロホンＭ１１，Ｍ２１などで構成さ
れている）、６２は話者と反対方向を向いた第２のマイ
クロホン（例えば、マイクロホンＭ１２，Ｍ２２などで
構成されている）、ここで、第１のマイクロホン６１と
第２のマイクロホン６２は、一対ごとに一組のマイクロ
ホン（例えば、マイクロホンの組Ｍｃ１，Ｍｃ２など）
として複数組のマイクロホンで構成されている。また図
６において、６３は第１のマイクロホンと第２のマイク
ホンのそれぞれの入力信号の差から話者方向からの信号
のみを検出する前方音検出部、６４は各第１のマイクロ
ホンの入力信号についてそのスペクトルの特徴量を検出
することにより音声信号であるか否かを判定する音声判
定部、６５は隣合う第１のマイクロホンの組毎に入力信
号間の相関をみることにより話者の位置を推定し、その
話者に対応するマイクロホンを特定する話者検出部、６
６は上記前方音検出部６３，音声判定部６４，話者検出
部６５の出力結果をもとに最終的に各第１のマイクロホ
ンについて前方からの音声信号がの入力されているか否
かを判定し、この判定結果を出力する総合判定部であ
る。
【００５３】以下、本実施例の動作を説明する。各マイ
クロホンに入力された音響信号はディジタル信号に変換
され、全てのマイクロホン出力が前方音検出部６３へ、
各第１のマイクロホンの出力信号が音声判定部６４、話
者検出部６５に送られる。
クロホンに入力された音響信号はディジタル信号に変換
され、全てのマイクロホン出力が前方音検出部６３へ、
各第１のマイクロホンの出力信号が音声判定部６４、話
者検出部６５に送られる。
【００５４】ここで前方音検出部６３の動作は第２の実
施例における図５の前方音検出部５３の動作と同一であ
り、音声判定部６４および話者検出部６５の動作は、そ
れぞれ第１の実施例における図１の音声判定部３、話者
検出部２の動作と同一であるので説明は省略する。
施例における図５の前方音検出部５３の動作と同一であ
り、音声判定部６４および話者検出部６５の動作は、そ
れぞれ第１の実施例における図１の音声判定部３、話者
検出部２の動作と同一であるので説明は省略する。
【００５５】総合判定部６６では、前方音検出部６３で
前方の話者からの入力があると判定された第１のマイク
ロホン６１が、話者検出部６５でも特定された場合に、
音声判定部６４でその入力信号が音声であると判定され
ている場合に、その第１のマイクロホンはオンであると
いう信号を外部に出力する。
前方の話者からの入力があると判定された第１のマイク
ロホン６１が、話者検出部６５でも特定された場合に、
音声判定部６４でその入力信号が音声であると判定され
ている場合に、その第１のマイクロホンはオンであると
いう信号を外部に出力する。
【００５６】以上のように本実施例によれば、前方音検
出部６３で話者の前後を向いた２つのマイクロホンの組
毎にその入力信号間のパワー値の違いから前方からの信
号のみを検出し、音声判定部６４で音韻性の検出に基づ
き音声信号であるか否かを判定し、話者検出部６５で隣
合うマイクロホンの入力信号間の相互相関係数から話者
の位置を推定することにより前方からの入力のあるマイ
クロホンを特定し、これらの結果を総合的に判断して各
マイクロホンの音声検出結果を出力するようにしたこと
により、あらゆる方向からの様々な雑音が入力されても
確実に棄却することができ、音声が他のマイクロホンに
混入した場合でも発言した話者に対応するマイクロホン
を正確に特定することができる。
出部６３で話者の前後を向いた２つのマイクロホンの組
毎にその入力信号間のパワー値の違いから前方からの信
号のみを検出し、音声判定部６４で音韻性の検出に基づ
き音声信号であるか否かを判定し、話者検出部６５で隣
合うマイクロホンの入力信号間の相互相関係数から話者
の位置を推定することにより前方からの入力のあるマイ
クロホンを特定し、これらの結果を総合的に判断して各
マイクロホンの音声検出結果を出力するようにしたこと
により、あらゆる方向からの様々な雑音が入力されても
確実に棄却することができ、音声が他のマイクロホンに
混入した場合でも発言した話者に対応するマイクロホン
を正確に特定することができる。
【００５７】次に本発明の映像切り替え装置の一実施例
について図面を参照しながら説明する。図７は本実施例
の構成を示すブロック図である。図７において７１は各
マイクロホンの入力信号からそれぞれに対応する話者の
音声信号のみを検出し、マイクロホン毎の音声信号の入
力があるか否かの情報を一定時間間隔毎に出力する音声
検出部、７２は話者の音声が入力されているマイクロホ
ンの位置に映像を切り換えるように制御信号を送出する
映像切り替え制御部、７３は、映像切り替え制御部７２
の出力を受けて、予め設定された発言している話者の位
置にモニター７４の映像を切り換えるように、カメラ７
５およびモニター制御部７６を制御するカメラ制御部で
ある。
について図面を参照しながら説明する。図７は本実施例
の構成を示すブロック図である。図７において７１は各
マイクロホンの入力信号からそれぞれに対応する話者の
音声信号のみを検出し、マイクロホン毎の音声信号の入
力があるか否かの情報を一定時間間隔毎に出力する音声
検出部、７２は話者の音声が入力されているマイクロホ
ンの位置に映像を切り換えるように制御信号を送出する
映像切り替え制御部、７３は、映像切り替え制御部７２
の出力を受けて、予め設定された発言している話者の位
置にモニター７４の映像を切り換えるように、カメラ７
５およびモニター制御部７６を制御するカメラ制御部で
ある。
【００５８】以下、本実施例の動作を説明する。ここで
音声検出部７１は、上記で説明した音声検出装置の第１
の実施例あるいは第２の実施例あるいは第３の実施例の
いずれかの構成であればよく、動作の説明は省略する。
音声検出部７１は、上記で説明した音声検出装置の第１
の実施例あるいは第２の実施例あるいは第３の実施例の
いずれかの構成であればよく、動作の説明は省略する。
【００５９】音声検出部７１からは一定時間間隔毎に音
声の検出されたマイクロホンの情報が出力される。この
出力を受けて映像切り替え制御部７２では映像切り替え
のタイミングを定め、音声検出されているマイクロホン
位置の映像に切り換えるよう制御信号をカメラ制御部７
３に送出する。ここで映像切り替えのタイミングは、映
像の頻繁に切り替わることによる画面の見ずらさを回避
し、また音声検出の誤検出の場合にも対応できるよう
に、音声検出が開始されてから一定時間後に映像切り替
えの信号を送出し、また音声検出が終了した時点から一
定時間後に終了信号を送出する。
声の検出されたマイクロホンの情報が出力される。この
出力を受けて映像切り替え制御部７２では映像切り替え
のタイミングを定め、音声検出されているマイクロホン
位置の映像に切り換えるよう制御信号をカメラ制御部７
３に送出する。ここで映像切り替えのタイミングは、映
像の頻繁に切り替わることによる画面の見ずらさを回避
し、また音声検出の誤検出の場合にも対応できるよう
に、音声検出が開始されてから一定時間後に映像切り替
えの信号を送出し、また音声検出が終了した時点から一
定時間後に終了信号を送出する。
【００６０】カメラ制御部７３では、映像切り替え制御
部７２からの切り替え制御信号に基づき、判定されたマ
イクロホンに対応する話者の画面に切り換えるようにカ
メラ７５に移動信号を送りカメラ７５の向きを変更す
る。なお各マイクロホンに対応する話者の位置はそれぞ
れ予め設定しており、その位置情報がカメラ制御部７３
に記憶されている。
部７２からの切り替え制御信号に基づき、判定されたマ
イクロホンに対応する話者の画面に切り換えるようにカ
メラ７５に移動信号を送りカメラ７５の向きを変更す
る。なお各マイクロホンに対応する話者の位置はそれぞ
れ予め設定しており、その位置情報がカメラ制御部７３
に記憶されている。
【００６１】以上のように本実施例によれば、複数のマ
イクロホンから対応する話者の音声が入力されているも
ののみを正確に捉え、この音声検出情報をもとにその話
者の方に自動的に映像を切り換えることが可能となり、
特に自然なテレビ会議の進行を実現することのできる映
像切り替え装置が実現できる。
イクロホンから対応する話者の音声が入力されているも
ののみを正確に捉え、この音声検出情報をもとにその話
者の方に自動的に映像を切り換えることが可能となり、
特に自然なテレビ会議の進行を実現することのできる映
像切り替え装置が実現できる。
【００６２】この実施例では、一台のカメラ７５を使用
して、カメラ制御部７３が、映像切り替え制御部７２か
らの切り替え制御信号に基づき、判定されたマイクロホ
ンに対応する話者に画面を切り換えるようにカメラ７５
に移動信号を送り、カメラ７５の向きを変更するよう構
成したが、複数台のカメラを、各カメラが適当数の話者
に対応するように配置して、カメラ制御部７３が、映像
切り替え制御部７２からの切り替え制御信号に基づき、
判定されたマイクロホンに対応する話者に対応して配置
されたカメラに接続を切り替えて、この話者に画面を切
り換えるように構成することもできる。これにより、話
者に対する画面の切り換えの追従性が向上して、話者の
速い立ち代わりにも、十分対応できる。
して、カメラ制御部７３が、映像切り替え制御部７２か
らの切り替え制御信号に基づき、判定されたマイクロホ
ンに対応する話者に画面を切り換えるようにカメラ７５
に移動信号を送り、カメラ７５の向きを変更するよう構
成したが、複数台のカメラを、各カメラが適当数の話者
に対応するように配置して、カメラ制御部７３が、映像
切り替え制御部７２からの切り替え制御信号に基づき、
判定されたマイクロホンに対応する話者に対応して配置
されたカメラに接続を切り替えて、この話者に画面を切
り換えるように構成することもできる。これにより、話
者に対する画面の切り換えの追従性が向上して、話者の
速い立ち代わりにも、十分対応できる。
【００６３】
【発明の効果】請求項１の構成によれば、音声判定部
が、マイクロホンに入力された信号からスペクトルの特
徴量を抽出し、予め求めた音声の特徴量との類似性の有
無によりその信号が音声であるか否かを判定し、話者検
出部が、隣接したマイクロホンの入力信号の間の差異を
検出することにより話者の位置を推定し、この話者に対
応したマイクロホンを特定するので、音声判定部と話者
検出部の出力結果に基づいて、総合判定部がそれぞれの
マイクロホンに対応した話者の音声のみが判定できる。
そのため、発声している話者に対応するマイクロホンを
正確に特定することができ、様々な雑音が入力されても
音声と誤検出することのない精度の高い音声検出ができ
る。
が、マイクロホンに入力された信号からスペクトルの特
徴量を抽出し、予め求めた音声の特徴量との類似性の有
無によりその信号が音声であるか否かを判定し、話者検
出部が、隣接したマイクロホンの入力信号の間の差異を
検出することにより話者の位置を推定し、この話者に対
応したマイクロホンを特定するので、音声判定部と話者
検出部の出力結果に基づいて、総合判定部がそれぞれの
マイクロホンに対応した話者の音声のみが判定できる。
そのため、発声している話者に対応するマイクロホンを
正確に特定することができ、様々な雑音が入力されても
音声と誤検出することのない精度の高い音声検出ができ
る。
【００６４】請求項３の構成によれば、前方音検出部
が、話者方向に向いた第１のマイクロホンと話者と反対
方向に向いた第２のマイクロホンに入力された信号の差
異を検出して、第１のマイクロホンの前方より発せられ
た信号のみを検出し、音声判定部が、第１のマイクロホ
ンに入力された信号からスペクトルの特徴量を抽出し、
予め求めた音声の特徴量との類似性の有無によりその信
号が音声であるか否かを判定するので、前方音検出部と
音声判定部の出力結果に基づいて、総合判定部がそれぞ
れの第１のマイクロホンに対応した話者の音声のみが判
定できる。そのため、左右、後方からの雑音、音声を棄
却でき、様々な雑音が入力されても音声と誤検出するこ
とのない精度の高い音声検出ができる。
が、話者方向に向いた第１のマイクロホンと話者と反対
方向に向いた第２のマイクロホンに入力された信号の差
異を検出して、第１のマイクロホンの前方より発せられ
た信号のみを検出し、音声判定部が、第１のマイクロホ
ンに入力された信号からスペクトルの特徴量を抽出し、
予め求めた音声の特徴量との類似性の有無によりその信
号が音声であるか否かを判定するので、前方音検出部と
音声判定部の出力結果に基づいて、総合判定部がそれぞ
れの第１のマイクロホンに対応した話者の音声のみが判
定できる。そのため、左右、後方からの雑音、音声を棄
却でき、様々な雑音が入力されても音声と誤検出するこ
とのない精度の高い音声検出ができる。
【００６５】請求項４の構成によれば、前方音検出部
が、一組にされた話者方向に向いた第１のマイクロホン
と話者と反対方向に向いた第２のマイクロホンに入力さ
れた信号の差異を検出して、第１のマイクロホンの前方
より発せられた信号のみを検出し、音声判定部が、各組
の第１のマイクロホンに入力された信号からスペクトル
の特徴量を抽出し、予め求めた音声の特徴量との類似性
の有無によりその信号が音声であるか否かを判定し、話
者検出部が、隣接した第１のマイクロホンの入力信号の
間の差異を検出することにより話者の位置を推定し、こ
の話者に対応したマイクロホンを特定するので、前方音
検出部と音声判定部と話者検出部の出力結果に基づい
て、総合判定部が各組の第１のマイクロホンに対応した
話者の音声のみが判定できる。そのため、左右、後方か
らの雑音、音声を棄却でき、また発声している話者に対
応するマイクロホンを正確に特定することができ、様々
な雑音が入力されても音声と誤検出することのない精度
の高い音声検出ができる。
が、一組にされた話者方向に向いた第１のマイクロホン
と話者と反対方向に向いた第２のマイクロホンに入力さ
れた信号の差異を検出して、第１のマイクロホンの前方
より発せられた信号のみを検出し、音声判定部が、各組
の第１のマイクロホンに入力された信号からスペクトル
の特徴量を抽出し、予め求めた音声の特徴量との類似性
の有無によりその信号が音声であるか否かを判定し、話
者検出部が、隣接した第１のマイクロホンの入力信号の
間の差異を検出することにより話者の位置を推定し、こ
の話者に対応したマイクロホンを特定するので、前方音
検出部と音声判定部と話者検出部の出力結果に基づい
て、総合判定部が各組の第１のマイクロホンに対応した
話者の音声のみが判定できる。そのため、左右、後方か
らの雑音、音声を棄却でき、また発声している話者に対
応するマイクロホンを正確に特定することができ、様々
な雑音が入力されても音声と誤検出することのない精度
の高い音声検出ができる。
【００６６】請求項２５の構成によれば、請求項１に記
載の音声検出装置の出力に基づいて、映像切り替え制御
部が、特定したマイクロホンに対応した話者に映像を切
り換える制御信号をカメラ制御部に出力するので、この
制御信号により、カメラ制御部が予め記憶した話者の位
置情報に基づいて出力映像の切り替えが制御できる。そ
のため、音声入力のあったマイクロホンの位置に自動的
に映像を切り換えることができ、正確で使い勝手のよ
い、特にテレビ会議システムでのスムーズな会議進行が
実現できる。
載の音声検出装置の出力に基づいて、映像切り替え制御
部が、特定したマイクロホンに対応した話者に映像を切
り換える制御信号をカメラ制御部に出力するので、この
制御信号により、カメラ制御部が予め記憶した話者の位
置情報に基づいて出力映像の切り替えが制御できる。そ
のため、音声入力のあったマイクロホンの位置に自動的
に映像を切り換えることができ、正確で使い勝手のよ
い、特にテレビ会議システムでのスムーズな会議進行が
実現できる。
【図１】本発明の第１の実施例の音声検出装置の構成図
【図２】同実施例の話者の特定動作の説明図
【図３】同実施例の話者の特定動作のフローチャート図
【図４】同実施例の音声判定部の構成図
【図５】本発明の第２の実施例の音声検出装置の構成図
【図６】本発明の第３の実施例の音声検出装置の構成図
【図７】本発明の一実施例の映像切り替え装置の構成図
１ マイクロホン ２，６５ 話者検出部 ３，５４，６４ 音声判定部 ４，５５，６６ 総合判定部 ５１，６１ 第１のマイクロホン ５２，６２ 第２のマイクロホン ５３，６３ 前方音検出部
Claims (27)
- 【請求項１】 音響を検出する複数のマイクロホンと、
これらのマイクロホンに入力された信号からスペクトル
の特徴量を抽出し、予め求めた音声の特徴量との類似性
の有無によりその信号が音声であるか否かを判定する音
声判定部と、任意のマイクロホンの入力信号とこのマイ
クロホンに隣接した位置にあるマイクロホンの入力信号
との間の差異を検出することにより音響の発生源である
話者の位置を推定し、この話者に対応したマイクロホン
を特定する話者検出部と、前記音声判定部と話者検出部
の出力結果を用いて予め定めた判定条件をもとにそれぞ
れのマイクロホンに対応した話者の音声のみを判定する
総合判定部とを備えた音声検出装置。 - 【請求項２】 話者検出部を、隣接する２つのマイクロ
ホンの入力信号間の相互相関係数を用いて隣接する前記
マイクロホンへの入力信号の到達時間の差を検出するこ
とにより、話者の位置を推定し、この話者に対応したマ
イクロホンを特定するよう構成した請求項１に記載の音
声検出装置。 - 【請求項３】 話者方向に向いた第１のマイクロホン
と、話者と反対方向に向いた第２のマイクロホンと、前
記第１のマイクロホンと第２のマイクロホンのそれぞれ
の入力信号の差異を検出することにより第１のマイクロ
ホンの前方より発せられた信号のみを検出する前方音検
出部と、第１のマイクロホンに入力された信号からスペ
クトルの特徴量を抽出し、予め求めた音声の特徴量との
類似性の有無によりその信号が音声であるか否かを判定
する音声判定部と、前記前方音検出部と音声判定部の出
力結果を用いて予め定めた判定条件をもとにそれぞれの
第１のマイクロホンに対応した話者の音声のみを判定す
る総合判定部とを備えた音声検出装置。 - 【請求項４】 話者方向に向いた第１のマイクロホンと
話者と反対方向に向いた第２のマイクロホンとを一組と
する複数組のマイクロホンと、それぞれの組の前記第１
のマイクロホンと第２のマイクロホンのそれぞれの入力
信号の差異を検出することにより第１のマイクロホンの
前方より発せられた信号のみを検出する前方音検出部
と、それぞれの組の第１のマイクロホンに入力された信
号からスペクトルの特徴量を抽出し、予め求めた音声の
特徴量との類似性の有無によりその信号が音声であるか
否かを判定する音声判定部と、任意の第１のマイクロホ
ンの入力信号とこのマイクロホンに隣接した位置にある
第１のマイクロホンの入力信号との間の差異を検出する
ことにより話者の位置を推定し、この話者に対応したマ
イクロホンを特定する話者検出部と、前記前方音検出部
と音声判定部及び話者検出部の出力結果を用いて予め定
めた判定条件をもとにそれぞれの組の第１のマイクロホ
ンに対応した話者の音声のみを判定する総合判定部とを
備えた音声検出装置。 - 【請求項５】 前方音検出部を、第１のマイクロホンと
第２のマイクロホンのそれぞれの入力信号のパワーの差
を算出し、この値により第１のマイクロホンの前方より
発せられた信号であるか否かを判定するよう構成した請
求項３または請求項４のいずれかに記載の音声検出装
置。 - 【請求項６】 前方音検出部を、第１のマイクロホンと
第２のマイクロホンのそれぞれの入力信号のパワーの比
を算出し、この値により第１のマイクロホンの前方より
発せられた信号であるか否かを判定するよう構成した請
求項３または請求項４のいずれかに記載の音声検出装
置。 - 【請求項７】 話者検出部を、隣接する２つの第１のマ
イクロホンの入力信号間の相互相関係数を用いて隣接す
る前記第１のマイクロホンへの入力信号の到達時間の差
を検出することにより、話者の位置を推定し、この話者
に対応した第１のマイクロホンを特定するよう構成した
請求項４に記載の音声検出装置。 - 【請求項８】 音声判定部を、予め多数の音声データか
ら音声信号の持つ周波数的特徴あるいは時間的特徴を求
めておき、入力信号がどの程度前記周波数的特徴あるい
は時間的特徴が類似しているかを表す指標により音声と
雑音を判別し、前記周波数的特徴あるいは時間的特徴を
持つ音声信号のみを検出するよう構成した請求項１また
は請求項３または請求項４のいずれかに記載の音声検出
装置。 - 【請求項９】 音声判定部を、入力信号を線形予測分析
した際に得られた線形予測係数あるいはケプストラム係
数あるいは自己相関係数を、予め作成しておいた音声に
関する前記線形予測係数あるいはケプストラム係数ある
いは自己相関係数と比較することにより周波数的特徴を
検出して、入力信号の音声と雑音を判別し、入力信号中
の音声のみを検出するよう構成した請求項８に記載の音
声検出装置。 - 【請求項１０】 音声判定部を、予め作成しておいた音
韻毎のスペクトルと入力信号のスペクトルがどの程度似
通っているかに基づいて音声中の音韻性を認識すること
により周波数的特徴を検出して、入力信号の音声と雑音
を判別し、入力信号中の音声のみを検出するよう構成し
た請求項８に記載の音声検出装置。 - 【請求項１１】 音声判定部を、周波数軸をデジタルあ
るいはアナログフィルタにより数帯域に分割し、前記デ
ジタルあるいはアナログフィルタにより得られた各帯域
毎のエネルギーのパターンを認識することにより周波数
的特徴を検出して、入力信号の音声と雑音を判別し、入
力信号中の音声のみを検出するよう構成した請求項８に
記載の音声検出装置。 - 【請求項１２】 音声判定部を、周波数軸をデジタルあ
るいはアナログフィルタにより数帯域に分割し、前記デ
ジタルあるいはアナログフィルタにより得られた各帯域
毎の信号の零交差を求め、各帯域毎の前記零交差の回数
により周波数的特徴を検出して、入力信号の音声と雑音
を判別し、入力信号中の音声のみを検出するよう構成し
た請求項８に記載の音声検出装置。 - 【請求項１３】 音声判定部を、周波数軸をデジタルあ
るいはアナログフィルタにより数帯域に分割し、前記デ
ジタルあるいはアナログフィルタにより得られた各帯域
毎の信号の１次以上の自己相関係数により周波数的特徴
を検出して、入力信号の音声と雑音を判別し、入力信号
中の音声のみを検出するよう構成した請求項８に記載の
音声検出装置。 - 【請求項１４】 音声判定部を、周波数軸をデジタルあ
るいはアナログフィルタにより数帯域に分割し、前記デ
ジタルあるいはアナログフィルタにより得られた各帯域
毎の信号をＦＦＴ分析した際に得られた１次以上のケプ
ストラム係数により周波数的特徴を検出して、入力信号
の音声と雑音を判別し、入力信号中の音声のみを検出す
るよう構成した請求項８に記載の音声検出装置。 - 【請求項１５】 音声判定部を、周波数軸をデジタルあ
るいはアナログフィルタにより数帯域に分割し、前記デ
ジタルあるいはアナログフィルタにより得られた各帯域
毎の信号をＦＦＴ分析した際に得られた１次以上の自己
相関係数及び１次以上のケプストラム係数のうち少なく
とも１つ以上の特徴量により周波数的特徴を検出して、
入力信号の音声と雑音を判別し、入力信号中の音声のみ
を検出するよう構成した請求項８に記載の音声検出装
置。 - 【請求項１６】 音声判定部を、周波数軸をデジタルあ
るいはアナログフィルタにより数帯域に分割し、前記デ
ジタルあるいはアナログフィルタにより得られた各帯域
毎の信号をＦＦＴ分析し得られた特徴量をベクトル量子
化して求めたコードブックにより周波数的特徴を検出し
て、入力信号の音声と雑音を判別し、入力信号中の音声
のみを検出するよう構成した請求項８に記載の音声検出
装置。 - 【請求項１７】 音声判定部を、話者の発声した音声中
の音韻性を特徴付ける特徴量をベクトル量子化して求め
たコードブックを予め求めておき、入力信号を前記コー
ドブックにてベクトル量子化した際の量子化歪みにより
周波数的特徴を検出して、入力信号の音声と雑音を判別
し、入力信号中の音声のみを検出するよう構成した請求
項８に記載の音声検出装置。 - 【請求項１８】 音声判定部を、入力信号のスペクトル
が時事刻々いかなる変化をしているかに基づいて音声中
の音韻性を認識することにより時間的特徴を検出して、
入力信号の音声と雑音を判別し、入力信号中の音声のみ
を検出するよう構成した請求項８に記載の音声検出装
置。 - 【請求項１９】 音声判定部を、予め多数の音声から求
めておいた音韻毎の継続時間の最大値および最小値によ
り入力信号から分析フレーム毎に音韻を検出し、各音韻
がどの程度継続しているかを示す継続時間を求め、前記
音韻毎の継続時間の最大値より小さくしかも最小値より
大きいときのみ音声が入力されたとすることにより時間
的特徴を検出して、入力信号の音声と雑音を判別し、入
力信号中の音声のみを検出するよう構成した請求項８に
記載の音声検出装置。 - 【請求項２０】 音声判定部を、予め多数の音声から求
めておいた音韻毎のスペクトル系列を標準モデルとして
予め求めておき、前記標準モデルを用いて入力信号中の
スペクトルがどの程度継続しているかを表す継続時間を
計測することにより時間的特徴を検出して、入力信号の
音声と雑音を判別し、入力信号中の音声のみを検出する
よう構成した請求項８に記載の音声検出装置。 - 【請求項２１】 音声判定部を、話者の発声した音声中
の音韻性を特徴付ける特徴量をベクトル量子化して求め
たコードブックを用いて、入力信号をベクトル量子化し
た際のコード列の変化のパターンを認識することにより
時間的特徴を検出して、入力信号の音声と雑音を判別
し、入力信号中の音声のみを検出するよう構成した請求
項８に記載の音声検出装置。 - 【請求項２２】 音声判定部を、話者の発声した音声中
の音韻性を特徴付ける特徴量をベクトル量子化して求め
たコードブックを用いて、入力信号をベクトル量子化し
各コードがどの程度継続して現れるかにより時間的特徴
を検出して、入力信号の音声と雑音を判別し、入力信号
中の音声のみを検出するよう構成した請求項８に記載の
音声検出装置。 - 【請求項２３】 音声判定部を、予め多数の音声データ
から各音韻毎のＨＭＭモデルを作成しておき、前記ＨＭ
Ｍモデルを用いて入力信号中に存在する音韻性を認識す
ることにより周波数的特徴あるいは時間的特徴を検出し
て、入力信号の音声と雑音を判別し、入力信号中の音声
のみを検出するよう構成した請求項８に記載の音声検出
装置。 - 【請求項２４】 音声判定部を、入力信号から分析フレ
ーム毎に音声を特徴付ける特徴量を抽出し、入力信号中
の音声成分がどの程度継続しているか予め多数の音声デ
ータより求めておいた継続時間に関するファジィメンバ
シップ関数を用いてファジィ推論することにより時間的
特徴を検出して、入力信号の音声と雑音を判別し、入力
信号中の音声のみを検出するよう構成した請求項８に記
載の音声検出装置。 - 【請求項２５】 請求項１に記載の音声検出装置と、各
話者の映像を出力するために、それぞれの話者の位置を
予め記憶し出力映像を制御するカメラ制御部と、前記音
声検出部の出力に基づいて音声が入力されているマイク
ロホンを特定し、対応する話者の映像に切り換えるため
の制御信号を前記カメラ制御部に出力する映像切り替え
制御部とを備えた映像切り替え装置。 - 【請求項２６】 請求項３に記載の音声検出装置と、各
話者の映像を出力するために、それぞれの話者の位置を
予め記憶し出力映像を制御するカメラ制御部と、前記音
声検出部の出力に基づいて音声が入力されている第１の
マイクロホンを特定し、対応する話者の映像に切り換え
るための制御信号を前記カメラ制御部に出力する映像切
り替え制御部とを備えた映像切り替え装置。 - 【請求項２７】 請求項４に記載の音声検出装置と、各
話者の映像を出力するために、それぞれの話者の位置を
予め記憶し出力映像を制御するカメラ制御部と、前記音
声検出部の出力に基づいて音声が入力されている第１の
マイクロホンを特定し、対応する話者の映像に切り換え
るための制御信号を前記カメラ制御部に出力する映像切
り替え制御部とを備えた映像切り替え装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP5238579A JPH0792988A (ja) | 1993-09-27 | 1993-09-27 | 音声検出装置と映像切り替え装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP5238579A JPH0792988A (ja) | 1993-09-27 | 1993-09-27 | 音声検出装置と映像切り替え装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH0792988A true JPH0792988A (ja) | 1995-04-07 |
Family
ID=17032310
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP5238579A Pending JPH0792988A (ja) | 1993-09-27 | 1993-09-27 | 音声検出装置と映像切り替え装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH0792988A (ja) |
Cited By (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH10254482A (ja) * | 1997-03-08 | 1998-09-25 | Tokyo Electric Power Co Inc:The | 音声認識方法及び音声認識システム |
| JPH11234670A (ja) * | 1997-11-25 | 1999-08-27 | Fuji Xerox Co Ltd | ビデオセグメント化方法、ビデオセグメント化モデルトレーニング方法、ビデオの状態へのセグメント化装置、及びデータ構造 |
| EP0779732A3 (en) * | 1995-12-12 | 2000-05-10 | OnLive! Technologies, Inc. | Multi-point voice conferencing system over a wide area network |
| WO2001015137A1 (en) * | 1999-08-20 | 2001-03-01 | Matsushita Electric Industrial Co., Ltd. | Noise reduction apparatus |
| JP2005049153A (ja) * | 2003-07-31 | 2005-02-24 | Toshiba Corp | 音声方向推定装置及びその方法 |
| JP2006039108A (ja) * | 2004-07-26 | 2006-02-09 | Nippon Hoso Kyokai <Nhk> | 特定話者音声出力装置及び特定話者判定プログラム |
| US7006616B1 (en) | 1999-05-21 | 2006-02-28 | Terayon Communication Systems, Inc. | Teleconferencing bridge with EdgePoint mixing |
| JP2006058395A (ja) * | 2004-08-17 | 2006-03-02 | Spectra:Kk | 音響信号入出力装置 |
| JP2006304124A (ja) * | 2005-04-25 | 2006-11-02 | V-Cube Inc | 音源方向確定装置および音源方向確定方法 |
| JP2007108518A (ja) * | 2005-10-14 | 2007-04-26 | Sharp Corp | 音声録音再生装置 |
| JP2008102538A (ja) * | 2007-11-09 | 2008-05-01 | Sony Corp | 記憶再生装置及び記憶再生装置の制御方法 |
| JP2010276517A (ja) * | 2009-05-29 | 2010-12-09 | Mitsubishi Electric Corp | パルス変調信号特定方法及びパルス変調信号識別方法並びにパルス変調信号識別装置 |
| JP2012226366A (ja) * | 2005-10-21 | 2012-11-15 | Panasonic Corp | 騒音制御装置 |
| JP2014164164A (ja) * | 2013-02-26 | 2014-09-08 | Fuji Xerox Co Ltd | 音声解析装置、信号解析装置、音声解析システムおよびプログラム |
| JP2014191201A (ja) * | 2013-03-27 | 2014-10-06 | Fuji Xerox Co Ltd | 音声解析システム、音声端末装置およびプログラム |
| WO2018207483A1 (ja) * | 2017-05-11 | 2018-11-15 | シャープ株式会社 | 情報処理装置、電子機器、制御方法、および制御プログラム |
| WO2021118157A1 (ko) * | 2019-12-10 | 2021-06-17 | 주식회사 이노스코리아 | 센싱 데이터의 유효 여부를 확인하는 전자 장치 및 그 동작 방법 |
| CN113763956A (zh) * | 2019-03-12 | 2021-12-07 | 百度在线网络技术（北京）有限公司 | 应用于车辆的交互方法和装置 |
-
1993
- 1993-09-27 JP JP5238579A patent/JPH0792988A/ja active Pending
Cited By (21)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP0779732A3 (en) * | 1995-12-12 | 2000-05-10 | OnLive! Technologies, Inc. | Multi-point voice conferencing system over a wide area network |
| JPH10254482A (ja) * | 1997-03-08 | 1998-09-25 | Tokyo Electric Power Co Inc:The | 音声認識方法及び音声認識システム |
| JPH11234670A (ja) * | 1997-11-25 | 1999-08-27 | Fuji Xerox Co Ltd | ビデオセグメント化方法、ビデオセグメント化モデルトレーニング方法、ビデオの状態へのセグメント化装置、及びデータ構造 |
| US7006616B1 (en) | 1999-05-21 | 2006-02-28 | Terayon Communication Systems, Inc. | Teleconferencing bridge with EdgePoint mixing |
| WO2001015137A1 (en) * | 1999-08-20 | 2001-03-01 | Matsushita Electric Industrial Co., Ltd. | Noise reduction apparatus |
| US7020288B1 (en) | 1999-08-20 | 2006-03-28 | Matsushita Electric Industrial Co., Ltd. | Noise reduction apparatus |
| JP2005049153A (ja) * | 2003-07-31 | 2005-02-24 | Toshiba Corp | 音声方向推定装置及びその方法 |
| JP2006039108A (ja) * | 2004-07-26 | 2006-02-09 | Nippon Hoso Kyokai <Nhk> | 特定話者音声出力装置及び特定話者判定プログラム |
| JP2006058395A (ja) * | 2004-08-17 | 2006-03-02 | Spectra:Kk | 音響信号入出力装置 |
| JP2006304124A (ja) * | 2005-04-25 | 2006-11-02 | V-Cube Inc | 音源方向確定装置および音源方向確定方法 |
| JP2007108518A (ja) * | 2005-10-14 | 2007-04-26 | Sharp Corp | 音声録音再生装置 |
| JP2012226366A (ja) * | 2005-10-21 | 2012-11-15 | Panasonic Corp | 騒音制御装置 |
| JP2008102538A (ja) * | 2007-11-09 | 2008-05-01 | Sony Corp | 記憶再生装置及び記憶再生装置の制御方法 |
| JP2010276517A (ja) * | 2009-05-29 | 2010-12-09 | Mitsubishi Electric Corp | パルス変調信号特定方法及びパルス変調信号識別方法並びにパルス変調信号識別装置 |
| JP2014164164A (ja) * | 2013-02-26 | 2014-09-08 | Fuji Xerox Co Ltd | 音声解析装置、信号解析装置、音声解析システムおよびプログラム |
| JP2014191201A (ja) * | 2013-03-27 | 2014-10-06 | Fuji Xerox Co Ltd | 音声解析システム、音声端末装置およびプログラム |
| WO2018207483A1 (ja) * | 2017-05-11 | 2018-11-15 | シャープ株式会社 | 情報処理装置、電子機器、制御方法、および制御プログラム |
| JPWO2018207483A1 (ja) * | 2017-05-11 | 2020-01-23 | シャープ株式会社 | 情報処理装置、電子機器、制御方法、および制御プログラム |
| CN113763956A (zh) * | 2019-03-12 | 2021-12-07 | 百度在线网络技术（北京）有限公司 | 应用于车辆的交互方法和装置 |
| WO2021118157A1 (ko) * | 2019-12-10 | 2021-06-17 | 주식회사 이노스코리아 | 센싱 데이터의 유효 여부를 확인하는 전자 장치 및 그 동작 방법 |
| KR20210073693A (ko) * | 2019-12-10 | 2021-06-21 | 주식회사 이노스코리아 | 센싱 데이터의 유효 여부를 확인하는 전자 장치 및 그 동작 방법 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR970001165B1 (ko) | 대화자 훈련의 음성 인식기 및 그 사용방법 | |
| CN108305615B (zh) | 一种对象识别方法及其设备、存储介质、终端 | |
| JPH0792988A (ja) | 音声検出装置と映像切り替え装置 | |
| JP3691511B2 (ja) | 休止検出を行う音声認識 | |
| EP1083541B1 (en) | A method and apparatus for speech detection | |
| JP3180655B2 (ja) | パターンマッチングによる単語音声認識方法及びその方法を実施する装置 | |
| JP3584458B2 (ja) | パターン認識装置およびパターン認識方法 | |
| US5950157A (en) | Method for establishing handset-dependent normalizing models for speaker recognition | |
| CA2366892C (en) | Method and apparatus for speaker recognition using a speaker dependent transform | |
| JPH11511567A (ja) | パターン認識 | |
| US20180137880A1 (en) | Phonation Style Detection | |
| JP5385876B2 (ja) | 音声区間検出方法、音声認識方法、音声区間検出装置、音声認識装置、そのプログラム及び記録媒体 | |
| US7072750B2 (en) | Method and apparatus for rejection of speech recognition results in accordance with confidence level | |
| JP3798530B2 (ja) | 音声認識装置及び音声認識方法 | |
| JP2003036087A (ja) | 情報検出装置及び方法 | |
| JP2797861B2 (ja) | 音声検出方法および音声検出装置 | |
| Kakade et al. | An automatic real time speech-speaker recognition system: a real time approach | |
| KR101023211B1 (ko) | 마이크배열 기반 음성인식 시스템 및 그 시스템에서의 목표음성 추출 방법 | |
| JPS63502304A (ja) | 高雑音環境における言語認識のためのフレ−ム比較法 | |
| US20220114447A1 (en) | Adaptive tuning parameters for a classification neural network | |
| JPH05173592A (ja) | 音声／非音声判別方法および判別装置 | |
| KR100206799B1 (ko) | 화자 인식형 캠코더 | |
| JP2792709B2 (ja) | 音声認識装置 | |
| JPH071438B2 (ja) | 音声中の複数話者の発話区間自動検出同定装置 | |
| Zheng et al. | A robust keyword detection system for criminal scene analysis |